人工智能知识点总结

仅供内部人士专用1CHW:一、概论1.人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。2.智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构成的交叉学科。3.认知(cognition)是和情感、动机、意志等相对的理智或认识过程。认知科学是研究人类感知和思维信息处理过程的科学，包括从感觉的输入到复杂问题求解，从人类个体到人类社会的智能活动，以及人类智能和机器智能的性质。思维是客观现实的反映过程，是具有意识的人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。智能是个体认识客观事物和运用知识解决问题的能力。4.人类思维的形态：感知思维、形象思维、抽象思维、灵感思维。5.神经网络基本特点：①以分布式方式存储信息。②以并行方式处理信息。③具有自组织、自学习能力。符号智能：以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。计算智能：以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能6.符号智能与计算智能区别：符号智能就是传统人工智能，以知识为基础，通过推理求解问题；计算智能以数据为基础，通过训练建立联系，进行问题求解。人工神经网络，遗传算法、模糊等都是计算智能。7.非单调推理：一个正确的公理加到理论中，反而使得所得结论变无效。如封闭世界假设CWA，限定逻辑；定性推理：把物理系统分成子系统，对每个子系统之间的作用建立联系，通过局部因果性的行为合成获得实际物理系统的功能；不确定性推理：随机性、模糊性、不确定性。如DS证据、模糊集、粗糙集、贝叶斯。8.知识、知识表示及运用知识的推理算法是人工智能的核心,而机器学习则是关键问题。机器学习的研究四个阶段：①无知识的学习：主要研究神经元模型和基于决策论方法的自适应和自组织系统。②符号概念获取：给定某一类别的若干正例和反例，从中获得该类别的一般定义。③实例学习：从实例学习结构描述。④有知识的学习：把大量知识引入学习系统做为背景知识9.机器学习的风范：①归纳学习：研究一般性概念的描述和概念聚类；②分析学习：在领域知识指导下进行实例学习,包括基于解释的学习、知识块学习等。③发现学习：根据实验数据或模型重新发现新的定律的方法。④遗传学习：模拟生物繁衍的变异和自然选择，把概念的各种变体当作物种的个体,根据客观功能测试概念的诱发变化和重组合并,决定哪种情况应在基因组合中予以保留。⑤连接学习：是神经网络通过典型实例的训练,识别输入模式的不同类别。10.分布式人工智能：研究在逻辑上或物理上分散的智能动作者如何协调其智能行为，即协调它们的知识、技能和规划,求解单目标或多目标问题，为设计和建立大型复杂的智能系统或计算机支持协同工作提供有效途径。11.人工思维将以开放式自主系统为基础，充分发挥各种处理范型的特长，实现集体智能，才能达到柔性信息处理，解决真实世界的问题。12.知识系统包括：①专家系统：专家系统是一种模拟人类专家解决领域问题的计算机程序系统。这类计算机程序包括两部分：知识库。它表示和存储由任务所指定领域知识的一组数据结构集合，包含有关领域的事实和专家水平的启发式知识。推理机，它是构造推理路径的一组推理方法集合，以便导致问题求解、假设的形成、目标的满足等。由于推理采用的机理、概念不同，推理机形成多种范型的格局。②知识库系统：把知识以一定的结构存入计算机，仅供内部人士专用2进行知识的管理和问题求解，实现知识的共享。③决策支持系统是计算机科学（包括人工智能）、行为科学和系统科学相结合的产物，是以支持半结构化和非结构化决策过程为特征的一类计算机辅助决策系统，用于支持高级管理人员进行战略规划和宏观决策。其组成：数据库管理子系统、模型库管理子系统、方法库管理子系统、知识库管理子系统、会话子系统。二、问题求解1.问题表达及其变换1同构同态变换2问题分解法3状态空间求解法4问题演绎法5博弈问题求解法问题的状态空间：〈S，F，G〉S是初始状态集；F是操作的集合；而G为目标状态集。☆状态空间搜索算法流程：开始初始化：S放入OPEN表，CLOES表置空,n=1OPEN表中的第一个结点n移至CLOSE表若n的后继未曾在搜索图G中出现，则将其放入OPEN表的末端，并提供返回结点n的指针,置n=n+1根据后继结点在搜索图G中的出现情况修改指针方向依某种准则重新排序OPEN表失败成功NYNOPEN为空表NULL？n=目标结点D吗?Y2.问题的状态空间可用有向图来表达，又常称其为状态树状态空间图在计算机中有两种存储方式：一种是图的显式存储，另一种是图的隐式存储。图的显式存储:（1）概念：所谓图的显式存储，即把问题的全部状态空间图直接都存于计算机中的方式。诸如一般计算机文件、程序文件和库文件的存储等，均为图的显式存储方式。（2）适用条件：通常图的显式存储方式需要占据计算机的大量存储空间和处理时间，故这种存储方式仅适用于状态空间十分有限以及较简单的问题求解。（3）特点：其优点是直观、明了，但缺点是占据存储空间大。图的隐式存储:（1）概念：仅在计算机中存储关于要求解问题的相关各种知识，只在必要时再由相关的信息和知识逐步生成状态空间图的方式称为图的隐式存储。（2）适用条件：适用于一般问题求解，尤其适宜于状态空间庞大的情况。（3）特点：占据空间小，但不够直观，与图的显式存储刚好特点互补。3.深度搜索（盲搜索、非启发、深度越大越晚优先级越高、不完备、非算法）；广度/宽度搜索（盲搜索、非启发、深度越小越早优先级越高，完备）4.广度优先算法搜索原则：1深度越小、越早生成结点的优先级越高。2当最低层不止一个人工智能仅供内部人士专用3结点时，它选择最先生成的结点进行搜索。广度优先算法步骤：(1)初始结点S加入到队列OPEN的尾部；(2)若OPEN为空，则搜索失败，问题无解；(3)取出OPEN队头的结点n，并放入CLOSE队列中；(4)若n是目标结点D，则搜索成功，问题有解；(5)若n是叶结点，则转(2)；(6)扩展n结点(即找出它的所有直接后继)，并把它的诸子结点依次加入OPEN队尾，修改这些子结点的返回指针，使其指向结点n。转(2)。5.深度优先搜索搜索原则：1深度越大、越晚产生结点的优先级越高。2深度优先搜索是不完备的，属于非算法的搜索过程。深度优先算法步骤：(1)初始结点S放入堆栈OPEN中；(2)若OPEN为空，则搜索失败，问题无解；(3)弹出OPEN表中最顶端结点放到CLOSE表中，并给出顺序编号n；(4)若n为目标结点D，则搜索成功，问题有解；(5)若n无子结点，转(2)；(6)扩展n结点，将其所有子结点配上返回n的指针，并按次序压入OPEN堆栈，转(2)。6.有界深度优先搜索特点：引入搜索深度限制值d，使深度优先搜索过程具有完备性。有界深度优先算法步骤：(1)初始结点S放入堆栈OPEN中；(2)若OPEN为空，则搜索失败，问题无解；(3)弹出OPEN中栈顶结点n，放入CLOSE表中，并给出顺序编号n；(4)若n为目标结点D，则搜索成功，问题有解；(5)若n的深度d(n)=d，则转(2)；(6)若n无子结点，即不可扩展，转(2)；(7)扩展结点n，将其所有子结点配上返回n的指针，并压入OPEN堆栈，转(2)。7.代价推进搜索特点：节点间有向边的代价不同。(1)广度优先搜索法：每次从OPEN表中取出具有最小代价的节点进行扩展。(2)有界深度优先搜索法：用代价限制g代替深度限制d，用代价g(n)代替节点深度d(n)。8.广度、深度、有界深度优先搜索和代价推进搜索法等，它们的局限性及其特点为：①基本搜索策略普遍适用于树状问题求解，控制性知识简单，容易编程在计算机上实现。但是它一般必须知道问题的全部状态空间，搜索效果差，求解能力弱，故常被称为弱方法。②它们都是依据某种固定规则运行的搜索，均属于非启发的强力搜索，没有表现出智能搜索的活跃性与灵活性。③由于基本搜索策略疏忽了对给定问题的特有知识的分析,没有充分考虑所要求解问题的自身发展规律和特性，搜索完全是按事先确定好的固定排序来进行的，这是一种穷尽遍历的大海捞针式的策略，没有任何启发式信息引导，往往使得实际搜索效率很低，故又被称为盲目搜索。9.启发式搜索策略：利用与问题解有关的启发信息来作引导的搜索策略。特点是：由于充分考虑到问题求解所应用到的各种启发信息及知识，包括利用常识性推理和专家经验等信息与知识，启发式搜索能够动态地确定操作排序，优先调用较合适的操作规则，扩展、比较并选择最有希望的节点，使搜索尽可能以最快的速度，最短的距离，最小的代价，朝着最有利于达到目标节点的方向推进。即以智能思想调节搜索区，使尽量沿着最有希望找到解的路径方向上，纵向小范围地搜索前进。采用启发式搜索策略：（1）使用了控制性知识中的启发信息，因而弥补了略去的部分状态空间所带来的有用信息丢失；（2）启发式搜索往往是深度优先搜索法的改进。只需知道问题的部分状态空间，就可以求解智能问题。（3）与基本搜索相比，启发式搜索最大特点就是搜索效率要高得多。搜索效率及其评价：P=L/TL是从根节点到达目标节点的深度；T是在整个搜索过程中产生节点总数(不计根节点)，因此，这里P反映的是朝着目标搜索时的搜索宽度。10.启发式搜索方法分为局部择优搜索和全局择优搜索两大类。瞎子爬山局部择优搜索过程：每搜索到达一个节点，其随后选择的下一节点不是按规则预定的或盲目选定的，而是按经验进行智能处理，使用估计函数f(x)来搜索当前最优的节点。优点：方法简单，由于取消了OPEN表，要处理的数据量减少了，所以占用内存空间少、仅供内部人士专用4速度快。缺点：瞎子爬山法主要只在单因素，单极值的情况下使用，而在多极值情况下会遇到许多困难，导致找不到最佳解，会遇到“多峰”、“盆地”或“平台”、“山脊”问题等。11.瞎子爬山法进行人机交互搜索（智能搜索）的主要思路和步骤如下：（1）分析搜索的性质；（2）是否有许多可供选择的路径和方案，各种选择是否有优劣之分；（3）有哪些可供利用的启发信息；（4）启发信息可否编制成操作简便、易于判别、便于实现的规则；（5）编程完成使用规则的程序，用之进行择优搜索。12.与/或树的有序搜索，即采用启发式搜索策略，求出能够使得根节点可解的最小搜索树的解树。一般来说，局部择优搜索与全局择优搜索仅适用于状态空间是代价树的搜索求解，而有序搜索既可适用于代价树的搜索求解，又能适用于有向图的搜索求解。13.博弈树：在博弈过程中，按照博弈规则和步法状态过程分析，客观评判博弈双方在各自分枝节点上所获得的分数估计值，并依照其中任何一方的角度而依次生成具有得分值表示的与/或搜索树。博弈原理：博弈的各方总是要挑选对自己最为有利而对对方最不利的那个行动方案。14.α值—取子节点中的最大倒推值，作为当前下界“≥··”，□，MAX方控制的或节点。β值—取子节点中的最小倒推值，作为当前上界“≤··”，○，MIN方控制的与节点。三、逻辑、推理与知识1.非单调推理指的是一个正确的公理加到理论中,反而会使预先所得到的一些结论变得无效了（限制理论、缺省理论、自认知理论、CWA）。非单调推理过程：建立假设,进行标准逻辑意义下的推理,若发现不一致,进行回溯,以便消除不一致,再建立新的假设。大致分为两类：一类基于最小化语义，称为最小化非单调逻辑；另一类基于定点定义，称为定点非单调逻辑；最小化非单调逻辑可以分为基于最小化模型和基于最小化知识模型。前者主要有封闭世界假设、限制逻辑等，后者包括忽略逻辑等。2.在谓词逻辑演算中，最重要的有三大类：命题逻辑演算、一阶谓词逻辑演算和二阶谓词演算。符号“→”称为“条件”(Conditional)或者“蕴涵”(Implication)，它表示“如果……，则……”的定义关系。3.其他逻辑系统：“非二值”逻辑、逻辑程序设计、非单调逻辑、封闭世界假设、情景演算、动态描述逻辑DDL封闭世界假设CWA的思想：如果无法证明P，则就认为它是否定的。即：如果从知识库中无法证明P或者¬P，则就向基本信念集合KB中