1、第一章 1.人工智能: 是计算机科学中涉及研究、设计和应用智能机器的一个分支2.近期目标：研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术3.应用: 博弈,定理证明, 机器翻译 , 专家系统, 模式识别, 机器人学, 智能控制, 神经生理学第二章1.知识的种类: 事实性知识, 过程性知识, 行为性知识, 元知识2.知识的要素: 事实,规则,控制 ,元知识3.知识的表示: 谓词逻辑, 产生式规则 , 语义网络, 框架表示4.谓词一般表达式: 12(,)nPx5.谓词逻辑表示法: 定义谓词 , 用连词或量词把谓词公式连接起来, 从外到里层层细化6.推理机: 规则解释程序 , 控制系统
2、规则库与数据库,负责整个产生式系统的运行,决定问题求解过程的推理路线. 主要工作: 匹配器,冲突消解器 ,解释器6.语义网络: A-kind-of A-member-of Is-a Part-of Have Can7.多元关系的语义网络表示: 添加关系结点, 动作结点, 事件结点, 情况结点8.框架表示: 框架名, 槽名, 侧面 , 值(1)横向联系: 一个框架的槽值或者侧面值可以是另外一个框架的名字(2)纵向联系: 具有集成关系的框架之间构成纵向联系, 下层框架可以继承上层框架的槽值. 第三章1.状态空间法: (1) 选择状态, 描述操作 (2)定义初始状态集合, 目标状态集合, 及操作符集
3、合例: 2 层汉诺塔 A(1,3)-B(1,2)-A(3,2) 操作标识有向边 状态标识节点2.问题归约: (1)问题初始描述 (2) 一套把问题变为子问题的操作符 (3)一套本原问题描述例: 3 层汉诺塔 三元组标识状态 S=(i,j,k), i,j,k 表示 A,B,C 所在的钢针号3.与或图: 如果一个原问题既需通过分解 , 又需通过变换,才能得到本原问题,其归约过程可以用与或图表示4.端节点: 在与或树中, 没有子节点的节点终叶节点: 本原问题所对应的节点 终叶节点一定是端节点,但是端节点不一定是终叶节点5.可解节点与不可解节点任何终叶节点都是可解节点 不为终叶节点的端节点是不可解节点
4、“与或” 节点的可解性与子节点的关系6.盲目搜索:212(1):,(4):()(),mOpenpendgncpe广 度 扩 展 的 子 节 点 放 在 表 的 尾 部 从 表 的 前 取深 度 扩 展 的 子 节 点 放 在 表 的 首 部 从 表 的 前 取3有 界 深 度 根 据 题 目 确 定 并 调 整代 价 树广 度 按 照 代 价 对 表 中 的 全 部 节 点 从 小 到 大 进 行 排 序深 度 按 照 代 价 对 表 中 的 刚 扩 展 节 点 从 小 到 大 进 行 排 序选 择 一 个 代 价 最 小 的 节 点7.启发式搜索:(1) 度量节点的希望的量度 ()fn(2)
5、 有序搜索: 在 表中选择 最小的节点作为扩展节点Ope(3) 算法:A()()(): ()gfnhSfnOpeh估 价 函 数到 的 实 际 代 价 每 步 都 要 用 对 表 中 的 节 点 排 序到 的 估 计 代 价(4) : *A算 法 * *()(),()nhh使 尽 可 能 大 充 分 靠 近f8.与或树搜索: 自上而下搜索 , 自上而下标示(1)应用分解或者等价变换对当前节点扩展(2)设置指向父节点的指针(3)多次调用可解或不可解标记过程, 直到初始节点被标记为可解节点或不可解节点:广 度深 度9.有序搜索之解树代价(1)终止节点: n 不可以扩展且不是终止节点: ()0h()
6、hn(2)或节点: mi,)(iich与节点: )()ax(,(iiiihnn10.希望树: 自顶向下扩展节点 , 自底向上, 修正代价估值11.博弈树: 与min 或max 与或交替出现()ePe12. 剪枝:(1) min:max与 子 节 点 倒 推 值 或 子 节 点 倒 推 值(2) 则剪枝:与 当 前 值 父 节 点 值或 当 前 值 父 节 点 值第四章 推理技术1.子句集的求取:(1)消去蕴含和双条件符号(2)减少否定符号辖域()()PQx(3)使不同量词约束的变元有不同的名字(4)消去存在量词 (个体常量替换 , 函数替换)(5)化为前约束(量词左移), 使得每个全称量词的辖域都是整个公式(6)化为合取范式(7)消去全称量词(8)消去合取词(9)更换变量名2.归结原理:(1)定理证明:(2)用归结原理求取问题的答案
