上课日期：第四周 2020.9.30 3-4节，西校区工程中心204

出勤统计：应到41/实到41/迟到人0

上次课我们讨论了，如果将A*算法用于树搜索问题，启发函数（heuristic function）必须乐观且实事求是（optimistic），即启发函数是“可达的”(admisible),才能确保算法求解的最优性（optimal）。

如果将A*算法用于图搜索（graph-search）问题，启发函数必须具有一致性（consistency）,才能确保算法求解的最优性。

回忆一下big picture，在goal-based agent转换为search问题时，我们对环境任务的假设是ODKD，即环境是可观察的（observable）、离散的（discrete）、已知的（known）和确定性的（deterministic）。

然而，当环境任务是不确定的（stochastic）时候，Markov decision process是一个非常有用的智能体设计工具。