人工智能导论

孔德川

目录

  • 1 第一章 绪论
    • 1.1 1.1人工智能的概念
    • 1.2 1.2人工智能发展简史
    • 1.3 1.3人工智能发展现状和趋势
    • 1.4 1.4课程定位及要求
  • 2 第二章 知识表示
    • 2.1 2.1知识表示概述
    • 2.2 2.2一阶谓词逻辑知识表示
    • 2.3 2.3产生式知识表示
    • 2.4 2.4框架知识表示
  • 3 第三章 自动推理与专家系统
    • 3.1 3.1引言
    • 3.2 3.2确定性推理
    • 3.3 3.3不确定性推理
    • 3.4 3.4专家系统简介
  • 4 第四章 知识图谱
    • 4.1 4.1知识图谱概念和历史
    • 4.2 4.2经典的知识图谱
    • 4.3 4.3知识图谱的应用
  • 5 第五章 搜索技术
    • 5.1 5.1引言
    • 5.2 5.2状态空间图模型
    • 5.3 5.3盲目搜索方法
    • 5.4 5.4启发式搜索方法
    • 5.5 5.5博弈搜索
  • 6 第六章 群智能算法
    • 6.1 6.1引言
    • 6.2 6.2遗传算法
    • 6.3 6.3蚁群算法
  • 7 第七章  机器学习
    • 7.1 7.1 引言
    • 7.2 7.2 监督学习
    • 7.3 7.3 无监督学习
    • 7.4 7.4 弱监督学习
    • 7.5 7.5 强化学习
  • 8 第八章  人工神经网络与深度学习
    • 8.1 8.1 引言
    • 8.2 8.2 感知器算法
    • 8.3 8.3 前馈神经网络与BP算法
    • 8.4 8.4 卷积神经网络
5.3盲目搜索方法
盲目搜索(通用搜索)策略
通用搜索策略主要指深度优先搜索、宽度优先搜索。
这一类算法采用“固定”的搜索模式,不针对具体问题,其优点是适用性强,几乎所有问题都能通过深度优先或者宽度优先搜索来求得全局 优解,但效率往往不高。

在许多不太复杂的情况下,使用盲目搜索策略也能够取得很好的效果。

深度优先搜索
• 核心要点:
– 首先考虑纵深探索, 如果达到底层,仍然无解, 则“回溯”至上一层 更换其他路线

宽度优先搜索
• 核心要点:
– 首先考虑同级别的状态, 如果同级别均不符合, 则前进至下一层 继续搜索

贪婪搜索策略
• 贪婪搜索策略:总是做出在当前看来最好的选择,或者采用使得当前步骤获利最大的选择,因此也叫做贪婪算法。
– 贪婪搜索策略不考虑整体最优,仅求取局部最优。因而也可以看作是一种“盲目”的策略。
– 贪婪搜索不能保证得到最优解,但搜索速度非常块。
– 对一些特定问题很有效。

小结
• 介绍了“盲目”搜索的策略。
• 深度、宽度优先搜索通用性强,但效率慢
• 贪婪搜索速度非常块,但基本上找不“准”
• 如何既能找的快、还能找的比较“准”?
– 启发式搜索策略