中大AI课件：智能代理搜索理解与例解

在中大AI课程的第二讲（Lecture 02.pptx）中，主要讨论了智能代理及其在问题解决中的应用，特别是通过搜索算法来寻找解决方案的过程。本节的核心知识点包括： 1. 智能代理 (Intelligent Agent): 智能代理是一种能够感知环境、理解任务并采取行动以达成目标的软件或机器。它具有一定的自主性和学习能力，通常用于模拟人类决策或执行复杂任务。 2. 搜索问题 (Search Problem): 定义为在状态空间（State Space）中找到从初始状态到目标状态的路径。在这个例子中，初始状态包含船的位置，如{(CSDF,)}，目标状态表示船到达指定位置，如{(,CSDF)}。状态之间的转移通过successor function（后继函数），例如从(CSDF,)可以转移到(CD,SF)。 3. 成本函数 (Cost Function): 在有权重的情况下，搜索算法会考虑每一步的成本，如每个动作花费1单位时间或资源。 4. 水壶问题 (Water Jugs Problem) 作为搜索算法的一个实例，探讨如何通过填充和倒空水壶来实现目标水量。在这个问题中，状态空间是一个有向图，可能产生大量未展开的状态，搜索策略需要选择下一个最有可能接近目标的状态进行扩展。 5. 无信息搜索 (Uninformed Search): 这种搜索策略仅依赖于目标测试和后继函数，而不考虑非目标状态的优劣。这意味着搜索过程是盲目且不依赖任何额外信息的，比如启发式函数。 6. 启发式搜索 (Informed Search): 相比无信息搜索，启发式搜索利用额外的信息来评估状态的价值，帮助选择更高效路径。这通常通过估算状态到目标状态的距离或其他相关度量来实现。 总结来说，Lecture 02.pptx介绍了智能代理在搜索问题中的基本概念，包括如何定义状态、动作和成本，以及无信息搜索与启发式搜索之间的区别。通过水壶问题的实例，学生可以更好地理解这些概念在实际问题中的应用。