北京大学人工智能：探索图搜索与推理技术

第三章搜索推理技术是北京大学人工智能课程中的核心内容，该章节在上一章知识表示的基础上深入探讨了求解策略。课程涵盖早期的搜索方法，如图搜索策略和消解原理，以及初级搜索技术，如规那么归结系统、发生式系统、系统组织技术、不确定性推理和非单调推理。教学重点放在理解图搜索战略、消解原理，以及规则归结系统和发生式系统的运作机制。 教学难点在于启发式搜索和规则双向归结系统等高级概念，这些技术涉及更复杂的搜索策略和逻辑处理。教学方法采用课堂讲解与实践相结合的方式，通过实例分析和网络课程多媒体资源，帮助学生掌握搜索过程的各个环节。学生需要重点掌握图搜索的通用过程，包括OPEN表和CLOSE表的构成及其在搜索中的作用，理解OPEN表作为待扩展节点的集合，CLOSE表用于存储已访问节点，它们在搜索算法中起到关键的导航和控制作用。 3.1节中，图搜索策略被定义为寻找路径的方法，它将数据库间的转换视为图中的路径问题。学习者需理解图搜索的基本步骤，包括构建初始搜索图，维护OPEN和CLOSE表，以及节点扩展和路径追踪等。 图搜索中的重要术语，如OPEN表和CLOSE表，不仅包含节点的存储，还涉及到搜索的状态管理和决策。搜索图与搜索树的区别也是一个重要概念，前者是整个搜索过程的抽象表示，后者则是搜索过程中节点关系的具体表现。 在图搜索的典型进程中，首先创建包含起始节点的图和表，然后通过一系列操作，包括选择节点、扩展节点和判断是否达到目标，逐步推进搜索。这个过程强调了搜索策略的执行逻辑和节点状态管理的重要性。 通过本章的学习，学生应能深入理解搜索推理技术在人工智能中的应用，不仅限于理论层面，还包括如何在实际问题中运用这些技术来解决问题。掌握这些技能对后续的人工智能研究和开发工作至关重要。