确定性推理与AI知识表示：搜索技术详解

在第3章"确定性推理7-两章小结"中，讲解了人工智能领域中两种关键的解决问题的方法——确定性推理。这部分内容主要分为三个部分： 1. 状态空间法与图的搜索技术： - 状态空间法是一种通过定义问题状态和操作符来构建问题模型的方法。它将问题求解过程转化为从初始状态通过一系列操作达到目标状态的过程。这种求解过程通常用图来表示，其中状态对应于图中的节点，操作符对应于有向弧。盲目的图搜索技术包括宽度优先搜索（队列优先）、深度优先搜索（堆栈优先）以及代价优先和有序算法，如A*算法，后者利用启发式函数指导搜索，确保找到最优解。 2. 问题归约法与与或树的搜索技术： - 问题归约法通过分解原始问题为更简单的子问题来简化求解。这种方法使用与或图来表达问题结构，每个节点代表一个问题，"与"和"或"关系通过有向弧表示。解的存在可以通过从根节点（原始问题）开始向终叶节点（本原问题）反向查找来判断。在与或树中，搜索技术也是宽度优先或深度优先，但特殊之处在于，搜索到终叶节点后需判断起始节点是否可解。 3. 博弈树的搜索技术： - 博弈树是一种用于解决两人对弈问题的特殊与或树结构，节点代表棋局状态，交替出现与节点和或节点。博弈树搜索的目标是寻找使一方得益最大的一步棋，通常采用宽度优先扩展，每层计算最底层节点的静态估计函数值，以进行评估和决策。 总结来说，本章涵盖了确定性推理中的核心概念，包括问题的结构化表示、图的搜索策略以及如何应用于具体的游戏和决策问题中。这些方法对于理解人工智能中的规划和搜索技术至关重要，是实现自动解决问题和决策的基础。