《人工智能及其应用》整理（2）

第三章 确定性推理

3.1 图搜索策略

图搜索（graph search）

3.2 盲目搜索

3.2.1 宽度优先搜索

宽度优先搜索（breadth-first search）

3.2.2 深度优先搜索

深度优先搜索（depth-first search）

3.2.3 等代价搜索

3.3 启发式搜索

启发式搜索（heuristic search）

3.3.1 启发式搜索策略和估价函数

估价函数（evaluation function）

3.3.2 有序搜索

有序搜索（ordered search）

最佳优先搜索（best-first search）

3.3.3 A*算法

启发函数（heuristic function）

定义3.1 A算法

定义3.2 下界

定义3.3 A*算法

3.4 消解原理

消解原理（resolution principle）

3.4.1 子句集的求取

前束形（prenex form）

3.4.2 消解推理规则

3.4.3 含有变量的消解式

3.4.4 消解反演求解过程

1) 消解反演

2) 反演求解过程

3.5 规则演绎系统

if-then规则

规则演绎系统（rule based deduction system）

3.5.1 规则正向演绎系统

正向推理（forward reasoning）

逆向推理（backward reasoning）

3.5.2 规则逆向演绎系统

3.5.3 规则双向演绎系统

3.6 产生式系统

产生式系统（production system）

基于规则的系统（rule-based system）

3.6.1 产生式系统的组成

1) 匹配

2) 冲突解决

3) 操作

3.6.2 产生式系统的推理

1) 正向推理

2) 逆向推理

3) 双向推理

3.6.3 产生式系统举例

3.7 非单调推理

3.7.1 缺省推理

缺省推理（default reasoning）

3.7.2 真值维持系统

真值维持系统（truth maintenance system）

3.8 小结

第四章 非经典推理

4.1 经典推理和非经典推理

4.2 不确定性推理

不确定性推理（reasoning with uncertainty）

4.2.1 不确定性的表示与量度

1) 不确定性的表示

2) 不确定性的量度

4.2.2 不确定性的算法

1) 不确定性的匹配算法

2) 不确定性的更新算法

4.3 概率推理

4.3.1 概率的基本性质和计算公式

4.3.2 概率推理方法

4.4 主观贝叶斯方法

4.4.1 知识不确定性的表示

知识的静态强度

充分性因子

必要性因子

修改的贝叶斯公式

4.4.2 证据不确定性的表示

4.4.3 主观贝叶斯方法的推理过程

4.5 可信度方法

可信度

4.5.2 可信度方法的推理算法

1) 组合证据的不确定性算法

2) 不确定性的传递算法

3) 多个独立证据推出同一假设的合成算法

4.6 证据理论

4.6.1 证据理论的形式化描述

4.6.2 证据理论的不确定性推理模型

4.6.3 推理示例

4.7 小结