人工智能学习笔记（一）---Agent和搜索_基于模型的反射agent

目录

一、Agent

Agent和环境

理性Agent

Agent的类型和结构

二、搜索策略

三、超越经典搜索（模拟退火、遗传算法）

模拟退火

基本思想

相关概念

具体算法步骤解析

算法优缺点

遗传算法（GA）

基本思想

具体步骤解析

优缺点和应用

---

一、Agent

Agent和环境

任务环境的规范描述：

PEAS（Performance（性能），Environment（环境），Actuators（执行器），Sensors（传感器））

理性Agent

理性的Agent就是做事正确的Agent,对每一个可能的感知序列，根据已知的感知序列提供的证据和Agent具有的先验知识，理性的Agent应该选择能使其性能度量最大化的行动环境的性质

理性不等同于全知(已知的知识都是有限的)

理性不等于完美：因为同样的Agent在不同的环境下就会变成非理性的

理性是使期望的性能最大化

完美是使实际的性能最大化

Agent的类型和结构

四种基本的类型

①简单反射agent 基于当前的感知选择行动，不关注感知历史

②基于模型的反射agent   

Agent根据感知历史维持内部状态，Agent随时更新内部状态信息

③基于目标的agent

除了根据感知信息之外，还要根据目标信息来选择行动

效率比较低，需要推理

搜索和规划算法

④基于效用的agent

当达到目标的行为有很多种的时候，需要考虑效率

环境是部分可观察的和随机的，不确定下的决策过程可以通过基于效用的agent来实现。

效用的作用

多目标相冲突时

多目标在不确定环境中

一个目标有多种行为可以达到时

⑤学习agent

• 4个组件
  • 性能元件：相当于整个a