人工智能学习笔记（一）Agent_简单反射agent

开篇前言

这段时间找工作，发现自己太菜了，一直刷题也刷不动，索性总结一下以前学习的课程。在外留学的这两年学了好多东西，无奈总不用都忘记了。所以我决定开始写博客，整理一下以前的学习资料，感觉好多东西不看都忘记了，学费挺贵的，我不能把知识还给老师。本系列博文覆盖内容为search,KRR和planning，教材为人工智能：一种现代的方法（第三版）。笔记中也会记录老师引申出的一些内容，原书中是没有的。作者水平有限，希望大家多多指点。这篇文章的内容在书上第二章。（PS:去年年中出了第四版，不过是英文的，1800一本好贵呀，买不起ค(TㅅT)ค）

agent的分类

1、简单反射agent

简单反射agent是最简单的agent,这类agent仅仅基于当前的感知来做决定。

2、基于状态的反射agent

这种agent的内部状态可以跟踪环境中不可见的相关方面，环境模型描述环境如何工作(环境状态如何受到动作的影响。

3、基于目标的agent

目标用于描述理想的情况。此时，agent结合目标和环境模型来选择行动。planning 和 search是人工智能子领域中致力于建立基于目标的agent。（PS：planning挺难的，当时我就没学会）

4、基于效用的agent

效用函数的出现使得agent将性能度量内部化。在一些不确定的情况下，agent会选择那些能让期望效用最大化的动作。

（PS:最近朋友圈里火了的那个自杀狼就是因为效用问题导致的狼的自杀。狼吃羊加10分，狼撞到障碍物扣1分。为了鼓励狼吃羊，每过1秒减0.1分。这导致了狼抓到羊也可能会是负分，可能不如直接撞死的好。我们可以把羊的分数按照时间递减，这样应该不会出现狼自杀的情况）

5、学习agent

动作选择元件跟上面讲的agent一样，跟前面的agent不一样的是学习agent多了学习元件。学习元件使用评判元件的反馈来修改动作的选择。学习agent中的问题生成器负责得到新的和有信息的经验的行动提议。

Exploration vs Exploitation

为什么我要写这一段东西那？这是因为学习agent其实是有一个基本原则困境的。那就是探索和利用（这个是我自己翻译的，第三版书上还没有这部分）。首先我们来看一下这两个词的定义。

• Exploration: 采取其他(可能是随机的)行动来了解更多内容，希望找到比目前已知的内容更好的内容。
• Exploitation: 为了有最好的结果，agent根据当前的知识，贪婪的使用已经学会的东西去做选择。
  这就是学习agent面临的困境。如果我们只为了最好的结果，一味的在每一步追求最优解，最终agent可能会被困在次优解。（比如贪心算法，总是选当前的最优解，可能最终得不到最优解，不过大部分时候贪心算法得到的结果都不错）所以agent必须进行探索以避免卡在次优行为。但是探索是有成本的，如何平衡exploration和exploitation是一个问题。通常情况下，我们建议agent在早期阶段的探索多余后期。（大家可以看看模拟退火算法）.。