人工智能 一種現代方法 第2章 智能化智能體

2018.3.20

---

2.1智能體和環境

智能體：通過傳感器感知所處環境并通過執行器對該環境產生作用。
感知信息：智能體的感知輸入
感知序列：感知信息的集合
智能體函數：將感知序列映射到智能體行動
智能體程序：實現智能體函數

---

2.2好的行為表現：理性的概念

理性智能體：對于每個可能的感知序列，根據已知的序列提供的證據和智能體內建的先驗知識，理性智能體應該選擇期望能使其性能最大化的行動。

2.2.1性能度量

性能度量：智能體成功標準的具體化
根據希望智能體達到的結果設計度量，而不是人類認為智能體應該表現的行為設計度量。

2.2.2理性

性能度量、先驗知識、可執行行動、感知序列

2.2.3全知者，學習和自主性

理性不等于全知
信息收集是理性的重要部分
自主性：智能體能夠盡可能的學習，你不先驗知識的不足

---

2.3環境的本質

2.3.1詳細說明人物環境

PEAS（性能Performance，環境 Environment， 執行器Actuators， 傳感器Sensors）

2.3.2任務環境的屬性

• 完全可觀測和部分可觀測
• 確定的和隨機的
• 片段式和延續式
• 靜態和動態
• 離散的和連續的
• 但智能體和多智能體

---

2.4智能體的結構

智能體 = 體系結構 + 程序
體系結構為程序提供來自傳感器的感知信息

2.4.1智能體程序

每接收到一個新的感知信息，就將其添加到感知序列中，并根據先驗知識的對應表得到一個行動。

function TABLE-DRIVEN-AGENT(percept)returns an actionstatic：percepts， a sequence, initially emptytable: a table of action, indexed by percept sequences, initially fully specifiedappend percept to the end of perceptsaction <-- LOOKUP(percepts, table)return action

但是想要對每一個感知序列都列出對應的動作表需要巨大的存儲空間，即便能存下也很難通過該表進行學習。

2.4.2簡單反射型智能體

忽略感知序列，而只針對當前感知選擇行動。
狀態空間的指數部分變為1

function SIMPLE-REFLEX-AGENT(percept) returns an action static: rules, a set of condition-action rulesstate <-- INTERPRET-INPUT(percept) //將感知信息轉化為狀態rule <-- RULE-MATCH(state, rules) //將狀態匹配規則列表中的規則action <-- RULE-ACTION(rule) //通過貴的得出對應的行動

2.4.3基于模型的智能體

function SIMPLE-REFLEX-AGENT(percept) returns an action static: state， a description of current world state rules, a set of condition-action rulesaction, the most recent action, initially nonestate <-- UPDATE-STATE(state, action, percept) //將感知信息結合當前狀態和動作轉化為狀態rule <-- RULE-MATCH(state, rules) //將狀態匹配規則列表中的規則action <-- RULE-ACTION(rule) //通過貴的得出對應的行動

2.4.4基于目標的智能體

為了達到目標

2.4.5基于效用的智能體

最大化期望

總結

以上是生活随笔為你收集整理的人工智能 一种现代方法 第2章 智能化智能体的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。