一、人工智能研究的方法和方法
1.
符号主义 智力的基础是知识，其核心是知识表达和知识推理；知识可用符号表 也可以用符号推理，从而建立基于知识的人类智能和机器智能 统一的理论体系
2.
联结主义 思维的基元是神经元，而不是符号；思维过程是神经元的联系 程，而不是符号运算过程；反对符号主义关于物理符号系统的假设。
3.
行为主义 智能取决于感知和行动，提出了智能行为的感知动作模型；智能 能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能那样 逐步进化。
二、生成系统
1.生成系统的组成
把一组产生式放在一起，让它们相互配合，相互配合， 一 以此为前提，可以提供另一种生产结论 这样的系统被称为解决问题的方法
用于描述某一领域知识的产生式集合，包括将问题从初始状态转化为目标 状态(或解状态)的变换规则。是专家制度的核心。
也被称为存储输入的初始事实、外部数据库输入的事实和中间事实 工作区结果(事实)和最终结果。 是动态的。
用于控制和协调规则库和综合数据库合数据库的运行，包括推送 合理的方法，控制策略。 选择什么规则或如何应用规则
通常从选择规则到执行操作分为三个步骤：匹配、冲突解决和操作
? 匹配：匹配是将当前综合数据库中的事实与规则中的条件进行比较， 若相匹配，则称为匹配规则。
? 冲突解决方案：当有多个匹配规则时，通过冲突解决策略选择则 分执行规则称为启用规则。解决冲突的策略有很多 , 其中专一性 冲突解决策略是排序、规则排序、规模排序和就近排序。
? 操作:操作是执行规则的操作部分。操作后，当前综合数 该数据库将被修改，其他规则可能成为启用规则。
三、最佳优先搜索
最佳优先搜索又称有序搜索或择优搜索，OPEN根据估价函数，表节点f(x)的值排序， 选择函数值最小的节点作为下一个被调查的节点；最好优先搜索 本地最佳优先搜索和全局最佳优先搜索。
本地最佳优先搜索 基本思想:当节点x扩展时，按每个子节点f(x)的值排序， 并从新扩展的子节点中选择估计值最小的节点作为下一个调查对象。
基本思想优先搜索基本思想：OPEN在表中的所有节点中选择估价函数值f(x)最小的 作为下一个被调查的节点。因为选择的范围是OPEN表中的全部 因此，它被称为全球最佳优先搜索或全球最佳搜索
例:解决八数码问题的最佳优先搜索方法 S0 Sg 初始状态 目标状态
g(x)：表示节点x的深度 ? h1 (x)：棋子数量表示节点x的格局和目标节点的格局
四、树的配置
解树的成本可按以下规则计算：
? (1)如果n是终止节点，则其成本h(n)=0；
? (2)若n为或节点，子节点为n1 , n2 , … ,nk，N的代价是：
其中，c(n, ni )从节点n到子节点ni的边代价。
? (3)若n为与节点，子节点为n1 , n2 , … ,nk，N的成本可以使用和成本法或最大成本法 若采用和成本法，其计算公式为：
若用最大代价法，则其计算公式为：
(4)如果n是端节点，但不是终止节点，则n不能扩展，其成本定义为h(n)=∝ ? (5)根节点的成本是解树的成本。
例:下图是一棵和/或一棵树，它包括两棵解树，左边的解树由S0、A、 t1、C及t3.右边的解树由解树组成；S0、B、t2、D及t4组成。在树中，t1、 t2、t3、t四是终止节点；E、F是端节点；边缘的数字是边缘的代价。 请计算解树的成本。
? 解决方案：首先计算左边的解树
? 按和代价：h(S0 )=2 4 6 2=14
? 最大成本：h(S0 )=(2 6) 2=10
然后计算右边的解树
? 按和代价：h(S0 )=1 5 3 2=11
? 最大成本：h(S0 )=(1 5) 2=8
五、谓词公式范式
一个谓词公式，如果它所有的量词都出现在公式的前面，而且 它的辖区一直延伸到公式的末尾，公式中没有连接词→及 ? ，这 该公式称为前束式。
例如，公式( x)(?y)(? z)(P(x)∧F(y,z)∧Q(y,z))，是前束形公式。
从过去的束形范式中消除所有存在量词获得的公式是Skolem范式，或称 Skolem标准型。
鲁滨逊将永真的证明转化为不满意的证明。
? 反证法：P ? Q ，当且仅当 P∧～Q ? F ，即 Q为 P 逻辑结论，当 且仅当 P∧～Q 不能满足。
? 海伯伦(Herbrand)定理为自动定理证明奠定了理论基础。
? 鲁滨逊(Robinson)归结原理使机器定理证明成为现实。
? 定理：有谓词公式G，相应的子句集为S，G不能完全满足，G不能完全满足 S是不能满足的必要条件。
? 强调:公式G不等于其子句集S，只等于不满意的意义。 ? P＝P1∧P2∧… ∧Pn的子句集
? 当P＝P1∧P2∧… ∧Pn当时，如果将P的子句集为SP，Pi的子句集为Si，则一般情 况下，SP并不等于S1∪S2∪S3…∪Sn，而是要比S1∪S2∪S3…∪Sn复杂得多。 然而，在不满意的意义上，子句集SP与S1∪S2∪S3…∪Sn是一致的，即： SP不可满足
?S1∪S2∪S3…∪Sn不可满足
归结与归结式：设置C1与C二是子句集中的任何两个子句，如果C1中的文字 L1与C2中的文字L2互补，则从C1和C二中可分别消除L1和L2，并将二子 句子剩余部分的分析构成了一个新的句子C12.称这个过程为归结，所以 得到的子句C12称为C1和C2归结式，而称C1和C2为C12的亲本子句。
? 以用下面的式子解释这个定义。设两个子句：
C1 =P∨C1 ′
C2 =～P∨C2 ′
P和～P是两个互补文字，则消去互补文字后得： C12 = C1 ′∨C2 ′
归结式C12是其亲本子句C1和C2的逻辑结论。
设C1和C2是子句集S上的子句，C12是C1和C2的归结式。如果把C12加入 子句集S后得到新子句集S1，则S1和S在不可满足的意义下是等价的。即： S是不可满足的 S1是不可满足的。
子句集S不可满足性的推理过程如下：
(1) 对子句集S中的各子句间使用归结推理规则。
(2) 将归结所得的归结式放入子句集S中，得新子句集S′。
(3) 检查子句集S′中是否有空子句(NIL),若有则停止推理;否则转（4）。
(4) 置S=S′，转步骤（1）。
例如：设已知的公式集为： { P, (P∧Q)→R, (S∨T)→Q, T }，求证结论R。 解：假设结论R为假, 将﹁R加入公式集，并 化为子句集： S={P,﹁P∨﹁Q∨R, ﹁S∨Q, ﹁T∨Q, T, ﹁R} 其归结过程如右图的归结演绎树所示。该树 根为空子句。 子句集S不可满足，即假设﹁R为真是错误的， 于是R为真。
一、人工智能研究的方法及途径
二、产生式系统
三、最佳优先搜索
四、树的配置
五、谓词公式的范式
六、归结推理