为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。要素含义变量（Variables）要决定的对象域（Domain）每个变量可以取的值约束（Constraints）哪些取值组合是不允许的数独课程表安排地图着色机器人任务分配在还没真正搜索之前，先把“不可能成功的值”从域里删掉这样做的目的只有一个：👉让搜索更快知识

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。要素含义变量（Variables）要决定的对象域（Domain）每个变量可以取的值约束（Constraints）哪些取值组合是不允许的数独课程表安排地图着色机器人任务分配在还没真正搜索之前，先把“不可能成功的值”从域里删掉这样做的目的只有一个：👉让搜索更快知识

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。约束 = 对变量取值的限制条件有一堆变量每个变量有一个可选取值范围（domain）变量之间有规则不能违反👉 满足所有规则的一组取值 =解线条图 = 用图把“变量之间的约束关系画出来”知识一点点记录吧，最后应对考试，打下基础。

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。在这里指的是两人零和博弈Player MAX：想让结果尽量大Player MIN：想让结果尽量小一方得分 = 另一方损失双方都绝对理性知识一点点记录吧，最后应对考试，打下基础。

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。A是一种结合了“已走代价”和“未来估计”的最优搜索方法，通过启发式函数有效减少搜索空间，同时在条件满足时仍保证最优解。知识一点点记录吧，最后应对考试，打下基础。

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。在 AI 里，“问题”不是一句自然语言，而是一个形式化结构。一个 AI 问题，必须包含：1️⃣初始状态（Initial State）2️⃣目标状态（Goal State）3️⃣操作 / 行动（Operators）4️⃣状态转移规则👉AI 解题 = 从初始状态，

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。探索 = 在所有可能的状态中，按照某种策略寻找解的方法状态（节点）转移（边）探索顺序（策略）👉不同探索方法，区别只在“先走哪条路”DFS 省内存但不保证解，BFS 保证最短但耗资源，束搜索用剪枝换效率。知识一点点记录吧，最后应对考试，打下基础。

为了应对大学院考试，我们来学习相关人工智能相关知识，并且是基于相关课程。使用课程为MIT的公开课。通过学习，也算是做笔记，让自己更理解些。目标树 = 把“我要做成一件事”拆成“要满足哪些条件”的树结构根节点：最终目标子节点：子目标 / 条件叶节点：已知事实专家系统 = 用“规则 + 推理机”模拟人类专家判断的系统组件干什么知识库IF–THEN 规则推理机决定怎么用规则事实库当前已知事实目标树：把结

最为新手，想要快速入门相关设备，比如ESP32，可能最好的方式就是直接手动去敲一遍代码，而串口算是单片机入门中，必不可少的一个基础课程，很多通讯，以及打印各种信息，都需要，而加入一些交互，能让我们更好调试单片机。我打算出3章，像之前STM32那种单片机，调试串口一样。本次第三章，和上位机进行联合调试。第一章，也就是串口基础篇，简单调试ESP32,进行交互。第二章，将会结合GPIO，进行一些简单外围

第一篇：使用linuxdeployqt软件生成第二篇：桌面文件.desktop,文件编写与软件图标第三篇：打包生成安装的包（.deb）记得之前 学会了使用linuxdeployqt软件生成，打包，已经安装等各种细节，使用一个“test demo” 工程样例，来实现以及说明相关操作流程。但是后在使用的时候，发现使用apt-get install 安装一些软件的时候，dpkg报了错误。就是受到了样例工