中间语言后缀式

添加链接描述

命题逻辑（Propositional Logic） 形如 ¬P，P∧Q，P∨Q，P → Q ，P↔Q的语句，值为True或者False推理规则较简单，往往通过（1.真值表2.为数不多的推理规则，例如Modus ponesn等几个）缺点，不能或者很难表示复杂的语句，不能记录推理过程中的变化一阶逻辑（First Order Logic），简称FOL包含的东西有常量（Constant symbol），谓

一阶逻辑的模型语法和语义

博弈概念MinMax算法Max是要让自己的利益最大化，Min要让对手的利益最小化零和博弈：参与博弈的双方，在严格竞争下，一方的收益必然对应另一方的损失，博弈双方的收益和损失相加和永远是零5.2.1极小极大算法递归算法自上而下一直前进到树的叶子节点，递归回溯通过搜索树把极小极大值回传。每一步都是最小化敌方的最大收益。5.2.2多人博弈时的最优决策超过两个人的博弈利用MINIMAX算法，由于之前研究的

基于知识的Agent基于知识的Agent的核心部件是知识库(KB)，知识库是一个语句集合，这些语句用知识表示语言表达，表示了关于世界的某些断言当某些语句是直接给定的而不是推理的叫做公理，由公理推导出来的叫做定理。知识库的两个基本操作：Tell(将新语句添加到知识库)和Ask(查询目前所知的内容)逻辑...

局部搜索算法目标函数：爬山法首选爬山算法　　依次寻找该点X的邻近点中首次出现的比点X价值高的点,并将该点作为爬山的点(此处说的价值高,在该题中是指Z或f(x,y)值较大). 依次循环,直至该点的邻近点中不再有比其大的点. 我们成为该点就是山的顶点,又称为最优点.最陡爬山算法　　最陡爬山算法是在首选爬山算法上的一种改良,它规定每次选取邻近点价值最大的那个点作为爬上的点.随机重启爬山算法　　随机重新开

第十章考虑 完全可观察的， 确定性的， 静态的， 单Agent的用一组变量表示世界一个状态的表示方法称为要素化表示，可以使用PDDL语言进行描述PDDL: planning domain definition language

基本概念最佳优先搜索的评价函数f(n) 由启发函数（heuristic function）构成h(n) = 结点n到目标结点的最小代价路径的代价估计值贪婪最佳优先搜索使用启发式，f(n) = h(n)距离目标最近，最快找到解A*搜索从松弛问题出发设计可采纳的启发式减小了行动限制的问题称为松弛问题。松弛问题的状态空间图是原有状态空间的超图，因为减少限制导致图中边的增加。从子问题出发设计可采纳的启发式

第三章搜索基本概念无需重新安排OPEN表的搜索叫做无信息搜索（盲目搜索）OPEN表（开节点表，也叫作边缘frontier）：在任一给定时间，所有待扩展的叶节点的集合CLOSE表（探索集）：记录每个已经扩展过的节点树搜索：图搜索树搜索：重复状态增大时间开销，甚至导致死循环图搜索：避免重复状态，空间开销大盲目搜索宽度优先搜索：宽度优先搜索 （BFS）基于节点深度的非递减函数，宽搜最优扩展的是未扩展节点