人工智慧結束分析

人工智慧中的手段 - 結束分析

• 前面已經學習了向前或向後推理的策略，但是兩個方向的混合適合於解決複雜和大的問題。這樣一種混合策略，使得有可能首先解決問題的主要部分，然後回過頭來解決在組合問題的大部分期間出現的小問題。這種技術稱為手段 - 末端分析。
• Means-Ends分析是人工智慧中用於限制AI程式中搜尋的問題解決技術。
• 它是向後和向前搜尋技術的混合體。
• MEA技術於1961年由Allen Newell和Herbert A. Simon首先在他們解決問題的計算機程式中引入，該程式被命名為通用問題解算器(GPS)。
• MEA分析過程的核心是評估當前狀態和目標狀態之間的差異。

手段結束分析的工作原理

• 手段-結束分析過程可以遞回地應用於問題。這是一種控制解決問題搜尋的策略。以下是描述MEA技術解決問題的主要步驟。

• 首先，評估初始狀態和最終狀態之間的差異。

• 選擇可應用於每個差異的各種運算子。
• 在每個差異處應用運算子，它減少了當前狀態和目標狀態之間的差異。

運算子子目標

在MEA過程中，檢測當前狀態和目標狀態之間的差異。當出現這些差異，我們就可以應用運算子來減少差異。但有時可能無法將操作員應用於當前狀態。因此，我們建立當前狀態的子問題，其中可以應用運算子，這種型別的反向連結，其中選擇運算子，然後設定子目標以建立運算子的前提條件，稱為運算子子目標。

均值分析演算法

當將當前狀態作為CURRENT和目標狀態作為GOAL，然後是MEA演算法的步驟。

• 步驟1：將CURRENT與GOAL進行比較，如果兩者之間沒有差異，則返回Success和Exit。
• 步驟2：否則，選擇最顯著的差異並通過執行以下步驟來減少它，直到成功或失敗發生。
  • 選擇適用於當前差異的新運算子O，如果沒有這樣的運算子，則表示信號失敗。
  • 嘗試將運算子O應用於CURRENT。

上面討論的演算法更適合於一個簡單的問題，並不足以解決複雜的問題。

均值 - 分析的例子

下面舉一個例子，我們知道下面給出的初始狀態和目標狀態。在這個問題中，需要通過找到初始狀態和目標狀態之間的差異以及應用運算子來獲得目標狀態。

解決：

為了解決上述問題，將首先找到初始狀態和目標狀態之間的差異，並且對於每個差異，我們將生成一個新狀態並將應用運算子。解決這個問題的運算子是：

• 移動
• 刪除
• 擴充套件

1.評估初始狀態： 在第一步中，將評估初始狀態，並將比較初始狀態和目標狀態，以找出兩個狀態之間的差異。

2.應用刪除運算子： 可以檢查第一個區別是在目標狀態中沒有出現在初始狀態的點符號，因此，首先將應用肉刪除運算子來刪除此點。

3. 應用移動運算子：應用刪除運算子後，將出現新狀態，將再次與目標狀態進行比較。在比較這些狀態之後，另一個區別是方形在圓外，因此將應用移動運算子。

4. 應用Expand運算子：現在在第三步中生成一個新狀態，將此狀態與目標狀態進行比較。在比較狀態之後，仍然存在一個差異，即方形的大小，因此，將應用Expand運算子，最後，它將生成目標狀態。