1、區域性束搜尋：
a、隨機產生k個狀態，然後每一步從所有的後繼狀態中選擇k個最佳的後繼狀態（也有健康度函式，詳見下文）直到找到目標狀態（記憶體中同時保留k個狀態），增大了找到全域性最優的概率。
b、相當於多個人去找，或者多次爬山法。
c、狀態越多，找到最優的可能性越大
d、空間複雜度高；時間複雜度大；來自同乙個父節點的子節點可能非常相似，可能導致同樣的乙個區域性最優，從而減小了找到全域性最優的可能性。
e、可以通過每個狀態各產生乙個最佳後繼狀態（待驗證）
2、隨機束搜尋：不找k個最佳，而是隨機找到k個後繼狀態，隨機概率與狀態值（這個狀態好不好）成正比，又引入了隨機性減少了子節點的相似性。狀態值越好，越可能被隨機選中。
3、遺傳演算法：模擬生物學上的有性繁殖，然後進行人工培育。
a、以k個隨機產生的狀態開始（遺傳了區域性束演算法的特點）
b、乙個後繼狀態由兩個父狀態決定（增加了子狀態的多樣性和進化的可能性）
c、通常乙個狀態表示成乙個字串
d、定義乙個健康度量函式用來評價狀態的好壞程度。
e、以八皇后問題為例，非衝突的皇后對數量最小為0，最高為(87)/(12)=28，因此如果有四個樣本，分別有24、23、20、11對非衝突皇后，那麼計算出概率為24/(24+23+20+11)=31%，得到四個樣本被選中產生子節點的概率。
f、然後選擇n個樣本進行兩兩配對，產生新的子樣本（以皇后問題為例，進行交叉互換，隨機選擇乙個斷開點，然後交叉互換樣本值，產生新的樣本）
g、還需要發生基因突變，隨機選擇乙個樣本的乙個位置，然後將其隨機更改為乙個合適的值。
h、通過選擇、交叉、突變的操作產生下一輪的狀態。
i、設計**的時候盡可能避免自交。
j、當健康度曲線比較平滑和緩慢的時候就可以結束。跑一次不一定能找到最優解，但有找到最優解的可能。
機器智慧型 高頻問題 CSP搜尋
csp搜尋的作用就是在應用約束傳播縮小值域範圍後開始使用搜尋演算法來得到最終結果。輸入是乙個csp問題，輸出是乙個解決方案。a 轉態是由賦值的變數決定的 b 初始狀態設為空 c 步驟 給乙個沒有賦值的變數賦值，該賦值不與當前已賦值的變數相衝突 d 目標測試 如果所有的賦值完成且滿足終止狀態，則搜搜結...
機器智慧型 高頻問題 人工智慧的定義
目前一共有四中定義方式 1 合理地行動 2 像人一樣行動 3 合理地思考 4 像人一想思考 這也是當前的定義。因為有統一的標準，易於實現 a 正確的推理可能是合理的推理 b 正確的推理不是合理性的全部 c 有些合理的行動不涉及推理 合理的行動比思維法則更一般，因為正確的推理只是實現合理性的其中可能機...
機器智慧型 高頻問題 AC 3演算法
是一種約束傳播演算法，即在得到約束條件和值域的情況下，算出所有變數滿足約束條件的取值範圍。注意，ac 3演算法能夠處理的只有二元約束，即弧相容的情況，或者說在約束條件中任何乙個約束條件都只包含了兩個一下的變數。1 首先，將所有的二元組 弧 入隊 2 二元組乙個個出隊，出隊的時候確定乙個為固定的值，另...