7,129
个编辑
更改
跳到导航
跳到搜索
第79行：
第79行： − Intelligent agents must be able to set goals and achieve them.<ref name="Planning"/> They need a way to visualize the future—a representation of the state of the world and be able to make predictions about how their actions will change it—and be able to make choices that maximize the [[utility]] (or "value") of available choices.<ref name="Information value theory"/>+ − 智能体必须能够设定并实现目标。他们需要能够有设想未来的办法——这是一种对其所处环境状况的表述，并能够预测他们的行动将如何改变环境——依此能够选择使效用（或者“价值”）最大化的选项。+ − --[[用户:Thingamabob|Thingamabob]]（[[用户讨论:Thingamabob|讨论]]） 并能够预测他们的行动将如何改变环境——依此能够选择使效用（或者“价值”）最大化的选项 一句为省译 − In classical planning problems, the agent can assume that it is the only system acting in the world, allowing the agent to be certain of the consequences of its actions.<ref name="Classical planning"/> However, if the agent is not the only actor, then it requires that the agent can reason under uncertainty. This calls for an agent that can not only assess its environment and make predictions but also evaluate its predictions and adapt based on its assessment.<ref name="Non-deterministic planning"/>+ − − 在经典的规划问题中，智能体可以假设它是世界上唯一运行着的系统，以便于智能体确定其做出某个行为带来的后果。然而，如果智能体不是唯一的参与者，这就要求智能体能够在不确定的情况下进行推理。这需要一智能体不仅能够评估其环境和作出预测，而且还评估其预测和根据其预测做出调整。 第93行：
第90行： −
→规划
[[File:Hierarchical-control-system.svg|thumb| 分层控制系统是控制系统的一种形式，在这种控制系统中，一组设备和控制软件被放在一个层次结构中.]]
[[File:Hierarchical-control-system.svg|thumb| 分层控制系统是控制系统的一种形式，在这种控制系统中，一组设备和控制软件被放在一个层次结构中.]]
[[File:Hierarchical-control-system.svg|thumb| 分层控制系统是控制系统的一种形式，在这种控制系统中，一组设备和控制软件被放在一个层次结构中.]]
智能体必须能够设定并实现目标。<ref>ACM Computing Classification System: Artificial intelligence". ACM. 1998.</ref><ref>Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2, pp. 375–459</ref><ref>Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 978-0-19-510270-3. pp. 281–316</ref><ref>Luger, George; Stubblefield, William (2004). Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5th ed.). Benjamin/Cummings. ISBN 978-0-8053-4780-7, pp. 314–329</ref><ref>Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann. ISBN 978-1-55860-467-4, chpt. 10.1–2, 22</ref>他们需要能够有设想未来的办法——这是一种对其所处环境状况的表述，并能够预测他们的行动将如何改变环境——依此能够选择使效用（或者“价值”）最大化的选项。<ref name="Information value theory">Information value theory: * Russell & Norvig 2003, pp. 600–604</ref>
在经典的规划问题中，智能体可以假设它是世界上唯一运行着的系统，以便于智能体确定其做出某个行为带来的后果。<ref>Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2,pp. 375–430</ref><ref>Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 978-0-19-510270-3, pp. 375–430,<ref><ref><ref>然而，如果智能体不是唯一的参与者，这就要求智能体能够在不确定的情况下进行推理。这需要一智能体不仅能够评估其环境和作出预测，而且还评估其预测和根据其预测做出调整。<ref name="Non-deterministic planning"/>
多智能体规划利用多个智能体之间的协作和竞争来达到目标。进化算法和群体智能会用到类似这样的涌现行为。
多智能体规划利用多个智能体之间的协作和竞争来达到目标。进化算法和群体智能会用到类似这样的涌现行为。
===学习===
===学习===