搜索算法#

• 一般图搜索
  • 定义状态：初始状态，目标状态
  • 定义操作
  • 翻译限制条件
  • 绘制状态空间图
• 启发式搜索
  • 爬山法和分支界限搜索法？
• 不确定性搜索
  • 模拟退火搜索
    • 初始化：初始温度 $t_0$
    • 迭代搜索：对当前解扰动得到新解，用 $\rm Metropolis$​ 等准则评估是否接受
    • 降低温度：控制接受劣解概率
    • 终止条件：达到迭代次数上限/温度降低到某个程度停止搜索
• 博弈搜索
  • 极大极小搜索算法完善博弈树
  • $\alpha$ 与 $\beta$ 剪枝操作（区别与联系）
• 约束满足
  • 把问题表示成 $\rm CSP$ 并进行求解
    • 变量
    • 取值域
    • 约束条件

机器学习基础#

• $TPR,FPR,P,R$ 区别与联系，计算方式

监督学习#

• 基于信息增益构建决策树

无监督学习#

• 聚类算法：$\rm K-means$（欧氏距离）

神经网络与深度学习#

• 反向传播算法原理
  • 参数规模
  • 梯度计算损失函数
• 卷积神经网络原理
  • 输出矩阵大小
  • 输出矩阵元素取值

强化学习#