马尔可夫决策过程（Markov Decision Processes, MDP）为智能体在不确定性环境中进行决策提供了一个数学模型。其核心思想是，智能体的下一个状态**只与当前状态和所选动作有关，而与之前的历史无关**。 一个MDP由以下几个关键部分定义： - **状态集合**：一个包含**所有可能状态**的集合 $S$。 -...

Minimax（极小化极大）是一种在**零和博弈**中做出决策的经典算法。其核心思想是，在一个回合制、信息完全的对抗游戏中，我方（MAX玩家）总是希望最大化自己的收益，而对手（MIN玩家）则总是希望最小化我方的收益。算法假定对手每一步都会做出最优选择。 一个状态的**值 (Value)** 指的是当前玩家从该状态出发所能获得的**最优结果**。 - **终止状态 (Terminal...

对于像围棋这样**分支因子**极大的应用，传统的Minimax及其变种算法因计算量过大而不再适用。**蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）** 为此类问题提供了强大的解决方案。 MCTS基于两个核心理念： 1. **通过模拟进行评估 (Evaluation by Rollouts)**：从一个状态 $s$...

策略迭代是一种用于在马尔可夫决策过程中寻找最优策略 $\pi^*$ 的算法。与值迭代相比，策略迭代通常能够更快地收敛，因为它**直接优化策略**，而策略的收敛速度往往比值的收敛速度快得多。 该算法的核心思想是：从一个任意的初始策略开始，通过一个迭代循环不断优化它，直到策略不再发生变化为止。每一次迭代都包含两个核心步骤：**策略评估**和**策略改进**。 | 特性 | 价值迭代...

价值迭代 (Value Iteration) 是一种经典的动态规划算法，用于在已知的马尔可夫决策过程中，计算所有状态的最优价值函数 $V^*(s)$。其核心思想是通过迭代的方式，不断更新每个状态的价值，直到价值收敛为止。 算法通过引入“时间限制”的概念，从一个有限的未来开始，**逐步扩展到无限的未来**，最终得到最优价值。 我们定义 $V_k(s)$ 为在状态 $s$ 出发，且**还剩下...

在约束满足问题中，**过滤（Filtering）** 是通过约束传播来缩小变量域的技术。过滤的核心思想是**在搜索过程中主动推理，提前发现和消除不可能的赋值**，从而显著减少搜索空间。 过滤不同于盲目的回溯搜索，它利用约束的结构信息进行**局部推理**，在赋值之前就排除明显不可行的选择，避免了大量无意义的搜索尝试。...

在约束满足问题的回溯搜索中，排序启发式（Ordering Heuristics）决定了**搜索过程中变量选择和值选择的顺序**。好的排序策略可以**显著减少搜索空间的探索**，将指数级的搜索问题转化为多项式时间可解的问题。...

> 下面是对CSP的相关概念的接口预实现，之后会用到 ```python class CSP: """Constraint Satisfaction Problem class""" def __init__(self, variables: List[str], domains: Dict[str, Set[Any]], constraints: List[Constraint]):...

约束满足问题（Constraint Satisfaction Problem, CSP）是一类特殊的搜索问题，它提供了一种**结构化的方式来表示和解决组合问题**。与传统搜索问题不同，CSP关注的是**找到变量赋值的组合，使之满足所有约束条件**，而不是寻找从起始状态到目标状态的路径。...

在无信息搜索中，我们会从起始点开始、展开当前边界的所有可能后继状态。但是这样的搜索效率很低，会导致进行很多没必要的搜索。如果我们了解了当前环境的信息、对当前的空间的搜索方向有一定概念，就可以显著提高性能、快速到达目标。 启发式函数是实现到目标状态距离的核心驱动力——它们是**接收一个状态作为输入并输出相应估计值的函数**。 -...