我现在正在做一个游戏。将会有很多不同的AI，每个敌人一个 我如何着手实施这一点？我是否创建了一个基类，从中为每一种AI类型派生一个类？我是不是只做了一个大班，所有的人工智能都在一个特定的案例中？也许是别的什么 我在Unity3d中用C做这个 谢谢 开始设计这样的东西的安全方法是创建一个单元AI接口，然后将每个AI放在一个单独的类中实现它。公共功能可以放在助手类中 关于对象层次结构，游戏AI应该遵循原则，就像其他一切一样 也许设计模式策略模式适合您的需要 它迫使您对每个AI使用类似的接口。 它允许

我试图找到一个解决吃豆人问题的方法，找到一条短路径（不是最短的，而是一条好路径），它会吃掉一个大迷宫中的所有点。我见过很多人谈论TSP、Dijsktra、BFS、a*。我不认为这是一个TSP，因为我不必回到我开始的地方，如果我愿意，我可以重复节点。我不认为Dijsktra、BFS和A*会有帮助，因为我没有寻找最短路径，即使是这样，也不会在合理的时间内给出答案 有人能给我一些提示吗？这是什么问题？这是一种TSP吗？什么样的算法能够有效地解决这个问题？如果您能给我一些实施方面的提示，我将不胜感激。我

我正在为Program-O聊天机器人创建AIML文件，但遇到了一个问题。 我想做的是依次问一个又一个问题。此外，问题的顺序应该是随机的。这是一项针对学生的满意度评估测试，我正在尝试使用聊天机器人代替传统方法进行开发 这就是我心目中的AIML格式 sample.aiml <category> <pattern>HELLO<bot/></pattern> <template> <random>

我需要从这里澄清这个例子： 1、7、15、36值是否与行（w）中的值相连接，或者它们只是输入流中的索引/数字？如果他们是为什么，那么1的集合等于7的集合？我不确定我是否理解你的问题，但你必须考虑ScalarEncoder使用的桶。如本例所示，如果n为12（位数）且w为3（存储桶大小），则相互接近的数字（如1和7）将放入同一存储桶是有意义的。在这种情况下，似乎只有10个桶可用： 111000000000 011100000000 001110000000 000111000000 00001110

我需要在PDDL中创建一个计划来访问n个地方的子集，每个地方都有一个分数。我需要最大化效用，它被定义为每个分数的总和。如何在PDDL中表示此域？具体来说，我如何存储每个地方的得分？我假设您熟悉行动成本和计划指标。如果没有，请在评论中说明 我想，最简单的方法是通过行动成本。要解决的问题是，在您的案例中，计划的质量与您在执行计划后访问过的地方相关，因此它与您执行的操作的成本没有直接关联，而是与您生成的状态变量相关。因此，假设每次执行导致代理访问某个位置的操作时，您都会提高计划的质量，那么您可能会获得

我对CLIPS完全陌生，我想知道我们如何在另一个deframe中调用deframe。 例如，如果一个规则执行常规工作（如打印或交换），而另一个规则在自身进行模式匹配后想要调用它；第二条规则如何在其模式匹配部分调用第一条规则？ 感谢您通过从一个规则中断言一个事实来激活另一个规则，从而链接规则 CLIPS (6.31 6/12/19) CLIPS> (defrule start => (assert (r1))) CLIPS> (defrule r

我不久前读过关于神经网络的书，我了解人工神经网络（特别是通过反向传播学习的多层感知器）如何将事件分类为真或假 我认为有两种方法： 1） 你得到一个输出神经元。如果它的值大于0.5，则事件可能为真，如果它的值大于第二个值，则事件可能为真，反之亦然 在这种情况下，ANN会告诉您事件可能是真的还是假的。它并没有说明这种可能性有多大 有没有一种方法可以将这个值转换成一些赔率，或者直接从ANN中获得赔率。一旦对NN进行了训练，我希望得到一个输出，如“事件有84%的概率为真”，例如，使用问题中提到的反向推进

我在试图理解AIML模式匹配如何工作时遇到了一个问题。 \u和*之间有什么区别？我应该如何使用它们来获得最佳匹配 我只有，但它缺少一些好的例子。\u和*都是通配符，区别在于它们应该在模式匹配中使用的位置 _ should be used before the word or phrase you're matching on * should be used after the word or phrase you're matching on. 见： 为了更好地理解这一点，可能需要查看现有A

因此，我们的想法是，计算机代理将被编程为两个层次，有意识和无意识 无意识部分本质上是一组输入和输出设备，我通常将其视为传感器（键盘、温度等，在你想象的范围内）和输出方法（屏幕和扬声器，尤其是家用电脑，但同样在你想象的范围内）。传感器可以随时添加或删除，这一层为意识层提供两个主要通道，一个输入和一个输出。定义这两层之间传递的信息种类有点困难，但基本思想是意识部分不断地从无意识部分的输出中接收信号（各种抽象层次），意识部分可以通过输入通道将任何它想要的东西发送到无意识层 意识层最初几乎一无所知，它只

我的n字谜解算器有问题。本以为它在起作用，但结果却是解决了无法解决的难题。我试着去追踪它，但那是一个很大的追踪，到目前为止，我没有看到作弊。我想我了解确定溶解度的算法，我的实现与web上一些示例的奇偶校验一致。。。这就是说，当我计数一个给定的瓦片之后的瓦片数量，它比它小，对于每个瓦片，然后添加空白瓦片的行索引，我得到与其他人一样的奇数或偶数。 我突然想到了这个想法。在我的8字谜模型中，我的解决方案状态是： _ 1 2 3 4 5 6 7 8 而不是 1 2 3 8 _ 4 7 6 5 或 就

我有两个随机的代表 168903475 及 3657885 跨越它们的方法是什么 在每个基因型的末尾添加一些空数字（或操作或其他），使它们具有相同的大小 3657885-1-1-1 其中-1意味着什么 或者从第一个基因型复制一些，从第二个基因型复制一些 你用的是什么方法？如果你已经有了可变长度的染色体，那么不管你怎么做，你只需要为每个染色体选择一个交叉点，然后正常交叉 例如，使用您的染色体，我随机选择了两个点（.）： 1 6 8 9.0 3 4 7 5 3 6.5 7 8 5 产生染色体： 1

我不确定我到底想问什么。我希望能够编写一些代码，这些代码可以轻松地获得初始和最终状态以及一些规则，并确定实现这些状态的路径/选择 比如说，在星际争霸这样的游戏中。要建造一个工厂，我需要一个兵营和一个指挥中心。所以，如果我什么都没有，我想要一个工厂，我可能会说->指挥中心->兵营->工厂。每一件事都需要时间和资源，这一点应该在路径中加以注意和考虑。如果我希望我的工厂在5分钟内有较少的选择，如果我希望它在10分钟 此外，引擎应该能够计算可用资源并有效地利用它们。这三座建筑可能总共需要600个矿藏，但

我正在尝试用alpha-beta剪枝实现一个抽象的minimax算法。minimax部分工作得很好，但只要我添加alpha-beta修剪，IA就开始表现得非常愚蠢，甚至跳过了明显的动作。我不知道发生了什么事 这就是我的递归函数的样子： - (id<MMGameMove>)getBestMove:(id<MMGame>)game player:(MMPlayerSeed)player depth:(NSInteger)depth alpha:(NSInteger)alpha

我知道一个可容许的启发式函数低估了目标的实际成本，但我想得出结论，一个启发式函数h3是两个可容许的启发式函数（h1和h2）的和，如果没有给出关于h1和h2的进一步信息，它既可以容许，也不能容许。 你认为这是正确的主张吗 多亏了一个可接受的启发式方法是永远不会高估从一个节点到目标节点的最小代价路径的代价的。因此，启发式是特定于特定状态空间的，也是特定于该状态空间中的特定目标状态的。它必须适用于该搜索空间中的所有国家。 要帮助记住它是“永远不要高估”还是“永远不要低估”，只需记住，可接受的启发式过于

我有一个迷宫，如上图所示，使用链接，状态3包含奖品，状态7包含电击。一只老鼠可以被随机放置在1到9之间的任何状态，它可以随机均匀地在迷宫中移动 Pi表示鼠标在状态7之前到达状态3的概率，假设目标从隔间i开始 如何计算圆周率∈ {1,2,3,4,5,6,7,8,9}。直觉上，只要起点是随机的，在任何一个正方形上着陆的概率都是偶数 +---+---+---+ | 1 | 2 | 3 | +---+---+---+ | 4 | 5 | 6 | +---+---+---+ | 7 | 8 | 9 | +

考虑到真空吸尘器的位置数，我如何计算“真空吸尘器世界”中的状态数？例如，在中，它是2。有三个独立的因素（它们都不影响其他因素的存在或可用选择） 真空是[左|右] 左边有[没有]灰尘 右边有[没有]灰尘 要获得独立事件的组合计数，请乘以： 2个选择x 2个选择x 2个选择=>8种组合。你被困在哪里？该图给出了所有8种状态。这是基本的组合数学..是的。。我困惑的是，如果有3个位置，会有多少个状态？非常感谢@PruneThanks，Prune，它很有帮助。当你得到一个解决方案时，请记住投票给有用的东西

据我所知，人工智能是一种能够接收输入并产生输出的软件，其输出根据其从输入提供的学习而变化 因此，在诸如FIFA、PES和更琐碎的乒乓球等游戏中，计算机对手真的是AI算法吗？嗯，确实是。也许对人工智能的概念有某种误解 据我所知，在即将毕业的时候，我去年做了一门人工智能课程，我们基本上看到的是路径发现算法，以及其他一些东西 因此，想象一张地图（不是程序性的）。我们的AI角色（我们不会移动任何东西，只是执行）会在寻找出口或目标之前搜索并到达所有敌人，不管你怎么称呼它 敌人会不断移动，因此算法会不断搜索

我的问题是，我正在使用RASA开发一个AI驱动的银行聊天机器人，有谁能指导我如何将其部署或集成到移动应用程序（Android）上 提前谢谢。我想您使用的是改装/Gson，如果不是的话，很容易理解 首先，您需要检索JWT令牌，为此您需要调用 @POST("api/auth/jwt") fun authenticateAsync(@Body authRequest: AuthRequest): Deferred<AuthResponse> 当对话id是一些随机字符串时，

我正在为MCT阅读RAVE节目。我目前正在使用MCT开发一个国际象棋人工智能，我正在试验各种技术 我对RAVE的理解是，它使用在播放过程中探索的节点。因此，例如，如果我在move m开始播放，而不仅仅是更新状态-动作对（或开始播放的节点），我们还存储模拟期间播放的节点 我不明白的是我们该怎么办？我们是否必须搜索整个树，以确定是否已在其他地方创建了播放节点？我只是有点困惑。 我正在读的论文是：

我有一个对象，它面向一个特定的方向（例如）45度的视野和一个有限的视野范围。我已经完成了所有的初始检查（四叉树节点和距离），但现在我需要检查特定对象是否在该视图圆锥体内（在本例中，如果我们可以看到该对象，则决定只跟随该对象） 除了从方向-（视野/2）到方向+（视野/2）（我现在正在这样做，这很可怕），进行可见性检查的最佳方法是什么？计算视图方向之间的角度（理解为向量）从你开始到物体结束的向量。如果它属于FieldOfView/2，则可以查看该对象 这个角度是： arccos(scalarProd

我知道这仍然是一个悬而未决的问题，所以我不希望在这里看到完整的答案。我只是想找到一些方法来解决下一个问题： 我有一个模型（假设是机器人的内存），不同的单词与模型中的不同对象相关联。使用bot就像使用数据库执行sql查询。语言是一种很难形式化的协议。我们不能只写一百万行代码来实现某种真正的语言。但我相信实施某种自我学习机制是绝对可能的。如何实施？有没有可能实现“从头开始”或“从几个基本单词开始”的学习？我只是想听听你的想法 事实上，英语是一门非常严格的语言，也是实验人工智能最简单的语言之一。许多其

我有一个应用程序，它在幕后具有常见的数学功能： 加（x，y） 乘（x，y） 正方形（x） 该界面是一个简单的谷歌风格的文本字段。我希望用户能够输入纯文本描述- “2*3” “2乘3” “乘以2和3” '取2和3的乘积' 得到一个数学答案 问题是，我应该如何将文本描述映射到函数？我想我需要 标记文本 识别关键标记（函数名、参数） 尝试将令牌组合映射到函数签名 然而，我猜这已经是机器学习领域的一个“已解决的问题”。我应该使用自然语言处理吗？纯文本搜索？还有别的吗 所有想法都得到了很好的接

我有一个单一的阈值单位真值表来模拟100个时代，输入学习曲线、目标、激活、偏差和权重来检测错误。有什么软件可以做到这一点吗？如果你有Matlab，你可以使用它。 您可以在它上面设计您的网络，通过输入输入输入学习曲线，设置目标和偏差或其他参数，然后运行100个时代的学习 SciLab是一个开源软件，是替代Matlab的最佳免费选择。你可以把它用于你的目的

我将制作一个模式匹配程序，您认为使用标准ML或OCaml的最佳方式是什么？简短回答：标准ML是更干净的语言，但OCaml有更多的功能、更好的实现、更活跃的开发人员和用户社区以及更多的库。根据您的需要，做出选择： 这正是我需要的答案。谢谢你，安德烈亚斯

我正在使用NeurophStudio，并尝试训练网络学习功能： 如果x0.3，则为0.7 你知道我是否能用神经网络做到这一点吗？如果是，怎么做？我尝试使用感知器和多层感知器，但还没有成功 谢谢， Andrei采用a作为激活函数。你可以找到更多的信息

在反向传播训练中，在沿误差面梯度下降的过程中，隐含层中含有大量神经元的网络会陷入局部极小值。我已经读到，在所有情况下，将权重重新初始化为随机数最终将避免这个问题。 这意味着始终存在一组“正确”的初始重量值。（可以这样假设吗？） 我需要找到或者做一个算法来找到它们 我试过用谷歌搜索算法，试过自己设计，但都没用。有人能提出解决方案吗？也许是我可以搜索的算法名称 注：这是一个常规的前向三层煎饼：） 注意：我知道已经尝试使用GAs来达到这个目的，但这需要在每次迭代中重新训练网络，当网络变得足够大时，这会

我想写一个程序，可以做这样的演绎推理： 场所： 猫都是鸟 每只鸟都会飞 结论: 每只猫都会飞。（不过这是胡说八道） （这只是一个例子，实际上要比这个复杂得多） 我想要的程序将能够接收用户输入的结论，并检查它在程序中已经存储的给定前提下是否有效，如果可能，能够建议什么结论是有效的 那么，我的问题是，有没有一个库可以这样为我工作？你没有提到一种语言，所以我不知道你真正想要的是不是一个库。你所描述的听起来像是自动定理证明，所以你最好研究一下这个话题。一种自动定理证明语言——或者交互式证明助手，或者任何

我已经在这个问题上做了一些研究，但是结果太多了，我不知道该用什么来解决我的问题 有什么我应该知道的算法，或者一些关于人工智能的技术吗 首先，你应该有一个基线。也许你可以使用统计方法。如果您有权访问有关游戏的数据，您可以将其转换为数据集。例如（因为我以前玩过），记录每个玩家回合内的每个动作（设置两个玩家在回合结束时有多少张怪物牌面朝上/面朝下，多少张魔法/陷阱牌，生命点）。这样，你就建立了一个概率模型（如果满足某些条件，就会选择一张怪物牌） 一个更复杂的模型可以结合强化学习，使模型计算出应该采取什

我目前正在为策略游戏AI编写一个Monte Carlo Tree Search的实现，并对推出（模拟阶段）有疑问 该算法的描述建议您运行模拟，直到达到终端状态为止，但当您有较大的搜索空间和有限的时间时，这是不切实际的。在我的例子中，我将模拟步骤的数量限制为某个值（如果终止，则提前完成） 在模拟的每个步骤中，我都会评估状态，但由于模拟由一系列随机动作组成，因此评估值在模拟过程中可以增加或减少。问题是：对于非终端状态模拟，我应该返回上次状态评估还是在运行期间观察到的最佳状态评估？通常，您会在模拟结束

人工智能的最佳编程语言是什么 请注意，使用建议的语言，我必须能够使用任何人工智能技术（或至少大多数人工智能技术）。这实际上取决于您所看到的问题类型。还有，你想深入到人工智能领域有多深。如果你想从基础知识中学习，只需要实现理论上的人工智能，那么就可以使用更高级的语言——比如函数式编程（并在人工智能中得到验证），比如lisp或prolog。如果你知道你正在处理什么问题，并且想要效率，那么就去用java、C++之类的工具，使用工具箱来做这些事情。 既然您提到了机器学习，那么就看看Java中的Weka工

大家好。我对分类算法这个话题完全陌生，需要一些关于从哪里开始“认真阅读”的好建议。我现在正在寻找，机器学习和自动分类算法是否值得添加到我的一些应用程序中 我已经浏览了Z.Michalewicz和D.Fogel的“如何解决它：现代启发式”（特别是关于使用神经元网络的线性分类器的章节），在实践方面，我目前正在浏览源代码。我的下一步（计划）是深入研究贝叶斯分类算法 不幸的是，我在这个领域缺乏一个严肃的理论基础（更不用说，在任何时候都用过），所以在下一个方向的任何暗示都会被欣赏；特别是，很好地介绍现有的

我是研究生。我正在寻找背包问题的大数据。我想测试一下背包问题的算法。但我找不到大数据。我需要的数据有1000项和容量是没有关系的。这一点对我的算法很有好处。互联网上有没有海量数据。有人知道我需要加急吗。你可以很容易地生成自己的数据。只需使用一个随机数生成器，生成大量的值。要测试您的算法是否给出正确的结果，请将其与另一个已知工作算法的结果进行比较。我有相同的要求 显然，只有蛮力才能给出最佳答案，这对大问题不起作用 但是我们可以把我们的算法相互对立 明确地说，我的算法适用于0-1问题（即每个项目的0

在哪里可以找到以下定理的证明： 定理：如果h（n）是一致的，那么使用图搜索的A*是最优的 谢谢。您可以在本书第95-97页找到： 证明的基本轮廓是： 首先，我们定义这些函数： g（n）=从开始节点到达节点的成本 f（n）=g（n）+h（n） 步骤： 如果h（n）是一致的，则确定沿任何路径的f（n）值都是非衰减的 证明每当A*选择一个节点进行扩展时，找到了该节点的最佳路径 步骤1直接遵循一致性的定义 第2步通过观察得到证明，如果这不是真的，那么在从起始节点到n的最佳路径上必须有另一个边界节点n'

我有一个简单的机器学习问题： 我有n（~110）个元素，和一个所有成对距离的矩阵。我想选择相距最远的10个元素。就是我想, Maximize: Choose 10 different elements. Return min distance over (all pairings within the 10). 我的距离度量是对称的，并且尊重三角形不等式 我可以使用什么样的算法？我的第一反应是做以下事情： 将n个元素聚类为20个 集群 将每个集群仅替换为 该集群的元素，即 离平均元素最

问题 我想将数千个网站分类/分类/集群/分组在一起。我们可以利用一些数据进行训练，这样我们就可以进行有监督的学习，但我们收集的不是数据，我们也不坚持使用这些数据，所以我们也在考虑无监督学习 我可以在机器学习算法中使用哪些功能来处理多语言数据？请注意，其中一些语言可能没有在自然语言处理领域中处理过 如果我要使用无监督学习算法，我是否应该按语言划分数据，并以不同的方式处理每种语言？不同的语言可能有不同的相关类别（或者没有，取决于你的心理语言学理论倾向），这可能会影响划分的决定 我在考虑使用决策树，

我目前正在尝试理解人工智能（学习）中的一个主题，需要帮助理解以下内容： 为什么在与多数分类器结合使用时，遗漏一个交叉验证算法在具有相同数量的正反示例的数据集上得分为零而不是50% 感谢您在这方面的指导。如果我正确理解了问题，当您省略阳性样本时，训练集会有更多的阴性样本；因此，遗漏的样本被归类为阴性。反之亦然。谢谢Don，如果一个阳性样本被遗漏，它会被归类为阴性（因此现在101个阴性99个阳性），然后当另一个阳性样本被遗漏时，它也会被归类为阴性（现在102个阴性，98个阳性），依此类推，直到所有样

我有一个典型的人工智能问题要解决。客户将提交关于产品的评论。我必须能够创建一个程序，将这些评论分为好的、坏的或中性的 当然，神经网络将在其中扮演重要角色。 此外，我认为模糊逻辑可以在其中发挥一定的作用。例如，一条评论的好、坏或中立程度！！ 关于如何解决它的更多想法？？？您可以使用某种形式的 分类最重要的是选择正确的特征。功能意味着您可以从评论中提取一些值，这些值仍然可以捕获分类任务的本质。我想到的事情是 字数 每句话的平均字数 一些集合中的单词数，如{垃圾，垃圾，该死，伟哥，} 然后，您可以使用

有人使用神经网络方法对数据进行聚类吗？特别是 ART神经网络（自适应共振理论）或 Kohonen自组织映射 与k-means或任何其他基于距离的聚类算法相比，它们的性能如何？自组织映射（SOM）与k-means有一些内在的相似之处，但也有重要的区别。SOM实际上将数据从原始数据空间（通常为高维）映射到地图空间（通常为二维），同时尝试保留原始数据密度和邻域关系。它不会直接向您提供集群，但可以帮助您直观地检查数据并识别集群 我对艺术网知之甚少。也许是问这个问题的好地方，或者你在AI邮件列表上问这个问

我必须通过迭代深化算法来解决“高峰时间难题”。我在stackoverflow和internet上阅读了很多主题。我认为我理解迭代深化算法。基本上，你只需要深入到树中，并试图找到解决方案 我想我需要从拼图中创建一个图形或一棵树，但我真的不知道如何创建。另外，如果我拥有这棵树，那么我如何判断某个东西是有效的移动还是最终状态 有人回答说，节点应该是可能移动的，边位于节点之间，可以在一次移动中到达。我可以想象这一点，但不知何故，我很难看到这是如何有用或更好，但这如何解决问题 请帮助我，我不是要求完整的解

我正在尝试构建一个非常简单的机器人，它可以和其他机器人玩石头剪刀（而且必须赢） 我选择的特征是我自己和对手之前的动作（我为每个动作创建了3个节点，每个节点有一个真/假，所以之前的动作有6个节点），以及我是否赢得了上一轮。这一共有7个特性作为输入 朴素贝叶斯的天真之处在于，它假定特性是独立的。也就是说，它没有看到“我输了，对手用了石头”；相反，它看到的是“我输了”，也看到的是“对手用过的石头”。“我输了”一词本身没有用处，而“对手用过的石头”也没有用处。所以天真的贝叶斯不会给你带来好的结果 NNs

我有一个excel文件中的产品列表（700000+），我想将此数据导入我的数据库 在我的系统中，每个产品都应该分配一个类别，我想开发一个导入器桌面应用程序，它可以在所有产品上循环，并可以根据excel表中的值检测每个产品的类别 excel表格产品详细信息包括：标题、说明、品牌、制造商、功能 我正在寻找一种可以通过经验逐步学习的人工智能解决方案，我可以教他在匹配决策中使用的每个类别的关键字。很难说神经网络是否是给定数据的理想方法，或者你试图将其分解为多少个类别 我猜想你需要做大量的预处理，才能将数

我想以这样的方式训练nlc- 如果我以“Sharpies”或“Cakes”或“iPhone6”的形式输入，则结果应按意图排序 但它并不适用于所有的产品，因为所有的产品名称都有意图，我需要用很少的产品名称来训练NLC，它将适用于所有的产品（动态） 由于我们有数千种产品，如何才能获得所有产品的“订单”意图，而不是在“.csv”（不想硬编码所有产品名称）中添加所有内容 您能帮我检索所有动态产品名称的确切意图作为NLC的输入吗？您试图做的并不是NLC的目的 意图的目的是理解最终用户试图实现的目标，而不是

我正在查看ros的导航堆栈，我对本地和全球成本地图有疑问。每一个存储了什么样的信息？例如，如果“我的全局规划器”计算地图两点之间的最短路径，那么“全局成本地图”中是否有全局规划器将用于计算路径的每条街道的距离，或者“成本地图”中存储了哪些信息？我读过，但不清楚可以存储哪些信息。此外，导航堆栈的结构在上一个链接中 非常感谢你的帮助 据我所知，区别很简单 在全局成本图中，机器人从以前的访问中知道的一切以及存储的知识，例如地图 在本地成本图中，传感器正确知道当前位置的所有信息。例如，行走的人和其他移

问题是这样的：“n”个机器人提供了一个带有障碍物的二维网格。机器人可以在一个时间内移动到相邻的单元中。机器人有多个约束，就像它们不能同时在同一个单元中一样。但是，它们可以同时移动。需要为每个将机器人从起点移动到目的地的机器人制定行动计划，以满足约束条件，并且机器人花费的总时间最少 我似乎无法理解这个问题是否是一个NP难问题快速搜索找到了一篇关于这个主题的最新论文： 在有向图的这种特殊情况下，这个问题是NP难的。在许多情况下都有多项式时间算法来寻找解，但即使在无向图上，寻找最优解也是NP困难的。滑

有人知道一个项目使用某种解释的运行时吗？例如，可能会使用一个前后文本文件，自己生成并运行一个程序来生成后续结果。因此，它结合了一些词法分析、模糊逻辑、神经网络、回溯、遗传编程、FPGA软件 我感兴趣的是现代四核机的马力如何以不同寻常的方式帮助程序员。我通常用Prolog编程，所以从不关心速度、内存使用等问题，因为我解决的问题需要人工一周，而机器可能需要六个小时 这是一种爱好，不是家庭作业，不是工作。让我的服务器保持忙碌而不是让地球变暖的东西NNs的优点是训练数据几乎可以是任何东西。我不确定是否会

我正在准备硕士学位的期末考试，这是过去考试的一个问题，我真的很困惑，不知道从哪里开始 我的想法是，可容许的启发式是解决规则，然后证明解决规则是可容许的，对吗？如果是这样，为了证明决议规则是可接受的，我应该从哪里开始？谢谢你帮了大家 考虑一个定理证明程序应用程序。A*算法可用于搜索最简单的 （最短的）证据。假设已知的公理和定理表示为命题逻辑中Horn子句的知识库，并且证明者使用反向链接。 （a）提出一个可接受的启发。 （b）证明所提出的启发式是可接受的是的，理论证明意味着它是一种解决方法。 Hor

我的项目看起来是这样的：我的数据集是一群人的档案，具有各种属性，例如布尔hasJob和int healthScore，以及他们的收入。利用这些数据，我试图预测他们未来的收入。每个档案也有一个历史：例如，他们过去的属性和收入是什么 所以本质上，我试图将多组（x布尔，y数字）映射到一个数字（来年的工资） 我考虑过神经网络、贝叶斯网络和用于函数拟合的遗传算法。有什么建议或意见吗 提前谢谢！ --Emily你想做的就是“时间序列建模”。然而，每个系列（每个人）可能只有很少的数据。我认为很难找到一个适合每

使用我面临的Microsoft Bot框架。 这个过程几乎很清楚，除了如何管理用户错误地选择一个选项的情况，然后在不等待所有过程结束的情况下后退一步并修复它。 最后，不清楚如何将LUIS应用到FormFlow中，是否还有其他资源，然后是官方的三明治示例 感谢默认情况下，FormFlow在每个步骤都支持多个命令，包括back，这允许用户返回到前面的问题。您可以随时使用help查看可能的命令列表 通过在启动对话框时传递对LUIS实体的引用，可以让LUIS与FormBuilder协同工作。更多细节

我正在尝试使用PDDL解决一个Pacman问题。我需要做的主要事情是在不使用函数或fluents的情况下对电源持续时间进行软编码。它没有返回错误，但不知何故，我感觉它初始化了Powerlose（n2，n0）。我从不初始化掉电（n2，n0）或改变掉电的效果。但是它给c的初始值是n2。那怎么了？提前谢谢 您可以通过以下链接检查问题和域： 我试图在域文件的第34行使用exists语句而不是Powerlose（cPlus1，c），但它不起作用。它仍然使用n2初始化c。我很困惑。 这是我的域文件： (d

我试图在Prolog中找到列表的第n个元素。以下是我尝试使用的代码： Cells = [OK, _, _, _, _, _] . ... next_safe(_) :- facing(CurrentDirection), delta(CurrentDirection, Delta), in_cell(OldLoc), NewLoc is OldLoc + Delta, nth1(NewLoc, Cells, SafetyIdentifier), SafetyIdentifier = OK