北京交通大学《AI 问题求解》研讨课，通过老师讲解基本概念，同学阅读课本，编程探索，讲解习题，让大家在动手中，掌握人工智能搜索、优化、约束满足等问题的求解方法，走上人工智能的职业道路。详细课程信息、代码、报告，请访问：https://yishuai.github.io/ai
视频合集：B站链接
课本：第3章 通过搜索进行问题求解
怎么实现一个能够自己走出迷宫的机器人？这是一个经典的AI问题。解决这个问题，需要AI搜索。AI搜索就是为了达到一个目标状态，搜索一条路径。这听起来是不是有一点抽象？没关系，看完这个视频，你就了解了。让我们开始吧。我们将学习什么是 AI 搜索，然后介绍实现AI搜索的程序框架，这样我们最后就能实现我们的走迷宫机器人了。酷不酷？Let's go!
我们首先学习一种最基本的搜索形式：不依靠外部信息，仅在图结构上进行搜索。深度优先和宽度优先就是两种最常用的这种搜索方法。本节介绍它们的实现，并比较其优缺点。
在搜索的时候，常常能够利用一些信息，比如目标节点的位置，来指导搜索的方向，这就是“利用外部信息的搜索”。本节介绍两种这样的算法：贪婪最佳优先搜索和A*搜索。它们在网络搜索中非常有用。快来看看吧。
儒曼同学为我们介绍迷宫搜索算法的代码实现。非常精彩。
罗叶菲同学介绍了哈佛 CS50 AI 的练习：基于明星的社会网络，搜索明星间的关系。
儒曼同学介绍了哈佛 CS50 AI 的练习：基于明星的社会网络，搜索明星间的关系。
王喆同学介绍了通过搜索求解问题的总体框架、包括：问题的形式化、搜索树、数据结构、队列。他最后特地提到要先进行目标规划，然后再做问题规划。很有意思。
吕岩同学首先为大家带来一个例子：用贪婪搜索与A*搜索求解罗马尼亚地图最短路径问题。然后，她用动画为大家比较了这些算法与广度优先搜索、一致代价搜索（即 Dijkstra 算法）的效果，非常漂亮。最后讨论了“利用外部信息的启发式搜索”的“一致性”和“可采纳性”问题，并用一个习题进行了说明，非常精彩。快来看看吧。
课本 第5章 对抗搜索
在有对手的时候（比如下棋），如何搜索有利于自己的最佳下法？这就是敌对搜索。本节介绍极小化极大算法：Minimax。这个算法非常有趣。快来看看吧。
儒曼同学为我们介绍井字棋游戏的人工智能算法的代码实现。非常精彩。
王子悦同学介绍对抗性游戏的算法，并讲解如何在网球比赛中应用该算法。我猜他一定喜欢打网球。
课本：第4章
本地搜索是一种常见的优化算法。其中，“爬山”算法非常直观，容易实现，但也有缺点：容易陷入本地最优。为此，人们提出了各种改进方法，比如：随机重启。我们一起来看看吧。
模拟退火算法很聪明地根据 1）邻居状态的目标函数差别幅度，2）已经完成的优化轮数，来调整爬山算法下山的概率。这个算法在实际中有非常优秀的性能。
当约束函数和目标函数都是线性函数时，我们可以用线性规划来进行优化。本节用一个简单的例子，介绍其基本概念、求解方法和代码实现，给大家带来一点感觉。
郑祎杰同学为大家讲解模拟退火算法的：1）起源；2）热力学原理；3）在函数极值和旅行商问题上的应用；4）编程实现，求解八皇后问题和八数码块问题，并与最陡爬山、随机重启爬山算法，进行性能比较。
孙以琳同学为大家带来遗传算法。孙以琳同学详细介绍了遗传算法的交叉、适合度、选择方法，并编程实验了用该算法解决旅行商问题，然后同学们展开了热烈的讨论。快来看看吧。
陈鲽晴同学为大家演示用遗传算法求解方程极值的问题。他并最后指出遗传算法的一个重要优点，就是：不用担心如何找到最优解，只要淘汰掉那些表现不好的个体就好了。怎么样，这个思考深刻吧。：D
乔千同学首先回顾了经典搜索，指出其目标是搜索路径，而超越经典搜索的目标是找到最佳结果，路径并不重要，这就是一个优化问题。然后带我们简单回顾了爬山、模拟退火、局部束搜索、遗传算法，演示了代码，然后简单介绍了连续空间的本地搜索，非常精彩。
言晓梅同学为大家带来蚁群算法。晓梅同学首先用一个非常有趣的蚂蚁纪录片，为大家展示蚂蚁们工作时的场景，然后细致地讲解了蚁群算法的细节，并用该算法解决旅行商问题，非常精彩。快来看看吧。
罗叶菲同学为大家带来粒子群优化算法。该算法仿生鸟群捕食行为，利用个体对信息的共享，搜索最优解，非常有意思。快来看看吧。
乔千同学通过吸尘器的例子，重点讲述了动作效果不确定时的搜索，包括：分析该问题用到的“与或搜索树”模型、求解用到的AO* 算法、以及动作失效的解决办法（不断重试），并演示了代码，非常精彩。
儒曼同学为我们带来超越经典搜索的最后一部分：无感知的搜索（机器人知道有2个房间，但不知道自己的初始位置和垃圾分布））、部分可观察信息的搜索（如机器人有垃圾传感器、能够感知自己东西南北方向是否有障碍物）、未知环境下的联机搜索（探索 + 搜索），并通过练习演示真实的体验。非常精彩。
课本：第6章 约束满足问题
图的着色、数独、八皇后、这些好玩的游戏，都属于约束满足优化问题。我们可以利用搜索解决它们。本节首先介绍约束满足问题的定义，然后介绍“节点一致性”、“弧一致性”的基本概念，最后利用它们，来缩小变量Domain，减少搜索空间。这就是著名的AC-3算法。快来看看吧。
利用搜索方法，求解约束满足问题，最基本的方法是回溯搜索(backtracking)。本节介绍这一方法。
本节介绍提高回溯搜索效率的各种方法，包括：利用AC-3算法缩小变量Domain，启发式的变量选择和变量取值优化方法。
方翔同学介绍了约束满足问题中的k-相容概念，包括：节点相容、弧相容、路径相容，全局约束、树结构的约束满足问题，最后用一个习题详细地演示了AC-3算法的应用，非常精彩。
白方同学分享，如何解决判断房间内是否有毒贩的约束满足问题
张绮璇，李卓音同学通过图着色问题，介绍提高回溯搜索效率的各种方法，举例，并介绍智能回溯的基本概念。
吴志航同学给大家带来人工智能概率推理的基础知识，包括概率、贝叶斯定理。
林映廷同学为大家带来卡尔曼滤波。林映廷同学用一个自行车运动员位置跟踪的例子，为大家讲解了卡尔曼滤波的原理，强调了卡尔曼滤波在多传感器融合方面的应用，非常专业。快来看看吧。
蒋毅同学为大家带来Beam搜索的原理。它在自然语言处理里非常常用哦。快来看看吧。
IEEE ICASSP 2022 5G 网络故障根因定位 挑战赛
香港中文大学(深圳)- 深圳大数据研究院- 华为 未来网络系统优化创新实验室
5G 无线网络故障根因定位是网络运维中的一个重要环节，通过快速且准确地判断出网络故障的根因，技术人员可以及时采取措施对网络进行修复。然而，现网经常受困于复杂的无线通信环境和网络部署结构，且存在网络故障样本数少、不同的场景下故障表征差异性大等问题。如何充分利用领域知识和一小部分标定数据，使用统计学习和因果推断技术，快速准确地定位故障的根因，是网络运维面临的巨大挑战。
阅读材料：