问题标签 [artificial-intelligence]

我在我的一本 AI 书籍中读到，在模拟或游戏中用于寻路的流行算法（A-Star、Dijkstra）也用于解决著名的“15 谜题”。

谁能给我一些关于如何将 15 谜题简化为节点和边图的指示，以便我可以应用其中一种算法？

如果我将图中的每个节点都视为游戏状态，那么那棵树不会变得很大吗？或者这只是这样做的方法吗？

任何带有源代码的优秀教程，将演示如何开发神经网络（傻瓜的步进间隔步骤;-)）

我试图用 MRS 做的是自学一些基本的人工智能；我想做的是制作一个火箭实体，包括矢量排气和分级。任何人都知道如何制作一个可以飞行的实体？还是我只需要不断地向上施加力？

在井字游戏的实现中，我想具有挑战性的部分是确定机器要玩的最佳动作。

可以追求的算法有哪些？我正在研究从简单到复杂的实现。我将如何解决这部分问题？

使用马尔可夫链有哪些商业案例？我已经看到将马尔可夫链的游戏区域应用于某人的博客以撰写虚假帖子。我想要一些实际的例子吗？例如，在商业或股票市场预测等方面有用......

编辑：感谢所有提供示例的人，我对每个示例都投了赞成票，因为它们都很有用。
Edit2：我选择了最详细的答案作为接受的答案。我赞成的所有答案。

我一直在学习 Lisp 来扩展我的视野，因为我听说它被用于 AI 编程。在进行了一些探索之后，我还没有找到 AI 示例或任何可以使它更倾向于它的语言。

过去使用 Lisp 是因为它可用，还是我只是缺少一些东西？

它真的在标题中，但对于任何对进化算法感兴趣的人来说，这里有一个细分：

在 EA 中，基本前提是您随机生成一定数量的生物体（实际上只是一组参数），针对某个问题运行它们，然后让表现最好的人存活下来。

然后你用幸存者的杂交种、幸存者的突变以及一定数量的新随机生物重新填充。

这样做几千次，高效的有机体就会出现。

有些人还做一些事情，比如引入多个生物“岛”，它们是允许偶尔杂交的独立种群。

所以，我的问题是：最佳的重新填充百分比是多少？

我一直保持前 10% 的表现，并重新填充 30% 的杂交和 30% 的突变。剩下的 30% 用于新生物。

我也尝试了多岛理论，我也对你的结果感兴趣。

我并没有忘记这正是 EA 可以解决的问题类型。你知道有人在尝试吗？

提前致谢！

这三个高度相关的领域之间有什么区别？是否有一个特定的整体，它们都是（除了 CS）的一部分？

我有一个对象，它面向特定方向，（例如）45 度视野和极限视野范围。我已经完成了所有初始检查（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锥内（在这种情况下，如果我们能看到它，则决定只跟随该对象）。

除了从Direction - (FieldOfView / 2)to的每个角度投射一条光线Direction + (FieldOfView / 2)（我现在正在这样做，这太可怕了），进行这种可见性检查的最佳方法是什么？

是否有任何软件可以帮助学习/理解/尝试和声和对位规则？