影片狀態：已附影片。 影片來源與說明
CS188 的第一段用 Pacman 回答一個基本問題：在不知道答案路徑的情況下，agent 要依什麼順序展開可能狀態？Lecture 1–4 的課表依序處理 agents、uninformed search、A* 與 local search；Project 1則要求你實作 DFS、BFS、UCS、A*，再設計 corners 與 food search 的 heuristic。
先固定共同骨架
四種 graph search 都可以看成同一個迴圈：從 frontier 取出節點、檢查目標、展開 successor、避免重複狀態。DFS 與 BFS 改的是 frontier 順序；UCS 用累積成本排序；A* 再加入對剩餘成本的估計。若四份程式碼大量重複，通常代表共同抽象還沒看清楚。
最難的是 state，不是公式
P1 的 corners problem 刻意要求你不要把整個 GameState 當搜尋狀態。位置相同、已造訪角落不同的兩個局面，未來目標不同；ghost 或無關食物資訊又不該塞進 state。好的 state 只保存「會影響後續合法動作與目標判定」的資訊。
heuristic 則必須在速度與正確性間守住界線。官方 P1 規格要求 food heuristic 保持 consistent；一個看似聰明但高估或前後不一致的估計，可能讓 A* 失去保證。先做容易證明的 lower bound，再用 autograder 看展開節點數，不要反過來猜評分門檻。
建議操作順序
- 不看程式，先寫出四種演算法的 frontier 規則。
- 完成 DFS／BFS，確認相同迷宮因展開順序不同而走出不同路。
- 完成 UCS／A*，分開檢查 path cost 與 heuristic。
- 為 corners state 寫一句「此 tuple 足以預測什麼」。說不出來就先別寫 code。
- 每次只跑一題或一個 test case；本機 autograder 是主要回饋，不需要 Gradescope。
完成 P1 後，真正該帶走的是三個問題：state 是否保留了必要資訊、frontier 代表什麼偏好、heuristic 是否只提供安全的方向感。這三問會一路回到後面的 MDP、Bayes nets 與 planning。
系列導航：上一篇：課程總覽｜下一篇：CSP 與多代理搜尋
課程影片來源
官方 Spring 2026 課表與官方 YouTube 播放清單（[CS188 SP26] Live Lectures，28 支）已於 2026-10-10 即時核對，本文嵌入的講課錄影在清單中（課表標為 Recording）。此處不提供未核對的時間跳轉。
原始影片：CS188 Spring 2026 Lecture 1: Intro, Agents, and Environments
課程與錄影入口：
查核日期：2026-10-10。
內容核對：已依字幕核對（2026-10-10）：抽樣核對（只讀字幕開頭約五千字元）：確認嵌入的是 Lecture 1，主題為課程介紹、agents 與 environments；字幕前段是課程行政與師資介紹（含 Dan Klein 與 Stuart Russell 分工），之後才進入 agent 的概念，與本文把第一講當作搜尋單元起點的敘述相符。本文其餘章節講的是同單元其他講次與 Project，不是這支影片的內容。
更新紀錄
- 2026-10-10：標註影片狀態，核對錄影來源與取得方式。
- 2026-10-10：重查影片狀態。官方 Spring 2026 課表與 YouTube 播放清單即時核對，嵌入的講課錄影在清單中，狀態改為已附影片。
- 2026-10-10：依字幕核對影片內容。確認嵌入影片是 Lecture 1（課程介紹、agents 與 environments），主題與本文範圍相符；未發現需更正的影片說法。
參考資料
Loading...