2020第一天，新年快乐。

这里只是做一个简单的框架梳理，不填充内容了，复习着发现这学期复习策略还是错的，老是想玩点花的，但是事实证明还是陪了我12年的学习方式，那种应试的复习才更适合我。

人工智能（英语：Artificial Intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。同时，通过医学、神经科学、机器人学及统计学等的进步，常态预测则认为人类的无数职业也逐渐被其取代。

本文是对人工智能基础的期末复习知识总结。
在下面两篇文章中有本文部分算法的C++实现，有兴趣的话可以选择性阅读。
算法学习—排序、图、回溯（最小冲突、遗传）、动态规划基础算法复习
以罗马尼亚问题为例，学习人工智能DFS/A*搜索算法

“嗯，它们游到一个洞里去，那儿有许多香蕉。它们游进去时还是样子很普通的鱼。可是它们一进了洞，就馋得跟猪一样了。嘿，我就知道有那么一些香蕉鱼，它们游进一个香蕉洞，居然吃了足足有七十八根香蕉。”他推着气床和上面的乘客又往海平面前进了一英尺。“自然，它们吃得太胖了，就再也没法从洞里出来了。连挤都挤不出洞口了。”——塞林格«逮香蕉鱼的最佳日子»

排序、动态规划、回溯、图等可以说是必须掌握的基础算法知识了，但发现自己掌握的还很差，知识不成体系，记忆不牢固，理解不深入，所以再来一次梳理，按排序、图、回溯（最小冲突、遗传）、动态规划的顺序依次学习并实现。

主要参考«算法导论»(Introduction of Algorithm[Third Edition])和维基百科。
其中排序是10000~100000个随机数的排序，图算法大多以Romania Problem为例，回溯法用来解决了一个著名八皇后问题，这里当作CSP问题来处理就同时使用了Min-Conflicts和Genetic Algorithm(GA)，动态规划解决TSP旅行商问题。

赶上操作系统快要结课，Linux的VFS看样是不会讲了，限于时间没法系统地学习 Linux Kernel ，只能和大家做一个简单的分享。之前已经学习了Linux的启动过程，本文承接上文，可以从一个更底层的角度观察一下Linux的文件系统。

在学习Linux，关于Linux启动和进程的一点学习分享给大家。之后还会有一文为Linux虚拟文件系统VFS的学习分享。

一堆机器人的一个三维场景漫游，详细制作过程去年传到了B站(click here)和YouTube，突然想起来就发一下博客，并不难理解。

Romania problem

给出各个城市之间的距离及代价，包括A*算法需要的直线距离，求解从A到B点的最短路径。这里分别使用两种搜索算法求解—DFS和Astar。因为本问题的数据量较小，均使用邻接矩阵来表示图，程序均用C++实现。