王士同版人工智能教程答案

第一章绪论

1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。人工智能是相对于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。所谓自然智能就是人类和一些动物所具有的智力和行为能力。

智力是针对具体情况的，根据不同的情况有不同的含义。“智力”是指学会某种技能的能力，而不是指技能本身。

1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。

1.4答：

自然语言处理—语言翻译系统，金山词霸系列

机器人—足球机器人

模式识别—Microsoft Cartoon Maker

博弈—围棋和跳棋

第二章知识表达技术

2.1解答：

（1）状态空间(State Space)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）：

S—状态集合;O—操作算子集合;S0—初始状态,S0?S;G—目的状态,G?S,(G可若干具体状态，也可满足某些性质的路径信息描述)

从S0结点到G结点的路径被称为求解路径。

状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态：

O1 O2 O3 Ok

S0→???S1→???S2→???……→???G

其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)

（2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分。

与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念。一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。

（3）语义网络是一种采用网络形式表示人类知识的方法。即用一个有向图表示概念和概念之间的关系，其中节点代表概念，节点之间的连接弧(也称联想弧)代表概念之间的关系。

常见的语义网络形式有命题语义网络、数据语义网络：E-R图（实体-关系图）、语言语义网络等。

2.2解答：

（1）

（2）

(3)

2.3解答：设有如下四个谓词：

HUMAN(X) X是人

LAWED(X) X 受法律管制 COMMIT(X) X 犯法

PUNISHED(X) X 受法律制裁

前两个谓词可以变为：HUMAN(X) LAWED(X)，表示：人人都要受法律的管制； 后两个谓词可以变为：COMMIT(X) PUNISHED(X)，表示只要X 犯了罪，X 就要受到惩罚；

进一步，还可以把上述两个谓词联结成如下形式：

[HUMAN(X) LAWED(X)] [COMMIT(X) PUNISHED(X)]

本公式的含义是：如果由于某个X 是人而受到法律管制，则这个人犯了罪就一定要受到惩罚。

晁盖是人，受法律的管制（老百姓受法律的管制）；所以晁盖劫了生辰纲，违反了宋王朝的法律，一定要受到官府的追究。

高衙内是人，却不受法律的管制（达官贵人和恶少不受法律的管制）；所以高衙内强抢民女，同样是违反了宋王朝的法律，却可以横行无忌。

2.4（1）条件②：周和钱是同一性别； （2 条件③：李与陈不构成夫妻； 条件④：吴与徐、周均不构成夫妻，则吴选择的余地为李；推得：吴与李是夫妻 条件①：王与周不构成夫妻，则王选择的余地为徐；推得：王与徐是夫妻 排除上述已经成立的条件，显然可推得：孙与周是夫妻。

2.5解答：符号微积分基本公式为

b a b

a

x F a F b F x f |)()()()(?

=-=

用产生式表示为：If f(x) and (a,b) Then F(b)-F(a)

2.6解答：题中描述的情况用谓词形式可表达如下：

DOG(X) X 是狗

SOUND(X) X 会吠叫 BIT(X,Y) X 咬Y ANIMAL(X) X 是动物

题中各条推理则可以表示为：

P1: ?x DOG(X) ?yBIT(X,Y )∨SOUND(X) P2: :?x （ANIMAL(X) ∧SOUND(X)） yBIT(X,Y )

P3: 猎犬是狗，即DOG(X)种X 的谓词样品是猎犬，同时也可得ANIMAL(猎犬) 将P3带入P1可得SOUND(猎犬)，再将SOUND(猎犬)和ANIMAL(猎犬)带入P2可得

?yBIT(猎犬,Y )，即可以得到结果：猎犬是咬人的。

2.7解答：题中的三条规则侧重点不同：R1规则的重点在于我师的任务；R2规则的重点在于敌团的配置；R3规则的重点在于我师的任务和敌团的配置同时满足。它们之间的关系为R1? R2? R3。

所以根据冲突解决规则中的规模排序，可知首先应该选择规则R3，系统执行才最有效。

2.8 解答：

2.9 解答：

（1）

（2）

2.10 解答：

2.11解答：

在产生式系统中，随着产生式规则的数量的增加，系统设计者难以理解规则间的相互作用，究其原因，在于每条规则的自含性使得知识表示的力度过于细微。因此要提高产生式系统的可理解性，就应当按照软件工程的思想，通过对规则的适当划分，将规则组织诚易于管理的功能模块。由于框架系统具有组织成块知识的良好特性，因此将两者进行有机结合，可以为产生式系统的开发、调试和管理提供有益的帮助。

基于框架的表示机制可以用作产生式语言和推理机制设计的一个重要构件。另外，框架可以直接用于表示规则，如果将每一个规则作为一个框架处理，一组用于解决特定问题的规则可组织成一类，且在这一类框架中表示这组规则的各种特性。

2.12 解答：略

2.13 解答：

（1）题目描述可转换为如下问题（N阶汉诺塔问题）

有编号为A、B、C 的三个柱子和标识为1、2、…、N的尺寸依次从小到大的N个有中心孔的金片；初始状态下N个金片按1、2、…、N 顺序堆放在A号柱子上，目标状态下N个金片以同样次序顺序堆放在B 号柱子上，金片的搬移须遵守以下规则：每次只能搬一个金片，且较大金片不能压放在较小金片之上，可以借助于C针。

（2）假设基本操作为move(x,A,C,B)，表示将x个金片从A移到B上，中间可借助于C。

当N=1时，则无需借助中间的C针，就可以直接实现将1个金片从A移到B上，这也是问题的最简操作，可表示为move-one(1,A,B)；

当N>1时，需要用中间的C针作辅助。其操作又可分为以下三步：

将N-1个金片从A移到C上，中间可借助于B，转换为基本操作就是move(N-1,A, B, C)；

将1个金片直接从A移到B上，转换为基本操作就是move-one(1,A,B)；

将N-1个金片从C移到B上，中间可借助于A，转换为基本操作就是move(N-1, C, A, B)；

这样，就将问题的规模减小为N-1，依次递归求解就可以得到相应的结果。

（3）设M(x)表示移动x个金片所需要的操作次数，则上述N阶汉诺塔问题可以表示成如下

形式：

M(1)=1

M(N)=2M(N-1)+1

最后可以解得M(N)=2N-1

下面给出对梵塔问题给出产生式系统描述，并讨论N为任意时状态空间的规模。

（1）综合数据库

定义三元组：(A, B, C)，其中A, B, C分别表示三根立柱，均为表，表的元素为1～N之

间的整数，表示N个不同大小的盘子，数值小的数表示小盘子，数值大的数表示大盘子。

表的第一个元素表示立柱最上面的柱子，其余类推。

（2）规则集

为了方便表示规则集，引入以下几个函数：

first(L)：取表的第一个元素，对于空表，first得到一个很大的大于N的数值。

tail(L)：取表除了第一个元素以外，其余元素组成的表。

cons(x, L)：将x加入到表L的最前面。

规则集：

r1: IF (A, B, C) and (first(A) < first(B)) THEN (tail(A), cons(first(A), B), C)

r2: IF (A, B, C) and (first(A) < first(C)) THEN (tail(A), B, cons(first(A), C))

r3: IF (A, B, C) and (first(B) < first(C)) THEN (A, tail(B), cons(first(B), C))

r4: IF (A, B, C) and (first(B) < first(A)) THEN (cons(first(B), A), tail(B), C)

r5: IF (A, B, C) and (first(C) < first(A)) THEN (cons(first(C), A), B, tail(C))

r6: IF (A, B, C) and (first(C) < first(B)) THEN (A, cons(first(C), B), tail(C))

(3)初始状态：（（1，2，...，N），（），（））

(4)结束状态：（（），（），（1，2，...，N））

问题的状态规模：每一个盘子都有三种选择：在A上、或者在B上、或者在C上，共N个

盘子，所以共有种可能。即问题的状态规模为。

2.14 解答：

(1)定义谓词G(x,y):x比y大，个体有张三（zhang）、李四（li），将这些个体带入谓词中，

得到G(zhang,li)和?G(zhang,li),根据语义用逻辑连接词将它们联结起来就得到表示上

述知识的谓词公式：G(zhang,li) ?G(zhang,li)。

(2) 定义谓词Marry(x,y):x和y结婚，Male(x):x是男的，Female(x)：x是女的。个体有

甲(A)、乙(B)，将这些个体带入谓词中，得到Marry(A,B)、Male(A)、Female(B)以及Male(A)、Female(B),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：

Marry(A,B) (Male(A)∧Female(B))∨(Male(B)∧Female(A))

(3) 定义谓词Honest(x):x是诚实的，Lying(x):x会说谎。个体有张三（zhang），将这些

个体带入谓词中，得到Honest(x)、?Lying(x)、Lying(zhang)、?Honest(zhang),根

据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：

?x(Honest(x) ?Lying(x)) (Lying(zhang)

Honest(zhang))

第三章问题求解方法

3.1答：深度优先搜索与广度优先搜索的区别在于：在对节点n进行扩展时，其后继节点在OPEN表中的存放位置不同。广度优先搜索是将后继节点放入OPEN表的末端，而深度优先搜索则是将后继节点放入OPEN表的前端。广度优先搜索是一种完备搜索，即只要问题有解就一定能够求出，而深度优先搜索是不完备搜索。

在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索；在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索。

广度优先的正例：积木问题；深度优先的正例：邮递员问题，反例：国际象棋。

3.2答：衡量标准为：这组子状态中有没有目标状态，如果有，则选择该节点并且搜索成功；若没有，则按照某种控制策略从已生成的状态中再选择一个状态作为当前状态重复搜索过程。

3.3答：(1)广度优先搜索：该程序必须找到解，并且最好是最优解；

(2)广度优先搜索：医生要根据病人的各种病状判断病人的病；

(3)深度优先搜索：该程序要求一定要找到目标路径；

(4)深度优先搜索：该程序要求找到最优解；

(5)广度优先搜索：不能确定它们是否等同，既不能确定它们是否有等同解。

3.4答：对于四皇后问题，如果放一个皇后的耗散值为1的话，则任何一个解的耗散值都是4。因此如果h是对该耗散值的估计，是没有意义的。对于像四皇后这样的问题，启发函数应该是对找到解的可能性的评价。利用一个位置放皇后后，消去的对角线的长度来进行评价。

3.5答：定义h1=M+C-2B，其中M，C分别是在河的左岸的传教士人数和野人人数。B＝1表示船在左岸，B＝0表示船在右岸。也可以定义h2=M+C。h1是满足A*条件的，而h2不满足。

要说明h2＝M+C不满足A*条件是很容易的，只需要给出一个反例就可以了。比如状态(1, 1, 1)，h2=M+C=1+1=2，而实际上只要一次摆渡就可以达到目标状态，其最优路径的耗散值为1。所以不满足A*的条件。

下面我们来证明h1＝M+C-2B是满足A*条件的。

我们分两种情况考虑。先考虑船在左岸的情况。如果不考虑限制条件，也就是说，船一次可以将三人从左岸运到右岸，然后再有一个人将船送回来。这样，船一个来回可以运过河2人，而船仍然在左岸。而最后剩下的三个人，则可以一次将他们全部从左岸运到右岸。所

以，在不考虑限制条件的情况下，也至少需要摆渡次。其中分子上的"－3"表示剩下三个留待最后一次运过去。除以"2"是因为一个来回可以运过去2人，需要

个来回，而"来回"数不能是小数，需要向上取整，这个用符号表示。而乘以

"2"是因为一个来回相当于两次摆渡，所以要乘以2。而最后的"＋1"，则表示将剩下的3个运过去，需要一次摆渡。

化简有：

再考虑船在右岸的情况。同样不考虑限制条件。船在右岸，需要一个人将船运到左岸。因此对于状态(M，C，0)来说，其所需要的最少摆渡数，相当于船在左岸时状态(M+1，C，1)或(M，C+1，1)所需要的最少摆渡数，再加上第一次将船从右岸送到左岸的一次摆渡数。因此所需要的最少摆渡数为：(M+C+1)-2+1 。其中(M+C+1)的"＋1"表示送船回到左岸的那个人，而最后边的"＋1"，表示送船到左岸时的一次摆渡。化简有：(M+C+1)-2+1=M+C。

综合船在左岸和船在右岸两种情况下，所需要的最少摆渡次数用一个式子表示为：

M+C-2B。其中B＝1表示船在左岸，B＝0表示船在右岸。由于该摆渡次数是在不考虑限制条件下，推出的最少所需要的摆渡次数。因此，当有限制条件时，最优的摆渡次数只能大于等于该摆渡次数。所以该启发函数h是满足A*条件的。

3.6答：在搜索期间改善h函数，是一种动态改变h函数的方法。像改进的A*算法中，对NEXT中的节点按g值的大小选择待扩展的节点，相当于令这些节点的h＝0，就是动态修改h函数的一种方法。

由定理2：若h(n)满足单调限制，则由A*所扩展的节点序列，其f值是非递减的，即

f(ni)≤f(nj)），当h满足单调条件时，A*所扩展的节点序列，其f是非递减的。对于任何节点i，j，如果j是i的子节点，则有f(i)≤f(j)。利用该性质，我们可以提出另一种动态修改h 函数的方法：f(j)=max(f(i), f(j))

以f(j)作为节点j的f值。f值的改变，隐含了h值的改变。当h不满足单调条件时，经过这样修正后的h具有一定的单调性质，可以减少重复节点的可能性。

3.7答：

像这种类型的问题，由于涉及到城市距离或旅行费用，所以利用代价树广度优先搜索求解。为此，首先必须将旅行交通图转换为代价树，转换方法为：从初始节点A开始，把与它直接相邻的节点作为他的后继节点，对其他节点也作同样的扩展，但若一个节点以作为某节点的前驱节点，则它就不能再作为该结点的后继结点。另外，图中节点除了初始节点A 之外，其它的节点都有可能在代价树中多次出现，为了区分它们的多次出现，分别用下标1,2…标出。但他们却是图中的同一个节点。设估价函数f(n)=d(n)+w(n)，其中d(n)为状态的深度，w(n)为城市间的距离。代价树如下所示：

ACEBDA

定义h1=n*k，其中n是还未走过的城市数，k是还未走过的城市间距离的最小值。h2＝，其中n是还未走过的城市数，ki是还未走过的城市间距离中n个最小的距离。显然这两个h函数均满足A*条件。

3.8答：可定义h为：h＝B右边的W的数目

设j节点是i节点的子节点，则根据走法不同，h(i)-h(j)的值和C(i, j)分为如下几种情况：（1）B或W走到了相邻的一个空格位置，此时：h(i)-h(j)=0, C(i,j)=1；

（2）W跳过了1或2个W，此时h(i)-h(j)=0, C(i,j)=1或2；

（3）W向右跳过了一个B（可能同时包含一个W），此时：h(i)-h(j)=-1, C(i,j)=1或2；（4）W向右跳过了两个B，此时：h(i)-h(j)=-2, C(i,j)=2；

（5）W向左跳过了一个B（可能同时包含一个W），此时：h(i)-h(j)=1, C(i,j)=1或2；（6）W向左跳过了两个B，此时：h(i)-h(j)=2, C(i,j)=2；

（7）B跳过了1或2个B，此时h(i)-h(j)=0, C(i,j)=1或2；

（8）B向右跳过了一个W（可能同时包含一个B），此时：h(i)-h(j)=1, C(i,j)=1或2；（9）B向右跳过了两个W，此时：h(i)-h(j)=2, C(i,j)=2；

（10）B向左跳过了一个W（可能同时包含一个B），此时：h(i)-h(j)=-1, C(i,j)=1或2；（11）B向左跳过了两个W，此时：h(i)-h(j)=-2, C(i,j)=2；

纵上所述，无论是哪一种情况，具有:h(i)-h(j)≤C(i,j)。且容易验证h(t)=0，所以该h是单调的。由于h满足单调条件，所以也一定有h(n)≤h*(n)，即满足A*条件。

3.9答：

(((),()),(),((),()))

((S,S),S,(S,S))

((A,A),A,(A,A))

((A),A,(A))

(S,A,S)

(A,A,A)

(A,A)

(A)

(1)

(4)

(3)

(2)

(2)

(3)

(3)

(4)

3.10答：

(1)余一棋的弈法如下：两棋手可以从5个钱币堆中轮流拿走一个、两个或三个钱币，拣起最后一个钱币者算输。试通过博弈证明，后走的选手必胜，并给出一个简单的特征标记来表示取胜策略。为了方便起见，用((AB)()())这样的表表示一个状态。这样得到搜索图如下：

(2)八数码问题 空格：Up,Left,Down,Right

3.11答：

(1)与/或图的解图：那些可解结点的子图，包含一结点到目的结点集的、连通的可解结点的子图。在问题的完整的隐含图中扩展生成出包含初始结点和目的结点集合的连通的明显子图。

(2)算法AO*：必须对当前已生成出的与或图中的所有结点实施其每解点是否为可解结点的标注过程，如果起始结点被标注为可解的，则搜索过程可成功地结束；如果起始结点还不能被标注为可解的，则应当继续扩展生成结点（尽可能地记录，所有生成的结点中，哪些结点被标注了可解的，以便减少下一次标注过程的工作量）；同样地，对不可解结点也同样如此。

利用结点的可解/不可解性质，能从搜索图中删去可解结点的任何不可解结点的子结点；同样地，能删去不可解结点的所有的子结点（搜索这些被删除的结点是没有意义的，而只会降低搜索的效率）。两个主要过程的反复：

自上而下的图生长过程，并通过跟踪有标记的连接符寻找一个候选局部解图

自下而上的估价函数值的修正、连接符的标记和SOLVED的标注过程

(3)

3.12答：此题要求按照课中例题的方式，给出算法，以下是每个循环结束时的搜索图。

上面这种做法比较简单，也可以如下做：

3.13答：略

3.14答：博弈搜索通常被限制在一定的范围，搜索的目标是确定一步好的走法（好棋），等对手回手后，再继续搜索。因此，博弈搜索过程总是由当前状态向目标状态搜索，而不是由目标状态向当前状态搜索。这类博弈的实例有西洋跳棋等。

3.15答：8—{（3，0，8）}—{（7，8，3）、（0，6）、（8，9）}—{（7,6）、（8,6,5）、

（2,3）、（0,-2）、（6,2）、（5,8）、（9,2）}

58（3，0，8）

69

8

3.16答：见上图

3.17答：略

3.18答：α－β剪裁算法.

α剪裁－若极小层的β<=α(先辈层)则中止这个MIN以下的搜索.

β剪裁－若极大层的α>β(先辈层)则中止这个MAX以下的搜索

算法如下：

double alphabeta( int depth, double alpha, double beta, Position p);

{/* alpha是MAX的当前值beta是MIN的当前值,depth 是在搜索树中的深度,p是所求结点的位置*/

double t;

if( depth=0 ) return evaluate(p); /* 如果P是叶结点,算出P的值*/

for( i=1; i <= w; i++ )

{ t = alphabeta( depth - 1, beta,alpha, pi );

if( t> alpha&&MAX)

{if(t> beta) return t; /*直接返回*/

else alpha = t;}

if( t

{if(t< beta) return t; /*直接返回*/

else alpha=t;}

}

return alpha;

}

3.19-3.22 答：略

第四章基本的推理技术

4.1答：

(1)推理：按照某种策略从已有事实和知识推出结论的过程。

(2)正向推理

正向推理（事实驱动推理）是由已知事实出发向结论方向的推理。

基本思想是：系统根据用户提供的初始事实，在知识库中搜索能与之匹配的规则即当前可用的规则，构成可适用的规则集RS，然后按某种冲突解决策略从RS中选择一条知识进行推理，并将推出的结论作为中间结果加入到数据库DB中作为下一步推理的事实，在此之后，再在知识库中选择可适用的知识进行推理，如此重复进行这一过程，直到得出最终结论或者知识库中没有可适用的知识为止。

正向推理简单、易实现，但目的性不强，效率低。需要用启发性知识解除冲突并控制中间结果的选取，其中包括必要的回溯。由于不能反推，系统的解释功能受到影响。

(3)反向推理

反向推理是以某个假设目标作为出发点的一种推理，又称为目标驱动推理或逆向推理。

反向推理的基本思想是：首先提出一个假设目标，然后由此出发，进一步寻找支持该假设的证据，若所需的证据都能找到，则该假设成立，推理成功；若无法找到支持该假设的所有证据，则说明此假设不成立，需要另作新的假设。

与正向推理相比，反向推理的主要优点是不必使用与目标无关的知识，目的性强，同时它还有利于向用户提供解释。反向推理的缺点是在选择初始目标时具有很大的盲目性，若假设不正确，就有可能要多次提出假设，影响了系统的效率。

反向推理比较适合结论单一或直接提出结论要求证实的系统。

(4)推理方式分类

?演绎推理、归纳推理、默认推理

?确定性推理、不精确推理

?单调推理、非单调推理

?启发式推理、非启发式推理

4.2答：

(1) 在推理过程中，系统要不断地用数据库中的事实与知识库中的规则进行匹配，当有一个以上规则的条件部分和当前数据库相匹配时，就需要有一种策略来决定首先使用哪一条规则，这就是冲突解决策略。冲突解决策略实际上就是确定规则的启用顺序。

(2) 冲突解决策略：专一性排序、规则排序、数据排序、就近排序、上下文限制、按匹配度排序、按条件个数排序

4.3答：归结反演就是利用归结和反演实现定理的证明。具体过程如下：

(1) 将定理证明的前提谓词公式转化为子句集F。

(2) 将求证的目标表示成合适的谓词公式G（目标公式）。

(3) 将目标公式的否定式?G转化成子句的形式，并加入到子句集F中，得到子句集S。

(4) 应用归结原理对子句集S中的子句进行归结，并把每次归结得到的归结式都并入S 中。如此反复进行，若归结得到一个空子句NIL，则停止归结，证明了G为真。

4.4答：略

4.5答：

（1）(x) (y) [P(x,y)→Q(x,y)]=(x) (y) [~P(x,y)∨Q(x,y)]={~P(x,y)∨Q(x,y)}

子句集为~P(x,y)∨Q(x,y)

（2）(x)(?y)[P(x,y)∨Q(x,y)→R(x,y)]=(x) )(?y) [~P(x,y)∧~Q(x,y)∨R(x,y)]={~P(x)∨P(x)}

=(x)[~P(x,f(x))∧~Q(x, f(x))∨R(x, f(x))]= ~P(x,f(x))∧~Q(x, f(x))∨R(x, f(x))=

[~P(x,f(x))∨R(x, f(x))]∧[~Q(x, f(x))∨R(x, f(x))]= [~P(x,f(x))∨R(x, f(x))]∧[~Q(y, f(y))∨R(y, f(y))]

子句集为~P(x,f(x))∨R(x, f(x))和~Q(y, f(y))∨R(y, f(y))

（3）(x){(y)P(x,y)→~ (y)[Q(x,y) →R(x,y)]}=(x) ){(?y) ~P(x,y)∨~ (y)[Q(x,y)

→R(x,y)]}= (x) [(?y) ~P(x,y)∨(?y)[~Q(x,y)∨R(x,y)]= (x) [~P(x,f(x))∨[~Q(x, f(x))∨R(x,

f(x))]= ~P(x,f(x))∨~Q(x, f(x))∨R(x, f(x))

子句集为~P(x,f(x))∨~Q(x, f(x))∨R(x, f(x))

4.6答：

(1)

(2){A/x, A/y, A/z, A/w, A/u}

(3)

4.7答：

（1）（?x）{[P（x）→P（A）]∧[P（x）→P（B）]}

目标取反化子句集：

~（?x）{[P（x）→P（A）]∧[P（x）→P（B）]}

~（?x）{[~P（x）∨P（A）]∧[~P（x）∨P（B）]}

（x）{[P（x）∧~P（A）]∨[P（x）∧~P（B）]}

（x）{[P（x）∧~P（A）]∨P（x）}∧{[P（x）∧~P（A）]∨~P（B）}}

（x）{P（x）∧[~P（A）∨P（x）]∧[P（x）∨~P（B）]∧[~P（A）∨~P（B）]} P（x）∧[~P（A）∨P（x）]∧[P（x）∨~P（B）]∧[~P（A）∨~P（B）]

得子句集：

1, P(x1)

2, ~P(A)∨P{x2}

3, P(x3)∨~P(B)

4, ~P(A)∨~P(B)

（2）（x）{P（x）∧[Q（A）∨Q（B）]}→（x）[P（x）∧Q（x）]

目标取反化子句集：

~{(x){P(x)∧[Q(A)∨Q(B)]}→(x)[P(x)∧Q(x)]}

~{~{(x)P(x)∧[Q(A)∨Q(B)]}∨(x)[P(x)∧Q(x)]}

{(x)P(x)∧[Q(A)∨Q(B)]}∧(x)[~P(x)∨~Q(x)]}

{(x)P(x)∧[Q(A)∨Q(B)]}∧(y)[~P(y)∨~Q(y)]}

(x)(y){P(x)∧[Q(A)∨Q(B)]∧[~P(y)∨~Q(y)]}

P(x)∧[Q(A)∨Q(B)]∧[~P(y)∨~Q(y)]

得子句集：

1，P(x)

2，Q(A)∨Q(B)

3，~P(y)∨~Q(y)

4.8答：

4.9答：

答：我们用Skier(x)表示x是滑雪运动员，Alpinist(x)表示x是登山运动员，Alpine(x)表示x 是Alpine俱乐部的成员。

问题用谓词公式表示如下：

已知：

(1) Alpine(Tony)

(2) Alpine(Mike)

(3) Alpine(John)

(4) (x){Alpine(x)→[Skier(x)∨Alpinist(x)]}

(5) (x){Alpinist(x)→~Like(x, Rain)}

(6) (x){~Like(x, Snow)→~ Skier(x)}

(7) (x){Like(Tony, x)→~Like(Mike, x)}

(8) (x){~Like(Tony, x)→Like(Mike, x)}

(9) Like(Tony, Snow)

(10) Like(Tony, Rain)

目标：(?x){Alpine(x)∧Alpinist(x)∧~Skier(x)}

化子句集：

(1) Alpine(Tony)

(2) Alpine(Mike)

(3) Alpine(John)

(4)(x){Alpine(x)→[Skier(x)∨Alpinist(x)]} = (x){~Alpine(x)∨[Skier(x)∨Alpinist(x)]}

=>~Alpine(x)∨Skier(x)∨Alpinist(x)

(5) (x){Alpinist(x)→~Like(x, Rain)} = (x){~Alpinist(x)∨~Like(x, Rain)} =>~Alpinist(x)∨~Like(x, Rain)

(6) (x){~Like(x, Snow)→~ Skier(x)} = (x){Like(x, Snow)∨~ Skier(x)} => Like(x, Snow)∨~ Skier(x)

(7)(x){Like(Tony, x)→~Like(Mike, x)} = (x){~Like(Tony, x)∨~Like(Mike, x)} =>~Like(Tony, x)∨~Like(Mike, x)

(8) (x){~Like(Tony, x)→Like(Mike, x)} = (x){Like(Tony, x)∨Like(Mike, x)} => Like(Tony, x)∨Like(Mike, x)

(9) Like(Tony, Snow) (10) Like(Tony, Rain)

目标取反：

~(?x){Alpine(x)∧Alpinist(x)∧~Skier(x)}

= (x){~Alpine(x)∨~Alpinist(x)∨Skier(x)}

=>~Alpine(x)∨~Alpinist(x)∨Skier(x)

经变量换名后，得到子句集：

{Alpine(Tony), Alpine(Mike), Alpine(John), ~Alpine(x1)∨Skier(x1)∨Alpinist(x1), ~Alpinist(x2)∨~Like(x2, Rain), Like(x3, Snow)∨~ Skier(x3), ~Like(Tony, x4)∨~Like(Mike, x4), Like(Tony, x5)∨Like(Mike, x5), Like(Tony, Snow), Like(Tony, Rain), ~Alpine(x)∨~Alpinist(x)∨Skier(x)} 归结树如下：

4.10答：基于规则的演绎推理可分为正向演绎推理、反向演绎推理和正反向混合演绎推理。

在正向演绎推理中，作为F规则用的蕴含式对事实的总数据库进行操作运算，直至得到该目标公式的一个终止条件为止。事实目标公式

在反向演绎推理中，作为B规则用的蕴含式对目标的总数据库进行操作运算，直至得到包含这些事实的终止条件为止。目标公式事实

4.11答：

第五章不精确推理

5.1答：不精确推理是建立在非经典逻辑

．．．．．基础上的一种推理，是基于不确定性知识的推理。不精确推理就是从不确定性的初始事实（证据）出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性却是合理或者近乎合理的结论的思维过程。

在不精确推理中，知识和证据都具有不确定性，这为推理机的设计与实现增加了复杂度和难度。它除了必须解决推理方向、推理方法和控制策略等基本问题外，一般还需要解决不确定性的表示、不确定性的匹配和不确定性的更新算法等问题。

5.2答：有明确定义但不一定出现的事件中包含的不确定性称为随机性，他不因人的主观意思变化，由事物本身的因果律决定。不精确推理就是表示和处理随机性的推理方法。

5.3答：

(1)当有一个证据E1时，根据Bayes 公式，可得

)|(1|E H P = =0.4*0.5/（0.4*0.5+0.3*0.3+0.3*0.5）=0.2/0.44=0.45

同理可得：)|(2|E H P =0.09/0.44=0.20 )|(3|E H P =0.15/0.44=0.34

这说明，由于证据E1的出现，H1和H3成立的可能性有所增加，而H2成立的可能性有所下降。

(2)当证据E1、E2同时出现时，根据多证据情况下的Bayes 公式，可得

=)|(2|1E E H P =0.14/（0.14+0.162+0.009）=0.59

同理可得：=)|(2|2E E H P 0.34 =)|(2|3E E H P 0.064

这说明，由于证据E1和E2的出现，H1和H2成立的可能性有不同程度的增加，而H3成立的可能性则有了较大幅度的下降。

5.4答：

① LS

LS 为规则的充分性量度，它反映E 的出现对H 的支持程度。当LS=1时，O (H|E)= O(H)，说明E 对H 没有影响；当LS>1时，O(H|E)>O(H)，说明E 支持H ，且LS 越大，E 对H 的支持越充分，若LS 为∞，则E 为真时H 就为真；当LS<1时，O(H|E)

② LN

LN 为规则的必要性量度，它反映?E 对H 的支持程度，即E 的出现对H 的必要性。当LN=1时，O(H|?E)=O(H)，说明?E 对H 没有影响；当LN>1时，O(H|?E)>O(H)，说明?E 支持H ，且LN 越大，?E 对H 的支持越充分，若LN 为∞，则?E 为真时H 就为真；当LN<1时，O(H|?E)

③ LS 和LN 的关系

由于E 和?E 不会同时支持或排斥H ，所以只有以下三种情况存在： 情形1：LS>1且LN<1 情形2：LS<1且LN>1 情形3：LS=LN=1

5.5答：

5.6答：根据经验对一个事物或现象为真的相信程度称为可信度。

)

|()()|()()|()()

|()(3132121|1111H E P H P H E P H P H E P H P H E P H P ++???)

()|()|()()|()|()()|()|()

()|()|(33231222211121|1121|H P H E P H E P H P H E P H E P H P H E P H E P H P H E P H E P ??+??+????

规则的一般形式为：IF E THEN H （CF(H, E)）。其中，CF(H,E)是该规则的可信度，称为可信度因子或规则强度。CF(H, E)在[-1，1]上取值，它表示在已知证据E的情况下对假设H为真的支持程度。

CF(H, E)定义如下：CF(H,E)= MB(H,E)－MD(H,E)。其中，MB（Measure Belief）称为信任增长度，表示因证据E的出现而增加对假设H为真的信任增加程度[MB(H, E)>0 P(H|E)>P(H)]；MD（Measure Disbelief）称为不信任增长度，表示因证据E的出现对假设H 为假的信任减少的程度[MD(H, E)>0 P(H|E)

5.7答：

（1）求证据E3、E4逻辑组合的可信度

CF(E3 AND E4)=min{CF(E3),CF(E4)}=min{0.5,09}=0.8

(2）根据规则R3求CF(E1)

CF(E1)=0.9×max{0, CF(E3 AND E4)}=0.9×0.8=0.72

（3）求证据E6、E7逻辑组合的可信度

CF(E6 OR E7)=max{CF(E6),CF(E7)}=max{0.1,0.5}=0.5

（4）根据规则R5求CF1(E2)

CF1(E2)=-0.3×max{0, CF(E6 OR E7)}=-0.3×0. 5=-0.15

（5）根据规则R4求CF2(E2)

CF2(E2)=0.7×max{0, CF(E5)}=0.7×0. 8=-0.56

（6）根据规则R5求CF1(E2)

CF1(E2)=-0.3×max{0, CF(E6 OR E7)}=-0.3×0. 5=-0.15

（7）组合由独立证据导出的假设E2的可信度CF1(E2)、CF2(E2)，得到E2的综合可信度CF(E2)

CF(E2)=CF1(H)+CF2(H)=0.56-0.15=0.41

（8）根据规则R1求CF1(H1)

CF1(H1)=0.8×max{0, CF(E1)}=0.8×0. 72=-0.576

（8）根据规则R2求CF2(H1)

CF2(H1)=0.9×max{0, CF(E2)}=0.9×0. 41=-0.369

（9）组合由独立证据导出的假设H1的可信度CF1(H1)、CF2(H1)，得到H1的综合可信度CF(H1) CF(H)=CF1(H)+CF2(H)-CF1(H)·CF2(H)=0.576+0.369-0.576×0.369=0.723

5.8答：已经出现但难以给出精确定义的事件中包含的不确定性称为模糊性，是由事物的概念界限模糊和人的主观推理与判断产生的。而有明确定义但不一定出现的事件中包含的不确定性称为随机性，他不因人的主观意思变化，由事物本身的因果律决定。不精确推理就是表示和处理随机性的推理方法。两者之间有着本质的区别。

5.9答：B A ?=0.5/x1+0.65/x2+0.8/x3+0.9/x4+0.7/x5； B A ?=0.85/x1+0.7/x2+0.9/x3+0.98/x4+0.77/x5；

A ?=0.15/x1+0.3/x2+0.1/x3+0.1/x4+0.3/x5。

5.10答：

=????

???

???4.05.04.07.04.07.0

5.11答：模糊推理实质上是在模糊集合上进行操作。在同一论域中，证据的“与”、“或”、“非”运算通常可以对应于模糊集的交、并、求补操作；不同论域中的逻辑运算一般需拓广至笛卡尔意义下的相应操作。逻辑推理是通过逻辑蕴含实现的。

设U 和V 为两个论域，A 是U 上的模糊子集，B 是V 上的模糊子集，则规则

IF A THEN B

可以定义为U ×V 上的一个模糊关系： 或等价表示成：

第六章 PROLOG 语言

6.3答：（1）目标不成功 （2）目标不成功

（3）目标成功，x,y,z 被例化为x1,y1,z1 （4）目标不成功 （5）目标不成功

6.4答：poglog 规则

Is_mother(x):_mother(x,y) Is_father(x):_father(x,y)

Is_son(x):_father(y,x),male(x)

Grandpa(x,y):_father(x,y1),father(y1,y)

Sibling(x,y):_diff(x,y),mother(z1,x),mother(z1,y),father(z2,x), father(z2,y),parent(x,y)

B A )

()(V A B A ??? )

,/())(1)),(),(max(min(y x x y x B A V U A B A ?

?-=→μμμ

人工智能练习题答案

1、什么是人工智能？人工智能有哪些研究领域？何时创建该学科，创始人是谁？ （1）AI（Artificial Intelligence）是利用计算机技术、传感器技术、自动控制技术、仿生技术、电子技术以及其他技术仿制人类智能机制的学科（或技术），再具体地讲就是利用这些技术仿制出一些具有人类智慧（能）特点的机器或系统 （2）人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定力证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等（3）人工智能于1956年夏季，由麦卡锡，明斯基、洛切斯特、香农等发起创建 2、产生式系统的由哪三部分组成？各部分的功能是什么？ 课本29页 （1）产生式系统由综合数据库、产生式规则和控制系统三部分组成 （2）综合数据库用于存放当前信息，包括初始事实和中间结果； 产生式规则用于存放相关知识； 控制系统用于规则的解释或执行程序。 3、设有三枚硬币，其初始状态为（反，正，反），允许每次翻转一个硬币（只翻一个硬币，必须翻一个硬币）。必须连翻三次。用知识的状态空间表示法求出到达状态（反，反，反）的通路。画出状态空间图。 课本51页 问题求解过程如下： （1）构建状态 用数组表示的话，显然每一硬币需占一维空间，则用三维数组状态变量表示这个知识：Q=（q1 , q2 , q3） 取q=0 表示钱币的正面; q=1 表示钱币的反面 构成的问题状态空间显然为： Q0=（0，0，0），Q1=（0，0，1），Q2=（0，1，0）, Q3=（0，1，1）， Q4=（1，0，0），Q5=（1，0，1），Q6=（1，1，0），Q7=（1，1，1） （2）引入操作 f1：把q1翻一面。 f2：把q2翻一面。 f3：把q3翻一面。 显然：F={f1，f2，f3} 目标状态：（找到的答案）Qg=（0，0，0）或（1，1，1） （3）画出状态图

慧编程人工智能教程系列之一：小熊猫变身Dr.Know

慧编程人工智能教程系列之一：小熊猫变身Dr.Know 著名导演史蒂文·斯皮尔伯格曾经拍过一部《人工智能》的电影。这部电影在当时引起了很大的轰动，其中的Dr.Know（万事通博士）更是给观众留下了深刻的印象。 这位Dr.Know可以说是博学多闻、无所不知。你可以问他任何问题，他都能给你答案。 （图片来自网络） 你有没有发现？这部科幻电影里的Dr.Know很像我们现在手机上用的智能语音助手，通过“语音交互”，它能跟你进行日常的对话，给你想要的信息，甚至完成你想要做的一些事情。今天，让我们一起来更全面地了解和使用慧编程的“语音交互”功能吧~ （图片来自网络） No.1 语音交互的原理 想实现语音交互，需要经历至少以下四个步骤： 语音识别：将麦克风采集到的人声转化为文字。 自然语义理解：将输入的文字，按照句法、词法结构，分解成有意义的特定词组。 自然语言生成：由计算机将各种词组拼接成能具有意义的句子 童心制物（Makeblock）面向学校、教培机构、家庭的STEAM 教育场景 和娱乐场景，提供齐全的机器人硬件、编程软件，输出优质的教学内容， 并打造国际化的青少年机器人赛事。

童心制物（Makeblock ）面向学校、教培机构、家庭的 STEAM 教育场景 和娱乐场景，提供齐全的机器人硬件、编程软件，输出优质的教学内容， 并打造国际化的青少年机器人赛事。 语音合成：将文字合成声音并播放出来，并尽可能地模仿人类自然说话的语音、语速、语调、音量等，给人以交谈的感觉。 No.2 语音交互的应用 语音交互目前最广泛的应用是语音助手和语音机器人，比如苹果Siri 、亚马逊Echo 、微软小冰、三星Bixby 、天猫精灵、小度音箱等，它们不仅能够在一定程度上准确地识别语义，还可以与人进行即时问答，帮助用户解决打电话、发短信、订外卖、设置事件提醒等实际问题。 No.3 添加语音交互积木 1）打开慧编程（PC 端或Web 端都可以），在“角色”下，单击积木区最下方的“添加扩展+” 2）在弹出的“扩展中心”页面，选择“人工智能服务”扩展，点击“+添加”

人工智能习题答案

1 ．设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。答：定义谓词： MAN（X）：X是人， LIKE（X，Y）：X喜欢Y ((?X)(MAN(X)∧LIKE(X, 梅花)) ∧ ((?Y)(MAN(Y)∧LIKE(Y,菊花))∧ ((?Z)(MAN(Z)∧(LIKE(Z,梅花) ∧LIKE(Z,菊花)) （2）他每天下午都去打篮球。 答：定义谓词：TIME(X):X是下午 PLAY(X,Y):X去打Y （?X）TIME(X) PLAY(他,篮球) （3）并不是每一个人都喜欢吃臭豆腐。 定义谓词：MAN（X）：X是人 LIKE（X，Y）：X喜欢吃Y ┐（（?X）MAN（X） LIKE（X，CHOUDOUFU）） 2 ．请对下列命题分别写出它的语义网络： （1）钱老师从 6 月至 8 月给会计班讲《市场经济学》课程。 （2）张三是大发电脑公司的经理，他 35 岁，住在飞天胡同 68 号。

（3）甲队与乙队进行蓝球比赛，最后以 89 ： 102 的比分结束。 3. 框架表示法 一般来讲，教师的工作态度是认真的，但行为举止有些随便，自动化系教师一般来讲性格内向，喜欢操作计算机。方园是自动化系教师，他性格内向，但工作不刻苦。试用框架写出上述知识，并求出方圆的兴趣和举止？ 答： 框架名：<教师> 继承：<职业> 态度：认真 举止：随便 框架名：<自动化系教师>

继承：<教师> 性格：内向 兴趣：操作计算机框架名：<方园> 继承：<自动化系教师> 性格：内向 态度：不刻苦 兴趣：操作计算机 举止：随便 4. 剧本表示法 作为一个电影观众，请你编写一个去电影院看电影的剧本。 答： (1) 开场条件 (a) 顾客想看电影 (b) 顾客在足够的钱 (2) 角色 顾客，售票员，检票员，放映员 (3) 道具 钱，电影票 （4) 场景 场景1 购票 1. 顾客来到售票处 2. 售票员把票给顾客 3. 顾客把钱给售票员 4. 顾客走向电影院门 场景2 检票 1. 顾客把电影票给检票员 2. 检票员检票 3. 检票员把电影票还给顾客 4. 顾客进入电影院 场景3 等待 1. 顾客找到自己的座位 2. 顾客坐在自己座位一等待电影开始 场景4 观看电影 1. 放映员播放电影 2. 顾客观看电影

人工智能开发教程有哪些

人工智能开发教程有哪些 就像大多数软件应用程序的开发一样，开发人员也在使用多种语言来编写人工智能项目，但是现在还没有任何一种完美的编程语言，是可以完全速配人工智能项目的。不过，大家公认的人工智能首选语言是Python，看看教程吧。 python全新基础视频教程 https://https://www.doczj.com/doc/241332665.html,/s/1i5kvG5f python课程教学高手晋级视频h ttps://https://www.doczj.com/doc/241332665.html,/s/1htJW4KG python高级视频教程https://https://www.doczj.com/doc/241332665.html,/s/1nvf3NOt Python的优点： 有丰富多样的库和工具； 支持算法测试，而无需实现它们； Python的面向对象设计提高了程序员的生产力； 与Java和C ++相比，Python的开发速度更快。 Python的缺点： 习惯使用Python来编写人工智能程序的程序员很难适应其它语言的语法； 与c++和Java不同的是，Python需要在解释器的帮助下工作，这就会拖

慢在AI开发中的编译和执行速度； 不适合移动计算。 看完Python教程，也了解了Python语言优缺点的你，大概也还是很想了解人工智能目前的发展状况吧？毕竟，只有人工智能发展好了，我们未来在人工智能这个领域中，也才能得到更好的发展。 人工智能在不久的将来，或者在未来几年，一定会得到质的提升。人工智能得到了全球从学术界到应用领域的高度重视，所以现在正是学习人工智能的黄金时期！在人工智能人才呈现巨大缺口的市场下，企业给予人才的薪酬普遍高于全国平均薪酬。 从目前的情况来看，企业就算给出高薪也很难找到合适的人工智能人才。要想拿到更高的薪资，要想过上更好的生活，那你就不得不选择千锋人工智能开发培训学校了： 经过前期企业调研，将潮流技术完美融入人工智能开发课程体系，实用性强，不掺杂无用讲解，只为给学员极致的教学体验。 而且课程优势突出，注重理论更重实践，融入多家名企案例，结合项目真实

人工智能教程张仰森部分习题答案

1.什么是人类智能？它有哪些特征或特点？定义：人类所具有的智力和行为能力。特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956 年夏季在美国Dartmouth 大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能有哪些主要研究领域？解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 5.人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 6.什么是以符号处理为核心的方法？它有什么特征？解：通过符号处理来模拟人类求解问题的心理过程。特征：基于数学逻辑对知识进行表示和推理。 7.什么是以网络连接为主的连接机制方法？它有什么特征？解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。特征：研究神经网络。 8.人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期( 1956 年以前)；第二阶段：人工智能基础技术的研究和形成( 1956~1970 年)；第三阶段：发展和实用化阶段( 1971~1980 年)；第四阶段：知识工程和专家系统( 1980 年至今)。 9.人工智能研究的基本内容有哪些？解：知识的获取、表示和使用。 10.人工智能的近期发展趋势有哪些？解：专家系统、机器人学、人工神经网络和智能检索。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：( 1)定义谓词及个体，确定每个谓词及个体的确切含义； (2)根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值； (3)根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： (1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。解：定义谓词如下： Like(x,y) ：x 喜欢y 。Club(x) ：x 是梅花。 Human(x) ：x 是人。Mum(x) ：x 是菊花。 “有的人喜欢梅花”可表达为：( x)(Human(x) Like(x,Club(x))) “有的人喜欢菊花”可表达为：( x)(Human(x) Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为： ( x)(Human(x) Like(x,Club(x)) Like(x,Mum(x))) (1)他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x) ：x 玩足球。Day(x) ：x 是某一天。则语句可表达为：( x)(D(x) PlayFootball(Ta)) (2)太原市的夏天既干燥又炎热。 解：定义谓词如下： Summer(x) ：x 的夏天。Dry(x) ：x 是干燥的。Hot(x) ：x 是炎热的。则语句可表达为：Dry(Summer(Taiyuan)) Hot(Summer(Taiyuan)) (3)所有人都有饭吃。 解：定义谓词如下：Human(x) ：x 是人。Eat(x) ：x 有饭吃。 则语句可表达为：( x)(Human(x) Eat(x)) (4)喜欢玩篮球的人必喜欢玩排球。 解：定义谓词如下：Like(x,y) ：x 喜欢y。Human(x) ：x 是人。 则语句可表达为：( x)((Human(x) Like(x,basketball)) Like(x,volleyball)) (5)要想出国留学，必须通过外语考试。 解：定义谓词如下： Abroad(x) ：x 出国留学。Pass(x) ：x 通过外语考试。 则语句可表达为：Abroad(x) Pass(x) 、 猴子问题： 2.7解：根据谓词知识表示的步骤求解问题如下： 解法一： (1)本问题涉及的常量定义为： 猴子：Monkey,箱子：Box，香蕉：Banana,位置：a, b, c (2)定义谓词如下： SITE(x , y) ：表示x 在y 处； HANG(x , y) ：表示x 悬挂在y 处；

人工智能复习题(答案)

一：单选题 1. 人工智能的目的是让机器能够（D），以实现某些脑力劳动的机械化。 A. 具有完全的智能 B. 和人脑一样考虑问题 C. 完全代替人 D. 模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（C）。 A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B. 人工智能是科学技术发展的趋势。 C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目标。 A. 理解别人讲的话。 B. 对自然语言表示的信息进行分析概括或编辑。 C. 欣赏音乐。 D. 机器翻译。 4. 下列不是知识表示法的是（A）。 A. 计算机表示法 B. 谓词表示法 C. 框架表示法 D. 产生式规则表示法 5. 关于“与/或”图表示知识的叙述，错误的有（D）。 A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。 B. “与/或”图表示知识时一定同时有“与结点”和“或结点”。 C. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲，下列语言属于人工智能语言的是（D）。 A. VJ B. C# C. Foxpro D. LISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C）的过程。 A. 思考 B. 回溯 C. 推理 D. 递归 8. 确定性知识是指（A）知识。 A. 可以精确表示的 B. 正确的 C. 在大学中学到的知识 D. 能够解决问题的 9. 下列关于不精确推理过程的叙述错误的是（B）。 A. 不精确推理过程是从不确定的事实出发 B. 不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论 10. 我国学者吴文俊院士在人工智能的（A）领域作出了贡献。 A. 机器证明 B. 模式识别 C. 人工神经网络 D. 智能代理

人工智能(部分习题答案)教程文件

1. 什么是人类智能？它有哪些特征或特点？定义：人类所具有的智力和行为能力。特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2. 人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956 年夏季在美国Dartmouth 大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3. 什么是人工智能？它的研究目标是？定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4. 人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期( 1956 年以前)；第二阶段：人工智能基础技术的研究和形成( 1956~1970 年)；第 三阶段：发展和实用化阶段( 1971~1980 年)；第四阶段：知识工程和专家系统( 1980 年至今)。 5. 人工智能研究的基本内容有哪些？解：知识的获取、表示和使用。 6. 人工智能有哪些主要研究领域？解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7. 人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8. 人工智能的近期发展趋势有哪些？解：专家系统、机器人学、人工神经网络和智能检索。 9. 什么是以符号处理为核心的方法？它有什么特征？解：通过符号处理来模拟人类求解问题的心理过程。特征：基于数学逻辑对知识进行表示和推理。 11. 什么是以网络连接为主的连接机制方法？它有什么特征？解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。特征：研究神经网络。 1. 请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：( 1)定义谓词及个体，确定每个谓词及个体的确切含义；(2)根据所要表达的事物或概念，为每个 谓词中的变元赋予特定的值； (3)根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2. 设有下列语句，请用相应的谓词公式把它们表示出来： (1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。解：定义谓词如下： Like(x,y) ：x 喜欢y 。Club(x) ：x 是梅花。 Human(x) ：x 是人。Mum(x) ：x 是菊花。 “有的人喜欢梅花”可表达为：( x)(Human(x) Like(x,Club(x))) “有的人喜欢菊花”可表达为：( x)(Human(x) Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为： ( x)(Human(x) Like(x,Club(x)) Like(x,Mum(x))) (1)他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x) ：x 玩足球。Day(x) ：x 是某一天。则语句可表达为：( x)(D(x) PlayFootball(Ta)) (2)太原市的夏天既干燥又炎热。 解：定义谓词如下： Summer(x) ：x 的夏天。Dry(x) ：x 是干燥的。Hot(x) ：x 是炎热的。则语句可表达为：Dry(Summer(Taiyuan)) Hot(Summer(Taiyuan)) (3)所有人都有饭吃。 解：定义谓词如下： Human(x) ：x 是人。Eat(x) ：x 有饭吃。则语句可表达为：( x)(Human(x) Eat(x)) (4)喜欢玩篮球的人必喜欢玩排球。 解：定义谓词如下： Like(x,y) ：x 喜欢y。Human(x) ：x 是人。 则语句可表达为：( x)((Human(x) Like(x,basketball)) Like(x,volleyball)) (5)要想出国留学，必须通过外语考试。 解：定义谓词如下： Abroad(x) ：x 出国留学。Pass(x) ：x 通过外语考试。则语句可表达为：Abroad(x) Pass(x)

人工智能视频教程全集

人工智能视频教程全集 人工智能目前在计算机领域内，得到了重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用：机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统等。人工智能视频教程全集分享给大家。 千锋python课程教学高手晋级视频总目录 https://https://www.doczj.com/doc/241332665.html,/s/1htJW4KG python课程windows知识点https://https://www.doczj.com/doc/241332665.html,/s/1eSXr7JO python课程linux知识点https://https://www.doczj.com/doc/241332665.html,/s/1mkoW2Ac python课程web知识点：https://www.doczj.com/doc/241332665.html,/s/1jIMdU2i python课程机器学习https://https://www.doczj.com/doc/241332665.html,/s/1eUaV8iA 只要你认真，哪怕你是还没毕业的大学生，或者是初入职场的工程师，都可以通过自学的方式掌握机器学习科学家的基础技能，并在论文、工作甚至日常生活中快速应用。当然，前提是你有足够的自制力。 人工智能(Artificial Intelligence)是研究解释和模拟人类智能、智能行为及

其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。 AI作为计算机科学的一个重要分支和计算机应用的一个广阔的新领域，它同原子能技术，空间技术一起被称为20世纪三大尖端科技。 如果你没有足够的自制力，建议你还是选择参加人工智能培训。因为只有系统完善的人工智能课程，才能让你未来的人工智能之路走得更平坦、更顺畅。否则，如果半途而废就非常可惜了。 在人工智能培训越来越流行的今天，各种机构如雨后春笋般层出不穷。不同培训机构之间的水平不一致，质量参差不齐。所以我们需要擦亮双眼，甄别相关机构的权威性和专业性，这样才能在入学前，就保证自己获得了正确的指导，并走向正确的道路，让自己的人生，赢在起跑线上。 千锋人工智能讲师呵护陪伴学员，早晨8点到晚上10点，讲师全天在班；8年来，我们坚持纯面授教学，保证学员的学习质量；免费为学员提供学习使用的电脑以及开发服务器，讲师全部是具有多年实战开发经验的研发精英、技术骨

人工智能复习题及答案84329

黑龙江大学计算机科学技术学院 1.智能 智能是一种认识客观事物和运用知识解决问题的综合能力。 2.什么叫知识？ 知识是人们在改造客观世界的实践中积累起来的认识和经验 3.确定性推理 指推理所使用的知识和推出的结论都是可以精确表示的，其真值要么为真、要么为假。 4.推理 推理是指按照某种策略从已知事实出发利用知识推出所需结论的过程。 5.不确定性推理 指推理所使用的知识和推出的结论可以是不确定的。所谓不确定性是对非精确性、模糊型和非完备性的统称。 6.人工智能 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能 7.搜索 是指为了达到某一目标，不断寻找推理线路，以引导和控制推理，使问题得以解决的过程。 8.规划 是指从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程的描述。 9.机器感知 就是要让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉 10.模式识别 是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。11.机器行为 就是让计算机能够具有像人那样地行动和表达能力，如走、跑、拿、说、唱、写画等。 12.知识表示 是对知识的描述，即用一组符号把知识编码成计算机可以接受的某种结构。 13.事实 是断言一个语言变量的值或断言多个语言变量之间关系的陈述句 14.综合数据库 存放求解问题的各种当前信息 15.规则库 用于存放与求解问题有关的所有规则的集合 16.人工智能有哪些应用？ 17.人工智能的研究目标 远期目标 揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能 涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展 近期目标 研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。

人工智能(部分习题答案)..

1.什么是人类智能？它有哪些特征或特点？ 定义：人类所具有的智力和行为能力。 特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？ 解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？ 定义：用机器模拟人类智能。 研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段？ 解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本内容有哪些？ 解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域？ 解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些？ 解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法？它有什么特征？ 解：通过符号处理来模拟人类求解问题的心理过程。 特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法？它有什么特征？ 解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。 特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)∧Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Club(x))∧ Like(x,Mum(x))) （1）他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。 则语句可表达为：(?x)(D(x)→PlayFootball(Ta)) （2）太原市的夏天既干燥又炎热。 解：定义谓词如下： Summer(x)：x的夏天。 Dry(x)：x是干燥的。 Hot(x)：x是炎热的。 则语句可表达为：Dry(Summer(Taiyuan))∧Hot(Summer(Taiyuan)) （3）所有人都有饭吃。

人工智能习题答案-第2章-知识表示方法

第二章知识表示方法 2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点? 2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去? 用S i(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况： 1. nC=0 2. nC=3 3. nC=nY>=0 (当nC不等于0或3) 用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。当i为偶数时，dC,dY同时为非负数，表示船驶向对岸，i为奇数时，dC, dY同时为非正数，表示船驶回岸边。 初始状态为S0(0, 0)，目标状态为S0(3, 3)，用深度优先搜索的方法可寻找渡河方案。 在此，用图求法该问题，令横坐标为nY, 纵坐标为nC，可行状态为空心点表示，每次可以在格子上，沿对角线移动一格，也可以沿坐标轴方向移动1格，或沿坐标轴方向移动2格。第奇数次数状态转移，沿右方，上方，或右上方移动，第偶数次数状态转移，沿左方，下方，或左下方移动。

从(0,0)开始，依次沿箭头方向改变状态，经过11步之后，即可以到达目标状态(3,3)，相应的渡河方案为： d1(1,1)--→d2(-1,0)--→d3(0,2)--→d4(0,-1)--→d5(2,0)--→d6(-1,-1)--→d7(2,0)--→d8(0,-1)--→d9(0,2)--→d10(-1,0)--→d11(1,1) 2-3 利用图2.3，用状态空间法规划一个最短的旅行路程：此旅程从城市A 开始，访问其他城市不多于一次，并返回A 。选择一个状态表示，表示出所求得的状态空间的节点及弧线，标出适当的代价，并指明图中从起始节点到目标节点的最佳路径。 2-4 试说明怎样把一棵与或解树用来表达图2.28所示的电网络阻抗的计算。单独的R 、L 或C 可分别用R 、j ωL 或1/j ωC 来计算，这个事实用作本原问题。后继算符应以复合并联和串联阻抗的规则为基础。 7 10 7 10 13 9 6 6 5 10 B E D A C 图 2.3

人工智能复习题及标准答案

一、填空： 1.人工智能的研究途径有心理模拟、生理模拟和行为模 拟。 2.任意列举人工智能的四个应用性领域智能操纵、智能治 理、智能决策、智能仿真。 3.人工智能的差不多技术包括表示、运算、搜索归纳技 术、联想技术。 4.谓词逻辑是一种表达能力专门强的形式语言，其真值的 特点和命题逻辑的区不是（10）。 5.谓词逻辑中，重言式（tautlogy）的值是（11）。 6.设P是谓词公式，关于P的任何论域，存在P为确实情 况，则称P为（12）。 7.在闻名的医疗专家系统MYCIN中规定，若证据A的可信 度CF（A）=0，则意味着 13 ，CF（A）=-1，则意味着（14），CF（A）=1，则意味着（15）。 8.谓词公式G是不可满足的，当且仅当对所有的解释（16）。

9.谓词公式与其子句集的关系是（17）。 10.利用归结原理证明定理时，若得到的归结式为（18），则 结论成立。 11.若C1=┐P∨Q，C2=P∨┐Q，则C1和C2的归结式R（C1， C2）= （19）。 12.若C1=P(x) ∨Q(x)，C2=┐P(a) ∨R(y)，则C1和C2的 归结式R（C1，C2）= （20）。 13.有谓词公式G，置换δ，则G·ε= （21），δ·ε= （22）。 14.有子句集S=｛P(x),P(y)｝，其MGU= （23）。 15.在归结原理中，几种常见的归结策略同时具有完备性的 是（24），（25），（26）。 16.状态图启发式搜索算法的特点是（27）。 17.广度优先搜索算法中，OPEN表的数据结构实际是一个 （28），深度优先搜索算法中，OPEN表的数据结构实际是一个（29）。

人工智能教程答案(DOC 46页)

人工智能教程答案(DOC 46页)

第一章绪论 1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。人工智能是相对于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。 1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。所谓自然智能就是人类和一些动物所具有的智力和行为能力。 智力是针对具体情况的，根据不同的情况有不同的含义。“智力”是指学会某种技能的能力，而不是指技能本身。 1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。 1.4答：

自然语言处理—语言翻译系统，金山词霸系列 机器人—足球机器人 模式识别—Microsoft Cartoon Maker 博弈—围棋和跳棋 第二章知识表达技术 2.1解答： （1）状态空间(State Space)是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，状态空间是一个四元组（S，O，S0，G）：S—状态集合;O—操作算子集合;S0—初始状态,S0?S;G—目的状态,G?S,(G可若干具体状态，也可满足某些性质的路径信息描述) 从S0结点到G结点的路径被称为求解路径。 状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态： O1 O2 O3 Ok S0→???S1→???S2→???……→?

G 其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的) （2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分。 与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念。一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。 （3）语义网络是一种采用网络形式表示人类知识的方法。即用一个有向图表示概念和概念之间的关系，其中节点代表概念，节点之间的连接弧(也称联想弧)代表概念之间的关系。 常见的语义网络形式有命题语义网络、数据语义网络：E-R图（实体-关系图）、语言语义网络等。 2.2解答： （1）

人工智能-课程简介+课程大纲模板

《人工智能理论与应用》课程简介 课程编号：A0940111 课程名称：人工智能理论与应用 学分/学时：3/48 先修课程：《数据结构》、《离散数学》和《高级程序设计语言》 适用专业：计算机科学与技术 课程性质：限选 考核方式：考查 考核形式：大作业、实验评估 建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版 内容简介：（200字以内）（黑体五号） 1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景 2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。 3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。 4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。 5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。 6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。 7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。 8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。

人工智能理论与应用 Artificial Intelligence Theory and Application 课程编号：A0940111 学分：3 学时：48 学时（讲课学时：32 实验学时：16） 先修课程：《数据结构》、《离散数学》和《高级程序设计语言》 适用专业：计算机科学与技术 建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版 主要参考书： （1）高等学校规划教材:人工智能原理及其应用电子工业出版社王万森 2012 （2）人工智能及其应用(第4版) 蔡自兴、徐光祐清华大学出版社 2010 开课学院：计算机科学与工程学院 修订日期：2015年4月 一、课程说明（黑体五号） 人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。 二、课程目标（黑体五号）（需对应于本专业2014级培养方案中的毕业要求进行细化分解） 根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。 1．掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法）(对应毕业要求中的、、 2．熟悉部分： 不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。(对应毕业要求中的、

人工智能教程习题及答案第6章习题参考解答

第六章机器学习习题参考解答 6.1练习题 6.1 什么是学习？有哪几种主要观点? 6.2 什么是机器学习? 机器学习研究的目标是什么？研究机器学习的意义何在? 6.3 机器学习的研究经历了哪几个阶段？ 6.4 机器学习有哪些主要学习策略？ 6.5 试述机器学习系统的基本结构，并说明各部分的作用。 6.6 机械学习的基本思想是什么？在设计机械学习系统时，要考虑哪些问题？ 6.7 什么是传授式学习？传授式学习的学习过程包括哪些步骤？ 6.8 简述类比学习的基本思想。利用类比学习可以学习哪些东西？利用类比学习策略学习新概念的步 骤是什么？ 6.9 利用类比学习策略学习问题的求解方法时，一般有几种类比法？简述变换类比法的思想。 6.10 什么是归纳学习？归纳学习一般又可分为哪两种学习形式？ 6.11 实例学习的基本思想是什么？在实例学习中提供正、反例的信息源有哪些？简述实例学习的两个 空间模型，这两个空间之间的关系如何？在设计例子空间和规则空间时要考虑哪些问题？ 6.12 对规则空间进行搜索的方法有几种？变形空间法的基本原理是什么？它有什么优点？ 6.13 观察与发现学习策略可以学习哪些方面的知识？ 6.14 什么是解释学习？其学习过程是什么? 6.15 请用ID3学习算法完成判断决策树的构建过程。 6.16 论述你对深度学习本质的认识，如何理解机器学习的两次跨越式发展？

6.2习题参考解答 6.1 什么是学习？有哪几种主要观点? 答:（略） 6.2 什么是机器学习? 机器学习研究的目标是什么？研究机器学习的意义何在? 答:机器学习是研究如何使用计算机来模拟人类学习活动的一门学科。更严格地说，就是研究计算机获取新知识和新技能、识别现有知识、不断改善性能、实现自我完善的方法。 机器学习研究的目标有三个：人类学习过程的认知模型；通用学习算法；构造面向任务的专用学习系统的方法。（a）人类学习过程的认知模型。这一方向是对人类学习机理的研究。这种研究不仅对人类的教育，而且对开发机器学习系统都有重要的意义。（b）通用学习算法。这个方向是对人类学习过程的研究，探索各种可能的学习方法，建立起独立于具体应用领域的通用学习算法。（c）构造面向任务的专用学习系统（工程目标）。这一方向是要解决专门的实际问题，并开发完成这些专门任务的学习系统。 机器学习是人工智能中最具智能特征、最前沿的研究领域之一。机器学习的研究取得重大进展往往意味着人工智能，甚至整个计算机科学向前迈进了坚实的一步。机器学习速度快、便于知识积累、学习结果易于传播，因此人类在机器学习领域的每一点进步，都会使计算机的能力显著增强，从而对人类社会产生影响，尤其对今天信息化社会来说，这种影响将是十分深远的。 6.3 机器学习的研究经历了哪几个阶段？ （略） 6.4 机器学习有哪些主要学习策略？ 答:机器学习的主要策略有：记忆学习（又称机械学习）、传授学习、演绎学习、类比学习和归纳学习。其中归纳学习又分为实例学习、观察与发现学习。 6.5 试述机器学习系统的基本结构，并说明各部分的作用。 答:机器学习系统的基本结构如下图6.8所示。其中，“环境”和“知识库”是以某种知识表示形式表达的信息的集合,分别代表外界信息来源和系统所具有的知识；学习环节和执行环节代表两个过程。“环境”向系统的“学习环节”提供某些信息，而“学习环节”则利

人工智能课后答案

第一章课后习题 1、对N＝5、k≤3时，求解传教士和野人问题的产生式系统各组成部分进行描述（给出综合数据库、规则集合的形式化描述，给出初始状态和目标条件的描述），并画出状态空间图。 2、对量水问题给出产生式系统描述，并画出状态空间图。 有两个无刻度标志的水壶，分别可装5升和2升的水。设另有一水缸，可用来向水壶灌水或倒出水，两个水壶之间，水也可以相互倾灌。已知5升壶为满壶，2升壶为空壶，问如何通过倒水或灌水操作，使能在2升的壶中量出一升的水来。 3、对梵塔问题给出产生式系统描述，并讨论N为任意时状态空间的规模。 相传古代某处一庙宇中，有三根立柱，柱子上可套放直径不等的N个圆盘，开始时所有圆盘都放在第一根柱子上，且小盘处在大盘之上，即从下向上直径是递减的。和尚们的任务是把所有圆盘一次一个地搬到另一个柱子上去（不许暂搁地上等），且小盘只许在大盘之上。问和尚们如何搬法最后能完成将所有的盘子都移到第三根柱子上（其余两根柱子，有一根可作过渡盘子使用）。 求N＝2时，求解该问题的产生式系统描述，给出其状态空间图。讨论N为任意时，状态空间的规模。 4、对猴子摘香蕉问题，给出产生式系统描述。 一个房间里，天花板上挂有一串香蕉，有一只猴子可在房间里任意活动（到处走动，推移箱子，攀登箱子等）。设房间里还有一只可被猴子移动的箱子，且猴子登上箱子时才能摘到香蕉，问猴子在某一状态下（设猴子位置为a，箱子位置为b，香蕉位置为c），如何行动可摘取到香蕉。 5、对三枚钱币问题给出产生式系统描述及状态空间图。 设有三枚钱币，其排列处在"正、正、反"状态，现允许每次可翻动其中任意一个钱币，问只许操作三次的情况下，如何翻动钱币使其变成"正、正、正"或"反、反、反"状态。 6、说明怎样才能用一个产生式系统把十进制数转换为二进制数，并通过转换141.125这个数为二进制数，阐明其运行过程。 7、设可交换产生式系统的一条规则R可应用于综合数据库D来生成出D'，试证明若R存在逆，则可应用于D'的规则集等同于可应用于D的规则集。 8、一个产生式系统是以整数的集合作为综合数据库，新的数据库可通过把其中任意一对元素的乘积添加到原数据库的操作来产生。设以某一个整数子集的出现作为目标条件，试说明该产生式系统是可交换的。 第二章课后习题

人工智能教程标准答案

第一章绪论 1.1答：人工智能确实是让机器完成那些假如由人来做则需要智能的情况的科学。人工智能是相关于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。 1.2答：“智能”一词源于拉丁“Legere”，意思是收集、汇合，智能通常用来表示从中进行选择、理解和感受。所谓自然智能确实是人类和一些动物所具有的智力和行为能力。 智力是针对具体情况的，依照不同的情况有不同的含义。“智力”是指学会某种技能的能力，而不是指技能本身。 1.3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度能够称为专家系统。 1.4答： 自然语言处理—语言翻译系统，金山词霸系列

机器人—足球机器人 模式识不—Microsoft Cartoon Maker 博弈—围棋和跳棋 第二章知识表达技术 2.1解答： （1）状态空间(State Space)是利用状态变量和操作符号， 表示系统或问题的有关知识的符号体系，状态空间是一个四元组 （S，O，S0，G）： S—状态集合;O—操作算子集合;S0—初始状态,S0ìS;G—目 的状态,GìS,(G可若干具体状态，也可满足某些性质的路径信 息描述) 从S0结点到G结点的路径被称为求解路径。 状态空间一解是一有限操作算子序列，它使初始状态转换为 目标状态： O1 O2 O3 Ok S0????S1????S2????……????G 其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)