研究生课程考试成绩单
（试卷封面）
任课教师签名：
日期：
注：1. 以论文或大作业为考核方式的课程必须填此表，综合考试可不填。
“简要评语”栏缺填无效。
2.任课教师填写后与试卷一起送院系研究生秘书处。
3. 学位课总评成绩以百分制计分。
一、基本技术介绍
1、智能Agent
（1）概念：Agent能够通过传感器感知环境，通过执行器的动作作用于环境。在Agent的概念框架下，AI的任务就是设计和建造理性的Agent，所以人们更为关心的是理性Agent。理性Agent对每一个可能的感知序列，根据已知的感知序列提供的证据和Agent具有的先验知识，理性Agent应该选择能使其性能度量最大化的行动。
（2）特点：从感知序列到行动的理想映射，在很多情形下有可能设计一个好的、紧凑的Agent 来实现映射。一个真正的智能Agent在有足够时间去学习调整的条件下，应当在各种类型环境下做出成功的行动（自主性）。
（3）结构：从传感器中将感知送到程序，运行程序，并将程序的行动选择送到作用体，这样就完成了一次Agent的工作过程。Agent、结构和程序三者间关系为：Agent=结构+程序。（4）环境：Agent施加行动于环境中，环境反过来又为Agent提供感知。不同的环境要求用不同的Agent程序与之对应。
（5）AI与agent：在智能 agent的概念框架下，AI的任务就是设计和建造理性的、适合不同任务和环境特征的各种agent，由此将AI领域的各部分内容加以组织使它们有机联系在一起
2、基于知识的Agent
（1）概念：智能获得不是靠反射机制而是对知识的内部表示进行操作的推理过程，在AI的世界里，这种智能方法体现在基于知识的Agent上。用逻辑作为支持基于知识的Agent的一类通用表示。基于知识的Agent的核心部件是知识库，知识库是一个语句集合。这些语句用知识表示语言表达。
（2）基于知识的Agent的程序概述：基于知识的Agent用感知信息作为输入，返回一个行动。Agent维护一个知识库KB，该知识库在初始化时就包括了一些背景知识。
每次调用Agent程序，做三件事。首先，Agent告诉（TELL）知识库它感知到的内容。然后询问（ASK）知识库应该执行什么行动。在恢复该查询的过程中，可能要对关于世界的当前状态、可能行动序列的执行结果进行大量推理。最后，Agent程序用TELL告诉知识库它所选择的行动，并执行该行动。
3、学习Agent
（1）概念：Agent任何部件的性能都可通过从数据中进行学习，进而改进执行未来任务时的性能。改进及其改进所用的技术依赖于四个主要因素：要改进哪一个部件、Agent具备什么样的预备知识、数据和部件使用什么样的表示法、对学习可用的反馈是什么。
（2）学习的反馈：在无监督学习中，在不提供显示反馈的情况下，Agent学习输入中的模式，最常见的无监督学习任务是聚类。在强化学习中，Agent在强化序列（奖赏和惩罚组合的序列）中学习。在监督学习中，Agent观察某些“输入—输出”对，学习从输入到输出的映射函数。
4、一阶逻辑
（1）概念：一阶逻辑是一种形式推理的逻辑系统，是一种抽象推理的符号工具。功能就是将自然事物给符号化以为体系的确立奠定语言基础。
（2）命题逻辑与一阶逻辑：一阶逻辑表示语言，它比命题逻辑表达能力更强。在命题逻辑中，研究的基本单位是简单命题，对简单命题不再进行分解，并且不考虑命题之间的内在联
系和数量关系。为了克服命题逻辑的局限性，将简单命题再细分，分析出个体词、谓词和量词，以期达到表达出个体与总体的内在联系和数量关系。
（3）模型：一阶逻辑的模型包括对象集及其解释，解释将常量符号映射到对象、谓词符号映射到对象之间的关系、函词映射到对象上的函数。
（4）一阶逻辑的知识工程：用一阶逻辑开发知识库是一个细致的过程，包括对领域进行分析、选定词汇表、对推理结论必不可少的公理进行编码。
5、知识图谱
（1）发展：知识图谱由早期的语义网络发展而来，语义网络由相互连接的节点和边组成，节点表示概念或者对象，边表示他们之间的关系。在表现形式上，语义网络和知识图谱相似，但语义网络更侧重于描述概念与概念之间的关系，而知识图谱则更偏重于描述实体之间的关联。
（2）概念：知识图谱主要目标是用来描述真实世界中存在的各种实体和概念，以及他们之间的强关系，我们用关系去描述两个实体之间的关联。
（3）知识图谱的本质：
Web视角：像建立文本之间的超链接一样，建立数据之间的语义链接，并支持语义搜索
NLP视角：怎样从文本中抽取语义和结构化数据
KR视角：怎样利用计算机符号来表示和处理知识
AI视角：怎样利用知识库开辅助理解人的语言
DB视角：用图的方式去存储知识
（4）应用：知识图谱的应用主要集中在搜索与推荐领域。
在语义搜索这一块，知识图谱的搜索不同于常规的搜索，常规的搜索是根据keyword找到对应的网页集合，然后通过page rank等算法去给网页集合内的网页进行排名，然后展示给用户；基于知识图谱的搜索是在已有的图谱知识库中遍历知识，然后将查询到的知识返回给用户，通常如果路径正确，查询出来的知识只有1个或几个，相当精准。
问答系统这一块，系统同样会首先在知识图谱的帮助下对用户使用自然语言提出的问题进行语义分析和语法分析，进而将其转化成结构化形式的查询语句，然后在知识图谱中查询答案。
6、人工神经网络及深度学习
（1）人工神经网络：从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点之间相互联接构成。每个节点代表一种特定的输出函数，称为激活函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激活函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
（2）深度学习：源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
7、决策树
（1）概念：决策树是一种基本的分类与回归方法（此处以分类为例），它可以认为是定义在特征空间与类空间的条件概率分布，决策树思想，实际上就是寻找最纯净的划分方法。
（2）模型对比：决策树模型不同于线性模型，线性模型是所有特征赋予不同的权值相加得到结果，而决策树则是单个特征进行处理，每一步寻找一个最优特征进行划分。
决策树与逻辑回归的不同之处也在于此，逻辑回归是根据所有特征求出概率，然后与某一阈值进行比较从而分类，而决策树每一步是通过最优特征进行划分，直到叶节点。
（3）学习过程：决策树的学习过程主要包括3个步骤：特征选择、决策树的生成和决策树的剪枝。
8、贝叶斯网络
（1）概念：贝叶斯网络（Bayesian Networks）是描述数据变量之间依赖关系的一种图形模式，是一种用来进行推理的模型。贝叶斯网络为人们提供了一种方便的框架结构来表示因果关系，这使得不确定性推理变得在逻辑上更为清晰、可理解性强。
（2）本质：首先贝叶斯网表达了各个节点间的条件独立关系，我们可以直观的从贝叶斯网当中得出属性间的条件独立以及依赖关系；另外可以认为贝叶斯网用另一种形式表示出了事件的联合概率分布，根据贝叶斯网的网络结构以及条件概率表（CPT）我们可以快速得到每个基本事件（所有属性值的一个组合）的概率。
贝叶斯学习理论利用先验知识和样本数据来获得对未知样本的估计，而概率（包括联合概率和条件概率）是先验信息和样本数据信息在贝叶斯学习理论当中的表现形式。
9、遗传算法
（1）概念：遗传算法是模仿生物遗传学和自然选择机理，通过人工方式所构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的最重要的形式。
（2）基本思想：将竞争机制引进系统，以便不断改进和完善系统的工作性能，使系统具有自适应性。知识更新具有随机性，系统知识的演变是不确定的，通过作各种随机的改动，然后将改动的结果应用于解题，保留成功的，抛弃失败的。
10、粒子群算法
（1）概念：粒子群优化算法( Particle Swarm Optimization，PSO）是进化计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法。PSO模拟了自然界鸟群捕食和鱼群捕食的过程。通过群体中的协作寻找到问题的全局最优解。
（2）基本思想：PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。
二、应用部分
行人安全过街智能系统
1、应用场景
随着城市化发展进程不断的加快，我国居民机动车辆日趋增多，城市道路的压力也随之增大，城市交叉口人车抢道问题日益突出。人行横道是我国最常见的路段过街设施，也是城市交通中常见的事故黑点。据统计，我国与行人直接相关的交通事故约占总交通事故1/3 左右，涉及行人的交通事故死亡人数约占交通事故总死亡人数的25%左右[1]。行人过街设施的不健全、行人过街行为的不规范等原因也加剧了这一现象。然而路段行人交通信号灯多是在保障机动车交通流畅通行的基础上设置的，不合理的行人过街信号配时造成“闯红灯”、“抢绿尾”等交通行为，严重扰乱交通秩序，降低了行人过街的安全性。
本文从行人过街特性和行人违章案例分析出发，梳理近年来出现的为保障行人过街或治理行人闯红灯而开发的智能控制系统，并提高智能化，基于感应控制的理念[2]，提出一种基于感应控制的行人安全过街智能系统。
2、意义
针对行人因过街等待时间过长而引发行人强行穿越的违章现象，分析了现有信号配时诱致此现象频发的主要原因，并致力于规避现有信号配时的弊端[3]。通过实施行人安全过街智能系统，能够大大缓解交通运行的压力，提高行人以及车辆的出行效率，有效降低事故发生概率。无论是对公共基础设施的优化、人的生命安全，还是对智慧城市的建设都具有深远的意义。
3、具体技术方案
（1）总体思想
本系统将采用感应控制、人脸识别的技术来规范行人过街，降低交通事故发生率。系统将根据行人数量来判定是否需要放行。根据过街人群的参数，采用HCM公式得出过街时间。（2）方案系统总体设计
以感应控制为主，辅以自适应控制和人工请求控制，流程如图1所示。
图1 系统整体流程图（不考虑高低峰情况）
①行人相位开始，系统给定最小绿灯时间Gmin
②判断在最小绿灯时间Gmin结束后，是否有后续行人请求过街。若有，则放行单位间隔时间，若无，则进入④。
③判断系统绿灯时间是否达到极限Gmax，若达到则进入④，若未达到，则进入②。
④系统处于机动车相位，在确保第一批等待车辆放行完毕后(即使在放行过程中行人数量很快达到放行指标)，判断有无后续机动车。若有，则进人⑤，若无，则进人①。
⑤在满足行人等待时间没有达到极限值时，（若达到行人等待极限时间则直接进入行人相位）判断监测区行人是否达到放行指标。若达到，进人①，若未达到，进人④。
（3）方案角度设计
从行人过街时间、过街时间段这两个角度设计，具体体现在以下两个方面：
①应用人脸识别技术，识别监测区行人年龄、性别、数量等信息，智能调节红绿灯相位时间(初始绿灯时间与单位绿灯时间)，满足不同特征的行人对过街时间的需要。
②考虑到高低峰时段的交通状况的特殊性，对应设置“机动车放行时间最小值”和“行人等待时间最大值”，防止行人或机动车等待时间过长。
（4）功能实现设计
人脸识别技术的功能实现：当系统得到人脸的图像后，先对其进行灰度处理，以减少光照影响。接着对图像进行缩放和旋转，同时将整个人脸区域(有头发)从背景中切割。随后从整个人脸图像中，再次切割出四个子区域，包括：脸部(无头发)，眼睛，鼻子，嘴巴。
①对人的性别的划分：为确定监测区行人的性别，系统将提取出五处特征区域作为评判标准，并采取多数投票法的方式进行判定，如下式[4]：
1 imale>ifemale
E(x){
?1 imale>ifemale
当E(X)=1时，表示结果为男，当E(X)=-1时，表示结果为女。例如系统识别出三处特征为男，两处为女，有imale>ifemale。如，即此人性别为男。
②行人年龄的划分：为确定行人的大致年龄，系统设定了3个判定区间：16～30岁，30～55岁及55岁以上。至于儿童群体，可视作成人协同过街，其速度不予考虑。在行人年龄的识别中，由于眼睛的特征对年龄的判定起了重要的作用，需提取出眼睛的图像并对其进行着重分析。此外，本系统还将利用提取Gabor小波特征的技术，进一步地提高识别准确率。
③行人数量确定：通过采用统计行人像素点的方式确定监测区的行人数量[5]，其工作流程如图2所示。从已有的研究可知，像素是构成图像的基本元素。监测区行人增加时，像素点随之增加，当像素点数量达到系统所设临界值时，即可对行人进行放行。
图2 行人数量检测流程图
4、设计模型与参数
（1）不同年龄性别行人步速参数
（3）确定初始绿灯时间和单位绿灯时间
行人步行速度和性别、年龄、数量有关，为计算初始绿灯时间和单位绿灯时间，根据HCM公式有如下行人过街模型[6]：
T P=3.2+L
S p
+0.8
N ped
W，W>3 m
T P=3.2+L
S p
+0.27
N ped
W，W≤3 m
Tp为行人过街时间，3.2为行人启动损失时间，L为人行横道的长度，Sp为行人步行平均速度，Nped指过街的人数，W为人行道的宽度。
（4）设计合理性综述：根据全国统计的调查数据和传感器收集到的及时行人数据，通过HCM 模型公式，进而动态的给出初始绿灯时间和单位绿灯时间。
5、合理性解释与技术支撑
（1）合理性解释
该方案不同于以往的过街设施控制方式（无信号控制、定周期控制）[7]，而采用感应式控制，实时的响应人群的特征变化，动态的计算绿灯时间与单位绿灯时间，设计上更贴近人们的生活，更加合理。
随着AI技术的迅速发展，人脸识别的准确率大大提高，特别是在于人脸图像的性别识别、年龄估计领域中已成为研究热点也已经取得了重大突破。
（2）技术支持
在实际应用的过程中，可对视频采集到的图像用Adaboost快速人脸检测算法快速检测出图像中的人脸，从背景中将人脸切割出来。继而进行双眼的定位，可用眼睛定位法来确定位置，寻找脸部主要特征点可以采用AAM算法[8]。寻找出脸部特征点之后，再根据这些位
置进行各子区域图像的进一步切割。
基于子区域融合的性别识别。有关研究证明，相比较整张人脸来说，脸部是局部区域受人脸表情变化的影响更小一些。就微笑这个表情来说，往往人脸的下半部分变化较大，特别是嘴巴和脸颊的变化，而上半部分尤其的鼻子的变化相当小。因此，实现性别识别可以通过脸部子区域特征的融合来进行。研究与性别相关的信息在脸部子区域包含了多少内容。而基于子区域融合的性别识别方法的验证要通过在表情变化情况下进行实验，这样相对于用整个人脸图像进行性别识别来说，具有更高的准确率。
基于人脸图像的年龄估计，科学家已经研究出颅面成长模型[4]。通常而言，颅骨骨骼会随着年龄增长而变化，但变化往往只会持续到18岁，人脸颅骨在人18岁之后基本不会有太大的变化。由此可以发现脸部变化在18岁以前脸部特征点和比例变化是主要的体现。而18岁之后主要是通过脸部纹理的变化来体现年龄脸部的变化。
6、社会影响
（1）生产实践
将行人安全过街智能系统投入到生产实践活动中，优化城市公共基础设施服务，是构建智慧城市的重要组成部分。
现代城市的交通进化史，自始至终都伴随着新技术工具的不断研发与运用。这其中在早期最典型的，就是交通信号灯的大面积使用。其不仅有效实现了人车分流，而且据此建构起了现代交通的秩序基础。现代社会随着AI技术的发展，能够产生一套成熟的技术系统，从而彻底解决行人闯红灯和人车流量不畅通的局面，无论是提高人们早晚上班高峰期的出行效率，还是生命健康安全都有巨大的保障作用。
（2）人文文化
行人安全过街智能系统强调以服务人民为根本目的，提高人们的出行效率，提高出行安全性等，都是为了促进城市的发展，社会的发展。既要有物质与技术的便利，又有制度和秩序的保障。体现以人文本，体现人文关怀，体现人文文化。
（3）资源管理
行人安全过街智能系统在人行横道处，通过传感器对每天人群资源数据的有效采集，分析了行人年龄、性别、人行横道长度、过街人数量、绿灯时间等对行人过街速度的影响，合理的安排过街时间。也是对资源的有效利用更好的服务社会。
7、参考文献
[1]冯烁.路段感应式行人过街信号控制系统的优化设计[J].大众科技,2014,(6):24-27.
DOI:10.3969/j.issn.1008-1151.2014.06.009.
[2]邹瑞霖,王春娥,邱雯, 等.基于感应控制的路段行人安全过街智能系统[J].现代交通技
术,2018,15(4):62-66.
[3]罗瑞琪,李旭红.基于行人优先的路段过街配时方案优化模型[J].建筑工程技术与设
计,2014,(10):830-830,827. DOI:10.3969/j.issn.2095-6630.2014.10.775.
[4]符振艾,赵薇,刘绪崇.基于人脸图像的性别识别与年龄估计[J].环球市场信息导
报,2014,(11):40.
[5]Ma R , Li L , Huang W. On pixel count based crowd density estimation for
visual surveillance[C]// IEEE Conference on Cybernetics & Intelligent Systems.
IEEE, 2004.
[6]叶钦海,黄卫东,孙伟, 等.基于行人优先的过街信号相位优化方案研究[J].现代交通技
术,2014,11(3):65-68.
[7]何赏璐, 郑长江, 过秀成.路段感应式信号控制行人过街系统设计[J]. 交通信息与安
全, 2012, 30(3):110-113.
[8]张天刚,任培花,张景安.基于人脸图像的性别识别与年龄估计[J].计算机工程与设
计,2012,33(5):1997-2001. DOI:10.3969/j.issn.1000-7024.2012.05.065.
人工智能大作业 学生：021151** 021151** 时间：2013年12月4号
一．启发式搜索解决八数码问题 1.实验目的 问题描述：现有一个3*3的棋盘，其中有0-8一共9个数字，0表示空格，其他的数字可以和0交换位置（只能上下左右移动）。给定一个初始状态和一个目标状态，找出从初始状态到目标状态的最短路径的问题就称为八数码问题。 例如：实验问题为
到目标状态： 从初始状态： 要求编程解决这个问题，给出解决这个问题的搜索树以及从初始节点到目标节点的最短路径。 2.实验设备及软件环境 利用计算机编程软件Visual C++ 6.0，用C语言编程解决该问题。 3.实验方法 (1).算法描述： ①.把初始节点S放到OPEN表中，计算() f S，并把其值与节点S联系 起来。 ②.如果OPEN表是个空表，则失败退出，无解。 ③.从OPEN表中选择一个f值最小的节点。结果有几个节点合格，当其 中有一个为目标节点时，则选择此目标节点，否则就选择其中任一节点作为节点i。 ④.把节点i从OPEN表中移出，并把它放入CLOSED的扩展节点表中。 ⑤.如果i是目标节点，则成功退出，求得一个解。 ⑥.扩展节点i，生成其全部后继节点。对于i的每一个后继节点j： a.计算() f j。 b.如果j既不在OPEN表中，也不在CLOSED表中，则用估价函数f
把它添加入OPEN表。从j加一指向其父辈节点i的指针，以便一旦 找到目标节点时记住一个解答路径。 c.如果j已在OPEN表或CLOSED表上，则比较刚刚对j计算过的f 值和前面计算过的该节点在表中的f值。如果新的f值较小，则 I.以此新值取代旧值。 II.从j指向i，而不是指向它的父辈节点。 III.如果节点j在CLOSED表中，则把它移回OPEN表。 ⑦转向②，即GO TO ②。 (2).流程图描述： (3).程序源代码： #include
作业一 1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论 该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。 【Answer】 性能度量：翻译的正确率 环境：电话线路 传感器：麦克风 执行器：音响 完全可观察的，单agent，确定的(无噪音条件下)，片段的，静态的，离散的。2.考虑一个医疗诊断系统的agent，讨论该agent最合适的种类(简单agent,基于模型的agent, 基于目标的agent和基于效用的agent)并解释你的结论。 【Answer】 utility-based agent。 能够治愈病人的方法有很多种，系统必须衡量最优的方法来推荐给病人 3.先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态 的距离，然后用以下方法表示如何进行搜索。 (a).深度优先； (b).宽度优先； (c).爬山法； (d).最佳优先； 图一 【Answer】: 建立树： 深度: 宽度： 爬山法： 优先搜索： 4.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到 达目标结点的启发式函数的代价值，假定当前状态位于结点A。 (a)用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 1.贪婪最佳优先搜索 2.一致代价搜索 3.A*树搜索 (b)讨论以上三种算法的完备性和最优性。 【Answer】: 贪婪最佳优先：如果h(B)>5,首先访问叶子结点C,如果h(B)<=5,首先访问B,再访问C 一致代价搜索：B,D,E,F,G,H,C A*树搜索：如果h(B)>15,首先访问D 如果h(B)<=15,首先访问B,在E,G,D,H,F,C 图二 5.给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是
期末作业考核 《人工智能》 满分100分 一、判断题（每题3分，共30分） 1. 从选手的角度看，博弈树就是一棵与或树，其特点是博弈的目标状态是初始节点,博弈树中的“或”节点和“与”节点逐层交替出现。（√） 2. 遗传算法的编码方法常用编码方式有二进制编码、浮点数编码方法、格雷码、几何图形方法。（√） 3. 如果搜索是以接近起始节点的程度依次扩展节点的，那么这种搜索就叫做宽度优先搜索。（√） 4. 在宽度优先搜索中，OPEN表的数据结构是栈。（√） 5. 目前，人工智能的主要学派有下列3家：符号主义、分割主义和现实主义。（×） 6. 行为主义认为人工智能源于控制论。（×） 7. 在前馈网络中，多个神经元互连以组织一个互连神经网络。（×） 8. 问题归约法是从中间状态出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题归约为一个平凡的本原问题集合。（√） 9. 在问题归约图中，终叶节点是可解节点。（×） 10. 子句是由文字的析取组成的公式。（×） 二、简答题（每题15分，共45分） 1. 当前人工智能有哪些学派，他们的认知观是什么？ 答：当前人工智能有符号主义、联结主义、行为主义三大学派。 符号主义，又称为逻辑主义、心理学派或计算机学派[ 其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。认为人的认知基元是符号，而且认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为。知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。 联结主义，又称为仿生学派或生理学派。其原理主要为神经网络及神经网络间的连接机制与学习算法。认为人的思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
人工智能大作业实验-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
湖南中医药大学本科课程实验教学大纲 《人工智能》 计算机科学与技术专业 执笔人：丁长松 审定人：*** 学院负责人：*** 湖南中医药大学教务处 二○一四年三月
一、课程性质和教学目的 《人工智能》是计算机专业本科生的一门专业必修课，适应于计算机科学与技术专业、医药信息工程专业。本课程是关于人工智能领域的引导性课程，通过本课程的学习，是使学生了解和掌握人工智能的基本概念、原理和方法，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 《人工智能》主要研究智能信息处理技术、开发具有智能特性的各类应用系统的核心技术。本课程主要介绍人工智能的基本理论、方法和技术，主要包括常用的知识表示、逻辑推理和问题求解方法、人工智能发展学派以及主要理论。 先修课程：高等数学、数据结构、数据库原理、算法设计与分析、数理逻辑 二、课程目标 人工智能实验应在一种为高效率开发专家系统而设计的高级程序系统或高级程序设计语言环境中进行。在目前开来，专家系统开发工具和环境可分为5种主要类型：程序设计语言、知识工程语言、辅助型工具、支持工具及开发环境。在这里主要是要求学生能用相关术语描述、表示一些问题；用程序设计语言如：C、C++、JAVA编程来实现一些基本的算法、推理、搜索等过程。 三、实验内容与要求 实验一：谓词表示 【实验内容】 设农夫、狼、山羊、白菜都在河的左岸，现在要把它们运送到河的右岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。试设计出一个确保全部都能过河的方案。
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
最新文件---------------- 仅供参考--------------------已改成-----------word文本 --------------------- 方便更改 一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)陈述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D）蓝天 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制与元知识D)关系
11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D)冯.诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识与技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空1.5分，共30分) 1、不确定性类型按性质分：，， ，。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2 ）=、 CF（A1∨A2 ）= 4、图：指由与组成的网络。按连接同一节点的各边的逻辑关系又可分为与。 5、合一算法：求非空有限具有相同谓词名的原子公式集的 6、产生式系统的推理过程中，从可触发规则中选择一个规则来执行，被执行的规则称为。 7、P(B|A) 表示在规则中，证据A为真的作用下结论B为真的。 8、人工智能的远期目标是， 近期目标是。
作业题目 摘要：机器博弈是人工智能的一个重要研究分支，本文通过设计一个五子棋智能博奕程序，采用传统的博弈树算法，利用剪枝和极大极小树搜索最佳位置，从而实现人机智能博弈。并对现有算法存在的问题进行探究改进，最后给出展示，结果表明效果比较理想。 关键词：人工智能；五子棋；博弈 本组成员： 本人分工：α-β剪枝实现 1 引言 人工智能[1]是一门综合新型的新兴边缘科学，与生物工程、空间技术并列为三大尖端技术，而机器博弈却是其一个重要的研究分支。它研究如何利用计算机去实现那些过去只能靠人的智力去完成的工作，博弈为人工智能提供了一个很好的应用场所。 博弈过程可以采用与或树进行知识表达，这种表达形式称为博弈树。α—β剪枝技术是博弈树搜索中最常采用的策略。 2 算法原理与系统设计 根据五子棋游戏规则，此次五子棋游戏我们采用基于极大极小值分析法的α—β剪枝算法来实现计算机走棋。α—β剪枝技术是博弈树搜索中最常采用的策略，α—β剪枝搜索由极大极小值分析法演变而来[2]。 极大极小分析法其基本思想或算法是： (1) 设博弈的双方中一方为MAX，另一方为MIN。然后为其中的一方(例如MAX)寻找一个最优行动方案。 (2) 为了找到当前的最优行动方案，需要对各个可能的方案所产生的后果进行比较,具体地说，就是要考虑每一方案实施后对方可能采取的所有行动，并计算可能的得分。 (3) 为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。此时估算出来的得分称为静态估值。 (4) 当端节点的估值计算出来后，再推算出父节点的得分，推算的方法是：对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案；对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。这样计算出的父节点的得分称为倒推值。 (5) 如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。 上述的极小极大分析法，实际是先生成一棵博弈树，然后再计算其倒推值，至使极小极大分析法效率较低。于是在极小极大分析法的基础上提出了α-β剪枝技术。α-β剪枝技术的基本思想或算法是，边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，即相当于剪去了博弈树上的一些分枝，从而节约了机器开销，提高了搜索效率。 具体的剪枝方法如下： (1) 对于一个与节点MIN，若能估计出其倒推值的上确界β，并且这个β值不大于MIN的父节
XXXX2017至2018 学年第 1 学期 《人工智能技术》 课程考试（ A ）卷 计科 系 级 专业 学号 姓名 一、选择题：（2分×10=20分） 1． 人工智能AI 的英文全称（ ）最早于1956年在达特茅斯会议上被提出。这是历史上第一次人工智能研讨会，也被广泛认为是人工智能诞生的标志。 A ．Automatic Intelligence B ．Artifical Intelligence C ．Automatice Information D ．Artifical Information 2． 所谓不确定性推理是从（ ）的初始证据出发，通过运用（ ）的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 A ．不确定性，确定性 B ．确定性，确定性 C ．确定性，不确定性 D ．不确定性，不确定性 3． 要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（ ）。 A ．概率推理 B ．神经网络 C ．机器学习 D ．智能搜索 4． 下面几种搜索算法中，不完备的搜索算法是（ ）。 A ．广度优先搜索 B ．A*搜索 C ．迭代深入深度优先搜索 D ．贪婪搜索 5． 人工智能的目的是让机器能够（ ），以实现某些脑力劳动的机械化。 A ．模拟、延伸和扩展人的智能 B ．和人一样工作 C ．完全代替人的大脑 D ．具有智能 6．在一个监督学习问题f:x →y 中，输出y 的值域是连续的，例如实数集R ，那么这是一个（ ）问题。 A ．分类 B ．聚类 C ．回归 D ．降维 装 订 线
人工智能期末试题及答案 完整版 Prepared on 21 November 2021
xx学校 2012—2013学年度第二学期期末试卷考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。
（此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面 人工智能期末考试卷（1） 一、填空题（每空1分，共10分）
1智能具有五个特征，分别为① 学习能力、自适应能力、 ②记忆与思维能力、表达能力和感知能力。 2. 机器的③ 感知能力是让机器自动获取知识的基本条件，而知识的自动 获取一直是智能系统研究中最困难的问题之一。 3?从研究的角度不同，对人工智能的研究可分两大阵营：④ 联接和 ⑤符号。其中⑤符号的理论基础为数理逻辑。 4. ⑥问题规约方法是一种将复杂问题变换为比较简单的子问题，子问题再转换为更简单的 子问题，最终将问题转换为对本原问题的知识表示方法。 5. 鲁宾逊提出了⑦归结原理使机器定理证明成为可能。 6. 当某个算符被认为是问题求解的决定步骤时，此算符为⑧关键算符。 7. 宽度优先搜索与深度优先搜索方法的一个致命的缺点是当问题比较复杂是可 能会发生⑨组合爆炸。 8. 语义网络⑩方法是1968年由J.R.Quilian 在研究人类联想记忆时提出的心 理学模型。1972年，Simon首先将⑩用于自然语言理解系统。 二、简答题（共30分） 1. 什么是A*算法的可纳性？（4分） 答：在搜索图存在从初始状态节点到目标状态节点解答路径的情况下，若一个搜索法总能找 到最短（代价最小）的解答路径，则称算法具有可采纳性。 2. 在一般图搜索算法中，当对某一个节点n进行扩展时，n的后继节点可 分为三类，请举例说明对这三类节点的不同的处理方法。（8分） 答： 把SNS中的子节点分为三类：（1）全新节点，（2）已出现于OPEN表的节点，（3 ）已 出现于CLOSE表的节点；/后二类子节点实际上意味着具有新老两个父节点；（3分）*加第1类子节点于OPEN表，并建立从子节点到父节点n的指；（1分） *比较第2类子节点经由新、老父节点到达初始状态节点s的路径代价，若经由新父节点的代价较小，则移动子节点指向新父节点（2分） ?对于第3类子节点作与第2类同样的处理，并把这些子节点从CLOSE 表中移出，重新加入OPEN表；（2分） 3. 请简述不确定性推理的含义。（4分） 是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定程度的不确定 性但却有是合理或基本合理的结论的推理过程。 4. 若S={P（x）V Q（f（x））「P（a）, n Q（y）}，请画出与该子句集对应的语义树， 为什么可以用封闭语义树来判定子句集的不可满足性？（14分） 答：H={a,f（a）,f（f（a））, ……}（1 分）
第一章 1.3 什么是人工智能？它的研究目标是什么？ 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 研究目标：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 1.7 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，联结主义和行为主义。 1.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； 2.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。 3.行为主义：认为，人工智能起源于控制论，提出智能取决于感知和行动，取决于对外界 复杂环境的适应，它不需要只是，不需要表示，不需要推理。 1.8 人工智能有哪些主要研究和应用领域？其中有哪些是新的研究热点？ 1.研究领域：问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系 统，机器学习，神经网络，机器人学，数据挖掘与知识发现，人工生命，系统与语言工具。 2.研究热点：专家系统，机器学习，神经网络，分布式人工智能与Agent，数据挖掘与 知识发现。 第二章 2.8 用谓词逻辑知识表示方法表示如下知识： (1)有人喜欢梅花，有人喜欢菊花，有人既喜欢梅花又喜欢菊花。 三步走：定义谓词，定义个体域，谓词表示 定义谓词 P(x)：x是人 L(x,y)：x喜欢y y的个体域：{梅花，菊花}。 将知识用谓词表示为： (?x)(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 不是每个计算机系的学生都喜欢在计算机上编程序。 定义谓词 S(x)：x是计算机系学生
人工智能大作业 人工智能课程 考查论文 学号 姓名 系别 年级 专业 人工智能大作业 (1)什么是人工智能, 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速
的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。 (2)简述人工智能的研究内容与研究目标、人工智能的研究途径和 方法、人工智能的研究领域。 A. 人工智能的研究内容: 1、搜索与求解: 为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。事实上，搜索是人在求解问题时而不知现成解法的情况下所采用的一种普遍方法。许多问题(包括智力问题和实际工程问题)的求解都可以描述为或归结为对某种图或空间的搜索问题。搜索技术就成为人工智能最基本的研究内容 2、学习与发现: 学习与发现是指机器的知识学习和规律发现。事实上，经验积累能力、规律发现能力和知识学习能力都是智能的表现 3、知识与推理: 知识就是力量，知识就是智能，发现客观规律，运用知识解决问题都是有智能的表现，而且是最为基本的一种表现。发现规律和运用知识本身还需要知识，因此知识是智能的基础和源泉。研究面向机器的知识表示形式和基于各种表示的机器推理技术:知识表示要求便于计算机的接受、存储、处理和运用，机器的推理方式与知识的表示又息息相关 4、发明与创造:
第一章：P23 1.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 第二章：P51 5.（1）有的人喜欢打篮球，有的人喜欢踢足球，有的人既喜欢打篮球又喜欢踢足球。 定义谓词：LIKE(x,y):x喜欢y。 PLAY(x,y):x打（踢）y。 MAN(x):x是人。 定义个体域：Basketball，Soccer。 （x)(MAN(x) → LIKE(x,PLAY(x,Basketball))) ∨（y)(MAN(y) → LIKE(y,PLAY(y,Soccer))) ∨（z)(MAN(z) →LIKE(z,PLAY(z,Basketball)) ∧ LIKE(z,PLAY(z,Soccer)) (2)并不是每个人都喜欢花。 定义谓词：LIKE（x,y)：x喜欢y。 P(x)：x是人 定义个体词：flower ?(x)(P(x) → LIKE(x,flower)) (3)欲穷千里目，更上一层楼。 定义谓词：S(x)：x想要看到千里远的地方。 H(x):x要更上一层楼。 （x)(S(x) → H(x)) 6. 产生式通常用于表示具有因果关系的知识，其基本形式是： P→Q 或者 If P Then Q [Else S] 其中，P是前件，用于指出该产生式是否可用的条件。Q是一组结论或者操作，用于指出当前提P满足时，应该得出的结论或者应该执行的操作。 区别：蕴含式只能表示精确知识；而产生式不仅可以表示精确知识，还可以表示不精确知识。 产生式中前提条件的匹配可以是精确的，也可以是非精确的；而谓词逻辑蕴含式总要求精确匹配。 7.一个产生式系统一般由三部分组成：规则集、全局数据库、控制策略。 步骤：1）初始化全局数据库，把问题的初始已知事实送入全局数据库中 2）若规则库中存在尚未使用的规则，而且它的前提可与全局数据库中的已知事实匹配，则转3），若不存在则转5） 3）执行当前选中的规则，并对该规则做标记，把该规则执行后得到的结论送入全局数据库中。如
作业三 1. 下列两个一阶逻辑的语句有什么问题？如果错误，请给出正确的表示: (a) ) ( ) (x Tall x xBoy∧ ? (要表达的意思: 所有的男孩都是高的) (b) ) ( ) (x Tall x xBoy? ? (要表达的意思：一些男孩是高的) [Answer]: ) ( ) (x Tall x xBoy? ? ) ( ) (x Tall x xBoy∧ ? 2.已知如下的两个命题“任何一个选了人工智能(AI)课程的人都是聪明的”，“任 何一门课只要教授人工智能相关知识它就是人工智能(AI)课程”，其相应的一阶 逻辑表达式如下： ? x (? y AI course(y) ∧ Takes(x,y)) ? Smart(x) ? x (? y AI topic(y) ∧ Teaches(x,y)) ? AI course(x) 现在已知事实：John选了课程CS3243，CS3243课教授的推理知识属于人工智 能相关知识，请将该事实表达成一阶逻辑句子，并且将该语句转换成CNF的形式， 然后用归结算来证明“john是聪明的”。 [Answer]: CNF形式： ) 3243 , ( ) , 3243 ( ) ( _CS John Takes Inference CS Teaches Inference topic AI∧ ∧
3.考虑从一副标准的52张纸牌（不含大小王）中分发每手5张牌的扑克牌域。假设发牌人是公平的。 (a)在联合概率分布中共有多少个原子事件（即，共有多少种5张手牌的组合）？每个原子事件的概率是多少？ (b)拿到大同花顺（即同花的A、K、Q、J、10）的概率是多少？四同张（4张相同的牌，分别为4种花色）的概率是多少？ [Answer]: (a) C552,1/C552 (b) 4/C552, C113C148/C552 4.文本分类是基于文本内容将给定的一个文档分类成固定的几个类中的一类。朴素贝叶斯模型经常用于这个问题。在朴素贝叶斯模型中，查询（query）变量是这个文档的类别，而结果（effect）变量时语言中每个单词的存在与否；假设文档中单词的出现是独立的，单词的出现由文档类别决定。 1）给定一组已经被分类的文档，准确解释如何构造这样的模型。 2）准确解释如何分类新文档。 3）题目中的条件独立性假设合理吗？请讨论。 [Answer]: 1) P(category|document)= P(document|category)P(category)/P(document) 2)P(document|category),P(category)根据已有条件可以统计计算出，因此，给定一个新的测试文档，只需将P(document|category)P(category)最大的category赋给该文档即可。 3）不合理，单词之间不具有独立性。 5.“三一”重工想某工程投标，计划采取两种策略：一种是投高标，中标概率为0.2，不中标概率为0.8；另一种是投低标，中标与不中标的概率均为0.5。投标
一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)陈述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以比的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D）蓝天 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制和元知识D)关系 11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D)冯.诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空分，共30分) 1、不确定性类型按性质分：，， ，。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）= 、CF（A1∧A2 ）= 、 CF（A1∨A2 ）= 4、图：指由和组成的网络。按连接同一节点的各边的逻辑关系又可分为和。 5、合一算法：求非空有限具有相同谓词名的原子公式集的 6、产生式系统的推理过程中，从可触发规则中选择一个规则来执行，被执行的规则称为。
一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘
作业一 1.对于下列活动，分别给出任务环境的PEAS描述，并按照 2. 3.2节列出的性质进行分析: (a) (b) (c) 2.先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态 的距离，然后用以下方法表示如何进行搜索。
图一 首先，我们画出图一对应的完整的搜索树(按节点字母从小到大顺序依次画出)： (a).深度优先: 我们知道深度优先搜索是无信息搜索，按照编程的习惯，下图中深度优先搜索的顺序是按照节点的A-G的排序进行的 (b).广度优先: 我们知道一般的广度优先搜索也是无信息搜索，按照编程的习惯，下图中广度优先搜索的顺序同样是是按照节点的A-G的排序进行的
(c).爬山法: 对于爬山法我们需要了解的是，它是简单的循环过程，不断向最优方向移动。该算法不需要维护搜索树，当前的节点的数据结构只需要记录当前状态和目标函数值。此外，爬山法不会考虑与当前状态不相邻的状态。从S出发，与S邻近最佳的状态为B，依次往下，一旦找到目标状态则算法终止，这也就是为什么爬山法容易陷入局部最优。 (d).最佳优先: 最佳优先算法的结点是基于评价函数f(n)去扩展的，评估价值最低的结点首先选择进行扩展。最佳优先算法和一致代价搜索算法实现类似，不同的是最佳优先是根据f值而不是根据g值对优先级队列排队。
3.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到 达目标结点的启发式函数的代价值，假定当前状态位于结点A。 图二 (a)用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 1.贪婪最佳优先搜索： 首先，贪婪最佳优先算法是试图扩展离目标最近的节点，它只用到启发信息，也就是f(n)=h(n)。如图，h(B)是未知的，但是根据三角不等式， 我们可以知道7<=h(B)<=13。因此，先扩展C结点。 2.一致代价搜索 一致性代价搜索扩展的是路径消耗最小的结点。所以一致代价搜索接 下 来扩展结点的顺序为BDEFGHC 3.A*树搜索 A*搜索对结点的评估结合了g(n)，即到达此结点已经花费的代价，和h(n)，从该结点到目标结点所花的代价:f(n)=g(n)+h(n)。由于都是从A结点开始扩展，所以对于下一步可扩展的结点的f(D)=18，f(C)=21,10<=f(B)<=16。 因此，当先扩展B结点，否则先扩展D结点。 (b) 讨论以上三种算法的完备性和最优性。 贪婪最佳优先搜索试图扩展离目标最近的结点，理由是这样可以很快找到解。 贪婪最佳优先搜索于深度优先搜索类似，即使是有限状态空间，他也是不完备的， 容易陷入死胡同或者导致死循环； 一致代价搜索按结点的最优路径顺序扩展结点，这是对任何单步代价函数都是最优的算法，它不再扩展深度最浅的结点。一致代价搜索与宽度优先搜索类似，是 完备的； A*搜索是完备的，此外，A*算法对于任何给定的一致的启发函数都是效率最优的。 4.给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是 可采纳的。 一致性（单调性）的定义： 如果对于每个结点n和通过任意行动a生成的n的每个后继结点n’，从结点n到
第二章知识表示 2.8设有如下语句，请用相应的谓词公式分别把他们表示出来： (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 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 有人每天下午都去打篮球。 解：定义谓词 P(x)：x是人 B(x)：x打篮球 A(y)：y是下午 将知识用谓词表示为： (?x )(?y) (A(y)→B(x)∧P(x)) (3)新型计算机速度又快，存储容量又大。 解：定义谓词 NC(x)：x是新型计算机 F(x)：x速度快 B(x)：x容量大 将知识用谓词表示为： (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解：定义谓词 P(x)：x是人 L(x, y)：x喜欢y 将知识用谓词表示为： (?x) (P(x)∧L(x,pragramming)→L(x, computer)) 2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。