一、智能化智能体
1.什么是智能体？什么是理性智能体？智能体的特性有哪些？智能体的分类有哪些？
智能体定义：通过传感器感知所处环境并通过执行器对该环境产生作用的计算机程序及其控制的硬件。
理性智能体定义：给定感知序列(percept sequence)和内在知识(built-in knowledge)，理性智能体能够选择使得性能度量的期望值(expected value)最大的行动。
智能体的特性：自主性（自主感知学习环境等先验知识）、反应性（Agent为实现自身目标做出的行为）、社会性（多Agent及外在环境之间的协作协商）、进化性（Agent自主学习，逐步适应环境变化）
智能体的分类：
简单反射型智能体：智能体寻找一条规则，其条件满足当前的状态（感知），然后执行该规则的行动。
基于模型的反射型智能体：智能体根据内部状态和当前感知更新当前状态的描述，选择符合当前状态的规则，然后执行对应规则的行动。
基于目标的智能体：为了达到目标选择合适的行动，可能会考虑一个很长的可能行动序列，比反射型智能体更灵活。
基于效用的智能体：决定最好的选择达到自身的满足。
学习型智能体：自主学习，不断适应环境与修正原来的先验知识。
2.描述几种智能体类型实例的任务环境PFAS，并说明各任务环境的属性。
答题举例：
练习：给出如下智能体的任务环境描述及其属性刻画。
o机器人足球运动员
o因特网购书智能体
o自主的火星漫游者
o数学家的定理证明助手
二、用搜索法对问题求解
1.简述有信息搜索（启发式搜索）与无信息搜索（盲目搜索、非启发式搜索）的区别。
非启发式搜索：按已经付出的代价决定下一步要搜索的节点。具有较大的盲目性，产生较多的无用节点，搜索空间大，效率不高。
启发式搜索：要用到问题自身的某些信息，以指导搜索朝着最有希望的方向前进。由于这种搜索针对性较强，因而原则上只需搜索问题的部份状态空间，搜索效率较高。
2.如何评价一个算法的性能？（度量问题求解的性能）
?完备性：当问题有解时，算法是否能保证找到一个解；
?最优性：找到的解是最优解；
?时间复杂度：找到一个解需要花多长时间
?搜索中产生的节点数
?空间复杂度：在执行搜索过程中需要多少内存
?在内存中存储的最大节点数
3.简述几种搜索方式的思想。
非启发式搜索：
广度优先搜索：首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。
代价一致搜索：扩展路径消耗最低的节点，若单步耗散相等，则等价于广度优先搜索算法。深度优先搜索：扩展搜索树的当前边缘中最深的节点。搜索直接推进到搜索树的最深层，当最深层节点扩展完没达到目标节点则将向上回到下一个还有未扩展后续节点的稍浅的节点。深度有限搜索：深度为l的节点被当做没有后续的节点对待。
迭代深入深度优先搜索：不断增大深度限制，直到找到目标节点。
代价一致搜索的迭代搜索：不断增加路径耗散限制
双向搜索：运行两个同时的搜索：向前搜索（从初始状态向前搜索）和向后搜索（从目标状态向后搜索），扩展节点前检查该节点是否在另一棵树的边缘。
启发式搜索：
贪婪最佳优先搜索：定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。
局部搜索算法：从单独的一个当前状态出发，只移动到相邻状态，找目标状态，通常不保留搜索路径。
爬山法搜索：根据一个目标函数，找寻目前邻居中状态最好的一个（最陡上升）。（贪婪局部
搜索）
模拟退火搜索：先高温烧热，再慢慢降温。当“温度”T降低得足够慢，能找到全局最优解的概率逼近1。
局部剪枝搜索：按一定概率随机地从后续集合中选择k个后续，若出现目标状态则停止，否则再从所有后续中选择k个最佳后续，重复这一过程。
遗传算法：基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法。
4.什么是启发式、启发式函数、可采纳的启发式、一致的启发式、启发式搜索？PPT方法一：对h加以限制。
评价函数f(n) = g(n) + h(n)
g(n): 从初始状态s到状态n的实际耗散值。
h(n): 启发函数，从状态n到目标的最短路径的估计耗散值
f(n):从s经过n到目标的最短路径估计耗散值
5.简述A*算法，证明其最优性。
6.简述智能优化方法中遗传算法的概念及优点。
遗传算法通过作用于染色体上的基因寻找好的染色体来求解问题。随机产生初始群体，其中每个个体给予一个数值评价即适应度，基于适应度来随机选择染色体，使适应性好的染色体有更多繁殖机会。
优点：
?随机搜索：始于搜索空间的一个随机点集，而不像图搜索那样固定地始于初始节点。
?满意解
?并行搜索：从搜索空间的一个点集（种群）到另一个点集。适合大规模并行计算，有能力跳出局部最优解。
?算法适应性强：除确定适应度函数外几乎不需要其他先验知识
?不要求解的连续性，因此能从离散的、多极值、含噪声的高维问题中找到全局最优。
三、知识表示
课本P42用谓词表达语句。
四、确定性推理方法
1.演绎推理、归纳推理、默认推理的概念。
演绎推理是从全称判断推导出单称判断的过程，即由一般性知识推出适合于某一具体情况的结论。这是一种从一般到个别的推理。
归纳推理是从足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理。默认推理又称为缺省推理，是在知识不完全的情况下假设某些条件已经具备所进行的推理。
3.确定性推理、不确定性推理的概念。
确定性推理：推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假，没有第三种情况出现。
不确定性推理：推理时所用的知识与证据不都是确定的，推出的结论也是不确定的。
4.单调推理、非单调推理的概念。
单调推理：随着推理向前推进及新知识的加入，推出的结论越来越接近最终目标。
非单调推理：由于新知识的加入，不仅没有加强已推出的结论，反而要否定它，使推理退回到前面的某一步，重新开始。
5.启发式推理、非启发式推理的概念。
如果推理过程中运用与推理有关的启发性知识，则称为启发性推理，否则称为非启发性推理。启发性知识：与问题有关且能加快推理过程、求得问题最优解的知识。
6.正向推理、逆向推理的概念及优缺点。
正向推理是以已知事实作为出发点的一种推理。正向推理简单，易实现，但目的性不强，效率低。
逆向推理是以某个假设为目标作为出发点的一种推理。逆向推理不必使用与目标无关的知识，目的性强，同时利于向用户提供解释，但起始目标的选择有盲目性，比正向推理复杂。
7.谓词公式化为子句集。
8.归结原理
（1）应用归结原理证明定理
（2）应用归结原理求解问题
五、不确定性推理方法
1.不确定推理的概念。
不确定性推理：从不确定性的初始证据出发，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但却是合理或者近乎合理的结论的思维过程。
2.可信度方法
?可信度：根据经验对一个事物或现象为真的相信程度。
?可信度带有较大的主观性和经验性，其准确性难以把握。
?C－F模型：基于可信度表示的不确定性推理的基本方法。
?CF（H，E）的取值范围: [-1,1]。
?若由于相应证据的出现增加结论H 为真的可信度，则CF（H，E）> 0，证据的出现越是支持H 为真，就使CF（H，E) 的值越大。
?反之，CF（H，E）< 0，证据的出现越是支持H 为假，CF（H，E）的值就越小。
?若证据的出现与否与H 无关，则CF（H，E）= 0。
3.可信度求法
4.证据理论：信任函数、似然函数、概率分配函数的正交和、例4.2
5.模糊推理方法：模糊集合运算、求模糊关系例4.7、模糊关系的合成、模糊推理应用例4.10
6.根据全联合概率分布表求边缘概率、条件概率P365
7.用贝叶斯法则证明P368 公式13.10 证明题
8.怪兽推理（172、389）
人工智能 第一章 1、智能（intelligence ）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。 2、人工智能（学科） 人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 3、人工智能（能力） 人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。 5、人工智能的主要学派： 符号主义：又称逻辑主义、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。代表人物有纽厄尔、肖、西蒙和尼尔逊等。 连接主义：又称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。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。 6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图 人类 计算机 认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 7、人工智能研究目标为： 1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。
人工智能:是边缘学科.主要研究如何用计算机模仿和实现人类的智能. 符号主义(主流学派):认为人的认知基元是符号,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,能用计算机来模拟人的智能行为;认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. 连结主义:认为思维基元是神经元,而不是符号处理过程;认为人脑不同于电脑,并提出连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 行为主义:认为智能取决于感知和行动(所以被称为行为主义),提出智能行为的“感知—动作”模式;认为智能不需要知识、不需要表示、不需要推理;人工智能可以象人类智能一样逐步进化(所以称为进化主义);智能行为只能在现实世界中与周围环境交互作用而表现出来. 确定性推理是建立在确定性知识和证据的基础上的推理.从确定的初始证据出发,通过运用确定性知识,最终推出具有一定程度的确定性但却又是合理或基本合理的结论. 知识是人们在改造客观世界的实践中形成的对客观事物(包括自然的和人造的)及其规律的认识,包括对事物的现象、本质、状态、关系、联系和运动等的认识. 知识表示方式(把知识用计算机可接受的符号并以某种形式描述出来)一阶谓词逻辑、产生式表示、状态空间图表示、与或图表示、语义网络、框架结构表示,还有问题归纳法、面向对象法等. 机器学习是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. 机器学习的基本系统结构:环境向系统的学习部分提供某些信息,学习部分利用这些信息修改知识库,以增进系统执行部分完成任务的效能,执行部分根据知识库完成任务,同时把获得的信息反馈给学习部分.在具体的应用中,环境,知识库和执行部分决定了具体的工作内容,学习部分所需要解决的问题完全由上述3部分确定.下面我们分别叙述这3部分对设计学习系统的影响. 所有的人都是要死的,苏格拉底是人,所以苏格拉底是要死的. 令P(x):x是人,Q(x):x是要死的:(x)(P(x)→Q(x))∧P(苏格拉底)→Q(苏格拉底) 证明(1) ( x)(P(x)→Q(x)) 前提 (2) P(苏格拉底)→Q(苏格拉底) 全称量词消去 (3) P(苏格拉底) 前提 (4) Q(苏格拉底) (2)(3) 分离 每个学术会议的成员是专家,有些成员是年轻人,所有有的成员是年轻专家. 令P(x):x是专家,Q(x):x是年轻人,R(x)表x是学术会议成员: (X)(R(x)→P(X));(?X) (R(x)∧Q(X));(?X)(Q(X)∧P(X)) 证明(1)(?X) (R(x)∧Q(X)) P (2) R(a)∧Q(a)ES(1) (3)R(a)T(1)I (4) (X)(R(x)∧P(X))P (5)R(a)→P(a)US(4) (6) P(a) T(3) (5)I (7)Q(a) T(2)I (8)Q(a)∧P(a) T(6) (7)I (9)(?X) (Q(x)∧P(X)) EG(8) 任何鸵鸟都不会飞,多有雌鸵鸟都是鸵鸟,所以,所有雌鸵鸟都不会飞. 设P(x):x是鸵鸟;Q(x):x会飞;R(x):x是雌鸟. ?x(P(x)→?Q(x)),
人工智能试卷（B） 试题部分： 一、选择题（15小题，共15分） 1、97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） A）深蓝B）IBM C）深思D）蓝天 2、下列不在人工智能系统的知识包含的4个要素中D A)事实B)规则C)控制和元知识D)关系 3、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 ） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 4、或图通常称为D A）框架网络B)语义图C)博亦图D)状态图 5、不属于人工智能的学派是B A)符号主义B)机会主义C)行为主义D)连接主义。 6、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C A)明斯基B).扎德C)图林D)冯.诺依曼 7、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（B ）。 A)专家系统B)机器学习C)神经网络D)模式识别 8、下列哪部分不是专家系统的组成部分（A） A.）用户B）综合数据库C）推理机D）知识库 9、产生式系统的推理不包括（D ） A）正向推理B）逆向推理C）双向推理D）简单推理 10、C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的B A)可信度B)信度C)信任增长度D)概率 11、AI的英文缩写是B A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 12、反演归结（消解）证明定理时，若当前归结式是（C）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 13、在公式中?y?xp(x,y))，存在量词是在全称量词的辖域内，我们允许所存在的x可能依赖于y值。令这种依赖关系明显地由函数所定义，它把每个y值映射到存在的那个x。这种函数叫做（B ） A. 依赖函数 B. Skolem函数 C. 决定函数 D. 多元函数 14、子句~P∨Q和P经过消解以后，得到（B ） A. P B. Q C. ~P D.P∨Q
名词解释： 1,、什么是人工智能？人工智能的研究有哪些学派？他们的观点是什么？ 一：主要研究如何用计算机模仿和实现人类的智能。 国际上人工智能研究作为一门科学的前沿和交叉学科，但像许多新兴学科一样，人工智能至今尚无统一的定义。 有多种定义：⑴智能机器。能够在各类环境中自主的或交互的执行各种拟人任务的机器。 ⑵是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。 ⑶从人工智能所实现的功能来定义： ·人工智能（能力）是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动 ⑷从“研究如何在机器上实现人类智能”角度讲，人工智能被定义为是一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。通俗地说，人工智能就是研究如何使机器具有能听、会说、能看、会写、能思维、会学习、能适应环境变化、能解决各种面临的实际问题等功能的学科。 ⑸人工智能是研究如何让计算机做现阶段人类才能做得更好的事情”。 ⑹人工智能是计算机科学的分支，它用符号的、非算法的方法进行问题求解”。 ?二：符号主义（主流学派）：又称：逻辑主义、心理学派或计算机学派 原理：物理符号系统(即符号操作系统)假设和有限合理性原理起源：源于数理逻辑，学派代表：纽厄尔、西蒙和尼尔逊等 认为人的认知基元是符号，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，能用计算机来模拟人的智能行为； 认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。 连结主义：又称：仿生学派或生理学派。原理：神经网络及神经网络间的连 接机制与学习算法。起源：源于仿生学，特别是人脑模型的研究 学派代表：卡洛克、皮茨、Hopfield、鲁梅尔哈特等 认为思维基元是神经元，而不是符号处理过程； 认为人脑不同于电脑，并提出连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 行为主义：又称：进化主义或控制论学派。原理：控制论及感知—动作型控制系统。起源：源于控制论
一、选择题答案1、A2、A 二、填空题答案 1、基于规则的正向演绎系统使用的条件是（1）事实表达式是任意形式（2）规则形式为L→W或L1∨L2→W，其中L为单文字，W为任意形（3）目标公式为文字析取形 2、基于规则的逆向演绎系统使用的条件是（1）事实表达式是文字合取形（2）规则形式为W→L 或W→L1∧L2 ，其中L为单文字，W为任意形（3）目标公式为任意形式 3、归结法中，可以通过修改证明树的方法得到问题的解答。 三、问答题答案 第1题答：
得解图：
第2题 第3题 答：综合数据库： (m1, m5, m9, b) 设从河的左岸到右岸，其中m1, m5,m9分别表示过河时间需要1分钟，5分钟和9分钟的人，在河左岸的人数。b＝1表示船在左岸，b＝0表示船在右岸。规则集： 初始状态：(2, 1, 1, 1) 结束状态：(0, 0, 0, 0) h函数：h(n) = m - b，其中m为在左岸的人数，b为船是否在左岸。 对于任意两个节点ni和nj，其中nj是ni的子节点。 当ni中b＝1时，则nj中b＝0，因此：max(h(ni)-h(j))=(m-1)-(m-1)=0, 而C(ni, nj)最小为1， 因此h(ni)-h(nj) 因此该h函数满足单调性条件。所以h满足A*条件。 第4题 答：对事实和规则进行skolem化： （1）(s) ~P(a) （2）(s)(P(g(s))) P(g(s)) （3）(x)(s)(y)((P(s)∧Q(b，x，s))→H(y) (P(s)∧Q(b，c，s))→H(f(s)) （4）(x)(s)(Q(b，x，s)→Q(b，x，g(s))) Q(b，x，s)→Q(b，x，g(s)) （5）(x)(s)(y)(~P(s)→Q(b，x，y)) ~P(s)→Q(b，x，h(x, s)) 经变量换名后，有事实和规则如下： ~P(a) P(g(s1)) r1: (P(s2)∧Q(b，c，s2))→H(f(s2)) r2: Q(b，x3，s3)→Q(b，x3，g(s3)) r3: ~P(s4)→Q(b，x4，h(x4, s4)) 用对偶形式对目标skolem 化： (x)H(x) H(x) 演绎图如下图(这里只给出了一个一致解图)。 一、选择题答案1、b 2、A 3、A 二、填空题答案 1、在修正的A算法中，fm的含义是到当前为止，扩展的节点中，f的最大值 2、对任意节点n，设m是n的子节点，当h满足条件h(n)-h(m) ≤ C(n, m), h(t) = 0时，称h是单调的。 三、问答题答案 第1题 答：当问题有解时，A*算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对A*算法加以改进，使用修正的A*算法进行搜索，则可以减少重复扩展节点问题。 第2题 答：回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索，而回溯搜索则不是图搜索。在回溯搜索中，只保留了从初始节点到当前节点的搜索路径。而深度优先搜索，则保留了所有的已经搜索过的路径。 第3题 答：化子句集如下： 归结树如下： 修改证明树： 得到问题的解答：R(h(f(g(c, a)))) 第4题 第5题 答：搜索图如图所示，其中括号内标出的是节点的f值，圆圈内的数字是扩展的次序。F(16) 得到的解路径为：S-B-F-J-T 第6题 答：如下的知识可以帮助求解该问题： （1）序列中，偶数在偶数位置，奇数在奇数位置； （2）第五个数为5。 综合数据库： 用一个1到9的序列表示：N = {x}，其中x为1到9的数字之一。规则集： r1: IF len(N)=4 THEN {x}∪{5} r2: IF len(N)为偶数and n=In(1, 3, 7, 9) THEN {x}∪{n} r3: IF len(N)为奇数and n=In(2, 4, 6, 8) THEN {x}∪{n} 其中len(N)为求序列的长度，In(a, b, c, d)为取a、b、c、d之一。初始状态：{} 结束条件：得到的序列N前i个数组成的整数能被i整除。 一、填空： 1.人工智能的研究途径有（1）、（2）和行为模拟。 2.任意列举人工智能的四个应用性领域（3）、（4）、（5）、（6）。 3.人工智能的基本技术包括（7）、（8）、（9）归纳技术、联想技术。 4.谓词逻辑是一种表达能力很强的形式语言，其真值的特点和命题逻辑的区别是 （10）。 5.谓词逻辑中，重言式（tautlogy）的值是（11）。 6.设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（12）。 7.在著名的医疗专家系统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并且具有完备性的是（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）。 18.产生式系统有三部分组成（30），（31）和推理机。其中推理可分为（32）和 （33）。 19.专家系统的结构包含人机界面、（34），（35），（36），（37）和解 释模块。 一、选择题 1.被誉为“人工智能之父”的科学家是（C ）。 A. 明斯基 B. 图灵 C. 麦卡锡 D. 冯.诺依曼 2. AI的英文缩写是( B ) A. Automatic Intelligence B. Artificial Intelligence C. Automatic Information D. Artificial Information 3. 下列那个不是子句的特点（D） A.子句间是没有合取词的(∧) B子句通过合取词连接句子(∧) C子句中可以有析取词(∨) D子句间是没有析取词的(∨) 4. 下列不是命题的是（C ）。 A.我上人工智能课 B. 存在最大素数 C.请勿随地大小便 D. 这次考试我得了101分 5. 搜索分为盲目搜索和（A） A启发式搜索B模糊搜索 C精确搜索D大数据搜索 6. 从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论的推理是（B） A. 归结推理 B. 演绎推理 C. 默认推理 D. 单调推理 7. 下面不属于人工智能研究基本内容的是（C ） A. 机器感知 B. 机器学习 C. 自动化 D. 机器思维 8.S={P∨Q∨R, ┑Q∨R, Q, ┑R}其中, P 是纯文字，因此可将子句（A）从S中删去 A. P∨Q∨R B. ┑Q∨R C. Q D.┑R 9. 下列不属于框架中设置的常见槽的是（B ）。 A. ISA槽 B. if-then槽 C. AKO槽 D. Instance槽 10. 常见的语意网络有（D ）。 A. A-Member-of联系 B. Composed–of联系 C. have 联系 D. 以上全是 1.在深度优先搜索策略中，open表是（B ）的数据结构 A.先进先出 B.先进后出 C. 根据估价函数值重排 D.随机出 2.归纳推理是（B ）的推理 A. 从一般到个别 B. 从个别到一般 C. 从个别到个别 D. 从一般到一般 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（B ） 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 《人工智能导论》期末复习知识点 选择题知识点 1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。 人工智能Artificial Intelligence,AI 人工神经网络Artificial Neural Network，ANN 机器学习Machine Learning，ML 深度学习Deep Learning,DL 2.什么是强人工智能？ 强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。有和生物一样的各种本能，比如生存和安全需求。在某种意义上可以看作一种新的文明。 3.回溯算法的基本思想是什么？ 能进则进。从一条路往前走，能进则进，不能进则退回来，换一条路再试。 4.面向对象、产生式系统、搜索树的定义？ 面向对象(Object Oriented)是软件开发方法，一种编程范式。面向对象的概念和应用已超越了程序设计和软件开发，扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。面向对象是一种对现实世界理解和抽象的方法，是计算机编程技术发展到一定阶段后的产物。面向对象是相对于面向过程来讲的，面向对象方法，把相关的数据和方法组织为一个整体来看待，从更高的层次来进行系统建模，更贴近事物的自然运行模式。 把一组产生式放在一起，让它们相互配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决的系统就叫作产生式系统。 对于需要分析方法，诸如深度优先搜索和广度优先搜索（穷尽的方法）以及启发式搜索（例如最佳优先搜索和A*算法），这样的问题使用搜索树表示最合适。 5.机器学习的基本定义是什么？ 机器学习是一门研究及其获取新知识和新技能，并识别现有知识的学问。6.智慧地球的概念，智慧地球提出的背景是怎样的？ 人工智能导论在线作业集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN] 答：决策树是一种数据挖掘分类算法、是直观运用概率分析的一种图解法、是一个预测模型。 基本方法： 决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图由左向右，由简到繁展开，组成一个树状网络图。 步骤： a.绘制决策树图。从左到右的顺序画决策树，此过程本身就是对决策问题的再分析过程。 b.按从右到左的顺序计算各方案的期望值，并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。 c.对比各方案的期望值的大小，进行剪枝优选。在舍去备选方案枝上，用“=”记号隔断。 2、什么是知识它有哪些特性列举至少六种知识表示方法 答：经过国内外学者的共同努力，目前已经有许多知识表示方法得到了深入的研究，目前使用较多的知识表示方法主要有：谓词逻辑表示法，产生式表示法、框架表示法、语义网络表示法、表示法、基于本体的知识表示法等。本文将介绍这些知识表示方法的特征和优缺点，进行一些分析和比较。 （1）词逻辑表示法。谓词逻辑表示法是指各种基于（ormalogic）知识表示方式，用逻辑公式描述对象、性质、状况和关系，例如“在轨道上”可以描述成：（npaceshiporbit）它是领域中使用最早和最广泛的知识表示方法之一。其根本目的在于把数学中的逻辑论证符号化，能够采用数学演绎的方式，证明一个新语句是从哪些已知正确的语句推导出来的，那么也就能够断定这个新语句也是正确的。 在这种方法中，识库可以看成一组逻辑公式的集合，识库的修改是增加或删除逻辑公式。使用逻辑法表示知识，将以描述的知识通过引入谓词、函数来加以形式描述，得有关的逻辑公式，而以机器内部代码表示。在逻辑法表示下可采用归结法或其它方法进行准确的推理。 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 第三章约束推理 约束的定义：一个约束通常是指一个包含若干变量的关系表达式，用以表示这些变量所必须满足的条件。 贪心算法：贪心法把构造可行解的工作分阶段来完成。在各个阶段，选择那些在某些意义下是局部最优的方案，期望各阶段的局部最优的选择带来整体最优。 回溯算法：有些问题需要彻底的搜索才能解决问题，然而，彻底的搜索要以大量的运算时间为代价，对于这种情况可以通过回溯法来去掉一 些分支，从而大大减少搜索的次数 第四章定性推理 定性推理的定义是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关 第六章贝叶斯网络 贝叶斯网络的定义： 贝叶斯网络是表示变量间概率依赖关系的有向无环图，这里每个节点表示领域变量，每条边表示变量间的概率依赖关系，同时对每个节点都对应着一个条件概率分布表(CPT) ，指明了该变量与父节点之间概率依赖的数量关系。 条件概率：条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。 贝叶斯概率：先验概率、后验概率、联合概率、全概率公式、贝叶斯公式 先验概率： 先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率，该类概率没能经过实验证实，属于检验前的概率，所以称之为先验概率 后验概率： 后验概率一般是指利用贝叶斯公式，结合调查等方式获取了新的附加信息，对先验概率进行修正后得到的更符合实际的概率 联合概率： 联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称之为交事件的概率。 贝叶斯问题的求解步骤 定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断 贝叶斯网络的构建 为了建立贝叶斯网络，第一步，必须确定为建立模型有关的变量及其解释。为此，需要：(1)确定模型的目标，即确定问题相关的解释；(2)确定与问题有关的许多可能的观测值，并确定其中值得建立模型的子集；(3)将这些观测值组织成互不相容的而且穷尽所有状态的变量。这样做的结果不是唯一的。第二步，建立一个表示条件独立断言的有向无环图第三步指派局部概率分布 p（xi|Pai）。在离散的情形，需要为每一个变量 Xi 的各个父节 点的状态指派一个分布。 第七章归纳学习 归纳学习是符号学习中研究得最为广泛的一种方法。给定关于某个概念的一系列已知的 正例和反例，其任务是从中归纳出一个一般的概念描述。 归纳学习能够获得新的概念，创立新的规则，发现新的理论。它的一般的操作是泛化和特化泛化用来扩展一假设的语义信息，以使其能够包含更多的正例， 福州大学2014～2015学年第2学期考试A卷 课程名称人工智能导论考试日期2015-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。 4. 产生式系统由3个部分组成：一个总数据库、、。 5. ANN中文意义是。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是，则定理得证。 8. 子句和P经过消解以后，得到。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。 10. 语义网络下的推理是通过和实现的。 11. 被成为人工智能之父，曾提出一个机器智能的测试模型。 12. 谓词公式(?x)(?y)(?z)(P(x,y)∨Q(y,z)W(z))消去存在量词后，可以化为 。 13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个 变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 8. 在遗传算法中，变量x的定义域为 [-2，5]，要求其精度为10-6，现用二进制进行编码， 西安电子科技大学 人工智能考试模拟试题一 一、选择题（10 小题，共10 分） 1、97 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（C ） A）深思B）IBM C）深蓝D）蓝天 2、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=（D ） A)C1’∨C2’ B) C1’ ∧C2’ C)C1’σ∧C2’σ D) C1’σ∨C2’σ 3、不属于人工智能的学派是（B ）。 A)符号主义B)机会主义C)行为主义D)连接主义。 4、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（B ）。 A)专家系统B)机器学习C)神经网络D)模式识别 5、下列哪部分不是专家系统的组成部分（D ） A.）知识库B）综合数据库C）推理机D) 用户 6、产生式系统的推理不包括（D ） A）正向推理B）逆向推理C）双向推理D）简单推理 7、AI 这个英文缩写的全称是（B） A)Automatic Intelligence C)Automatice Information B)Artifical Intelligence D)Artifical Information 8、在公式中 ) , (y x xp y? ?，存在量词是在全称量词的辖域内，我们允许所存在的x 可能依 赖于y 值。令这种依赖关系明显地由函数所定义，它把每个y 值映射到存在的那个x。这种函数叫做（B ） A)依赖函数B) Skolem 函数C) 决定函数D) 多元函数 9、子句~P∨Q 和P 经过消解以后，得到（C ） A)P B) ~P C) Q D) P∨Q 10、如果问题存在最优解，则下面几种搜索算法中，（A ）必然可以得到该最优解。 A) 宽度（广度）优先搜索B) 深度优先搜索 C) 有界深度优先搜索D) 启发式搜索 二、填空题（10 个空，共10 分） 1 、 )) , ( ) , ( )( )( (y x Above y x On y x→ ? ?化成子句形式为：~On(x,y) ∨ ) , (y x Above 2、假言推理 B A B A? ∧ →) (，假言三段论（A→B）∧（B→C)) (C A→ ? 《人工智能导论》教学大纲 大纲说明 课程代码：3235042 总学时：32学时（讲课32学时） 总学分：2学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求：C程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，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。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。 课程名称人工智能导论考试日期2007-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是符号主义，连接主义，行为主义、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。状态，操作符 4. 产生式系统由3个部分组成：一个总数据库、一套规则，一个控制策略 、。 5. ANN中文意义是人工神经元网络 。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， 将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差信号减至最小 ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是空子句 ，则定理得证。 8. 子句和P经过消解以后，得到 Q 。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。→W或L1∨L2→W，L为单文字 2006～2007学年第2学期考试A卷 13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个零均方差的高斯随机变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 1、利用启发式搜索算法A 解决以下8数码(如下图所示)：设评价函数 表的内容。 10、将以下语句： (1)会朗读者是识字的，(2)海豚都不识字， (3) 有些海豚是很机灵的， (4) 有些很机灵的东西不会朗读。 形式化表示为合适公式。 答：令谓词R 、L 、D 、I 分别指示朗读、识字、海豚和机灵，则这些语句可 形式化表示如下：(1(x[R(xL(x](2(x[D(xL(x](3(x[D(xl(x](4(x[l(xR(x]13 、将题 10 中的 前三个语句作为已知事实(公理)，最后一语句作为目标(待证定理)，应用归结 反演方法，证明 目标成立。 答：将前三个语句和最后一语句的取反化简，并标准化为合取范式的子句 集:(1R(xL(x(2D(yL(y(3D(A(4l(A (5l(zR(z 2、有三个积木块(A 、B 、C )放在桌子上，且可以叠放 f(n=d(n+p(n ，画出搜索图，并给出各搜索循环结束时 OPEN 和 在一起，要求在任意初始状态，按自上而下 A 、 B 、C 的顺序叠放这三个积木块。搬动积木块应遵从以下约束：( 1)每次只能搬一块，( 2)只有顶空的积木块才能搬动。 请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法(不必设计控制系统)；若初始状态和目标状态分别为：答案：1)综合数据 库 用谓词公式On(x,y 描述积木块的放置状态，x {A,B,C},y{A,B,C,Table} ；谓词公式Top-Clear(x 描述积木块x 顶空，x {A,B,C} 。问题状态就由这些谓词公式描述。2)规则库 为每个积木块的搬动设计规则，共有 5 个可能的搬动操作：Put-On(C,Table，Put-0 n(B,C,Put-0 n(B,Table,Put-0 n(A,B,Put-0 n(A,Table。规则依次排列如下(并采用First 冲突解法)： if Top-Clear(C0n(C,TablePut-0n(C,Table,revise；if Top-Clear(BTop- Clear(C0n(C,TablePut-0n(B,C,revise；if Top-Clear(B0n(B,C0n(C,Table Put-0n(B,Table，revise ； if Top-Clear(ATop-Clear(B0n(B,CPut-0n(A,B,revise ；if Top- Clear(A0n(A,B0n(B,CPut-0n(A,Table ，revise 。 其中Put-0n 操作符号指示Put-0n 操作并在计算机屏幕上显示该操作，函数revise 修改问题状态的描述到反映实际状态。作为解答的操作序列为： Put-0n(A,Table,Put-0n(C,Table,Put-0n(B,C,Put-0n(A,B。 3、表示包含下面句子含义的语义网络： ⑴典型的哺乳动物有毛发。⑵狗是哺乳动物，且吃肉。⑶Fido是John人工智能导论试卷一答案 (上海交大)
《人工智能导论》试卷
人工智能复习题汇总(附答案)
人工智能期末试题及答案完整版
《人工智能导论》期末复习知识点
人工智能导论在线作业
人工智能复习题(答案)
人工智能考试必备知识点
福州大学《人工智能导论》试卷
人工智能考试模拟试题
《人工智能导论》教学大纲.
人工智能导论试卷 (2)
人工智能考试必备整理
相关主题
文本预览