人工智能[第二章知识表示方法]山东大学期末考试知识点复习
的一种特殊形式，在讨论谓词逻辑之前，先来介绍命题逻辑的基本概念。
1．命题逻辑
(1)命题
一般将能够分辨真假的陈述句称作命题。一个语句如果不能再进一步分解成更简单的语句，并且又是一个命题，则称此命题为原子命题。
将若干个原子命题通过下列的连接词连接起来，可构成一个复合命题，可表示比较复杂的语义。
～：称为“非”或“否定”。其作用是否定位于它后面的命题。当命题P为真时，～P为假；当P为假时，～P为真。
∨：称为“析取”。它表示被它连接的两个命题具有“或”关系。
∧：称为“合取”。它表示被它连接的两个命题具有“与”关系。
→：称为“条件”或者“蕴涵”。P→Q表示“P蕴涵Q”，即“如果P，则Q”，其中P称为条件的前件，Q称为条件的后件。
←→：称为“双条件”。P←→Q表示“P当且仅当Q”。
由以上连接词构成的复合命题的真值表如表2．1所示。
(2)命题公式
以下面的递归形式给出命题公式的定义：
①原子命题是命题公式。
②A是命题公式，则～A也是命题公式。
③若A和B都是命题公式，则A∧B、A∨B、A→B、A←→B也都是命题公式。
④只有按①～③所得的公式才是命题公式。
所以，命题公式就是一个按照上述规则由原子命题、连接词及圆括号所组成的字符串。在命题演算公式中，连接词的优先级别次序是～，∧，∨，→，←→
2．谓词逻辑
(1)谓词与个体
在谓词逻辑中，将原子命题分解为谓词与个体两部分。谓词用于刻画个体的性质、状态或个体间的关系；而个体则指可以独立存在的物体，可以是抽象的，也可以是具体的。谓词的一般形式是
P(x
1，x
2
，…，x
n
)
其中P是谓词，而x
1，x
2
，…，x
n
是个体。通常谓词用大写字母表示，个体用小
写字母表示。
一个谓词可以与一个个体相关联，此种谓词称作一元谓词，它刻画了个体的性质。一个谓词也可以与多个个体相关联，此种谓词称为多元谓词。它刻画了个体间的“关系”。个体可以是常量，也可以是变量，还可以是一个函数。个体常数、变量和函数统称为项。个体变元的取值范围称为个体域。
谓词中包含的个体数目称为谓词的元数，例如P(x)是一元谓词，P(x，y)
是二元谓词，而P(x
1，x
2
，…，x
n
)则是挖元谓词。在谓词P(x
1
，x
2
，…，x
n
)中，
若x
i
(i=1，2，…，n)都是个体常量、变元或函数，则称它为一阶谓词。如果某个xi本身又是一个一阶谓词，则称它为二阶谓词，以此类推。
谓词和函数从形式上看很相似，其实它们有着本质的区别，是两个完全不
同的概念。谓词具有逻辑值“真”或“假”，而函数则是某个个体到另一个个体(按数学上的概念是自变量到因变量)之间的一个映射。
(2)谓词公式
谓词公式是用连接词、量词及圆括号将一些原子谓词连接起来的字符串。连接词包括～、∨、∧、→、←→，其意义及运算优先级与命题逻辑中的相同。量词包括全称量词(∀x)和存在量词(∃x)，是用来刻画谓词与个体间的关系的。全称量词(∀x)表示“对个体域中的所有(或任一个)个体x”，存在量词(∃x)表示“在个体域中存在个体x”。
(3)谓词逻辑表示知识的方法
用谓词公式表示知识的步骤：
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以特定的值。
③根据所要表达的知识的语义，用适当的连接符号将各个谓词连接起来，形成谓词公式。
1．3 产生式表示法
1．产生式的基本形式
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
其中，P是产生式的前提，用于指出该产生式是否可用的条件；Q是一组结论或操作，用于指出前提P所指示的条件被满足时，应该得出的结论或应该执行的操作。P和Q是可由逻辑运算符and、or或not组成的逻辑表达式。
2．产生式与谓词逻辑中蕴涵式的区别
蕴涵式是一个谓词公式，本身有真值，而产生式不是谓词公式，没有真值。 3．产生式系统
产生式系统一般由3个基本部分组成：规则库、综合数据库和推理机。它们之间的关系如图2．1所示。
(1)规则库
规则库就是用于描述某领域内知识的产生式集合，是图2．1产生式系统的基本结构某领域知识(规则)的存储器，其中的规则是以产生式形式表示的。规则库中包含着将问题从初始状态转换成目标状态(或解状态)的那些变换规则。规则库是产生系统的核心，是进行问题求解的基础，其中知识的完整性和一致性、知识表达的准确性和灵活性以及知识组织的合理性，都将对产生式系统的性能和运行效率产生直接影响。
(2)综合数据库
综合数据库又称为事实库，用于存放输入的事实、外部数据库输入的事实以及中间结果(事实)和最后结果的工作区。当规则库中的某条产生式的前提可与综合数据库中的某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放人综合数据库中，作为后面推理的已知事实。显然，综合数据库的内容是在不断变化的，是动态的。
(3)推理机
推理机是一个或一组程序，用来控制和协调规则库与综合数据库的运行，包含了推理方式和控制策略。控制策略的作用就是确定选用什么规则或如何应用规则。通常从选择规则到执行操作分3步完成：匹配、冲突解决和操作。
①匹配。匹配就是将当前综合数据库中的事实与规则中的条件进行比较，
如果相匹配，则这一规则称为匹配规则。因为可能同时有几条规则的前提条件与事实相匹配，究竟选哪一条规则去执行呢?这就是规则冲突解决。通过冲突解决策略选中的在操作部分执行的规则称为启用规则。
②冲突解决。冲突解决的策略有很多种，其中专一性排序、规则排序、规模排序和就近排序是比较常见的冲突解决策略。
·专一性排序：如果某一条规则条件部分规定的情况比另一规则条件部分规定的情况更有针对性，则这条规则有较高的优先级。
·规则排序：规则库中规则的编排顺序本身就表示规则的启用次序。
·规模排序：按规则条件部分的规模排列优先级，优先使用较多条件被满足的规则。
·就近排序：把最近使用的规则放在最优先的位置。即那些最近经常被使用的规则的优先级较高。这是一种人类解决冲突最常用的策略。
③操作。操作就是执行规则的操作部分。经过操作以后，当前的综合数据库将被修改，其他的规则有可能成为启用规则。
4．用产生式表示知识的方法
用产生式表示知识步骤：
①分析待表示问题中所涉及的对象、事件或操作及它们之间的逻辑关系。
②确定具有因果关系的对象、事件或操作。
③把那些表示原因的对象、事件或操作用谓词表示出来，并根据这些对象间的逻辑关系(and、or、not)组成产生式的前提P。
④把那些表示结果的对象、事件或操作用谓词表示出来，并根据这些对象间的逻辑关系(and、or、not)组成产生式的结论Q。
⑤将前提和结论组成产生式(P→Q)或(IF P THEN Q)。
1．4 语义网络表示法
1．语义网络的概念及其结构
语义网络是通过概念及其语义关系来表示知识的一种网络图，它是一个带标注的有向图。其中有向图的各节点用来表示各种概念、事物、属性、情况、动作、状态等，节点上的标注用来区分各节点所表示的不同对象，每个节点可以带有若干个属性，以表征其所代表的对象之特性；弧是有方向、有标注的，方向用来体现节点间的主次关系，而其上的标注则表示被连接的两个节点间的某种语义联系或语义关系。在语义网络中，节点还可以是一个语义子网络，所以，语义网络实质上可以是一种多层次的嵌套结构。
2．语义网络中常用的语义关系
语义网络的引入，主要是为了表示概念、事物、属性等及它们之间的语义关系。语义关系的分析、提取、表示，是语义网络知识表示的关键。
常用的语义关系主要包括以下几种：
①类属关系：体现了一种具体与抽象的层次分类。其直观含义是“是一个(ISA)”、“是一种(AKO)”、“是一员(AMO)”等。类属关系具有继承性，低层节点可继承高层节点的属性。
②部分与整体关系：表示某一事物的部分与整体间的关系，或者说表示一种包含关系。用Part-of表示，Part-of联系不具继承性。
③位置关系：通常用Located表示事物间的位置关系，节点间属性不具继承性。
④占有关系：通常用Have表示属性或事物的“占有”关系，节点间属性不具继承性。
⑤构成关系：通常用Composed—of表示“构成”关系，是一种一对多联系，它所联系的节点间不具属性继承性。
⑥因果关系：通常用If-then表示两个节点间的因果关系。
⑦逻辑关系：包括合取(and)、析取(or)、非(not)等逻辑关系，以及逻辑关系中全称量词和存在量词。
3．用语义网络表示知识的方法
用语义网络表示知识的步骤如下：
①确定问题中的所有对象以及各对象的属性。
②分析并确定语义网络中所论对象间的关系。
③根据语义网络中所涉及的关系，对语义网络中的节点及弧进行整理，包括增加节点、弧和归并节点等，由以下七步组成：
a．在语义网络中，如果节点间的联系是ISA／AKO／AMO等类属关系，则下层节点对上层节点的属性具有继承性。整理同一层节点的共同属性，并抽出这些属性，加入上层节点中，以免造成属性信息的冗余。
b．如果要表示的知识中含有因果关系，则设立情况节点，并从该节点引出多个弧将原因节点和结果节点连接起来。
c．如果要表示的知识中含有动作关系，则设立动作节点，分析动作的主体与客体，从动作节点引出多个弧，将主体与客体连接起来。
d．对于事件性知识的表示，可以设置一个事件节点，分析事件中所涉及的动作以及该动作的主体与客体。从事件节点引出多条弧，将事件中所涉及的动作、事件的主体、事件的客体连接起来。
e．如果要表示的知识中含有逻辑组成关系，即含有“与”和“或”关系时，可在语义网络中设立“与”节点或“或”节点，并用弧将这些“与”“或”与其他节点联系起来，表达知识中的关系。
f．如果要表达的知识是含有全称量词的复杂问题，则应采用亨德里克(G．G．Hendrix)的网络分区技术，将该复杂问题分解成若干子问题，对每个子
问题用一个简单的语义网络进行表示；然后，再将这些简单的语义网络看作一个节点(称作超节点)，并将多个超节点用弧线连接起来，就可构成一个含有全称量词的大的语义网络。
g．如果要表示的知识是规则性知识，则应分析问题中的条件和结果，并将它们作为语义网络中的两个节点，然后用有向弧将它们连接起来，该有向弧具有“如果……那么……”的含义。
④分析检查语义网络中是否还有要表示的知识中所涉及的所有对象，若有遗漏，则需补全。并将各对象间的关系作为网络中各节点间的有向弧，连接形成语义网络。
⑤根据第①步的分析结果，为各对象标示属性。
4．语义网络表示下的推理过程
语义网络系统中的推理方法一般有两种：一种是匹配；另一种是继承。
(1)匹配推理
匹配推理的步骤：
①根据提出的待求解问题，构造一个局部网络或网络片段，其中有的节点或弧的标注是空的，表示有待求解的问题，称作未知处。
②根据这个局部网络或网络片段到知识库中寻找可匹配的语义网络，以便求得问题的解答。当然，这种匹配不一定是完全匹配，而是某种近似匹配，具有不确定性，因此，需考虑匹配的程度，以解决不确定性匹配问题。
③问题的局部语义网络与知识库中的某语义网络片段相匹配时，则与未知处相匹配的事实就是问题的解。
(2)继承推理
继承推理的步骤：
①继承一般有值继承和过程继承两种。值继承也可以称作属性继承，一般适用于语义联系ISA和AKO等之间的语义推理。
②过程继承又可以称为方法继承(这里的方法继承的概念借鉴于面向对象的程序设计)，是表示语义网络中下层节点的某些属性值并不是从上层节点直接继承下来的，而是通过计算才能得到，但它的计算方法却是从上层节点继承下来的。
1．5 框架表示法
1．框架的定义及组成
框架是一种描述所论对象属性的数据结构。所论的对象可以是一个事物、一个事件或者一个概念。一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面"。一个槽用于描述所论及对象的某一方面的属性，一个侧面用于描述相应属性的一个方面。槽和侧面所具有的属性值分别称为槽值和侧面值。槽值可以是逻辑型或数字型的，可以是程序、条件、默认值或是一个子框架。
一个框架可以由框架名、槽、侧面和值4部分组成。框架一般可表示成如下格式：
框架名
<槽名1>
<侧面11>
<值111>…<值11k
1
>
…
<侧面1n
1
>
<值1n
11>…<值1n
1
k
n1
>
<槽名2>
<侧面12>
<值121>…<值121
l
> …
<侧面1n
2
>
<值1n
2 1>…<值1n
2
1n
2
>
…
2．用框架表示知识的步骤
用框架表示知识的步骤如下：
(1)分析待表达知识中的对象及其属性，对框架中的槽进行合理设置。
(2)对各对象间的各种联系进行考察。使用一些常用的或根据具体需要定义一些表达联系的槽名，来描述上下层框架间的联系(常用的槽名有ISA、AKO、Instance、Part-of，读者在使用框架系统表示知识时，也可以根据具体的需要，进行槽名的定义)。
(3)对各层对象的“槽”及“侧面”进行合理的组织安排，对由ISA、AKO 和Instance等槽所联系的上下层框架，由于不同层次的框架间具有继承性，可将这些框架所表示的对象的共同属性抽取出来，放入到它们的上层框架(即父框架)中，以避免信息描述的重复。
3．框架表示下的推理方法
求解问题的匹配推理步骤如下：
(1)把待求解问题用一个框架表示出来，其中有的槽是空的，表示待求解的问题，称作未知处。
(2)通过与知识库中已有的框架进行匹配。这种匹配是通过对相应的槽的槽名及槽值逐个进行比较实现的。比较的结果可能不是完全匹配，如果两个框架
的各对应槽没有矛盾或者满足预先规定的某些条件，就认为这两个框架可以匹配。找出一个或几个可匹配的预选框架作为初步假设，在初步假设的引导下收集进一步的信息。
(3)使用一种评价方法对预选框架进行评价，以便决定是否接受它。
(4)若可接受，则与问题框架的未知处相匹配的事实就是问题的解。
1．6 面向对象的表示法
1．面向对象的基本概念
在面向对象技术中，核心的概念是对象。实际上，客观世界中的任何事物都可看作是一个对象。所以，面向对象技术是源自客观世界、能更好表达客观事物的一门技术。与对象相关的概念还有类、继承和封装等，它们都是面向对象技术中的基本概念，对于理解面向对象的思想及方法有重要作用。类和对象是一个相对的概念。类在概念上是一种抽象机制，它是对一组相似对象的抽象。类由一组属性和一组操作组成，它描述了一组具有相同属性和操作的对象。
一个类拥有另一个类的全部属性和操作，这种拥有就是继承。前者称为子类，后者称为父类，父类所具有的数据和操作可被子类继承。
封装是一种信息隐藏技术，是面向对象的主要特征，面向对象的许多优点都是靠这一手段而获得的，它使得对象的用户可以不了解对象行为实现的细节，只需用消息来访问对象，这样就可把精力用于系统一级的设计与实现上。
面向对象技术具有以下特点：
(1)模块性。一个对象是可以独立存在的实体，其内部状态不直接受外界的影响，能够较为自由地为各个不同的软件系统使用，提高软件的复用率。
(2)继承性。子类可继承父类的数据及操作，这样每个子类的数据一般分为两部分，一部分是从父类那里继承过来的共享数据，另一部分是本类中的私有数据。
(3)封装性。对象是封装的数据及操作。每个对象将自己的功能实现细节封装起来，使得用户不必知道其内部细节就可使用它，从而加快了软件开发的速度。
(4)多态性。所谓多态是指一个名字可以有多种语义，可作多种解释。例如，运算符“+”、“-”、“*”、“／"既可做整数四则运算，也可做实数四则运算，但它们的执行代码却全然不同。在面向对象系统中，对象封装了操作，恰恰是利用了重名操作，让各对象自己去根据实际情况执行，不会引起混乱。
(5)易维护性。对象实现了抽象和封装，这就使错误具有局部性，不会传播，便于检测和修改。
2．表示知识的方法
用面向对象方法表示知识时，需要对类的构成形式进行描述。不同的面向对象语言所提供的类的描述形式不同，下面给出一般的描述形式：
Class<类名>[：<父类名>]
[<类变量表>]
Structure
<对象的静态结构描述>
Method
<关于对象的操作定义>
Restraint
<限制条件>
END
其中，Class是类描述的开始标志；<类名>是该类的名字，它是系统中该类的唯一标识；<父类名>是任选的，指出当前定义的类之父类，它可以缺省；<类变量
表>是一组变量名序列，该类中所有对象都共享这些变量，对该类对象来说它们是全局变量，当把这些变量实例化为一组具体的值时，就得到了该类中的一个具体对象，即一个实例；Structure后面的<对象的静态结构描述>用于描述该类对象的构成方式；Method后面的<关于对象的操作定义>用于定义对类元素可施行的各种操作，它既可以是一组规则，也可以是为实现相应操作所需执行的一段程序，在C++中则为成员函数调用；Restraint后面的<限制条件>指出该类元素所应满足的限制条件，可用包含类变量的谓词构成，当它不出现时表示没有限制。
1．7 状态空间表示法
1．问题状态空间的构成
状态空间表示法就是以“状态空间”的形式对问题进行表示。“状态空间”的构成及定义如下。
(1)状态。状态是描述问题求解过程中不同时刻状况的数据结构。一般用一组变量的有序集合表示：
Q=(q
0，q
1
，…，q
n
)
其中每个元素q
i
(i=0，1，2，…，n)为集合的分量，称为状态变量。当给每一个分量以确定的值时，就得到了一个具体的状态。
(2)算符。引起状态中某些分量发生变化，从而使问题由一个状态变为另一个状态的操作称为算符。算符可分为走步、过程、规则、数学算子、运算符号或逻辑符号等。例如，在产生式系统中，每一条产生式规则就是一个算符；而在下棋程序中，一个算符就是一个走步。
(3)状态空间。由表示一个问题的全部状态及一切可用算符构成的集合称为该问题的状态空间。它一般由3部分构成：问题的所有可能初始状态构成的集合S；算符集合F；目标状态集合G。用一个三元组表示如下：
(S，F，G)
状态空间的图示形式称为状态空间图。其中，节点表示状态；有向边(弧)表示算符。
(4)问题的解。从问题的初始状态集S出发，经过一系列的算符运算，到达目标状态。初始状态到目标状态所用算符的序列就构成了问题的一个解。
2．用状态空间表示问题的步骤
(1)用状态空间方法表示问题时的步骤如下：
①定义状态的描述形式。
②用所定义的状态描述形式把问题的所有可能的状态都表示出来，并确定出问题的初始状态集合描述和目标状态集合描述。
③定义一组算符。使得利用这组算符可把问题由一种状态转变为另一种状态。
(2)利用状态空间求解问题的过程如下：
问题的求解过程是一个不断把算符作用于状态的过程。首先将适用的算符作用于初始状态，以产生新的状态；然后再把一些适用的算符作用于新的状态；这样继续下去，直到产生的状态为目标状态为止。这时，就得到了问题的一个解，这个解是从初始状态到目标状态所用算符构成的序列。
知识表示是人工智能研究的主要问题之一，也是利用人工智能求解实际问题的必经之路。本章，我们讨论了知识表示常用的6种方法，针对每一种方法，我们都讨论了它适于表示的知识种类，特别是讨论了表示知识的步骤和方法，使得知识表示的可操作性更强、更实用。
名词解释5X6分/简答题5X10分/论述题1X20分 一、选择题 1.下列哪个不是人工智能的研究领域（ D ） A.机器证明 B.模式识别 C.人工生命 D.编译原理 2.人工智能是一门（ C ） A.数学和生理学 B.心理学和生理学 C.语言学 D.综合性的交叉学科和边缘学科 3.神经网络研究属于下列（ B ）学派 A.符号主义 B.连接主义 C.行为主义 D.都不是 4.(A->B)∧A => B是（ C ） A.附加律 B.拒收律 C.假言推理 https://www.doczj.com/doc/9c19159226.html, 5.命题是可以判断真假的（ D ） A.祈使句 B.疑问句 C.感叹句 D.陈述句 6.MGU是（A） A.最一般合一 B.最一般替换 C.最一般谓词 D.基替换 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 D.关系 9.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（ C ）。 A.无悖性 B.可扩充性 C.继承性 10.仅个体变元被量化的谓词称为（ A ） A.一阶谓词 B.原子公式 C.二阶谓词 D.全称量词 11.或图通常称为（ D ） A.框架网络 B.语义图 C.博亦图 D.状态图 12.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。 13.所谓不确定性推理就是从( )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 ） A.不确定性, 不确定性 B.确定性, 确定性 C.确定性, 不确定性 D.不确定性确定性 14.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 15.已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合；这些子问题的解可以直接得到，从而解决了初始问题。这是知识表示法叫（ B ） A.状态空间法 B.问题归约法 C.谓词逻辑法 D.语义网络法 16.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 17.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 18.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 19.子句~P∨Q和P经过消解以后，得到（ B ） A. P B. Q C.~P D.P∨Q 20. 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 21. 谓词逻辑下，子句, C1=L∨C1‘, C2= ?L∨C2‘,最一般）合一置换，则其归结式C=（ A ） A.C1’σ∨C2’σ B.C1’∨C2’ C.C1’σ∧C2’σ D.C1’∧C2’ 22.A∧（A∨B）?A 称为（），~（A∧B）?~A∨~B称为（ C ）
人工智能：Artificial Intelligence，简称AI，主要研究如何使用人工的方法和技术，使用各种自动化机器或智能化机器模仿、延伸和扩展人的智能，实现某些机器的智能行为。传统划分①符号主义学派 ②联结主义学派 ③行为主义 学派现代1.符号智能流派2.计算智能流派3.群体智能流派人工智能的基本技术：1知识表示技术2知识推理、计算和搜索技术3系统实现技术。 符号智能的表示是知识的表示，运算是基于知识表示的推理或符号操作，采用搜索方法进行问题求解，一般在问题空间上进行，计算智能的表示是对象表示，运算时给予对象的表示的操作或计算，采用搜索方法进行问题求解，一般是在解空间上进行。 人工智能的研究领域：定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理、组合调度问题。 应用领域：难题求解、自动定理证明、自动翻译、智能管理、智能通信、智能仿真等。 人工智能的主要研究途径与方法：1功能模拟。符号推演2结构模拟。神经计算3行为模拟。控制进化 人工智能的研究目标及其意义： 1目标：远期目标是要制造智能机器，即探索智能的基本机理，最终制造出和人有相似或相近智力和行为能力的综合智能系统；近期目标是实现机器智能，即研究如何使用现有的计算机具备更高的智能，在一定领域或在一定程度上去完成需要人的复杂脑力劳动才能完成的工作。 2意义：普遍的计算机智能低下，无法满足社会需求；研究AI是当前信息化社会的迫切需求；智能化是自动化发展的必然趋势；研究AI，对人类自身的智能的奥秘也提供有益的帮助。 人工智能的基本内容：1从人工智能的定义出发包括（感知与交流的模拟，记忆，联想，计算，思维的模拟，输出效率或行为模拟2从知识工程的角度出发包括（知识的获取，知识的处理以及知识的运用） 人工智能诞生1956年夏，达特莫斯大学的研究会，麦卡锡提议正式采用了“AI”术语。发展：推理期，知识期，学习期ＡＩ的现状与发展趋势：１多种途径齐头并进，多种方法协作互补２新思想、新技术不断涌现，新领域新方向不断开拓3理论研究更加深入，应用研究愈加广泛4研究队伍日益壮大，社会影响越来越大。以上展现了AI繁荣景象和光明前景，虽有困难，问题和挑战，但前进和发展毕竟是大势所趋。 盲目搜索：无向导的搜索，也称穷举搜素。在搜索中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。 特点：搜索效率太低，所以在实际中往往是不可行的。启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。 启发式搜索：利用问题本身的“启发性信息”不断地改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解并找到最优解。特点：重排OPEN表，选择最有希望的节点加以扩展。 盲目和启发搜索的的不同：对于较大或无限状态空间问题， 盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。 启发式搜索—全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在OPEN表中保留所有已生成而为考察的节点，对其中的每个节点x计算启发函数h（x）,从全部节点中选出最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。 局部择优：是启发性知识导航下的深度优先搜索，在OPEN表中保留所有已生成为为考察的节点，对其中新生成的每个子节点x计算启发函数h(x),从全部子节点中选出最优节点进行扩展，其选择下一个要考察的结点的范围是刚刚生成的全部子节点。 在图搜索算法中，OPEN表，CLOSED表的作用各是什么 OPEN表：专门登记已经生成但还没有考察的节点，即待考察节点。算法执行时总是从OPEN表的首部取出节点。 CLOSED表：用来记录考察过的节点以及节点之间的关系，如每个节点指向父节点的编号（返回指针）。
第二章知识表示习题参考解答 2.3 练习题 2.1 什么是知识?它有哪些特性?有哪几种分类方法? 2.2 何谓知识表示? 陈述性知识表示法与过程性知识表示法的区别是什么? 2.3 在选择知识的表示方法时，应该考虑哪些主要因素? 2.4 一阶谓词逻辑表示法适合于表示哪种类型的知识?它有哪些特点? 2.5 请写出用一阶谓词逻辑表示法表示知识的步骤。 2.6 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。 （2）他每天下午都去玩足球。 （3）太原市的夏天既干燥又炎热。 （4）所有人都有饭吃。 （5）喜欢玩篮球的人必喜欢玩排球。 （6）要想出国留学，必须通过外语考试。 2.7 房内有一只猴子、一个箱子，天花板上挂了一串香蕉，其位置关系如图2. 11所示，猴子为了拿到香蕉，它必须把箱子推到香蕉下面，然后再爬到箱子上。请定义必要的谓词，写出问题的初始状态（即图2.16所示的状态）、目标状态（猴子拿到了香蕉，站在箱子上，箱子位于位置b）。 图2.11 猴子摘香蕉问题 2.8 对习题2.7中的猴子摘香蕉问题，利用一阶谓词逻辑表述一个行动规划，使问题
从初始状态变化到目标状态。 2.9 产生式的基本形式是什么？它与谓词逻辑中的蕴含式有什么共同处及不同处？ 2.10 何谓产生式系统？它由哪几部分组成？ 2.11 产生式系统中，推理机的推理方式有哪几种？在产生式推理过程中，如果发生策略冲突，如何解决？ 2.12 设有下列八数码难题： 在一个3×3的方框内放有8个编号的小方块，紧邻空位的小方块可以移入到空位上，通过平移小方块可将某一布局变换为另一布局（如图2.12所示）。请用产生式规则表示移动小方块的操作。 283123 1684 754765 S0S g 图2.12 习题2.12的图图2.13 习题2.13的图 2.13 推销员旅行问题： 设有五个相互可直达且距离已知的城市A、B、C、D、E，如图2.13所示，推销员从城市A出发，去其它四城市各旅行一次，最后再回到城市A，请找出一条最短的旅行路线。用产生式规则表示旅行过程。 2.14 何谓语义网络？语义网络表示法的特点是什么？ 2.15 语义网络表示法与产生式表示法、谓词逻辑表示法之间的关系如何？ 2.16 用语义网络表示下列知识： （1）所有的鸽子都是鸟； （2）所有的鸽子都有翅膀； （3）信鸽是一种鸽子，它有翅膀，能识途。
问题：指事件或事物的已知或当前状态与目标状态之间的有差异。问题求解：指在一定的控制策略下，通过一系列的操作或运算来改变问题的状态，使之与目标状态接近或一直。 问题求解所需的知识（求解框架）：叙述性知识、描述客观事物的特点及关系。过程性知识、通常是解决问题的操作步骤和过程的知识，也称为操作性知识。控制性知识、求解问题的方法和技巧的知识，确定解决问题的策略。 知识表示:研究在计算机中如何用最合适的形式表示问题求解过程中所需要的各种知识，包括构成问题求解框架的全部知识。 常用的知识表示形式:状态空间图，与或图，谓词逻辑，产生式，框架，语义网络 盲目搜索：无向导的搜索，也称穷举搜素。在搜索过程中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。 特点：搜索效率太低，所以在实际中往往是不可行的。 启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。 启发式搜索：利用问题本身的“启发性信息”不断地改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解并找到最优解。特点：重排OPEN表，选择最有希望的节点加以扩展。 启发式搜索—全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在OPEN表中保留所有已生成而为考察的节点，对其中的每个节点x计算启发函数h（x）,从全部节点中选出最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。 步1、把初始几点S。放入OPEN表中，计算h(S。)； 步2、若OPEN表为空，则搜索失败，退出。 步3、否则，移出OPEN表中第一节点N放入CLOSED表中，并冠以序号n; 步4、若目标结点S。=N，则搜索成功，利用CLOSED表中的返回指针找出S。到N的路径即为所求解，退出。 步5、若N不可扩展，则转步2； 步6、否则，扩展N，计算N的每个子节点x的启发函数h(x)，并将N所有子节点x配以指向N的返回指针后放入OPEN表中，依据启发函数值h(x)对节点的计算，对OPEN表中所有节点按其启发函数值的大小以升序排列，转步2. 局部择优：是启发性知识导航下的深度优先搜索，在OPEN表中保留所有已生成为为考察的节点，对其中新生成的每个子节点x计算启发函数h(x),从全部子节点中选出最优节点进行扩展，其选择下一个要考察的结点的范围是刚刚生成的全部子节点。 步6、否则，扩展N，计算N的每个子节点x的启发函数值h(x),并将N的所有子节点x配以指向节点N的指针后，将全部子节点按数值升序排列后反之OPEN表的首部，转步2. 盲目和启发搜索的的不同：对于较大或无限状态空间问题，盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。 在图搜索算法中，OPEN表，CLOSED表的作用各是什么 OPEN表：专门登记已经生成但还没有考察的节点，即待考察节点。算法执行时总是从OPEN 表的首部取出节点，不同控制策略就是通过节点在OPEN表中的不同排序来实现的。CLOSED表：用来记录考察过的节点以及节点之间的关系，如每个节点指向父节点的编号（返回指针）。搜索结束时，可以利用节点之间的关系，找到问题的解路径或解树。实际上，CLOSED表中存放的就是一定搜索策略下的搜索树。 广度优先搜索的特点： 广度优先中OPEN表是一个队列，广度优先搜索又称为宽度优先或横向搜索。广度优先策
人工智能技术期末复习纲要 一、填空（20分）+判断(10分) 1、人工智能：Artificial Intelligence，简称AI 2、计算智能就是计算人工智能, 它是模拟（群智能）的人工智能。计算智能以（数值数据）为基础, 主要通过数值计算，运用算法进行问题求解。 3、（判断）人工智能作为一门学科, 其研究目标就是制造智能机器和智能系统, 实现智能化社会 4、（判断）人工智能学科的研究策略则是先部分地或某种程度地实现机器的智能,并运用智能技术解决各种实际问题特别是工程问题, 从而逐步扩展和不断延伸人的智能, 逐步实现智能化。 5、（判断）符号智能采用搜索方法进行问题求解，一般是在（问题空间）搜索；计算智能也采用搜索方法进行问题求解，一般是在（解空间）搜索。 6、（填空）表示、运算和搜索是人工智能的三个最基本、最核心的技术。 7、PROLOG语言只有三种语句，分别称为（事实）、（规则）和（问题）。 8、（填空）PROLOG程序的执行过程是一个(归结)演绎推理过程 9、（填空）一个完整的Turbo PROLOG(2.0版)程序一般包括常量段、领域段、数据库段、（谓词段）、（目标段）和（子句段）等六个部分。 10、（填空）按连接同一节点的各边间的逻辑关系划分，图可分为（或图）或（与或图）两大类，图搜索也就可分为（或图搜索）和（与或图搜索）两大类。或图通常称为（状态图）。 11、（填空）用计算机来实现状态图的搜索, 有两种最基本的方式：（树式搜索）和（线式搜索）。 12、（填空）按搜索范围的扩展顺序的不同, 搜索又可分为（广度优先）和（深度优先）两种类型。 13、（填空）与或图搜索也分为（盲目搜索）和（启发式搜索）两大类。前者又分为穷举搜索和盲目碰撞搜索。 14、（填空）遗传算法中有三种关于染色体的运算: （选择-复制）、（交叉）和（变异）。 15、（判断、填空）遗传算法是一种随机搜索算法，遗传算法又是一种优化搜索算法。 16、（填空、判断）基于谓词逻辑的机器推理也称（自动推理）。基于郑重语言，不仅可以实现类似于人推理的（自然演绎法）自动推理，而且也可以实现不同于人的归结法自动推理。 17、（填空）原子谓词公式及其否定称为（文字） 设L为一个文字，则称L与L为（互补文字）。 设C1,C2是命题逻辑中的两个子句，C1中有文字L1，C2中有文字L2，且L1与L2互补，从C1,C2中分别删除L1,L2，再将剩余部分析取起来，记构成的新子句为C12，则称C12为C1,C2的（归结式），C1,C2称为其归结式的（亲本子句）， L1,L2称为（消解基）。 18、（填空）x1,x2,…,xn是互不相同的个体变元，称为替换的分母；ti不同于xi，xi也不循环地出现在tj(i,j=1,2,…,n)中；ti/xi表示用ti替换xi。若t1,t2,…,tn都是不含变元的项（称为基项）时，该替换称为（基替换）。 19、（填空）基于产生式规则的逻辑推理模式, 就是逻辑上所说的（假言推理）
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 3 L 或1/j 3 C 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。 nC 3 2 1 3 2 E
点）总结 1、智能所包含的能⼒ (1)感知能⼒(2)记忆与思维能⼒(3)学习和⼒适应能⼒(4)⼒为能⼒ 2、⼒⼒智能分为五个阶段： (1)孕育期(2)形成期(3)知识应⼒期(4)从学派分⼒⼒向综合(5)智能科学技术学科的兴起 3、⼒⼒智能研究的基本内容 (1)与脑科学和认知科学的交叉研究 (2)智能模拟的⼒法和技术研究 4、⼒⼒智能研究中的不同学派(三⼒学派) (1)符号主义(2)联结主义(3)⼒为主义 5、机器学习 机器学习是机器获取知识的根本途径，同时也是机器具有智能的重要标志。有⼒认为，⼒个计算机系统如果不具备学习功能，就不能称其为智能系统。机器学习有多种不同的分类⼒法，如果按照对⼒类学习的模拟⼒式，机器学习可分为符号学习、联结学习、知识发现和数据挖掘等。 6、演绎推理与归纳推理的区别 演绎推理与归纳推理是两种完全不同的推理。演绎推理是在已知领域内的⼒般性知识的前提下，通过演绎求解⼒个具体问题或证明⼒个给定的结论。这个结论实际上早已蕴涵在⼒般性知识的前提中，演绎推理只不过是将其揭⼒出来，因此它不能增殖新知识。⼒在归纳推理中，所推出的结论是没有包含在前提内容中的。这种由个别事物或现象推出⼒般性知识的过程，是增殖新知识的过程。 7、确定性知识 确定性知识是指其真假可以明确给出的知识，其表⼒⼒法主要包含谓语逻辑表⼒法、产⼒式表⼒法、语义⼒络表⼒法、框架表⼒法等。 8、谓语逻辑表⼒⼒法 P29 9、语义⼒络表⼒法 P34 10、框架表⼒法(鸟框架) P41 11、产⼒式推理的基本结构 产⼒式推理的基本结构如图所⼒，它包括综合数据库、规则库和控制系统三个重要组成部分。 12、谓语公式 P69 13、状态空间的盲⼒搜索
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
一、将下面的公式化成Skolem标准型(P100，例3.12) 1. (∀x) ((∀y) P(x,y)→～(∀y)(Q(x,y)→R(x,y))) 2．（（∃x）P(x)∨（∃x）Q(x)）→（∃x）(P(x)∧Q(x)) 二、谓词逻辑的归结证明（P108，例3.18） 假设：所有不贫穷并且聪明的人都是快乐的，那些看书的人是聪明的。李明能看书且不贫穷，快乐的人过着激动人心的生活。 求证：李明过着激动人心的生活。 给定谓词： Poor(x)：x是贫穷的；Smart(x)：x是聪明的；Happy(x)： x是快乐的；Read(x)：x能看书；Exciting(x)：x过着激动人心的生活。 三、简答题 1.什么是人工智能？人工智能有哪几个主要学派？ 2.什么是博弈问题？它具有哪些特点？ 3.简述谓词逻辑归结过程。 4.什么是知识？它有哪些特性？ 5.人工智能中什么是知识表示观？有哪些主要的知识表示观？ 6.何谓语义网络？它有哪些基本的语义关系？ 7.简述α-β过程的剪支规则。 8.什么是机器学习？机器学习有哪些方法？ 9.什么是变形空间法？简述其优缺点。 10.什么是贝叶斯网络？简述贝叶斯网络的构造过程。 11.简述神经网络的优缺点。 四、设有如下一组知识： r1：IF E1 THEN H (0.9) r2：IF E2 THEN H (0.6) r3：IF E3 THEN H (-0.5) r4：IF E4 AND ( E5 OR E6) THEN E1 (0.8) 已知：CF(E2)=0.8，CF(E3)=0.6，CF(E4)=0.5，CF(E5)=0.6, CF(E6)=0.8 求：CF(H)=? 五、设Ω={a，b}，且从不同知识源得到的概率分配函数分别为： m1({}, {a}, {b}, {a, b})=(0, 0.3, 0.5, 0.2)； m2({}, {a}, {b}, {a, b})=(0, 0.6, 0.3, 0.1)。 求：正交和m=m1⊙m2。 六、请把下列命题用一个语义网络表示出来。 ①树和草都是植物。 ②树和草都有叶和根。 ③水草是草，且生长在水中。 ④果树是树，且会结果。 ⑤梨树是果树中的一种，它会结梨。
《人工智能导论》期末复习2010 二、复习要点： 第一章： 1．什么是人工智能？人工智能的三种看法分别是什么？ 2．实现人工智能的技术路线是哪四种？ 3．人工智能要研究的三个主要问题是什么？ 4．人类智能主要表现的特色 5．人工智能有哪些主要研究及应用领域？ 第二章： 1．什么是知识？何谓知识表示？ 2．用状态空间表示法表示猴子摘香蕉问题。 3．产生式系统推理机的推理形式有哪三种？ 4．用语义网络表示：“苹果树枝繁叶茂，上结了好多苹果，有大的，也有小的，有红的，也有绿的”。 5．用框架表示法描绘“学生框架”。 6．用与/或树方法表示三阶Hanoi塔问题。 第三章： 1．推理的含义是什么？ 2．应用归纳原理求解以下问题：任何兄弟都有同一个父亲，John和Peter是兄弟，且John的父亲是David，问Peter的父亲是谁？ 第四章： 1．可信度方法：例4.2，习题4.6 2．主观Bayes方法：例4.8，例4.9
3．凭证理论中描绘凭证和结论的不确立性采纳哪两个函数胸怀？第五章： 1．什么叫搜寻？搜寻的两层含义是什么？ 2．用全局最正确优先搜寻方法求解八数码问题。 3．用代价树的宽度优先搜寻求解下边的销售员旅游问题。 第六章： 1．机器学习有哪些主要学习策略？ 第七章： 1．什么是自然语言理解？自然语言理解过程有哪些层次？各层次的功能怎样？ 2．对汉语语料库加工的方法是什么？汉语自动分词的方法有哪些？其难点安在？ 第八章： 1．什么是专家系统？它有哪些基本特色？一般专家系统由哪些基本部分组成？ 2．知识获得的主要任务是什么？ 3．有哪几类专家系统开发工具？各有什么特色？ 第九章： 1．解答B-P学习算法的流程图，并说明其优弊端。 2．简述Hopfield学习算法的主要步骤。 第十章： 1．从技术的角度讲，数据发掘的定义是什么？
人工智能 第一章 1、智能（intelligence）人(de)智能是他们理解和学习事物(de)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(de)一个分支.它(de)近期主要目标在于研究用机器来模仿和执行人脑(de)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(de)通常与人类智能有关(de)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(de)方法在机器上实现(de)智能,或者说,是人们使用机器模拟人类(de)智能. 5、人工智能(de)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(de)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(de)层次,它可以与计算机(de)层次相比较,见图 认知活动,最低层级是生理过程,即中枢神经系统、神经元和大脑(de)活动,与此相对应(de)是计算机程序、语言和硬件. 研究认知过程(de)主要任务是探求高层次思维决策与初级信息处理(de)关系,并用计算机程序来模拟人(de)思维策略水平,而用计算机语言模拟人(de)初级信息处理过程. 7、人工智能研究目标为： 1、更好(de)理解人类智能,通过编写程序来模仿和检验(de)关人类智能(de)理论. 2、创造有用和程序,该程序能够执行一般需要人类专家才能实现(de)任务. 一般来说,人工智能(de)研究目标又可分为近期研究目标和远期研究目标两种.两者具有不可分割(de)关系,一方面,近期目标(de)实现为远期目标研究做好理论和技术准备,打下了必要(de)基础,并增强人们实现远期目标(de)信心.另一 方面,远期目标则为近期目标指明了方向,强化了近期研究目标(de)战略地位. 8、人工智能研究(de)基本内容：（1）认知建模；（2）知识表示；（3）知识推理；（4）知识应用；（5）机器感知；（6）机器思维；（7）机器学习；（8）机器行为（9）智能系统构建 9、人工智能研究(de)主要方法：
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。
人工智能复习参考（2012工程硕士） 第1部分绪论 1-1.什么是人工智能？试从学科和能力两方面加以说明。 1-2.在人工智能的发展过程中，有哪些思想和思潮起了重要作用？ 1-3.为什么能够用机器（计算机）模仿人的智能？ 1-4.人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？ 1-5.人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？ 1-6.试评述人工智能的未来发展。 第2部分知识表示 2-1.什么是知识？知识的要素有哪些？知识的表示方法有哪些？ 2-2.谓词逻辑法、产生式表示法、框架表示法和语义网络表示法的要点是什么？它们有何本质上的联系及异同点? 2-3.如何用谓词逻辑法表示知识? （见课本例题） 2-4.什么是产生式规则？产生式系统由哪些部分组成？说明各部分的功能。 2-5.说明产生式系统推理机的推理方式及推理过程。 2-6.如何用框架表示法表示知识？如何用语义网络法表示知识？（见课本例题） 第3部分经典逻辑推理 3-1.什么是推理？推理的任务是什么？可分为哪几类（按推理的逻辑基础划分、所利用的知识划分、推出的结论的单调性划分）？ 3-2.什么是置换？什么是合一？什么是归结？ 3-3.什么是子句？把谓词公式化为子句集有哪些步骤? 3-4.掌握把谓词公式化为子句集的方法。如把下列句子变换成子句形式：～(∀x)｛P(x)→｛（∀ y）［p(y)→p(f(x,y))］∧(∀ y)［Q(x,y)→P(y)］｝｝ 3-5.简述用归结法证明定理的过程（消解反演求解过程）。（见课本例题）P94 17 20 3-6.如何通过归结法求取问题的答案? P95 18 19 3-7.与/或形演绎推理有哪几种推理方式? 简述推理过程（见课本例题）P95 21 22 第4部分不确定推理 4-1.研究不确定性推理有何意义?有哪几种不确定性? 4-2.在什么情况下需要采用不确定推理? 4-3.简述概率推理方法和主观Bayes推理方法。会应用概率方法和主观贝叶斯方法推理（见4.3节和4.4节的例题） 4-4.在主观Bayes方法中，请说明LS和LN的意义。 4-5.P126 设计题1，2 第5部分搜索问题求解 5-1 说明用状态空间法求解问题的过程，基本的求解方法有哪些？ 5-2什么是盲目搜索？启发式搜索法的基本思想是什么？评估函数如何定义？评估函数的作用是什么？ 5-3 什么是问题规约？与或图的作用是什么？为什么应用问题规约得到的状态空间可表示为与或图？P152，6 5-4 说明博弈树搜索的极大极小过程、α-β过程？P153 12 第6部分机器学习 6-1什么是学习和机器学习?为什么要研究机器学习?
人工智能期末复习 一、名词解释 1、人工智能（学科）：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，是一门 综合性的交叉学科和边缘学科。 2、语义网络：语义网络是一种用实体及其语义关系来表达知识的有向图。 3、机器学习：机器学习就是让机器（计算机）来模拟和实现人类的学习功能。 4、正向推理产生式系统：正向推理也称数据驱动方式，它是从初始状态出发，朝着目标状态前进，正向使 用规则的一种推理方法。所谓正向使用规则，是指以问题的初始状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的前提时，该规则才被使用。正向推理产生式系统简单明了，且能求出所有解，但是执行效率较低，具有一定的盲目性。 5、遗传算法：遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法。 6、人工智能（能力）：是智能机器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。 7、机器学习系统：机器学习系统是指能够在一定程度上实现机器学习的系统。 8、逆向推理产生式系统：逆向推理也称目标驱动方式，它是从目标状态出发，朝着初始状态前进，反向使 用规则的一种推理方法。所谓逆向使用规则，是指以问题的目标状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的后件时，该规则才被使用。逆向推理产生式系统不寻找无用数据，不使用与问题无关的规则。 9、演绎推理：演绎推理是从已知的一般性知识出发，去推出蕴含在这些已知知识中的适合于某种个别情况 的结论。是一种由一般到个别的推理方法，其核心是三段论，如假言推理、拒取式和假言三段论。 10、启发式搜索：状态空间的启发式搜索是一种能够利用搜索过程所得到的问题自身的一些特性信息来引 导搜索过程尽快达到目标的搜索方法。 二、填空题 1、目前人工智能的主要学派有下列三家：符号主义、联结主义和行为主义。 2、常用的知识表示方法有一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法和过 程表示法。 3、按照学习中所使用推理的多少，机器学习所采用的策略大体上可分成4种：机械学习、类比学习、 传授学习和示例学习。（不太确定） 4、产生式系统主要由三部分组成：即总数据库（或全局数据库）、产生式规则和控制策略。 5、符号处理系统的六种基本功能包括：输入符号、输出符号、存储符号、复制符号、建立符号结构、 条件性迁移等。 6、简单遗传算法的遗传操作主要有三种：简单、交叉、变异。 7、在谓词逻辑中，范式分为两种：前束范式和 Skolem范式。 8、按照搜索过程有无附加信息，搜索方法分为两种：盲目搜索和启发式搜索。（不太确定） 9、按是否使用启发式信息，可把搜索分为：盲目搜索、启发式搜索按问题的表示方式，可把搜索分为： 状态空间搜索、与/或树搜索。 10、可根据搜索过程中选择扩展节点的范围，将启发式搜索算法分为 A 算法和 A* 算法。 11、产生式系统主要由三部分组成：即总数据库（或全局数据库）、产生式规则和控制策略。 12、归纳推理按照所选事例的广泛性可分为完全归纳推理和不完全归纳推理。 13、在命题逻辑中，命题公式的一个解释就是对该命题公式中各个命题变元的一次真值指派。 14、如果P在任何非空个体域上均是永真的，则称P 永真。
一、填空题 01．构成产生式系统的基本元素有(综合数据库）(产生式规则)（控制系统），控制策略按执行规则的方式分为（正向推理）（反向推理)(双向推理）三类。 02．归结过程中控制策略的作用是给出控制策略，以使仅对选择合适的子句间方可做归结，避免（多余的不必要的归结式）。常见的控制策略有（采用支撑集）（线性归结）（单元归结）(输入归结）. 03．公式G和公式的子句集并不等值,但在（不可满足）的意义下是一致的。 04．与或图的启发式搜索算法（AO*算法）的两个过程分别是（图生成过程即扩展节点）和（计算耗散值的过程）。 05．人工智能的研究途径主要有两种不同的观点,一种观点称为（符号主义）,认为智能的基本单元是(符号)。另一种观点称为（连接主义）,认为智能的基本单元是(神经元). 06．集合{P(a,x,f(g（y）），P（z，f（z），f(u))）}的mgu（最一般合一置换）为（{z/a, f(x)/x, u/g(y)})。 07．语义网络是对知识的（有向图）表示方法,一个最简单的语义网络是一个形如（节点1、弧、节点2）的三元组，语义网络可以描述事物间多种复杂的语义关系、常用ISA、AKO弧表示节点间具有（类属）的分类关系.语义网络下的推理是通过(继承和匹配）实现的。 08．按综合属性分类，机器学习可分为（连接学习)（归纳学习)（分析学习）和遗传算法与分类器系统。一个机器学习系统应有（环境)(知识库）（学习环节)(执行环节）四个基本部分组成. 09．常用的知识表示法有逻辑表示法和（产生式规则表示法)（语义网络表示法）（框架理论表示法）（过程表示法)等。
10．有两个A＊算法A1和A2，若A1比A2有较多启发信息，则h1(n) （大于）h2(n）。 11．关于A算法与A＊算法，若规定h（n)≥0，并且定义启发函数:f*（n)=g＊(n）+h*(n）表示初始状态S0经点n到目标状态Sg最优路径的费用。其中g＊（n)为S0到n的最小费用，h ＊(n）为n到Sg的实际最小费用。若令h(n)≡0，则A算法相当于（宽度优先），因为上一层节点的（搜索费用）一般比下一层小.若(g（n)≡h(n）≡0)则相当于随机算法。若（g（n)≡0)，则相当于最佳优先算法。特别是当要求（h(n）≤h＊(n)）则称这种A算法为A*算法。 12．群智能是指无智能或简单智能的主体通过任何形式的聚集协同而表现出智能行为的特性。群智能潜在的两大特点是（并行性）和（分布式).其典型算法有(蚁群算法）和（粒子群算法）.已有的群智能理论的研究和应用证明群智能方法是一种能够有效解决（大多数优化问题）的新方法。 13．蚁群算法是模拟自然界中蚂蚁寻找从巢穴到食物的最佳路径的行为而设计的，蚂蚁在遇到食物返回的路上会分泌（信息素），信息素会随着时间慢慢挥发，且关键路径上的信息素相对浓度（大），蚁群算法已被广泛应用于许多优化问题中，其中有（聚类问题）（路由算法设计）（图着色）（车辆调度）（机器人路径规划）. 14．粒子群优化算法是模拟（鸟群）或(蜂群）的觅食行为而设计的，其基本思想是通过群体中（个体间的协作）和（信息共享）来寻找最优解。粒子群优化算法的应用领域有（车辆路径问题）（邮政投递）（火车汽车调度)（装卸集装箱）。 15．遗传算法是以达尔文的自然选择学说为基础发展起来的。遗传算法的三种基本操作是（复制)（交叉）(变异）；在遗传算法中,衡量个体优劣的尺度是（适应度），它决定某些个体是繁殖或是消亡，同时也是驱动遗传算法的动力。
人工智能[第二章知识表示方法]山东大学期末考试知识点复习
第二章知识表示方法 1．1 知识及其表示 1．知识、信息和数据 数据与信息是两个密切相关的概念。数据是记录信息的符号，是信息的载体和表示。信息是对数据的解释，是数据在特定场合下的具体含义。只有把两者密切结合起来，才能实现对现实世界中某一具体事物的描述。另外，数据和信息又是两个不同的概念，相同的数据在不同的环境下表示不同的含义，蕴涵有不同的信息。信息是要以数据的形式来表达和传递的，数据中蕴涵着信息，然而，并不是所有的数据中都蕴涵着信息，而是只有那些有格式的数据才有意义。对数据中的信息的理解也是主观的、因人而异的，是以增加知识为目的的。不同格式的数据蕴涵的信息多少也不一样，比如，图像数据所蕴涵的信息量就大，而文本数据所蕴涵的信息量就少。 信息在人类生活中占有十分重要的地位，但是，只有把有关的信息关联到一起的时候，它才有实际的意义，一般把有关信息关联在一起所形成的信息结构称为知识。知识是人们在长期的生活及社会实践、科学研究及实验中积累起来的对客观世界的认识与经验，人们把实践中获得的信息关联在一起，就获得了知识。 因此，知识、信息和数据是3个层次的概念。有格式的数据经过处理、解释过程会形成信息，而把有关的信息关联到一起，经过处理过程就形成了知识。知识是用信息表达的，信息则是用数据表达的，这种层次不仅反映了数据、信息和知识的因果产生关系，也反映了它们不同的抽象程度。人类在社会实践过程中，其主要的智能活动就是获取知识，并运用知识解决生活中遇到的各种问题。 2．知识的特性与分类 知识具有以下特性：相对正确性；不确定性；可表示性；可利用性。