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
7．牙医问题中关于3个变量的全联合分布如下表所示，通过查表计算概率
P（cavity∨toothache）=（）。
A．0.12 B．0.28 C．0.72 D．0.36
8．在训练手写数字图片识别模型时，首先接收到很多名志愿者提供的一系列带标签的图片数据，以此为基础程序学习如何更好地进行识别，那么在该设定中指标measure P是（）。
A．对输入图片进行识别B．分析志愿者提供的带标签数据
C．识别准确率D．图片数据的标签
9．一个智能体在学习时收集到一系列的传感输入xi，但是其对应的输出yi并没有给出。智能体依然想要构造一个关于输入X的模型用于推理、决策以及预测等，此时学习的种类为（）。
A．监督学习B．无监督学习
C．半监督学习D．深度学习
10．以下局部搜索算法中属于贪婪算法的是（）。
A．爬山法搜索B．模拟退火搜索
C．局部剪枝搜索D．遗传算法
二．填空题（1分×20=20分）
1．学术界有四种对人工智能的定义，分别是类人行为、、
和，其中是本课程学习的主要内容，其定义可概括
为。
2．在二人博弈问题中，最常用的一种分析技术是，这种方法的思想是先生成一颗博弈树，然后再计算其倒推f值。但它的效率较低，因此人们在此基础上又提出了。
3．智能体的任务环境属性为可观察性、确定性、片段性、静态性、离散性以及智能体数。那么计时棋赛对应的任务环境属性为完全可观察的、、、、、多智能体的。
4． P （a ）是一个先验概率，那么P （a|b ）是后验概率也叫 。如果两个变量A 和B 是完全独立的，那么P(A, B) = 。如果A 和B 在给定C 的情况下是条件独立的，那么P(B |A, C) = 。利用以上性质建立的概率推理模型叫作 。
5． 使用遗传算法进行局部搜索时，首先初始化种群，计算个体的适应度函数，然后通过 ， ， 操作生成新种群，直到找出最优个体。 6． 普通神经网络由三层神经元组成，分别是 、隐含层和输出层，为了使模型精度更高，我们增加了隐含层的层数使模型变为 。
三．简答题（共20分）
1．什么是智能体。（4分）
2．形式化定义“真空吸尘器”问题。（4分） 状态？： 行动？： 目标测试？： 路径消耗？：
3．列举出至少五个机器学习的算法名称。（5分）
4．在欠拟合和过拟合两种情况下描述机器学习模型的训练误差和测试误差大小。作出随着模型复杂度的增加，两种误差变化的趋势图。（7分）
大题得分
小题得分
小题得分
小题得分
小题得分 装
订
线
四．综合计算题（共40分）
1．跟踪贪婪搜索和A*搜索算法使用直线距离启发式h SLD 求解从Lugoj 到Bucharest 问题的
过程。按顺序列出贪婪算法探索的节点和其f 值，A*算法探索的节点和其g,h,f 值。求解过程中不考虑避免重复状态。（8分）
贪婪搜索： 扩展节点n L f(n) 244
扩展节点n f(n)
A*搜索： 扩展节点n L
g h f
244 244
扩展节点n
g h f
扩展节点n
g h f
大题得分 小题得分
2．在澳大利亚地图染色问题中分别使用前向检验和弧相容两种方法进行约束传播。完善如下表所示的传播过程。（7分）
前向检验：
WA NT
Q
NSW
V
SA
T
初始 红绿蓝 红绿蓝 红绿蓝 红绿蓝 红绿蓝 红绿蓝 红绿蓝
WA=红 红
Q=绿 红 绿
V=蓝
红
绿
蓝
弧相容（当前WA=红，Q=绿）：
WA NT Q NSW
V
SA
T
当前 红
蓝
绿
红 蓝 红绿蓝 蓝 红绿蓝
SA →NSW
NSW →SA V →NSW SA →NT
3．如图所示博弈树，最下方数字是终止节点的效用值。请对该博弈树做如下工作： （1）计算各节点准确的极小极大值（标记在节点旁）；
（2）利用α- β剪枝技术剪去不必要的分枝（直接在对应分枝上画X ）。（8分）
MAX
MIN
MAX
MIN
U
-1 4 -2 2 1 3 5 6 4 2 -1 -2 4 6 5 -2
4．使用蚁群算法求解4个城市A 、B 、C 、D 的TSP 问题。城市间距离矩阵为D ，初始化各路径信息素τij =0.3,参数设置α=1,β=2小题得分
小题得分
装
订
线
