7 期中复习课：智能控制_考试重点
- 格式：doc
- 大小：764.50 KB
- 文档页数：17
《智能控制》第二版_各章重点、例题、作业及其答案
第一章 绪论
重点
1、 智能控制的概念。P2
2、 智能控制由哪些部分组成？P3-4
3、 智能控制的特点。P4
第二章 专家控制
重点
1、 专家系统的概念。P6
2、 专家系统由哪几部分组成？P7
3、 专家系统中，知识的表示方式有哪些？什么是产生式规则？P7
4、 专家系统的建立有哪些步骤？P7
5、 专家控制的概念。P8
6、 专家控制的结构。P9
7、 专家控制与专家系统的区别。P9
8、 专家控制的数据库包含哪些内容？P9
9、 专家控制的特点有哪些？P11
例题
补充内容：最佳优先搜索算法
例1 八数码魔方问题
八数码问题就是一个3*3的九宫格棋盘上，分别将标有数字1~8的8个棋子摆放其中，摆放时要求棋子不能重叠。于是在3*3的棋盘上将出现一个空格，允许这个空格周围的某个棋子向空格移动。假设给定一个初始化《智能控制》第二版_各章重点、例题、作业及其答案
的棋子布局（初始状态）和一个目标布局（目标状态），要求移动棋子以实现初始状态到目标状态的转变，给出一个合理的走步序列。
2 8 3
1 6 4
7 5
初始状态 1 2 3
8 4
7 6 5
目标状态求最佳优先搜索路径中，每一步的估价函数值。
分析：
估价函数f(n)=W(n)，其中：W(n)用来计算对应于节点n的数据库中错放的棋子个数。
比如：
2 8 3
1 6 4
7 5
初始状态 1 2
3
8 4
7 6 5
目标状态计算后，得到f(n)=4。
解答： f(n)=4 《智能控制》第二版_各章重点、例题、作业及其答案
例2 动物识别专家系统
动物识别专家系统是流行的专家系统实验模型，它用产生式规则来表示知识，共15条规则、可以识别老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁七种动物。在本系统当中,知识库中的知识用产生式规则来表示。
规则1：如果：动物有毛发
则：该动物是哺乳动物
规则2：如果：动物有奶
则：该动物是哺乳动物
规则3：如果：该动物有羽毛
则：该动物是鸟
规则4：如果：动物会飞，且会下蛋 5 7 ①
④
⑤
⑥ ③ 1 2 3 8
4
5 6 7 1 2 3 8
4
5 6
7 1 2 3 8
4
5 6
7 (3) (5) (5) ②
1 2 3 8 4
5 6 7 1 2 3 8
4
5 6 7 1 2 3 8
4
5 6 7 (4) (3) (3)
1 2 3
8 4
5 6 7 1 2 3
8 4
5 6 7 (2) (4) 1 2 3 8
4
5 6 7 1 2 3 8
4
5 6 7 (3) (4)
1 2 3 8 4
5 6 7 (1)
8 1 3 2
4
5 6 7 1 2 3 8 4
5 6 7 (0) (2) 1 2 3 8
4 6 (4)
7 5
⑦ 《智能控制》第二版_各章重点、例题、作业及其答案
则：该动物是鸟
规则5：如果：动物吃肉
则：该动物是肉食动物
规则6：如果：动物有犬齿，且有爪，且眼盯前方
则：该动物是食肉动物
规则7：如果：动物是哺乳动物，且有蹄
则：该动物是有蹄动物
规则8：如果：动物是哺乳动物，且是反刍动物
则：该动物是有蹄动物
规则9：如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点
则:该动物是豹
规则10：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹
则:该动物是虎
规则11:如果:动物有暗斑点，且有长腿，且有长脖子，且是有蹄类
则:该动物是长颈鹿
规则12:如果:动物有黑条纹，且是有蹄类动物
则:该动物是斑马
规则13:如果:动物有长腿，且有长脖子，且是黑色的，且是鸟,且不会飞
则:该动物是鸵鸟
规则14:如果:动物是鸟,且不会飞,且会游泳,且是黑色的
则:该动物是企鹅
规则15:如果:动物是鸟，且善飞
则:该动物是信天翁 《智能控制》第二版_各章重点、例题、作业及其答案
假设数据库中存放以下事实: 动物有暗斑, 有长脖子, 有长腿, 有奶,
有蹄。求解目标: 该动物是什么动物?
分析：
设计推理机：① 选择推理方式；② 选择推理算法。
推理方式：正向/反向/双向推理。
推理算法：深度优先/广度优先/启发式搜索算法。
例3 动物识别专家系统中，试求得出结论“金钱豹”的可信度，即计算CF（金钱豹）？
金钱豹
哺乳动物 食肉动物
该动物用乳汁哺育幼该动物会吃肉？该动物有暗斑点？1 0.5 0.95 0.6
规则1 规则2 规则3 《智能控制》第二版_各章重点、例题、作业及其答案
分析：
通常我们用CF来表示可信度。
例如：规则：if A then B CF(B)
可以用CF(A)表示前提条件A的可信度，CF(B)表示结论B的可信度，CF(B, A)表示A推出B的可信度（可能性），即该规则的可信度。
前提为单个条件时，CF(B) = CF(B, A)*CF(A)，当规则的可信度为100%，即CF(B, A) = 1，则CF(B) = CF(A)。
前提条件为多个，并以“AND”连接时，如果前提A以“AND”连接了多个条件，例如A = (A1∩A2∩A3)，则取前提条件中可信度的最小值作为A的可信度。这时：
CF(A) = CF(A1∩A2∩A3) = min(CF(A1), CF(A2), CF(A3))
CF(B) = CF(B, A)*CF(A) = CF(B, A)*min(CF(A1), CF(A2), CF(A3))
前提条件为多个，并以“OR”连接时，如果前提A以“OR”连接了多个条件，例如A = (A1∪A2∪A3)，则取前提条件中可信度的最大值作为A的可信度。这时：
CF(A) = CF(A1∪A2∪A3)= max(CF(A1), CF(A2), CF(A3))
CF(B) = CF(B, A)*CF(A) = CF(B, A)* max (CF(A1), CF(A2), CF(A3))
解析：用a, b, c分别表示规则1、规则2和规则3的可信度，则
CF(哺乳动物)=CF(a)·CF(用乳汁哺育幼子)=0.5·0.8=0.4
CF(食肉动物)=CF(b)·CF(会吃肉)=0.95·0.9=0.855
CF(金钱豹)= CF(c)·min(CF(哺乳动物),CF(食肉动物),CF(有暗斑点))=0.6·0.4=0.24
所以，得出结论“金钱豹”的可信度是0.24。 《智能控制》第二版_各章重点、例题、作业及其答案
第三章 模糊控制的理论基础
重点
1、 隶属函数的概念。P17
2、 模糊集合的表示方法。P17
1212......iiAxxx
3、三角形隶属函数。P21
4、隶属函数的确定方法有哪些？P23
5、关系和模糊关系的概念。P23，P25
6、什么是矩阵的合成？P25
7、模糊语句的类型。P25~26
模糊集合的表示。P17
例题、课堂练习
1、假设论域X={0,1,2,3}，设A表示一个“接近于0”的模糊集合，各元素的隶属度函数依次为{1.0,0.9,0.8,0.7}，请用扎德表示法表示模糊集合A。
解答：
41()10.90.80.70123AiiixAx
模糊集合的运算——并、交、补（P18~19）
并集：()max((),())()()ABABABABuuuuu
交集：)()())(),(min()(uuuuuBABABABA
补集：()1()AAAuu，A也可以表示为AC
例题 《智能控制》第二版_各章重点、例题、作业及其答案
例3.3 设12340.90.20.80.5Auuuu，12340.30.10.40.6Buuuu，求A∪B，A∩B，AC。
解答：
123412340.90.30.20.10.80.40.50.60.90.20.80.6ABuuuuuuuu
123412340.90.30.20.10.80.40.50.60.30.10.40.5ABuuuuuuuu
1234123410.910.210.810.50.10.80.20.5uuuuuuAuu
例1：假设论域为5个人的身高。模糊概念“高个子”用集合A表示，其隶属度用μA(xi)表示；“矮个子”用集合B表示，其隶属度用μB(xi)表示。
xi a b c d
e
身高 1.55 1.60 1.65
1.70
1.75
μA(xi) 0.1 0.3 0.4 0.7 1.0
μB(xi) 1.0 0.8 0.5 0.3 0.1
求：A，B，A∪B，A∩B，AC，BC。
解答：
“高个子”用集合A表示为：0.10.30.40.71.0Aabcde
“矮个子”用集合B表示为：1.00.80.50.30.1Babcde
0.11.00.30.80.40.50.70.31.00.11.00.80.50.71.0ABabcdeabcde
