第一篇：06-24《人工智能的應用》教學設計

第24課 人工智能的應用

【教材分析】

在我們的生活中很多領域已經在使用人工智能產品。本課主要介紹了人工智能在生活中的一些具體的應用，讓學生體驗人工智能的應用、了解其原理，為后面設計創作簡單的人工智能作品打下基礎。

【學情分析】

本節課的教學對象是六年級的學生，他們之前已經對什么是人工智能以及人工智能發展史有了初步的了解，對生活中一些人工智能產品也有一些感知。在本課教學中可以發揮學生的主觀能動性，讓學生通過動手實踐，自主探究，感受人工智能對生活帶來的便利，為后面學習使用xDing軟件編寫程序，實現人工智能的應用作好鋪墊。

【教學目標與要求】

1.了解人工智能在生活中的具體應用，感受智能識別對生活和學習的作用，產生并保持學習的興趣。

2.在嘗試識別未知音樂和圖片中文字的過程中，能夠根據需要，主動地運用相應的智能識別軟件處理問題，并在小組中進行知識分享與創新創造。

3.通過對智能識別和具體的應用的深入了解，提高探究能力，保持學習興趣。

【教學重點與難點】

重點：了解人工智能在生活中的一些具體的應用。

難點：學會使用音樂識別軟件和OCR文字識別軟件，能說出其優點和不足。【教學方法與手段】

方法：通過視頻激發學生的學習興趣，教學過程中采用任務驅動教學方法，將自主探究和小組合作學習形結合，重點培養學生對人工智能的興趣和探究熱情。

手段：多媒體教學網絡、教師演示與學生操作相結合。【課時安排】 安排1課時。【教學過程】

一、導入

1.同學們，你們打電話時，一般如何撥號呢？ 學生回答。

2.數字撥號看來是最常用的方式，接下來老師用的方法和你們的有點不一樣哦。教師使

用手機里的語音識別功能進行撥號并通話。

3.現在我們的身邊有很多與人工智能相關的應用，它們改善了我們的生活質量，今天就讓我們一起來了解一下吧！

板書：人工智能的應用

【設計意圖】通過一個簡單的實際應用操作，將抽象的語音識別技術變得具體化、生活化，讓學生明白人工智能也并非是高不可攀的，它就在我們身邊。從而調動學生的積極性，增強學生的參與性。

二、新授

1.語音識別技術。

（1）剛才我們使用語音來幫助我們撥號，使用的就是人工智能中的語音識別技術。語音識別技術，也被稱為自動語音識別（Automatic Speech Recognition，簡稱ASR），其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。

2.體驗QQ音樂的聽歌識曲功能。

（1）播放一段音樂，讓學生猜猜叫什么名字？ 學生思考、匯報。

同學們，你們有什么好方法可以快速獲知這首歌的名字嗎？ 學生簡單交流、匯報。

（2）體驗QQ音樂的聽歌識曲功能。

下載QQ音樂軟件，利用其中的語音識別功能快速準確識別未知的音樂，感受其神奇的功能。

語音識別功能界面

學生自行嘗試，交流。

同學們，在語音識別領域人工智能還能有哪些應用呢？它的優點和不足你們知道嗎？

學生查閱資料、討論、匯報。師生小結。

優點：便捷，提高效率。

不足：對讀音要求苛刻、識別過程中會有錯誤、需要檢查糾正等。3.其他人工智能識別技術的應用。

（1）語音識別技術讓我們的生活充滿了人情味，在我們的身邊還有哪些人工智能應用實例呢？讓我們通過這一段視頻了解一下。

（2）學生小組討論：這些人工智能應用給我們生活帶來了哪些便利呢？（3）學生匯報，師生小結。

車牌識別便捷，降低維護成本，減輕工作人員工作量，找車也方便…… OCR文字識別：提高辦公效率，少打字……

（4）如今的生活，隨著掃描儀的廣泛應用，尤其是OCR文字識別得到了進一步的發展，在醫院、學校、交通、安全等領域都有著大量的運用。百聞不如一試，接下來我們就親自動手試一試。

（5）探究“捷速OCR文字識別”軟件的應用。①打開“捷速OCR文字識別”軟件。

捷速OCR文字識別軟件界面1

學生熟悉窗口，通過交流了解軟件基本的使用方式。

②以小組為單位，選擇不同的圖片格式，嘗試利用軟件的文字識別功能將圖片上的文字轉換成可以編輯的文檔。

捷速OCR文字識別軟件界面2

教師小結：通過實際操作，和前面的語音識別技術相比，你能說說這兩種技術的相同和不同之處嗎？它們是不是每次都能成功？有沒有你認為不足、需要改進的地方？

學生互相交流、匯報。

【設計意圖】通過學生自身的生活體驗，結合圖片、視頻等資料及相應的應用軟件，更深層次地感受人工智能產品對人類生活質量、工作效率的提升，從而調動學生的積極性，同時也通過體驗發現軟件的不足，對軟件本身也產生初步優化的概念，為下一課學習xDing軟件作鋪墊。

三、總結拓展

同學們，你能說說這節課最大的感受是什么嗎？隨著生活中的人工智能應用越來越高效，范圍越來越廣泛，我們的生活變得越來越便捷。越聰明的人工智能其實往往就是設計師們智慧的體現，相信同學們從本節課的體驗中也感受到了，課后我們還可以繼續交流，希望大家通過以后的學習能賦予它們更強大的“智慧”！

【設計意圖】總結課堂學習，進一步激發學生的學習熱情，激勵學生在后面的學習中努力提升自己。

第二篇：人工智能教學設計

《用智能工具處理信息》教學設計

泰安長城中學 彭玉梅

學習目標

1.能在操作過程中了解智能信息處理工具的基本工作原理。2.認識智能信息處理這一前沿技術的實際應用價值。

3.通過本節課的學習，形成對人工智能的正確認識，產生對信息前沿技術探索的強烈欲望。

學習重點：

體驗智能信息處理工具的工作過程

學習難點：

領會智能信息處理工具的工作原理

學習方法

1.實踐、交流、探究的學習方法，分享獲得的感受。

2.通過教師的講解加深對原理的理解。3.通過練習反饋學生的學習效果。

教學過程：

導入：播放人工智能新科技視頻，引出這節課。

一.智能工具處理信息的應用：(一)模式識別

1.模式識別的概念：模式識別中“模式”的原意是提供模仿的標準樣式或標本，模式識別就是識別出給定的物體和哪一個標本相同或相似。

2.模式識別的一般過程：樣本采集、信息的數字化、預處理、數據特征的提取、與標準模式進行比較、分類識別。

3.通過活動來體驗模式識別中的“OCR”識別

活動一：用“漢王OCR”軟件識別圖片中的文字

要求：

（1）安裝并啟用“漢王OCR”軟件、快速閱讀軟件幫助.（2）利用“漢王OCR”識別兩個已經掃描的文件【文件1（平整），文件2（褶皺）】，分析其識別正確率。

（3）就兩次識別結果討論分析其識別的簡單原理

學生開始活動，教師觀察、了解學生活動并作必要的指導。小結：

（1）OCR識別原理：首先將漢字圖象進行處理，抽取主要表達特征并將其特征與字的代碼存在計算機中。識別過程就是將輸入的漢字圖像經處理后與計算機中所保存的全部漢字進行比較，找出最相近的字作為識別結果。（2）影響識別正確率的因素： ①原稿掃描圖像是不是清晰可“辨”。②分辨率應選擇適宜。（300dpi）③調整好亮度值和對比度值。

4.列舉日常生活中模式識別應用的更多例子：指紋識別、手寫識別、語音識別等。

（二）自然語言理解

1.自然語言理解的研究領域：主要是研究如何使計算機能夠理解和生成自然語言的技術。2.自然語言理解的過程可分為三個層次：詞法分析、句法分析、語義分析。3.通過活動來體驗自然語言理解

活動二：訪問自然語言處理網站，與智能語言機器人對話。

自然語言處理網站：http://alice.pandorabots.com

http://www-ai.ijs.si/eliza/eliza.html

要求：

（1）登陸智能網站，通過自然語言進行交流，感受人工智能的不足。并通過與智能機器人對話，來驗證機器人的智能程度。

（2）回顧與機器人聊天過程，談談你對機器人的認識，想想他是如何回答你的？

（3）就與網絡機器人交流的過程，小組內交流一下自已的體會。

學生開始活動，教師觀察、了解學生活動并作必要的指導。

小結：

（1）“對話機器人”的工作原理：語言理解、思考和語言的生成。即當我們輸入一段話，機器人首先要理解這段話的意思，然后根據并利用它所具有的知識，生成一段文字，給出回答。

（2）“對話機器人”的回答存在的問題及可能的原因

存在的問題：

①似乎不能與我們進行實質性的談話。②回答問題經常答非所問。主要原因可能有以下幾點：

①機器人還不能很好地識別人類自然語言。②機器人的“知識”有限。③機器人沒有“感情”和“情緒”。

4.列舉日常生活中自然語言理解應用的其它例子：翻譯系統

二、讓學生根據本節課的體會，展開討論。

智能處理工具與一般處理工具的區別 小結：

一般處理工具（Word,Excel）通常是處理有固定算法的問題，智能處理工具（漢王OCR軟件，雙向翻譯系統）通常處理的問題是不確定的，非結構的，沒有固定算法，處理的過程是推理控制的過程，最終得到的結果常常是不太確定的，可能是正確的，也可能是不正確的。

三、提升：我們應該怎樣正確認識人工智能？

1.人工智能給我們的生活學習帶來了很多方便，但他并不是萬能的，有局限性。2.人工智能的實質：機器的思維是人通過編寫程序給予的。

3.機器不能完全代替人，我們不能完全依賴機器，一方面我們要自力、自強、自信；同時也要熱愛科學，積極探索、發展、創新，讓機器成為人類的得力助手和合作伙伴，用人類自己創造的智慧，更好地為人類服務。

四、課堂小結：

1.人工智能的研究領域

（1）模式識別：OCR識別、指紋識別、手寫識別、語音識別等。（2）自然語言處理：與智能機器人對話、翻譯系統等。2.智能處理工具與一般處理工具的區別 3.對人工智能的認識

五、課堂練習：

1.本節課中的兩個活動分別屬于智能信息處理的哪個領域？

2.指紋鎖的工作原理是通過提取指紋圖象的特征進行身份識別。指紋鎖的工作流程可分為以下步驟，順序應該是（）(08年高考題)①指紋圖象采集 ② 指紋圖象處理 ③ 控制門鎖開啟④ 指紋圖象特征匹配 ⑤ 指紋圖象特征提取

A、①②⑤④③

B、①⑤②④③

C、①②③④⑤

D、①④⑤②③

3.目前在機器人足球賽中，足球機器人通過自身的攝像系統拍攝現場圖像，分析雙方球員的位置，運動方向以及與球門的距離和角度等信息，然后決定下一步的行動。下列說法正確的是（）(08年高考題)①足球機器人具有圖像數據的獲取、分析能力 ②足球機器人的研制采用了人工智能技術 ③足球機器人具有人的智能

④足球機器人既有邏輯判斷能力又有形象思維能力

A、① ②

B、① ③

C、② ④

D、③ ④

第三篇：《人工智能的發展歷史與應用》教學設計

課題

人工智能的發展歷史與應用

建議課時

1課時

課型

新知學習課（√）原理探究課（）綜合應用課（）其它_____（）

教學背景分析

隨著諸多關鍵技術的突飛猛進，誕生半個多世紀的人工智能終于從研發走到如今的巔峰期。那么人工智能如何誕生，又是在漫長的歷史中怎么發展起來的？學生雖然能夠說出生活中的人工智能的應用，但卻對人工智能的發展歷史較為陌生。在本節課中，學生將通過自主閱讀材料，歸納總結人工智能的發展的三次浪潮及兩次低谷，并對人工智能的實際應用有進一步的認識。

學習目標

1.知道達特茅斯會議標志著人工智能的誕生。

2.知道人工智能經歷了3次浪潮。

3.知道人工智能在制造、家居、教育、交通、安防、醫療、物流、軍事等領域有廣泛的應用。

4.通過閱讀教材，學習人工智能的發展歷史，提升分析信息和處理信息的能力。

5.通過了解人工智能發展的歷程，辯證地看待科技發展的一般規律。

6.產生對人工智能領域的學習興趣和探究熱情。

學習重難點

1.學習重點

（1）知道達特茅斯會議標志著人工智能的誕生。

（2）知道人工智能經歷了3次浪潮。

2.學習難點

（1）知道人工智能在制造、家居、教育、交通、安防、醫療、物流、軍事等領域有廣泛的應用。

課前準備

教材，教學課件，學習單。

教學過程設計

教師活動

學生活動

環節一：新課引入

教師活動：

1.教師帶領學生一起回顧前兩節課的內容，回憶人工智能的含義以及人工智能在生活中的實際應用等。

2.教師從生活實際出發，列舉人工智能帶給生活的變化，并讓學生思考人工智能的發展起源。

學生活動：

1.學生回憶人工智能的含義與人工智能的應用。

2.學生對人工智能的發展歷史產生好奇。

設計意圖：通過舊知回顧引入課程主題——人工智能的發展史。

環節二：新知學習（一）人工智能的發展歷史

教師活動：

1.在教師講授前，要求學生閱讀教材P10-15，自主學習人工智能的發展歷程，并填寫學習單問題1。

2.教師引導學生就近四人一組，讓學生互相之間交流自己的想法，并確定一個最終版本，分小組進行匯報。

3.教師進行點評并總結歸納人工智能的發展歷史。

學生活動：

1.學生閱讀材料，完成學習單問題1。

2.學生小組討論，并上臺匯報。

3.跟隨教師的思路學習人工智能的發展歷史。

設計意圖：學生自主閱讀相關材料，通過填寫學習單，了解人工智能發展史。

環節三：新知學習（二）人工智能在各行各業中的應用

教師活動：

1.教師創設問題情況，引導學生進行自主學習。具體問題和任務如下：

提問：在不同的應用領域，你都知道哪些人工智能的應用呢？

任務：閱讀教材P16-19，完成學習單問題2。

2.提問學生“人工智能在不同領域的實際應用案例具體有哪些？”，學生回答問題后進行歸納總結。

學生活動：

1.學生閱讀教材P16-19，完成學習單問題2，歸納總結人工智能的應用案例。

2.學生自由舉手回答填寫的學習單內容。

設計意圖：通過學生自主探究為主，教師講授為輔進行知識的傳授，培養自主學習意識，提高學生的語言表達能力和信息歸納能力。

環節四：總結歸納

教師活動：

1.教師與同學們一起回顧本節課的知識點，提問學生以下問題。

（1）“人工智能之父”是誰？

（2）人工智能最早是什么時間產生的？

（3）人工智能的發展經歷了幾起幾落，低谷的原因是什么？

（4）你認為未來，哪些工作將被人工智能取代？

學生活動：

1.學生回答問題。

設計意圖：總結和反思，幫助學生內化所學，以及延展課下的繼續學習和思考。

學習評價

評價任務：

1956年-2016年，人工智能技術在發展歷程中經歷了三次高潮，兩次低谷，閱讀教材，在方框中填入關鍵性的事件名稱。（10分）

評價標準：

總共有6空，每空最高得分為10分，根據回答精簡度和聚焦程度進行打分，最后取6題的平均分作為本任務的最后得分，總分10分。

評價分數的應用：

本學期結課后，教師根據學生每課的評價分數計算出平均分，并根據平均分確定相應的評價等級。例如：平均分為9-10分定為優秀；平均分為7-8分定為良好；平均分為4-6分定為一般；平均分為1-3分為較差。

第四篇：人工智能及其應用復習資料

人工智能及其應用(2)

第一章 緒 論

1-1.什么是人工智能？試從學科和能力兩方面加以說明。

從學科角度來看：人工智能是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在于研 究用機器來模仿和執行人腦的某些智能功能，并開發相關理論和技術。

從能力角度來看：人工智能是智能機器所執行的通常與人類智能有關的功能，如判斷、推理、證明、識別、感知、理解、設計、思考、規劃、學習和問題求解等思維活動

1-2.在人工智能的發展過程中，有哪些思想和思潮起了重要作用？

控制論之父維納 1940 年主張計算機五原則。他開始考慮計算機如何能像大腦一樣工作。系統地創建了控制論，根 據這一理論，一個機械系統完全能進行運算和記憶。

帕梅拉·麥考達克(Pamela McCorduck)在她的著名的人工智能歷史研究《機器思維》(Machine Who Think,1979)中曾 經指出：在復雜的機械裝置與智能之間存在著長期的聯系。

著名的英國科學家圖靈被稱為人工智能之父,圖靈不僅創造了一個簡單的通用的非數字計算模型，而且直接證明了計 算機可能以某種被理解為智能的方法工作。提出了著名的圖靈測試。

數理邏輯從 19 世紀末起就獲迅速發展；到 20 世紀 30 年代開始用于描述智能行為。計算機出現后，又在計算機上 實現了邏輯演繹系統。

1943 年由生理學家麥卡洛克(McCulloch)和數理邏輯學家皮茨(Pitts)創立的腦模型，即 MP 模型。60-70 年代，聯結 主義，尤其是對以感知機(perceptron)為代表的腦模型的研究曾出現過熱潮，控制論思想早在40-50 年代就成為時代思潮的重要部分，影響了早期的人工智能工作者。到60-70 年代，控制論系 統的研究取得一定進展，播下智能控制和智能機器人的種子。

1-3.為什么能夠用機器（計算機）模仿人的智能？

物理符號系統的假設：任何一個系統，如果它能夠表現出智能，那么它就必定能執行輸入符號、輸出符號、存儲符 號、復制符號、建立符號結構、條件性遷移6 種功能。反之，任何系統如果具有這6 種功能，那么它就能夠表現出 智能(人類所具有的智能)。

物理符號系統的假設伴隨有3 個推論。

推論一: 既然人具有智能，那么他(她)就一定是個物理符號系統。

推論二: 既然計算機是一個物理符號系統，它就一定能夠表現出智能。

推論三: 既然人是一個物理符號系統，計算機也是一個物理符號系統，那么我們就能夠用計算機來模擬人的活動。

1-4.現在人工智能有哪些學派？它們的認知觀是什么？

符號主義(Symbolicism)，又稱為邏輯主義(Logicism)、心理學派(Psychlogism)或計算機學派(Computerism)[ 其原理 主要為物理符號系統(即符號操作系統)假設和有限合理性原理。]

認為人的認知基元是符號，而且認知過程即符號操作過程。認為人是一個物理符號系統，計算機也是一個物理符號 系統，因此，我們就能夠用計算機來模擬人的智能行為。知識是信息的一種形式，是構成智能的基礎。人工智能的 核心問題是知識表示、知識推理和知識運用。

聯結主義(Connectionism)，又稱為仿生學派(Bionicsism)或生理學派(Physiologism)[ 其原理主要為神經網絡及神經網 絡間的連接機制與學習算法 ]

認為人的思維基元是神經元，而不是符號處理過程。認為人腦不同于電腦，并提出聯結主義的大腦工作模式，用于 取代符號操作的電腦工作模式。

行為主義(Actionism)，又稱進化主義(Evolutionism)或控制論學派(Cyberneticsism)[ 其原理為控制論及感知-動作型控 制系統 ] 認為智能取決于感知和行動。認為智能不需要知識、不需要表示、不需要推理；人工智能可以象人類智能一樣逐步進化。智能行為只能在現實世界中與周圍環境交互作用而表現出來。符號主義、聯結主義對真實世界客觀事物的描 述及其智能行為工作模式是過于簡化的抽象，因而是不能真實地反映客觀存在的。

1-5.你認為應從哪些層次對認知行為進行研究？

心理活動的最高層級是思維策略，中間一層是初級信息處理，最低層級是生理過程，與此相應的是計算機程序、語 言和硬件。

研究認知過程的主要任務是探求高層次思維決策與初級信息處理的關系，并用計算機程序來模擬人 的思維策略水平，而用計算機語言模擬人的初級信息處理過程。

1-6.人工智能的主要研究和應用領域是什么？其中，哪些是新的研究熱點？

問題求解(下棋程序)，邏輯推理與定理證明(四色定理證明)，自然語言理解，自動程序設計，專家系統，機器學習，神經網絡，機器人學(星際探索機器人)，模式識別(手寫識別，汽車牌照識別，指紋識別)，機器視覺(機器裝配，衛星圖像處理)，智能控制，智能檢索，智能調度與指揮(汽車運輸高度，列車編組指揮)，系統與語言工具。

新的研究熱點： 分布式人工智能與Agent，計算智能與進化計算，數據挖掘與知識發現(超市市場商品數據分析)，人工生命。

第二章 知識表示方法

2-2 設有 3 個傳教士和 3 個野人來到河邊，打算乘一只船從右岸渡到左岸去。該船的負載能力為兩人。在任何時候，如果野人人數超過傳教士人數，那么野人就會把傳教士吃掉。他們怎樣才能用這條船安全地把所有人都渡過河去?

用S i(nC, nY)表示第i 次渡河后，河對岸的狀態，nC 表示傳教士的數目，nY 表示野人的數目，由于總人數的確定 的，河對岸的狀態確定了，河這邊的狀態也即確定了。考慮到題目的限制條件，要同時保證，河兩岸的傳教士數目 不少于野人數目，故在整個渡河的過程中，允許出現的狀態為以下3 種情況：

1.nC=0 2.nC=3

3.nC=nY>=0(當nC 不等于0 或3)

用d i(dC, dY)表示渡河過程中，對岸狀態的變化，dC 表示，第i 次渡河后，對岸傳教士數目的變化，dY 表示，第i 次渡河后，對岸野人數目的變化。當i 為偶數時，dC,dY 同時為非負數，表示船駛向對岸，i 為奇數時，dC, dY 同時 為非正數，表示船駛回岸邊。

初始狀態為S 0(0, 0)，目標狀態為S 0(3, 3)，用深度優先搜索的方法可尋找渡河方案。在此，用圖求法該問題，令橫坐標為 nY, 縱坐標為 nC，可行狀態為空心點表示，每次可以在格子上，沿對角線移 動一格，也可以沿坐標軸方向移動1 格，或沿坐標軸方向移動2 格。第奇數次數狀態轉移，沿右方，上方，或右上 方移動，第偶數次數狀態轉移，沿左方，下方，或左下方移動。

從(0,0)開始，依次沿箭頭方向改變狀態，經過11 步之后，即可以到達目標狀態(3,3)，相應的渡河方案為： 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)

2-4 試說明怎樣把一棵與或解樹用來表達圖2.28 所示的電網絡阻抗的計算。單獨的R、L 或C 可分別用R、jωL 或1/jωC 來計算，這個事實用作本原問題。后繼算符應以復合并聯和串聯阻抗的規則為基礎。

約定，用原來的與后繼算法用來表達并聯關系，用原來的或后繼算法用來表達串聯關系

2-5 試用四元數列結構表示四圓盤梵塔問題，并畫出求解該問題的與或圖。

用四元數列(nA, nB, nC, nD)來表示狀態，其中nA 表示A 盤落在第nA 號柱子上，nB 表示B 盤落在第nB 號柱子 上，nC 表示C 盤落在第nC 號柱子上，nD 表示D 盤落在第nD 號柱子上。初始狀態為 1111，目標狀態為 3333

如圖所示，按從上往下的順序，依次處理每一個葉結點，搬動圓盤，問題得解。

2-6 把下列句子變換成子句形式：

(1)(x)｛P(x)→P(x)｝

(2)x y(On(x,y)→Above(x,y))

(3)x y z(Above(x,y)∧Above(y,z)→Above(x,z))(4)～｛(x)｛P(x)→｛（y）〔p(y)→p(f(x,y))〕∧(y)〔Q(x,y)→P(y)〕｝｝｝(1)(ANY x){ P(x)P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)

最后子句為 ~P(x)OR P(x)

(2)(ANY x)(ANY y){ On(x,y)Above(x,y)}(ANY x)(ANY y){ ~On(x,y)OR Above(x,y)} ~On(x,y)OR Above(x,y)

最后子句為 ~On(x,y)OR Above(x,y)

(3)(ANY x)(ANY y)(ANY z){ Above(x,y)AND Above(y,z)Above(x,z)}(命題聯結詞之優先級如下:否定→合取→析取→蘊涵→等價)

(ANY x)(ANY y)(ANY z){ ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)} ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)最后子句為 ~[Above(x,y), Above(y,z)] OR Above(x,z)

(4)~{(ANY x){ P(x){(ANY y)[ p(y)p(f(x,y))] AND(ANY y)[ Q(x,y)P(y)] } } } ~ {(ANY x){ ~P(x)OR {(ANY y)[ ~p(y)OR p(f(x,y))] AND(ANY y)[ ~Q(x,y)OR P(y)] } } }(EXT x){ P(x)AND {(EXT x)[ p(y)AND ~p(f(x,y))] OR(EXT y)[ Q(x,y)AND ~P(y)] } }(EXT x){ P(x)AND {(EXT w)[ p(y)AND ~p(f(w,y))] OR(EXT v)[ Q(x,v)AND ~P(v)] } } P(A)AND { [ p(y)AND ~p(f(B,y))] OR [ Q(A,C)AND ~P(C)] }

P(A)AND { [ p(y)AND ~p(f(B,y))OR Q(A,C)] AND [ p(y)AND ~p(f(B,y))OR ~P(C)] } P(A)AND { { p(y), ~p(f(B,y))} OR Q(A,C)} AND { { p(y), ~p(f(B,y))} OR ~P(C)} 最后子句為

P(A)

{ p(x), ~p(f(B,x))} OR Q(A,C){ p(y), ~p(f(B,y))} OR ~P(C)

2-7 用謂詞演算公式表示下列英文句子(多用而不是省用不同謂詞和項。例如不要用單一的謂詞字母來表示每個句 子。)A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence.先定義基本的謂詞

INTLT(x)means x is intelligent

PERFORM(x,y)means x can perform y REQUIRE(x)means x requires intelligence CMP(x)means x is a computer system HMN(x)means x is a human 上面的句子可以表達為

(任意x)

{(存在t)(存在y)[ HMN(y)合取 PERFORM(y,t)合取 REQUIRE(t)合取 CMP(x)合取 PERFORM(x,t)] INTLT(x)}

2-8 把下列語句表示成語義網絡描述：

(1)All man are mortal.(2)Every cloud has a silver lining.(3)All branch managers of DEC participate in a profit-sharing plan.(1)

(2)

(3)

2-9 作為一個電影觀眾，請你編寫一個去電影院看電影的劇本。

(1)開場條件

(a)顧客想看電影

(b)顧客在足夠的錢

(2)角色

顧客，售票員，檢票員，放映員

(3)道具

錢，電影票

(4)場景

場景 1 購票

(a)顧客來到售票處

(b)售票員把票給顧客

(c)顧客把錢給售票員

(d)顧客走向電影院門

場景 2 檢票

(a)顧客把電影票給檢票員

(b)檢票員檢票

(c)檢票員把電影票還給顧客

(d)顧客進入電影院

場景 3 等待

(a)顧客找到自己的座位

(b)顧客坐在自己座位一等待電影開始

場景 4 觀看電影

(a)放映員播放電影

(b)顧客觀看電影 場景 5 離開

(a)放映員結束電影放映

(b)顧客離開電影院

(5)結果

(a)顧客觀看了電影

(b)顧客花了錢

(c)電影院賺了錢

2-10 試構造一個描述你的寢室或辦公室的框架系統。

第三章 搜索推理技術

3-1 什么是圖搜索過程?其中，重排OPEN 表意味著什么，重排的原則是什么?

圖搜索的一般過程如下：

(1)建立一個搜索圖G(初始只含有起始節點S)，把S 放到未擴展節點表中（OPEN 表）中。

(2)建立一個已擴展節點表（CLOSED 表），其初始為空表。

(3)LOOP：若OPEN 表是空表，則失敗退出。

(4)選擇OPEN 表上的第一個節點，把它從OPEN 表移出并放進CLOSED 表中。稱此節點為節點n，它是CLOSED 表中 節點的編號

(5)若n 為一目標節點，則有解并成功退出。此解是追蹤圖G 中沿著指針從n 到S 這條路徑而得到的(指針將在第7 步中設置)

(6)擴展節點n，生成不是n 的祖先的那些后繼節點的集合M。將M 添入圖G 中。

(7)對那些未曾在G 中出現過的(既未曾在OPEN 表上或CLOSED 表上出現過的)M 成員設置一個通向n 的指針，并將 它們加進OPEN 表。對已經在OPEN 或CLOSED 表上的每個M 成員，確定是否需要更改通到n 的指針方向。對已在CLOSED 表上的每個M 成員，確定是否需要更改圖G 中通向它的每個后裔節點的指針方向。(8)按某一任意方式或按某個探試值，重排OPEN 表。

(9)GO LOOP。

重排OPEN 表意味著，在第(6)步中，將優先擴展哪個節點，不同的排序標準對應著不同的搜索策略。

重排的原則當視具體需求而定，不同的原則對應著不同的搜索策略，如果想盡快地找到一個解，則應當將最有可能 達到目標節點的那些節點排在OPEN 表的前面部分，如果想找到代價最小的解，則應當按代價從小到大的順序重排 OPEN 表。

3-2 試舉例比較各種搜索方法的效率。

(1)把起始節點放到OPEN 表中(如果該起始節點為一目標節點，則求得一個解答)。

(2)如果OPEN 是個空表，則沒有解，失敗退出；否則繼續。

(3)把第一個節點(節點n)從OPEN 表移出，并把它放入CLOSED 擴展節點表中。

(4)擴展節點n。如果沒有后繼節點，則轉向上述第(2)步。

(5)把n 的所有后繼節點放到OPEN 表的末端，并提供從這些后繼節點回到n 的指針。

(6)如果n 的任一個后繼節點是個目標節點，則找到一個解答，成功退出；否則轉向第(2)步。

有界深度優先搜索

(1)把起始節點S 放到未擴展節點OPEN 表中。如果此節點為一目標節點，則得到一個解。

(2)如果OPEN 為一空表，則失敗退出。

(3)把第一個節點(節點n)從OPEN 表移到CLOSED 表。

(4)如果節點n 的深度等于最大深度，則轉向(2)。

(5)擴展節點n，產生其全部后裔，并把它們放入OPEN 表的前頭。如果沒有后裔，則轉向(2)。

(6)如果后繼節點中有任一個為目標節點，則求得一個解，成功退出；否則，轉向(2)。

等代價搜索方法以g(i)的遞增順序擴展其節點，其算法如下：

(1)把起始節點S 放到未擴展節點表OPEN 中。如果此起始節點為一目標節點，則求得一個解;否則令g(S)=0。

(2)如果OPEN 是個空表，則沒有解而失敗退出。

(3)從 OPEN 表中選擇一個節點 i，使其 g(i)為最小。如果有幾個節點都合格，那么就要選擇一個目標節點作為節 點i(要是有目標節點的話)；否則，就從中選一個作為節點i。把節點i 從OPEN 表移至擴展節點表CLOSED 中。(4)如果節點i 為目標節點，則求得一個解。

(5)擴展節點i。如果沒有后繼節點，則轉向第(2)步。(6)對于節點 i 的每個后繼節點 j，計算g(j)=g(i)+c(i,j)，并把所有后繼節點 j 放進 OPEN 表。提供回到節點 i 的指針。

(7)轉向第(2)步。

3-3 化為子句形有哪些步驟?請結合例子說明之。

任一謂詞演算公式可以化成一個子句集。其變換過程由下列九個步驟組成：

(1)消去蘊涵符號

將蘊涵符號化為析取和否定符號

(2)減少否定符號的轄域

每個否定符號最多只用到一個謂詞符號上，并反復應用狄· 摩根定律

(3)對變量標準化

對啞元改名以保證每個量詞有其自己唯一的啞元

(4)消去存在量詞

引入Skolem 函數，消去存在量詞

如果要消去的存在量詞不在任何一個全稱量詞的轄域內，那么我們就用不含變量的Skolem 函數即常量。

(5)化為前束形

把所有全稱量詞移到公式的左邊，并使每個量詞的轄域包括這個量詞后面公式的整個部分。

前束形 =(前綴)(母式)前綴 = 全稱量詞串

母式 = 無量詞公式

(6)把母式化為合取范式

反復應用分配律，將母式寫成許多合取項的合取的形式，而每一個合取項是一些謂詞公式和(或)謂詞公式的否定的析取

(7)消去全稱量詞

消去前綴，即消去明顯出現的全稱量詞

(8)消去連詞符號(合取)

用{合取項1,合取項2}替換明顯出現的合取符號

(9)更換變量名稱

更換變量符號的名稱，使一個變量符號不出現在一個以上的子句中

3-4 如何通過消解反演求取問題的答案?

給出一個公式集S 和目標公式L，通過反證或反演來求證目標公式L，其證明步驟如下：

(1)否定L，得～L；

(2)把～L 添加到S 中去；

(3)把新產生的集合｛～L，S｝化成子句集；

(4)應用消解原理，力圖推導出一個表示矛盾的空子句NIL。

3-5 什么叫合適公式?合適公式有哪些等價關系? 合式公式的遞歸定義為：

(1)原子謂詞公式是合式公式

(2)若A 為合式公式，則A 的否定也是合式公式

(3)若A、B 都是合式公式，則A AND B, AOR B, AB, A>B 也都是合式公式

(4)若A 是合式公式，x 為A 中的自由變元，則(ANY x)A 和(EXT x)A 都是合式公式

(5)只有按規則(1)~(4)求得的公式，才是合式公式 等價關系有：否定之否定，蘊含與與或形式的等價，狄.摩根定律；分配律，交換律，結合律，逆否律，否定跨越量 詞，全稱量詞同與或連詞，量詞中的啞元

3-6 用寬度優先搜索求圖3.33 所示迷宮的出路。

第一步 SAB 第二步 BH

BC

第三步 HG

CF

最終路徑為SABCF

3-7 用有界深度優先搜索方法求解圖3.34 所示八數碼難題。

解：定義操作符集：F={f1,f2,f3,f4}，其中： f1 表示空格右移； f2 表示空格上移；

f3 表示空格左移； f4 表示空格下移。

搜索時，節點的擴展順序規定為按右、左、上、下方向移動空格。并設置深度界限為8。

由上述有界深度優先搜索樹中可見，當d=8 時，八數碼難題的一個解為： f4, f4, f3, f2, f2, f3, f4, f3

3-10 一個機器人駕駛卡車，攜帶包裹(編號分別為＃

1、＃2 和＃3)分別投遞到林(LIN)、吳(WU)和胡(HU)3 家住宅處。規定了某些簡單的操作符，如表示駕駛方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先決條件和結果。試說明狀態空間問題求解系統如何能夠應用謂詞演算求得一個操作符序列，該序列能夠生成一個滿足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目標狀態。

初始狀態可描述為：AT(#1, ~LIN)AND AT(#2, ~WU)AND AT(#1, ~HU)AND AT(#1, CAR)AND AT(#2, CAR)AND AT(#3, CAR)目標狀態可描述為：AT(#1, LIN)AND AT(#2, WU)AND AT(#1, HU)AND AT(#1, ~CAR)AND AT(#2, ~CAR)AND AT(#3, ~CAR)

對每個操作符都有一定的先決條件和結果，詳細如下

drive(x, y)

先決條件：AT(CAR, x)

結果： AT(CAR, y)unload(z)先決條件：AT(z, CAR)AND AT(CAR, x)結果： AT(z, ~CAR)AND AT(z, x)

原問題就轉換為尋找一個可將初始狀態轉換到目標狀態的操作序列 如何求得該操作序列???

3-11 規則演繹系統和產生式系統有哪幾種推理方式?各自的特點為何?

規則演繹系統的推理方式有正向推理、逆向推理和雙向推理

雙向推理組合了正向推理和逆向推理的優點，克服了各自的缺點，具有更高的搜索求解效率。

產生式系統的推理方式有正向推理、逆向推理和雙向推理

雙向推理結合了正向推理和逆向推理的長處，克服了兩者的短處，其控制策略比兩者都要復雜。

3-12 為什么需要采用系統組織技術?有哪幾種系統組織技術?

如果不采用系統組織技術，而直接寫出包含所有知識的規則，并讓系統利用這些規則，找出一條從給定狀態到目標 狀態的路徑，這種方法有嚴重的缺點：

(1)隨著規則的增加，既要加入新的規則，又要使新規則不與現有規則產生沖突，這將使問題變得愈來愈困難

(2)在問題求解過程中，由于每一步都必須考慮所有規則，效率就會大大降低，然而，實際上卻往往是只有應用完 一組規則之后，才考慮另一組別的規則

(3)一種問題求解技術和知識表達形式可能對問題的某一部分是最好的，而對另一部分卻不是最好的 因此，采用系統組織技術，將一個大系統中的知識分成一組相對獨立的模塊比較合適。

有3 種系統組織技術：議程表、黑板法和Delta 極小搜索法

3-13 研究不確定性推理有何意義?有哪幾種不確定性?

不確定性推理是研究復雜系統不完全性和不確定性的有力工具。

有3 種不確定性，關于證據的不確定性(觀測有誤差)，關于結論的不確定性和多個規則支持同一事實時的不確定性。

3-14 單調推理有何局限性?什么叫缺省推理?非單調推理系統如何證實一個節點的有效性?

單調系統不能很好地處理常常出現在現實問題領域中的3 類情況，即不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設

有兩種方法可以證實節點的有效性：

(1)支持表。

(SL(IN-節點表)(OUT-節點表))

如果某節點的IN 節點表中提到的節點當前都是IN, 且OUT 節點表中提到的節點當前都是OUT，則它是有效的(2)條件證明。

(CP(結論)(IN-假設)(OUT-假設))

條件證明(CP)的證實表示有前提的論點，無論何時，只要在IN 假設中的節點為IN, OUT 假設中的節點為OUT, 則 結論節點往往為IN，于是條件證明的證實有效。

3-15 在什么情況下需要采用不確定推理或非單調推理?

不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設

3-16 下列語句是一些幾何定理，把這些語句表示為基于規則的幾何證明系統的產生式規則：

(1)兩個全等三角形的各對應角相等。

(2)兩個全等三角形的各對應邊相等。

(3)各對應邊相等的三角形是全等三角形。

(4)等腰三角形的兩底角相等。

規則(1): IF 兩個三角形全等

THEN 各對應角相等

規則(2): IF 兩個三角形全等

THEN 各對應邊相等

規則(3): IF 兩個三角形各對應邊相等

THEN 兩三角形全等

規則(4): IF 它是等腰三角形

THEN 它的兩底角相等

第四章 計算智能（1）：神經計算 模糊計算

4-1 計算智能的含義是什么？它涉及哪些研究分支？

貝茲德克認為計算智能取決于制造者提供的數值數據，而不依賴于知識。計算智能是智力的低層認知。

主要的研究領域為神經計算，模糊計算，進化計算，人工生命。

4-2 試述計算智能（CI）、人工智能（AI）和生物智能（BI）的關系。

計算智能是智力的低層認知，主要取決于數值數據而不依賴于知識。人工智能是在計算智能的基礎上引入知識而產 生的智力中層認知。生物智能，尤其是人類智能，則是最高層的智能。即CI 包含AI 包含BI

4-3 人工神經網絡為什么具有誘人的發展前景和潛在的廣泛應用領域？

人工神經網絡具有如下至關重要的特性：

(1)并行分布處理 適于實時和動態處理

(2)非線性映射 給處理非線性問題帶來新的希望

(3)通過訓練進行學習

一個經過適當訓練的神經網絡具有歸納全部數據的能力，能夠解決那些由數學模型或描述規則難以處理的問題

(4)適應與集成

神經網絡的強適應和信息融合能力使得它可以同時輸入大量不同的控制信號，實現信息集成和融合，適于復雜，大 規模和多變量系統

(5)硬件實現

一些超大規模集成是電路實現硬件已經問世，使得神經網絡成為具有快速和大規模處理能力的網絡。

4-4 簡述生物神經元及人工神經網絡的結構和主要學習算法。

生物神經元

大多數神經元由一個細胞體(cell body 或soma)和突(process)兩部分組成。突分兩類，即軸突(axon)和樹突(dendrite)，軸突是個突出部分，長度可達 1m，把本神經元的輸出發送至其它相連接的神經元。樹突也是突出部分，但一般較 短，且分枝很多，與其它神經元的軸突相連，以接收來自其它神經元的生物信號。

軸突的末端與樹突進行信號傳遞的界面稱為突觸(synapse)，通過突觸向其它神經元發送信息。對某些突觸的刺激促 使神經元觸發(fire)。只有神經元所有輸入的總效應達到閾值電平，它才能開始工作。此時，神經元就產生一個全強 度的輸出窄脈沖，從細胞體經軸突進入軸突分枝。這時的神經元就稱為被觸發。突觸把經過一個神經元軸突的脈沖 轉化為下一個神經元的興奮或抑制。學習就發生在突觸附近。

每個人腦大約含有 10^11-10^12 個神經元，每一神經元又約有 10^3-10^4 個突觸。神經元通過突觸形成的網絡，傳 遞神經元間的興奮與抑制。大腦的全部神經元構成極其復雜的拓撲網絡群體，用于實現記憶與思維。

人工神經網絡的結構

人工神經網絡由神經元模型構成。每個神經元具有單一輸出，并且能夠與其它神經元連接，存在許多輸出連接方法，每種連接方法對應于一個連接權系數。

人工神經網絡的結構分為2 類：

(1)遞歸(反饋)網絡 有些神經元的輸出被反饋至同層或前層神經元。信號能夠從正向和反向流通。Hopfield 網絡，Elmman 網絡和Jordan 網絡是代表。

(2)前饋網絡 具有遞階分層結構，由一些同層神經元間不存在互連的層級組成。從輸入層至輸出層的信號通過單向連接流通，神 經元從一層連接至下一層，不存在同層神經元之間的連接。多層感知器(MLP)，學習矢量量化網絡(LVQ)，小腦模 型連接控制網絡(CMAC)和數據處理方法網絡(GMDH)是代表。

人工神經網絡的主要學習算法

(1)指導式(有師)學習

根據期望和實際的網絡輸出之間的差來調整神經元連接的強度或權。包括Delta 規則，廣義Delta 規則，反向傳播算 法及LVQ 算法。

(2)非指導(無導師)學習

訓練過程中，神經網絡能自動地適應連接權，以便按相似特征把輸入模式分組聚集。包括 Kohonen 算法，Carpenter-Grossberg 自適應諧振理論(ART)(3)強化學習

是有師學習的一種特例。它不需要老師給出目標輸出，而是由一個“評論員”來評介與給定輸入相對應的神經網絡 輸出的優度。例如遺傳算法(GA)

4-10 什么是模糊集合和隸屬函數或隸屬度？

論域U 模糊子集F 隸屬函數

序偶 P119

4-11 模糊集合有哪些運算，滿足哪些規律？

并(取max)，交(取min)，補

冪等律，交換律，結合律，分配律，吸收律，同一律，Demorgan 律，復原律，對偶律，互補律不成立

4-12 什么是模糊推理？有哪幾種模糊推理方法？

模糊推理是建立在模糊邏輯基礎上的，一種不確定性推理方法，是在二值邏輯三段論基礎上發展起來的。它以模糊判斷為前提，動用模糊語言規則，推導出一個近似的模糊判斷結論。

有許多模糊推理方法。在Zadeh 法中，有2 種重要的模糊推理規則：廣義取式(肯定前提)假言推理法(GMP)和廣義 拒式(否定結論)假言推理法(GMT)，分別簡稱為廣義前向推理法和廣義后向推理法。

4-13 有哪些模糊蘊含關系？ 模糊合取，模糊析取，基本蘊涵，命題演算，GMP 推理，GMT 推理

4-14 什么叫模糊判決？有哪幾種常用的模糊判決方法？

從推理得到的模糊集合中，取一個相對最能代表這個模糊集合的單值的過程就稱為解模糊或模糊判決。

常用的模糊判決方法有：重心法，最大隸屬度法，系數加權平均法，隸屬度限幅元素平均法

第五章 計算智能(2):進化計算 人工生命

5-1 什么是進化計算？它包括哪些內容？它們的出發點是什么？

什么是？

進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。

出發點？

5-2 試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。

基本原理？

求解步驟：

(1)隨機產生一個由確定長度的特征字符串組成的初始種群體

(2)對該字符串種群迭代地執行下步的步驟[1]和步驟[2]，直到滿足停止準則為止：

[1] 計算種群中每個個體字符中的適應值

[2] 應用復制，交叉和變異等遺傳算子產生下一代種群

(3)把在后代中出現的最好個體字符指定為遺傳算法的執行結果，這個結果可以表示問題的一個解。

5-5 進化策略是如何描述的？

最簡單的進化策略可描述如下： P137

5-6 簡述進化編程的機理和基本過程，并以四狀態機為例說明進化編程的表示。

機理？

基本過程？

P139

5-7 遺傳算法、進化策略和進化編程的關系如何？有何區別？

關系： 它們都是模擬生物界自然進化過程而建立的魯棒性計算機算法。

區別：

進化策略和進化編程把變異作為主要搜索算子，標準遺傳算法中，變異處于次要位置。

交叉在遺傳法起著重要作用，而在進化編程中卻被完全省去，在進化策略中與自適應結合使用，起了很重要的作用。標準遺傳算法和進化編程都強調隨機選擇機制的重要性，而進化策略的選擇是完全確定的。

進化策略和進化編程，確定地把某個個體排除在被選擇之外，而標準遺傳算法都對每個個體指定一個非零的選擇概率。

5-8 人工生命是否從1987 年開始研究？為什么？

不是。

1987 年第一次人工生命研討會上，美國圣塔菲研究所非線性研究組的蘭頓正式提出了人工生命的概念，建立起人工 生命新學科。世紀，60 年代，羅森布拉特研究感知機，斯塔爾建立細胞活動模型，林登邁耶提出了生長發育中的細胞交互作 用數學模型。

年代，康拉德等人研究人工仿生系統中的自適應，進化和群體動力學，提出不斷完善的“人工世界”模型。細胞 自動機被用于圖像處理。康韋提出生命的細胞自動機對策論。

年代，人工神經網絡再度興起，促進了人工生命的發展。

5-9 什么是人工生命？請按你的理解用自己的語言給人工生命下個定義。

1987 年蘭德提出的人工生命定義為：人工生命是研究能夠演示出自然生命系統特征行為的人造系統。通過計算機或 其它機器對類似生命的行為進行綜合研究，以便對傳統生物科學起互補作用。

凡是具有自然生命現象和特征的人造系統，都可稱為人工生命。

5-10 人工生命要模仿自然生命的特征和現象。自然生命有哪些共同特征？

自然生命的共同特征和現象，包括但不限于：

18(1)自繁殖，自進化，自尋優

(2)自成長，自學習，自組織

(3)自穩定，自適應，自協調

(4)物質構造

(5)能量轉換

(6)信息處理

5-11 為什么要研究人工生命？

具有重大的科學意義和廣泛的應用價值

(1)開發基于人工生命的工程技術新方法，新系統，新產品(2)為自然生命的研究提供新模型、新工具、新環境(3)延伸人類壽命，減緩衰老，防治疾病(4)擴展自然生命，實現人工進化和優生優育

(5)促進生命科學，信息科學，系統科學的交叉發展

5-12 人工生命包括哪些研究內容？其研究方法如何？ 研究內容大致分為兩類：

（1）構成生物體的內部系統，包括腦，神經系統，內分泌系統，免疫系統，遺傳系統，酶系統，代謝系統

（2）生物體及其群體的外部系統，包括環境適應系統和遺傳進化系統 研究方法主要可分為兩類：

（1）信息模型法，根據內部和外部系統所表現出來的生命行為來建造信息模型

（2）工作原理法：生命行為所顯示的自律分散和非線性行為，其工作原理是混沌和分形，以此為基礎研究人工生命的機理。

第六章 專家系統

6-1 什么叫做專家系統？具有哪些特點和優點？

專家系統是一種模擬人類專家解決領域問題的智能計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。也就是說，專家系統是一個具有 大量的專門知識與經驗的程序系統，它應用人工智能技術和計算機技術，根據某一個領域或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程，一邊解決那些需要人類專家處理的復雜問題。特點：

（1）啟發性 專家系統能運用專家的知識與經驗進行推理、判斷和決策

（2）透明性 專家系統能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提高對專家系統的信賴感。

（3）靈活性 專家系統能不斷地增長知識，修改原有知識，不斷更新 優點

（1）專家系統能夠高效率、準確、周到、迅速和不知疲倦地進行工作（2）專家系統解決實際問題時不受周圍環境的影響，也不可能遺漏忘記

（3）可以使專家的專長不受時間和空間的限制，以便推廣珍貴和稀缺的專家知識與經驗

（4）專家系統能夠促進各領域的發展，它使各領域專家的專業知識和經驗得到總結和精煉，能夠廣泛有力地傳播專家的知識、經驗和能力

（5）專家系統能夠匯集多領域專家的知識和經驗以及他們寫作解決重大問題的能力，它擁有更淵博的 19 知識、更豐富的經驗和更強的工作能力

（6）軍事專家系統的水平是一個國家國防現代化的重要標志之一（7）專家系統的研制和應用，具有巨大的經濟效益和社會效益

（8）研究專家系統能夠促進整個科學技術的發展。專家系統對人工智能的各個領域的發展起了很大的促進作用，并將對科技、經濟、國防、教育、社會和人民生活產生極其深遠的影響。

6-2 專家系統由哪些部分構成？各個部分的的作用為何？

（1）知識庫（knowledge base）知識庫用于存儲某領域的專門知識，包括事實、可行操作與規則等。（2）綜合數據庫（global database）綜合數據庫又稱全局數據庫或總數據庫，它用于存儲領域或問題的廚師數據和推理過程中得到的中間數據（信息），即被處理對象的一些當前事實。

（3）推理機（reasoning machine）推理機用于記憶所采用的規則和控制策略的程序，使整個專家系統能夠以邏輯方式協調地工作。推理機能夠根據指示進行推理和導出結論，而不是簡單地搜索現成的答案。（4）解釋器（explanator）解釋器能夠向用戶解釋專家系統的行為，包括解釋推理結論的正確性以及系統輸出其他候選解的原因。

（5）接口（interface）又稱界面，他能夠使系統與用戶進行對話，使用戶能夠輸入必要的數據、提出問題和了解推理過程及推理結果等。系統則通過接口，要求用戶回答提問，并回答用戶提出的問題，進行必要的解釋。

6-3 建造專家系統的關鍵步驟是什么？

是否擁有大量知識是專家系統成功與否的關鍵，因而知識表示就成為設計專家系統的關鍵（1）設計初始知識庫

問題知識化、知識概念化、概念形式化、形式規則化、規則合法化

（2）原型機（prototype）的開發與試驗

建立整個系統所需要的實驗子集，它包括整個模型的典型知識，而且只涉及與試驗有關的足夠簡單的任務和推理過程

（3）知識庫的改進與歸納

反復對知識庫及推理規則進行改進試驗，歸納出更完善的結果

6-4 專家系統程序與一般的問題求解軟件程序有何不同？開發專家系統與開發其他軟件的任務有何不同？

一般應用程序與專家系統的區別在于：前者把問題求解的知識隱含地編入程序，而后者則把其應用領域的問題求解知識單獨組成一個實體，即為知識庫。知識庫的處理時通過與知識庫分開的控制策略進行的。更明確地說，一般應用程序把知識組織為兩級：數據級和程序級；大多數專家系統則將知識組織成三級：數據、知識庫和控制。

在數據級上，是已經解決了的特定問題的說明性知識以及需要求解問題的有關事件的當前狀態、在知識庫級是專家系統的專門知識與經驗。是否擁有大量知識是專家系統成功與否的關鍵，因而知識表示就成為設計專家系統的關鍵。

在控制程序級，根據既定的控制策略和所求解問題的性質來決定應用知識庫中的哪些知識。

6-5 基于規則的專家系統是如何工作的？其結構為何？

系統的主要部分是知識庫和推理引擎。

知識庫由謂詞演算事實和有關討論主題的規則構成。“知識工程師”與應用領域的專家共同工作以便把專家的相關知識表示成一種形式，由一個知識采集子系統協助，輸入到知識庫。

推理引擎由所有操作知識庫來演繹用戶要求的信息的過程構成-如消解、前向鏈或反向鏈。

用戶接口可能包括某種自然語言處理系統，它允許用戶用一個有限的自然語言形式與系統交互。也可是用帶有菜單的圖形接口界面。

解釋子系統分析被系統只需的推理結構，并把它解釋給用戶。

6-6 基于框架的專家系統與面向目標的編程技術，以提高系統的能力和靈活性。它們共享許多特征。面向目標的編程其所有數據結構均以目標形式出現，每個目標含有兩種基本信息：描述目標的信息和說明目標能做什么的信息。面向目標的編程為表示實際世界目標提供了一種自然的方法。應用專家系統的術語來說，每個目標具有陳述性知識和過程知識。

結構的主要特點在于基于框架的專家系統采用框架而不是規則來表示知識。框架提供一種比規則更豐富的獲取問題知識的方法，不僅提供某些目標的包描述，而且還規定了該目標如何工作。開發基于框架的專家系統的主要任務有：

（1）定義問題（對問題和結論的考察與綜述）

（2）分析領域（定義事物、事物特征、事件和框架結構）（3）定義類及其特征（4）定義例及其框架結構（5）確定模式匹配法則（6）規定事物通信方法（7）設計系統界面（8）對系統進行評價

（9）對系統進行擴展，深化和擴展知識

6-7 為什么要提出基于模型的專家系統？試述神經網絡專家系統的一般結構。

有一種關于人工智能的觀點認為：人工智能是對各種定性模型的獲得、表達及使用的計算方法進行研究 21 的學問。根據這一觀點，一個知識系統中的知識庫是由各種模型綜合而成的，而這些模型又往往是定性的模型。

采用各種定性模型來設計專家系統，一方面它增加了系統的功能，提高了性能指標，另一方面，可獨立地深入研究各種模型及其相關問題，把獲得的結果用于改進系統設計。

6-8 新型專家系統有何特征？什么是分布式專家系統和協同式專家系統？ 新型專家系統的特征：（1）并行于分布處理（2）多專家系統協同工作（3）高級語言和知識語言描述

知識工程師只需用一種高級專家系統描述語言對系統進行功能、性能及接口描述，并用知識表示語言描述領域知識，專家系統生成系統就能自動或半自動地生成所需專家系統。（4）具有自學習功能

具有高級的知識獲取與學習能力（5）引入新的推理機制

除了能進行演繹推理之外，還有歸納推理（聯想、類比）、非標準邏輯推理（非單調邏輯推理、加權邏輯推理）及各種基于不完全知識和模糊知識的推理。（6）具有自糾錯和自完善能力（7）先進的智能人機接口

理解自然語言，實現語聲、文字、圖形和圖像的直接輸入輸出時如今人們對智能計算機提出的要求。

分布式專家系統

具有分布處理的特征，能把一個專家系統的功能經分解以后分布到多個處理器上去并行地工作，從而有總體上提高系統的處理效率。它可以工作在緊耦合的多處理器系統環境中，也可工作在松耦合的計算機網絡環境中，其總體結構在很大程度上依賴于其所在的硬件環境。

協同式專家系統

又稱為“群專家系統”，是一個能綜合若干個相近領域或一個領域的多個方面的子專家系統互相協作，共同解決一個更廣領域問題的專家系統。是克服一般專家系統的局限性的重要途徑。它不著重于處理的分布和知識的分布，而是更強調子系統間的協同合作。它并不一定要求有多高處理機的硬件環境，而且一般都是在同一個處理機上實現各子專家系統的。

6-9 在設計專家系統時，應考慮哪些技術？（1）具有可靠知識與數據的小搜索空間問題

數據可靠（無噪聲、無錯誤、不丟失、不多余）和知識可靠（不出現假的、近似的或推測性的結論），決定了系統具有單調性并可采用單路推理路線。而小搜索空間的問題一般允許采用窮舉搜索策略。（2）不可靠的數據或知識

這種情況應采用概率推理、模糊推理、不可靠數據的精確推理方法或專門的不確定性推理技術。（3）時變數據

一般要設計時間推理技術，推理過程要求較復雜的表示法。（4）大搜索空間的問題

一般要引入啟發式搜索策略或采用分層體系結構，來降低求解過程的復雜程度。對打空間的問題通常還要根據具體問題的特征來去相應的對策。

6-10 什么是建造專家系統的工具？你知道哪些專家系統工具，各有什么特點？

專家系統開發工具室一些比較通用的工具，作為設計和開發專家系統的輔助手段和環境，以求提高專家系統的開發效率、質量和自動化水平。專家系統工具是一種更高級的計算機程序設計語言。比一般的計算機高級語言具有更強的功能。主要分為骨架型工具（又稱外殼）、語言型工具、構造輔助工具和支撐環境等四類。（1）骨架型工具

借用以前開發好的專家系統，將描述領域知識的規則從原系統中“挖掉”，只保留其獨立于問題領域知識的推理機部分，這樣形成的工具成為骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2）語言型工具

提供給用戶的是建立專家系統所需要的基本機制，其控制策略也不固定于一種或幾種形式，用戶可以通過一定手段來影響其控制策略。因此語言型工具的結構變化范圍廣泛，表示靈活，所適應的范圍要比骨架型工具廣泛得多。像OPS5，OPS83，RLL及ROSIE等，均屬于這一類工具。（3）構造輔助工具

主要分兩類：一類是設計輔助工具，典型的有AGE系統，另一類是知識獲取工具，典型的有TEIRESIAS系統。

（4）支撐環境

是指幫助進行程序設計的工具，它常備作為知識工程語言的一部分。工具支撐環境僅是一個附帶的軟件包，以便使用戶界面更友好，它包括四個典型組件：調試輔助工具、輸入輸出設施、解釋設施和知識庫編輯器。ART就屬于這一類系統。

第七章 機器學習

7-1 什么是學習和機器學習？為什么要研究機器學習？

按照人工智能大師西蒙的觀點，學習就是系統在不斷重復的工作中對本身能力的增強或者改進，使得系統在下一次執行同樣認為或類似任務時，會比現在做得更好或效率跟高。

機器學習室研究如何使用機器來模擬人類學習活動的一門學科，機器學習是一門研究機器獲取新知識和 23 新技能，并識別現有知識的學問。這里說的“機器”，指的就是計算機。

現有的計算機系統和人工智能系統沒有什么學習能力，至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。

7-2 試述機器學習系統的基本結構，并說明各部分的作用。

環境向系統的學習部分提供某些信息，學習部分利用這些信息修改知識庫，以增進系統執行部分完成任務的效能，執行部分根據知識庫完成任務，同時把獲得的信息反饋給學習部分。

7-3 試解釋機械學習的模式。機械學習有哪些重要問題需要加以研究？

機械學習是最簡單的機器學習方法。機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調用，而不需要計算和推理。是最基本的學習過程。任何學習系統都必須記住它們獲取的知識。在機械學習系統中，知識的獲取是以較穩定和直接的方式進行的，不需要系統進行過多的加工。要研究的問題：

（1）存儲組織信息

只有當檢索一個項目的時間比重新計算一個項目的時間短時，機械學習才有意義，檢索的越快，其意義也就越大。

（2）環境的穩定性

機械學習基礎的一個重要嘉定是在某一時刻存儲的信息必須適用于后來的情況。（3）存儲與計算之間的權衡

如果檢索一個數據比重新計算一個數據所花的時間還要多，那么機械學習就失去了意義。

7-4 試說明歸納學習的模式和學習方法。

歸納是一種從個別到一般，從部分到整體的推理行為。歸納學習的一般模式為：

給定：觀察陳述（事實）F，嘉定的初始歸納斷言（可能為空），及背景知識 求：歸納斷言（假設）H，能重言蘊含或弱蘊含觀察陳述，并滿足背景知識。學習方法：

（1）示例學習

它屬于有師學習，是通過從環境中取得若干與某概念有關的例子，經歸納得出一般性行概念的一種學習方法。示例學習就是要從這些特殊知識中歸納出適用于更大范圍的一般性知識，它將覆蓋所有的正例并排除所有的反例。（2）觀察發現學習

它屬于無師學習，其目標是確定一個定律或理論的一般性描述，刻畫觀察集，制定某類對象的性質。它分為觀察學習與機器發現兩種，前者用于對事例進行聚類，形成概念描述，后者用于發現規律，產生定律或規則。

7-5 什么是類比學習？其推理和學習過程為何？

類比是一種很有用和很有效的推理方法，它能清晰，簡潔地買哦書對象間的相似性，是人類認識世界的 24 一種重要方法。類比推理的目的是從源域S中，選出與目標域T最近似的問題及其求解方法，解決當前問題，或者建立起目標域中已有命題間的聯系，形成新知識。

類比學習就是通過類比，即通過對相似事物加以比較所進行的一種學習。類比推理過程如下：（1）回憶與聯想

通過回憶與聯想在源域S中找出與目標域T相似的情況。（2）選擇

從找出的相似情況中，選出與目標域T最相似的情況及其有關知識。（3）建立對應關系

在源域S與目標域T之間建立相似元素的對應關系，并建立起相應的映射。（4）轉換

把S中的有關知識引導T中來，從而建立起求解當前問題的方法或者學習到關于T的新知識。

類比學習過程主要包括：

（1）輸入一組已經條件（已解決問題）和一組未完全確定的條件（新問題）（2）按照某種相似性的定義，尋找兩者可類比的對應關系

（3）根據相似變換的方法，建立從已解決問題到新問題的映射，以獲得帶求解問題所需的新知識。（4）對通過類比推理得到的關于新問題的知識進行校驗。驗證正確的知識存入知識庫中，暫時無法驗證的知識作為參考性知識，置于數據庫中。

7-10 考慮一個具有階梯型閾值函數的神經網絡，假設（1）用一常數乘所有的權值和閾值（2）用一常數加于所有權值和閾值 試說明網絡性能是否會變化？（1）不會（2）會

7-11 什么是知識發現？知識發現與數據挖掘有何關系？

根據費亞德的定義，數據庫中的知識發現時從大量數據中辨識出有效的，新穎的，潛在有用的，并可被理解的模式的高級處理過程。

數據挖掘時知識發現中的一個步驟，它主要是利用某些特定的知識發現算法，在一定的運算效率內，從數據中發現出有關知識。

7-12 增大權值是否能使BP學習變慢？ 是

7-13 試說明知識發現的處理過程。費亞德的知識發現過程包括：（1）數據選擇

根據用戶需求從數據庫中提取與知識發現相關的數據（2）數據預處理

檢測數據的完整性與數據的一致性，對噪音數據進行處理，對丟失的數據利用統計方法進行填補，進行發掘數據庫

（3）數據變換

利用聚類分析和判別分析，從發掘數據庫里選擇數據（4）數據挖掘（5）知識評價

對所獲得的規則進行價值評定，以決定所得到的的規則是否存入基礎知識庫

知識發現的全過程，可進一步歸納為三個步驟，即數據挖掘預處理，數據挖掘，數據挖掘后處理。

7-14 有哪幾種比較常用的知識發現方法？試略加介紹。常用的知識發現方法有：（1）統計方法

統計方法是從事物外在數量上的表現去推斷事物可能的規律性，包括傳統方法，模糊集，支持向量機，粗糙集

（2）機器學習方法

包括規則歸納、決策樹、范例推理、貝葉斯信念網絡，科學發現，遺傳算法（3）神經計算方法

常用的有剁成感知器，反向傳播網絡，自適應映射網絡（4）可視化方法

使用有效的可視化界面，可以快速，高效地與大量數據打交道，以發現其中隱藏的特征，關系，模式和趨勢

7-15知識發現的應用領域有哪些？試展望知識發現的發展和應用評估。（1）金融業

數據清理，金融市場分析和預測，賬戶分類，銀行擔保和信用評估（2）保險業

通過對索賠者的資料與索賠歷史數據模式進行比較，以判定用戶的索賠是否合理（3）制造業

零部件故障診斷，資源優化，生產過程分析（4）市場和零售業

銷售預測，庫存需求，零售點選擇和價格分析（5）醫療業

數據清理，預測醫療保險費用（6）司法

案件調查，詐騙檢測，洗錢認證，犯罪組織分鐘（7）工程與科學 工程與科學數據分析

第八章 機器人規劃

8-1 有哪幾種重要的機器人高層規劃系統？它們各有什么特點？你認為哪種規劃方法有較大的發展前景？

基于謂詞邏輯的規劃是用謂詞邏輯來描述世界模型機規劃過程的一種規劃方法（1）規劃演繹法。用F規則求解規劃序列

（2）邏輯演算和通用搜索法。STRIPS和ABSTRIPS系統。（3）具有學習能力的規劃系統。如PULP-I系統

（4）分層規劃方法。如NOAH規劃系統，他具有更快的規劃速度，更強的規劃能力和更大的適應性。發展前景？

8-5 機器人Rover 正在房外，想進入房內，但不能開門讓自己進去，而只能喊叫，讓叫聲促使開門。另一機器人Max 在房間內，他能夠開門并喜歡平靜。Max 通常可以把門打開來使Rover 停止叫喊。假設 Max 和Rover 各有一個STRIPS規劃生產系統和規劃執行系統。試說明Max 和 Rover 的STRIPS規則和動作，并描述導致平衡狀態的規劃序列和執行的步驟。用來描述狀態的謂詞公式有： INROOM(X): X在房間里 OUTROOM(X): X不在房間里 SOUND(X): X在喊叫 QUIET(X): X保持安靜

OPENEN(X): X處于打開狀態 CLOSED(X): X處于關閉狀態

Rover 可執行的動作有： Shout(X): X喊叫

先決條件：OUTROOM(X)AND CLOSED(Door)AND QUIET(X)刪除表：QUIET(X)添加表：SOUND(X)ComeIn(X): X走進房間

先決條件：OUTROOM(X)AND OPEN(Door)刪除表：OUTROOM(X)添加表：INROOM(X)

Max 可執行的動作有：

Open(X, Door): 為X打開門

先決條件：SOUND(X)AND OUTROOMX AND CLOSED(Door)刪除表：OPENED(X)添加表：CLOSED(X)

初始狀態M0 OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)目標狀態G0 INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

導致平衡狀態的規劃序列為{Shout(Rover), Open(Rover, Door), ComeIn(Rover), Close(Door)} 執行步驟：(1)M0：OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)OP1：Shout(Rover)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)(2)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)OP2：Open(Rover，Door)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)(3)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP3：ComeIn(Rover)M3：INROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP4：Close(Door)M4(G0)：INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

8-6 用本章討論過的任何規劃生成系統，解決圖8.22所示機械手堆積木問題。

用來描述狀態的謂詞公式有： ON(A,B): 積木A在積木B 上 ONTABLE(A): 積木A在桌子上 CLEAR(A): A上沒有東西

HOLDING(A): 機械手正抓住A HANDEMPTY: 機械手為空

機械手可執行的動作有：

Stack(X,Y): 把積木X堆在積木Y上

先決條件：HOLDING(X)AND CLEAR(Y)刪除表：HOLDING(X)AND CLEAR(Y)添加表：HANDEMPTY AND ON(X,Y)

UnStack(X,Y): 把堆在積木Y上的積木X抬起

先決條件：HANDEMPTY AND ON(X,Y)AND CLEAR(X)刪除表：HANDEMPTY AND ON(X,Y)添加表：HOLDING(X)AND CLEAR(Y)28

PickUp(X): 從桌面上抓起積木X 先決條件：HANDEMPTY AND ONTABLE(X)AND CLEAR(X)刪除表：ANDEMPTY AND ONTABLE(X)添加表：HOLDING(X)

PutDown(X): 將積木X 放到桌面上 先決條件：HOLDING(X)刪除表：HOLDING(X)添加表：ONTABLE(X)AND HANDEMPTY 初始布局M0：

ON(D,B)AND ON(A,C)AND CLEAR(D)AND ONTALBE(B)AN ONTALBE(C)AND HANDEMPTY 目標布局G0：

ON(A,B)AND ON(B,C)AND ON(C,D)AND ONTABLE(D)AND CLEAR(A)AND HANDEMPTY 如何規劃？

第九章 Agent 9-1 分布式人工智能系統有何特點？試與多艾真體系統的特性加以比較。分布式人工智能系統的特點：（1）分布性

系統信息（數據、知識、控制）在邏輯上和物理上都是分布的（2）連接性

各個子系統和求解機構通過計算機網絡相互連接（3）協作性

各個子系統協調工作（4）開放性

通過網絡互連和系統的分布，便于擴充系統規模（5）容錯性

具有較多的冗余處理結點、通信路徑和知識，提高工作的可靠性（6）獨立性

系統把求解任務規約為幾個相對獨立的子任務，降低了問題求解及軟件開發的復雜性

9-2 什么是艾真體？你對Agent的譯法有何見解？

Agent是能夠通過傳感器感知其環境，并借助執行器作用于該環境的實體，可以看做是從感知序列到動作序列的映射。

其特征為：行為自主性，作用交互性，環境協調性，面向目標性，存在社會性，工作協作性，運行持續性，系統適應性，結構分布性，功能智能性 把agent 譯為艾真體的原因有：

（1）一種普遍的觀點認為，Agent是一種果果傳感器感知其環境，并通過執行器作用于該環境的實體。（2）“主體”一詞考慮到了Agent 具有自主性，但并未考慮Agent 還具有交互性，協調性，社會性，適應性和分布性等特性。

（3）“代理”一詞在漢語中已經有明確的含義，并不能表示出Agent的原意。

（4）把Agent譯為艾真體，含有一定物理意義，即某種“真體”或事物，能夠在十分廣泛的領域內得到認可。

（5）在找不到一個確切和公認的譯法時，宜采用音譯。

9-3 艾真體在結構上有什么特點？在結構上如何分類？每種結構的特點如何？ 真體=體系結構+程序

（1）在計算機系統中，真體相當于一個獨立的功能模塊，獨立的計算機應用系統（2）真體的核心部分是決策生成器或問題求解器，起到主控作用（3）真體的運行時一個或多個進程，并接受總體調度

（4）各個真體在多個計算機CPU上并行運行，其運行環境由體系結構支持

結構分類及特點：（1）反應式

只是簡單地對外部刺激產生響應，沒有內部狀態（2）慎思式

是一個具有顯示符號模型的基于知識的系統（3）跟蹤式

是具有內部狀態的反應式真體，通過找到一個條件與現有的環境匹配的規則進行工作，然后執行與規則相關的作用

30（4）基于目標

真體的程序能夠與可能的作用結果信息結合起來，以便選擇達到目標的行為，只要指定新的目標，就能夠產生新的作用（5）基于效果

一個具有顯示效果函數的真體能夠比較由不同作用獲得的效果，從而做出理性決策（6）復合式

在一個真體內組合多種相對獨立和并行執行的智能形態，其結構包括感知、動作、反應、建模、規劃、通信和決策。

9-4 艾真體為什么需要互相通信？

一些交談能向受話者傳送信息，還有一些交談要受話者采取行動。通信的雙重目的就是建立信任和創建社會聯系。

9-5 試述艾真體通信的步驟、類型和方式。通信的步驟：

在一個通信事件中，講話者（T）要使用文字（W）向受話者（H）調查建議（P）在講話者身上發生三種作用：（1）意向：T要H相信P（2）生成：T選擇文字W（3）總和：H決定相信P 在受話者身上發生四種作用：

（1）感知：H 感知W(理想狀態下W’=W，但可能會有錯覺)（2）分析：H推斷，W’有多個可能的含義P1，P2，P3…….Pn（3）消岐：H推斷，T要調查Pi(理想地，Pi=P，但誤解是可能的)（4）總和：H決定相信Pi 通信的類型：

（1）使用TELL和ASK通信

真體分享相同的內部表示語言，并通過界面TELL 和ASK 直接訪問相互的知識庫（2）使用形式語言通信

外部通信語言可以與內部表示語言不同，并且這些真體的每一個都可以有不同的內部語言，只人每個真體能可靠地從外部語言映射到自己的內部語言，它們就無須同意任何內部符號，其通信是通過語言而不是直接訪問知識庫而實現的 通信的方式：

（1）黑板結構方式

黑板提供公共工作區，真體可以交換信息，數據和知識（2）消息/對話方式

這是實現靈活和復雜的協調策略的基礎。各真體使用規定的協議相互交換信息，用于建立通信和協調機制。兩真體之間的信息是直接交換的，執行中沒有緩沖。

9-6 艾真體有哪幾種主要通信語言？它們各自有什么特點？ 知識詢問與操作語言KQML KQML定義了一種真體間傳遞信息的標準語法以及一些動作表達式，分為通信、消息和內容三個從此 知識交換語言KIF 其語法基本上類似于用LISP語法書寫的一階謂詞演算

9-7 多艾真體系統有哪幾種基本模型？其體型結構又有哪幾種？ 基本模型：

（1）BDI模型

它是一個概念和邏輯上的理論模型，滲透在其他模型中，成為研究真體理性和推理機制的基礎。將BDI模型擴展至多真體系統時，提出了聯合意圖、社會承諾、合理行為等描述真體行為的形式化定義。（2）協商模型

產生于經濟活動理論，主要用于資源競爭，任務分配和沖突消解等問題（3）協作規劃模型

用于制定其協調一致的問題求解規劃。每個真體都具有自己的求解目標，考慮其它真體的行動與約束，并進行獨立規劃。（4）自調整模型

為適應復雜控制系統的動態實時控制和優化而提出來。自協調模型隨環境變化自適應地調整行為，是簡歷在開放和動態環境下的多真體系統模型。

體系結構：

（1）真體網絡

無論是遠距離還是短距離的真體，其通信都是直接進行的，當真體數目較大時，這種一一交互的結構將導致系統效率低下。（2）真體聯盟

若干近程真體通過助手真體進行交互，而遠程真體則由各個局部真體群體的助手真體完成交互和消息發送。一個真體無須知道其他真體的詳細信息，比真體網絡有較大的靈活性。（3）黑板結構

局部真體群體共享數據存儲——黑板。其中控制外殼真體負責信息交互，而網絡控制真體負責局部真體群體之間的遠程信息交互。

9-8 試說明多艾真體的協作方法、協商技術和協調方式。

協作是保持非對抗真體間行為協調的特例，它通過適當的協調，合作完成共同目標。協作方法：

（1）決策網絡和遞歸建模

決策網絡可看做是增加了決策節點和效益節點的貝葉斯網絡。根據對環境和其他真體的觀察信息和貝葉斯學習方法來修正模型，即修正對其他真體行為的信念，并預測它們的行為。（2）Markov對策

單真體系統中真體的動態決策其實是一個Markov過程，在多真體系統中真體的Markov決策過程的擴展形式就是隨機對策，即Markov對策（3）真體學習方法

多真題系統的協作，本質上說是每個真體學習其他真體的邢翁策略模型而采取相應的最優反應。（4）決策樹和對策樹

實質是將對策理論和對策過程形式化，以實現真體的自動推理過程 協商時多真體系統實現協同，協作，沖突消解和矛盾處理的關鍵環節

協商技術：

（1）協商協議

主要研究真體通信語言的定義，表示，處理和語義解釋，主要處理協商過程總，真體之間的交互

32（2）協商策略

用于真體決策及選擇協商協議和通信消息，主要修改真體內的決策和控制過程（3）協商處理

側重描述和分析單個真體和多真體協商社會的整體協作行為，包括協商算法和系統分析兩方面 協調時一種動態行為，是真體對環境及其它真體的適應，往往通過改變真體的心智狀態來實現

協調方法：

（1）基于集中規劃

至少有一個真體具備其他真體的知識，能力和環境資源知識，它作為主控真體，對系統的目標進行分解，任務進行規劃，并指示其他真體執行任務（2）基于協商

屬于分布式協調，系統中沒有作為規劃的主控真體（3）基于對策論

包括無通信協調和有通信協調兩類（4）基于社會規劃

以每個真體都必須遵循的社會規則，過濾策略，標準和慣例為基礎的協調方法

9-9 為什么多艾真體需要學習與規劃？

學習能力是衡量多真體系統和其他智能系統的重要特征之一。多真體系統學習比單真體學習復雜得多，因為其學習對象處于動態變化中，且其學習離不開真體間的通信。只要給計算機設定一個目標，然后計算機不斷與環境交互以達到該目標。

規劃是連接精神狀態（打算，設想）與執行動作的橋梁。多真體系統中的規劃與經典規劃有所不同，需要反映環境的持續變化。

9-10 你認為多艾真體系統的研究方向應是哪些？其應用前景又如何？ 研究方向？

應用領域有：多機器人協調，過程智能控制，網絡通信與管理，交通控制，電子商務，遠程教學，遠程醫療，網上數據挖掘，信息過濾、評估和集成以及數據庫管理。

第五篇：人工智能及其應用課程總結

《人工智能及其應用》課程總結

20世紀40年代，計算機的發明揭開了人類發展的新篇章，使得人類追尋已久的腦力勞動機械化問題獲得了解決的方法和途徑。計算機能夠代替人類大腦進行復雜的計算，并且能夠根據計算對某些問題做出判斷，從某種程度上代替了人腦的部分功能。而隨著計算機計算機技術的發展，20世紀50年代人工智能(AI)這一新的學科門類的誕生，對人類的發展和進步有著重大的意義。

人工智能是指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動，可用某種智能化的機器來予以人工的實現。諸如機器編譯、機器診斷、機器推理以及各種專家系統。隨著人工智能技術的發展，引起了眾多學科和不同專業背景學者們的日益重視，并且發展出了若干個研究子學科，如計算機科學、哲學、生理學、社會學、生物學、信息學和計算機數學等，人工智能成為一門廣泛的交叉和前沿學科。因此，《人工智能及其應用》課程的學習，對于計算機應用研究技術、機械技術以及本人的專業——農業機械工程的學習和科研工作中，具有十分重要的作用。《人工智能及其應用》課程所講授的知識涵蓋面廣、內容較多，其中許多章節所設計的知識都可以單獨作為一門課程學習。因此，通過本學期對《人工智能及其應用》課程的學習，我重點總結一下主要學習和掌握的幾方面知識：

1．人工智能的研究與應用領域。在人工智能這門學科中，包含有多個研究領域，每個研究領域都有其特有的感興趣的研究課題、研究技術和術語，它們包括：自然語言處理、自動定理證明、智能數據檢索系統、機器學習、模式識別、視覺系統、問題求解、人工智能方法和程序語言以及自動程序設計等。通過對這些研究領域的研究和應用介紹，我發現其中專家系統、機器學習、神經網絡、模式識別、機器視覺和數據挖掘等方面的知識，是我所研究的專業領域和課題中，使用計算機軟件進行數據處理和自動判別所需要的知識，對我課題的研究和完成將會有很大幫助。

2．知識表示與推理。本部分研究了傳統人工智能的知識表示方法、搜索技術和知識推理。以符號和邏輯為基礎的傳統人工智能問題求解是通過知識表示和

知識推理來實現的。知識表示的方法有很多，包括圖示法、公式法、結構化方法、陳述式表示、過程式表示、狀態空間法和問題歸約法等。表示問題是為了進一步求解問題，從問題表示到問題的解決有一個求解的過程，也就是搜索過程。因此，學習了圖搜索策略和A*算法的方法和步驟。學習了消解原理這一用于一定的子句公式的重要推理規則，包括消解推理規則、含有變量的消解式、消解反演求解過程等。并且學習了規則演繹系統和產生式系統。它們是解決比較復雜的系統和問題的較為先進的推理技術和系統求解方法，能夠解決搜索推理方法難以解決的一些問題。

3．計算智能。包括人工神經網絡計算、模糊計算、粗糙集理論、遺傳算法、進化策略、進化編程、人工生命、粒群優化、蟻群算法、自然計算和免疫計算。其中每一部分都可以作為單獨的一門課程和知識進行深入的學習和研究。其中，我結合課程內容，重點學習和研究了人工神經網絡。人工神經網絡是模擬生物神經元的特性而產生的，是基于生物神經元特性的互聯模型制造的算法及機器。包括有以下幾個重要特性：并行分布處理、非線性映射、通過訓練進行學習、適應與集成、硬件實現性。在本部分學習了神經網絡是由基本處理單元——神經元及其互聯方法構成的。其網絡基本結構分為兩類：遞歸網絡和前饋網絡。人工神經網絡的主要學習算法有：有師學習、無師學習和強化學習三種。具體學習了自適應諧振理論網絡、學習矢量量化網絡、Kohonen網絡、Hopfield網絡，并且學習了基于神經網絡的知識表示方法和推理方法。通過這部分的學習，了解了神經網絡的應用方法和應用領域，由于其學習和適應、自組織、函數逼近和大規模并行處理等能力，因而在模式識別、信號處理、系統辨識和優化等方面有著廣泛的應用。

4．機器學習。機器學習是一門研究機器獲取新知識和新技能，并實現現有知識的學問。在此部分，主要學習了機器學習的主要策略、系統的基本結構和各種機器學習算法，包括：機械學習、歸納學習、類比學習、解釋學習、神經學習和知識發現。而其中的一些學習方法又與以前學習章節中的內容有所交叉，如神經學習和人工神經網絡。介紹了各種學習方法的定義、結構、基本計算方法和流程等知識。機器學習廣泛的應用于圖像處理、模式識別、機器人動力學與控制、自動控制、自然語言理解、語音識別、信號處理和專家系統等領域。

通過對《人工智能及其應用》課程的學習，使我學習了人工智能的各種基本算法和思想，了解了各種方法的應用領域和適用范圍。由于我的研究課題中，也需要對采集的數據進行處理和做出判斷，因此必然涉及人工智能的相關知識。課程包含內容很多，涵蓋的領域非常廣泛，雖然學習深度有限，但是正是對人工智能知識的廣泛了解，才能擴展我的研究思路，選定方向和研究算法，進行更深層次的研究。