第一篇：人工智能期末總結

1.人工智能是何時、何地、怎樣誕生的？ 1956 年夏季，美國的一些從事數學、心理學、計算機科學、信息論和神經學研究的年輕學 者，匯聚在 Dartmouth 大學，舉辦了一次長達兩個月的學術討論會，認真而熱烈的討論了用 機器模擬人類智能的問題。在這次會議上，第一次使用了“人工智能”這一術語，以代表有 關機器智能的這一研究方向。這是人類歷史上第一次人工智能研討會，標志著人工智能的誕 生，具有十分重要的意義。

2.什么是人工智能？人工智能的意義和目標是什么？ 人工智能就是人造智能，指用計算機模擬或實現的智能，同時人工智能作為學科，是研 究如何使機器（計算機）具有智能的科學和技術，特別是自然智能如何在計算機上實現或再 現的科學或技術。研究人工智能是電腦發展的必然趨勢，是當前信息化社會的迫切要求，同 時智能化也是自動化發展的必然趨勢，另外，研究人工智能，對探索人類自身智能的奧秘也 會提供有益的幫助。人工智能的目標分近期目標和遠期目標，近期研究目標是實現機器智能，遠期目標是制造智能機器，具體講就是使計算機具有聽、說、讀、寫等感知和交互能力，具 有聯想、推理、理解、學習等高級思維能力。

3.人工智能的主要研究和應用領域是什么？ 人工智能的主要研究和應用領域有：定理證明，專家系統，機器學習，自然語言理解，智能 檢索，機器人學，自動程序設計，組合調度問題，模式識別，機器視覺等。

4.人工智能有哪些主要研究途徑與方法？簡單描述其特點。人工智能有三種研究途徑與方法：第一種是結構模擬，方法是神經計算。模擬人腦的生 理結構和工作機理，用人工神經元組成的神經網絡作為信息和知識的載體，用神經計算的方 法實現學習、聯想、識別和推理，使計算機表現某種智能。第二種是功能模擬，方法是符號 推演。具體講就是模擬人的心理模型，將問題或知識表示程某種邏輯網絡，采用符號推演的 方法，宏觀上模擬人腦的思維實現機器智能。第三種途徑是行為模擬，方法是控制進化。

5.什么是人工智能？人工智能的基本技術是什么？ 人工智能就是人造智能，指用計算機模擬或實現的智能，同時人工智能作為學科，是研 究如何使機器（計算機）具有智能的科學和技術，特別是自然智能如何在計算機上實現或再 現的科學或技術。表示、運算、搜索是三大基本技術。

6.人工智能可分為符號智能和計算智能，請簡述人工智能的基本技術。答：表示、運算和搜索。符號智能的表示是知識表示，運算是基于知識表示的推理或符 號操作，采用搜索方法進行問題求解，一般在問題空間上進行； 計算智能的表示是對象表示，運算時給予對象的表示的操作或計算，采用搜索方法進行問題求解，一般是在解空間上進行。

7.列舉人工智能的五個應用領域。答：應用領域有：難題求解、自動定理證明、自動程序設計、自動翻譯、智能控制、智 能管理、智能決策、智能通信、智能仿真、智能 CAD 等。

8.遺傳算法中的三種遺傳操作是什么？試舉例說明。答：遺傳算法的三種操作：復制，交叉，變異。

9.遺傳算法是一種什么樣的算法？它適合解決哪一類問題？ 遺傳算法時人們從生物界按自然選擇和有性繁殖、遺傳變異的自然進化現象中得到啟 發，而設計出來的一種隨機優化搜索算法。遺傳算法適合解決先驗知識缺乏，希望尋找最優 解，搜索空間不連續的這一類問題，如機器學習、規劃、聚類、控制、調度等領

域的問題。

10.產生式系統的運行過程就 是推理機不斷運用規則庫中的規則，作用于動態數據庫，不斷進行推理并不斷檢測目標條件 是否滿足的過程。當推理到某一步，目標條件被滿足，則推理成功，于是系統運行結束；或 者再無規則可用，但目標條件仍未滿足，則推理失敗，系統運行結束。

11.產生式系統有哪幾種推理方式?各自的特點為何? 產生系統有兩種推理方式：正向推理和反向推理。正向推理就是從初始事實數據出發，正向使用規則進行推理（即用規則前提與動態數據庫中的事實匹配，或用動態數據庫中的數 據測試推則的前提條件，然后產生結論或執行動作），朝目標方向前進；反向推理就是從目 標出發，反向使用規則進行推理（即用規則結論與目標匹配，又產生新的目標，然后對新目 標再做同樣的處理），朝初始事實或數據方向前進。

15.產生式系統由哪幾部分組成？各部分功能是什么？ 答：產生式系統由三部分組成：產生式規則庫，推理機和動態數據庫。產生式規則庫也 稱產生式規則集，由領域規則組成，在機器中以某種動態數據結構進行組織。推理機也稱控 制執行機構，它是一個程序模塊，負責產生式規則的前提條件測試或匹配，規則的調度和選 取，規則體的解釋和執行。動態數據庫是一個動態數據結構，用來存放初始事實數據、中間 結果和最后結果等。

17.按照學習方式分，機器學習可以分為哪幾類？分別具有什么特征？ 答：有導師學習，無導師學習，強化學習

18.從模擬人腦的角度出發，機器學習有哪兩種方法？試簡單描述其特點。按照學習途徑分類，機器學習可以分為符號學習和連接學習兩大類。符號學習是基于符號 處理的學習方法，連接學習或神經網絡學習，則是基于神經網絡的機器學習方法。

19.符號學習有哪些方法？試列舉出五種。符號學習的方法：記憶學習、傳授學習、演繹學習、類比學習、示例學習、發現學習、解釋 學習。

20.模擬人腦的機器學習又分為符號學習和連接學習，對比符號學習和連接學習的不同，并 舉出典型學習方法？ 答：符號學習是模擬人腦的宏觀心理級學習過程，以認知心理學原理為基礎，以符號數據為輸入，以符號運算為方法，用推理過程在圖或狀態空間中搜索，學習目標為概念或規則 等。典型方法有記憶學習、示例學習、類比學習、解釋學習等；連接學習或神經網絡學習，是模擬人腦的微觀生理級學習過程，以腦和神經科學原理為基礎，以人工神經網絡為函數結 構模型，以數值數據為輸入，以數值運算為方法，用迭代過程在系數向量空間中搜索，學習的目標為函數。典型的連接學習有權值修正學習、拓撲結構學習。

21.按照拓撲結構分，神經網絡可分為哪幾類？各具有什么網絡特征？ 按照拓撲結構分，神經網絡可分為四大類：分層前向網絡、反饋前向網絡、互連前向網 絡、廣泛互連網絡。分層前向網絡的結構特征是網絡由若干層神經元組成，分為輸入層、中 間層和輸出層，各層順序連接；信息嚴格按照從輸入層進，經過中間層，從輸出層的方向流 動。反饋前向網絡是一種分層前向網絡，輸出曾到輸入層具有反饋連接。互連前向網絡的同 層神經元之間有相互連接。廣泛互連指在網絡中任意兩個神經元之間都是可以或可能是可達 的。

22.何為不確定性？不確定性有哪些類型？ 在我們所獲得的、所處理的信息和知識中，往往含有不肯定、不準確、不完全甚至不一致的 成分，這就是所謂的不確定性。按性質來分，不確定性大致分為五種類型：隨機性、模糊性、不完全性、不一致性。

23.為什么使用歸結原理進行定理證明時要使用歸結策略？ 答：把歸結原理在機器上實現，就要把歸結原理用算法表示，對于怎么樣在已知子句集 中選取兩個子句進行歸結，最簡單的方法就是采用窮舉法。窮舉法能夠保證對于不可滿足的 子句一定可以歸結出空子句，但窮舉法最大的缺點就是效率太低，當參加子句集中子句數目 過多時，所產生的中間子句將會呈現爆炸式增長，以致機器無法容納，而采用相應的歸結策 略之后就會使中間子句的數目減少，從而提高了歸結效率，所以在使用歸結原理進行定理證 明時要使用歸結策略。

24.簡述線性歸結策略和單元歸結策略。答：線性歸結策略：在歸結過程中，除第一次歸結可都用給定的子句集 S 中的子句外，其后的各次歸結則至少要有一個親本子句是上次歸結的結果。單元歸結策略： 在歸結過程中，每次參加歸結的兩個親本子句中必須至少有一個是單元子句。

25.什么是啟發函數、什么是啟發式搜索？ 答：啟發式搜索就是利用啟發信息進行制導的搜索。在啟發式搜索中，常用啟發函數來表示 啟發性信息，啟發函數就是用來估計搜索樹節點 x 與目標節點 Sg 接近程度的一種函數，通 常用 h（x）來表示。啟發函數的定義一般可以參考：一個節點到目標節點的某種距離或差 異的亮度；一個節點處在最佳路徑上的概率。

26.對比圖搜索，談談遺傳算法的主要特點是什么？ 答：遺傳算法的搜索在解空間上進行，不像圖搜索在問題空間上進行；遺傳算法的搜索 隨機地始于搜索空間的一個點集，圖搜索固定地始于初始節點； 遺傳算法的搜索過程從空間 一個點集到另一個點集，圖搜索從空間的一個點到另一個點；遺傳算法適應性強；擅長全局 搜索，不受搜索空間的限制性假設約束。

27.什么是盲目搜索，什么是啟發式搜索？兩者有何不同 答：盲目式搜索是指在搜索過程中，按規定的控制策略進行搜索，而沒有任何中間信息來改 變這些控制策略。啟發式搜索是根據問題本身的特性或搜索過程中產生的一些信息來不斷地 改變或調整搜索的方向，使搜索朝著問題本身最希望的方向進行，加速問題的求解，并找到 最優解。

28.何謂專家系統？它有哪些基本特征？ 專家系統是應用與某一專門領域，擁有該領域內相當數量的專家級知識，能模擬專家的思維，能達到專家水平，能象專家一樣解決困難和復雜的實際問題的計算機（軟件）系統。基本特征有四：一應用于某專門領域；二擁有專家級知識；三能模擬專家的思維；四能達到 專家級水平。

29.專家系統包括那些基本部分？每一部分的主要功能是什么？ 專家系統包括如圖所示的七部分,知識庫用來存儲知識推理機是用來實現推理的程序;動態數 據庫是存放初始證據事實、推理結果和控制信息的場所;人機界面指的是最終用戶與專家系 統的交互界面； 解釋模塊負責向用戶解釋專家系統的行為和結果； 知識庫管理系統用來管理 知識庫。加上自學習模塊功能是在系統運行過程中能夠不斷的自動化完善豐富知識庫中的知識。

30.什么是專家系統？包含哪幾部分？ 專家系統是應用與某一專門領域，擁有該領域內相當數量的專家級知識，能模擬專家的思維，能達到專家水平，能象專家一樣解決困難和復雜的實際問題的計算機（軟件）系統，專家系統包括七部分,知識庫;動態數據庫;人機界面；解釋模塊；知識庫管理系統；自學習模 塊功能；推理機。

32.什么是專家系統？專家系統與常規計算機程序有何區別？ 答：專家系統是應用與某一專門領域，擁有該領域內相當數量的專家級知識，能模擬專 家的思維，能達到專家水平，能像專家一樣解決困難和復雜的實際問題的計算機（軟件）系 統，與常規程序的區別有五點：、（1）常規程序＝數據結構＋算法，專家系統＝知識＋推理；、（2）常規程序將知識組織為兩級：數據級和程序級，專家系統將知識組織為三級：數據級、知識 庫級和控制級；、常規程序處理的數據多是精確的，對數據檢索是基于模式的布爾匹配（3）專家系統處理的數據和知識多是不精確的、模糊的，知識的匹配模式多是不精確的，需要為 其設定閾值；、常規程序基本是面向數值計算和數據處理的。專家系統本質上是面向符（4）號處理的；、常規程序一般不具有解釋功能，而專家系統一般具有解釋功能。

第二篇：南陽理工人工智能期末總結

1、談談你對于人工智能的認識。

人工智能就是人造智能，目前指用計算機模擬或實現的智能，因此人工智能又稱機器智能。人工智能在我看來，應該是像人一樣思考的系統、像人一樣行動的系統、理性地思考的系統、理性地行動的系統，是像人一樣具有感知的系統，是可以獨立思考、獨立判斷的系統

2、人工智能有哪些研究途徑和方法？它們的關系如何？

心理模擬,符號推演;生理模擬,神經計算;行為模擬,控制進化;群體模擬,仿生計算;博采廣鑒,自然計算;原理分析,數學建模;它們各有所長,也都有一定的局限性，因此這些研究途徑和方法并不能互相取代,而是并存和互補的關系。

3、人工智能有哪些研究內容？

搜索與求解、學習與發現、知識與推理、發明與創造、感知與交流、記憶與聯想、系統與建造、應用與工程等八個方面。

6.人工智能的現狀和發展呈現如下特點：多種途徑齊頭并進，多種方法寫作互補；新思想、新技術不斷涌現，新領域、新方向不斷開括;理論研究更加深入，應用研究更加廣泛;研究隊伍日益壯大，社會影響越來越大;以上特點展現了人工智能學科的繁榮景象和光明前景。它表明，雖然在通向其最終目標的道路上，還有不少困難、問題和挑戰，但前進和發展畢竟是大勢所趨。9.綜述圖搜索的方式和策略。

答：圖搜索方式可分為樹式搜索和線式搜索。圖搜索策略可分為盲目搜索和啟發式搜索。13.有一農夫帶一只狼、一只羊和一筐菜欲從河的左岸乘船到右岸,但受下列條件限制： (1)船太小,農夫每次只能帶一樣東西過河。(2)如果沒有農夫看管, 則狼要吃羊,羊要吃菜。請設計一個過河方案, 使得農夫、狼、羊、菜都能不受損失地過河。畫出相應的狀態空間圖。提示：(1)用四元組(農夫、狼、羊、菜)表示狀態,其中每個元素都可為0或1, 用0表示在左岸, 用1表示在右岸。(2)把每次過河的一種安排作為一個算符,每次過河都必須有農夫, 因為只有他可以劃船。

解：初始S=(0，0，0，0)，目標G=(1，1，1，1)

定義操作符L(i)表示農夫帶東西到右岸：

定義操作符R(i)表示農夫帶東西到左岸： i=0 農夫自己到右岸；

i=0 農夫自己到左岸； i=1 農夫帶狼到右岸；

i=1 農夫帶狼到左岸； i=2 農夫帶羊到右岸；

i=2 農夫帶羊到左岸； i=3 農夫帶菜到右岸；

i=3 農夫帶菜到左岸； 約束狀態如下：

(1，0，0，X)狼、羊在左岸；

(1，X，0，0)羊、菜在左岸；

(0，1，1，X)狼、羊在右岸；

(0，X，1，1)羊、菜在右岸；

15.廣度優先搜索與深度優先搜索各有什么特點？

答：廣度優先搜索就是始終先在同一級節點中考查,只有當同一級節點考查完之后,才考查下一級節點。或者說,是以初始節點為根節點，向下逐級擴展搜索樹。所以,廣度優先策略的搜索樹是自頂向下一層一層逐漸生成的。深度優先搜索就是在搜索樹的每一層始終先只擴展一個子節點,不斷地向縱深前進,直到不能再前進（到達葉子節點或受到深度限制）時，才從當前節點返回到上一級節點，沿另一方向又繼續前進。這種方法的搜索樹是從樹根開始一枝一枝逐漸形成的。深度優先搜索亦稱為縱向搜索。由于一個有解的問題樹可能含有無窮分枝，深度優先搜索如果誤入無窮分枝(即深度無限)，則不可能找到目標節點。所以，深度優先搜索策略是不完備的。另外，應用此策略得到的解不一定是最佳解(最短路徑)。廣度優先搜索與深度優先搜索都屬于盲目搜索。

18.局部擇優搜索與全局擇優搜索的相同處與區別各是什么？

答：局部擇優搜索與全局擇優搜索的區別是，擴展節點N后僅對N的子節點按啟發函數值大小以升序排序，再將它們依次放入OPEN表的首部。故算法從略。

19.傳教士和野人問題。有三個傳教士和三個野人一起來到河邊準備渡河, 河邊有一條空船,且傳教士和野人都會劃船, 但每次最多可供兩人乘渡。河的任何一岸以及船上一旦出現野人人數超過傳教士人數,野人就會把傳教士吃掉。為安全地渡河,傳教士應如何規劃渡河方案？試給出該問題的狀態圖表示, 并用PROLOG語言編程求解之。

若傳教士和野人的數目均為五人,渡船至多可乘三人,請定義一個啟發函數, 并給出相應的搜索樹。

解：首先選取描述問題狀態的方法。在這個問題中，需要考慮兩岸的修道士人數和野人數，還需要考慮船在左岸還是在右岸。從而可用一個三元組來表示狀態： S=(m, c, b)其中，m表示左岸的修道士人數，c表示左岸的野人數，b表示左岸的船數。

右岸的狀態可由下式確定：右岸修道士數：m'=3-m；右岸野人數：c'=3-c；右岸船數：b'=1-b 在這種表示方式下，m和c都可取0、1、2、3中之一，b可取0和1中之一。因此，共有4×4×2=32種狀態。這32種狀態并非全有意義，除去不合法狀態和修道士被野人吃掉的狀態，有意義的狀態只有16種：

S0=(3, 3, 1)S1=(3, 2, 1)S2=(3, 1, 1)S3=(2, 2, 1)S4=(1, 1, 1)S5=(0, 3, 1)S6=(0, 2, 1)S7=(0, 1, 1)S8=(3, 2, 0)S9=(3, 1, 0)S10=(3, 0, 0)S11=(2, 2, 0)S12=(1, 1,0)S13=(0, 2, 0)S14=(0, 1, 0)S15=(0, 0, 0)有了這些狀態，還需要考慮可進行的操作。

操作是指用船把修道士或野人從河的左岸運到右岸，或從河的右岸運到左岸。

每個操作都應當滿足如下條件：

一是船至少有一個人（m或c）操作，離開岸邊的m和c的減少數目應該等于到達岸邊的m和c的增加數目；二是每次操作船上人數不得超過2個； 三是操作應保證不產生非法狀態。因此，操作應由條件部分和動作部分： 條件：只有當其條件具備時才能使用動作：刻劃了應用此操作所產生的結果。操作的表示： 用符號Pij表示從左岸到右岸的運人操作用符號Qij表示從右岸到左岸的操作 其中： i表示船上的修道士人數 j表示船上的野人數

操作集

本問題有10種操作可供選擇：

F={P01, P10, P11, P02, P20,Q01, Q10, Q11, Q02, Q20} 下面以P01和Q01為例來說明這些操作的條件和動作。

操作符號 條件 動作

P01 b=1, m=0或3, c≥1 b=0, c=c-1 Q01 b=0, m=0或3，c≤2 b=1, c=c+1 20.設（1）凡事清潔的東西

就有人喜歡

（2）人們都不喜歡蒼蠅 用歸結原理證明蒼蠅 是不清潔的

一、填空題（每空1分，共30分）

（1）在人工智能的研究發展中有多種不同的主張，其中比較典型的有3個主要學派： 符號主義 學派、連結主義學派、行為主義 學派。

（2）對于“圖靈測試”，美國哲學家約翰·西爾勒提出了異議，他用一個現在稱為 中文屋子 的假設，試圖說明即便是一臺計算機通過了圖靈測試，也不能說它就真的具有了智能。

（3）在圖搜索算法中往往要用到 OPEN 和 CLOSED 表兩個表，其中前者用來專門記錄考查過的節點，后者用來專門登記待考察的節點。

（4）遺傳算法就是人們從生物界按 自然選擇 和 有性繁殖、遺傳變異的自然進化現象中得到啟發，而設計出的一種 優化搜索算法。

（5）智能可以分為 腦智能 和群智能 兩種。

（6）狀態圖搜索策略，可以分為 盲目搜索 和啟發式搜索兩大類，在啟發式搜索中，其關鍵的問題是。

（7）不含任何文字的子句成為 空子句，記為“口”或NIL，它在基于謂詞邏輯的計算機推理中具有重要的作用。

（8）將二進制編碼的染色體01001011的從右至左第二、四位變異后的所得的新染色體為 01000001。（9）人工智能的三個最基本核心技術是表示、運算 和 搜索。（10）產生式系統的推理分為 正向推理 和 反向推理 兩種方式。

（11）框架適合表達結構性的知識，概念、對象 等知識最適于用框架表示；框架的槽就是對象的屬性或狀態，槽值就是 屬性值或狀態值。

（12）狹義上講，知識或信息中的不確定性是指描述隨機事件或隨機現象所表現出的不確定性——這種不確定性一般用概率來刻畫。廣義不確定性進一步劃分可分為：(狹義)不確定性、不確切性、不完全性、不一致性、時變性等幾種類型。

（13）機器學習可分為 信息、發現 和知識三個要素，它們分別是機器學習的對象、方法和目標。

9（14）在模式識別中，距離分類法又可以分為 標準模式法、平均距離法、最鄰近法 等。

（15）知識獲取有 人工途徑、半自動獲取、自動獲取 等三種途徑。

二、選擇題（每小題2分，共10分）

（1）面向對象知識表示是最結構化的知識表示方法。面向對象知識表示很類似于（C）A.表 B.語義網絡 C.框架 D.產生式

（2）知識庫中的知識一般包括專家知識、領域知識和（C）A.系統知識 B.理論知識 C.元知識 D.經驗知識（3）計算智能是模擬（B）的人工智能。

A.腦智能 B.群智能 C.符號智能 D.連接主義

（4）集合{P[x,f(y),B],P[A,f(B),B]}的最一般的合一替換應為（B）A.{B/X} B.{B/y} C.{x/x} D.{A/x,B/y}（5）能根據學生的特點、弱點和基礎知識，以最適當的教案和教學方法對學生進行教學和輔導的專家系統是（D）

A.解釋專家系統 B.調試專家系統 C.監視專家系統 D.教學專家系統

20．圖搜索技術是人工智能中的核心技術之一，人工智能的許多分支領域都涉及到圖搜索。這里的圖是指由節點和有向邊組成的網絡。按連接同一個節點的個邊間的邏輯關系劃分，圖又可分為圖（也稱直接圖）和與或圖兩大類。圖搜索分為或圖搜索和與圖搜索兩大類。或圖通常稱為狀態圖。21.用計算機來實現狀態圖的搜索, 有兩種最基本的方式： 樹式搜索和線式搜索。

22.對于狀態圖搜索策略大體可分為盲目搜索和啟發式搜索兩大類。按搜索范圍的擴展順序不同，搜索可分為廣度優先和深度優先兩種類型。對于樹式搜索, 既可深度優先進行, 也可廣度優先進行。對于線式搜索則總是深度優先進行。23.搜索算法

由于搜索的目的是為了尋找初始節點到目標節點的路徑, 所以在搜索過程中就得隨時記錄搜索軌跡。為了記錄搜索軌跡, 我們用一個稱為CLOSED表的動態數據結構來專門記錄考查過的節點。對于樹式搜索來說, 還得不斷地把待考查的節點組織在一起, 并做某種排列, 以便控制搜索的方向和順序。為此, 我們采用一個稱為OPEN表的動態數據結構,來專門登記當前待考查的節點。 24.與或圖搜索幾個概念：（算法看課本的例子，還有和代價和最大代價）

本原問題——直接可解的簡單問題；(已知條件,真理,定理及推論, 等相關)終止節點——本原問題對應的節點； 端 節 點——與或圖中無子節點的節點；

與 節 點——子節點是“與”關系的節點；或 節 點——子節點是“或”關系的節點。

終止節點一定是端節點，端節點不一定是終止節點。

廣度優先：廣度優先搜索就是始終先在同一級節點中考查, 只有當同一級節點考查完之后, 才考查下一級節點。或者說,是以初始節點為根節點, 向下逐級擴展搜索樹。所以,廣度優先策略的搜索樹是自頂向下一層一層逐漸生成的。（其中OPEN表是一個隊列,CLOSED表是一個順序表）步1 把初始節點So放入OPEN表中。

步2 若OPEN表為空, 則搜索失敗,退出。

步3 取OPEN表中前面第一個節點N放在CLOSED表中, 并冠以順序編號n。 步4 若目標節點Sg=N,則搜索成功, 結束。 步5 若N不可擴展, 則轉步2。

步6 擴展N, 將其所有子節點配上指向N的指針依次放入OPEN表尾部, 轉步2。

深度優先搜索：深度優先搜索就是在搜索樹的每一層始終先只擴展一個子節點,不斷地向縱深前進, 直到不能再前進(到達葉子節點或受到深度限制)時, 才從當前節點返回到上一級節點, 沿另一方向又繼續前進。這種方法的搜索樹是從樹根開始一枝一枝逐漸形成的。（其中OPEN表是一個堆棧）（前五步與廣度一樣）

步6擴展N, 將其所有子節點配上指向N的返回指針依次放入OPEN表的首部, 轉步2。

全局擇優搜索：全局擇優搜索就是利用啟發函數制導的一種啟發式搜索方法。該方法亦稱為最好優先搜索法, 它的基本思想是：在OPEN表中保留所有已生成而未考察的節點, 并用啟發函數h(x)對

它們全部進行估價,從中選出最優節點進行擴展,而不管這個節點出現在搜索樹的什么地方。步1 把初始節點So放入OPEN表中,計算h(So)。 步2 若OPEN表為空,則搜索失敗, 退出。

步3 移出OPEN表中第一個節點N放入CLOSED表中, 并冠以序號n。 步4 若目標節點Sg=N, 則搜索成功, 結束。 步5 若N不可擴展, 則轉步2。

步6 擴展N, 計算每個子節點x的函數值h(x), 并將所有子節點配以指向N的返回指針后放入OPEN表中, 再對OPEN表中的所有子節點按其函數值大小以升序排序,轉步2。

局部擇優搜索：局部擇優搜索與全局擇優搜索的區別是, 擴展節點N后僅對N的子節點按啟發函數值大小以升序排序, 再將它們依次放入OPEN表的首部。故算法從略。

（前5步一樣）

步6 擴展N, 計算每個子節點x的函數值h(x), 擴展節點N后僅對N的子節點按啟發函數值大小以升序排序, 再將它們依次放入OPEN表的首，轉步2。

遺傳算法(GA: Genetic Algorithm)就是人們從生物界按自然選擇和有性繁殖、遺傳變異的自然進化現象中得到啟發，而設計出的一種優化搜索算法。遺傳算法中的三種遺傳操作：選擇—復制、交叉和變異

刪除策略：在歸結過程中可隨時刪除一下子句：①含有純文字的字句②含有永真式的子句 ③被子句集中別的子句類包含的子句。例3.22 設已知：

(1)能閱讀者是識字的；(2)海豚不識字；

(3)有些海豚是很聰明的。

試證明：有些聰明者并不能閱讀。

證 首先，定義如下謂詞：R(x)：x能閱讀。L(x)：x識字。I(x)：x是聰明的。D(x)：x是海豚。然后把上述各語句翻譯為謂詞公式：

(1)x(R(x)→L(x))(2)x(D(x)→乛L(x))(3)x(D(x)∧I(x))(4)x(I(x)∧乛R(x))求題設與結論否定的子句集，得

(1)乛R(x)∨L(x)(2)乛D(y)∨乛L(y)(3)D(a)(4)I(a)(5)乛I(z)∨R(z)歸結得

(6)R(a)(5)，(4)，{a/z}(7)L(a)(6)，(1)，{a/x}(8)乛D(a)(7),(2), {a/y}(9)□(8),(3) 例3.23 已知:(1)如果x和y是同班同學，則x的老師也是y的老師。(2)王先生是小李的老師。(3)小李和小張是同班同學。

問：小張的老師是誰？ 解 設謂詞T(x,y)表示x是y的老師，C(x,y)表示x與y是同班同學，則已知可表示成如下的謂詞公式：

F1: x y z(C(x,y)∧T(z,x)→T(z,y))F2:T(Wang,Li)F3:C(Li,Zhang)為了得到問題的答案，我們先證明小張的老師是存在的，即證明公式： G: x T(x,Zhang)于是，求F1∧F2∧F3∧ G的子句集如下:(1)C(x,y)∨ T(z,x)∨T(z,y)11(2)T(Wang,Li)(3)C(Li,Zhang)(4)T(u,Zhang)歸結演繹，得

(5)C(Li,y)∨T(Wang,y)由(1),(2),{Wang/z,Li/x}(6)C(Li,Zhang)由(4),(5),{Wang/u,Zhang/y}(7)□ 由(3),(6)

這說明，小張的老師確實是存在的。那么，為了找到這位老師，我們給原來的求證謂詞的子句再增加一個謂詞ANS(u)。于是，得到

(4)′ T(u,Zhang)∨ANS(u)

現在，我們用(4)′代替(4)，重新進行歸結，則得

(5)′ C(Li,y)∨T(Wang,y)由(1)(2)(6)′ C(Li,Zhang)∨ANS(Wang)由(4)′(5)′

(7)′ANS(Wang)由(3)(6)′ 例3.24 設有如下關系:(1)如果x是y的父親，y又是z的父親，則x是z的祖父。(2)老李是大李的父親。(3)大李是小李的父親。

問：上述人員中誰和誰是祖孫關系？

解 先把上述前提中的三個命題符號化為謂詞公式： F1: x y z(F(x,y)∧F(y,z)→G(x,z))F2: F(Lao,Da)F3: F(Da,Xiao)并求其子句集如下:(1)乛 F(x,y)∨乛 F(y,z)∨G(x,z)(2)F(Lao,Da)(3)F(Da,Xiao) 設求證的公式為

G: x yG(x,y)(即存在x和y，x是y的祖父)把其否定化為子句形式再析取一個輔助謂詞GA(x,y)，得(4)乛G(u,v)∨GA(u,v)

對(1)~(4)進行歸結,得

(5)乛F(Da,z)∨G(Lao,z)(1),(2),{Lao/x,Da/y}(6)G(Lao,Xiao)(3),(5),{Xiao/z}(7)GA(Lao,Xiao)(4),(6),{Lao/u,Xiao/v}

所以，上述人員中，老李是小李的祖父。子句的蘊含表示形式

原子公式及其否定稱為文字 Horn子句與邏輯程序

至多含有一個正文字的子句稱為Horn（有些文獻中譯為“霍恩”）子句。產生式系統由三部分組成： 產生式規則庫、推理機和動態數據庫.產生式系統的推理可分為正向推理和反向推理兩種基本方式。正向推理

正向推理算法一： 

步1 將初始事實/數據置入動態數據庫。

步2 用動態數據庫中的事實/數據, 匹配/測試目標條件, 若目標條件滿足, 則推理成功, 結束。步3 用規則庫中各規則的前提匹配動態數據庫中的事實/數據, 將匹配成功的規則組成待用規則 12 集。

步4 若待用規則集為空, 則運行失敗, 退出。

步5 將待用規則集中各規則的結論加入動態數據庫, 或者執行其動作, 轉步2。反向推理

步1 將初始事實/數據置入動態數據庫, 將目標條件置入目標鏈。 步2 若目標鏈為空, 則推理成功, 結束。

步3 取出目標鏈中第一個目標, 用動態數據庫中的事實/數據同其匹配, 若匹配成功, 轉步2。步4 用規則集中的各規則的結論同該目標匹配, 若匹配成功,則將第一個匹配成功且未用過的規則的前提作為新的目標, 并取代原來的父目標而加入目標鏈, 轉步3。 步5 若該目標是初始目標, 則推理失敗, 退出。

步6 將該目標的父目標移回目標鏈, 取代該目標及其兄弟目標, 轉步3。每個學生讀過《三國演義》

≯x(student(x)→ read(x, 三國演義))

 GSstudentreadbook

ISAISAISAISA Fsubjectobject Rxread1三國演義 A? 猴子摘香蕉問題。– 用四元組來（w，x，y，z）表示狀態，w：表示猴子的位置； x：表示猴子是否在箱頂； y：箱子的水平位置； z：猴子是否拿到香蕉。初始位置為（a，0，b，0），目標位置為（c，1，c，1）規則集中的規則：

If（w，0，y，z）then goto（u），狀態為（u，0，y，z）If（w，0，w，z）then pushbox（v），狀態為（v，0，v，z）If（w，0，w，z）then climbbox，狀態為（w，1，w，z）If（c，1，c，0）then grasp，狀態為（c，1，c，1）

學生框架例子 框架名：<學生> 性別:(男,女)成績:(優,良,中,差)類型:(<小學生>,<中學生>,<大學生>,<研究生>)民族:(漢族,回族,白族,朝鮮族,等)缺省:漢族

籍貫:(河南,山東,河北,湖南等)缺省:河南 老師框架例子 框架名:<教師> 類屬:<知識分子> 工作:范圍:(教學，科研)缺省:教學

性別:(男，女)學歷:(中師，高師)類型:(<小學教師>，<中學教師>，<大學教師>)

狹義上講，知識或信息中的不確定性是指描述隨機事件或隨機現象所表現出的不確定性——這種不確定性一般用概率來刻畫。

廣義不確定性分類：(狹義)不確定性、不確切性(模糊性)、不完全性、不一致性、時變性等幾種類型。

不確定性推理=符號推演+信度計算

機器學習就是讓計算機模擬人的學習行為，或者說計算機也具有學習的能力。

人工智能中的機器學習主要是指機器對自身的行為的修正或性能的改善和機器對客觀規律的發現。機器學習的三要素：信息、發現和知識。他們分別是機器學習的對象、方法和目標。基于學習策略的分類：模擬人腦的機器學習、直接采用教學方法的機器學習。

知識發現的任務：數據總結、概念描述、分類、聚類、相關性分析、偏差分析、建模。

根據連接的拓撲結構不同，神經網絡可分為四大類：分層向前網絡、反饋前向網絡、廣泛互聯網絡。什么是決策樹

決策樹(decision tree)也稱判定樹，它是由對象的若干屬性、屬性值和有關決策組成的一棵樹。其中的節點為屬性（一般為語言變量），分枝為相應的屬性值（一般為語言值）。決策樹學習的基本方法和步驟是: 

首先,選取一個屬性, 按這個屬性的不同取值對實例集進行分類;并以該屬性作為根節點,以這個屬性的諸取值作為根節點的分枝, 進行畫樹。

然后,考察所得的每一個子類, 看其中的實例的結論是否完全相同。如果完全相同, 則以這個相同的結論作為相應分枝路徑末端的葉子節點;否則, 選取一個非父節點的屬性, 按這個屬性的不同取值對該子集進行分類, 并以該屬性作為節點, 以這個屬性的諸取值作為節點的分枝, 繼續進行畫樹。如此繼續,直到所分的子集全都滿足: 實例結論完全相同, 而得到所有的葉子節點為止。這樣, 一棵決策樹就被生成。

模式：能夠表征或刻畫被識對象類屬特征的信息模型稱為對象的模式(pattern)。

模式類：具有某些共同特性的模式的集合稱為模式類, 判定一個待識模式類屬的過程稱為模式識別。

最常用的模式表示形式有向量和字符串。模式設別的原理：

模式識別的全過程分為兩步: 第一步是分類知識的生成過程, 其實是個純粹的機器學習過程;第二步才是真正的模式識別過程。

依據模式的表示形式,模式識別方法可分為基于特征向量的模式識別和基于字符串的模式識別, 前者稱為統計模式識別, 后者稱為結構模式識別。統計模式識別和結構模式識別是兩種經典而基本的模式識別方法, 統計模式識別(距離分類法、幾何分類法、概率分類法)距離分類法：標準模式法，平均距離法、最臨近法

要理解一個語句，需建立起一個和該簡單句相對應的機內表達。而要建立機內表達，需要做以下兩方面的工作：

(1)理解語句中的每一個詞。

(2)以這些詞為基礎組成一個可以表達整個語句意義的結構。

實現機器的自然語言理解都涉及哪些工作？語法分析，語義分析、語用分析。

第三篇：人工智能總結(精華版)

1、PROLOG程序一般由一組事實、規則和問題組成。事實一般表示對象的性質或關系；規則一般表示對象間的因果關系、蘊含關系或對應關系； 問題表示用戶的詢問是程序運行的目標。問題是程序執行的起點，稱為程序的目標。PROLOG就是一種基于Horn子句的邏輯程序。

PROLOG程序的運行是從目標出發，并不斷進行匹配、合一、歸結，有時還要回溯，直到目標別完全滿足或不能滿足時為止。

PROLOG程序的執行過程是一個(歸結)演繹推理過程。其特點是：推理方式為反向推理, 控制策略是深度優先, 且有回溯機制。

3、簡述用A*算法求解問題時為什么會出現重復擴展節點問題，解決的方法有哪些？

答：當問題有解時，A*算法總是找到問題的最優解結束。如果h函數定義的不合理，則當擴展一個節點時，不一定就找到了從初始節點到該節點的最優路徑，對于這樣的節點，就有可能被多次擴展。特別是如果這樣的節點處于問題的最優解路徑上時，則一定會被多次擴展。解決的方法一是對h函數的定義給出限制，使得h滿足單調性。對于滿足單調性條件的h，則一定不會出現重復擴展節點問題。二是對A*算法加以改進，使用修正的A*算法進行搜索，這樣，隨著經驗的豐富，系統的性能自然就會不斷改善和提高。

24、機器學習的三個要素：信息，發展和知識。對應于機器學習的對象、方法和目標。

25、基于學習策略的分類：符號學習和神經網絡學習。

26、決策樹：也稱判斷樹，它由對象的若干屬性、屬性值和有關決策組成的一棵樹。其中的節點為屬性，分支為屬性值，從同一節點出發的各個分支之間是邏輯或關系，根節點為對象的一個屬性；從根節點出發到每一個葉子節點的所有節點和邊，按順序串聯成一條分支路徑，位于同一分支路徑上的各個屬性-值對之間是邏輯與關系，葉子節點是這個與關系的對應結果，即決策。

27、決策樹學習首先要有一個實例集，基本方法和步驟：（1）選取一個屬性，按這個屬性的不同取值對實例集進行分類；并以該屬性作為根節點，以這個屬性的諸取值作為根節點的分支，進行畫樹；（2）考察所得的每一個子類，看其中的實例的結論是否完全相同。如果相同，則以這個相同的結論作為相應分支路徑末端的葉子節點；否則，選取一個非父節點的屬性，按這個屬性的不同取值對孩子集進行分類，并以該屬性作為節點，以這個屬性的諸取值作為節點的分支，繼續進行畫樹。如此繼續，直到所分的子集全都滿足：實則可以減少重復擴展節點問題。

4、簡述回溯策略與深度優先策略的不同點。

答：回溯搜索策略與深度有限搜索策略最大的不同是深度有限搜索策略屬于圖搜索，而回溯搜索則不是圖搜索。在回溯搜索中，只保留了從初始節點到當前節點的搜索路徑。而深度優先搜索，則保留了所有的已經搜索過的路徑。

5、不確定性類型按性質分：隨機性，模糊性，不完全性，不一致性

6、在刪除策略歸結的過程中刪除以下子句：含有純文字的子句;含 有永真式的子句;子句集中被別的子句類含的子句。

7、圖：指由節點和有向邊組成的網絡。按連接同一節點的各邊的邏輯關系又可分為或圖和與或圖。

8、合一算法：求非空有限具有相同謂詞名的原子公式集的最一般合一（MGU）。

9、人工智能的遠期目標是制造智能機器，近期目標是實現機器智能。

10、什么是產生式？產生式規則的語義是什么？

產生式規則基本形式：P→Q 或者 IF P THEN Q P 是產生式的前提（前件），用于指出該產生式是否可用的條件 Q 是一組結論或操作（后件），用于指出當前提 P 所指示的條件滿足時，應該得出的結論或應該執行的操作

產生式規則的語義：如果前提P被滿足，則可推出結論 Q 或執行 Q 所規定的操作

11、謂詞公式G通過８個步驟所得的子句集合S，稱為G的子句集。請寫出這些步驟：1）消去蘊含式和等價式→，<-> ；2）縮小否定詞的作用范圍，直到其作用于原子公式: ；3）適當改名，使量詞間不含同名指導變元和約束變元。；4.）消去存在量詞（形成Skolem標準型）；5）消去所有全稱量詞 ；6)化成合取范式；7).適當改名，使子句間無同名變元；8).消去合取詞∧，用逗號代替，以子句為元素組成一個集合S

12、人工智能的基本技術包括搜索技術 推理技術 知識表示和知識庫技術、歸納技術、聯、想技術

13、產生式系統有三部分組成綜合數據庫，知識庫和推理機。其中推理可分為正向推理和反向推理。

14、在歸結原理中，幾種常見的歸結策略并且具有完備性的是刪除策略 支持集策略 線性歸結策略、輸入歸結策略、單元歸結策略

15、歸結法中，可以通過修改證明樹的方法得到問題的解答

16、開發專家系統所要解決的基本問題有三個，那就是知識的獲取、知識的表示和知識的運用，在語義網絡表示知識時，所使用的推理方法有AKO 和ISA。

17、α－β剪枝的條件是：α剪枝：若任一極小值層節點的β值小于或等于它任一先輩極大值節點的α值，即α（先輩層）≥β（后繼層），則可中止該極小值層中這個MIN節點以下的搜索過程。這個MIN節點最終的倒推值就確定為這個β值。

β剪枝：若任一極大值層節點的α值大于或等于它任一先輩極小值層節點的β值，即α（后繼層）≥β（先輩層），則可以中止該極大值層中這個MAX節點以下的搜索過程。這個MAX節點的最終倒推值就確定為這個α值。

18、知識表示的方法主要有邏輯表示法（謂詞表示法）框架 產生式和語義網絡，類和對象，模糊集合，因果網絡，腳本，過程等

19、知識的分類：（1）就形式而言：顯示和隱式。顯示知識是指可用語言文字符號形象聲音及其他人能直接識別和處理的形式，明確的在其載體上表示出來的知識。隱式知識只可用神經網絡存儲和表示（2）就嚴密性和可靠性而言：理論知識和經驗知識（3）就確定性而言：確定性知識和不確定知識（4）就確切性而言：確切描述的知識和非確切描述的知識。

20、知識表示是指面向計算機的知識描述或表達形式和方法。具體的講就是要用某種約定的形式結構來描述知識，而且這種形式結構還要能夠轉換為機器的內部形式，使的計算機能方便的存儲、處理和應用。------知識表示是建立專家系統級各種知識系統的重要環節，也是知識工程的一個重要方面。

21、基于謂詞邏輯的推理主要是演繹方式的推理；基于框架、語義網絡和對象知識表示的推理是一種稱為繼承的推理。

22、機器學習：主要指機器對自身行為的修正或性能的改善和機器對客觀規律的發現。（讓計算機模擬人的學習行為，或者說讓計算機也具有學習的能力）

23、機器學習的流程：（1）對于輸入的信息，系統根據目標和經驗做出決策予以響應，即執行相應的動作；（2）對目標的實現或任務的完成情況進行評估；（3）將本次的輸入、響應和評價作為經驗予以存儲記錄。可以看出，第一次決策時系統中還無任何經驗，但從第二此決策開始，經驗便開始積累。

例結論完全相同，而得到所有的葉子節點為止。這樣一棵決策樹就被生成。

28、神經網絡分為四大類：分層前向網絡、反饋前向網絡、互聯前向網絡、廣泛互聯網絡。

29、網絡學習一般是利用一組稱為樣本的數據，作為網絡的輸入（和輸出），網絡按照一定的規則自動調節神經元之間的連接強度或拓撲結構，當網絡的實際輸出滿足期望的要求，或者趨于穩定是，則認為學習成功。

30、神經網絡學習的規則是權值修正規則：相關規則和誤差修正規則。

31、神經網絡學習方法分類：（外部影響）有導師學習，強化學習，無導師學習；（內部變化）權值修正，拓撲變化，權值與拓撲修正；（算法性質）確定性學習，隨機性學習；（輸入要求）基于相似性學習，基于命令學習。

32、專家系統：應用于某一專門領域，擁有該領域相當數量的專家級知識，能模擬專家的思維，能達到專家級水平，像專家一樣解決困難、復雜的實際問題的計算機（軟件）系統。

33、專家系統的基本要素：專家擁有豐富的專業知識和實踐經驗或者說擁有豐富的理論知識和經驗知識，特別是經驗知識。

34、專家系統與一般的軟件系統開發無異，其開發過程同樣要遵循軟件工程的步驟和原則，即也要進行系統分析、系統設計等幾個階段的工作。

但由于它是專家系統，而不是一般的軟件系統，所以，又有其獨特的地方，主要包括以下幾個步驟：

系統總體分析與設計；知識獲取；知識表示與知識描述語言設計；知識庫設計、知識庫管理系統設計；推理機與解釋模塊設計；總控與界面設計；編程與調試；測試與評價；運行與維護。可以看出它有如下特點：知識獲取和知識表示設計是一切工作的起點；知識表示與知識描述語言確定后，其他設計可同時進行；

35、對涉及人工智能的一些問題的認識：首先人工智能把人腦更有效的擴大和延伸是人類智能擴大的延伸，人工智能的應用十分廣泛：機器翻譯、智能控制、模式識別、機器博弈等，運用智能技術解決很多的實際問題從而使現有的計算機更有效更靈活成為人類智能化信息處理的工具。人工智能用計算機模擬人的思維活動包含理解能力、學習能力、推理能力，主要是腦功能的結構模擬和功能模擬。然而人類不能賦予機器同等的情感，無法確保責任問題，此外生物物種滅絕新型細菌的出現，人類的未來難以預料

37、能解節點定義如下： ①（終節點）是能解節點； ②若非終節點有（“或”）子節點時，當且僅當其子節點至少有一能解，該非終節點才能解； ③若非終節點有（“與”）子節點時，當且僅當其子節點均能解，該非終節點才能解。

18、局部圖的耗散值定義如下： ①若n是局部圖的一個葉節點，則k（n，N）=（h(n)），其中（h(n)）表示節點n到目標節點集的最佳解圖耗散值的估計； ②若n由一個外向連接符指向后繼節點{n1，…，ni}，并設該連接符的耗散值為Cn，則k（n，N）=（Cn+ k（n1，N）+ … + k（ni，N））。

19、耗散值最小的解圖稱為（最佳）解圖

20、AO*算法是一種用于對（與或圖）進行搜索的啟發式搜索算法，該算法對目前找到的局部圖進行評價，選擇（耗散值最小）的局部圖進行優先搜索，直到找到一個解圖為止。當啟發函數h滿足（單調）條件時，在問題有解的情況下，AO*算法一定能找到最佳解圖結束。

21、所謂“圖靈實驗”，是為了判斷一臺機器是否具備智能的實驗。實驗由三個封閉的房間組成，分別放置主持人、參與人和機器。主持人向參與人和機器提問，通過提問的結果來判斷誰是人，誰是機器。如果主持人無法判斷誰是人，誰是機器，則這臺機器具備智能，即所謂的“智能機器”。

22/深度優先方法的特點是什么？屬于圖搜索；是一個通用的搜索方法；如果深度限制不合適，有可能找不到問題的解；不能保證找到最優解。

23/什么是置換？置換是可交換的嗎？通常用有序對的集合s＝{t1/v1，t2/v2，?，tn/vn}來表示任一置換，置換集的元素ti/vi的含義是表達式中的變量vi處處以項ti來替換，用s對表達式E作置換后的例簡記為Es。一般來說，置換是不可交換的，即兩個置換合成的結果與置換使用的次序有關。

第四篇：青島科技大學2016-2017-1人工智能期末考試題

一、謂詞邏輯證明

1、設有前提：

（1）凡是大學生都學過計算機；

（2）小王是大學生。

試問：小王學過計算機嗎？ 解：令S（x）：x是大學生 M（x）：x學過計算機； a：小王

上面命題用謂詞公式表示為：

(1)?x(S(x)?M(x))(2)S(a)

我們進行形式推理：

[前提]

(2)S(a)?M(a)

[(1)US](3)S(a)

[前提](4)M(a)

[(2)(3)I3] M(a),即小王學過計算機。

2、用謂詞公式表示下述命題。已知前提：

（1）自然數都是大于零的整數。（2）所有整數不是偶數就是奇數。（3）偶數除以2是整數。

結論：所有自然數不是奇數就是一半為整數的數。

化F1 ? F2 ? F3 ? ?G的子句集。

F1: ?x(N(x)?GZ(x)? I(x))

F2: ?x(I(x)?(E(x)?O(x)))

F3: ? x(E(x)? I(s(x)))

G: ?x(N(x)?(I(s(x))?O(x)))解：F1 ? F2 ? F3 ? ?G的子句集為（1）?N(x)? GZ(x)（2）?N(y)? I(y)（3）?I(z)? E(z)?O(z)（4）?E(u)? I(s(u))（5）N(a)（6）?O(a)（7）?I(s(a)

3、設已知：

（1）能閱讀者是識字的；

（2）海豚不識字；

（3）有些海豚是很聰明的。

試證明：有些聰明者并不能閱讀。證

首先定義如下謂詞：

R(x):x能閱讀。

L(x):x能識字。

I(x):x是聰明的。

D(x):x是海豚。

將上述各語句翻譯成謂詞公式：

(1)(?x)(R(x)?L(x))

(2)(?x)(D(x)??L(x))

已知條件

(3)(?x)(D(x)? I(x))

(4)(?x)(I(x)? ? R(x))

需證結論

用歸結反演法來證明，求題設與結論否定的子句集，得：

(1)? R(x)? L(x)

(2)? D(y)? ?L(y)

（改名）

(3)D(a)

(4)I(a)

(5)? I(z)? R(z)歸結得：

(6)R(a)

[(5),(4),{a/z}]

(7)L(a)

[(6),(1),{a/x}]

(8)?D(a)

[(7),(2),{a/y}]

(9)Nil

[(8),(3)]

二、框架語義網絡顯示

1、試實現一個“大學教師”的框架，大學教師類屬于教師，包括以下屬性：學歷（學士、碩士、博士）、專業（計算機、電子、自動化、??）、職稱（助教、講師、副教授、教授）解：

框架名：<大學教師> 類屬：<教師> 學歷：(學士、碩士、博士)專業：(計算機、電子、自動化、?..)職稱：(助教、講師、副教授、教授)

2、【虛擬新華社3月16日電】昨日，沙塵暴襲擊韓國漢城，機場與高速公路被迫關閉，造成的損失不詳。韓國官方示，如果需要直接損失情況，可待一周后的官方公布的字。此次沙塵暴起因中日韓專家認為是由于中國內蒙古區過分墾牧破壞植被所致。解：

框架名：<沙塵暴> 時間：3月15日 地點：韓國漢城 損失：不詳

起因：中國內蒙古區

3、假設有以下一段天氣預報：“北京地區今天白天晴，偏北風3級，最高氣溫12o，最低氣溫-2o，降水概率15%。”請用框架表示這一知識。

解：Frame<天氣預報>

地域：北京

時段：今天白天

天氣：晴

風向：偏北

風力：3級

氣溫：最高：12度

最低：-2度

降水概率：15%

三、確定性理論求解

1、設有如下一組產生式規則和證據事實，試用確定性理論求出由每一個規則推出的結論及其可信度。

規則:

① if A then B(0.9)

② if B and C then D(0.8)

③ if A and C then D(0.7)

④ if B or D then E(0.6)事實:

A，CF(A)=0.8;C，CF(C)=0.9 解：

規則①得:CF(B)＝0.9×0.8＝0.72

由規則②得:CF(D)1＝0.8×min{0.72，0.9)＝0.8×0.72＝0.576

由規則③得:CF(D)2＝0.7×min{0.8，0.9)＝0.7×0.8＝0.56

從而 CF(D)＝CF(D)1＋CF(D)2－CF(D)1×CF(D)2

＝0.576＋0.56－0.576×0.56＝0.32256

由規則④得:

CF(E)＝0.6×max{0.72，0.32256}＝0.6×0.72＝0.432

2、P180：習題八-7題 設有如下一組規則： R1: if E1 then E2(0.6)R2: if E2 and E3 then E4(0.8)R3: if E4 then H(0.7)R4: if E5 then H(0.9)且已知

CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.4 用確定性理論求CF(H).四、prolog語言

1、predicates student(integer,string,real)grade goal grade.clauses student(1,”zhangsan”,90.2).student(2,”lisi”,95.5).student(3,”wangwu”,96.4).grade:-write(“please enter a name:”),readln(Name), student(_,Name,Score), nl,write(name,”grade is:”,Score).grade:-write(“sorry,cant find the student!”).運行結果截圖：

2、domains X=symbol predicates r(X)q(X)p(X)goal r(Y),write:(“Y=”,Y).clauses p(a).p(b).q(b).r(X):-p(X),q(X).r(c).程序運行結果截圖：

3、domains s=symbol predicates p(s)p1(s)p2(s)p3(s)p4(s)p5(s,s)p11(s)p12(s)p31(s)goal p(X),write(“rhe x is ”,X).clauses p(a1):-p1(b),p2(c).p(a2):-p1(b),p3(d),p4(e).p(a3):-p1(b),p5(f,g).p1(b):-p11(b1),p12(b2).p3(d):-p31(d1).p2(c1).p4(el).p5(f,g).p11(b1).p12(b2).P31(d11).程序運行結果截圖：

4、domains name=symbol predicates mother(name,name)father(name,name)grandfather(name,name)grandmother(name,name)sister(name,name)aunt(name,name)goal grandmother(a,X),write(“X=”,X),nl, father(b,Y),write(“Y=”,Y),nl, sister(c,Z),write(“Z=”,Z),nl, aunt(d,T),write(“T=”,T).clauses mother(a,c).mother(a,d).mother(c,g).mother(c,f).father(b,c).father(b,d).father(e,g).father(e,f).grandfather(X,Z):-father(X,Y),father(Y,Z).grandmother(X,Z):-mother(X,Y),mother(Y,Z).sister(X,Y):-mother(Z,X),mother(Z,Y).aunt(X,Y):-mother(Z,Y),sister(Z,X).程序運行結果截圖：

五、最優解樹、代價、結點與或

1、如圖3-16所示的與或樹, 其中包括兩棵解樹, 一棵解樹由Qo,A,t1和t2組成；另一棵解樹由Qo,B,D,G,t4和t5組成。在此與或樹中,t1,t2,t3,t4,t5為終止節點；E,F是非終止的端節點, 其代價均為∞；邊上的數字是該邊的代價。

由右邊的解樹可得：

按和代價： g(A)=11,g(Qo)=13

按最大代價：g(A)=6, g(Qo)=8

由左邊的解樹可得：

按和代價： g(G)=3, g(D)=4, g(B)=6, g(Qo)=8

按最大代價： g(G)=2, g(D)=3, g(B)=5, g(Qo)=7

Q02B2D1G2t51t4Ft3E321C1t2t152A6

2、設有如圖3-24所示的一棵與或樹，請指出解樹；并分別按和代價及最大代價求解樹代價；然后，指出最優解樹。

一棵解樹由S0, A, D, t1, t2, t3組成；另一棵解樹由S0, B, E, t4, t5組成； 左邊解樹：

按和代價：g(D)=4, g(A)=7, g(S0)=12 按最大代價：g(D)=2, g(A)=5, g(S0)=10 右邊解樹：

按和代價：g(E)=2, g(B)=11, g(S0)=18 按最大代價：g(E)=2, g(B)=7, g(S0)=14 按和代價計算，左邊的解樹為最優解樹，按最大代價計算，仍是左邊的解樹為最優解樹。因此，左邊的解樹為最優解樹。

S05A6C1t12t23D1t3t42t547B5E3F

六、基于謂詞邏輯的問答

1、已知：（1）如果x是y的父親，y又是z的父親，則x是z的祖父。

（2）老李是大李的父親。

（3）大李是小李父親。

問：上述人員誰和誰是祖孫關系？ 解

首先定義如下謂詞：

G(x,y)表示x是y的祖父。

F(x,y)表示x與y是父親。已知條件可以表示成如下謂詞公式：

F1： ?x ?y?z(F(x,y)? F(y,z)?G(x,z))

F2:

F(Lao,Da)

F3:

F(Da,Xiao)

并求其子句集如下：

(1)? F(x,y)? ? F(y,z)? G(x,z)

(2)F(Lao,Da)

(3)F(Da,Xiao)

設求證的公式為：

G： ?x ?yG(x,y)

(既存在x和y,x是y的祖父)

把其否定化為子句形式再析取一個輔助謂詞GA(u，v)

(4)? G(u，v)? GA(u，v)把其否定化為子句形式再析取一個輔助謂詞GA(u，v)

(1)? F(x,y)? ? F(y,z)? G(x,z)

(2)F(Lao,Da)

(3)F(Da,Xiao)

(4)? G(u，v)? GA(u，v)

對上式進行歸結：

(5)? F(Da，z)? G(Lao，z)

[(1),(2),{Lao/x,Da/y}]

(6)G(Lao，Xiao)

[(3),(5),{Xiao/z}]

(7)GA(Lao,Xiao)

[(4),(6),{Lao/u,Xiao/v}]

所以上述人員中，老李是小李的祖父。

2、假設張被盜，公安局派出5個人去調查。案情分析時，貞察員A說：“趙與錢中至少有一個人作案”，貞察員B說：“錢與孫中至少有一個人作案”，貞察員C說：“孫與李中至少有一個人作案”，貞察員D說：“趙與孫中至少有一個人與此案無關”，貞察員E說：“錢與李中至少有一個人與此案無關”。如果這5個偵察員的話都是可信的，使用歸結演繹推理求出誰是盜竊犯。

解：設謂詞P(x)表示x是盜竊犯．則題意可表述為如下的謂詞公式： F1:P(zhao)?P(qian)F2: P(qian)?P(sun)F3: P(sun)?P(li)F4: ?P(zhao)??P(sun)F5: ?P(qian)??P(li)求證的公式為： ?xP(x)子句集如下：

①P(zhao)? P(qian)②P(qian)? P(sun)③P(sun)? P(li)④? P(zhao)? ? P(sun)⑤? P(qian)? ? P(li)⑥? P(x)? GA(x)⑦P(qian)? ? P(sun)

[①,④] ⑧P(sun)? ? P(li)

[②,⑤] ⑨P(sun)

[③,⑧] ⑩GA(sun)

[⑥,⑨,{sun/x}] ?P(qian)

[⑦,⑨] ?GA(qian)

[⑥,?,{qian/x}

3、設A、B、C中有人從來不說真話，也有人從來不說謊話，某人向這三人分別同時提出一個問題：誰是說謊者？A答：“B和C都是說謊者”；B答：“A和C都是說謊者”；C答：“A和B中至少有一個人說謊”。用歸結原理求誰是老實人，誰是說謊者？ 解：用T（x）表示x說真話

如果A說的是真話則有：T(A)?(?T(B)∧ ?T(C))如果A說的是假話則有： ? T(A)?(T(B)∨

T(C))

對B和C所說的話做相同的處理，可得： T(B)?(?T(A)∧?T(C))?T(B)?(T(A)∨ T(C))

T(C)?(?T(A)∨ ?T(B))

? T(C)?(T(A)∧

T(B))將上面的公式化為子句集，得到S：(1)? T(A)∨?T(B)(2)? T(A)∨ ?T(C)(3)T(A)∨ T(B)∨ T(C)(4)? T(B)∨?T(C)(5)? T(A)∨?T(B)∨?T(C)(6)T(C)∨ T(A)(7)T(C)∨ T(B)首先求誰是老實人。把? T(x)∨ANS(x)并入S 中，得到子句集S 1，即S 1比S中多了一個子句：(8)? T(x)∨ANS(x)子句集S1:(1)? T(A)∨?T(B)(2)? T(A)∨ ?T(C)(3)T(A)∨ T(B)∨ T(C)(4)? T(B)∨?T(C)(5)? T(A)∨?T(B)∨?T(C)(6)T(C)∨ T(A)(7)T(C)∨ T(B)(8)? T(x)∨ANS(x)

下面來證明B和A不是老實人，設A不是老實人，則有? T(A), 將其否定并入S中，得到子句集S2，即S2比S多了一個子句：(8)’?(? T(A))即T(A)利用歸結原理對進行歸結：

(9)’

?T(A)∨ T(C)

[(1),(7)](10)’

T(C)

[(6),(9)’](11)’

T(A)∨ T(C)

[(8)’,(10)’](12)’

NIL

[(2),(11)’]

七、產生式系統

1、猴子摘香蕉問題

一個房間里，天花板上掛有一串香蕉，有一只猴子可在房間里任意活動（到處走動，推移箱子，攀登箱子等）。設房間里還有一只可被猴子移動的箱子，且猴子登上箱子時才能摘到香蕉，問猴子在某一狀態下（設猴子位置為a，箱子位置為b，香蕉位置為c），如何行動可摘取到香蕉。

1、綜合數據庫

定義5元組（M, B, Box, On, H）

M：猴子的位置 B：香蕉的位置 Box：箱子的位置 On=0：猴子在地板上 On=1：猴子在箱子上 H=0：猴子沒有抓到香蕉 H=1：猴子抓到了香蕉

2、量水問題

對量水問題給出產生式系統描述，并畫出狀態空間圖。

有兩個無刻度標志的水壺，分別可裝5升和2升的水。設另有一水缸，可用來向水壺灌水或倒出水，兩個水壺之間，水也可以相互傾灌。已知5升壺為滿壺，2升壺為空壺，問如何通過倒水或灌水操作，使能在2升的壺中量出一升的水來。

第五篇：人工智能相關材料

應用：

個人助理（智能手機上的語音助理、語音輸入、家庭管家和陪護機器人）產品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等

安防（智能監控、安保機器人）產品舉例：商湯科技、格靈深瞳、神州云海

自駕領域（智能汽車、公共交通、快遞用車、工業應用）產品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等

醫療健康（醫療健康的監測診斷、智能醫療設備）產品舉例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

電商零售（倉儲物流、智能導購和客服）產品舉例：阿里、京東、亞馬遜

金融（智能投顧、智能客服、安防監控、金融監管）產品舉例：螞蟻金服、交通銀行、大華股份、kensho

教育（智能評測、個性化輔導、兒童陪伴）產品舉例：學吧課堂、科大訊飛、云知聲

發展方向思路：

（一）人工智能新興產業

這部分主要任務是進行人工智能前沿技術布局，推動核心技術產業化，并為人工智能產業發展奠定公共基礎。本部分涉及核心技術研發與產業化、基礎資源公共服務平臺兩大工程。其中，核心技術研發與產業化工程主要涉及三個方面的技術。一是人工智能基礎理論，包括深度學習、類腦智能等。二是人工智能共性技術，包括人工智能領域的芯片、傳感器、操作系統、存儲系統、高端服務器、關鍵網絡設備、網絡安全技術設備、中間件等基礎軟硬件技術。三是人工智能應用技術，包括基于人工智能的計算機視聽覺、生物特征識別、復雜環境識別、新型人機交互、自然語言理解、機器翻譯、智能決策控制、網絡安全等。基礎資源公共服務平臺工程主要涉及四個方面的建設內容。一是各種類型人工智能海量訓練資源庫和標準測試數據集建設，包括文獻、語音、圖像、視頻、地圖及行業應用數據等，這些數據集需要面向社會開放，為廣大科研機構和企業進行人工智能研究和開發提供服務。二是基礎資源服務平臺建設，包括滿足深度學習計算需求的新型計算集群共享平臺、云端智能分析處理平臺、算法與技術開放平臺、智能系統安全情報共享平臺等。三是類腦智能基礎服務平臺建設，要能夠模擬真實腦神經系統的認知信息處理過程。四是產業公共服務平臺建設，可以為人工智能創新創業提供相關研發工具、檢驗評測、安全、標準、知識產權、創業咨詢等專業化服務。

（二）重點領域智能應用

這部分主要任務是加快人工智能技術的產業化進程，推動人工智能在家居、汽車、無人系統、安防、制造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展試點，使得人工智能能夠在第一時間轉化為生產力并惠及民生。本部分以基礎較好的智能家居、智能汽車、智能無人系統、智能安防等領域為主。智能家居示范工程主要支持利用健康醫療、智慧娛樂、家庭安全、環境監測、能源管理等應用技術，進行具有人工智能的酒店、辦公樓、商場、社區、家庭等建設，提升百姓生活品質。智能汽車研發與產業化工程主要面向自動駕駛和安全駕駛，支持智能汽車芯片和車載智能操作系統、高精度地圖及定位、智能感知、智能決策與控制等，支持智能汽車試點。智能無人系統應用工程主要面向無人機、無人船等無人設備，支持與人工智能相關的結構設計、智能材料、自動巡航、遠程遙控、圖像回傳等技術研發，及其在物流、農業、測繪、電力巡線、安全巡邏、應急救援等重要行業領域的創新應用。智能安防推廣工程主要面向與百姓安全息息相關的社會治安、工業安全以及火災、有害氣體、地震、疫情等問題，支持利用圖像精準識別、生物特征識別、編碼識別、智能感知等技術的研發和應用。

（三）智能化終端產品

這部分的主要任務是希望通過合適的終端，實現智能化生產和服務。本部分涉及三大工程。智能終端應用能力提成工程主要是面向具有一定智能計算能力的終端及附屬應用，支持其在智能交互、智能翻譯等云端協同方面及圖像處理、操作系統基礎軟硬件方面進一步改進。智能可穿戴設備發展工程主要支持輕量級操作系統、低功耗高性能芯片、柔性顯示、高密度儲能、快速無線充電、虛擬現實和增強現實等關鍵技術的成果轉化與應用。智能機器人研發與應用工程主要支持智能感知、模式識別、智能分析、智能控制等技術在機器人方面的研發和應用，包括生產用智能工業機器人，救災救援、反恐防暴等特殊領域的智能特種機器人，醫療康復、教育娛樂、家庭服務等領域的智能服務機器人。

（四）標準體系和知識產權

目前人工智能標準領域還處于一片空白狀態，關于人工智能的概念仍然沒有達成一致意見，人工智能也還沒有一個統一的技術體系架構，平臺與應用之間的接口五花八門，而且基本上都是私有協議，網絡、軟硬件、數據、系統、測試評估等方面的研發、應用、服務也無章可循。這直接導致了人工智能領域進入門檻過高，無法形成良性發展的產業生態。因此，建設人工智能領域標準化體系，建立并完善基礎共性、互聯互通、行業應用、網絡安全、隱私保護等技術標準，已經成為擺在眼前的現實問題。當然，標準化工作需要相關各方的積極參與，并積極開展國際合作，才能保證對人工智能產業發展的有效促進，推動標準走出去才能增強國際話語權。另一方面，在我們所處的這個全球經濟一體化時代，專利已經成為發展的硬實力，必須要加快重點技術和應用領域的專利布局，同時加強專利合作，提高知識產權成果轉化效率，積極防控專利風險，增強標準與專利政策的有效銜接，才能保證我國人工智能產業擁有強大的競爭力并得到持續健康發展。

政策：

2015年5月國務院在《中國制造2025》提出“加快發展智能制造裝備和產品”，指出“組織研發具有深度感知、智慧決策、自動執行功能的高檔數控機床、工業機器人、增材制造裝備等智能制造裝備以及智能化生產線，統籌布局和推動智能交通工具、智能工程機械、服務機器人、智能家電、智能照明電器、可穿戴設備等產品研發和產業化。”

2015年7月4日國務院在《國務院關于積極推進“互聯網+”行動的知道意見》明確提出人工智能作為11個重點布局的領域之一，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用。

2016年1月國務院在《“十三五”國家科技創新規劃》提出智能制造和機器人成為“科技創新2030項目”重大工程之一。

2016年3月18日國務院在《國民經濟和社會發展第十三個五年規劃綱要（草案）》提出人工智能概念進入“十三五”重大工程。

2016年5月18日國家發展改革委、科技部、工業和信息化部、中央網信辦在《“互聯網+”人工智能三年行動實施方案》明確了要培育發展人工智能新興產業、推進重點領域智能產品創新、提升終端產品智能化水平、并且政府將在資金、標準體系、知識產權、人才培養、國際合作、組織實施等方面進行保障。

人工智能技術帶來的產業影響

當前，人工智能技術對互聯網行業產生的影響和變革主要有如下三個方面：

其一，在理論技術層面，人工智能技術為基于互聯網和移動互聯網等領域的創新應用，提供理論基礎。例如，自動定理推理，為網絡信息檢索、問題求解、遠程診斷等問題提供了自動求解方案；自然語言理解，為計算機人類語言理解提供理論和方法；數據挖掘為從數據庫中挖掘有意義，提煉出具有必然性、蘊含本質規律的數據提供了規則、聚類等數據處理、建模、評估標準。

其二，在技術應用和創新層面，人工智能技術的發展，為未來ICT等網絡技術的發展指引了方向。當前，以智能算法、深度學習、云計算為代表的大規模網絡應用已經成為ICT產業的重要發展方向。各大互聯網公司在深度學習領域在不斷做積極探索，深度學習是機器學習研究中的一個重點關注領域，其研究側重于建立、模擬人腦進行分析學習的神經網絡。在創新方面，深度學習帶來了機器學習的新浪潮，推動“大數據＋深度模型+數據發現挖掘”時代的來臨。人工智能技術與互聯網的融合，是兩個領域發展到一定階段，探索創新的必然結果，深度學習為擁有強大計算能力和數據資源的互聯網巨頭公司帶來下一次全面領跑的機會。例如，谷歌、百度在硅谷的研發實驗室，在對深度學習、算法升級，對機器學習模仿人腦的智能活動，讓機器像人腦一樣識別圖像、理解自然語言，解析網絡內容之間關系做深度探索。百度語音和圖像等相關網絡產品應用的快速崛起，正是受益于對機器學習等領域的技術突破。

其三，在融合發展層面，人工智能技術的發展促進多種科學與網絡技術的深度融合。從國際上看，人工智能技術在美國，歐洲和日本發展迅速，并且帶動了多種信息科學領域的發展，信息學、控制學、仿生學、計算機學等領域的技術突破均被運用到人工智能應用中去。從技術發展脈絡發展上，人工智能很多技術一直處于創新的前沿，未來會在很大程度上影響信息產業的發展方向。人工智能發展至今涉及到多個研究領域，研究方向包括符號計算、語言識別、模式識別和計算機視覺、機器翻譯與機器學習、智能信息檢索、問題求解與專家系統、邏輯推理與邏輯證明、自然語言處理等，逐漸成為更為廣泛的智能科學學科。

新時期下面對人工智能快速發展對策：

在人工智能技術發展過程中，我們總體上應該貫徹落實創驅動發展戰略，立足自主創新的同時，放眼國內國際兩個大局技術發展情況，加強跟蹤高新技術產業技術的發展態勢調整產業結構，統籌全局發展，切實推進由技術革新到推進經濟發展方式的轉變，實現工業經濟產型升級，同步大力支持我國人工智能相關研究和產業化工作。在具體工作上，我們應該采取以下策略：

一是要建立針對相關科研成果的產業追蹤機制。針對國際國內相關企業和科研機構正在進行的相關科研活動進行動態追蹤，對其科研成果在各行各業的信息化應用進行預研預判，為制定信息化發展相關政策規劃提供線索和根據。

二是適時引導和推動人工智能相關產業領域的研發應用。加強對人工智能和人腦科學工業領域應用的深入調研分析，掌握工業機器人、新型計算產品、人工神經網絡等的發展和應用現狀，堅持應用牽引，整合產學研現有資源，形成一批人工智能關聯技術的實驗室和技術中心，推動人工智能關聯技術在網絡、通訊等行業快速發展的應用示范。

三是要加大對人工智能關聯技術的資金支持力度，引導人工智能關聯技術向通用技術領域的演進和轉化。

未來人工智能技術將進一步推動關聯技術和新興科技、新興產業的深度融合，推動新一輪的信息技術革命，其人工智能技術將成為我國經濟結構轉型升級的新支點。