人工智能復(fù)習(xí)參考帶答案

1、復(fù)習(xí)參考題 一、填空 1 .構(gòu)成產(chǎn)生式系統(tǒng)的基本元素有綜合數(shù)據(jù)庫、規(guī)則庫、控制系統(tǒng)抄制策略按執(zhí)行規(guī)則的方式分類，分為正向、逆向、雙向三類。 2 .歸結(jié)過程中控制策略的作用是給出控制策略， 以使僅對(duì)選擇合適的子旬間方可做歸結(jié)，避免多余的、不必要的歸結(jié)式出現(xiàn)或者說，少做些歸結(jié)仍能導(dǎo)出空子旬。常見的控制策略有線性歸結(jié)策略、支持集策略、單元?dú)w結(jié)、輸入歸結(jié)。 3 .公式G和公式的子句集并不等值，但它們?cè)诓豢蓾M足的意義下是一致的。 4 .與或圖的啟發(fā)式搜索算法(AO*算法)的兩個(gè)過程分別是圖生成過程即擴(kuò)展節(jié)點(diǎn)和計(jì)算耗散值的過程。 5 .人工智能的研究途徑主要有兩種不同的觀點(diǎn)， 一種觀點(diǎn)稱為符號(hào)主義,認(rèn)為人

2、類智能基本單元是符號(hào)。另一種觀點(diǎn)稱為連接主義(仿生主義)，認(rèn)為職能的基本單元是神經(jīng)元。 6 .集合P(a,x,f(g(y),P(z,f(z),f(u)的mgu(最一般合一置換)為z/a,f(x)/x,u/g(y)。 7 .語義網(wǎng)絡(luò)是對(duì)知識(shí)的有向圖表示方法，一個(gè)最簡(jiǎn)單的語義網(wǎng)絡(luò)是一個(gè)形如節(jié) 點(diǎn)1、 弧、 節(jié)點(diǎn)2的三元組， 語義網(wǎng)絡(luò)可以描述事物間多種復(fù)雜的語義關(guān)系、 常用ISA、AKO弧表示節(jié)點(diǎn)間具有類屬的分類關(guān)系。 語義網(wǎng)絡(luò)下的推理是通過繼承和匹配實(shí)現(xiàn)的。 8 .當(dāng)前人工智能研究的熱點(diǎn)之一就是機(jī)器學(xué)習(xí)。常見的機(jī)器學(xué)習(xí)方法可分為連 接學(xué)習(xí)、歸納學(xué)習(xí)、分析學(xué)習(xí)和遺傳算法與分類器系統(tǒng)等。一個(gè)機(jī)器學(xué)習(xí)系

3、統(tǒng)應(yīng)有環(huán)境、知識(shí)庫、學(xué)習(xí)環(huán)節(jié)和執(zhí)行環(huán)節(jié)四個(gè)基本部分組成。 9 .常用的知識(shí)表示法有邏輯表示法、產(chǎn)生式規(guī)則表示法、語義網(wǎng)絡(luò)表示法、框 架理論表示法、過程表示法等。 10 .有兩個(gè)A*算法A1和A2,若A1比A2有較多的啟發(fā)信息，則h1(n)h2(n)。 11 .關(guān)于A算法與A*算法，若規(guī)定h(n)0,并且定義啟發(fā)函數(shù)：f*(n尸g*(n)+h*(n)表示初始狀態(tài)S0經(jīng)點(diǎn)n到目標(biāo)狀態(tài)Sg最優(yōu)路徑的費(fèi)用。 其中g(shù)*(n)為$0到門的最小費(fèi)用， h*(n)為到Sg的實(shí)際最小費(fèi)用。若令h(n)三0,則A算法相當(dāng)于寬度優(yōu)先搜索，因?yàn)樯弦粚庸?jié)點(diǎn)的搜索費(fèi)用一般比下一層的小。若g(n)三h(n)三0則相當(dāng)于隨機(jī)

4、算法。若g(n)三0,則相當(dāng)于最佳優(yōu)先算法。特別是當(dāng)要求h(n)AI(X) 求證：求證：(3X)(I(X)A-R(X) 生子句集：生子句集： (Vx)(R(x)(Vx)(R(x)- -+L(x)+L(x) - -(VX)(VX)(- -R(X)vL(X)R(X)vL(X) R()c)vL(X)R()c)vL(X)(1)(1)(Vx)(D(x)-L(x) =(Vx)(M)(x)v-*L(x) =3(x)wl(x)(2) (3X)(D(X)AI(X) =D(a)Al(a) =D(a)(3) 1(a)(4) 目標(biāo)求反： -(3X)(I(X)A-R(X) =(V=(VX X) )- -(I(I(X X

5、) )A A - -R(R(X X) -(Vx)(-I(x)vR(x) =-I(x)vR(x)(5) 換后得字雌； -R(x1)vL(x1) - -D(D(X X2 2) )V V- -L(L(X X2 2) ) 0(a) 1(a) - -I(I(X X5 5) )V VR(R(X X5 5) ) -R(xl)vL(xl) -D(x2)v-L(x2) D(a) 1(a) -I(x5)vR(x5) 2、將下式化為Skolem標(biāo)準(zhǔn)形： ”x)Gy)P(a,x,y)-Gx)(y)Q(y,b)-R(x) 第一步，消去一號(hào)，得： (vx)(3y)P(a,x,y)V(三x)(Vy)Q(y,b)VR(x)

6、第二步，深入到量詞內(nèi)部，得： (Vx)(3y)P(a,x,y)V(3x)(Vy)Q(y,b)VR(x) 第三步，變?cè)酌?(-x)(y)P(a,x,y)V(u)(-v)(Q(v,b)VR(u) 第四步，存在量詞左移，直至所有的量詞移到前面，得： (-x)(y)(u)(-v)(P(a,x,y)VQ(v,b)VR(u) 由此得到前述范式 (-x)(y)(u)(-v)(P(a,x,y)VQ(v,b)VR(u) 第五步，消去三”(存在量詞)，略去&”全稱量詞 消去(三y),因?yàn)樗筮呏挥?Vx),所以使用x的函數(shù)f(x)代替之，這樣得到： (-x)(u)(-v)(P(a,x,f(x)VQ(

7、v,b)VR(u) 消去Uu),同理使用g(xY弋替之，這樣得到： (-x)(-v)(P(a,x,f(x)VQ(v,b)VR(g(x) 則，略去全稱變量，原式的Skolem標(biāo)準(zhǔn)形為： P(a,x,f(x)VQ(v,b)VR(g(x) 3、用歸結(jié)法證明：A八4八A3TB 即B是A1、A2、A3的有效結(jié)論。 A=(-x)(Rx)Qx)，(y)(W(x,y)V(y) A=(x)(P(x)U(x)(-y)(W(x,y)U(y) A=Fx)(Qx)U(x) B=(x)(V(x)U(x) A1的子句：S1=P(x)VQ(x)VW(x,f(x)S2=P(x)VQ(x)VV(f(x) A2的子句：S3=P(a

8、),s4=U(a),S5JW(a,y)VU(y) A3的子句：s6=Q(x)VU(x) B的子句：S7=V(x)VU(x) 歸結(jié)過程： S1和S3 S2和S3 S4和S6歸結(jié)Q(a) S9和S10歸結(jié)V(f(a) S8和S10歸結(jié)W(a,f(a) S5和S12歸結(jié)U(f(a) S7和S13歸結(jié)V(f(a) S11和S14歸結(jié)空歸結(jié)Q(a)VW(a,f(a)歸結(jié)Q(a)VV(f(a) 定義為子句s8 定義為子句s9 定義為子句s10 定義為子句s11 定義為子句s12 定義為子句s13定義為子句s14 4、 依據(jù)基于規(guī)則的正向演繹系統(tǒng)， 有下列謂詞公式(事實(shí))Gx)(vy)(Q(y,x)A-(R

9、(y)vP(y)AS(x,y),請(qǐng)給出事實(shí)的與或樹表示。 (x)(-y)(Q(y,x)(R(y)P(y)S(x,y) =(x)(-y)(Q(y,x)(R(y)P(y)S(x,y) =Q(y,a)M(R(y)A-P(y)v-S(a,y)Skolem化 =Q(w,a)A(-R(y)A-P(y)v-S(a,y)主合取元變量換名 例：Q(w,a)(R(y)P(y)S(a,y) ( (事實(shí)的與或樹表示事實(shí)的與或樹表示) ) 例：Q(Wja)A(-R(y)A-p(y)V-S(a,y Q(WTU)A(|R(J)A- -P(y)P(y)v v- -S(n,y)S(n,y) Q(WTa)i-R(y)Avy -R

10、jy)bPly； 解圖集；Q(w,a),RywQ(w,a),RywS(uS(u、h hPlVlvPlVlvS(a,y)S(a,y) 三、簡(jiǎn)答題 1 .人工智能方法與傳統(tǒng)程序的不同有哪些？ 傳統(tǒng)方法解決問題。利用已有知識(shí)，問題可以結(jié)構(gòu)化-數(shù)據(jù) Z Z構(gòu)，數(shù)學(xué)形式表達(dá)-數(shù)學(xué)公式、算法。 利用知識(shí)，特別是依賴人類經(jīng)驗(yàn)的啟發(fā)知識(shí)是根本不同之處。人工智能可以解決眾多的難 以數(shù)學(xué)表達(dá)的非結(jié)構(gòu)化的實(shí)際問題。人工智能首先研究的是以符號(hào)表示的知識(shí)，而不是數(shù)值 為研究對(duì)象。其次采用的是啟發(fā)式推理的方法而不是常規(guī)的算法，控制結(jié)構(gòu)和領(lǐng)域知識(shí)是分 離的。同時(shí)還允許出現(xiàn)相對(duì)正確的答案。 2 .在與或圖的問題求解過程中，哪

11、幾類節(jié)點(diǎn)稱為能解節(jié)點(diǎn)？ 終節(jié)點(diǎn)是能解節(jié)點(diǎn) 若非終節(jié)點(diǎn)有“或”子節(jié)點(diǎn)時(shí)，當(dāng)且僅當(dāng)其子節(jié)點(diǎn)至少有一能解時(shí)，該非終節(jié)點(diǎn)才能解。 若非終節(jié)點(diǎn)有“與”子節(jié)點(diǎn)時(shí)，當(dāng)且僅當(dāng)其子節(jié)點(diǎn)均能解時(shí)，該非終節(jié)點(diǎn)才能解。 3 .寬度優(yōu)先搜索和深度優(yōu)先搜索有何不同？在何種情況下寬度優(yōu)先搜索優(yōu)于深度優(yōu)先搜索？在何種情況下深度優(yōu)先搜索優(yōu)于寬度優(yōu)先搜索？?jī)煞N搜索策略是否都是完備的？ 寬度優(yōu)先搜索就是逐層窮舉搜索。深度優(yōu)先搜索就是分支優(yōu)先搜索。 待搜索問題的解存在且關(guān)鍵路徑較短時(shí)寬度優(yōu)先搜索優(yōu)于深度優(yōu)先搜索； 待搜索問題的解存在且關(guān)鍵路徑較長(zhǎng)， 而深度優(yōu)先搜索過程中優(yōu)先發(fā)展的正好是解所在的路徑時(shí)深度優(yōu)先搜索優(yōu)于寬度優(yōu)先搜索。 寬

12、度優(yōu)先搜索是完備的。 4 .舉例解釋語義網(wǎng)絡(luò)(SemanticNetwork)與知識(shí)圖譜(Knowledgegraph)的區(qū)別與聯(lián)系。 5 .舉例說明大型應(yīng)用軟件系統(tǒng)開發(fā)過程中采用的軟件技術(shù)(體系)架構(gòu)是如何 體現(xiàn)框架理論知識(shí)表示思想的。 6 .簡(jiǎn)要說明粒子群優(yōu)化算法與遺傳算法的共性和差異。 共性(1)都屬于仿生算法； (1) )都屬于全局優(yōu)化方法； (2) )都屬于隨機(jī)搜索算法； (3) )都隱含并行性； (4) )根據(jù)個(gè)體的適配信息進(jìn)行搜索，因此不受函數(shù)約束條件的限制，如連續(xù)性、可導(dǎo)性等； (5) )對(duì)高維復(fù)雜問題，往往會(huì)遇到早熟收斂和收斂性能差的缺點(diǎn)，都無法保證收斂到最優(yōu)點(diǎn)。 差異 (6

13、) PSO有記憶，所有粒子都保存較優(yōu)解的知識(shí)，而GA,以前的知識(shí)隨著種群的改變被改變； (7) PSO中的粒子是一種單向共享信息機(jī)制。而GA中的染色體之間相互共享信息，使得整個(gè)種群都向最優(yōu)區(qū)域移動(dòng)； (8) GA需要編碼和遺傳操作，而PSO沒有交叉和變異操作，粒子只是通過內(nèi)部速度進(jìn)行更新，因此原理更簡(jiǎn)單、參數(shù)更少、實(shí)現(xiàn)更容易 7 .影響算法A啟發(fā)能力的重要因素有哪些。 1 .路徑的耗散值；2.求解路徑時(shí)所擴(kuò)展的節(jié)點(diǎn)數(shù)；3.計(jì)算h所需的工作量。 因此選擇h函數(shù)時(shí)，應(yīng)綜合考慮這些因素以便使啟發(fā)能力最大 8 .決策樹學(xué)習(xí)法與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法的區(qū)別。 決策樹是知識(shí)一種圖形符號(hào)表示，能表示與或規(guī)則；形象直

14、觀地圖形符號(hào)與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)是非圖形符號(hào)表示法，是一種函數(shù)表示法；從大量的數(shù)據(jù)中抽取規(guī)則函數(shù)。 9 .為什么說遺傳算法是一種“智能式搜索”，又是一種“漸進(jìn)式優(yōu)化搜索”。遺傳算法的搜索策略，既不是盲目式的亂搜索，也不是窮舉式的全面搜索，它是有指導(dǎo)的搜索。指導(dǎo)遺傳算法執(zhí)行搜索的依據(jù)是適應(yīng)度，也就是它的目標(biāo)函數(shù)。利用適應(yīng)度，使遺傳算法逐步逼近目標(biāo)值。 漸進(jìn)式優(yōu)化：遺傳算法利用復(fù)制、交換、突變等操作，使新一代的結(jié)果優(yōu)越于舊一代，通過不斷迭代，逐漸得出最優(yōu)的結(jié)果，它是一種反復(fù)迭代的過程。 10 .簡(jiǎn)述a-B過程的剪枝規(guī)則。 后輩節(jié)點(diǎn)的 3 3 值 W 祖先節(jié)點(diǎn)的 a a 值時(shí)，a a 剪枝。 設(shè)MAX節(jié)點(diǎn)

15、的下限為a,則其所有的MIN子節(jié)點(diǎn)中，其評(píng)估值的于值的節(jié)點(diǎn)，其以下部分的搜索都可以停止了，即對(duì)這部分節(jié)點(diǎn)進(jìn)行后輩節(jié)點(diǎn)的 a a 值祖先節(jié)點(diǎn)的 3 3 值時(shí)，3 3 剪枝。 設(shè)MIN節(jié)點(diǎn)的上限為 P,P,則其所有的MAX子節(jié)點(diǎn)中， 其評(píng)估值的一:的節(jié)點(diǎn)， 其以下部分的搜索都可以停止了，即對(duì)這部分節(jié)點(diǎn)進(jìn)行了 11 .簡(jiǎn)述關(guān)于群智能理論(算法)研究存在那些問題。 數(shù)學(xué)理論基礎(chǔ)相對(duì)薄弱，涉及的各種參數(shù)設(shè)置沒有確切的理論依據(jù) 帶有隨機(jī)性，每次的求解不一定一樣，當(dāng)處理突發(fā)事件時(shí)，系統(tǒng)的反映可能是不可預(yù)測(cè)的,這在一定程度上增加了其應(yīng)用風(fēng)險(xiǎn)。 12 .舉例說明決策樹如何代表實(shí)例屬性值約束的合取的析取式。 即從

16、樹根到樹葉的每一條路徑對(duì)應(yīng)一組屬性測(cè)試的合取，樹本身對(duì)應(yīng)這些合取的析取。 例如有如下關(guān)于天氣的決策樹 R1:ifOutlook=Sunny并Humidity=HighthenNo或R2:ifOutlook=Sunny并 Humidity=NormalthenYes表示的是與規(guī)則，而R1或R2表示的是或規(guī)則。 13 .在主觀貝葉斯方法中，為什么LS,LN不能同時(shí)大于1或小于1;但可以 確定性因子把信任與不信任組合在了一起。 當(dāng)P(B) maxP(B|A),P(B)-P(B)其它 1-P(B) 一： 上限小于等 口剪支。 a下限大于等于 出現(xiàn)LS,LN等于 1的情況。 LS1=P(A|B)1=P(

17、A|B) P(A|-B) P(A卜B)=1-P(A|B)：1-P(A卜B) 1-P(A|B)1-P(A|-B)= 比迪卡LN1 P(AbB) 14.在確定Tt方法(CF方法)的推理模型中，規(guī)則CF(B,A);分析CF(B,A)取值范圍及表示的意義。 A一B的可信度表示為 CF(B,A)=MB(B,A)-MD(B,A) MB是由證據(jù)A得到的假設(shè) MD是由證據(jù)A得到的假設(shè) ,CF是由證據(jù)A得到的假設(shè) B的信任增加度量。 B的不信任增加度量。 B的確定性因子。 MB(B,A)=1, 當(dāng)P(B)=0 minP(B|A),P(B)-P(B)其它 -P(B)MD(B,A)=1, CF(B,A)表示的意義：

18、 1、證據(jù)為真時(shí)相對(duì)于P(B)=1-P(B)來說，A對(duì)B為真的支持程度。即A發(fā)生更支持B發(fā)生。此時(shí)CF(B,A)0。 2、或，相對(duì)于P(B)來說，A對(duì)B為真的不支持程度。即A發(fā)生不支持B發(fā)生。 此時(shí)CF(B,A)S稱作推理的證據(jù)，E叫詢問結(jié)點(diǎn)。 首先，E的另一個(gè)父結(jié)點(diǎn)(C),P(E|S)=P(E,C|S)+P(E,C|S)(1); (1)式右邊的第一項(xiàng)， P(E,C|S)=P(E,C,S)/P(S)=P(E|C,S)*P(C,S)/P(S) =P(E|C,S)*P(C)*P(S)/P(S) =P(E|C,S)*P(C) 同理可得(1)式的右邊的第二項(xiàng)為： P(E,C|S)=P(E|C,S)*P

19、(C)。 由此可得： P(E|S)=P(E|C,S)*P(C)+P(E|C,S)*P(C) 如果采用概述中的例題數(shù)據(jù)，有P(C)=1-P(C),則有， P(E|S)=0.9*0.3+0.3*(1-0.3)=0.48 十、已知：證據(jù)A1 1，A2 2 必然發(fā)生，且P(BI)=0.02規(guī)則如下： RI:AI-BILS=10LN=1 R2:A2-BILS=400LN=1 求、結(jié)論BI的更新值，P(BI|AIA2)O 已知：證據(jù)AI,A2必然發(fā)生，且P(BI)=0.03規(guī)則如下： RI：ALBILS=20LN=1 R2:A2-BILS=300LN=1 求BI的更新值，P(BI|AIA2)o 解：依RI,PI(B)=0.03 O(BI)=0.03/(1-0.03)=0.030927 O(BI|AI)=LSXO(BI)=20X0.030927=0.61855 P(Bi i|Ai i)=0.61855/(1+0.61855)=0.382 使用規(guī)則Ri i后，Bi i的概率從0.