人工智能復(fù)習(xí)參考(山東大學(xué)2015)

1、一、填空題01.構(gòu)成產(chǎn)生式系統(tǒng)的基本元素有（綜合數(shù)據(jù)庫）（產(chǎn)生式規(guī)則）（控制系統(tǒng)），控制策略按執(zhí)行規(guī) 則的方式分為（正向推理）（反向推理）（雙向推理）三類。02 .歸結(jié)過程中控制策略的作用是給出控制策略，以使僅對選擇合適的子句間方可做歸結(jié)，避 免（多余的不必要的歸結(jié)式 常見的控制策略有（采用支撐集）（線性歸結(jié)）（單元歸結(jié)）（輸入 歸結(jié)）.03 .公式G和公式的子句集并不等值，但在（不可滿足）的意義下是一致的。04 .與或圖的啟發(fā)式搜索算法（AO*算法）的兩個過程分別是（圖生成過程即擴(kuò)展節(jié)點）和（計 算耗散值的過程）。05 .人工智能的研究途徑主要有兩種不同的觀點，一種觀點稱為（符號主義），認(rèn)為

2、智能的基本單 元是（符號）。另一種觀點稱為（連接主義），認(rèn)為智能的基本單元是（神經(jīng)元）.06 .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）。07 .語義網(wǎng)絡(luò)是對知識的（有向圖）表示方法,一個最簡單的語義網(wǎng)絡(luò)是一個形如（節(jié)點1、弧、 節(jié)點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）實現(xiàn)的。08 .按綜合屬性分類，機(jī)器學(xué)習(xí)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)。一個機(jī)器學(xué)習(xí)系

3、統(tǒng)應(yīng)有（環(huán)境）（知識庫）（學(xué)習(xí)環(huán)節(jié)）（執(zhí)行環(huán)節(jié)）四個基本部分組成.09 .常用的知識表示法有邏輯表示法和（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A*算法A1和A2,若A1比A2有較多啟發(fā)信息，則h1（n）（大于）h2（n ）o.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）=g*（n） +h*（n）表 示初始狀態(tài)S0經(jīng)點n到目標(biāo)狀態(tài)Sg最優(yōu)路徑的費用。其中g(shù)*（n）為S0到n的最小費用，h *（n）為n到Sg的實際最小費用。若令h（n）三0，則A算法相當(dāng)于（寬度優(yōu)先），因為上一層 節(jié)點的（搜索費用）一般比下一層小.若（g（

4、 n）三h（n ）三0測相當(dāng)于隨機(jī)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） Q(x) r(3y)(W (x, y) aV (y)A2 = (3x)(P(x) A U(x) A (Vy)仰(x, y) r U(y)A = -(3x)(Q(x) a U (x) 3B = (3x)(V (x) a U (x)三、簡答題01.人工智能方法與傳統(tǒng)程序的不同有哪些？(1 )人工智能首先研究的是符號表示的知識，而不是數(shù)值的研究對象(2)采用啟發(fā)式推理的方法，而不是常規(guī)的算法(3 )控制結(jié)構(gòu)和領(lǐng)域知識是分離的，允許出現(xiàn)相對正確的答案02 .在與或圖的問題求解過程中,哪幾類節(jié)點

5、稱為能解節(jié)點？(1)終節(jié)點是能解節(jié)點若非終節(jié)點有或”子節(jié)點時，當(dāng)且僅當(dāng)其子節(jié)點至少有一能解時，該非終節(jié)點才能解(3 )若非終節(jié)點有與子節(jié)點時，當(dāng)且僅當(dāng)其子節(jié)點均能解時，該非終節(jié)點才能解03 .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？兩種搜索策略是否都是完備的？(1)寬度優(yōu)先搜索是逐層窮舉搜索，深度優(yōu)先搜索是分支優(yōu)先搜索(2 )待搜索問題的解存在且關(guān)鍵路徑較短時寬度優(yōu)先搜索優(yōu)于深度優(yōu)先搜索，待搜索問題的解存(完整word版)人工智能復(fù)習(xí)參考(山東大學(xué)2015) 在且關(guān)鍵路徑較長且深度優(yōu)先搜索過程中優(yōu)先發(fā)展的正好是解所

6、在的路徑時深度優(yōu)先搜索優(yōu)于 寬度優(yōu)先搜索(3)寬度優(yōu)先搜索是完備的，深度優(yōu)先搜索不是完備的04 .簡要說明粒子群優(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(2 )都屬于全局優(yōu)化方法(3)都屬于隨機(jī)搜索算法(4)都隱含并行性(5) 根據(jù)個體的適應(yīng)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(6 )對高維 復(fù)雜問題，往往會遇到早熟收斂和收斂性能差的缺點，都無法保證收斂到最優(yōu)點 差異(1)PSO有記憶，所有粒子都保存較優(yōu)解的知識而GA以前的知識隨著種群的改變被改變(2 ) 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，使得整個種群 都向最優(yōu)區(qū)域

7、移動(3)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，因此原理更簡單、參數(shù)更少、實現(xiàn)更容易05 .影響算法A啟發(fā)能力的重要因素有哪些。路徑的耗散值，求解路徑時擴(kuò)展的節(jié)點數(shù)，計算h所需的工作量06 .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。決策樹是一種圖形符號表示，能表示與或規(guī)則，形象直觀地圖形符號ANNs非圖形符號表示法，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)07 .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.遺傳算法執(zhí)行搜索的依據(jù)是適應(yīng)度，即目標(biāo)函數(shù).利用適應(yīng)度，使遺傳算法逐步逼近目標(biāo)值，所以 是“智能式搜索”。遺傳算法利用復(fù)制、

8、交換、突變等操作，使新一代的結(jié)果優(yōu)于舊一代，通過不斷迭代，逐漸得(完整word版)人工智能復(fù)習(xí)參考(山東大學(xué)2015) 出最優(yōu)的結(jié)果，所以是漸進(jìn)式優(yōu)化搜索”。08 .簡述a-p過程的剪枝規(guī)則。極大節(jié)點的下界為a,極小節(jié)點的上界為B祖先節(jié)點的a值z后輩節(jié)點的p值時，以剪枝祖先節(jié)點的p值后輩節(jié)點的a值時邛剪枝09 .簡述關(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，系統(tǒng)的反映可能是不可預(yù)測的，這在一定程度上增加了其應(yīng)用風(fēng)險.舉例說明決策樹如何代表實例屬性值約束的合取的析取式，即從樹根到樹葉的每一

9、條路徑對應(yīng)一組屬性測試的合取，樹本身對應(yīng)這些合取的析取。R1: If ( Outlook=Sunny )a( Humidity=High) Then Outing = NoR2: If ( Outlook=Sunny)A( Humidity=Normal) Then Outing=YesR1或者R2表示的是合取規(guī)則，而R1vR2表示的是析取規(guī)則.在主觀貝葉斯方法中，為什么LS , LN不能同時大于1或小于1,但可以出現(xiàn)LS, LN等于1 的情況。LS1 =嵩% 1 o P(A|B) P(A|B) = 1-P(A|B) 1-P(A|E)1 - RA|8i 1 - c卜罰出 1 c IN 1-Pi

10、-燦.0.在確定性方法(CF方法)的推理模型中，規(guī)則A - B的可信度表示為CF(B,冷。分析CF ( B, A)取值范圍及表示的意義。-1 CF(B, A) 0O或者相對于P(B )來說，A對B為真的不支持程度。即A發(fā)生不支 持B發(fā)生，此時CF(B, A) 0o.在證據(jù)理論的推理模型中信任區(qū)間函數(shù)f的定義如下：f = B成出+二(F3-R政戲11依據(jù)定義分別解釋f(1, 1),f(0,0 ), f(0,1),f(1, 0 )所代表的實際意義。f(1,1):A 為真f(0,0):A 為假f ( 0,1)：對A 一無所知f(1,0 ):不可能成立.在遺傳算法中，交叉率Pc，變異率Pm，復(fù)制概率P

11、t分別起到的作用是什么?依據(jù)經(jīng)驗三 種概率一般的取值范圍是多少。復(fù)制概率Pt用于控制復(fù)制與淘汰的個體數(shù)目交叉率Pc是參加交叉運算的染色體個數(shù)占全體染色體總數(shù)的比例，取值范圍一般為0。40.99 變異率Pm是指發(fā)生變異的基因位數(shù)所占全體染色體的基因總位數(shù)的比例，取值范圍一般為 0.0001 0.1.回顧關(guān)于產(chǎn)生式系統(tǒng)描述的例子(野人傳教士問題、走迷宮問題等).給出粒子群優(yōu)化算法的“速度”和位置更新公式，并對公式的每部分給出解釋。苗廠二此+ S 湎d 8* 才匕)+烏. r知4() 3能域-為+I 二 12 ，阿二 1,2,頊w稱為慣性權(quán)重，c1和c2稱為加速因子慣性部分，對自身運動狀態(tài)的信任（完

12、整word版）人工智能復(fù)習(xí)參考（山東大學(xué)2015） 認(rèn)知部分，對粒子本身的思考，來源于自身經(jīng)驗的部分社會部分，粒子間的信息共享，來源于群體中的其它粒子的經(jīng)驗.在粒子群優(yōu)化算法的“速度”更新公式中有加速常數(shù)（又稱加速因子）cl和c2,-般將 cl和c2統(tǒng)一為一個控制參數(shù)，中二c1+c2。如果中很?。ㄈ?。1）,粒子群運動軌跡將非常緩 慢;如果中很大（如100 ），則粒子群位置變化非?？?；請對這種現(xiàn)象結(jié)合速度更新公式給 出你的解釋分析。如果中很?。ㄈ?.1），則認(rèn)知部分和社會部分的變化會很小，所以粒子群運動軌跡將非 常緩慢；如果中很大（如100）,則認(rèn)知部分和社會部分的變化會很大，所以粒子群位置變

13、 化非?？?簡述群智能優(yōu)化算法與進(jìn)化計算相同點和不同點。相同均為概率搜索算法目的都是為了模擬自然現(xiàn)象，利用它們的某些特點去解決實際問題不同智能優(yōu)化算法的靈感來源于群居動物的社會行為，強(qiáng)調(diào)對社會系統(tǒng)中個體之間相互協(xié)作的模擬.下圖是貝茲德克于1994年提出的一種A,B ,C智能模型，用于表示神經(jīng)網(wǎng)絡(luò)、模式識別和 智能之間的關(guān)系，根據(jù)你的理解對該模型給出分析解釋。計算智能是一種智力方式的底層認(rèn)知，它與人工智能的區(qū)別是認(rèn)知層次從中層下降到底層而已. 中層系統(tǒng)含有知識，底層系統(tǒng)沒有知識。當(dāng)一個系統(tǒng)只涉及數(shù)值(底層)數(shù)據(jù)，含有模式識別部分，不應(yīng)用于人工智能意義上的知識， 而且系統(tǒng)具備(1)計算適應(yīng)性(2)計算容錯性(3)接近人的計算速度(4)計算誤差率與人接 近，那么該系統(tǒng)是計算智能系統(tǒng)。當(dāng)一個計算智能系統(tǒng)以非數(shù)值方式并加上知識，即為人工智能系統(tǒng).假設(shè)：命題S(smoker):該患者是一個吸煙者;命題C ( coal Miner):該患者是一個煤礦礦井工人；命題L (lung Cancer):肺癌患者；命題E(emphysema):肺氣腫患者，建立貝葉斯網(wǎng)絡(luò)，計算不得肺氣腫的人不是礦工的概率P (C|E).P(E|S, C) = 0.9P(E|S, C) = 0.3P(E|S, C) = 0.5P(E|S, C) = 0.121 .已知:證據(jù)斜,A2必然