1、.：.；課程習題第一章 緒 論1-1. 什么是人工智能？試從學科和才干兩方面加以闡明。1-2. 在人工智能的開展過程中，有哪些思想和思潮起了重要作用？1-3. 為什么可以用機器計算機模擬人的智能？1-4. 如今人工智能有哪些學派？它們的認知觀是什么？1-5. 他以為應從哪些層次對認知行為進展研討？1-6. 人工智能的主要研討和運用領域是什么？其中，哪些是新的研討熱點？第二章 知識表示方法2-1 形狀空間法、問題歸約法、謂詞邏輯法和語義網(wǎng)絡法的要點是什么？它們有何本質(zhì)上的聯(lián)絡及異同點?2-2 設有3個傳教士和3個野人來到河邊，計劃乘一只船從右岸渡到左岸去。該船的負載才干為兩人。在任何時候，假設野

2、人人數(shù)超越傳教士人數(shù)，那么野人就會把傳教士吃掉。他們怎樣才干用這條船平安地把一切人都渡過河去? 再定義描畫過河方案的謂詞： L-R(x,x1,y,y1,S)：x1個修道士和y1個野人渡船從河的左岸到河的右岸 條件：Safety(L,x-x1,y-y1,S)Safety(R,3-x+x1,3-y+y1,S)Boat(L,S) 動作：Safety(L,x-x1,y-y1,S)Safety(R,3-x+x1,3-y+y1,S)Boat(R,S) R-L(x,x1,y,y1,S)：x2個修道士和y2個野人渡船從河的左岸到河的右岸 條件：Safety(R,3-x-x2,3-y-y2,S)Safety(L

3、,x+x2,y+y2,S)Boat(R,S) 動作：Safety(R,3-x-x2,3-y-y2,S)Safety(L,x+x2,y+y2,S)Boat(L,S) (2)過河方案 Safety(L,3,3,S0)Safety(R,0,0,S0)Boat(L,S0) L-R(3,1,3,1,S0)L-R(3,0,3,2,S0) Safety(L,2,2,S1)Safety(R,1,1,S1)Boat(R,S1) Safety(L,3,1,S1)Safety(R,0,2,S1)Boat(R,S1) R-L(2,1,2,0,S1)R-L(3,0,1,1,S1) Safety(L,3,2,S2)Saf

4、ety(R,0,1,S2)Boat(L,S2) L-R(3,0,2,2,S2) Safety(L,3,0,S3)Safety(R,0,3,S3)Boat(R,S3) R-L(3,0,0,1,S3) Safety(L,3,1,S4)Safety(R,0,2,S1)Boat(L,S4) L-R(3,2,1,0,S4) Safety(L,1,1,S5)Safety(R,2,2,S5)Boat(R,S5) R-L(1,1,1,1,S5) Safety(L,2,2,S6)Safety(R,1,1,S6)Boat(L,S6) L-R(2,2,2,0,S6) Safety(L,0,2,S7)Safety(R

5、,3,1,S7)Boat(R,S7) R-L(0,0,2,1,S7) Safety(L,0,3,S8)Safety(R,3,0,S8)Boat(L,S8) L-R(0,0,3,2,S8) Safety(L,0,1,S9)Safety(R,3,2,S9)Boat(R,S9) R-L(0,1,1,0,S9) Safety(L,1,1,S10)Safety(R,2,2,S10)Boat(L,S10)2-3 利用圖2.3，用形狀空間法規(guī)劃一個最短的游覽路程：此旅程從城市A開場，訪問其他城市不多于一次，并前往A。選擇一個形狀表示，表示出所求得的形狀空間的節(jié)點及弧線，標出適當?shù)拇鷥r，并指明圖中從起始節(jié)點到

6、目的節(jié)點的最正確途徑。2-4 試闡明怎樣把一棵與或解樹用來表達圖2.28所示的電網(wǎng)絡阻抗的計算。單獨的R、L或C可分別用R、jL或1/jC來計算，這個現(xiàn)適用作本原問題。后繼算符應以復合并聯(lián)和串聯(lián)阻抗的規(guī)那么為根底。圖 2.282-5 試用四元數(shù)列構(gòu)造表示四圓盤梵塔問題，并畫出求解該問題的與或圖。2-6 把以下句子變換成子句方式：(1) (x)P(x)P(x)(2) xy(On(x,y)Above(x,y)(3) xyz(Above(x,y)Above(y,z)Above(x,z)(4) (x)P(x)yp(y)p(f(x,y)(y)Q(x,y)P(y)2-7 用謂詞演算公式表示以下英文句子(多

7、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.2-8 把以下語句表示成語義網(wǎng)絡描畫：(1) All man are mortal.(2) Every cloud has a silver lining.(3) All branch managers of DEC participate in a profit-sharing plan.2-9 作為一個電

8、影觀眾，請他編寫一個去電影院看電影的劇本。2-10 試構(gòu)造一個描畫他的寢室或辦公室的框架系統(tǒng)。第三章 搜索推理技術(shù)3-1 什么是圖搜索過程?其中，重排OPEN表意味著什么，重排的原那么是什么?3-2 試舉例比較各種搜索方法的效率。3-3 化為子句形有哪些步驟?請結(jié)合例子闡明之。3-4 如何經(jīng)過消解反演求取問題的答案?3-5 什么叫適宜公式?適宜公式有哪些等價關系?3-6 用寬度優(yōu)先搜索求圖3.33所示迷宮的出路。圖 3.33 迷宮一例3-7 用有界深度優(yōu)先搜索方法求解圖3.34所示八數(shù)碼難題。2812316384754765 So Sg圖 3-34八數(shù)碼難題3-8 運用最新的方法來表達傳教士和

9、野人問題，編寫一個計算機程序，以求得平安渡過全部6個人的解答。提示：在運用形狀空間表示和搜索方法時，可用(Nm，Nc)來表示形狀描畫，其中Nm和Nc分別為傳教士和野人的人數(shù)。初始形狀為(3，3)，而能夠的中間形狀為(0，1)，(0，2)，(0，3)，(1，1)，(2，1)，(2，2)，(3，0)，(3，1)和(3，2)等。3-9 試比較寬度優(yōu)先搜索、有界深度優(yōu)先搜索及有序搜索的搜索效率，并以實例數(shù)據(jù)加以闡明。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(guī)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

10、下包裹的unload(z)；對于每個操作符，都有一定的先決條件和結(jié)果。試闡明形狀空間問題求解系統(tǒng)如何可以運用謂詞演算求得一個操作符序列，該序列可以生成一個滿足AT(#1，LIN)AT(#2，WU)AT(#3,HU)和目的形狀。3-11 規(guī)那么演繹系統(tǒng)和產(chǎn)生式系統(tǒng)有哪幾種推理方式?各自的特點為何?3-12 為什么需求采用系統(tǒng)組織技術(shù)?有哪幾種系統(tǒng)組織技術(shù)?3-13 研討不確定性推理有何意義?有哪幾種不確定性?3-14 單調(diào)推理有何局限性?什么叫缺省推理?非單調(diào)推理系統(tǒng)如何證明一個節(jié)點的有效性?3-15 在什么情況下需求采用不確定推理或非單調(diào)推理?3-16 以下語句是一些幾何定理，把這些語句表示為

11、基于規(guī)那么的幾何證明系統(tǒng)的產(chǎn)生式規(guī)那么：(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。第四章 計算智能1：神經(jīng)計算 模糊計算4-1 計算智能的含義是什么？它涉及哪些研討分支？4-2 試述計算智能CI、人工智能AI和生物智能BI的關系。4-3 人工神經(jīng)網(wǎng)絡為什么具有誘人的開展前景和潛在的廣泛運用領域？4-4 簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡的構(gòu)造和主要學習算法。4-5 思索一個具有階梯型閾值函數(shù)的神經(jīng)網(wǎng)絡，假設1 用一常數(shù)乘一切的權(quán)值和閾值；2 用一常數(shù)加于一切權(quán)值和閾值。試闡明網(wǎng)絡性能能否會變化

12、？4-6 構(gòu)作一個神經(jīng)網(wǎng)絡，用于計算含有2個輸入的XOR函數(shù)。指定所用神經(jīng)網(wǎng)絡單元的種類。4-7 假定有個具有線性鼓勵函數(shù)的神經(jīng)網(wǎng)絡，即對于每個神經(jīng)元，其輸出等于常數(shù)c乘以各輸入加權(quán)和。1設該網(wǎng)絡有個隱含層。對于給定的權(quán)W，寫出輸出層單元的輸出值，此值以權(quán)W和輸入層I為函數(shù)，而對隱含層的輸出沒有任何明顯的表達。試證明：存在一個不含隱含單位的網(wǎng)絡可以計算上述同樣的函數(shù)。2對于具有任何隱含層數(shù)的網(wǎng)絡，反復進展上述計算。從中給出線性鼓勵函數(shù)的結(jié)論。4-8 試實現(xiàn)一個分層前饋神經(jīng)網(wǎng)絡的數(shù)據(jù)構(gòu)造，為正向評價和反向傳播提供所需信息。運用這個數(shù)據(jù)構(gòu)造，寫出一個神經(jīng)網(wǎng)絡輸出，以作為一個例子，并計算該網(wǎng)絡適當?shù)?/p>

13、輸出值。4-9 什么是模糊性？它的對立含義是什么？試各舉出兩個例子加以闡明。4-10 什么是模糊集合和隸屬函數(shù)或隸屬度？4-11 模糊集合有哪些運算，滿足哪些規(guī)律？4-12 什么是模糊推理？有哪幾種模糊推理方法？4-13 有哪些模糊蘊含關系？4-14 什么叫模糊判決？有哪幾種常用的模糊判決方法？4-15 對某種產(chǎn)品的質(zhì)量進展抽查評價。現(xiàn)隨機選出5個產(chǎn)品x1，x2，x3，x4，x5進展檢驗，它們質(zhì)量情況分別為：x180，x272，x365，x498，x553這就確定了一個模糊集合Q，表示該組產(chǎn)品的“質(zhì)量程度這個模糊概念的隸屬程度。試寫出該模糊集。4-16 設有以下兩個模糊關系試求出R1與R2的復

14、合關系R1R2。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(nèi)容？它們的出發(fā)點是什么？5-2 試述遺傳算法的根本原理，并闡明遺傳算法的求解步驟。5-3 如何利用遺傳算法求解問題，試舉例闡明求解過程。5-4 用遺傳算法求的最大值5-5 進化戰(zhàn)略是如何描畫的？5-6 簡述進化編程的機理和根本過程，并以四形狀機為例闡明進化編程的表示。5-7 遺傳算法、進化戰(zhàn)略和進化編程的關系如何？有何區(qū)別？5-8 人工生命能否從1987年開場研討？為什么？5-9 什么是人工生命？請按他的了解用本人的言語給人工生命下個定義。5-10 人工生命要模擬自然生命的特征和景象。自然生命有哪些共

15、同特征？5-11 為什么要研討人工生命？5-12 人工生命包括哪些研討內(nèi)容？其研討方法如何？第六章1-1. 什么是人工智能？試從學科和才干兩方面加以闡明。答：從學科方面定義：人工智能是計算機科學中涉及研討、涉及和運用智能機器的一個分支。它的近期主要目的在于研討用機器來模范和執(zhí)行人腦的某些智力功能，并開發(fā)相關實際和技術(shù)。 從才干方面定義：人工智能是智能機器所執(zhí)行的通常與人類智能有關的智能行為，如判別、推理、證明、識別、感知、了解、通訊、設計、思索、規(guī)劃、學習和問題求解等思想活動。1-2. 在人工智能的開展過程中，有哪些思想和思潮起了重要作用？答：1) 數(shù)理邏輯和關于計算本質(zhì)的新思想2、1956年

16、第一次人工智能研討會召開3、 控制論思想的影響4、計算機的發(fā)明開展5、專家系統(tǒng)和知識工程6、 機器學習、計算智能、人工神經(jīng)網(wǎng)絡和行為主義研討1-3. 為什么可以用機器計算機模擬人的智能？答：物理符號系統(tǒng)的假設：任何一個系統(tǒng)，假設它可以表現(xiàn)出智能，那么它就必定能執(zhí)行輸入符號、輸出符號、存儲符號、復制符號、建立符號構(gòu)造、條件性遷移6種功能。反之，任何系統(tǒng)假設具有這6種功能，那么它就可以表現(xiàn)出智能(人類所具有的智能)。物理符號系統(tǒng)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(tǒng)。推論二: 既然計算機是一個物理符號系統(tǒng)，它就一定可以表現(xiàn)出智能。 推論三: 既然人是一個

17、物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，那么我們就可以用計算機來模擬人的活動。1-4. 人工智能的主要研討和運用領域是什么？其中，哪些是新的研討熱點？答：研討和運用領域：問題求解 (下棋程序)，邏輯推理與定理證明 (四色定理證明)，自然言語了解，自動程序設計，專家系統(tǒng)，機器學習，神經(jīng)網(wǎng)絡，機器人學 (星際探求機器人)，方式識別 (手寫識別，汽車牌照識別，指紋識別)，機器視覺 (機器裝配，衛(wèi)星圖像處置)，智能控制，智能檢索，智能調(diào)度與指揮 (汽車運輸高度，列車編組指揮)，系統(tǒng)與言語工具。新的研討熱點：概率圖模型隱馬爾可夫模型、貝葉斯網(wǎng)絡、統(tǒng)計學習實際(SLT) & 支持向量機(SVM)、數(shù)據(jù)發(fā)

18、掘與知識發(fā)現(xiàn) (超市市場商品數(shù)據(jù)分析)，人工生命1-5. 人工智能有哪幾種學派?答：1符號主義(Symbolicism)，又稱為邏輯主義(Logicism)、心思學派(Psychlogism)或計算機學派(Computerism) 其原理主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設和有限合理性原理。 2銜接主義(Connectionism)，又稱為仿生學派(Bionicsism)或生理學派(Physiologism) 其原理主要為神經(jīng)網(wǎng)絡及神經(jīng)網(wǎng)絡間的銜接機制與學習算法 3行為主義(Actionism)，又稱進化主義(Evolutionism)或控制論學派(Cyberneticsism) 其原理為

19、控制論及感知-動作型控制系統(tǒng) 1-6、人工智能有哪幾個研討領域？答：人工智能的研討領域包括：問題求解；自動程序設計；專家系統(tǒng)；神經(jīng)網(wǎng)絡；方式識別；智能控制；智能檢索；智能調(diào)度與指揮；知識表示；非經(jīng)典邏輯 & 非經(jīng)典推理；搜索技術(shù)；機器學習；自然言語了解；知識工程；定理機器證明；計算視覺；遺傳算法 & 進化計算；分布式AI；數(shù)據(jù)發(fā)掘 & 知識發(fā)現(xiàn)；人工生命；機器人；AI言語2-1 知識表示的方法有哪些？ 答案：形狀空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡法、框架表示法。2-2 形狀空間法、問題歸約法、謂詞邏輯法和語義網(wǎng)絡法的要點是什么？它們有何本質(zhì)上的聯(lián)絡及異同點? 答案：形狀空間法是基于解答空

20、間的問題表示和求解方法,是以形狀和操作符為根底的。需求擴展過多的節(jié)點，容易出現(xiàn)“ 組合爆炸，因此只適用于表示比較簡單的問題。問題歸約法是從目的(要處理的問題)出發(fā)逆向推理，建立子問題以及子問題的子問題，直至最后把初始問題歸約為一個平凡的本原問題集合。形狀空間法是問題歸納法的一種特例。這些本原問題的解可以直接得到，從而處理了初始問題，用與或圖來有效地闡明問題歸約法的求解途徑。謂語邏輯法是采用謂詞合式公式和一階謂詞演算把要處理的問題變?yōu)橐粋€有待證明的問題,然后采用消解定理和消解反演來證明一個新語句是從知的正確語句導出的,從而證明這個新語句也是正確的語義網(wǎng)絡法是用“節(jié)點替代概念，用節(jié)點間的“銜接弧替

21、代概念之間的關系。語義網(wǎng)絡表示法的優(yōu)點：構(gòu)造性、聯(lián)想性、自然性。知識表示法的比較方法初始問題算符目的結(jié)果形狀空間法形狀算符目的形狀解答途徑path規(guī)約法結(jié)點弧結(jié)點解答樹tree謂詞邏輯法合式公式子句集set of clause置換合一消解反演根結(jié)點nil語義網(wǎng)絡法結(jié)點鏈目的網(wǎng)絡語義網(wǎng)絡2-6如何經(jīng)過消解反演樹求取問題的答案? 答案：1.把由目的公式的否認產(chǎn)生的每個子句添加到目的公式否認之否認的子句中去。2.按照反演樹，執(zhí)行和以前一樣的消解，直至在根部得到某個子句為止。3.用根部的字句作為一個回答語句。2-7 規(guī)那么演繹系統(tǒng)和產(chǎn)生式系統(tǒng)有哪幾種推理方式?各自的特點為何? 簡述各自的的運用條件答案

22、：1. 規(guī)那么演繹系統(tǒng)和產(chǎn)生式系統(tǒng)均有三種推理方式：正向推理、逆向推理、雙向推理 2. 規(guī)那么演繹系統(tǒng)的正向推理是從現(xiàn)實或情況向目的或動作進展操作即：從IF到THEN，而逆向推理是從目的或動作向現(xiàn)實或情況進展操作的(即：從THEN到IF)。雙向推理：具有正向和逆向兩個系統(tǒng)的優(yōu)點，以求抑制各自的缺陷局限性。正向和逆向組合系統(tǒng)是建立在兩個系統(tǒng)相結(jié)合的根底上的。此組合系統(tǒng)的總數(shù)據(jù)庫由表示目的和表示現(xiàn)實的兩個與或圖構(gòu)造組成。這些與或圖構(gòu)造分別用正向系統(tǒng)的F規(guī)那么和逆向系統(tǒng)的B規(guī)那么來修正。產(chǎn)生式系統(tǒng)的正向推理(正向鏈接推理)：從一組表示現(xiàn)實的謂詞或命題出發(fā)，運用一組產(chǎn)生式規(guī)那么，用以證明該謂詞公式或命

23、題能否成立。逆向推理(后向鏈接推理)：從表示目的的謂詞或命題出發(fā)，運用一組產(chǎn)生式規(guī)那么證明現(xiàn)實謂詞或命題成立，即首先提出一批假設目的，然后逐一驗證這些假設。(其根本原理是從表示目的的謂詞或命題出發(fā)，運用一組規(guī)那么證明現(xiàn)實謂詞或命題成立，即提出一批假設(目的)，然后逐一驗證這些假設。) 雙向推理：又稱為正反向混合推理，它綜合了正向推理和逆向推理的優(yōu)點，抑制了兩者的短處。雙向推理的推理戰(zhàn)略是同時從目的向現(xiàn)實推理和從現(xiàn)實向目的推理，并在推理過程中的某個步驟，實現(xiàn)現(xiàn)實與目的的匹配。2-8 產(chǎn)生式系統(tǒng)由哪些部分組成？什么是產(chǎn)生式規(guī)那么？答案：1.綜合數(shù)據(jù)庫(或全局數(shù)據(jù)庫)、產(chǎn)生式規(guī)那么庫和控制系統(tǒng)。 產(chǎn)

24、生式規(guī)那么是一個規(guī)那么庫，用于存放與求解問題有關的某個領域知識的規(guī)律之集合及交換規(guī)那么。產(chǎn)生式規(guī)那么是一個以“假設滿足這個條件，就該當采取某些操作方式表示的語句，其根本方式為：IF 前提 THEN 結(jié)論.3-1什么是不確定推理？不確定性推理的根本問題是什么？答案：不確定性推理是一種建立在非經(jīng)典邏輯根底上的基于不確定性知識的推理，它從不確定性的初始證據(jù)出發(fā)，經(jīng)過運用不確定性知識，推出具有一定程度的不確定性的和合理的或近乎合理的結(jié)論。根本問題是：不確定性的表示與度量，不確定性的匹配，不確定性的傳送算法，不確定性的合成。3-2 在什么情況下需求采用不確定推理 ? 不確定推理的主要方法有哪些？ 答案：

25、1、普通推理方法在許多情況下，往往無法處理面臨的現(xiàn)實問題，因此需求運用不確定性推理等高級知識推理方法，包括非單調(diào)推理、時序推理和不確定性推理等。2.不確定性推理大類別上分為模型方法和控制方法。模型方法下有數(shù)值方法和非數(shù)值方法；數(shù)值方法包括概率統(tǒng)計方法、模糊推理方法、粗糙集方法;概率統(tǒng)計方法下細分為絕對概率方法、貝葉斯方法、證據(jù)實際方法、HMM方法、可信度方法；非數(shù)值方法下又包括發(fā)生率計算?？刂品椒ㄏ掠校合嚓P性制導回溯、機緣控制、啟發(fā)式搜索等3-3 客觀Bayes方法中LN和LS的意義是什么？ 答：LN表示必要性因子，它表示E 對的支持程度。LS表示充分性因子，它表示E 對H 的支持程度。 4-

26、1 計算智能的含義是什么？答：計算智能取決于制造者manufacturers提供的數(shù)值數(shù)據(jù)，不依賴于知識；另一方面，人工智能運用知識精品knowledge tidbits。人工神經(jīng)網(wǎng)絡該當稱為計算神經(jīng)網(wǎng)絡。 當一個系統(tǒng)只涉及數(shù)值低層數(shù)據(jù)，含有方式識別部分，不運用人工智能意義上的知識，而且可以呈現(xiàn)出：1計算順應性；2計算容錯性；3接近人的速度；4誤差率與人相近， 那么該系統(tǒng)就是計算智能系統(tǒng)。4-2. 簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡的構(gòu)造.答：人工神經(jīng)網(wǎng)絡由神經(jīng)元模型構(gòu)成，這種由許多神經(jīng)元組成的信息處置網(wǎng)絡具有并行分布構(gòu)造。每個神經(jīng)元具有單一輸出，并且可以與其他神經(jīng)元銜接；存在許多多重輸出銜接方法，

27、每種銜接方法對應于一個銜接權(quán)系數(shù)。4-4 什么是模糊集合和隸屬函數(shù)或隸屬度？論域U到0,1區(qū)間的任一映射 ，即 ，都確定U的一個模糊子集F；稱為F的隸屬函數(shù)或隸屬度。在論域U中，可把模糊子集表示為元素u與其隸屬函數(shù) 的序偶集合，記為：4-5 什么是模糊推理？有哪幾種模糊推理方法？1.邏輯推理是建立在模糊邏輯根底上，它是一種不確定性推理方法，是在二值邏輯三段論根底上開展起來的。它以模糊判別為前提，動用模糊言語規(guī)那么，推導出一個近似的模糊判別結(jié)論。2推理方法有Zadeh法，Baldwin法、Tsukamoto法、Yager法和Mizumoto法等方法。4-6. 闡明粗糙集實際的根本概念和特點。 1

28、.粗糙集實際是利用知的知識庫，用知識庫中的知知識近似描畫不準確或者不確定的知識。主要是為了描畫并處置“模糊信息。 2.特點是：1粗糙集部需求先驗知識。2粗糙集實際是強大的數(shù)據(jù)分析工具。3粗糙集和模糊集描畫了不完備的兩個方面。粗糙集以不可分辨關系為根底，偏重分類；模糊集基于元素對集合隸屬程度的不同，強調(diào)集合本身的含混性。4-7. 如何求集合的上近似 和下近似？見課件4-8. 什么是人工生命？在計算機學科中如何定義人工生命？1. 人工生命即人造的生命，非自然地生命。人工生命是研討可以演示出自然生命系統(tǒng)特征行為的人造系統(tǒng)。2、在計算機科技領域中的人工生命，是指用計算機科學方法和技術(shù)設計和制造的具有生

29、命特征的人造系統(tǒng)，如數(shù)字生命、數(shù)字生態(tài)系統(tǒng)、人工腦、虛擬生物等。 4-9. 闡明人工生命的研討意義、研討內(nèi)容和研討方法。意義為：1.開發(fā)基于人工生命的工程技術(shù)新方法、新系統(tǒng)、新產(chǎn)品。2.為自然生命的研討提供新模型、新工具、新環(huán)境。3.延伸人類壽命、減少衰弱、防治疾病。4.擴展自然生命，實現(xiàn)人工進化和優(yōu)生優(yōu)育。5促進生命科學、信息科學、系統(tǒng)科學的交叉于開展。研討內(nèi)容為：1構(gòu)造生物體的內(nèi)部系統(tǒng)。2生物體及其群體的外部系統(tǒng)?？茖W框架由以下主要內(nèi)容構(gòu)成：1.生命景象仿生系統(tǒng)。2生命景象的建模與仿真。3進化動力學。4人工生命的計算實際和工具。5進化機器人。6進化和學習等方面的結(jié)合。7人工生命的運用。研討

30、方法主要分兩類：1信息模型法。2任務原理法。研討技術(shù)途徑分兩種：1工程技術(shù)途徑。2生物科學途徑。5-1 什么是機器學習?為什么要研討機器學習?1機器學習是研討如何運用機器來模擬人類學習活動的一門學科。即：機器學習是一門研討機器獲取新知識和新技藝，并識別現(xiàn)有知識的學問。2機器學習是人工智能的主要中心研討領域之一, 也是現(xiàn)代智能系統(tǒng)的關鍵環(huán)節(jié)和瓶頸。很難想象: 一個沒有學習功能的系統(tǒng)能被稱具有智能的系統(tǒng)。生物、金融與網(wǎng)絡等各領域的數(shù)據(jù)，迫切需求分析或建立模型。5-2 試述機器學習系統(tǒng)的根本構(gòu)造，并闡明各部分的作用。見書本執(zhí)行知識庫學習環(huán)境 環(huán)境向系統(tǒng)的學習部分提供某些信息，學習部分利用這些信息修正

31、知識庫，以增進系統(tǒng)執(zhí)行部分完成義務的效能，執(zhí)行部分根據(jù)知識庫完成義務，同時把獲得的信息反響給學習部分。5-3 試闡明歸納學習的方式和學習方法。 歸納學習的普通方式為：給定：1察看陳說(現(xiàn)實)F,用以表示有關某些對象、形狀、過程等的的頂知識；2)假定的初始歸納斷言能夠為空；3背景知識，用于定義有關察看陳說、候選納斷言以及任何相關問題領域知識、假設和約束，其中包括可以描寫所求歸納斷言的性質(zhì)的優(yōu)先準那么。求：歸納斷言假設H,能重言蘊涵或弱蘊涵察看陳說，并滿足背景知識。假設H永真蘊涵現(xiàn)實F,闡明F是H的邏輯推理，那么有：H IF(讀作H特殊化為F)或者F IH讀作F普通化或消解為H這里，從H推導到F時

32、演繹推理，因此是保真的；而從現(xiàn)實F推導出假設H是歸納推理，因此不是保真的，而是保假的。 專家系統(tǒng)6-1 什么叫做專家系統(tǒng)?它具有哪些特點與優(yōu)點?6-2 專家系統(tǒng)由哪些部分構(gòu)成?各部分的作用為何?6-3 建造專家系統(tǒng)的關鍵步驟是什么?6-4 專家系統(tǒng)程序與普通的問題求解軟件程序有何不同?開發(fā)專家系統(tǒng)與開發(fā)其它軟件的義務有何不同?6-5 基于規(guī)那么的專家系統(tǒng)是如何任務的？其構(gòu)造為何？6-6 基于框架的專家系統(tǒng)與面向目的編程有何關系？其構(gòu)造有何特點？其設計義務是什么？6-7 為什么要提出基于模型的專家系統(tǒng)？試述神經(jīng)網(wǎng)絡專家系統(tǒng)的普通構(gòu)造。6-8 新型專家系統(tǒng)有何特征？什么是分布式專家系統(tǒng)和協(xié)同式專家

33、系統(tǒng)？6-9 在設計專家系統(tǒng)時，應思索哪些技術(shù)？6-10 什么是建造專家系統(tǒng)的工具?他知道哪些專家系統(tǒng)工具，各有什么特點?6-11 專家系統(tǒng)面臨什么問題?他以為應如何開展專家系統(tǒng)?6-12 用基于規(guī)那么的推理系統(tǒng)證明下述推理的正確性：知 狗都會吠叫和咬人任何動物吠叫時總是吵人的獵犬是狗結(jié)論 獵犬是吵人的第七章 機器學習7-1 什么是學習和機器學習?為什么要研討機器學習?7-2 試述機器學習系統(tǒng)的根本構(gòu)造，并闡明各部分的作用。7-3 試解釋機械學習的方式。機械學習有哪些重要問題需求加以研討?7-4 試闡明歸納學習的方式和學習方法。7-5 什么是類比學習？其推理和學習過程為何？7-6 試述解釋學習

34、的根本原理、學習方式和功能。7-7 試比較闡明符號系統(tǒng)和銜接機制在機器學習中的主要思想。7-8 用C言語編寫一套計算機程序，用于執(zhí)行BP學習算法。7-9 試運用神經(jīng)網(wǎng)絡模型優(yōu)化求解銷售員游覽問題。7-10 思索一個具有階梯型閾值函數(shù)的神經(jīng)網(wǎng)絡，假設(1) 用一常數(shù)乘一切的權(quán)值和閾值；(2) 用一常數(shù)加于一切權(quán)值和閾值。試闡明網(wǎng)絡性能能否會變化?7-11 增大權(quán)值能否可以使BP學習變慢?7-12 什么是知識發(fā)現(xiàn)？知識發(fā)現(xiàn)與數(shù)據(jù)發(fā)掘有何關系？7-13 試闡明知識發(fā)現(xiàn)的處置過程。7-14 有哪幾種比較常用的知識發(fā)現(xiàn)方法？試略加引見。7-15 知識發(fā)現(xiàn)的運用領域有哪些？試展望知識發(fā)現(xiàn)的開展和運用前景。

35、第八章 機器人規(guī)劃8-1 有哪幾種重要的機器人高層規(guī)劃系統(tǒng)?它們各有什么特點?他以為哪種規(guī)劃方法有較大的開展前景?8-2 讓right(x),left(x),up(x)和down(x)分別表示八數(shù)碼難題中單元x左邊、右邊、上面和下面的單元(假設這樣的單元存在的話)。試寫出STIPS規(guī)劃來模擬向上挪動B(空格)、向下挪動B、向左挪動B和向右挪動B等動作。8-3 思索設計一個清掃廚房規(guī)劃問題。(1) 寫出一套能夠要用的STRIPS型操作符。當他描畫這些操作符時，要思索到以下情況：清掃火爐或電冰箱會弄臟地板。要清掃烘箱，必需運用烘箱清洗器，然后搬走此清洗器。在清掃地板之前，必需先行清掃。在清掃地板之

36、前，必需先把渣滓筒拿出去。清掃電冰箱呵斥渣滓污物，并把任務臺弄臟。清洗任務臺或地板使洗滌盤弄臟。(2) 寫出一個被清掃廚房的能夠初始形狀描畫，并寫出一個可描畫的(但很能夠難以得到的)目的描畫。(3) 闡明如何把STRIPS規(guī)劃技術(shù)用來求解這個問題。(提示：他能夠想修正添加條件的定義，以便當某個條件添加至數(shù)據(jù)庫時，假設出現(xiàn)它的否認的話，就能自動刪去此否認)。8-4 曲頸瓶F1和F2的容積分別為C1和C2。公式CONT(X，Y)表示瓶子X含有Y容量單位的液體。試寫出STRIPS規(guī)劃來模擬以下動作：(1) 把F1內(nèi)的全部液體倒進F2內(nèi)。(2) 用F1的部分液體把F2裝滿。8-5 機器人Rover正在

37、房外，想進入房內(nèi)，但不能開門讓自已進去，而只能喊叫，讓叫聲促使開門。另一機器人Max在房間內(nèi)，他可以開門并喜歡安靜。Max通常可以把門翻開來使Rover停頓叫喊。假設Max和Rover各有一個STRIPS規(guī)劃生成系統(tǒng)和規(guī)劃執(zhí)行系統(tǒng)。試闡明Max和Rover的STRIPS規(guī)那么和動作，并描畫導致平衡形狀的規(guī)劃序列和執(zhí)行步驟。8-6 用本章討論過的任何規(guī)劃生成系統(tǒng)，處理圖8.22所示機械手堆積木問題。8-7 思索圖8.23所示的尋覓途徑問題。(1) 對所示物體和妨礙物(陰影部分)建立一個構(gòu)造空間。其中，物體的初始位置有兩種情況，一種如下圖，另一種情況是把物體旋轉(zhuǎn)90。(2) 運用構(gòu)造空間，描畫一個

38、尋求上述無碰撞途徑的過程(程序)把問題限于無旋轉(zhuǎn)的二維問題。(a)初始規(guī)劃 (b)目的規(guī)劃圖 8.22 機械手堆積木規(guī)劃問題8-8 指出他的過程構(gòu)造空間求得的圖8.23問題的途徑，并表達如何把他在上題中所得結(jié)論推行至包括旋轉(zhuǎn)情況。圖 8.23 一個尋覓途徑問題8-9 圖8.24表示機器人任務的世界模型。要求機器人Robot把3個箱子BOX1、BOX2和BOX3移到如圖E23(b)所示目的位置，試用專家系統(tǒng)方法建立本規(guī)劃，并給出規(guī)劃序列。(a)初始世界模型M0 (b)目的世界模型G0圖 8.24 挪動箱子于一處的機器人規(guī)劃8-10 圖8.25表示機器人任務的世界模型。要求機器人把箱子從房間R2初

39、始位置移至房間R1目的位置。試建立本機器人規(guī)劃專家系統(tǒng)，并給出規(guī)劃結(jié)果。圖 8.25 從一房間移至另一房間的機器人規(guī)劃第九章 Agent (艾真體)9-1 分布式人工智能系統(tǒng)有何特點？試與多艾真體系統(tǒng)的特性加以比較。9-2 什么是艾真體？他對agent的譯法有何見解？9-3 艾真體在構(gòu)造上有何特點？在構(gòu)造上又是如何分類的？每種構(gòu)造的特點為何？9-4 艾真體為什么需求相互通訊？9-5 試述艾真體通訊的步驟、類型和方式。9-6 艾真體有哪幾種主要通訊言語？它們各有什么特點？9-7 多艾真體系統(tǒng)有哪幾種根本模型？其體系構(gòu)造又有哪幾種？9-8 試闡明多艾真體的協(xié)作方法、協(xié)商技術(shù)和協(xié)調(diào)方式。9-9 為什

40、么多艾真體需求學習與規(guī)劃？9-10 他以為多艾真體系統(tǒng)的研討方向應是哪些？其運用前景又如何？9-11 選擇一個他熟習的領域，編寫一頁程序來描畫艾真體與環(huán)境的作用。闡明環(huán)境能否是可訪問的、確定性的、情節(jié)性的、靜態(tài)的和延續(xù)的。對于該領域，采用何種艾真體構(gòu)造為好？9-12 設計并實現(xiàn)幾種具有內(nèi)部形狀的艾真體，并丈量其性能。對于給定的環(huán)境，這些艾真體如何接近理想的艾真體？9-13 改動房間的外形和擺設物的位置，添加新家具。試丈量該新環(huán)境中各艾真體，討論如何改善其性能，以求處置更為復雜的地貌。9-14 有些艾真體一旦得知一個新句子，就立刻進展推理，而另一些艾真體只需在得到懇求后才進展推理。這兩種推理方法

41、在知識層、邏輯層和執(zhí)行層將有何區(qū)別？9-15 運用布爾電路為無名普斯世界設計一個邏輯艾真體。該電路是一個銜接輸入感知閥門和輸出行動閥門的邏輯門的集合。(1) 試解釋為什么需求觸發(fā)器。(2) 估計需求多少邏輯門和觸發(fā)器。第十章 機器視覺10-1 可用廣義錐體言語把楔形物體描畫為一個具有一定尺寸的三角形沿著一根直軸挪動而成的。請給出另一種描畫。10-2 (1)除了外表法線(p,q,-1)外，還有另外兩個感興趣的矢量：一個矢量指向光源，它對應于某些特別的p和q值，記為ps和 (s為假設日光)，表示指向日光的矢量(ps，qs，-1)；另一指向察看者，即矢量(0，0，-1)。 利用外表法線、日光矢量和觀

42、測矢量，可以求出一些用p和q表示的與出射角、入射角和相位角有關的公式。試證明以下公式成立：(2)對和推導類似公式。10-3 知朗伯外表亮度等于。假設光源正好在察看者的后面，即，于是可得對應于p和q的亮度為：當為一常數(shù)時，亮度E為一恒值。由于是平面PQ上某個圓的方程式，所以我們可得如下結(jié)論：當光源位于察看者后面時，PQ反射圖上的等亮度線是一些圓周線。試證明陰影線是直線。10-4 把一個籃球或其它球形物體固定起來，并在室內(nèi)單一小光源下對它進展實驗。光源是在察看者的背后。(1)球面的光線亮度如何變化?(2)為什么滿月看上去是扁平的?10-5 思索有一個朗伯立方體平放在朗伯墻前，如圖a所示。沿ab線的

43、光線強度大體上像圖b那樣，而當立方體的拐角為圓滑過渡時，其光線強度如圖(c)所示。題105圖 朗伯立方體及其光強分布圖(1)在PQ空間，指出此立方體各可見側(cè)面的外表法線的準確位置。(2)在PQ空間，對著光源方向，指出可取的位置。(3)假設交界是陡變的，試畫出沿cd線的光強度分布圖。(4)假設交界是圓滑的，試畫出沿cd線的光強度分布圖。10-6 以下陣列表示航空照片圖象上點陣的PQ投影以及所察看亮度Er的鏈式代碼：-1 -1 0.23 +1 -1 0.23 +1 -1 0.17-1 -10.23 +1 -1 0.17 0 0 0.30 0 0.3 0 0 0.3 0 0 0.3假設所察看的亮度為

44、，其中，對應于光源直接在察看者背后和時的朗伯反射圖上的等亮度線。試把每點圖象分類為石頭、樹和墓石、假設它們的反射系數(shù)分別為0.7，0.5和0.3。10-7 某蓋板外表的反射系數(shù)為未知。在不同時間從3個分別光源對該外表照明。對于的外表，這3個光源對此外表的反射圖如下圖。用這些光分別照射時所察看到的亮度分別為：題10-7圖 3個反射圖(1)在PQ空間畫出當?shù)扔?，3和4時表示軌跡的線。同樣地，畫出當?shù)扔?.5，1和2時的線。(2)求10-8 把圖中所示各物體量化為3232的畫面(方格紙自備)題108圖 需求數(shù)字化的物體(1)建立兩個畫面，每個畫面包含上述3個物體。要求兩畫面上的物體具有不同的尺寸、

45、位置和方向。(2)計算兩畫面上6個物體的各階矩量和。(3)計算各物體的矩心。(4)計算各物體的中心矩、標稱中心矩和不變性矩，并討論所得結(jié)果。(5)計算6個物體的外形系數(shù)，并討論所得結(jié)果。10-9 為什么CONSIGHT系統(tǒng)要運用2個光源，而不是用1個光源?10-10 在連通性分析中，相鄰2行間的分段情況被定義為以下3種：情況1不重迭中間為零或有更多的列 情況2不重迭中間為零或有更多的列情況3重迭既不同于情況1，又不同于情況2。區(qū)域并合規(guī)那么是較高的數(shù)取代較低的數(shù)(除背景“0外)。(1)從左至右逐行掃描以下88二進制圖象(圖中b為背景)。指出連通域被并合后圖象矩陣上元素的數(shù)字，作為連通性分析的解

46、答：1 2 3 4 5 6 7 8b b b b b b b b b b1 b 0 0 0 1 1 1 0 0 b2 b 1 1 0 0 1 1 1 0 b3 b 0 1 0 1 1 0 1 1 b4 b 0 1 1 1 1 0 0 1 b5 b 0 1 1 1 0 0 0 1 b6 b 0 1 0 1 1 0 1 1 b7 b 0 1 0 0 1 1 1 0 b8 b 0 0 0 0 0 1 0 0 bb b b b b b b b b(2)確定此題(1)中圖象編碼的掃描寬度。第十一章 自然言語了解11-1 什么是言語和言語了解?自然言語了解過程有哪些層次，各層次的功能如何?11-2 自然言

47、語了解和言語自動生成的關系為何?研討這兩者時有什么共同點。11-3 言語的歧義性可出如今各個層次上：構(gòu)詞、詞類、句法和語義。試各舉一例來闡明。11-4 寫出以下上下文無關語法所對應的轉(zhuǎn)移網(wǎng)絡：SNP VPNPAdjective NounNPDeterminer Noun PPNPDeterminer Noun VPVerb Adverb NPVPVerbVPVerb AdverbVPVerb PPPPProposition NP11-5 思索以下句子The old mans glasses were filled with sherry.選擇單詞glasses適宜的意思需求什么信息?什么信息意

48、味著不適宜的意思?11-6 思索以下句子：Put the red block on the blue block on the table .(1) 寫出句中符合句法規(guī)那么的一切有效的句法分析。(2) 如何用語義信息和環(huán)境知識選擇該命令的恰當含義?11-7 對以下每個語句給出句法分析樹：(1) David wanted to go to the movie with Linda.(2) David wanted to go to the movie with Georgy William.(3) He heard the story listening to the radio.(4) He

49、heard the boys listening to the radio.11-8 思索一用戶與一交互操作系統(tǒng)之間進展英語對話的問題。(1) 寫出語義文法以確定對話所用言語。這些言語應確保進展根本操作，如描畫事件、復制和刪除文件、編譯程序和檢索文件目錄等。(2) 用他的語義文法對以下各語句進展文法分析：Copy from new test mss into old test mss.Copy to old test mss out of new test mss.(3) 用規(guī)范的英語文法對上述兩語句進展分析，列出所用文法片斷。(4) 上述(2)與(3)的文法有何差別?這種差別與句法和語義文法

50、之間的差別有何關系?11-9 某大學開發(fā)出一個學生學籍管理數(shù)據(jù)庫。試寫出適于查詢該數(shù)據(jù)庫內(nèi)容的匹配樣本。11-10 試設計一個特定運用領域的自然言語問答系統(tǒng)。第十二章 智能控制12-1 為什么說智能控制是人工智能的重要研討新領域?12-2 智能控制有哪幾種構(gòu)造實際?它們的中心思想和內(nèi)容是什么?與傳統(tǒng)控制相比，智能控制有什么特點?12-3 Saridis的分級遞階智能控制的要點是什么?各級的功能怎樣?如何用熵來度量各級的作用?12-4 設計專家控制器時應思索哪些特點?專家控制系統(tǒng)的普通構(gòu)造模型為何?12-5 什么是學習控制系統(tǒng)?它有哪些研討課題?學習控制系統(tǒng)的設計原那么為何?12-6 試闡明模糊

51、控制器的構(gòu)造原理和控制規(guī)那么。模糊控制器有哪幾種設計方法?12-7 設論域X、Y均為有限模糊集合，它們分別為模糊矩陣R表示從X到Y(jié)的一個模糊關系。試闡明模糊矩陣R的元素rij的含義是什么?12-8 模糊控制器任務過程中把輸入的準確量轉(zhuǎn)變?yōu)槟：?模糊化)后，輸出時又把模糊量變?yōu)闇蚀_量(非模糊化)。這些轉(zhuǎn)換各有什么作用?12-9人工神經(jīng)網(wǎng)絡有哪些特性使它適于控制?有哪幾種神經(jīng)控制器，它們的構(gòu)造和作用原理為何?12-10 智能控制有哪些運用領域?試舉出一個他比較了解或熟習的智能控制運用例子，并闡明其任務原理和控制性能。第十三章 展望13-1 他怎樣評價人工智能的開展與爭論？爭論與開展的關系如何？1

52、3-2 人工智能不同窗派在實際、方法和技術(shù)道路上各有何爭論?13-2 人工智能的開展對人類有哪些方面的影響？試結(jié)合本人了解的情況何了解，從經(jīng)濟、社會何文化等方面加以闡明？13-4 試評述人工智能的未來開展。13-5 他對“人工智能或“智能系統(tǒng)課程及其教學有何建議？一部分根本搜索算法 一、回溯算法 回溯算法是一切搜索算法中最為根本的一種算法，其采用了一種“走不通就掉頭思想作為其控制構(gòu)造，其相當于采用了先根遍歷的方法來構(gòu)造解答樹，可用于找解或一切解以及最優(yōu)解。詳細的算法描畫如下： 非遞歸算法 Type Node(節(jié)點類型)Record Situtation:TSituation當前節(jié)點形狀; Wa

53、y-NO:Integer已運用過的擴展規(guī)那么的數(shù)目; End Var List(回溯表):Array1.Max(最大深度)ofNode; pos(當前擴展節(jié)點編號):Integer; Init List-0; pos-1; List1.Situation-初始形狀; MainProgram While(pos0(有路可走)and(未到達目的)do Begin Ifpos=Maxthen(數(shù)據(jù)溢出,跳出主程序); Listpos.Way-NO:=Listpos.Way-No+1; If(Listpos.Way-NO=TotalExpendMethod)then(假設還有沒用過的擴展規(guī)那么) Be

54、gin If(可以運用當前擴展規(guī)那么)then Begin (用第way條規(guī)那么擴展當前節(jié)點) Listpos+1.Situation:=ExpendNode(Listpos.Situation,Listpos.Way-NO); Listpos+1.Way-NO:=0; pos:=pos+1; End-If; End-If ElseBegin pos:=pos-1; End-Else End-While; 遞歸算法 ProcedureBackTrack(Situation:TSituation;deepth:Integer); VarI:Integer; Begin IfdeepthMaxth

55、en(空間到達極限,跳出本過程); IfSituation=Targetthen(找到目的); ForI:=1toTotalExpendMethoddo Begin BackTrack(ExpendNode(Situation,I),deepth+1); End-For; End; 范例：一個M*M的棋盤上某一點上有一個馬，要求尋覓一條從這一點出發(fā)不反復的跳完棋盤上一切的點的道路。 評價：回溯算法對空間的耗費較少，當其與分枝定界法一同運用時，對于所求解在解答樹中層次較深的問題有較好的效果。但應防止在后繼節(jié)點能夠與前繼節(jié)點一樣的問題中運用，以免產(chǎn)生循環(huán)。 二、深度搜索與廣度搜索 深度搜索與廣度搜

56、索的控制構(gòu)造和產(chǎn)生系統(tǒng)很類似，獨一的區(qū)別在于對擴展節(jié)點選取上。由于其保管了一切的前繼節(jié)點，所以在產(chǎn)生后繼節(jié)點時可以去掉一部分反復的節(jié)點，從而提高了搜索效率。這兩種算法每次都擴展一個節(jié)點的一切子節(jié)點，而不同的是，深度搜索下一次擴展的是本次擴展出來的子節(jié)點中的一個，而廣度搜索擴展的那么是本次擴展的節(jié)點的兄弟節(jié)點。在詳細實現(xiàn)上為了提高效率,所以采用了不同的數(shù)據(jù)構(gòu)造. 廣度搜索 Type Node(節(jié)點類型)Record Situtation:TSituation當前節(jié)點形狀; Level:Integer(當前節(jié)點深度); Last:Integer(父節(jié)點); End Var List(節(jié)點表):Ar

57、ray1.Max(最多節(jié)點數(shù))ofNode(節(jié)點類型); open(總節(jié)點數(shù)):Integer; close(待擴展節(jié)點編號):Integer; New-S:TSituation;(新節(jié)點) Init List-0; open-1; close-0; List1.Situation-初始形狀; List1.Level:=1; List1.Last:=0; MainProgram While(closeopen(還有未擴展節(jié)點)and (openMax(空間未用完)and (未找到目的節(jié)點)do Begin close:=close+1; ForI:=1toTotalExpendMethoddo

58、擴展一層子節(jié)點 Begin New-S:=ExpendNode(Listclose.Situation,I); IfNot(New-SinList)then (擴展出的節(jié)點從未出現(xiàn)過) Begin open:=open+1; Listopen.Situation:=New-S; Listopen.Level:=Listclose.Level+1; Listopen.Last:=close; End-If End-For; End-While; 深度搜索 Var Open:Array1.MaxofNode;(待擴展節(jié)點表) Close:Array1.MaxofNode;(已擴展節(jié)點表) open

59、L,closeL:Integer;(表的長度) New-S:Tsituation;(新形狀) Init Open-0;Close-0; OpenL-1;CloseL-0; Open1.Situation-初始形狀; Open1.Level-1; Open1.Last-0; MainProgram While(openL0)and(closeLMax)and(openLMax)do Begin closeL:=closeL+1; ClosecloseL:=OpenopenL; openL:=openL-1; ForI:=1toTotalExpendMethoddo擴展一層子節(jié)點 Begin Ne

60、w-S:=ExpendNode(ClosecloseL.Situation,I); IfNot(New-SinList)then (擴展出的節(jié)點從未出現(xiàn)過) Begin openL:=openL+1; OpenopenL.Situation:=New-S; OpenopenL.Level:=ClosecloseL.Level+1; OpenopenL.Last:=closeL; End-If End-For; End; 范例：迷宮問題，求解最短途徑和可通途徑。 評價：廣度搜索是求解最優(yōu)解的一種較好的方法，在后面將會對其進展進一步的優(yōu)化。而深度搜索多用于只需求解，并且解答樹中的反復節(jié)點較多并且反