管理信息化人工智能人工智能課程習題《人工智能》課程習題第一章緒論1-1.什么是人工智能？試從學科和能力兩方面加以說明。1-2.在人工智能的發(fā)展過程中，有哪些思想和思潮起了重要作用？1-3.為什么能夠用機器（計算機）模仿人的智能？1-4.現(xiàn)在人工智能有哪些學派？它們的認知觀是什么？1-5.你認為應從哪些層次對認知行為進行研究？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？第二章知識表示方法2-1狀態(tài)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)系及異同點?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。該船的負載能怎樣才能用這條船安全地把所有人都渡過河去?再定義描述過河方案的謂詞：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,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)∧Safety(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,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，用狀態(tài)空間法規(guī)劃一個最短的旅行路程：此旅程從城市A開始，訪問其他城市不多于一次，并返回A。選擇一個狀態(tài)表示，表示出所求得的狀態(tài)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)點到目標節(jié)點的最佳路徑。2-4試說明怎樣把一棵與或解樹用來表達圖2.28RL或C可分別用RjωL或1/jωC聯(lián)阻抗的規(guī)則為基礎。圖2.282-5試用四元數(shù)列結構表示四圓盤梵塔問題，并畫出求解該問題的與或圖。2-6把下列句子變換成子句形式：(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下列英文句子(詞字母來表示每個句子。)Aputersystemisintelligentifitcanperformataskwhich,ifperformedbyahuman,requiresintelligence.2-8把下列語句表示成語義網(wǎng)絡描述：(1)Allmanaremortal.(2)Everycloudhasasilverlining.(3)AllbranchmanagersofDECparticipateinaprofit-sharingplan.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。2-10試構造一個描述你的寢室或辦公室的框架系統(tǒng)。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?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?請結合例子說明之。3-4如何通過消解反演求取問題的答案?3-5什么叫合適公式?合適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。2812316384754765SoSg圖3-34八數(shù)碼難題3-86個人的解答。(Nm，Nc)來表示狀態(tài)描述，其中Nm和Nc分別為傳教士和野人的人數(shù)。初始狀態(tài)為(33)，而可能的中間狀態(tài)為(01)(02)(03)，(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)加以說明。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)3drive(x,y)和表示卸下包裹的unload(z)；對于每個操作符，都有一定的先決條件和結果。試說明個滿足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)和目標狀態(tài)。3-11規(guī)則演繹系統(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為什么需要采用系統(tǒng)組織技術?有哪幾種系統(tǒng)組織技術?3-13研究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)如何證實一個節(jié)點的有效性?3-15在什么情況下需要采用不確定推理或非單調(diào)推理?3-16下列語句是一些幾何定理，把這些語句表示為基于規(guī)則的幾何證明系統(tǒng)的產(chǎn)生式規(guī)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。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？它涉及哪些研究分支？4-2試述計算智能（CIAI）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發(fā)展前景和潛在的廣泛應用領域？4-4簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡的結構和主要學習算法。4-5考慮一個具有階梯型閾值函數(shù)的神經(jīng)網(wǎng)絡，假設（1）（1）用一常數(shù)乘所有的權值和閾值；（2）（2）用一常數(shù)加于所有權值和閾值。試說明網(wǎng)絡性能是否會變化？4-62個輸入的XOR4-7假定有個具有線性激勵函數(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乘以各輸入加權和。（1WW和輸入層I為函數(shù)，而對隱含層的輸出沒有任何明顯的敘述。試證明：存在一個不含隱含單位的網(wǎng)絡能夠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，重復進行上述計算。從中給出線性激勵函數(shù)的結論。4-8試實現(xiàn)一個分層前饋神經(jīng)網(wǎng)絡的數(shù)據(jù)結構，為正向評價和反向傳播提供所需信息。應用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說明。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)量進行抽查評估?，F(xiàn)隨機選出5個產(chǎn)品x1，x2，x3，x4，x5進行檢驗，它們質(zhì)量情況分別為：x1＝80，x2＝72，x3＝65，x4＝98，x5＝53這就確定了一個模糊集合Q，表示該組產(chǎn)品的“質(zhì)量水平”這個模糊概念的隸屬程度。試寫出該模糊集。4-16設有下列兩個模糊關系試求出R1與R2的復合關系R1○R2。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試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。5-3如何利用遺傳算法求解問題，試舉例說明求解過程。5-4用遺傳算法求的最大值5-5進化策略是如何描述的？5-6簡述進化編程的機理和基本過程，并以四狀態(tài)機為例說明進化編程的表示。5-7遺傳算法、進化策略和進化編程的關系如何？有何區(qū)別？5-8人工生命是否從1987年開始研究？為什么？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。5-10人工生命要模仿自然生命的特征和現(xiàn)象。自然生命有哪些共同特征？5-11為什么要研究人工生命？5-12人工生命包括哪些研究內(nèi)容？其研究方法如何？第六章1-1.什么是人工智能？試從學科和能力兩方面加以說明。目標在于研究用機器來模范和執(zhí)行人腦的某些智力功能，并開發(fā)相關理論和技術。別、感知、理解、通信、設計、思考、規(guī)劃、學習和問題求解等思維活動。1-2.在人工智能的發(fā)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)明發(fā)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)絡和行為主義研究1-3.為什么能夠用機器（計算機）模仿人的智能？66么它就能夠表現(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)，它就一定能夠表現(xiàn)出智能。推論三:既然人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，那么我們就能夠用計算機來模擬人的活動。1-4.(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(tǒng)，機器學習，神經(jīng)網(wǎng)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(wèi)星圖像處理)，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)與語言工具。新的研究熱點：概率圖模型（隱馬爾可夫模型、貝葉斯網(wǎng)絡）、統(tǒng)計學習理論(SLT)&支持向量機(SVM)、數(shù)據(jù)挖掘與知識發(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)、心理學派(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）連接主義(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)絡間的連接機制與學習算法]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究領域？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；機器學習；自然語言理解；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)挖掘&知識發(fā)現(xiàn)；人工生命；機器人；AI語言2-1知識表示的方法有哪些？答案：狀態(tài)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狀態(tài)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)系及異同點?

答案：狀態(tài)空間法是基于解答空間的問題表示和求解方法,是以狀態(tài)和操作符為基礎的。需要擴展過多的節(jié)

點，容易出現(xiàn)“組合爆炸”，因而只適用于表示比較簡單的問題。問題歸約法是從目標(要解決的問題)歸約為一個平凡的本原問題集合。狀態(tài)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，從而解決了初始問題，用與或圖來有效地說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解決的問題變?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已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)點代替概念，用節(jié)點間的“連接弧代替概念之間的關系。語義網(wǎng)絡表示法的優(yōu)點：結構性、聯(lián)想性、自然性。知識表示法的比較方法初始問題算符目標結果狀態(tài)空間法狀態(tài)算符目標狀態(tài)解答路徑（path）規(guī)約法結點弧結點解答樹（tree）子句集謂詞邏輯法合式公式（setofclause）根結點nil置換合一消解反演語義網(wǎng)絡法結點鏈目標網(wǎng)絡語義網(wǎng)絡2-6如何通過消解反演樹求取問題的答案?答1.把由目標公式的否定產(chǎn)生的每個子句添加到目標公式否定之否定的子句中去。2.按照反演樹，執(zhí)行和以前相同的消解，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)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)有哪幾種推理方式?各自的特點為何?簡述各自的的使用條件答案：1.規(guī)則演繹系統(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)則演繹系統(tǒng)的正向推理是從事實或狀況向目標或動作進行操作（即：從IF到THEN實或狀況進行操作的(THEN到IF)F規(guī)則和逆向系統(tǒng)的B規(guī)則來修正。產(chǎn)生式系統(tǒng)的正向推理(正向鏈接推理)明該謂詞公式或命題是否成立。逆向推理(后向鏈接推理)：從表示目標的謂詞或命題出發(fā)，使用一組產(chǎn)生式規(guī)則證明事實謂詞或命題成立，即首先提出一批假設目標，然后逐一驗證這些假設。(其基本原理是從表示目標的謂詞或命題出發(fā)，使用一組規(guī)則證明事實謂詞或命題成立，即提出一批假設(目標)，然后逐一驗證這些假設。)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)則？答1.綜合數(shù)據(jù)庫(或全局數(shù)據(jù)庫)、產(chǎn)生式規(guī)則庫和控制系統(tǒng)。產(chǎn)生式規(guī)則是一個規(guī)則庫，用于存放與求“取某些操作”形式表示的語句，其基本形式為：IF前提THEN結論.3-1什么是不確定推理？不確定性推理的基本問題是什么？出發(fā)，通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論?；締栴}是：不確定性的表示與度量，不確定性的匹配，不確定性的傳遞算法，不確定性的合成。3-2在什么情況下需要采用不確定推理?不確定推理的主要方法有哪些？答案：1、一般推理方法在許多情況下，往往無法解決面臨的現(xiàn)實問題，因而需要應用不確定性推理等高級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)理論方法、HMM又包括發(fā)生率計算。控制方法下有：相關性制導回溯、機緣控制、啟發(fā)式搜索等3-3主觀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Ｈ的支持程度。LS表示充分性因子，它表示E對H的支持程度。4-1．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，人工智能應用知識精品（knowledgetidbits）。人工神經(jīng)網(wǎng)絡應當稱為計算神經(jīng)網(wǎng)絡。（1）計算適應性；（2）計算容錯性；（3）接近人的速度；（4）誤差率與人相近，則該系統(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)絡的結構.連接權系數(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FF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.它以模糊判斷為前提，動用模糊語言規(guī)則，推導出一個近似的模糊判斷結論。2．推理方法有Zadeh法，Baldwin法、Tsukamoto法、Yager法和Mizumoto法等方法。4-6.說明粗糙集理論的基本概念和特點。1.描述并處理“含糊”信息。2.特點是：1）粗糙集部需要先驗知識。2）粗糙集理論是強大的數(shù)據(jù)分析工具。3）粗糙集和模糊集描述了調(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。人工生命是研究能夠演示出自然生命系統(tǒng)特征行為的人造系統(tǒng)。

2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.說明人工生命的研究意義、研究內(nèi)容和研究方法。意義為：1.開發(fā)基于人工生命的工程技術新方法、新系統(tǒng)、新產(chǎn)品。2.為自然生命的研究提供新模型、新工具、新環(huán)境。3.延長人類壽命、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)科學的交叉于發(fā)展。研究內(nèi)容為：1）構造生物體的內(nèi)部系統(tǒng)。2）生物體及其群體的外部系統(tǒng)?？茖W框架由下列主要內(nèi)容構成：1.生命現(xiàn)象仿生系統(tǒng)。2345化機器人。6）進化和學習等方面的結合。7）人工生命的應用。研究方法主要分兩類：1）信息模型法。2）工作原理法。研究技術途徑分兩種：1）工程技術途徑。2）生物科學途徑。

5-1什么是機器學習?為什么要研究機器學習?1）機器學習是研究如何使用機器來模擬人類學習活動的一門學科。即：機器學習是一門研究機器獲取新知識和新技能，并識別現(xiàn)有知識的學問。2）機器學習是人工智能的主要核心研究領域之一,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)。

來自生物、金融與網(wǎng)絡等各領域的數(shù)據(jù)，迫切需要分析或建立模型。

5-2試述機器學習系統(tǒng)的基本結構，并說明各部分的作用。（見書本）

執(zhí)行知識庫學習環(huán)境效能，執(zhí)行部分根據(jù)知識庫完成任務，同時把獲得的信息反饋給學習部分。5-3試說明歸納學習的模式和學習方法。歸納學習的一般模式為：給1(事實)F,2)假定的初始歸納斷言（可能為空）；3）背景知識，用于定義有關觀察陳述、候選納斷言以及任何相關問題領域知識、假設和約束，其中包括能夠刻畫所求歸納斷言的性質(zhì)的優(yōu)先準則。求：歸納斷言（假設）H,能重言蘊涵或弱蘊涵觀察陳述，并滿足背景知識。假設H永真蘊涵事實F,說明F是H的邏輯推理，則有：HI>F(讀作H特殊化為F)或者FI<H（讀作F一般化或消解為H）這里，從H推導到F時演繹推理，因此是保真的；而從事實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)程序與一般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)其它軟件的任務有何不同?6-5基于規(guī)則的專家系統(tǒng)是如何工作的？其結構為何？6-6基于框架的專家系統(tǒng)與面向目標編程有何關系？其結構有何特點？其設計任務是什么？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)的一般結構。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)同式專家系統(tǒng)？6-9在設計專家系統(tǒng)時，應考慮哪些技術？6-10什么是建造專家系統(tǒng)的工具?你知道哪些專家系統(tǒng)工具，各有什么特點?6-11專家系統(tǒng)面臨什么問題?你認為應如何發(fā)展專家系統(tǒng)?6-12用基于規(guī)則的推理系統(tǒng)證明下述推理的正確性：已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?為什么要研究機器學習?7-2試述機器學習系統(tǒng)的基本結構，并說明各部分的作用。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?7-4試說明歸納學習的模式和學習方法。7-5什么是類比學習？其推理和學習過程為何？7-6試述解釋學習的基本原理、學習形式和功能。7-7試比較說明符號系統(tǒng)和連接機制在機器學習中的主要思想。7-8用C語言編寫一套計算機程序，用于執(zhí)行BP學習算法。7-9試應用神經(jīng)網(wǎng)絡模型優(yōu)化求解銷售員旅行問題。7-10考慮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)乘所有的權值和閾值；(2)用一常數(shù)加于所有權值和閾值。試說明網(wǎng)絡性能是否會變化?7-11增大權值是否能夠使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)挖掘有何關系？7-13試說明知識發(fā)現(xiàn)的處理過程。7-14有哪幾種比較常用的知識發(fā)現(xiàn)方法？試略加介紹。7-15知識發(fā)現(xiàn)的應用領域有哪些？試展望知識發(fā)現(xiàn)的發(fā)展和應用前景。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?你認為哪種規(guī)劃方法有較大的發(fā)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(如果這樣的單元存在的話)。試寫出STIPS規(guī)劃來模擬向上移動B(空格)、向下移動B、向左移動B和向右移動B等動作。8-3考慮設計一個清掃廚房規(guī)劃問題。(1)寫出一套可能要用的STRIPS·清掃火爐或電冰箱會弄臟地板?！ひ鍜吆嫦?，必須應用烘箱清洗器，然后搬走此清洗器?！ぴ谇鍜叩匕逯?，必須先行打掃?！ぴ诖驋叩匕逯?，必須先把垃圾筒拿出去?！で鍜唠姳湓斐衫畚?，并把工作臺弄臟?！で逑垂ぷ髋_或地板使洗滌盤弄臟。(2)(但很可能難以得到的)目標描述。(3)說明如何把STRIPS規(guī)劃技術用來求解這個問題。(提示：你可能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，如果出現(xiàn)它的否定的話，就能自動刪去此否定)。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)劃來模擬下列動作：(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MaxMax通?？梢园验T打開來使RoverMax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)。試說明Max和Rover的STRIPS驟。8-6用本章討論過的任何規(guī)劃生成系統(tǒng)，解決圖8.22所示機械手堆積木問題。8-7考慮圖8.23所示的尋找路徑問題。(1)對所示物體和障礙物(陰影部分)建立一個結構空間。其中，物體的初始位置有兩種情況，一種如圖所示，另一種情況是把物體旋轉90°。(2)應用結構空間，描述一個尋求上述無碰撞路徑的過程(程序)把問題限于無旋轉的二維問題。(a)初始布局(b)目標布局圖8.22機械手堆積木規(guī)劃問題8-8指出你的過程結構空間求得的圖8.23中所得結論推廣至包括旋轉情況。圖8.23一個尋找路徑問題8-9圖8.24Robot把3個箱子BOX1BOX2和BOX3移到如圖E23(b)所示目標位置，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)目標世界模型G0圖8.24移動箱子于一處的機器人規(guī)劃8-10圖8.25表示機器人工作的世界模型。要求機器人把箱子從房間R2初始位置移至房間R1目標位置。試建立本機器人規(guī)劃專家系統(tǒng)，并給出規(guī)劃結果。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？你對agent的譯法有何見解？9-3艾真體在結構上有何特點？在結構上又是如何分類的？每種結構的特點為何？9-4艾真體為什么需要互相通信？9-5試述艾真體通信的步驟、類型和方式。9-6艾真體有哪幾種主要通信語言？它們各有什么特點？9-7多艾真體系統(tǒng)有哪幾種基本模型？其體系結構又有哪幾種？9-8試說明多艾真體的協(xié)作方法、協(xié)商技術和協(xié)調(diào)方式。9-9為什么多艾真體需要學習與規(guī)劃？9-10你認為多艾真體系統(tǒng)的研究方向應是哪些？其應用前景又如何？9-11好？9-12如何接近理想的艾真體？9-13改善其性能，以求處理更為復雜的地貌。9-14才進行推理。這兩種推理方法在知識層、邏輯層和執(zhí)行層將有何區(qū)別？9-15和輸出（行動閥門）的邏輯門的集合。(1)試解釋為什么需要觸發(fā)器。(2)估計需要多少邏輯門和觸發(fā)器。第十章機器視覺10-1可用廣義錐體語言把楔形物體描述為一個具有一定尺寸的三角形沿著一根直軸移動而成的。請給出另一種描述。10-2(1)除了表面法線(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)；另一指向觀察者，即矢量(0，0，-1)。p和q位角有關的公式。試證明下列公式成立：(2)對和推導類似公式。10-3p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PQ10-4觀察者的背后。(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?10-5aab線的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10－5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面的表面法線的準確位置。(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下列陣列表示航空照片圖象上點陣的PQ投影以及所觀察亮度Er的鏈式代碼：-1-10.23+1-10.23+1-10.17-1-10.23+1-10.17000.3000.3000.3000.3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。

10-73面，這3個光源對此表面的反射圖如圖所示。用這些光分別照射時所觀察到的亮度分別為：

題10-7圖3個反射圖(1)在PQ空間畫出當?shù)扔?3和40.51和2時的線。(2)求10-8把圖中所示各物體量化為32×32的畫面(方格紙自備)題10－8圖需要數(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、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，并討論所得結果。(5)計算6個物體的形狀系數(shù)，并討論所得結果。10-9為什么CONSIGHT系統(tǒng)要使用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下列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)則是較高的數(shù)取代較低的數(shù)(除背景“0”外)。(1)從左至右逐行掃描下列8×8二進制圖象(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答：8bbbbbbbbbb1b0b

2b0b

3b1b

4b1b

5b1b

6b1b7b0b8b0bbbbbbbbbb(2)確定本題(1)中圖象編碼的掃描寬度。第十一章自然語言理解11-1什么是語言和語言理解?自然語言理解過程有哪些層次，各層次的功能如何?11-2自然語言理解和語言自動生成的關系為何?研究這兩者時有什么共同點。11-3語言的歧義性可出現(xiàn)在各個層次上：構詞、詞類、句法和語義。試各舉一例來說明。11-4寫出下列上下文無關語法所對應的轉移網(wǎng)絡：S→NPVPNP→AdjectiveNounNP→DeterminerNounPPNP→DeterminerNounVP→VerbAdverbNPVP→VerbVP→VerbAdverbVP→VerbPPPP→PropositionNP11-5考慮下列句子Theoldman′sglasseswerefilledwithsherry.選擇單詞glasses合適的意思需要什么信息?什么信息意味著不合適的意思?11-6考慮下列句子：Puttheredblockontheblueblockonthetable.

(1)寫出句中符合句法規(guī)則的所有有效的句法分析。

(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對下列每個語句給出句法分析樹：(1)DavidwantedtogotothemoviewithLinda.(2)DavidwantedtogotothemoviewithGeorgyWilliam.

(3)Heheardthestorylisteningtotheradio.(4)Heheardtheboyslisteningtotheradio.11-8考慮一用戶與一交互操作系統(tǒng)之間進行英語對話的問題。

(1)復制和刪除文件、編譯程序和檢索文件目錄等。(2)用你的語義文法對下列各語句進行文法分析：Copyfromnewtestmssintooldtestmss.Copytooldtestmssoutofnewtestmss.(3)用標準的英語文法對上述兩語句進行分析，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之間的差別有何關系?11-9本。11-10試設計一個特定應用領域的自然語言問答系統(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究新領域?12-2智能控制有哪幾種結構理論?它們的中心思想和內(nèi)容是什么?有什么特點?12-3Saridis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考慮哪些特點?專家控制系統(tǒng)的一般結構模型為何?12-5什么是學習控制系統(tǒng)?它有哪些研究課題?學習控制系統(tǒng)的設計原則為何?12-6試說明模糊控制器的結構原理和控制規(guī)則。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的一個模糊關系。試說明模糊矩陣R的元素rij的含義是什么?12-8模糊控制器工作過程中把輸入的精確量轉變?yōu)槟：?模糊化)后，輸出時又把模糊量變?yōu)榫_量(非模糊化)。這些轉換各有什么作用?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，它們的結構和作用原理為何?12-10智能控制有哪些應用領域?其工作原理和控制性能。第十三章展望13-1你怎樣評價人工智能的發(fā)展與爭論？爭論與發(fā)展的關系如何？13-2人工智能不同學派在理論、方法和技術路線上各有何爭論?13-2會何文化等方面加以說明？13-4試評述人工智能的未來發(fā)展。13-5你對“人工智能”或“智能系統(tǒng)”課程及其教學有何建議？一部分基本搜索算法一、回溯算法回溯算法是所有搜索算法中最為基本的一種算法，其采用了一種“走不通就掉頭”思想作為其控制結構，其相遍歷的方法來構造解答樹，可用于找解或所有解以及最優(yōu)解。具體的算法描述如下：[非遞歸算法]＜Type＞Node(節(jié)點類型)＝RecordSitutation:TSituation（當前節(jié)點狀態(tài)）;Way-NO:Integer（已使用過的擴展規(guī)則的數(shù)目）;End＜Var＞List(回溯表):Array[1..Max(最大深度)]ofNode;pos(當前擴展節(jié)點編號):Integer;＜Init＞List＜-0;pos＜-1;List[1].Situation＜-初始狀態(tài);＜MainProgram＞W(wǎng)hile(pos＞0(有路可走))and([未達到目標])doBeginIfpos＞=Maxthen(數(shù)據(jù)溢出,跳出主程序);List[pos].Way-NO:=List[pos].Way-No+1;If(List[pos].Way-NO＜=TotalExpendMethod)then(如果還有沒用過的擴展規(guī)則)BeginIf(可以使用當前擴展規(guī)則)thenBegin(用第way條規(guī)則擴展當前節(jié)點)List[pos+1].Situation:=ExpendNode(List[pos].Situation,List[pos].Way-NO);List[pos+1].Way-NO:=0;

pos:=pos+1;End-If;End-IfElseBeginpos:=pos-1;End-ElseEnd-While;[遞歸算法]ProcedureBackTrack(Situation:TSituation;deepth:Integer);VarI:Integer;BeginIfdeepth＞Maxthen(空間達到極限,跳出本過程);IfSituation=Targetthen(找到目標);ForI:=1toTotalExpendMethoddoBeginBackTrack(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，要求尋找一條從這一點出發(fā)不重復的跳完棋盤上所有的點的路線。評價：回溯算法對空間的消耗較少，當其與分枝定界法一起使用時，對于所求解在解答樹中層次較深的問題有應避免在后繼節(jié)點可能與前繼節(jié)點相同的問題中使用，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索的控制結構和產(chǎn)生系統(tǒng)很相似，唯一的區(qū)別在于對擴展節(jié)點選取上。由于其保留了所有的在產(chǎn)生后繼節(jié)點時可以去掉一部分重復的節(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)點的所有的是，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，而廣度搜索擴展的則是本次擴展的節(jié)點的兄實現(xiàn)上為了提高效率,所以采用了不同的數(shù)據(jù)結構.[廣度搜索]＜Type＞Node(節(jié)點類型)＝RecordSitutation:TSituation（當前節(jié)點狀態(tài)）;Level:Integer(當前節(jié)點深度);Last:Integer(父節(jié)點);End＜Var＞List(節(jié)點表):Array[1..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;List[1].Situation＜-初始狀態(tài);List[1].Level:=1;List[1].Last:=0;＜MainProgram＞W(wǎng)hile(close＜open(還有未擴展節(jié)點))and(open＜Max(空間未用完))and(未找到目標節(jié)點)doBeginclose:=close+1;ForI:=1toTotalExpendMethoddo（擴展一層子節(jié)點）BeginNew-S:=ExpendNode(List[close].Situation,I);IfNot(New-SinList)then(擴展出的節(jié)點從未出現(xiàn)過)Beginopen:=open+1;List[open].Situation:=New-S;List[open].Level:=List[close].Level+1;List[open].Last:=close;End-IfEnd-For;End-While;[深度搜索]＜Var＞Open:Array[1..Max]ofNode;(待擴展節(jié)點表)

Close:Array[1..Max]ofNode;(已擴展節(jié)點表)openL,closeL:Integer;(表的長度)New-S:Tsituation;(新狀態(tài))＜Init＞Open＜-0;Close＜-0;OpenL＜-1;CloseL＜-0;Open[1].Situation＜-初始狀態(tài);Open[1].Level＜-1;Open[1].Last＜-0;＜MainProgram＞W(wǎng)hile(openL＞0)and(closeL＜Max)and(openL＜Max)doBegincloseL:=closeL+1;Close[closeL]:=Open[openL];openL:=openL-1;ForI:=1toTotalExpendMethoddo（擴展一層子節(jié)點）BeginNew-S:=ExpendNode(Close[closeL].Situation,I);IfNot(New-SinList)then(擴展出的節(jié)點從未出現(xiàn)過)BeginopenL:=openL+1;Open[openL].Situation:=New-S;Open[openL].Level:=Close[closeL].Level+1;Open[openL].Last:=closeL;End-IfEnd-For;End;范例：迷宮問題，求解最短路徑和可通路徑。評價：廣度搜索是求解最優(yōu)解的一種較好的方法，在后面將會對其進行進一步的優(yōu)化。而深度搜索多用于只要樹中的重復節(jié)點較多并且重復較難判斷時使用，但往往可以用A*或回溯算法代替。2006-4-2117:35回復3樓dapplehou第二部分搜索算法的優(yōu)化1位粉絲一、雙向廣度搜索廣度搜索雖然可以得到最優(yōu)解理想情況下可以減少二分之一高搜索速度。N個黑白棋子排成一求出入長度為length的一個

標狀態(tài)，求出最少的轉化步數(shù)

如果從初始狀態(tài)和目標狀態(tài)

合，則該節(jié)點所連接的兩條路徑所拼成的路

對廣度搜索算法的改進：

1、添加一張節(jié)點表，作為反

2、在while循環(huán)體中在正向

個for循環(huán)。3、在正向擴展出一個節(jié)點后

找是否有重合節(jié)點。反向擴展

對雙向廣度搜索算法的改進：

展正反兩個方向中節(jié)點數(shù)目較

兩邊的發(fā)展速度保持一定的平

展節(jié)點的個數(shù)，加快搜索速度

二、分支定界分支定界實際上是A*算法的一

個擴展出來的節(jié)點給出一個預

期值不如當前已經(jīng)搜索出來的這個節(jié)點(包括其子節(jié)點)從解達到加快搜索速度的目的。為Ci款最少。從其最大可能使用次數(shù)向零遞打完折扣后優(yōu)惠的價格，C為品零售價之和，則其預期值為則a=1。對回溯算法的改進：1、添加一個全局變量BestA優(yōu)解。2、在每次生成一個節(jié)點時，與BestAnswer比較。如果不程。三、A*算法A*算法中更一般的引入了一

義為f=g+hg為到達當

表示對從當前節(jié)點到達目標節(jié)

其必須滿足兩個條件：1h必須小于等于實際的從當

點的最小耗費h*。2、f必須保持單調(diào)遞增。

A*算法的控制結構與廣度搜索

每次擴展的都是當前待擴展

這個節(jié)點的估價函數(shù)值較小，展節(jié)點，具體算法描述如下：3*3的棋盤中有1用這個空格，用最少的步數(shù)，問題分析：預期值定義為h=|估價函數(shù)定義為f=g+h。＜Type＞Node(節(jié)點類型)＝RecordSitutation:TSituation（當g:Integer;(到達當前狀態(tài)的h:Integer;(預計的耗費)f:Real;(估價函數(shù)值)Last:Integer;(父節(jié)點)End＜Var＞List(節(jié)點表):Array[1.

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):Int

New-S:Tsituation;(新節(jié)點)

＜Init＞List＜-0;open＜-1;close＜-0;List[1].Situation＜-初始狀

＜MainProgram＞W(wǎng)hile(close＜open(還有未擴

(open＜Max(空間未用完))an

(未找到目標節(jié)點)do

BeginBeginclose:=close+1;ForI:=close+1toopendo(尋的節(jié)點)BeginifList[i].f＜List[close].Begin交換List[i]和List[close]End-If;End-For;End;ForI:=1toTotalExpendMetho節(jié)點）BeginNew-S:=ExpendNode(List[cl)IfNot(New-SinList[1..clos(擴展出的節(jié)點未與已擴展的BeginIfNot(New-SinList[close+1(擴展出的節(jié)點未與待擴展的Beginopen:=open+1;List[open].Situation:=NewList[open].Last:=close;List[open].g:=List[close]List[open].h:=GetH(List[oList[open].f:=List[open].End-IfElseBeginIfList[close].g+cost+GetH

List[same].fthen(擴展出來的節(jié)點的估價函數(shù)

節(jié)點)BeginList[same].Situation:=NewList[same].Last:=close;List[same].g:=List[close]List[same].h:=GetH(List[oList[same].f:=List[open].End-If;End-Else;End-IfEnd-For;End-While;對A*算法的改進--分階段A*當A*若干個估價函數(shù)值較小的節(jié)點2006-4-2117:35回復4樓dapplehou第三部分搜索與動態(tài)規(guī)劃的結合1位粉絲例1.16面24面35M*N的(1,1)從(1,1)點翻滾到(M,N)點，并且1面向上。分析：這道題目用簡單的搜索很容易發(fā)生超時，特別當M、N較大時。24種(1,1)(2,1)(1,2)任意（I，J）點的狀態(tài)是由（I-1，J）和（I，J-1）點狀態(tài)推導出來的。所以如果規(guī)定棋子只能向上和向右翻滾，則可以用動態(tài)規(guī)劃的方法將到達（M，N）點的所有可能的狀態(tài)推導出來。顯然，從（1，1）到達（N，M）這些狀態(tài)的路徑時最優(yōu)的。如果這些狀態(tài)中有1面向上的，則已求出解。如果沒有，則可以從（M，N）點開始廣度搜索，以（M，N）點的狀態(tài)組作為初始狀態(tài)，每擴展一步時，檢查當前所得的狀態(tài)組是否有狀態(tài)與到達格子的狀態(tài)組中的狀態(tài)相同，如果有，則由動態(tài)規(guī)劃的最優(yōu)性和廣度搜索的最優(yōu)性可以保證已求出最優(yōu)解。例2.給出一個正整數(shù)na出a^n。分析：思路一：這道題從題面上來看非常象一道動態(tài)規(guī)劃題，a^n=a^x1*a^x2。在保證a^x1和a^x2的最優(yōu)性之后，a^n的最優(yōu)性應a^x1與a^x2的乘法過程中可能有一部分的重復，所以在計算a^n時要減去其重復部分。由于重復部分的計算較繁瑣，所以可以將其化為一組展開計算。描述如下：I:=n;(拆分a^n)split[n]:=x1;(分解方案)Used[n]:=True;(在乘法過程中出現(xiàn)的數(shù)字)Repeat(不斷分解數(shù)字)Used[I-split[I]]:=True;Used[split[I]]:=True;Dec(I);While(I＞1)and(notUsed[I])dodec(I);UntilI=1;ForI:=ndownto1do(計算總的乘法次數(shù))IfUsed[I]thencount:=count+1;Result:=count;(返回乘法次數(shù))思路二：通過對思路一的輸出結果的分析可以發(fā)現(xiàn)一個規(guī)律：a^19=a^1*a^18a^18=a^2*a^16a^16=a^8*a^8a^8=a^4*a