人工智能复习
在一阶谓词逻辑中引入了2个量词符号，一个是全称量词符号“”，意思是“所有的”、“任一个”；另一个是存在量词符号“彐”，意思是“至少有一个”、“存在有”。
例如X是一个全称量词，表示“对论域中的所有个体。”，读作“对于所有x”；彐x是一个存在量词，表示“在论域中存在个体X”，读作“存在x”。
全称量词的定义：命题（x）P(x) 为真，当且仅当对论域中的所有x，都有P（x）为真。命题（x）P（x）为假，当且仅当至少存在一个x0∈D，使得P（x0）为假。
存在量词的定义：命题（彐x）P（x）为真，当且仅当至少存在一个x0∈D，使得P（x0）为真。命题(彐x）P（x）为假，当且仅当对论域中的所有x，都有P（x）为假。
例1：用谓词逻辑表示知识“每个人都有一个父亲”
首先定义谓词：PERSON（x）：表示x是人。
HASFATHER(x,y) ：表示x有父亲y。
此时，该知识可用谓词表示为：
( x)(彐y)(PERSON（x）→HASFATHER(x,y)
例2：用谓词逻辑表示知识“所有教师都有自己的学生”
首先定义谓词：
TEACHER（x）：表示x是教师。
STUDENT（y）：表示y是学生。
TEACHES（x，y）：表示x是y的老师。
此时，该知识可用谓词表示为：
( x)(彐y)(TEACHER(x) →TEACHES(x,y) ∧STUDENT(y))
例3：用谓词逻辑表示如下知识：
王宏是计算机系的一名学生。
李明是王宏的同班同学。
凡是计算机系的学生都喜欢编程序。
首先定义谓词：
COMPUTER（x）：表示x是计算机系的学生。
CLASSMA TE（x，y）：表示x是y的同班同学。
LIKE（x，y）：表示x喜欢y。
此时，可用谓词公式把上述知识表示为：
COMPUTER（Wanghong）.
CLASSMATE（Liming，Wanghong）.
（x）（COMPUTER（x) →LIKE(x,programing)).
二，语义网络
语义网络是一种用实体及其语义关系来表达知识的有向图。其中，结点代表实体，表示各种事物、概念、情况、属性、状态、事件、动作等；孤线代表语义关系，表示它所连结的两个实体之间的语义联系。（1）类属关系
A－Kind-of：含义为“是一种”，表示一个事物是另一个事物的一种类型。
A-Member-of：含义为“是一员”，表示一个事物是另一个事物的一个成员。
is－a：含义为“是一个”，表示一个事物是另一个事物的一个实例。
（2）包含关系：Part－of：含义为“是一部分”，表示一个事物是另一个事物的一部分。
（3）属性关系
Have：含义为“有”，表示一个结点具有另一个结点所描述的属性。
Can：含义是“能”、“会”，表示一个结点能做另一个结点的事情
before：含义为“在前”，表示一个事件在另一个事件之前发生。
after：含义为“在后”，表示一个事件在另一个事件之后发生。
（5）位置关系
Located-at：含义为“在”，表示某一物体所在的位置。
Located－on：含义为“在上”，表示某一物体在另一物体之上。
Located-under：含义为“在下”，表示某一物体在另一物体之下。
Located-inside：含义为“在内”，表示某一物体在另一物体之内。
Located－outside：含义为“在外”，表示某一物体在另一物体之外。
（6）相近关系
Similar－to：含义为“相似”，表示某一事物与另一事物相似。
Near－to：含义为“接近”，表示某一事物与另一事物接近。
（7）推论关系
例：用语义网络表示:
动物能运动、会吃。
鸟是一种动物，鸟有翅膀、会飞。
鱼是一种动物，鱼生活在水中、会游泳。
例：用语义网络表示：
王强是理想公司的经理；
理想公司在街道口；
王强28岁。
对于这个问题，其语义网络如下图所示。
如果在上图所示的语义网中再增加如下事实：另有一个王强是理想公司经理聘用的职员,职员王强22岁。
例: 用语义网络表示以下两个简单事实：
李新的自行车是永久牌、蓝色、26型。
王红的自行车是金狮牌、红色、24型。
这两个事实相互独立，但又有一定联系。不管是李新的自行车，还是王红的自行车，都是一辆特定的自行车，属于具体概念。为使该问题的表示更加一般化和便于扩充，可在语义网络中增加“自行车”这个抽象概念，并用自行车1、自行车2分别代表李新和王红的自行车。
二，搜索
1 在图搜索算法中，如果能在搜索的每一步都利用估价函数f（n）=g（n）＋h（n）对Open表中的节点进行排序，则该搜索算法为A算法。由于估价函数中带有问题自身的启发性信息，因此，A算法也被称为启发式搜索算法。
2 上一节讨论的启发式搜索算法，都没有对估价函数f(n)作任何限制。实际上，估价函数对搜索过程是十分重要的，如果选择不当，则有可能找不到问题的解，或者找到的不是问题的最优解。为此，需要对估价函数进行某些限制。A* 算法就是对估价函数加上一些限制后得到的一种启发式搜索算法。
假设f*(n)为从初始节点S0出发，约束经过节点n到达目标节点的最小代价值。估价函数f(n)是f*(n)的估计值。显然，f*（n）应由以下两部分所组成：一部分是从初始节点到节点n的最小代价，记为g*（n）；另一部分是从节点n到目标节点的最小代价，记为h*（n），当问题有多个目标节点时，应取其中代价最小的一个。因此有
f*（n）＝g*（n）＋h*（n）
把估价函数f(n)与f*(n)相比，g（n）是对g*（n）的一个估计，h（n）是对h*（n）的一个估计。在这两个估计中，尽管g（n）的值容易计算，但它不一定就是从初始节点S0到节点n的真正最小代价，很有可能从初始节点S0到节点n的真正最小代价还没有找到，故有g（n）≥g*（n）。
有了g*（n）和h*（n）的定义，如果我们对A算法（全局择优的启发式搜索算法）中的g（n）和h（n）分别提出如下限制：
第一，g（n）是对g*（n）的估计，且g（n）＞0；
第二，h（n）是h*（n）的下界，即对任意节点n均有h（n）≤h*（n）。
则称得到的算法为A* 算法。
例：八数码难题。设问题的初始状态S0和目标状态Sg如前所述，估价函数与上例相同。请用全局择优搜索解决该问题。
解：这个问题的全局择优搜索树如图。在图中，每个节点旁边的数字是该节点的估价函数值。例如，对节点S2，其估价函数值的计算为f（S2）=d（S2）＋W（S2）=1＋3=4
从该图还可以看出，该问题的解为S0→S2 →S7 →S9 →Sg
A* 算法应用举例
例：八数码难题。问题的初始状态和目标状态和前例相同。要求用A* 算法解决该问题。
解：在上例中，我们取h（n）=W（n）。尽管我们对h*（n）不能确切知道，但当采用单位代价时，通过对“不在位”数码个数的估计，可以得出至少要移动W（n）步才能到达目标，显然有W（n）≤h*（n）。因此，前例中所定义的h（n）满足A*算法的限制条件。
这里再取另外一种启发函数h（n）=P（n），P（n）定义为每一个数码与其目标位置之间距离（不考虑夹在其间的数码）的总和，同样可以断定至少要移动P（n）步才能到达目标，因此有P（n）≤h*（n），即满足A*算法的限制条件。其搜索过程所得到的搜索树如下页图所示。在该图中，节点旁边虽然没有标出P（n）的值p，但却标出了估价函数f（n）的f值。对解路径，还给出了各个节点的g*（n）和h*（n）的
g*值和h*值。从这些值还可以看出，最佳路径上的节点都有f*=g*+h*=4。
例：传教士和野人问题。请用A*算法解决该问题。
解：用m表示左岸的传道士人数，c表示左岸的野人数，b表示左岸的船数，用三元组（m，c，b）表示问题的状态。
对A*算法，首先需要确定估价函数。
设g（n）=d（n），h（n）=m＋c－2b，
则有f（n）=g（n）＋h（n）=d（n）＋m＋c－2b
其中，d（n）为节点的深度。通过分析可知h（n）＜h*(n)，满足A*算法的限制条件。M-C 问题的搜索过程如下页图所示。在该图中，每个节点旁边还标出了该节点的h值和f值。
四，归结演绎推理
1．置换（Substitution）
置换可以简单的理解为是在一个谓词公式中用置换项去替换变量。其形式定义如下
定义：置换是形如{t1/x1,t2/x2,……,tn/xn} 的有限集合。其中，t1,t2,…,tn是项；x1,x2,…,xn是互不相同的变元；ti/xi表示用ti置换xi。并且要求ti与xi不能相同，xi不能循环地出现在另一个ti中。
例如: ｛a／x，c／y，f(b)／z｝是一个置换。
但是｛g(y)/x,f(x)/y ｝不是一个置换，原因是它在x与y之间出现了循环置换现象。置换的目的本来是要将某些变元用另外的变元、常量或函数取代，使其不在公式中出现。但在｛g(y)/x,f(x)/y ｝中，它用g(y)置换x，用f(g(y))置换y，并没有消去y。
定义：设θ={t1/x1,t2/x2,……,tn/xn} , λ={u1/y1,u2/y2,……,um/ym}
是两个置换。则θ与λ的合成也是一个置换，记作θ·λ它是从集合
{t1λ/x1,t2 λ/x2,……,tn λ/xn,u1/y1,u2/y2,…,um/ym}
中删去以下两种元素
①当tiλ= xi 时，删去tiλ/ xi （i==1，2，…，n）；
②当yi∈｛x1,x2,…,xn｝时，删去ui／yi（i=1,2,…,m）。
最后剩下的元素所构成的集合。
例：设θ={f(y)/x,z/y}, λ={a/x,b/y,y/z}
求θ与λ的合成。
解：先求出集合
{f(b/y)/x,(y/z)/y,a/x,b/y,y/z} ={f(b)/x,y/y,a/x,b/y,y/z}
其中，f(b)/x中的f(b)是置换λ作用于f(y)的结果；
y/y中的y是置换λ作用于z的结果。在该集合中，y/y满
足定义中的条件①，需要删除；a/x和b/y满足定义中的
条件②，也需要删除。
最后得θ·λ={f(b)/x,y/z}
2 子句集
子句：任何文字的析取式称为子句。
例如，P(x) ∨Q(y)，P(x,f(x)) ∨Q(x,g(x)) 都是子句。
空子句：不包含任何文字的子句称为空子句。由于空子句不含有任何文字，也就不能被任何解释所满足，因此空子句是永假的，不可满足的。空子句一般被记为□或NIL。
子句集：由子句或空子句所构成的集合称为子句集。
子句集的化简
在谓词逻辑中，任何一个谓词公式都可以通过应用等价关系及推理规则化成相应的子句集。其化简步骤如下：
（l）消去连接词“→”和“←→”
反复使用如下等价公式：
P →Q<=> P V Q
P ←→Q<=> (P →Q) ∧(Q →P) <=> (P ∧Q)V( P ∧Q）
即可消去谓词公式中的连接词“→”和“←→”。
（2）减少否定符号的辖域（即把否定符号移到紧靠谓词的位置上）
反复使用双重否定律( P) <==> P
狄·摩根定律（P∨Q）<==> P∧Q （P∧Q）<==> P∨Q
量词转换律( x）P<==>（彐x）P ，（彐x）P<==>（x）P
例如，上步所得公式经本步变换后为
( x)((彐y) P(x,y) ∨(彐y )( Q(x,y) ∧R(x,y)))
（3）对变元标准化
在一个量词的辖域内，把谓词公式中受该量词约束的变元全部用另外一个没有出现过的任意变元代替，使不同量词约束的变元有不同的名字。例如，上步所得公式经本步变换后为( x)((彐y) P(x,y) ∨(彐z )( Q(x,z) ∧R(x,z)))
（4）化为前束范式：化为前束范式的方法是把所有量词都移到公式的左边，并且在移动时不能改变其相对顺序。
例如，上步所得公式化为前束范式后为:
( x) (彐y) (彐z )( P(x,y) ∨( Q(x,z) ∧R(x,z)))
消去存在量词
消去存在量词时，需要区分以下两种情况。
若存在量词不出现在全称量词的辖域内（即它的左边没有全称量词），只要用一个新的个体常量替换受该存在量词约束的变元，就可消去该存在量词。
若存在量词位于一个或多个全称量词的辖域内，例如
( x1)( x2)……( xn)(彐y)P(x1,x2,……,xn,y)
则需要用Skolem函数y=f（x1,x2,……,xn）替换受该存在量词约束的变元，然后再消去该存在量词。（6）化为Skolem标准形
Skolem标准形的一般形式为
( x1)( x2)……( xn)M(x1,x2,……,xn)
其中，M（x1,x2,……,xn）是Skolem标准形的母式，它由子句的合取所构成。
（7）消去全称量词
由于母式中的全部变元均受全称量词的约束，并且全称量词的次序已无关紧要，因此可以省掉全称量词。但剩下的母式，仍假设其变元是被全称量词量化的。
（8）消去合取词
在母式中消去所有合取词，把母式用子句集的形式表示出来。其中，子句集中的每一个元素都是一个子句。
（9）更换变元名称
对子句集中的某些变元重新命名，使任意两个子句中不出现相同的变元名。由于每一个子句都对应着母式中的一个合取元，并且所有变元都是由全称量词量化的，因此任意两个相同子句的变元之间实际上不存在任何关系。这样，更换变元名是不会影响公式的真值的。
3 归结式的定义及性质
定义2：设C1和C2是子句集中的任意两个子句，如果C1中的文字L1与C2中的文字L2互补，那么可从C1和C2中分别消去L1和L2，并将C1和C2中余下的部分按析取关系构成一个新的子句C12。则称这一过程为归结，称C12为C1和C2的归结式，称C1和C2为C12的亲本子句。
命题逻辑的归结反演
归结原理给出了证明子句集不可满足性的方法。
若假设F为已知的前提条件，G为欲证明的结论，且F和G都是公式集的形式。根据前节提到的反证法：“G为F的逻辑结论，当且仅当F∧￢G是不可满足”，可把已知F证明G为真的问题，转化为证明F∧￢G为不可满足的问题。再根据定理1，在不可满足的意义上，公式集F∧￢G与其子句集是等价的，又可把F∧￢G在公式集上的不可满足问题，转化为子句集上的不可满足问题。这样，就可用归结原理来进行定理的自动证明。
应用归结原理证明定理的过程称为归结反演。在命题逻辑中，已知F，证明G为真的归结反演过程如下：
①否定目标公式G，得￢G；
②把￢G并入到公式集F中，得到｛F，￢G｝；
③把｛F，￢G｝化为子句集S；
④应用归结原理对子句集S中的子句进行归结，并把每次得到的归结式并入S中。如此反复进行，若出现空子句，则停止归结，此时就证明了G为真。
例4：设已知的公式集为
｛P，（P∧Q）→R，（S∨T）→Q，T｝，求证结论R。
解：假设结论R为假，即￢R为真，将￢R加入公式集，并化为子句集
S= ｛P，￢P∨￢Q∨R，￢S∨Q，￢T∨Q ，T ，￢R ｝
其归结过程如右图的归结演绎树所示。在该树中，由于根部出现空子句，因此命题R得到证明。
例10 已知
F：( x)((彐y)(A(x,y) ∧B(y)) →(彐y) (C(y) ∧D(x,y)))
G：￢(彐x) C(x) →( x)( y)(A(x,y) →￢B(y))
求证：G是F的逻辑结论。
证明：先把G否定，并放入F中，得到的｛F，￢G｝为:
{ ( x)((彐y)(A(x,y) ∧B(y)) →(彐y) (C(y) ∧D (x,y))),
￢( ￢(彐x) C(x) →( x)( y)(A(x,y) →￢B(y)) )}
再把｛F，￢G｝化成于句集，得到
（1）￢A（x，y）∨￢B（y）∨C（f（x））
（2）￢A（u，v）∨￢B（v）∨D（u，f（u））
（3）￢C（z）
（4）A（m，n）
（5）B（k）
其中(1)、(2)是由F化出的2个子句，(3)、(4)、(5)是由￢G化出的3个子句。
最后应用谓词逻辑的归结原理，对上述子句集进行归结，其过程为
（6）￢A（x，y）∨￢B（y）由（1）和（3）归结，取σ=｛f（x）／z ｝
（7）￢B（n）由（4）和（6）归结，取σ= ｛m／x，n／y ｝
（8）NIL 由（5）和（7）归结，取σ= ｛k／n ｝
例11：“快乐学生”问题。
假设：任何通过计算机考试并获奖的人都是快乐的，任何肯学习或幸运的人都可以通过所有考试，张不肯学习但他是幸运的，任何幸运的人都能获奖。
求证：张是快乐的。
解：先将问题用谓词表示如下：
“任何通过计算机考试并获奖的人都是快乐的”
（x）(Pass(x，computer)∧Win(x,prize) →Happy(x))
“任何肯学习或幸运的人都可以通过所有考试”
（x）（y）(Study(x) ∨Lucky(x) →Pass(x，y) )
“张不肯学习但他是幸运的”
￢Study(zhang)∧Lucky(zhang)
“任何幸运的人都能获奖”
（x）(Lucky(x) →Win(x,prize)
结论“张是快乐的”的否定
￢Happy（zhang）
将上述谓词公式转化为子句集如下：
（1）┐Pass（x，computer）∨┐Win（x，prize）∨Happy（x）
（2）┐Study（y）∨Pass（y，z）（3）┐Lucky（u）∨Pass（u，v）
（4）┐Study（zhang）（5）Lucky（zhang）
（6）┐Lucky（w）∨Win（w，prize) （7）┐Happy（zhang）（本子句为结论的否定）按谓词逻辑的归结原理对此子句集进行归结，其归结反演过程如下页图所示。由于归结出了空子句，这就证明了张是快乐的。
线性输入策略
这种策略要求每次参加归结的两个亲本子句中，至少应该有一个是初始子句集中的子句。所谓初始子句集是指开始归结时所使用的子句集。
例：设有如下子句集S={┐I（x）∨R（x），I（a），┐R（y）∨L（y），┐L（a）｝
用线性输入策略证明S为不可满足。
证明：从S出发，其归结过程如下图所示。
祖先过滤策略
这种策略与线性输入策略有点相似，但是，放宽了对子句的限制。每次参加归结的两个亲本子句，只要满足以下两个条件中的任意一个就可进行归结：
（l）两个亲本子句中至少有一个是初始子句集中的子句；
（2）如果两个亲本子句都不是初始子句集中的子句，则一个子句应该是另一个子句的先辈子句。所谓一个子句C1是另一个子句C2的先辈子句是指C2是由C1与别的于句归结后得到的归结式。
例：设有如下子句集：
S=｛┐Q（x）∨┐P（x），Q（y）∨┐P（y），┐Q（w）∨P（w），Q（a）∨P（a）｝
用祖先过滤策略证明S为不可满足。
证明：从S出发，按祖先过滤策略归结过程如下图所示。
用归结反演求取问题的答案
归结原理除了可用于定理证明外，还可用来求取问题答案，其思想与定理证明相似。下面给出求取问题答案的一般步骤：
（l）把问题的已知条件用谓词公式表示出来，并化为相应的子句集；
（2）把问题的目标的否定用谓词公式表示出来，并化为子句集；
（3）对目标否定子句集中的每个子句，构造该子句的重言式（即把该目标否定子句和此目标否定子句的否定之间再进行析取所得到的子句），用这些重言式代替相应的目标否定子句式，并把这些重言式加入到前提子句集中，得到一个新的子句集；
（4）对这个新的子句集，应用归结原理求出其证明树，这时证明树的根子句不为空，称这个证明树为修改证明树；
（5）用修改证明树的根子句作为回答语句，则答案就在此根子句中。
例：已知：张和李是同班同学，如果x和y是同班同学，则x的教室也是y的教室，现在张在3O2教室上课。
问：现在李在哪里上课？
解：首先定义谓词：C(x,y) ：x和y是同班同学；
At（x，u）：x在u教室上课。
把已知前提用谓词公式表示如下：
C(zhang,li); At（zhang,3O2）
( x)( y) (C(x,y) ∧At(x,u) →At(y,u))
把目标的否定用谓词公式表示如下：┐（彐v）At(li,v)
把上述公式化为子句集：
{C(zhang,li), At（zhang,3O2）, ┐C(x,y) ∨┐At(x,u) ∨At(y,u)}
把目标的否定化成子句式，并用重言式┐At（li，v）∨At（li，v）
代替之。并利用Skolem函数消去存在量词。
把此重言式加入前提子句集中，得到一个新的子句集，对这个新的子句集，应用归结原理求出其证明树。其求解过程如下图所示。该证明树的根子句就是所求的答案，即“李在3O2教室”。
五，不确定性推理
1 在C－F模型中，知识是用产生式规则表示的，其一般形式为：
IF E THEN H （CF（H,E））
组合证据不确定性的计算
对证据的组合形式可分为“合取”与“析取”两种基本情况。当组合证据是多个单一证据的合取时，即E ＝E1 AND E2 AND … AND En时，若已知CF（E1)，CF（E2），…，CF（En），则CF（E）＝min｛CF（E1），CF（E2），…，CF（En）｝
当组合证据是多个单一证据的析取时，即E＝E1 OR E2 OR … OR En
时，若已知CF（E1），CF（E2），…，CF（En），则
CF（E）=max｛CF（E1），CF（E2），…，CF（E n）｝
CF（H）=CF（H，E）* max{ 0,CF（E）}
结论不确定性的合成
设有如下知识：
IF E1 THEN H （CF（H，E1 ）
IF E2 THEN H （CF（H，E2 ）
则结论H 的综合可信度可分以下两步计算；
（1）分别对每条知识求出其CF（H）。即
CF1（H）= CF（H，E1）* max｛O，CF（E1）｝
CF2（H）= CF（H，E2）* max｛0，CF（E2）｝
（2）用如下公式求E1与E2对H的综合可信度
CF1(H)+CF2(H)-CF1(H)*CF2(H) ,若CF1≥0,CF2≥0
CF1(H)+CF2(H)+CF1(H)*CF2(H) ,若CF1<0,CF2<0
CF(H)= CF1(H)+CF2(H)
1-min{|CF1(H)|,|CF2(H)|} ,若CF1,CF2异号
例2 设有如下一组知识：
r1：IF E1 THEN H (0.9)
r2：IF E2 THEN H (0.6)
r3：IF E3 THEN H (-0.5)
r4：IF E4 AND (E5 OR E6) THEN E1 (0.8)
已知：CF（E2）=0.8，CF（E3）=0.6，CF（E4）=0.5，
CF（E5）=0.6，CF（E6）=0.8
求：CF（H）=?
解：CF(E1)=0.8*max(0,min(0.5,max(0.6,0.8)))=0.4
CF1(H)=0.9*0.4=0.36
CF2(H)=0.6*0.8=0.48
CF12(H)=0.36+0.48-0.36*0.48=0.67
CF3(H)=-0.5*0.6=-0.30
CF123(H)=(0.67-0.3)/(1-min(0.67,0.3)) =0.37/0.7=0.53
带加权因子的可信度推理
在这种不确定性推理中，证据的不确定性仍然用可信度因子表示，组合证据的可信度可通过计算得到。对于前提条件
E=E1(ω1) AND E2(ω2) AND …… AND En(ωn)
所对应的组合证据，其可信度由下式计算：
CF(E)= CF(E1)*ω1 +CF(E2)*ω2+……+CF(En)*ωn
如果不满足归一条件，则可信度由下式计算：
CF(E)= (CF(E1)*ω1 +CF(E2)*ω2+……+CF(En)*ωn)/(ω1+ ω2+…ωn)
例3 设有如下知识：
r1：IF E1（0.6）AND E2（0.4）THEN E5 （0.8）
r2：IF E3（0.5）AND E4（0.3）AND E5（0.2）THEN H（0.9）
已知：CF（E1）=0.9，CF（E2）=0.8，CF（E3）=0.7，CF（E4）=0.6
求：CF（H）=?
解：CF(E1 AND E2)=0.9*0.6+0.8*0.4=0.86
CF(E5)=0.86*0.8=0.69
CF(E3 AND E4 AND E5)=0.7*0.5+0.6*0.3+0.69*0.2=0.67
CF(H)=0.67*0.9=0.60
主观Bayes方法
在主观Bayes方法中，知识是用产生式表示的，其形式为
IF E THEN （LS，LN）H
几率函数:
O（H／E）＝LS * O（H）（5.3）
O（H／┐E）＝LN * O（H）
由C（E／S）求P（E／S）的解析表达式为:
C(E/S)+P(E)*(5-C(E/S))
----------------------- 0≦C(E/S) ≦5 (5.7)
5
P(E/S)=
P(E)*(5+C(E/S))
----------------------- -5≦C(E/S) ﹤0 (5.8)
5
组合证据不确定性的计算
E＝E1 AND E2 AND… AND En
如果已知在当前观察S下，每个单一证据Ei有概率P（E1／S），P（E2／S），…，P（En／S），则P（E／S）=min{ P（E1／S），P（E2／S），…，P（En／S）｝
当组合证据是多个单一证据的析取时，即
E＝E1 OR E2 OR… OR En
如果已知在当前观察S下，每个单一证据Ei有概率P（E1／S），P（E2／S），…，P（En／S），则P（E／S）=max{ P（E1／S），P（E2／S），…，P（En／S）｝
EH公式。
P(H)-P(H/ ﹁E)
P(H/﹁E)+ ----------------- * P(E/S) ,0≤P(E/S) P(E) P(H/S)= P(H/E)-P(H) P(H)+ ----------------- * [P(E/S)-P(E)] ,P(E)≤P(E/S)<1 1-P(E) CP公式 P(H/┓E)+[P(H)-P(H/┓E)]*[1/5*C(E/S)+1] 当C(E/S) ≦0 P(H/S)= P(H)+[P(H/E)-P(H)]*1/5*C(E/S) 当C(E/S) ﹥0 结论不确定性的合成 O（H／S1）O（H／S2）O（H／Sn） O（H／S1,S2,……,Sn)= --------- * ---------- * ……… * ---------- * O（H） O（H）O（H）O（H） 例4 如果有规则 r1：IF E1 THEN（2，0.0O01）H1 r2：IF E1 AND E2 THEN（1OO，0.0001）H1 r3：IF H1 THEN（2O0，O.01）H2 已知：专家给出：O（H1）=0.1，O（H2）=0.01 用户回答：C（E1／S1）=2，C（E2／S2）=1 求：O（H2／S1，S2）=？ 解：由已知知识得到的推理网络如图所示。 （1）计算O（H1/S1）┓ P(H1)=O(H1)/(1+O(H1))=0.1/(1+0.1)=0.091 P(H1/E1)= O(H1/E1)/(1+O(H1/E1))=(LS* O(H1))/(1+LS * O(H1))=0.167 因为C（E1/S1）=2>0 ,因此用CP公式后半部分计算P（H1／S1） P（H1/S1）= P(H1)+[P(H1/E1)-P(H1)]*1/5*C(E1/S1)=0.091+[0.167-0.091]*0.2*2=0.121 O(H1/S1)= P（H1/S1）/(1- P（H1/S1）)=0.121/(1-0.121)=0.138 （2）计算O（H1/(S1 and S2)） 由于r2的前件是E1、E2的合取，且已知C（E1／S1）=2，C（E2／S2）=1 ∵O ＜C(E2/S2）＜C（E1/S1） ∴P（E2／S2）＜P（E1／S1） 当前件为多个证据的合取时，按照取最小的原则，这里可只考虑E2的影响。即把计算O(H1/(S1 and S2))的问题转化为计算O(H1/S2)的问题。P(H1/E2)=O(H1/E2)/(1+O(H1/E2))=100*0.1/(1+100*0.1)=10/11=0.909 ∵C（E2/S2）=l＞0 ∴使用CP公式的后半部分计算P（H1/S2） P(H1/S2)=P(H1)+[P(H1/E2)-P(H1)]*1/5*C(E2/S2)=0.091+(0.909-0.091)*0.2=0.255 O(H1/S2)=0.255/(1-0.255)=0.341 （3）计算O(H1/S1,S2) O(H1/S1,S2)= O(H1/S1)/ O(H1)* O(H1/S2) =0.138*0.341/0.1=0.471 （4）计算O（H2／S1，S2） 对r3，H1就相当于E。现已知O（H1）和O（H1/S1,S2），为了确定应该选用EH公式的哪一部分，需要判断P（H1）与P（H1／S1，S2）的大小关系。 ∵O（H1/S1,S2）=0.471, O（H1）=0.1 ∴O（H1/S1,S2）﹥O（H1） 应该选用EH公式的后半部分，即 P(H2/S1,S2)=P(H2)+[P(H1/S1,S2)-P(H1)]/[1-P(H1)]*[P(H2/H1)-P(H2)] O(H2/S1,S2)=0.176/(1-0.176)=0.214 人工智能 第一章 1、智能（intelligence ）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。 2、人工智能（学科） 人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 3、人工智能（能力） 人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。 5、人工智能的主要学派： 符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。代表人物有纽厄尔、肖、西蒙和尼尔逊等。 连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。 6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图 人类 计算机 认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 7、人工智能研究目标为： 1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。 xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标 状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的 一、填空: 1.人工智能的研究途径有心理模拟、生理模拟与行为模拟。 2.任意列举人工智能的四个应用性领域智能控制、智能管理、智能决策、智能仿真。 3.人工智能的基本技术包括表示、运算、搜索归纳技术、联想技术。 4.谓词逻辑就是一种表达能力很强的形式语言,其真值的特点与命题逻辑的区别就是(10)。 5.谓词逻辑中,重言式(tautlogy)的值就是(11) 。 6.设P就是谓词公式,对于P的任何论域,存在P为真的情况,则称P为(12)。 7.在著名的医疗专家系统MYCIN中规定,若证据A的可信度CF(A)=0,则意味着 13 ,CF(A)=-1, 则意味着(14),CF(A)=1,则意味着(15)。 8.谓词公式G就是不可满足的,当且仅当对所有的解释(16)。 9.谓词公式与其子句集的关系就是 (17)。 10.利用归结原理证明定理时,若得到的归结式为(18),则结论成立。 11.若C1=┐P∨Q,C2=P∨┐Q,则C1与C2的归结式R(C1,C2)= (19)。 12.若C1=P(x) ∨Q(x),C2=┐P(a) ∨R(y),则C1与C2的归结式R(C1,C2)= (20) 。 13.有谓词公式G,置换δ,则G·ε= (21) ,δ·ε= (22) 。 14.有子句集S=｛P(x),P(y)｝,其MGU= (23) 。 15.在归结原理中,几种常见的归结策略并且具有完备性的就是 (24), (25) , (26)。 16.状态图启发式搜索算法的特点就是 (27)。 17.广度优先搜索算法中,OPEN表的数据结构实际就是一个 (28),深度优先搜索算法中,OPEN表 的数据结构实际就是一个 (29) 。 18.产生式系统有三部分组成 (30), (31) 与推理机。其中推理可分为 (32) 与 (33)。 19.专家系统的结构包含人机界面、 (34) , (35) , (36) , (37) 与解释模块。 20.在MYCIN推理中,对证据的可信度CF(A)、CF(A1)、CF(A2)之间,规定如下关系:CF(~A)= (38) ,CF(A1∧A2 )= (39) ,CF(A1∨A2 )= (40) 。 21.开发专家系统所要解决的基本问题有三个,那就就是知识的获取、知识的表示与(41),知识表 示的方法主要有 (42) , (43) , (44) 与语义网络等,在语义网络表示知识时,所使用的推理方法有 (45) 与 (46) 。 22.MYCIN系统中使用不确定推理,规则A→B由专家指定其可信度CF(B,A),若A真支持B真,则指 定CF(B,A)(与零比较)应 (47) ;若A真不支持B真,则指定CF(B,A)应 (48) 。 23.机器学习的含义就是 (49) 。 24.自然语言理解不仅包括计算机能正确理解人们用自然语言输入的信息,能正确回答输入信息 中的有关问题,而且还包括 (50) 、 (51) 、 (52) 。 25.设U={a,b,c,d},A={a,b},B={a,b,c},m(A)=0、6,m(U)=0、4,U的其它子集的基本概率分配函 数m值均为0,则Bel(A)= (53) ,Bel(B)= (54) 。 26.证据理论中集合A的信任区间为[1,1],则其语意解释为 (55) 。 27.人工智能三大学派就是。 28.化成子句形式为: 。 人工智能 第一章 1智能（intelligenee ）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。 2、人工智能（学科） 人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器 的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 3、人工智能（能力） 人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及 学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。 5、人工智能的主要学派： 符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。代表人物有纽厄尔、肖、西蒙和尼尔逊等。 连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知一动作模式控制系统。 6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图 图：人类认知活动与计算机的比 认知活动的最高层—处理，最低层级是生理过程，即 中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程 序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 7、人工智能研究目标为： 1更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。 2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。 一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。两者具有不可 分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的 基础，并增强人们实现远期目标的信心。另一方面，远期目标则为近期目标指明了方向，强 化了近期研究目标的战略地位。 8、人工智能研究的基本内容：（1）认知建模；（2）知识表示；（3）知识推理；（4）知识应 人工智能复习题 注意的句子： 1、PROLOG程序一般由一组事实、规则和问题组成。问题是程序执行的起点,称为程序的目标。PROLOG就是一种基于Horn子句的逻辑程序。 PROLOG程序的执行过程是一个(归结)演绎推理过程。其特点是：推理方式为反向推理,控制策略是深度优先,且有回溯机制。 2、遗传算法中有三种关于染色体的运算:选择-复制、交叉和变异,这三种运算被称为遗传操作或遗传算子(genetic operator)。 3、例5.7求下面谓词公式的子句集（看书本） x{yP(x,y)→y［Q(x,y)→R(x,y)］} 解 由步(1)得x{乛yP(x,y)∨乛y［Q(x,y)∨R(x,y)］} 由步(2)得x{yP(x,y)∨y［Q(x,y)∧乛R(x,y)］} 由步(3)得x{yP(x,y)∨z［Q(x,z)∧乛R(x,z)］} 由步(4)得x{乛P(x,f(x))∨［Q(x,g(x))∧乛R(x,g(x))］} 由步(5)得乛P(x,f(x))∨［Q(x,g(x))∧乛R(x,g(x))］ 由步(6)得［乛P(x,f(x))∨Q(x,g(x))］∧［乛P(x,f(x))∨乛R(x,g(x))］ 由步(7)得［乛P(x,f(x))∨Q(x,g(x))］∧［乛P(y,f(y))∨乛R(y,g(y))］ 由步(8)得{乛P(x,f(x))∨Q(x,g(x)),乛P(y,f(y))∨乛R(y,g(y))} 或 乛P(x,f(x))∨Q(x,g(x)) 乛P(y,f(y))∨R(y,g(y)) 为原谓词公式的子句集。 4、几种常用的归结策略 1.删除策略2支持集策略。 5贝叶斯全概率公式。 6、机器学习按照是否需要对学习的数据进行标记可分为有监督的机器学习方法和无监督的机器学习算法，其中人工神经网络，SVM是有监督的学习算法，聚类算法是无监督的学习算法。 一、选择 1、比起极小--极大法来，α-β剪枝法增大了找不到最佳走步的危险性，但其效率较高。 A对 B错 2、在A算法中，满足单调条件的h必然满足A*算法的条件。 A对 B错 3、设有机器人走迷宫问题，其入口坐标为(x0,y0)，出口坐标为(xt,yt)，当前机器人位置为(x,y)，若定义，当从入口到出口存在通路时，用A算法求解该问题，定能找到从入口到出口的最佳路径。 A对 B错 答案：B A A 一、【单项选择题】(本大题共5小题，每小题2分，共10分)在每小题列出的四个选项中只有一个选项是符合题目要求的，请将正确选项前的字母填在答题卷相应题号处。 1、AI的英文缩写是（B）。 [A]Automatic Intelligence[B]Artificial Intelligence 一、单选题 1. 人工智能的目的是让机器能够（ D ），以实现某些脑力劳动的机械化。 A. 具有完全的智能 B. 和人脑一样考虑问题 C.完全代替人 D. 模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（ C ）o A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B. 人工智能是科学技术发展的趋势。 C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目 标。 A. 理解别人讲的话。 B. 对自然语言表示的信息进行分析概括或编辑。 C.欣赏音乐。 D.机器翻译。 4. 下列不是知识表示法的是（）o A. 计算机表示法 B. 谓词表示法 C.框架表示法 D. 产生式规则表示法 5. 关于“与/或”图表示知识的叙述，错误的有（D ）o A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。 B. “与/或”图表示知识时一定同时有“与节点”和“或节点” ° C. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲，下列语言属于人工智能语言的是（D ）° A. VJ B. C# C. Foxpro D. LISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C ）的过程° A. 思考 B. 回溯 C. 推理 D. 递归 8. 确定性知识是指（A ）知识° A. 可以精确表示的 B. 正确的 C.在大学中学到的知识 D. 能够解决问题的 9. 下列关于不精确推理过程的叙述错误的是（B ）° A. 不精确推理过程是从不确定的事实出发 B. 不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论 一、判断题(每题2分) 1.智慧养老从老年人本身出发，能够满足老年人不同层面的需求。 正确 错误 2.智慧养老应把服务需求和供给有效结合，为服务平台提供了生长空间。 正确 错误 3.根据《大数据在医疗领域的应用》，当今时代信息技术进一步推动了经济的增长和社会的发展，推动了知识传播应用进程的变化。 正确 错误 4.大数据需要云计算，大数据就等于云计算建设。 正确 错误 5.“互联网+”医疗服务体系鼓励医疗机构应用互联网等信息技术拓展医疗服 务空间和容，构建一体化医疗服务体系。 正确 错误 6.2016年9月，国务院印发《促进大数据发展行动纲要》，10月，十八届六中全会将大数据上升为国家战略。 正确 错误 7.大数据时代要求架构云化，这对网络安全没有威胁。 正确 错误 8.大数据应用很大程度上是沙里淘金、废品利用、大海捞鱼。 正确 错误 9.Hadoop分布式文件系统被设计成合适运行在通用硬件（commodity hardware）上的集中式文件系统。 正确 错误 10.医疗大数据主要来源于制药企业、临床数据、社保基金利用率和患者的数据。正确 错误 11.美国在人工智能方面取得了较好的成果。 正确 错误 12.人工智能在国际关系方面提出了新要求和挑战。 正确 错误 13.GDPR是人工智能在隐私保护方面典型法律之一。 正确 错误 14.国第四次工业革命在举行的第四次会议上，通过了人工智能研发战略。 正确 错误 15.1978年，全国科学大会在召开，钱学森发表了“科学技术是生产力”的重要讲话。 正确 错误 16.人工智能在医疗领域还存在一些问题。 正确 错误 17.对于在医疗领域的AI，我国应提出加大推动创新人工智能应用评估和保障机制、加大政策扶持力度等建议。 正确 错误 18.中国学者的研究影响力超过了美国，但人工智能领域的论文数量方面尚不及美国和英国同行。 正确 错误 19.加强人工智能相关法律、伦理和社会问题研究，建立保障人工智能健康发展的法律法规和伦理道德框架。 正确 错误 20.2016年9月开始，微软的技术与研发部门和人工智能(AI)研究部门相互分离，各司其职。 正确 错误 二、单项选择(每题2分) 21.社区老年服务集成平台的作用包括：创新作用、（）、提供改进意见、及时发现风险。 A.预测作用 B.监控作用 C.教育作用 D.指引作用 22.《关于促进“互联网+医疗健康”发展的意见》强调不成熟的部分要结合成熟部分（）发展。 A.大力 B.部分 C.有条件 D.鼓励 23.提高医院管理和便民服务水平要坚持：提高服务水平，推广（）。 A.便捷化服务 B.信息化服务 C.“智慧化药房” D.智能化药房 一、选择题 1.被誉为“人工智能之父”的科学家是（C ）。 A. 明斯基 B. 图灵 C. 麦卡锡 D. 冯.诺依曼 2. AI的英文缩写是( B ) A. Automatic Intelligence B. Artificial Intelligence C. Automatic Information D. Artificial Information 3. 下列那个不是子句的特点（D） A.子句间是没有合取词的(∧) B子句通过合取词连接句子(∧) C子句中可以有析取词(∨) D子句间是没有析取词的(∨) 4. 下列不是命题的是（C ）。 A.我上人工智能课 B. 存在最大素数 C.请勿随地大小便 D. 这次考试我得了101分 5. 搜索分为盲目搜索和（A） A启发式搜索B模糊搜索 C精确搜索D大数据搜索 6. 从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论的推理是（B） A. 归结推理 B. 演绎推理 C. 默认推理 D. 单调推理 7. 下面不属于人工智能研究基本内容的是（C ） A. 机器感知 B. 机器学习 C. 自动化 D. 机器思维 8.S={P∨Q∨R, ┑Q∨R, Q, ┑R}其中, P 是纯文字，因此可将子句（A）从S中删去 A. P∨Q∨R B. ┑Q∨R C. Q D.┑R 9. 下列不属于框架中设置的常见槽的是（B ）。 A. ISA槽 B. if-then槽 C. AKO槽 D. Instance槽 10. 常见的语意网络有（D ）。 A. A-Member-of联系 B. Composed–of联系 C. have 联系 D. 以上全是 1.在深度优先搜索策略中，open表是（B ）的数据结构 A.先进先出 B.先进后出 C. 根据估价函数值重排 D.随机出 2.归纳推理是（B ）的推理 A. 从一般到个别 B. 从个别到一般 C. 从个别到个别 D. 从一般到一般 3. 要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（B ） 人工智能考试复习文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688] 人工智能 第一章 1、智能（intelligence）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。 2、人工智能（学科） 人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 3、人工智能（能力） 人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。 5、人工智能的主要学派： 符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。代表人物有纽厄尔、肖、西蒙和尼尔逊等。 连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。 6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图 人类 计算机 认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 7、人工智能研究目标为： 1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。 2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。 一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目 初级信息处 名词解释： 1状态空间法 状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直到达到目标状态为止。由于状态空间法需要扩展过多的节点，容易出现“组合爆炸”，因而只适用于表示比较简单的问题。 2问题归约法 问题归约法从目标(要解决的问题)出发，逆向推理，通过一系列变换把初始问题变换为子问题集合和子子问题集合，直至最后归约为一个平凡的本原问题集合。这些本原问题的解可以直接得到从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。 3有序搜索 应用某个算法(例如等代价法)选择OPEN表上具有最小f值的节点作为下一个要扩展的节点, 这种搜索方法叫做有序搜索或最佳优先搜索, 其算法就叫做有序搜索算法或最佳优先算法. 实质：选择OPEN表上具有最小f值的节点（即最有希望的节点）作为下一个要扩展的节点。 4可解节点 可解节点：与或图中一个可解节点的一般定义可以归纳如下： 1、终叶节点是可解节点(因为它们与本原问题相关连)。 2、如果某个非终叶节点含有或后继节点，那么只有当其后继节点至少有一个是可解的时，此非终叶节点才是可解的。 3、如果某个非终叶节点含有与后继节点，那么只要当其后继节点全部为可解时，此非终叶节点才是可解的。 5不可解节点 不可解节点的一般定义 没有后裔的非终叶节点为不可解节点。 如果某个非终叶节点含有或后继节点,那么只有当其全部后裔为不可解时,此非终叶节点才是不可解的。 如果某个非终叶节点含有与后继节点，那么只要当其后裔至少有一个为不可解时,此非终叶节点才是不可解的。 6规则正向演绎系统 正向规则演绎系统是从事实到目标进行操作的，即从状况条件到动作进行推理的，也就是从if到then的方向进行推理的。 7规则逆向演绎系统 逆向规则演绎系统是从then向if进行推理,即从目标或动作向事实或状况条件进行的推理。 8等代价搜索 是宽度优先搜索的一种推广，不是沿着等长度路径断层进行扩展，而是沿着等代价路径断层进行扩展，寻找从起始状态至目标状态的具有最小代价的路径问题。搜索树中每条连接弧线上的有关代价，表示时间、距离等花费。 一：单选题 1. 人工智能的目的是让机器能够（D），以实现某些脑力劳动的机械化。 A. 具有完全的智能 B. 和人脑一样考虑问题 C. 完全代替人 D. 模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（C）。 A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。 B. 人工智能是科学技术发展的趋势。 C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目标。 A. 理解别人讲的话。 B. 对自然语言表示的信息进行分析概括或编辑。 C. 欣赏音乐。 D. 机器翻译。 4. 下列不是知识表示法的是（A）。 A. 计算机表示法 B. 谓词表示法 C. 框架表示法 D. 产生式规则表示法 5. 关于“与/或”图表示知识的叙述，错误的有（D）。 A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。 B. “与/或”图表示知识时一定同时有“与结点”和“或结点”。 C. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲，下列语言属于人工智能语言的是（D）。 A. VJ B. C# C. Foxpro D. LISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C）的过程。 A. 思考 B. 回溯 C. 推理 D. 递归 8. 确定性知识是指（A）知识。 A. 可以精确表示的 B. 正确的 C. 在大学中学到的知识 D. 能够解决问题的 9. 下列关于不精确推理过程的叙述错误的是（B）。 A. 不精确推理过程是从不确定的事实出发 B. 不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论 10. 我国学者吴文俊院士在人工智能的（A）领域作出了贡献。 A. 机器证明 B. 模式识别 C. 人工神经网络 D. 智能代理 第三章约束推理 约束的定义：一个约束通常是指一个包含若干变量的关系表达式，用以表示这些变量所必须满足的条件。 贪心算法：贪心法把构造可行解的工作分阶段来完成。在各个阶段，选择那些在某些意义下是局部最优的方案，期望各阶段的局部最优的选择带来整体最优。 回溯算法：有些问题需要彻底的搜索才能解决问题，然而，彻底的搜索要以大量的运算时间为代价，对于这种情况可以通过回溯法来去掉一 些分支，从而大大减少搜索的次数 第四章定性推理 定性推理的定义是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关 第六章贝叶斯网络 贝叶斯网络的定义： 贝叶斯网络是表示变量间概率依赖关系的有向无环图，这里每个节点表示领域变量，每条边表示变量间的概率依赖关系，同时对每个节点都对应着一个条件概率分布表(CPT) ，指明了该变量与父节点之间概率依赖的数量关系。 条件概率：条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。 贝叶斯概率：先验概率、后验概率、联合概率、全概率公式、贝叶斯公式 先验概率： 先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率，该类概率没能经过实验证实，属于检验前的概率，所以称之为先验概率 后验概率： 后验概率一般是指利用贝叶斯公式，结合调查等方式获取了新的附加信息，对先验概率进行修正后得到的更符合实际的概率 联合概率： 联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称之为交事件的概率。 贝叶斯问题的求解步骤 定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断 贝叶斯网络的构建 为了建立贝叶斯网络，第一步，必须确定为建立模型有关的变量及其解释。为此，需要：(1)确定模型的目标，即确定问题相关的解释；(2)确定与问题有关的许多可能的观测值，并确定其中值得建立模型的子集；(3)将这些观测值组织成互不相容的而且穷尽所有状态的变量。这样做的结果不是唯一的。第二步，建立一个表示条件独立断言的有向无环图第三步指派局部概率分布 p（xi|Pai）。在离散的情形，需要为每一个变量 Xi 的各个父节 点的状态指派一个分布。 第七章归纳学习 归纳学习是符号学习中研究得最为广泛的一种方法。给定关于某个概念的一系列已知的 正例和反例，其任务是从中归纳出一个一般的概念描述。 归纳学习能够获得新的概念，创立新的规则，发现新的理论。它的一般的操作是泛化和特化泛化用来扩展一假设的语义信息，以使其能够包含更多的正例， 一、判断题侮题2分） 1?信息化社会的显著特征是计算机、互联网、物联网技术发展，人工智能技术进步。 刁正确 错误 2. 智慧社区指标体系涉及保障体系、基础设施与建筑结构、社区治理与公共服务、市场管理、便民服务和主题社区等六个领域。 正确 *错误 3. 智慧社区信息服务平台的作用比较全面，为生活带来更多便利。 -正确 错误 4?由服务业主导向工业主导转型是发展智慧养老的原因之一。 正确 *错误 5. 从老龄研究的角度，智慧养老能够解决根本性的问题。 c正确 *错误 6. 目前在我国，收集到的老年人在生活自理能力服务需求方面的数据，都是掌握在不同的部门手里，没有能够实现数据的共享，信息孤岛的情况严重。 *正确 错误 7. 智慧养老绩效评估的建立可以有效地提高老年人在获取服务方面的便利性和准确性。 -正确 错误 8. 根据《大数据在医疗领域的应用》，当今时代信息技术进一步推动了经济的增长和社会的发展，推动了知识传播应用进程的变化。 正确 9?当前社会中，最为突出的大数据环境是物联网。 正确 *错误 10?大数据等于传统的数据库建设、传统的普查、数据中心建设、云计算建设。 正确 *错误 11. 互联网+”行动将重点促进以移动互联网、云计算、物联网、大数据等与现代制造业相结合。 刁正确 12. 沃尔玛的尿布啤酒效应体现了大数据时代的关联性。 正确 错误 13. 以大数据来促进我们健康管理的个性化和多元化。 *正确 错误 14?医疗大数据主要来源于制药企业、临床数据、社保基金利用率和患者的数据。‘正确 错误 15.2015年9月，德国通过自动与互联汽车”国家战略。 -正确 错误 16我国目前已经明确了隐私内容条目。 邑正确 错误 17. 在中国，人工智能已被纳入国家科研计划 一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D） 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制和元知识D)关系 11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D).诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空1.5分，共30分) 1、不确定性类型按性质分：，， ，。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2 ）=、 CF（A1∨A2 ）= 4、图：指由和组成的网络。按连接同一节点的各边的逻辑关系又可分为 人工智能复习参考（2015工程硕士） 第1章绪论 1-1.什么是人工智能？它的研究目标是什么？ 人工智能（Artificial Intelligence），简称AI，又称机器智能（Machine Intelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。 近期目标：人工智能的近期目标是实现机器智能。即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。 远期目标：人工智能的远期目标是要制造智能机器。具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。 1-2.人工智能有哪些研究方法和途径？简单描述它们的特点。 一、传统划分法 1.符号主义：以人脑的心理模型为依据，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑 的推理、联想、学习、计算等功能，实现人工智能。 2.连接主义：不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。人或某些动物所具有的智能皆 源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。 3.行为主义：模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究 和实现人工智能。 二、现代划分法 1.符号智能：是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机软件来模拟人的抽象思维过程，并 把思维过程看成是一个抽象的符号处理过程。 2.计算智能：计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。 3.群体智能：它认同智能同样可以表现在群体的整体特性上，群体中每个个体的智能虽然很有限，但通过个体之 间的分工协作和相互竞争，可以表现出很高的智能。 1-3.为什么能够用机器（计算机）模仿人的智能？ 假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能 ：输入符号；输出符号；存储符号；复制符号；建立符号结构；条件性迁移：反之，任何系统如果具有这6种功能，那么它就能够表现出智能，这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。物理符号系统的假设伴随3个推论， 推论1：既然人具有智能，那么他（她）就一定是个物理符号系统。 推论2：既然计算机是一个物理符号系统，它就一定能够表现出智能。 推论3：既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。 1-4.人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？ 研究领域：问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学，模式识别，机器视觉，智能控制，智能检索，智能调度与指挥，分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现，人工生命，系统与语言工具。 研究热点：专家系统，机器学习，神经网络，机器人学，模式识别，分布式人工智能与Agent，数据挖掘与知识发现。 1-5.人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？ 1、人工智能对经济的影响：人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个 例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。 2、人工智能对社会的影响：劳务就业问题；社会结构变化；思维方式与观念的变化；心理上的威胁；技术失控 的危险。 3、人工智能对文化的影响：改善人类知识；改善人类语言；改善文化生活。 1、利用启发式搜索算法A 解决以下8数码(如下图所示)：设评价函数 表的内容。 10、将以下语句： (1)会朗读者是识字的，(2)海豚都不识字， (3) 有些海豚是很机灵的， (4) 有些很机灵的东西不会朗读。 形式化表示为合适公式。 答：令谓词R 、L 、D 、I 分别指示朗读、识字、海豚和机灵，则这些语句可 形式化表示如下：(1(x[R(xL(x](2(x[D(xL(x](3(x[D(xl(x](4(x[l(xR(x]13 、将题 10 中的 前三个语句作为已知事实(公理)，最后一语句作为目标(待证定理)，应用归结 反演方法，证明 目标成立。 答：将前三个语句和最后一语句的取反化简，并标准化为合取范式的子句 集:(1R(xL(x(2D(yL(y(3D(A(4l(A (5l(zR(z 2、有三个积木块(A 、B 、C )放在桌子上，且可以叠放 f(n=d(n+p(n ，画出搜索图，并给出各搜索循环结束时 OPEN 和 在一起，要求在任意初始状态，按自上而下 A 、 B 、C 的顺序叠放这三个积木块。搬动积木块应遵从以下约束：( 1)每次只能搬一块，( 2)只有顶空的积木块才能搬动。 请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法(不必设计控制系统)；若初始状态和目标状态分别为：答案：1)综合数据 库 用谓词公式On(x,y 描述积木块的放置状态，x {A,B,C},y{A,B,C,Table} ；谓词公式Top-Clear(x 描述积木块x 顶空，x {A,B,C} 。问题状态就由这些谓词公式描述。2)规则库 为每个积木块的搬动设计规则，共有 5 个可能的搬动操作：Put-On(C,Table，Put-0 n(B,C,Put-0 n(B,Table,Put-0 n(A,B,Put-0 n(A,Table。规则依次排列如下(并采用First 冲突解法)： if Top-Clear(C0n(C,TablePut-0n(C,Table,revise；if Top-Clear(BTop- Clear(C0n(C,TablePut-0n(B,C,revise；if Top-Clear(B0n(B,C0n(C,Table Put-0n(B,Table，revise ； if Top-Clear(ATop-Clear(B0n(B,CPut-0n(A,B,revise ；if Top- Clear(A0n(A,B0n(B,CPut-0n(A,Table ，revise 。 其中Put-0n 操作符号指示Put-0n 操作并在计算机屏幕上显示该操作，函数revise 修改问题状态的描述到反映实际状态。作为解答的操作序列为： Put-0n(A,Table,Put-0n(C,Table,Put-0n(B,C,Put-0n(A,B。 3、表示包含下面句子含义的语义网络： ⑴典型的哺乳动物有毛发。⑵狗是哺乳动物，且吃肉。⑶Fido是John 一：单选题 1．人工智能的目的是让机器能够（D）,以实现某些脑力劳动的机械化。 Ａ．具有完全的智能?B. 和人脑一样考虑问题 C．完全代替人?Ｄ．模拟、延伸和扩展人的智能 2. 下列关于人工智能的叙述不正确的有（Ｃ) 。 A．人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。Ｂ. 人工智能是科学技术发展的趋势。 C．因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。 D. 人工智能有力地促进了社会的发展。 3．自然语言理解是人工智能的重要应用领域，下面列举中的(C）不是它要实现的目标。 A. 理解别人讲的话。?Ｂ. 对自然语言表示的信息进行分析概括或编辑。 Ｃ．欣赏音乐。?D. 机器翻译。 ４．下列不是知识表示法的是(A）。 A. 计算机表示法 B. 谓词表示法 C. 框架表示法?D．产生式规则表示法 ５．关于“与／或”图表示知识的叙述,错误的有（D）。 A. 用“与／或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。B．“与／或”图表示知识时一定同时有“与结点”和“或结点”。 Ｃ. “与/或”图能方便地表示陈述性知识和过程性知识。 D. 能用“与/或”图表示的知识不适宜用其他方法表示。 6. 一般来讲,下列语言属于人工智能语言的是（D)。 Ａ. VJ ?B． C# ?C．Foxpro ?D. ＬISP 7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（C）的过程。 A. 思考 B. 回溯Ｃ. 推理D．递归 ８. 确定性知识是指（A）知识。 A. 可以精确表示的? B. 正确的 C. 在大学中学到的知识?Ｄ. 能够解决问题的 9．下列关于不精确推理过程的叙述错误的是(B）。 Ａ. 不精确推理过程是从不确定的事实出发 B．不精确推理过程最终能够推出确定的结论 C. 不精确推理过程是运用不确定的知识 D. 不精确推理过程最终推出不确定性的结论 １0. 我国学者吴文俊院士在人工智能的（A）领域作出了贡献。 A. 机器证明 B. 模式识别 C. 人工神经网络? D. 智能代理人工智能考试复习
人工智能期末试题及答案完整版
人工智能复习题及答案
人工智能考试复习
人工智能复习题
人工智能复习试题和答案及解析
2019年人工智能考试答案
人工智能复习题汇总(附答案)
人工智能考试复习
人工智能考试题目
人工智能复习题(答案)
人工智能考试必备知识点
2019年人工智能考试参考答案
人工智能经典考试试题答案
人工智能复习资料终极版
人工智能考试必备整理
人工智能复习题(标准答案)