第一篇：人工智能及其應(yīng)用總結(jié)

第一章：緒論 智能：

根據(jù)對(duì)人腦已有的認(rèn)識(shí)，結(jié)合智能的外在表現(xiàn)，從不同的角度、不同的側(cè)面、用不同的方法對(duì)智能進(jìn)行研究，提出了幾種不同的觀點(diǎn)，其中影響較大的觀點(diǎn)有思維理論、知識(shí)閾值理論及進(jìn)化理論。綜合三個(gè)方面，智能是知識(shí)與智力的總和。其中，知識(shí)是一切智能行為的基礎(chǔ)，而智力是獲取知識(shí)并應(yīng)用知識(shí)求解問題的能力。智能的基本特征：

1、感知能力、2、記憶與思維能、3、學(xué)習(xí)能力、4、行為能力（表達(dá)能力）

人工智能的研究?jī)?nèi)容：

知識(shí)表示、機(jī)器感知、機(jī)器思維、機(jī)器學(xué)習(xí)、機(jī)器行為 人工智能的研究目標(biāo)：

近期目標(biāo)：使現(xiàn)有的電子數(shù)字計(jì)算機(jī)更聰明、更有用，使它不僅能做一般的數(shù)值計(jì)算及非數(shù)值信息的數(shù)據(jù)處理，而且能運(yùn)用知識(shí)處理問題，能模擬人類的部分智能行為。建造智能機(jī)器人代替人類的部分智力勞動(dòng)。

遠(yuǎn)期目標(biāo)：用自動(dòng)機(jī)模仿人類的思維過(guò)程和智能行為。最終目標(biāo)：機(jī)器智能實(shí)現(xiàn)生物智能的各項(xiàng)功能。

智能行為：感知、推理、學(xué)習(xí)、通信和復(fù)雜環(huán)境下的動(dòng)作行為 知識(shí)發(fā)現(xiàn)的處理過(guò)程：數(shù)據(jù)挖掘、數(shù)據(jù)選擇、知識(shí)評(píng)價(jià) 人工智能的主要學(xué)派：符號(hào)主義、連接主義和行為主義 人工智能的研究途徑：心理模擬、生理模擬和行為模擬

人工智能的應(yīng)用領(lǐng)域：智能控制、智能管理、智能決策、智能仿真。人工智能的基本技術(shù)：表示、運(yùn)算、搜索歸納技術(shù)、聯(lián)想技術(shù) 人工智能（機(jī)器智能）、學(xué)科和能力：（書）所謂人工智能就是用人工的方法在機(jī)器(計(jì)算機(jī))上實(shí)現(xiàn)的智能，或者說(shuō)是人們使機(jī)器具有類似于人的智能。從學(xué)科角度來(lái)看：人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支。它的近期主要目標(biāo)在于研究用機(jī)器來(lái)模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)理論和技術(shù)。從能力角度來(lái)看：人工智能是智能機(jī)器所執(zhí)行的通常與人類智能有關(guān)的功能。

對(duì)認(rèn)知行為進(jìn)行研究：心理活動(dòng)的最高層級(jí)是思維策略，中間一層是初級(jí)信息處理，最低層級(jí)是生理過(guò)程，與此相應(yīng)的是計(jì)算機(jī)程序、語(yǔ)言和硬件。研究認(rèn)知過(guò)程的主要任務(wù)是探求高層次思維決策與初級(jí)信息處理的關(guān)系，并用計(jì)算機(jī)程序來(lái)模擬人的思維策略水平，而用計(jì)算機(jī)語(yǔ)言模擬人的初級(jí)信息處理過(guò)程。

人工智能新的研究熱點(diǎn)：新的研究熱點(diǎn)：分布式人工智能與Agent，計(jì)算智能與進(jìn)化計(jì)算，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)(超市市場(chǎng)商品數(shù)據(jù)分析)，人工生命

第二章：知識(shí)表示方法

知識(shí)的一般概念：知識(shí)是人們?cè)诟脑炜陀^世界的實(shí)踐中積累起來(lái)的認(rèn)識(shí)和經(jīng)驗(yàn)

知識(shí)表示：是研究用機(jī)器表示知識(shí)的可行性、有效性的一般方法，是一種數(shù)據(jù)結(jié)構(gòu)與控制結(jié)構(gòu)的統(tǒng)一體，既考慮知識(shí)的存儲(chǔ)又考慮知識(shí)的使用。

知識(shí)表示的要求：表示能力、可利用性、可實(shí)現(xiàn)性、可組織性、可維護(hù)性、自然性、可理解性

狀態(tài)空間法的三要素：狀態(tài)、算符、狀態(tài)空間方法 問題求解技術(shù)：?jiǎn)栴}的表示和求解的方法

二種不確定性：關(guān)于證據(jù)的不確定性和關(guān)于結(jié)論的不確定性 原子公式：由若干謂詞符號(hào)和項(xiàng)組成

問題的狀態(tài)空間包含三種說(shuō)明的集合：初始狀態(tài)集合S、操作符集合以及目標(biāo)狀態(tài)集合 “我聽音樂或者繪畫”的謂詞表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子變換成子句形式：(?x)｛P(x)→P(x)｝

(ANY x){ P(x)?P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)最后子句為~P(x)OR P(x)第三章：搜索推理技術(shù)

如果搜索是以接近起始節(jié)點(diǎn)的程序來(lái)依次擴(kuò)展節(jié)點(diǎn)，這種搜索叫寬（廣）度優(yōu)先搜索 盲目（無(wú)信息）搜索叫做深度優(yōu)先搜索

盲目搜索包括：寬度優(yōu)先搜索，深度優(yōu)先搜索和等代價(jià)搜索 第四章：計(jì)算智能（神經(jīng)計(jì)算、模糊計(jì)算）

對(duì)于人的思維的模擬可以從兩條道路進(jìn)行：一是結(jié)構(gòu)模擬，二是功能模擬 計(jì)算智能，涉及研究分支

貝茲德克認(rèn)為計(jì)算智能取決于制造者提供的數(shù)值數(shù)據(jù)，而不依賴于知識(shí)。計(jì)算智能是智力的低層認(rèn)知。主要的研究領(lǐng)域?yàn)樯窠?jīng)計(jì)算，模糊計(jì)算，進(jìn)化計(jì)算，人工生命。計(jì)算智能（CI）、人工智能（AI）和生物智能（BI）的關(guān)系。

計(jì)算智能是智力的低層認(rèn)知，主要取決于數(shù)值數(shù)據(jù)而不依賴于知識(shí)。人工智能是在計(jì)算智能的基礎(chǔ)上引入知識(shí)而產(chǎn)生的智力中層認(rèn)知。生物智能，尤其是人類智能，則是最高層的智能。即CI包含AI包含BI 人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法：(1)指導(dǎo)式(有師)學(xué)習(xí)(2)非指導(dǎo)(無(wú)導(dǎo)師)學(xué)習(xí)(3)強(qiáng)化學(xué)習(xí)

第五章：計(jì)算智能（進(jìn)化計(jì)算、人工生命）

遺傳算法：從一組隨機(jī)初始化的候選解出發(fā)，按某種指標(biāo)從解群中選取較優(yōu)的個(gè)體，利用遺傳算子（選擇、交叉和變異）對(duì)這些個(gè)體進(jìn)行組合，產(chǎn)生新一代的候選解群，重復(fù)此過(guò)程，直到滿足某種收斂指標(biāo)為止 遺傳算法的特點(diǎn)：

(1)遺傳算法是對(duì)參數(shù)集合的編碼而非針對(duì)參數(shù)本身進(jìn)行進(jìn)化；

(2)遺傳算法是從問題解的編碼組（種群）開始而非從單個(gè)解開始搜索；

(3)遺傳算法利用目標(biāo)函數(shù)的適應(yīng)度這一信息而非利用導(dǎo)數(shù)或其它輔助信息來(lái)指導(dǎo)搜索；

(4)遺傳算法利用選擇、交叉、變異等算子而不是利用確定性規(guī)則進(jìn)行隨機(jī)操作。遺傳算法的優(yōu)勢(shì):

(1)適應(yīng)度函數(shù)不受連續(xù)、可微等條件的約束，適用范圍很廣。(2)不容易陷入局部極值，能以很大的概率找到全局最優(yōu)解。(3)由于其固有的并行性，適合于大規(guī)模并行計(jì)算。(4)不是盲目窮舉，而是啟發(fā)式搜索。

設(shè)用遺傳算法求解某問題時(shí)，產(chǎn)生了四個(gè)個(gè)體A、B、C和D，適應(yīng)度值分別為34、88、60和45，采用賭輪選擇機(jī)制，則個(gè)體A的適應(yīng)度值所占份額為34/227 遺傳算法步驟：（1）隨機(jī)產(chǎn)生一個(gè)由確定長(zhǎng)度的特征字符串組成的初始種群。

（2）對(duì)該字符串種群迭代地執(zhí)行下面的步驟①和步驟②，直到滿足停止準(zhǔn)則為止： ① 計(jì)算種群每個(gè) 字符串的適應(yīng)值

②應(yīng)用復(fù)制、交叉和變異等遺傳算子產(chǎn)生下一代群體。

（3）把在后代中出現(xiàn)的最好的個(gè)體字符串指定為遺傳算法的執(zhí)行結(jié)果，這個(gè)結(jié)果可以表示問題的一個(gè)角。進(jìn)化計(jì)算包括遺傳算法，進(jìn)化策略，進(jìn)化編程和遺傳編程。遺傳算法、進(jìn)化策略和進(jìn)化編程的關(guān)系如何？有何區(qū)別？

關(guān)系：它們都是模擬生物界自然進(jìn)化過(guò)程而建立的魯棒性計(jì)算機(jī)算法。

區(qū)別：進(jìn)化策略和進(jìn)化編程把變異作為主要搜索算子，標(biāo)準(zhǔn)遺傳算法中，變異處于次要位置。

交叉在遺傳法起著重要作用，而在進(jìn)化編程中卻被完全省去，在進(jìn)化策略中與自適應(yīng)結(jié)合使用，起了很重要的作用。標(biāo)準(zhǔn)遺傳算法和進(jìn)化編程都強(qiáng)調(diào)隨機(jī)選擇機(jī)制的重要性，而進(jìn)化策略的選擇是完全確定的。進(jìn)化策略和進(jìn)化編程，確定地把某個(gè)個(gè)體排除在被選擇之外，而標(biāo)準(zhǔn)遺傳算法都對(duì)每個(gè)個(gè)體指定一個(gè)非零的選擇概率。第六章：專家系統(tǒng)（與一般應(yīng)用程序有區(qū)別）專家系統(tǒng):

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來(lái)處理該領(lǐng)域問題。

專家系統(tǒng)的特點(diǎn):啟發(fā)性、透明性、靈活性

建立專家系統(tǒng)的一般步驟：設(shè)計(jì)初始知識(shí)庫(kù)、原型機(jī)的開發(fā)與實(shí)驗(yàn)、知識(shí)庫(kù)的改進(jìn)與歸納

專家系統(tǒng)的類型：

解釋，預(yù)測(cè)，診斷，設(shè)計(jì)，規(guī)劃，監(jiān)視，控制，調(diào)試，教學(xué)，修理 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)？

新型專家系統(tǒng)的特征：并行與分布處理、多專家系統(tǒng)協(xié)同工作、高級(jí)語(yǔ)言和知識(shí)語(yǔ)言描述、具有自學(xué)習(xí)功能、引入新的推理機(jī)制、具有自糾錯(cuò)和自完善能力、先進(jìn)的智能人機(jī)接口

分布式專家系統(tǒng)

具有分布處理的特征，能把一個(gè)專家系統(tǒng)的功能經(jīng)分解以后分布到多個(gè)處理器上去并行地工作，從而有總體上提高系統(tǒng)的處理效率。它可以工作在緊耦合的多處理器系統(tǒng)環(huán)境中，也可工作在松耦合的計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境中，其總體結(jié)構(gòu)在很大程度上依賴于其所在的硬件環(huán)境。協(xié)同式專家系統(tǒng)

又稱為“群專家系統(tǒng)”，是一個(gè)能綜合若干個(gè)相近領(lǐng)域或一個(gè)領(lǐng)域的多個(gè)方面的子專家系統(tǒng)互相協(xié)作，共同解決一個(gè)更廣領(lǐng)域問題的專家系統(tǒng)。是克服一般專家系統(tǒng)的局限性的重要途徑。它不著重于處理的分布和知識(shí)的分布，而是更強(qiáng)調(diào)子系統(tǒng)間的協(xié)同合作。它并不一定要求有多個(gè)處理機(jī)的硬件環(huán)境，而且一般都是在同一個(gè)處理機(jī)上實(shí)現(xiàn)各子專家系統(tǒng)的。

什么是建造專家系統(tǒng)的工具?你知道哪些專家系統(tǒng)開發(fā)工具，各有什么特點(diǎn)?專家系統(tǒng)開發(fā)工具是一些比較通用的工具，作為設(shè)計(jì)和開發(fā)專家系統(tǒng)的輔助手段和環(huán)境，以求提高專家系統(tǒng)的開發(fā)效率、質(zhì)量和自動(dòng)化水平。專家系統(tǒng)開發(fā)工具是一種更高級(jí)的計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言。比一般的計(jì)算機(jī)高級(jí)語(yǔ)言具有更強(qiáng)的功能。

主要分為骨架型工具(又稱外殼)、語(yǔ)言型工具、構(gòu)造輔助工具和支撐環(huán)境等4類。第七章：機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)的三要素

一致性假設(shè)：樣本空間劃分：泛化能力： 機(jī)器學(xué)習(xí)的主要策略

機(jī)械學(xué)習(xí)：示教學(xué)習(xí)：類比學(xué)習(xí)：示例學(xué)習(xí)：

歸納學(xué)習(xí)是以歸納推理為基礎(chǔ)的學(xué)習(xí)，其任務(wù)是從某一概念的分類例子集出發(fā)，歸納出一個(gè)一般概念描述。歸納學(xué)習(xí)是目前研究最多的學(xué)習(xí)方法，其學(xué)習(xí)目的是為了獲得新概念、構(gòu)造新規(guī)則或發(fā)現(xiàn)新理論。歸納是人類拓展認(rèn)識(shí)能力的重要方法，是一種從個(gè)別到一般，從部分到整體的推理行為

類比學(xué)習(xí)：通過(guò)類比，即通過(guò)對(duì)相似事物加以比較所進(jìn)行的一種學(xué)習(xí)

機(jī)械學(xué)習(xí)就是記憶，即把新的知識(shí)存儲(chǔ)起來(lái)，供需要時(shí)檢索調(diào)用，而不需要計(jì)算和推理 機(jī)器學(xué)習(xí)所采用的策略：機(jī)械學(xué)習(xí)，示教學(xué)習(xí)，類比學(xué)習(xí)，示例學(xué)習(xí)

任務(wù)規(guī)劃是機(jī)器人高層規(guī)劃最重要的一個(gè)方面，它包含建立模型，任務(wù)說(shuō)明，程序綜合 第九章：Agent（真體）

多種類型的多真體模型：協(xié)商模型、協(xié)作規(guī)劃模型、自協(xié)調(diào)模型 真體通信語(yǔ)言KQML和KIF 按節(jié)點(diǎn)間協(xié)作量的多少，多agent的協(xié)作分為三類：全協(xié)作系統(tǒng)、無(wú)協(xié)作系統(tǒng)和半?yún)f(xié)作系統(tǒng)

分布式人工智能系統(tǒng)的特點(diǎn)：分布性、連接性、協(xié)作性、開放性、容 錯(cuò)性、獨(dú)立性 艾真體（真體）

Agent是能夠通過(guò)傳感器感知其環(huán)境，并借助執(zhí)行器作用于該環(huán)境的實(shí)

體，可看作是從感知序列到動(dòng)作序列的映射。其特性為：行為自主性，作用交互性，環(huán)境協(xié)調(diào)性，面向目標(biāo)性，存在社會(huì)性，工作協(xié)作性，運(yùn)行持續(xù)性，系統(tǒng)適應(yīng)性，結(jié)構(gòu)分布性，功能智能性

艾真體在結(jié)構(gòu)上有何特點(diǎn)、在結(jié)構(gòu)上又是如何分類的 真體＝體系結(jié)構(gòu)+程序

(1)在計(jì)算機(jī)系統(tǒng)中，真體相當(dāng)于一個(gè)獨(dú)立的功能模塊，獨(dú)立的計(jì)算機(jī)應(yīng)用系統(tǒng)。(2)真體的核心部分是決策生成器或問題求解器，起到主控作用(3)真體的運(yùn)行是一個(gè)或多個(gè)進(jìn)程，并接受總體調(diào)度(4)各個(gè)真體在多個(gè)計(jì)算機(jī)CPU上并行運(yùn)行，其運(yùn)行環(huán)境由體系結(jié)構(gòu)支持。

結(jié)構(gòu)分類及特點(diǎn)反應(yīng)式、慎思式、跟蹤式、基于目標(biāo)、基于效果、復(fù)合式

第十章：自然語(yǔ)言理解

語(yǔ)言理解：從微觀上講，語(yǔ)言理解是指從自然語(yǔ)言到機(jī)器(計(jì)算機(jī)系統(tǒng))內(nèi)部之間的一種映射。從宏觀上看，語(yǔ)言理解是指機(jī)器能夠執(zhí)行人類所期望的某些語(yǔ)言功能。

自然語(yǔ)言處理：是研究人類交際和人機(jī)通信的語(yǔ)言問題的一門學(xué)科。它要開發(fā)表示語(yǔ)言能力和性能的模型，建立實(shí)現(xiàn)這種語(yǔ)言模型過(guò)程的計(jì)算框架，提出不斷完善這些過(guò)程和模型的辨識(shí)方法，以及探究實(shí)際系統(tǒng)的評(píng)價(jià)技術(shù)。

自然語(yǔ)言理解過(guò)程的層次 ：語(yǔ)音分析：詞法分析：句法分析：語(yǔ)義分析

第二篇：人工智能及其應(yīng)用課程總結(jié)

《人工智能及其應(yīng)用》課程總結(jié)

20世紀(jì)40年代，計(jì)算機(jī)的發(fā)明揭開了人類發(fā)展的新篇章，使得人類追尋已久的腦力勞動(dòng)機(jī)械化問題獲得了解決的方法和途徑。計(jì)算機(jī)能夠代替人類大腦進(jìn)行復(fù)雜的計(jì)算，并且能夠根據(jù)計(jì)算對(duì)某些問題做出判斷，從某種程度上代替了人腦的部分功能。而隨著計(jì)算機(jī)計(jì)算機(jī)技術(shù)的發(fā)展，20世紀(jì)50年代人工智能(AI)這一新的學(xué)科門類的誕生，對(duì)人類的發(fā)展和進(jìn)步有著重大的意義。

人工智能是指人類的各種腦力勞動(dòng)或智能行為，諸如判斷、推理、證明、識(shí)別、感知、理解、通信、設(shè)計(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動(dòng)，可用某種智能化的機(jī)器來(lái)予以人工的實(shí)現(xiàn)。諸如機(jī)器編譯、機(jī)器診斷、機(jī)器推理以及各種專家系統(tǒng)。隨著人工智能技術(shù)的發(fā)展，引起了眾多學(xué)科和不同專業(yè)背景學(xué)者們的日益重視，并且發(fā)展出了若干個(gè)研究子學(xué)科，如計(jì)算機(jī)科學(xué)、哲學(xué)、生理學(xué)、社會(huì)學(xué)、生物學(xué)、信息學(xué)和計(jì)算機(jī)數(shù)學(xué)等，人工智能成為一門廣泛的交叉和前沿學(xué)科。因此，《人工智能及其應(yīng)用》課程的學(xué)習(xí)，對(duì)于計(jì)算機(jī)應(yīng)用研究技術(shù)、機(jī)械技術(shù)以及本人的專業(yè)——農(nóng)業(yè)機(jī)械工程的學(xué)習(xí)和科研工作中，具有十分重要的作用?！度斯ぶ悄芗捌鋺?yīng)用》課程所講授的知識(shí)涵蓋面廣、內(nèi)容較多，其中許多章節(jié)所設(shè)計(jì)的知識(shí)都可以單獨(dú)作為一門課程學(xué)習(xí)。因此，通過(guò)本學(xué)期對(duì)《人工智能及其應(yīng)用》課程的學(xué)習(xí)，我重點(diǎn)總結(jié)一下主要學(xué)習(xí)和掌握的幾方面知識(shí)：

1．人工智能的研究與應(yīng)用領(lǐng)域。在人工智能這門學(xué)科中，包含有多個(gè)研究領(lǐng)域，每個(gè)研究領(lǐng)域都有其特有的感興趣的研究課題、研究技術(shù)和術(shù)語(yǔ)，它們包括：自然語(yǔ)言處理、自動(dòng)定理證明、智能數(shù)據(jù)檢索系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、視覺系統(tǒng)、問題求解、人工智能方法和程序語(yǔ)言以及自動(dòng)程序設(shè)計(jì)等。通過(guò)對(duì)這些研究領(lǐng)域的研究和應(yīng)用介紹，我發(fā)現(xiàn)其中專家系統(tǒng)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、機(jī)器視覺和數(shù)據(jù)挖掘等方面的知識(shí)，是我所研究的專業(yè)領(lǐng)域和課題中，使用計(jì)算機(jī)軟件進(jìn)行數(shù)據(jù)處理和自動(dòng)判別所需要的知識(shí)，對(duì)我課題的研究和完成將會(huì)有很大幫助。

2．知識(shí)表示與推理。本部分研究了傳統(tǒng)人工智能的知識(shí)表示方法、搜索技術(shù)和知識(shí)推理。以符號(hào)和邏輯為基礎(chǔ)的傳統(tǒng)人工智能問題求解是通過(guò)知識(shí)表示和

知識(shí)推理來(lái)實(shí)現(xiàn)的。知識(shí)表示的方法有很多，包括圖示法、公式法、結(jié)構(gòu)化方法、陳述式表示、過(guò)程式表示、狀態(tài)空間法和問題歸約法等。表示問題是為了進(jìn)一步求解問題，從問題表示到問題的解決有一個(gè)求解的過(guò)程，也就是搜索過(guò)程。因此，學(xué)習(xí)了圖搜索策略和A*算法的方法和步驟。學(xué)習(xí)了消解原理這一用于一定的子句公式的重要推理規(guī)則，包括消解推理規(guī)則、含有變量的消解式、消解反演求解過(guò)程等。并且學(xué)習(xí)了規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)。它們是解決比較復(fù)雜的系統(tǒng)和問題的較為先進(jìn)的推理技術(shù)和系統(tǒng)求解方法，能夠解決搜索推理方法難以解決的一些問題。

3．計(jì)算智能。包括人工神經(jīng)網(wǎng)絡(luò)計(jì)算、模糊計(jì)算、粗糙集理論、遺傳算法、進(jìn)化策略、進(jìn)化編程、人工生命、粒群優(yōu)化、蟻群算法、自然計(jì)算和免疫計(jì)算。其中每一部分都可以作為單獨(dú)的一門課程和知識(shí)進(jìn)行深入的學(xué)習(xí)和研究。其中，我結(jié)合課程內(nèi)容，重點(diǎn)學(xué)習(xí)和研究了人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)元的特性而產(chǎn)生的，是基于生物神經(jīng)元特性的互聯(lián)模型制造的算法及機(jī)器。包括有以下幾個(gè)重要特性：并行分布處理、非線性映射、通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)、適應(yīng)與集成、硬件實(shí)現(xiàn)性。在本部分學(xué)習(xí)了神經(jīng)網(wǎng)絡(luò)是由基本處理單元——神經(jīng)元及其互聯(lián)方法構(gòu)成的。其網(wǎng)絡(luò)基本結(jié)構(gòu)分為兩類：遞歸網(wǎng)絡(luò)和前饋網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法有：有師學(xué)習(xí)、無(wú)師學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三種。具體學(xué)習(xí)了自適應(yīng)諧振理論網(wǎng)絡(luò)、學(xué)習(xí)矢量量化網(wǎng)絡(luò)、Kohonen網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)，并且學(xué)習(xí)了基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示方法和推理方法。通過(guò)這部分的學(xué)習(xí)，了解了神經(jīng)網(wǎng)絡(luò)的應(yīng)用方法和應(yīng)用領(lǐng)域，由于其學(xué)習(xí)和適應(yīng)、自組織、函數(shù)逼近和大規(guī)模并行處理等能力，因而在模式識(shí)別、信號(hào)處理、系統(tǒng)辨識(shí)和優(yōu)化等方面有著廣泛的應(yīng)用。

4．機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)是一門研究機(jī)器獲取新知識(shí)和新技能，并實(shí)現(xiàn)現(xiàn)有知識(shí)的學(xué)問。在此部分，主要學(xué)習(xí)了機(jī)器學(xué)習(xí)的主要策略、系統(tǒng)的基本結(jié)構(gòu)和各種機(jī)器學(xué)習(xí)算法，包括：機(jī)械學(xué)習(xí)、歸納學(xué)習(xí)、類比學(xué)習(xí)、解釋學(xué)習(xí)、神經(jīng)學(xué)習(xí)和知識(shí)發(fā)現(xiàn)。而其中的一些學(xué)習(xí)方法又與以前學(xué)習(xí)章節(jié)中的內(nèi)容有所交叉，如神經(jīng)學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)。介紹了各種學(xué)習(xí)方法的定義、結(jié)構(gòu)、基本計(jì)算方法和流程等知識(shí)。機(jī)器學(xué)習(xí)廣泛的應(yīng)用于圖像處理、模式識(shí)別、機(jī)器人動(dòng)力學(xué)與控制、自動(dòng)控制、自然語(yǔ)言理解、語(yǔ)音識(shí)別、信號(hào)處理和專家系統(tǒng)等領(lǐng)域。

通過(guò)對(duì)《人工智能及其應(yīng)用》課程的學(xué)習(xí)，使我學(xué)習(xí)了人工智能的各種基本算法和思想，了解了各種方法的應(yīng)用領(lǐng)域和適用范圍。由于我的研究課題中，也需要對(duì)采集的數(shù)據(jù)進(jìn)行處理和做出判斷，因此必然涉及人工智能的相關(guān)知識(shí)。課程包含內(nèi)容很多，涵蓋的領(lǐng)域非常廣泛，雖然學(xué)習(xí)深度有限，但是正是對(duì)人工智能知識(shí)的廣泛了解，才能擴(kuò)展我的研究思路，選定方向和研究算法，進(jìn)行更深層次的研究。

第三篇：人工智能及其應(yīng)用復(fù)習(xí)資料

人工智能及其應(yīng)用(2)

第一章 緒 論

1-1.什么是人工智能？試從學(xué)科和能力兩方面加以說(shuō)明。

從學(xué)科角度來(lái)看：人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支。它的近期主要目標(biāo)在于研 究用機(jī)器來(lái)模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)理論和技術(shù)。

從能力角度來(lái)看：人工智能是智能機(jī)器所執(zhí)行的通常與人類智能有關(guān)的功能，如判斷、推理、證明、識(shí)別、感知、理解、設(shè)計(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動(dòng)

1-2.在人工智能的發(fā)展過(guò)程中，有哪些思想和思潮起了重要作用？

控制論之父維納 1940 年主張計(jì)算機(jī)五原則。他開始考慮計(jì)算機(jī)如何能像大腦一樣工作。系統(tǒng)地創(chuàng)建了控制論，根 據(jù)這一理論，一個(gè)機(jī)械系統(tǒng)完全能進(jìn)行運(yùn)算和記憶。

帕梅拉·麥考達(dá)克(Pamela McCorduck)在她的著名的人工智能歷史研究《機(jī)器思維》(Machine Who Think,1979)中曾 經(jīng)指出：在復(fù)雜的機(jī)械裝置與智能之間存在著長(zhǎng)期的聯(lián)系。

著名的英國(guó)科學(xué)家圖靈被稱為人工智能之父,圖靈不僅創(chuàng)造了一個(gè)簡(jiǎn)單的通用的非數(shù)字計(jì)算模型，而且直接證明了計(jì) 算機(jī)可能以某種被理解為智能的方法工作。提出了著名的圖靈測(cè)試。

數(shù)理邏輯從 19 世紀(jì)末起就獲迅速發(fā)展；到 20 世紀(jì) 30 年代開始用于描述智能行為。計(jì)算機(jī)出現(xiàn)后，又在計(jì)算機(jī)上 實(shí)現(xiàn)了邏輯演繹系統(tǒng)。

1943 年由生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨(Pitts)創(chuàng)立的腦模型，即 MP 模型。60-70 年代，聯(lián)結(jié) 主義，尤其是對(duì)以感知機(jī)(perceptron)為代表的腦模型的研究曾出現(xiàn)過(guò)熱潮，控制論思想早在40-50 年代就成為時(shí)代思潮的重要部分，影響了早期的人工智能工作者。到60-70 年代，控制論系 統(tǒng)的研究取得一定進(jìn)展，播下智能控制和智能機(jī)器人的種子。

1-3.為什么能夠用機(jī)器（計(jì)算機(jī)）模仿人的智能？

物理符號(hào)系統(tǒng)的假設(shè)：任何一個(gè)系統(tǒng)，如果它能夠表現(xiàn)出智能，那么它就必定能執(zhí)行輸入符號(hào)、輸出符號(hào)、存儲(chǔ)符 號(hào)、復(fù)制符號(hào)、建立符號(hào)結(jié)構(gòu)、條件性遷移6 種功能。反之，任何系統(tǒng)如果具有這6 種功能，那么它就能夠表現(xiàn)出 智能(人類所具有的智能)。

物理符號(hào)系統(tǒng)的假設(shè)伴隨有3 個(gè)推論。

推論一: 既然人具有智能，那么他(她)就一定是個(gè)物理符號(hào)系統(tǒng)。

推論二: 既然計(jì)算機(jī)是一個(gè)物理符號(hào)系統(tǒng)，它就一定能夠表現(xiàn)出智能。

推論三: 既然人是一個(gè)物理符號(hào)系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào)系統(tǒng)，那么我們就能夠用計(jì)算機(jī)來(lái)模擬人的活動(dòng)。

1-4.現(xiàn)在人工智能有哪些學(xué)派？它們的認(rèn)知觀是什么？

符號(hào)主義(Symbolicism)，又稱為邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計(jì)算機(jī)學(xué)派(Computerism)[ 其原理 主要為物理符號(hào)系統(tǒng)(即符號(hào)操作系統(tǒng))假設(shè)和有限合理性原理。]

認(rèn)為人的認(rèn)知基元是符號(hào)，而且認(rèn)知過(guò)程即符號(hào)操作過(guò)程。認(rèn)為人是一個(gè)物理符號(hào)系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào) 系統(tǒng)，因此，我們就能夠用計(jì)算機(jī)來(lái)模擬人的智能行為。知識(shí)是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的 核心問題是知識(shí)表示、知識(shí)推理和知識(shí)運(yùn)用。

聯(lián)結(jié)主義(Connectionism)，又稱為仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism)[ 其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng) 絡(luò)間的連接機(jī)制與學(xué)習(xí)算法 ]

認(rèn)為人的思維基元是神經(jīng)元，而不是符號(hào)處理過(guò)程。認(rèn)為人腦不同于電腦，并提出聯(lián)結(jié)主義的大腦工作模式，用于 取代符號(hào)操作的電腦工作模式。

行為主義(Actionism)，又稱進(jìn)化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism)[ 其原理為控制論及感知-動(dòng)作型控 制系統(tǒng) ] 認(rèn)為智能取決于感知和行動(dòng)。認(rèn)為智能不需要知識(shí)、不需要表示、不需要推理；人工智能可以象人類智能一樣逐步進(jìn)化。智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來(lái)。符號(hào)主義、聯(lián)結(jié)主義對(duì)真實(shí)世界客觀事物的描 述及其智能行為工作模式是過(guò)于簡(jiǎn)化的抽象，因而是不能真實(shí)地反映客觀存在的。

1-5.你認(rèn)為應(yīng)從哪些層次對(duì)認(rèn)知行為進(jìn)行研究？

心理活動(dòng)的最高層級(jí)是思維策略，中間一層是初級(jí)信息處理，最低層級(jí)是生理過(guò)程，與此相應(yīng)的是計(jì)算機(jī)程序、語(yǔ) 言和硬件。

研究認(rèn)知過(guò)程的主要任務(wù)是探求高層次思維決策與初級(jí)信息處理的關(guān)系，并用計(jì)算機(jī)程序來(lái)模擬人 的思維策略水平，而用計(jì)算機(jī)語(yǔ)言模擬人的初級(jí)信息處理過(guò)程。

1-6.人工智能的主要研究和應(yīng)用領(lǐng)域是什么？其中，哪些是新的研究熱點(diǎn)？

問題求解(下棋程序)，邏輯推理與定理證明(四色定理證明)，自然語(yǔ)言理解，自動(dòng)程序設(shè)計(jì)，專家系統(tǒng)，機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機(jī)器人學(xué)(星際探索機(jī)器人)，模式識(shí)別(手寫識(shí)別，汽車牌照識(shí)別，指紋識(shí)別)，機(jī)器視覺(機(jī)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(yùn)輸高度，列車編組指揮)，系統(tǒng)與語(yǔ)言工具。

新的研究熱點(diǎn)： 分布式人工智能與Agent，計(jì)算智能與進(jìn)化計(jì)算，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)(超市市場(chǎng)商品數(shù)據(jù)分析)，人工生命。

第二章 知識(shí)表示方法

2-2 設(shè)有 3 個(gè)傳教士和 3 個(gè)野人來(lái)到河邊，打算乘一只船從右岸渡到左岸去。該船的負(fù)載能力為兩人。在任何時(shí)候，如果野人人數(shù)超過(guò)傳教士人數(shù)，那么野人就會(huì)把傳教士吃掉。他們?cè)鯓硬拍苡眠@條船安全地把所有人都渡過(guò)河去?

用S i(nC, nY)表示第i 次渡河后，河對(duì)岸的狀態(tài)，nC 表示傳教士的數(shù)目，nY 表示野人的數(shù)目，由于總?cè)藬?shù)的確定 的，河對(duì)岸的狀態(tài)確定了，河這邊的狀態(tài)也即確定了?？紤]到題目的限制條件，要同時(shí)保證，河兩岸的傳教士數(shù)目 不少于野人數(shù)目，故在整個(gè)渡河的過(guò)程中，允許出現(xiàn)的狀態(tài)為以下3 種情況：

1.nC=0 2.nC=3

3.nC=nY>=0(當(dāng)nC 不等于0 或3)

用d i(dC, dY)表示渡河過(guò)程中，對(duì)岸狀態(tài)的變化，dC 表示，第i 次渡河后，對(duì)岸傳教士數(shù)目的變化，dY 表示，第i 次渡河后，對(duì)岸野人數(shù)目的變化。當(dāng)i 為偶數(shù)時(shí)，dC,dY 同時(shí)為非負(fù)數(shù)，表示船駛向?qū)Π叮琲 為奇數(shù)時(shí)，dC, dY 同時(shí) 為非正數(shù)，表示船駛回岸邊。

初始狀態(tài)為S 0(0, 0)，目標(biāo)狀態(tài)為S 0(3, 3)，用深度優(yōu)先搜索的方法可尋找渡河方案。在此，用圖求法該問題，令橫坐標(biāo)為 nY, 縱坐標(biāo)為 nC，可行狀態(tài)為空心點(diǎn)表示，每次可以在格子上，沿對(duì)角線移 動(dòng)一格，也可以沿坐標(biāo)軸方向移動(dòng)1 格，或沿坐標(biāo)軸方向移動(dòng)2 格。第奇數(shù)次數(shù)狀態(tài)轉(zhuǎn)移，沿右方，上方，或右上 方移動(dòng)，第偶數(shù)次數(shù)狀態(tài)轉(zhuǎn)移，沿左方，下方，或左下方移動(dòng)。

從(0,0)開始，依次沿箭頭方向改變狀態(tài)，經(jīng)過(guò)11 步之后，即可以到達(dá)目標(biāo)狀態(tài)(3,3)，相應(yīng)的渡河方案為： d1(1,1)--d2(-1,0)--d3(0,2)--d4(0,-1)--d5(2,0)--d6(-1,-1)--d7(2,0)--d8(0,-1)--d9(0,2)--d10(-1,0)--d11(1,1)

2-4 試說(shuō)明怎樣把一棵與或解樹用來(lái)表達(dá)圖2.28 所示的電網(wǎng)絡(luò)阻抗的計(jì)算。單獨(dú)的R、L 或C 可分別用R、jωL 或1/jωC 來(lái)計(jì)算，這個(gè)事實(shí)用作本原問題。后繼算符應(yīng)以復(fù)合并聯(lián)和串聯(lián)阻抗的規(guī)則為基礎(chǔ)。

約定，用原來(lái)的與后繼算法用來(lái)表達(dá)并聯(lián)關(guān)系，用原來(lái)的或后繼算法用來(lái)表達(dá)串聯(lián)關(guān)系

2-5 試用四元數(shù)列結(jié)構(gòu)表示四圓盤梵塔問題，并畫出求解該問題的與或圖。

用四元數(shù)列(nA, nB, nC, nD)來(lái)表示狀態(tài)，其中nA 表示A 盤落在第nA 號(hào)柱子上，nB 表示B 盤落在第nB 號(hào)柱子 上，nC 表示C 盤落在第nC 號(hào)柱子上，nD 表示D 盤落在第nD 號(hào)柱子上。初始狀態(tài)為 1111，目標(biāo)狀態(tài)為 3333

如圖所示，按從上往下的順序，依次處理每一個(gè)葉結(jié)點(diǎn)，搬動(dòng)圓盤，問題得解。

2-6 把下列句子變換成子句形式：

(1)(x)｛P(x)→P(x)｝

(2)x y(On(x,y)→Above(x,y))

(3)x y z(Above(x,y)∧Above(y,z)→Above(x,z))(4)～｛(x)｛P(x)→｛（y）〔p(y)→p(f(x,y))〕∧(y)〔Q(x,y)→P(y)〕｝｝｝(1)(ANY x){ P(x)P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)

最后子句為 ~P(x)OR P(x)

(2)(ANY x)(ANY y){ On(x,y)Above(x,y)}(ANY x)(ANY y){ ~On(x,y)OR Above(x,y)} ~On(x,y)OR Above(x,y)

最后子句為 ~On(x,y)OR Above(x,y)

(3)(ANY x)(ANY y)(ANY z){ Above(x,y)AND Above(y,z)Above(x,z)}(命題聯(lián)結(jié)詞之優(yōu)先級(jí)如下:否定→合取→析取→蘊(yùn)涵→等價(jià))

(ANY x)(ANY y)(ANY z){ ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)} ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)最后子句為 ~[Above(x,y), Above(y,z)] OR Above(x,z)

(4)~{(ANY x){ P(x){(ANY y)[ p(y)p(f(x,y))] AND(ANY y)[ Q(x,y)P(y)] } } } ~ {(ANY x){ ~P(x)OR {(ANY y)[ ~p(y)OR p(f(x,y))] AND(ANY y)[ ~Q(x,y)OR P(y)] } } }(EXT x){ P(x)AND {(EXT x)[ p(y)AND ~p(f(x,y))] OR(EXT y)[ Q(x,y)AND ~P(y)] } }(EXT x){ P(x)AND {(EXT w)[ p(y)AND ~p(f(w,y))] OR(EXT v)[ Q(x,v)AND ~P(v)] } } P(A)AND { [ p(y)AND ~p(f(B,y))] OR [ Q(A,C)AND ~P(C)] }

P(A)AND { [ p(y)AND ~p(f(B,y))OR Q(A,C)] AND [ p(y)AND ~p(f(B,y))OR ~P(C)] } P(A)AND { { p(y), ~p(f(B,y))} OR Q(A,C)} AND { { p(y), ~p(f(B,y))} OR ~P(C)} 最后子句為

P(A)

{ p(x), ~p(f(B,x))} OR Q(A,C){ p(y), ~p(f(B,y))} OR ~P(C)

2-7 用謂詞演算公式表示下列英文句子(多用而不是省用不同謂詞和項(xiàng)。例如不要用單一的謂詞字母來(lái)表示每個(gè)句 子。)A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence.先定義基本的謂詞

INTLT(x)means x is intelligent

PERFORM(x,y)means x can perform y REQUIRE(x)means x requires intelligence CMP(x)means x is a computer system HMN(x)means x is a human 上面的句子可以表達(dá)為

(任意x)

{(存在t)(存在y)[ HMN(y)合取 PERFORM(y,t)合取 REQUIRE(t)合取 CMP(x)合取 PERFORM(x,t)] INTLT(x)}

2-8 把下列語(yǔ)句表示成語(yǔ)義網(wǎng)絡(luò)描述：

(1)All man are mortal.(2)Every cloud has a silver lining.(3)All branch managers of DEC participate in a profit-sharing plan.(1)

(2)

(3)

2-9 作為一個(gè)電影觀眾，請(qǐng)你編寫一個(gè)去電影院看電影的劇本。

(1)開場(chǎng)條件

(a)顧客想看電影

(b)顧客在足夠的錢

(2)角色

顧客，售票員，檢票員，放映員

(3)道具

錢，電影票

(4)場(chǎng)景

場(chǎng)景 1 購(gòu)票

(a)顧客來(lái)到售票處

(b)售票員把票給顧客

(c)顧客把錢給售票員

(d)顧客走向電影院門

場(chǎng)景 2 檢票

(a)顧客把電影票給檢票員

(b)檢票員檢票

(c)檢票員把電影票還給顧客

(d)顧客進(jìn)入電影院

場(chǎng)景 3 等待

(a)顧客找到自己的座位

(b)顧客坐在自己座位一等待電影開始

場(chǎng)景 4 觀看電影

(a)放映員播放電影

(b)顧客觀看電影 場(chǎng)景 5 離開

(a)放映員結(jié)束電影放映

(b)顧客離開電影院

(5)結(jié)果

(a)顧客觀看了電影

(b)顧客花了錢

(c)電影院賺了錢

2-10 試構(gòu)造一個(gè)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(shù)

3-1 什么是圖搜索過(guò)程?其中，重排OPEN 表意味著什么，重排的原則是什么?

圖搜索的一般過(guò)程如下：

(1)建立一個(gè)搜索圖G(初始只含有起始節(jié)點(diǎn)S)，把S 放到未擴(kuò)展節(jié)點(diǎn)表中（OPEN 表）中。

(2)建立一個(gè)已擴(kuò)展節(jié)點(diǎn)表（CLOSED 表），其初始為空表。

(3)LOOP：若OPEN 表是空表，則失敗退出。

(4)選擇OPEN 表上的第一個(gè)節(jié)點(diǎn)，把它從OPEN 表移出并放進(jìn)CLOSED 表中。稱此節(jié)點(diǎn)為節(jié)點(diǎn)n，它是CLOSED 表中 節(jié)點(diǎn)的編號(hào)

(5)若n 為一目標(biāo)節(jié)點(diǎn)，則有解并成功退出。此解是追蹤圖G 中沿著指針從n 到S 這條路徑而得到的(指針將在第7 步中設(shè)置)

(6)擴(kuò)展節(jié)點(diǎn)n，生成不是n 的祖先的那些后繼節(jié)點(diǎn)的集合M。將M 添入圖G 中。

(7)對(duì)那些未曾在G 中出現(xiàn)過(guò)的(既未曾在OPEN 表上或CLOSED 表上出現(xiàn)過(guò)的)M 成員設(shè)置一個(gè)通向n 的指針，并將 它們加進(jìn)OPEN 表。對(duì)已經(jīng)在OPEN 或CLOSED 表上的每個(gè)M 成員，確定是否需要更改通到n 的指針方向。對(duì)已在CLOSED 表上的每個(gè)M 成員，確定是否需要更改圖G 中通向它的每個(gè)后裔節(jié)點(diǎn)的指針方向。(8)按某一任意方式或按某個(gè)探試值，重排OPEN 表。

(9)GO LOOP。

重排OPEN 表意味著，在第(6)步中，將優(yōu)先擴(kuò)展哪個(gè)節(jié)點(diǎn)，不同的排序標(biāo)準(zhǔn)對(duì)應(yīng)著不同的搜索策略。

重排的原則當(dāng)視具體需求而定，不同的原則對(duì)應(yīng)著不同的搜索策略，如果想盡快地找到一個(gè)解，則應(yīng)當(dāng)將最有可能 達(dá)到目標(biāo)節(jié)點(diǎn)的那些節(jié)點(diǎn)排在OPEN 表的前面部分，如果想找到代價(jià)最小的解，則應(yīng)當(dāng)按代價(jià)從小到大的順序重排 OPEN 表。

3-2 試舉例比較各種搜索方法的效率。

(1)把起始節(jié)點(diǎn)放到OPEN 表中(如果該起始節(jié)點(diǎn)為一目標(biāo)節(jié)點(diǎn)，則求得一個(gè)解答)。

(2)如果OPEN 是個(gè)空表，則沒有解，失敗退出；否則繼續(xù)。

(3)把第一個(gè)節(jié)點(diǎn)(節(jié)點(diǎn)n)從OPEN 表移出，并把它放入CLOSED 擴(kuò)展節(jié)點(diǎn)表中。

(4)擴(kuò)展節(jié)點(diǎn)n。如果沒有后繼節(jié)點(diǎn)，則轉(zhuǎn)向上述第(2)步。

(5)把n 的所有后繼節(jié)點(diǎn)放到OPEN 表的末端，并提供從這些后繼節(jié)點(diǎn)回到n 的指針。

(6)如果n 的任一個(gè)后繼節(jié)點(diǎn)是個(gè)目標(biāo)節(jié)點(diǎn)，則找到一個(gè)解答，成功退出；否則轉(zhuǎn)向第(2)步。

有界深度優(yōu)先搜索

(1)把起始節(jié)點(diǎn)S 放到未擴(kuò)展節(jié)點(diǎn)OPEN 表中。如果此節(jié)點(diǎn)為一目標(biāo)節(jié)點(diǎn)，則得到一個(gè)解。

(2)如果OPEN 為一空表，則失敗退出。

(3)把第一個(gè)節(jié)點(diǎn)(節(jié)點(diǎn)n)從OPEN 表移到CLOSED 表。

(4)如果節(jié)點(diǎn)n 的深度等于最大深度，則轉(zhuǎn)向(2)。

(5)擴(kuò)展節(jié)點(diǎn)n，產(chǎn)生其全部后裔，并把它們放入OPEN 表的前頭。如果沒有后裔，則轉(zhuǎn)向(2)。

(6)如果后繼節(jié)點(diǎn)中有任一個(gè)為目標(biāo)節(jié)點(diǎn)，則求得一個(gè)解，成功退出；否則，轉(zhuǎn)向(2)。

等代價(jià)搜索方法以g(i)的遞增順序擴(kuò)展其節(jié)點(diǎn)，其算法如下：

(1)把起始節(jié)點(diǎn)S 放到未擴(kuò)展節(jié)點(diǎn)表OPEN 中。如果此起始節(jié)點(diǎn)為一目標(biāo)節(jié)點(diǎn)，則求得一個(gè)解;否則令g(S)=0。

(2)如果OPEN 是個(gè)空表，則沒有解而失敗退出。

(3)從 OPEN 表中選擇一個(gè)節(jié)點(diǎn) i，使其 g(i)為最小。如果有幾個(gè)節(jié)點(diǎn)都合格，那么就要選擇一個(gè)目標(biāo)節(jié)點(diǎn)作為節(jié) 點(diǎn)i(要是有目標(biāo)節(jié)點(diǎn)的話)；否則，就從中選一個(gè)作為節(jié)點(diǎn)i。把節(jié)點(diǎn)i 從OPEN 表移至擴(kuò)展節(jié)點(diǎn)表CLOSED 中。(4)如果節(jié)點(diǎn)i 為目標(biāo)節(jié)點(diǎn)，則求得一個(gè)解。

(5)擴(kuò)展節(jié)點(diǎn)i。如果沒有后繼節(jié)點(diǎn)，則轉(zhuǎn)向第(2)步。(6)對(duì)于節(jié)點(diǎn) i 的每個(gè)后繼節(jié)點(diǎn) j，計(jì)算g(j)=g(i)+c(i,j)，并把所有后繼節(jié)點(diǎn) j 放進(jìn) OPEN 表。提供回到節(jié)點(diǎn) i 的指針。

(7)轉(zhuǎn)向第(2)步。

3-3 化為子句形有哪些步驟?請(qǐng)結(jié)合例子說(shuō)明之。

任一謂詞演算公式可以化成一個(gè)子句集。其變換過(guò)程由下列九個(gè)步驟組成：

(1)消去蘊(yùn)涵符號(hào)

將蘊(yùn)涵符號(hào)化為析取和否定符號(hào)

(2)減少否定符號(hào)的轄域

每個(gè)否定符號(hào)最多只用到一個(gè)謂詞符號(hào)上，并反復(fù)應(yīng)用狄· 摩根定律

(3)對(duì)變量標(biāo)準(zhǔn)化

對(duì)啞元改名以保證每個(gè)量詞有其自己唯一的啞元

(4)消去存在量詞

引入Skolem 函數(shù)，消去存在量詞

如果要消去的存在量詞不在任何一個(gè)全稱量詞的轄域內(nèi)，那么我們就用不含變量的Skolem 函數(shù)即常量。

(5)化為前束形

把所有全稱量詞移到公式的左邊，并使每個(gè)量詞的轄域包括這個(gè)量詞后面公式的整個(gè)部分。

前束形 =(前綴)(母式)前綴 = 全稱量詞串

母式 = 無(wú)量詞公式

(6)把母式化為合取范式

反復(fù)應(yīng)用分配律，將母式寫成許多合取項(xiàng)的合取的形式，而每一個(gè)合取項(xiàng)是一些謂詞公式和(或)謂詞公式的否定的析取

(7)消去全稱量詞

消去前綴，即消去明顯出現(xiàn)的全稱量詞

(8)消去連詞符號(hào)(合取)

用{合取項(xiàng)1,合取項(xiàng)2}替換明顯出現(xiàn)的合取符號(hào)

(9)更換變量名稱

更換變量符號(hào)的名稱，使一個(gè)變量符號(hào)不出現(xiàn)在一個(gè)以上的子句中

3-4 如何通過(guò)消解反演求取問題的答案?

給出一個(gè)公式集S 和目標(biāo)公式L，通過(guò)反證或反演來(lái)求證目標(biāo)公式L，其證明步驟如下：

(1)否定L，得～L；

(2)把～L 添加到S 中去；

(3)把新產(chǎn)生的集合｛～L，S｝化成子句集；

(4)應(yīng)用消解原理，力圖推導(dǎo)出一個(gè)表示矛盾的空子句NIL。

3-5 什么叫合適公式?合適公式有哪些等價(jià)關(guān)系? 合式公式的遞歸定義為：

(1)原子謂詞公式是合式公式

(2)若A 為合式公式，則A 的否定也是合式公式

(3)若A、B 都是合式公式，則A AND B, AOR B, AB, A>B 也都是合式公式

(4)若A 是合式公式，x 為A 中的自由變?cè)?，則(ANY x)A 和(EXT x)A 都是合式公式

(5)只有按規(guī)則(1)~(4)求得的公式，才是合式公式 等價(jià)關(guān)系有：否定之否定，蘊(yùn)含與與或形式的等價(jià)，狄.摩根定律；分配律，交換律，結(jié)合律，逆否律，否定跨越量 詞，全稱量詞同與或連詞，量詞中的啞元

3-6 用寬度優(yōu)先搜索求圖3.33 所示迷宮的出路。

第一步 SAB 第二步 BH

BC

第三步 HG

CF

最終路徑為SABCF

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。

解：定義操作符集：F={f1,f2,f3,f4}，其中： f1 表示空格右移； f2 表示空格上移；

f3 表示空格左移； f4 表示空格下移。

搜索時(shí)，節(jié)點(diǎn)的擴(kuò)展順序規(guī)定為按右、左、上、下方向移動(dòng)空格。并設(shè)置深度界限為8。

由上述有界深度優(yōu)先搜索樹中可見，當(dāng)d=8 時(shí)，八數(shù)碼難題的一個(gè)解為： f4, f4, f3, f2, f2, f3, f4, f3

3-10 一個(gè)機(jī)器人駕駛卡車，攜帶包裹(編號(hào)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(jiǎn)單的操作符，如表示駕駛方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先決條件和結(jié)果。試說(shuō)明狀態(tài)空間問題求解系統(tǒng)如何能夠應(yīng)用謂詞演算求得一個(gè)操作符序列，該序列能夠生成一個(gè)滿足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目標(biāo)狀態(tài)。

初始狀態(tài)可描述為：AT(#1, ~LIN)AND AT(#2, ~WU)AND AT(#1, ~HU)AND AT(#1, CAR)AND AT(#2, CAR)AND AT(#3, CAR)目標(biāo)狀態(tài)可描述為：AT(#1, LIN)AND AT(#2, WU)AND AT(#1, HU)AND AT(#1, ~CAR)AND AT(#2, ~CAR)AND AT(#3, ~CAR)

對(duì)每個(gè)操作符都有一定的先決條件和結(jié)果，詳細(xì)如下

drive(x, y)

先決條件：AT(CAR, x)

結(jié)果： AT(CAR, y)unload(z)先決條件：AT(z, CAR)AND AT(CAR, x)結(jié)果： AT(z, ~CAR)AND AT(z, x)

原問題就轉(zhuǎn)換為尋找一個(gè)可將初始狀態(tài)轉(zhuǎn)換到目標(biāo)狀態(tài)的操作序列 如何求得該操作序列???

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(diǎn)為何?

規(guī)則演繹系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理

雙向推理組合了正向推理和逆向推理的優(yōu)點(diǎn)，克服了各自的缺點(diǎn)，具有更高的搜索求解效率。

產(chǎn)生式系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理

雙向推理結(jié)合了正向推理和逆向推理的長(zhǎng)處，克服了兩者的短處，其控制策略比兩者都要復(fù)雜。

3-12 為什么需要采用系統(tǒng)組織技術(shù)?有哪幾種系統(tǒng)組織技術(shù)?

如果不采用系統(tǒng)組織技術(shù)，而直接寫出包含所有知識(shí)的規(guī)則，并讓系統(tǒng)利用這些規(guī)則，找出一條從給定狀態(tài)到目標(biāo) 狀態(tài)的路徑，這種方法有嚴(yán)重的缺點(diǎn)：

(1)隨著規(guī)則的增加，既要加入新的規(guī)則，又要使新規(guī)則不與現(xiàn)有規(guī)則產(chǎn)生沖突，這將使問題變得愈來(lái)愈困難

(2)在問題求解過(guò)程中，由于每一步都必須考慮所有規(guī)則，效率就會(huì)大大降低，然而，實(shí)際上卻往往是只有應(yīng)用完 一組規(guī)則之后，才考慮另一組別的規(guī)則

(3)一種問題求解技術(shù)和知識(shí)表達(dá)形式可能對(duì)問題的某一部分是最好的，而對(duì)另一部分卻不是最好的 因此，采用系統(tǒng)組織技術(shù)，將一個(gè)大系統(tǒng)中的知識(shí)分成一組相對(duì)獨(dú)立的模塊比較合適。

有3 種系統(tǒng)組織技術(shù)：議程表、黑板法和Delta 極小搜索法

3-13 研究不確定性推理有何意義?有哪幾種不確定性?

不確定性推理是研究復(fù)雜系統(tǒng)不完全性和不確定性的有力工具。

有3 種不確定性，關(guān)于證據(jù)的不確定性(觀測(cè)有誤差)，關(guān)于結(jié)論的不確定性和多個(gè)規(guī)則支持同一事實(shí)時(shí)的不確定性。

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(shí)一個(gè)節(jié)點(diǎn)的有效性?

單調(diào)系統(tǒng)不能很好地處理常常出現(xiàn)在現(xiàn)實(shí)問題領(lǐng)域中的3 類情況，即不完全的信息、不斷變化的情況、以及求解復(fù)雜問題過(guò)程中生成的假設(shè)

有兩種方法可以證實(shí)節(jié)點(diǎn)的有效性：

(1)支持表。

(SL(IN-節(jié)點(diǎn)表)(OUT-節(jié)點(diǎn)表))

如果某節(jié)點(diǎn)的IN 節(jié)點(diǎn)表中提到的節(jié)點(diǎn)當(dāng)前都是IN, 且OUT 節(jié)點(diǎn)表中提到的節(jié)點(diǎn)當(dāng)前都是OUT，則它是有效的(2)條件證明。

(CP(結(jié)論)(IN-假設(shè))(OUT-假設(shè)))

條件證明(CP)的證實(shí)表示有前提的論點(diǎn)，無(wú)論何時(shí)，只要在IN 假設(shè)中的節(jié)點(diǎn)為IN, OUT 假設(shè)中的節(jié)點(diǎn)為OUT, 則 結(jié)論節(jié)點(diǎn)往往為IN，于是條件證明的證實(shí)有效。

3-15 在什么情況下需要采用不確定推理或非單調(diào)推理?

不完全的信息、不斷變化的情況、以及求解復(fù)雜問題過(guò)程中生成的假設(shè)

3-16 下列語(yǔ)句是一些幾何定理，把這些語(yǔ)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(gè)全等三角形的各對(duì)應(yīng)角相等。

(2)兩個(gè)全等三角形的各對(duì)應(yīng)邊相等。

(3)各對(duì)應(yīng)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。

規(guī)則(1): IF 兩個(gè)三角形全等

THEN 各對(duì)應(yīng)角相等

規(guī)則(2): IF 兩個(gè)三角形全等

THEN 各對(duì)應(yīng)邊相等

規(guī)則(3): IF 兩個(gè)三角形各對(duì)應(yīng)邊相等

THEN 兩三角形全等

規(guī)則(4): IF 它是等腰三角形

THEN 它的兩底角相等

第四章 計(jì)算智能（1）：神經(jīng)計(jì)算 模糊計(jì)算

4-1 計(jì)算智能的含義是什么？它涉及哪些研究分支？

貝茲德克認(rèn)為計(jì)算智能取決于制造者提供的數(shù)值數(shù)據(jù)，而不依賴于知識(shí)。計(jì)算智能是智力的低層認(rèn)知。

主要的研究領(lǐng)域?yàn)樯窠?jīng)計(jì)算，模糊計(jì)算，進(jìn)化計(jì)算，人工生命。

4-2 試述計(jì)算智能（CI）、人工智能（AI）和生物智能（BI）的關(guān)系。

計(jì)算智能是智力的低層認(rèn)知，主要取決于數(shù)值數(shù)據(jù)而不依賴于知識(shí)。人工智能是在計(jì)算智能的基礎(chǔ)上引入知識(shí)而產(chǎn) 生的智力中層認(rèn)知。生物智能，尤其是人類智能，則是最高層的智能。即CI 包含AI 包含BI

4-3 人工神經(jīng)網(wǎng)絡(luò)為什么具有誘人的發(fā)展前景和潛在的廣泛應(yīng)用領(lǐng)域？

人工神經(jīng)網(wǎng)絡(luò)具有如下至關(guān)重要的特性：

(1)并行分布處理 適于實(shí)時(shí)和動(dòng)態(tài)處理

(2)非線性映射 給處理非線性問題帶來(lái)新的希望

(3)通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)

一個(gè)經(jīng)過(guò)適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力，能夠解決那些由數(shù)學(xué)模型或描述規(guī)則難以處理的問題

(4)適應(yīng)與集成

神經(jīng)網(wǎng)絡(luò)的強(qiáng)適應(yīng)和信息融合能力使得它可以同時(shí)輸入大量不同的控制信號(hào)，實(shí)現(xiàn)信息集成和融合，適于復(fù)雜，大 規(guī)模和多變量系統(tǒng)

(5)硬件實(shí)現(xiàn)

一些超大規(guī)模集成是電路實(shí)現(xiàn)硬件已經(jīng)問世，使得神經(jīng)網(wǎng)絡(luò)成為具有快速和大規(guī)模處理能力的網(wǎng)絡(luò)。

4-4 簡(jiǎn)述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和主要學(xué)習(xí)算法。

生物神經(jīng)元

大多數(shù)神經(jīng)元由一個(gè)細(xì)胞體(cell body 或soma)和突(process)兩部分組成。突分兩類，即軸突(axon)和樹突(dendrite)，軸突是個(gè)突出部分，長(zhǎng)度可達(dá) 1m，把本神經(jīng)元的輸出發(fā)送至其它相連接的神經(jīng)元。樹突也是突出部分，但一般較 短，且分枝很多，與其它神經(jīng)元的軸突相連，以接收來(lái)自其它神經(jīng)元的生物信號(hào)。

軸突的末端與樹突進(jìn)行信號(hào)傳遞的界面稱為突觸(synapse)，通過(guò)突觸向其它神經(jīng)元發(fā)送信息。對(duì)某些突觸的刺激促 使神經(jīng)元觸發(fā)(fire)。只有神經(jīng)元所有輸入的總效應(yīng)達(dá)到閾值電平，它才能開始工作。此時(shí)，神經(jīng)元就產(chǎn)生一個(gè)全強(qiáng) 度的輸出窄脈沖，從細(xì)胞體經(jīng)軸突進(jìn)入軸突分枝。這時(shí)的神經(jīng)元就稱為被觸發(fā)。突觸把經(jīng)過(guò)一個(gè)神經(jīng)元軸突的脈沖 轉(zhuǎn)化為下一個(gè)神經(jīng)元的興奮或抑制。學(xué)習(xí)就發(fā)生在突觸附近。

每個(gè)人腦大約含有 10^11-10^12 個(gè)神經(jīng)元，每一神經(jīng)元又約有 10^3-10^4 個(gè)突觸。神經(jīng)元通過(guò)突觸形成的網(wǎng)絡(luò)，傳 遞神經(jīng)元間的興奮與抑制。大腦的全部神經(jīng)元構(gòu)成極其復(fù)雜的拓?fù)渚W(wǎng)絡(luò)群體，用于實(shí)現(xiàn)記憶與思維。

人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元模型構(gòu)成。每個(gè)神經(jīng)元具有單一輸出，并且能夠與其它神經(jīng)元連接，存在許多輸出連接方法，每種連接方法對(duì)應(yīng)于一個(gè)連接權(quán)系數(shù)。

人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為2 類：

(1)遞歸(反饋)網(wǎng)絡(luò) 有些神經(jīng)元的輸出被反饋至同層或前層神經(jīng)元。信號(hào)能夠從正向和反向流通。Hopfield 網(wǎng)絡(luò)，Elmman 網(wǎng)絡(luò)和Jordan 網(wǎng)絡(luò)是代表。

(2)前饋網(wǎng)絡(luò) 具有遞階分層結(jié)構(gòu)，由一些同層神經(jīng)元間不存在互連的層級(jí)組成。從輸入層至輸出層的信號(hào)通過(guò)單向連接流通，神 經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元之間的連接。多層感知器(MLP)，學(xué)習(xí)矢量量化網(wǎng)絡(luò)(LVQ)，小腦模 型連接控制網(wǎng)絡(luò)(CMAC)和數(shù)據(jù)處理方法網(wǎng)絡(luò)(GMDH)是代表。

人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法

(1)指導(dǎo)式(有師)學(xué)習(xí)

根據(jù)期望和實(shí)際的網(wǎng)絡(luò)輸出之間的差來(lái)調(diào)整神經(jīng)元連接的強(qiáng)度或權(quán)。包括Delta 規(guī)則，廣義Delta 規(guī)則，反向傳播算 法及LVQ 算法。

(2)非指導(dǎo)(無(wú)導(dǎo)師)學(xué)習(xí)

訓(xùn)練過(guò)程中，神經(jīng)網(wǎng)絡(luò)能自動(dòng)地適應(yīng)連接權(quán)，以便按相似特征把輸入模式分組聚集。包括 Kohonen 算法，Carpenter-Grossberg 自適應(yīng)諧振理論(ART)(3)強(qiáng)化學(xué)習(xí)

是有師學(xué)習(xí)的一種特例。它不需要老師給出目標(biāo)輸出，而是由一個(gè)“評(píng)論員”來(lái)評(píng)介與給定輸入相對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò) 輸出的優(yōu)度。例如遺傳算法(GA)

4-10 什么是模糊集合和隸屬函數(shù)或隸屬度？

論域U 模糊子集F 隸屬函數(shù)

序偶 P119

4-11 模糊集合有哪些運(yùn)算，滿足哪些規(guī)律？

并(取max)，交(取min)，補(bǔ)

冪等律，交換律，結(jié)合律，分配律，吸收律，同一律，Demorgan 律，復(fù)原律，對(duì)偶律，互補(bǔ)律不成立

4-12 什么是模糊推理？有哪幾種模糊推理方法？

模糊推理是建立在模糊邏輯基礎(chǔ)上的，一種不確定性推理方法，是在二值邏輯三段論基礎(chǔ)上發(fā)展起來(lái)的。它以模糊判斷為前提，動(dòng)用模糊語(yǔ)言規(guī)則，推導(dǎo)出一個(gè)近似的模糊判斷結(jié)論。

有許多模糊推理方法。在Zadeh 法中，有2 種重要的模糊推理規(guī)則：廣義取式(肯定前提)假言推理法(GMP)和廣義 拒式(否定結(jié)論)假言推理法(GMT)，分別簡(jiǎn)稱為廣義前向推理法和廣義后向推理法。

4-13 有哪些模糊蘊(yùn)含關(guān)系？ 模糊合取，模糊析取，基本蘊(yùn)涵，命題演算，GMP 推理，GMT 推理

4-14 什么叫模糊判決？有哪幾種常用的模糊判決方法？

從推理得到的模糊集合中，取一個(gè)相對(duì)最能代表這個(gè)模糊集合的單值的過(guò)程就稱為解模糊或模糊判決。

常用的模糊判決方法有：重心法，最大隸屬度法，系數(shù)加權(quán)平均法，隸屬度限幅元素平均法

第五章 計(jì)算智能(2):進(jìn)化計(jì)算 人工生命

5-1 什么是進(jìn)化計(jì)算？它包括哪些內(nèi)容？它們的出發(fā)點(diǎn)是什么？

什么是？

進(jìn)化計(jì)算包括遺傳算法，進(jìn)化策略，進(jìn)化編程和遺傳編程。

出發(fā)點(diǎn)？

5-2 試述遺傳算法的基本原理，并說(shuō)明遺傳算法的求解步驟。

基本原理？

求解步驟：

(1)隨機(jī)產(chǎn)生一個(gè)由確定長(zhǎng)度的特征字符串組成的初始種群體

(2)對(duì)該字符串種群迭代地執(zhí)行下步的步驟[1]和步驟[2]，直到滿足停止準(zhǔn)則為止：

[1] 計(jì)算種群中每個(gè)個(gè)體字符中的適應(yīng)值

[2] 應(yīng)用復(fù)制，交叉和變異等遺傳算子產(chǎn)生下一代種群

(3)把在后代中出現(xiàn)的最好個(gè)體字符指定為遺傳算法的執(zhí)行結(jié)果，這個(gè)結(jié)果可以表示問題的一個(gè)解。

5-5 進(jìn)化策略是如何描述的？

最簡(jiǎn)單的進(jìn)化策略可描述如下： P137

5-6 簡(jiǎn)述進(jìn)化編程的機(jī)理和基本過(guò)程，并以四狀態(tài)機(jī)為例說(shuō)明進(jìn)化編程的表示。

機(jī)理？

基本過(guò)程？

P139

5-7 遺傳算法、進(jìn)化策略和進(jìn)化編程的關(guān)系如何？有何區(qū)別？

關(guān)系： 它們都是模擬生物界自然進(jìn)化過(guò)程而建立的魯棒性計(jì)算機(jī)算法。

區(qū)別：

進(jìn)化策略和進(jìn)化編程把變異作為主要搜索算子，標(biāo)準(zhǔn)遺傳算法中，變異處于次要位置。

交叉在遺傳法起著重要作用，而在進(jìn)化編程中卻被完全省去，在進(jìn)化策略中與自適應(yīng)結(jié)合使用，起了很重要的作用。標(biāo)準(zhǔn)遺傳算法和進(jìn)化編程都強(qiáng)調(diào)隨機(jī)選擇機(jī)制的重要性，而進(jìn)化策略的選擇是完全確定的。

進(jìn)化策略和進(jìn)化編程，確定地把某個(gè)個(gè)體排除在被選擇之外，而標(biāo)準(zhǔn)遺傳算法都對(duì)每個(gè)個(gè)體指定一個(gè)非零的選擇概率。

5-8 人工生命是否從1987 年開始研究？為什么？

不是。

1987 年第一次人工生命研討會(huì)上，美國(guó)圣塔菲研究所非線性研究組的蘭頓正式提出了人工生命的概念，建立起人工 生命新學(xué)科。世紀(jì)，60 年代，羅森布拉特研究感知機(jī)，斯塔爾建立細(xì)胞活動(dòng)模型，林登邁耶提出了生長(zhǎng)發(fā)育中的細(xì)胞交互作 用數(shù)學(xué)模型。

年代，康拉德等人研究人工仿生系統(tǒng)中的自適應(yīng)，進(jìn)化和群體動(dòng)力學(xué)，提出不斷完善的“人工世界”模型。細(xì)胞 自動(dòng)機(jī)被用于圖像處理?？淀f提出生命的細(xì)胞自動(dòng)機(jī)對(duì)策論。

年代，人工神經(jīng)網(wǎng)絡(luò)再度興起，促進(jìn)了人工生命的發(fā)展。

5-9 什么是人工生命？請(qǐng)按你的理解用自己的語(yǔ)言給人工生命下個(gè)定義。

1987 年蘭德提出的人工生命定義為：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)。通過(guò)計(jì)算機(jī)或 其它機(jī)器對(duì)類似生命的行為進(jìn)行綜合研究，以便對(duì)傳統(tǒng)生物科學(xué)起互補(bǔ)作用。

凡是具有自然生命現(xiàn)象和特征的人造系統(tǒng)，都可稱為人工生命。

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？

自然生命的共同特征和現(xiàn)象，包括但不限于：

18(1)自繁殖，自進(jìn)化，自尋優(yōu)

(2)自成長(zhǎng)，自學(xué)習(xí)，自組織

(3)自穩(wěn)定，自適應(yīng)，自協(xié)調(diào)

(4)物質(zhì)構(gòu)造

(5)能量轉(zhuǎn)換

(6)信息處理

5-11 為什么要研究人工生命？

具有重大的科學(xué)意義和廣泛的應(yīng)用價(jià)值

(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)為自然生命的研究提供新模型、新工具、新環(huán)境(3)延伸人類壽命，減緩衰老，防治疾病(4)擴(kuò)展自然生命，實(shí)現(xiàn)人工進(jìn)化和優(yōu)生優(yōu)育

(5)促進(jìn)生命科學(xué)，信息科學(xué)，系統(tǒng)科學(xué)的交叉發(fā)展

5-12 人工生命包括哪些研究?jī)?nèi)容？其研究方法如何？ 研究?jī)?nèi)容大致分為兩類：

（1）構(gòu)成生物體的內(nèi)部系統(tǒng)，包括腦，神經(jīng)系統(tǒng)，內(nèi)分泌系統(tǒng)，免疫系統(tǒng)，遺傳系統(tǒng)，酶系統(tǒng)，代謝系統(tǒng)

（2）生物體及其群體的外部系統(tǒng)，包括環(huán)境適應(yīng)系統(tǒng)和遺傳進(jìn)化系統(tǒng) 研究方法主要可分為兩類：

（1）信息模型法，根據(jù)內(nèi)部和外部系統(tǒng)所表現(xiàn)出來(lái)的生命行為來(lái)建造信息模型

（2）工作原理法：生命行為所顯示的自律分散和非線性行為，其工作原理是混沌和分形，以此為基礎(chǔ)研究人工生命的機(jī)理。

第六章 專家系統(tǒng)

6-1 什么叫做專家系統(tǒng)？具有哪些特點(diǎn)和優(yōu)點(diǎn)？

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來(lái)處理該領(lǐng)域問題。也就是說(shuō)，專家系統(tǒng)是一個(gè)具有 大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某一個(gè)領(lǐng)域或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，一邊解決那些需要人類專家處理的復(fù)雜問題。特點(diǎn)：

（1）啟發(fā)性 專家系統(tǒng)能運(yùn)用專家的知識(shí)與經(jīng)驗(yàn)進(jìn)行推理、判斷和決策

（2）透明性 專家系統(tǒng)能夠解釋本身的推理過(guò)程和回答用戶提出的問題，以便讓用戶能夠了解推理過(guò)程，提高對(duì)專家系統(tǒng)的信賴感。

（3）靈活性 專家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，不斷更新 優(yōu)點(diǎn)

（1）專家系統(tǒng)能夠高效率、準(zhǔn)確、周到、迅速和不知疲倦地進(jìn)行工作（2）專家系統(tǒng)解決實(shí)際問題時(shí)不受周圍環(huán)境的影響，也不可能遺漏忘記

（3）可以使專家的專長(zhǎng)不受時(shí)間和空間的限制，以便推廣珍貴和稀缺的專家知識(shí)與經(jīng)驗(yàn)

（4）專家系統(tǒng)能夠促進(jìn)各領(lǐng)域的發(fā)展，它使各領(lǐng)域?qū)＜业膶I(yè)知識(shí)和經(jīng)驗(yàn)得到總結(jié)和精煉，能夠廣泛有力地傳播專家的知識(shí)、經(jīng)驗(yàn)和能力

（5）專家系統(tǒng)能夠匯集多領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)以及他們寫作解決重大問題的能力，它擁有更淵博的 19 知識(shí)、更豐富的經(jīng)驗(yàn)和更強(qiáng)的工作能力

（6）軍事專家系統(tǒng)的水平是一個(gè)國(guó)家國(guó)防現(xiàn)代化的重要標(biāo)志之一（7）專家系統(tǒng)的研制和應(yīng)用，具有巨大的經(jīng)濟(jì)效益和社會(huì)效益

（8）研究專家系統(tǒng)能夠促進(jìn)整個(gè)科學(xué)技術(shù)的發(fā)展。專家系統(tǒng)對(duì)人工智能的各個(gè)領(lǐng)域的發(fā)展起了很大的促進(jìn)作用，并將對(duì)科技、經(jīng)濟(jì)、國(guó)防、教育、社會(huì)和人民生活產(chǎn)生極其深遠(yuǎn)的影響。

6-2 專家系統(tǒng)由哪些部分構(gòu)成？各個(gè)部分的的作用為何？

（1）知識(shí)庫(kù)（knowledge base）知識(shí)庫(kù)用于存儲(chǔ)某領(lǐng)域的專門知識(shí)，包括事實(shí)、可行操作與規(guī)則等。（2）綜合數(shù)據(jù)庫(kù)（global database）綜合數(shù)據(jù)庫(kù)又稱全局?jǐn)?shù)據(jù)庫(kù)或總數(shù)據(jù)庫(kù)，它用于存儲(chǔ)領(lǐng)域或問題的廚師數(shù)據(jù)和推理過(guò)程中得到的中間數(shù)據(jù)（信息），即被處理對(duì)象的一些當(dāng)前事實(shí)。

（3）推理機(jī)（reasoning machine）推理機(jī)用于記憶所采用的規(guī)則和控制策略的程序，使整個(gè)專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。推理機(jī)能夠根據(jù)指示進(jìn)行推理和導(dǎo)出結(jié)論，而不是簡(jiǎn)單地搜索現(xiàn)成的答案。（4）解釋器（explanator）解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因。

（5）接口（interface）又稱界面，他能夠使系統(tǒng)與用戶進(jìn)行對(duì)話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過(guò)程及推理結(jié)果等。系統(tǒng)則通過(guò)接口，要求用戶回答提問，并回答用戶提出的問題，進(jìn)行必要的解釋。

6-3 建造專家系統(tǒng)的關(guān)鍵步驟是什么？

是否擁有大量知識(shí)是專家系統(tǒng)成功與否的關(guān)鍵，因而知識(shí)表示就成為設(shè)計(jì)專家系統(tǒng)的關(guān)鍵（1）設(shè)計(jì)初始知識(shí)庫(kù)

問題知識(shí)化、知識(shí)概念化、概念形式化、形式規(guī)則化、規(guī)則合法化

（2）原型機(jī)（prototype）的開發(fā)與試驗(yàn)

建立整個(gè)系統(tǒng)所需要的實(shí)驗(yàn)子集，它包括整個(gè)模型的典型知識(shí)，而且只涉及與試驗(yàn)有關(guān)的足夠簡(jiǎn)單的任務(wù)和推理過(guò)程

（3）知識(shí)庫(kù)的改進(jìn)與歸納

反復(fù)對(duì)知識(shí)庫(kù)及推理規(guī)則進(jìn)行改進(jìn)試驗(yàn)，歸納出更完善的結(jié)果

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)其他軟件的任務(wù)有何不同？

一般應(yīng)用程序與專家系統(tǒng)的區(qū)別在于：前者把問題求解的知識(shí)隱含地編入程序，而后者則把其應(yīng)用領(lǐng)域的問題求解知識(shí)單獨(dú)組成一個(gè)實(shí)體，即為知識(shí)庫(kù)。知識(shí)庫(kù)的處理時(shí)通過(guò)與知識(shí)庫(kù)分開的控制策略進(jìn)行的。更明確地說(shuō)，一般應(yīng)用程序把知識(shí)組織為兩級(jí)：數(shù)據(jù)級(jí)和程序級(jí)；大多數(shù)專家系統(tǒng)則將知識(shí)組織成三級(jí)：數(shù)據(jù)、知識(shí)庫(kù)和控制。

在數(shù)據(jù)級(jí)上，是已經(jīng)解決了的特定問題的說(shuō)明性知識(shí)以及需要求解問題的有關(guān)事件的當(dāng)前狀態(tài)、在知識(shí)庫(kù)級(jí)是專家系統(tǒng)的專門知識(shí)與經(jīng)驗(yàn)。是否擁有大量知識(shí)是專家系統(tǒng)成功與否的關(guān)鍵，因而知識(shí)表示就成為設(shè)計(jì)專家系統(tǒng)的關(guān)鍵。

在控制程序級(jí)，根據(jù)既定的控制策略和所求解問題的性質(zhì)來(lái)決定應(yīng)用知識(shí)庫(kù)中的哪些知識(shí)。

6-5 基于規(guī)則的專家系統(tǒng)是如何工作的？其結(jié)構(gòu)為何？

系統(tǒng)的主要部分是知識(shí)庫(kù)和推理引擎。

知識(shí)庫(kù)由謂詞演算事實(shí)和有關(guān)討論主題的規(guī)則構(gòu)成。“知識(shí)工程師”與應(yīng)用領(lǐng)域的專家共同工作以便把專家的相關(guān)知識(shí)表示成一種形式，由一個(gè)知識(shí)采集子系統(tǒng)協(xié)助，輸入到知識(shí)庫(kù)。

推理引擎由所有操作知識(shí)庫(kù)來(lái)演繹用戶要求的信息的過(guò)程構(gòu)成-如消解、前向鏈或反向鏈。

用戶接口可能包括某種自然語(yǔ)言處理系統(tǒng)，它允許用戶用一個(gè)有限的自然語(yǔ)言形式與系統(tǒng)交互。也可是用帶有菜單的圖形接口界面。

解釋子系統(tǒng)分析被系統(tǒng)只需的推理結(jié)構(gòu)，并把它解釋給用戶。

6-6 基于框架的專家系統(tǒng)與面向目標(biāo)的編程技術(shù)，以提高系統(tǒng)的能力和靈活性。它們共享許多特征。面向目標(biāo)的編程其所有數(shù)據(jù)結(jié)構(gòu)均以目標(biāo)形式出現(xiàn)，每個(gè)目標(biāo)含有兩種基本信息：描述目標(biāo)的信息和說(shuō)明目標(biāo)能做什么的信息。面向目標(biāo)的編程為表示實(shí)際世界目標(biāo)提供了一種自然的方法。應(yīng)用專家系統(tǒng)的術(shù)語(yǔ)來(lái)說(shuō)，每個(gè)目標(biāo)具有陳述性知識(shí)和過(guò)程知識(shí)。

結(jié)構(gòu)的主要特點(diǎn)在于基于框架的專家系統(tǒng)采用框架而不是規(guī)則來(lái)表示知識(shí)?？蚣芴峁┮环N比規(guī)則更豐富的獲取問題知識(shí)的方法，不僅提供某些目標(biāo)的包描述，而且還規(guī)定了該目標(biāo)如何工作。開發(fā)基于框架的專家系統(tǒng)的主要任務(wù)有：

（1）定義問題（對(duì)問題和結(jié)論的考察與綜述）

（2）分析領(lǐng)域（定義事物、事物特征、事件和框架結(jié)構(gòu)）（3）定義類及其特征（4）定義例及其框架結(jié)構(gòu)（5）確定模式匹配法則（6）規(guī)定事物通信方法（7）設(shè)計(jì)系統(tǒng)界面（8）對(duì)系統(tǒng)進(jìn)行評(píng)價(jià)

（9）對(duì)系統(tǒng)進(jìn)行擴(kuò)展，深化和擴(kuò)展知識(shí)

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(luò)專家系統(tǒng)的一般結(jié)構(gòu)。

有一種關(guān)于人工智能的觀點(diǎn)認(rèn)為：人工智能是對(duì)各種定性模型的獲得、表達(dá)及使用的計(jì)算方法進(jìn)行研究 21 的學(xué)問。根據(jù)這一觀點(diǎn)，一個(gè)知識(shí)系統(tǒng)中的知識(shí)庫(kù)是由各種模型綜合而成的，而這些模型又往往是定性的模型。

采用各種定性模型來(lái)設(shè)計(jì)專家系統(tǒng)，一方面它增加了系統(tǒng)的功能，提高了性能指標(biāo)，另一方面，可獨(dú)立地深入研究各種模型及其相關(guān)問題，把獲得的結(jié)果用于改進(jìn)系統(tǒng)設(shè)計(jì)。

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)？ 新型專家系統(tǒng)的特征：（1）并行于分布處理（2）多專家系統(tǒng)協(xié)同工作（3）高級(jí)語(yǔ)言和知識(shí)語(yǔ)言描述

知識(shí)工程師只需用一種高級(jí)專家系統(tǒng)描述語(yǔ)言對(duì)系統(tǒng)進(jìn)行功能、性能及接口描述，并用知識(shí)表示語(yǔ)言描述領(lǐng)域知識(shí)，專家系統(tǒng)生成系統(tǒng)就能自動(dòng)或半自動(dòng)地生成所需專家系統(tǒng)。（4）具有自學(xué)習(xí)功能

具有高級(jí)的知識(shí)獲取與學(xué)習(xí)能力（5）引入新的推理機(jī)制

除了能進(jìn)行演繹推理之外，還有歸納推理（聯(lián)想、類比）、非標(biāo)準(zhǔn)邏輯推理（非單調(diào)邏輯推理、加權(quán)邏輯推理）及各種基于不完全知識(shí)和模糊知識(shí)的推理。（6）具有自糾錯(cuò)和自完善能力（7）先進(jìn)的智能人機(jī)接口

理解自然語(yǔ)言，實(shí)現(xiàn)語(yǔ)聲、文字、圖形和圖像的直接輸入輸出時(shí)如今人們對(duì)智能計(jì)算機(jī)提出的要求。

分布式專家系統(tǒng)

具有分布處理的特征，能把一個(gè)專家系統(tǒng)的功能經(jīng)分解以后分布到多個(gè)處理器上去并行地工作，從而有總體上提高系統(tǒng)的處理效率。它可以工作在緊耦合的多處理器系統(tǒng)環(huán)境中，也可工作在松耦合的計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境中，其總體結(jié)構(gòu)在很大程度上依賴于其所在的硬件環(huán)境。

協(xié)同式專家系統(tǒng)

又稱為“群專家系統(tǒng)”，是一個(gè)能綜合若干個(gè)相近領(lǐng)域或一個(gè)領(lǐng)域的多個(gè)方面的子專家系統(tǒng)互相協(xié)作，共同解決一個(gè)更廣領(lǐng)域問題的專家系統(tǒng)。是克服一般專家系統(tǒng)的局限性的重要途徑。它不著重于處理的分布和知識(shí)的分布，而是更強(qiáng)調(diào)子系統(tǒng)間的協(xié)同合作。它并不一定要求有多高處理機(jī)的硬件環(huán)境，而且一般都是在同一個(gè)處理機(jī)上實(shí)現(xiàn)各子專家系統(tǒng)的。

6-9 在設(shè)計(jì)專家系統(tǒng)時(shí)，應(yīng)考慮哪些技術(shù)？（1）具有可靠知識(shí)與數(shù)據(jù)的小搜索空間問題

數(shù)據(jù)可靠（無(wú)噪聲、無(wú)錯(cuò)誤、不丟失、不多余）和知識(shí)可靠（不出現(xiàn)假的、近似的或推測(cè)性的結(jié)論），決定了系統(tǒng)具有單調(diào)性并可采用單路推理路線。而小搜索空間的問題一般允許采用窮舉搜索策略。（2）不可靠的數(shù)據(jù)或知識(shí)

這種情況應(yīng)采用概率推理、模糊推理、不可靠數(shù)據(jù)的精確推理方法或?qū)ｉT的不確定性推理技術(shù)。（3）時(shí)變數(shù)據(jù)

一般要設(shè)計(jì)時(shí)間推理技術(shù)，推理過(guò)程要求較復(fù)雜的表示法。（4）大搜索空間的問題

一般要引入啟發(fā)式搜索策略或采用分層體系結(jié)構(gòu)，來(lái)降低求解過(guò)程的復(fù)雜程度。對(duì)打空間的問題通常還要根據(jù)具體問題的特征來(lái)去相應(yīng)的對(duì)策。

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(diǎn)？

專家系統(tǒng)開發(fā)工具室一些比較通用的工具，作為設(shè)計(jì)和開發(fā)專家系統(tǒng)的輔助手段和環(huán)境，以求提高專家系統(tǒng)的開發(fā)效率、質(zhì)量和自動(dòng)化水平。專家系統(tǒng)工具是一種更高級(jí)的計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言。比一般的計(jì)算機(jī)高級(jí)語(yǔ)言具有更強(qiáng)的功能。主要分為骨架型工具（又稱外殼）、語(yǔ)言型工具、構(gòu)造輔助工具和支撐環(huán)境等四類。（1）骨架型工具

借用以前開發(fā)好的專家系統(tǒng)，將描述領(lǐng)域知識(shí)的規(guī)則從原系統(tǒng)中“挖掉”，只保留其獨(dú)立于問題領(lǐng)域知識(shí)的推理機(jī)部分，這樣形成的工具成為骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2）語(yǔ)言型工具

提供給用戶的是建立專家系統(tǒng)所需要的基本機(jī)制，其控制策略也不固定于一種或幾種形式，用戶可以通過(guò)一定手段來(lái)影響其控制策略。因此語(yǔ)言型工具的結(jié)構(gòu)變化范圍廣泛，表示靈活，所適應(yīng)的范圍要比骨架型工具廣泛得多。像OPS5，OPS83，RLL及ROSIE等，均屬于這一類工具。（3）構(gòu)造輔助工具

主要分兩類：一類是設(shè)計(jì)輔助工具，典型的有AGE系統(tǒng)，另一類是知識(shí)獲取工具，典型的有TEIRESIAS系統(tǒng)。

（4）支撐環(huán)境

是指幫助進(jìn)行程序設(shè)計(jì)的工具，它常備作為知識(shí)工程語(yǔ)言的一部分。工具支撐環(huán)境僅是一個(gè)附帶的軟件包，以便使用戶界面更友好，它包括四個(gè)典型組件：調(diào)試輔助工具、輸入輸出設(shè)施、解釋設(shè)施和知識(shí)庫(kù)編輯器。ART就屬于這一類系統(tǒng)。

第七章 機(jī)器學(xué)習(xí)

7-1 什么是學(xué)習(xí)和機(jī)器學(xué)習(xí)？為什么要研究機(jī)器學(xué)習(xí)？

按照人工智能大師西蒙的觀點(diǎn)，學(xué)習(xí)就是系統(tǒng)在不斷重復(fù)的工作中對(duì)本身能力的增強(qiáng)或者改進(jìn)，使得系統(tǒng)在下一次執(zhí)行同樣認(rèn)為或類似任務(wù)時(shí)，會(huì)比現(xiàn)在做得更好或效率跟高。

機(jī)器學(xué)習(xí)室研究如何使用機(jī)器來(lái)模擬人類學(xué)習(xí)活動(dòng)的一門學(xué)科，機(jī)器學(xué)習(xí)是一門研究機(jī)器獲取新知識(shí)和 23 新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)問。這里說(shuō)的“機(jī)器”，指的就是計(jì)算機(jī)。

現(xiàn)有的計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)沒有什么學(xué)習(xí)能力，至多也只有非常有限的學(xué)習(xí)能力，因而不能滿足科技和生產(chǎn)提出的新要求。

7-2 試述機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說(shuō)明各部分的作用。

環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識(shí)庫(kù)，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識(shí)庫(kù)完成任務(wù)，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分。

7-3 試解釋機(jī)械學(xué)習(xí)的模式。機(jī)械學(xué)習(xí)有哪些重要問題需要加以研究？

機(jī)械學(xué)習(xí)是最簡(jiǎn)單的機(jī)器學(xué)習(xí)方法。機(jī)械學(xué)習(xí)就是記憶，即把新的知識(shí)存儲(chǔ)起來(lái)，供需要時(shí)檢索調(diào)用，而不需要計(jì)算和推理。是最基本的學(xué)習(xí)過(guò)程。任何學(xué)習(xí)系統(tǒng)都必須記住它們獲取的知識(shí)。在機(jī)械學(xué)習(xí)系統(tǒng)中，知識(shí)的獲取是以較穩(wěn)定和直接的方式進(jìn)行的，不需要系統(tǒng)進(jìn)行過(guò)多的加工。要研究的問題：

（1）存儲(chǔ)組織信息

只有當(dāng)檢索一個(gè)項(xiàng)目的時(shí)間比重新計(jì)算一個(gè)項(xiàng)目的時(shí)間短時(shí)，機(jī)械學(xué)習(xí)才有意義，檢索的越快，其意義也就越大。

（2）環(huán)境的穩(wěn)定性

機(jī)械學(xué)習(xí)基礎(chǔ)的一個(gè)重要嘉定是在某一時(shí)刻存儲(chǔ)的信息必須適用于后來(lái)的情況。（3）存儲(chǔ)與計(jì)算之間的權(quán)衡

如果檢索一個(gè)數(shù)據(jù)比重新計(jì)算一個(gè)數(shù)據(jù)所花的時(shí)間還要多，那么機(jī)械學(xué)習(xí)就失去了意義。

7-4 試說(shuō)明歸納學(xué)習(xí)的模式和學(xué)習(xí)方法。

歸納是一種從個(gè)別到一般，從部分到整體的推理行為。歸納學(xué)習(xí)的一般模式為：

給定：觀察陳述（事實(shí)）F，嘉定的初始?xì)w納斷言（可能為空），及背景知識(shí) 求：歸納斷言（假設(shè)）H，能重言蘊(yùn)含或弱蘊(yùn)含觀察陳述，并滿足背景知識(shí)。學(xué)習(xí)方法：

（1）示例學(xué)習(xí)

它屬于有師學(xué)習(xí)，是通過(guò)從環(huán)境中取得若干與某概念有關(guān)的例子，經(jīng)歸納得出一般性行概念的一種學(xué)習(xí)方法。示例學(xué)習(xí)就是要從這些特殊知識(shí)中歸納出適用于更大范圍的一般性知識(shí)，它將覆蓋所有的正例并排除所有的反例。（2）觀察發(fā)現(xiàn)學(xué)習(xí)

它屬于無(wú)師學(xué)習(xí)，其目標(biāo)是確定一個(gè)定律或理論的一般性描述，刻畫觀察集，制定某類對(duì)象的性質(zhì)。它分為觀察學(xué)習(xí)與機(jī)器發(fā)現(xiàn)兩種，前者用于對(duì)事例進(jìn)行聚類，形成概念描述，后者用于發(fā)現(xiàn)規(guī)律，產(chǎn)生定律或規(guī)則。

7-5 什么是類比學(xué)習(xí)？其推理和學(xué)習(xí)過(guò)程為何？

類比是一種很有用和很有效的推理方法，它能清晰，簡(jiǎn)潔地買哦書對(duì)象間的相似性，是人類認(rèn)識(shí)世界的 24 一種重要方法。類比推理的目的是從源域S中，選出與目標(biāo)域T最近似的問題及其求解方法，解決當(dāng)前問題，或者建立起目標(biāo)域中已有命題間的聯(lián)系，形成新知識(shí)。

類比學(xué)習(xí)就是通過(guò)類比，即通過(guò)對(duì)相似事物加以比較所進(jìn)行的一種學(xué)習(xí)。類比推理過(guò)程如下：（1）回憶與聯(lián)想

通過(guò)回憶與聯(lián)想在源域S中找出與目標(biāo)域T相似的情況。（2）選擇

從找出的相似情況中，選出與目標(biāo)域T最相似的情況及其有關(guān)知識(shí)。（3）建立對(duì)應(yīng)關(guān)系

在源域S與目標(biāo)域T之間建立相似元素的對(duì)應(yīng)關(guān)系，并建立起相應(yīng)的映射。（4）轉(zhuǎn)換

把S中的有關(guān)知識(shí)引導(dǎo)T中來(lái)，從而建立起求解當(dāng)前問題的方法或者學(xué)習(xí)到關(guān)于T的新知識(shí)。

類比學(xué)習(xí)過(guò)程主要包括：

（1）輸入一組已經(jīng)條件（已解決問題）和一組未完全確定的條件（新問題）（2）按照某種相似性的定義，尋找兩者可類比的對(duì)應(yīng)關(guān)系

（3）根據(jù)相似變換的方法，建立從已解決問題到新問題的映射，以獲得帶求解問題所需的新知識(shí)。（4）對(duì)通過(guò)類比推理得到的關(guān)于新問題的知識(shí)進(jìn)行校驗(yàn)。驗(yàn)證正確的知識(shí)存入知識(shí)庫(kù)中，暫時(shí)無(wú)法驗(yàn)證的知識(shí)作為參考性知識(shí)，置于數(shù)據(jù)庫(kù)中。

7-10 考慮一個(gè)具有階梯型閾值函數(shù)的神經(jīng)網(wǎng)絡(luò)，假設(shè)（1）用一常數(shù)乘所有的權(quán)值和閾值（2）用一常數(shù)加于所有權(quán)值和閾值 試說(shuō)明網(wǎng)絡(luò)性能是否會(huì)變化？（1）不會(huì)（2）會(huì)

7-11 什么是知識(shí)發(fā)現(xiàn)？知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘有何關(guān)系？

根據(jù)費(fèi)亞德的定義，數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)時(shí)從大量數(shù)據(jù)中辨識(shí)出有效的，新穎的，潛在有用的，并可被理解的模式的高級(jí)處理過(guò)程。

數(shù)據(jù)挖掘時(shí)知識(shí)發(fā)現(xiàn)中的一個(gè)步驟，它主要是利用某些特定的知識(shí)發(fā)現(xiàn)算法，在一定的運(yùn)算效率內(nèi)，從數(shù)據(jù)中發(fā)現(xiàn)出有關(guān)知識(shí)。

7-12 增大權(quán)值是否能使BP學(xué)習(xí)變慢？ 是

7-13 試說(shuō)明知識(shí)發(fā)現(xiàn)的處理過(guò)程。費(fèi)亞德的知識(shí)發(fā)現(xiàn)過(guò)程包括：（1）數(shù)據(jù)選擇

根據(jù)用戶需求從數(shù)據(jù)庫(kù)中提取與知識(shí)發(fā)現(xiàn)相關(guān)的數(shù)據(jù)（2）數(shù)據(jù)預(yù)處理

檢測(cè)數(shù)據(jù)的完整性與數(shù)據(jù)的一致性，對(duì)噪音數(shù)據(jù)進(jìn)行處理，對(duì)丟失的數(shù)據(jù)利用統(tǒng)計(jì)方法進(jìn)行填補(bǔ)，進(jìn)行發(fā)掘數(shù)據(jù)庫(kù)

（3）數(shù)據(jù)變換

利用聚類分析和判別分析，從發(fā)掘數(shù)據(jù)庫(kù)里選擇數(shù)據(jù)（4）數(shù)據(jù)挖掘（5）知識(shí)評(píng)價(jià)

對(duì)所獲得的規(guī)則進(jìn)行價(jià)值評(píng)定，以決定所得到的的規(guī)則是否存入基礎(chǔ)知識(shí)庫(kù)

知識(shí)發(fā)現(xiàn)的全過(guò)程，可進(jìn)一步歸納為三個(gè)步驟，即數(shù)據(jù)挖掘預(yù)處理，數(shù)據(jù)挖掘，數(shù)據(jù)挖掘后處理。

7-14 有哪幾種比較常用的知識(shí)發(fā)現(xiàn)方法？試略加介紹。常用的知識(shí)發(fā)現(xiàn)方法有：（1）統(tǒng)計(jì)方法

統(tǒng)計(jì)方法是從事物外在數(shù)量上的表現(xiàn)去推斷事物可能的規(guī)律性，包括傳統(tǒng)方法，模糊集，支持向量機(jī)，粗糙集

（2）機(jī)器學(xué)習(xí)方法

包括規(guī)則歸納、決策樹、范例推理、貝葉斯信念網(wǎng)絡(luò)，科學(xué)發(fā)現(xiàn)，遺傳算法（3）神經(jīng)計(jì)算方法

常用的有剁成感知器，反向傳播網(wǎng)絡(luò)，自適應(yīng)映射網(wǎng)絡(luò)（4）可視化方法

使用有效的可視化界面，可以快速，高效地與大量數(shù)據(jù)打交道，以發(fā)現(xiàn)其中隱藏的特征，關(guān)系，模式和趨勢(shì)

7-15知識(shí)發(fā)現(xiàn)的應(yīng)用領(lǐng)域有哪些？試展望知識(shí)發(fā)現(xiàn)的發(fā)展和應(yīng)用評(píng)估。（1）金融業(yè)

數(shù)據(jù)清理，金融市場(chǎng)分析和預(yù)測(cè)，賬戶分類，銀行擔(dān)保和信用評(píng)估（2）保險(xiǎn)業(yè)

通過(guò)對(duì)索賠者的資料與索賠歷史數(shù)據(jù)模式進(jìn)行比較，以判定用戶的索賠是否合理（3）制造業(yè)

零部件故障診斷，資源優(yōu)化，生產(chǎn)過(guò)程分析（4）市場(chǎng)和零售業(yè)

銷售預(yù)測(cè)，庫(kù)存需求，零售點(diǎn)選擇和價(jià)格分析（5）醫(yī)療業(yè)

數(shù)據(jù)清理，預(yù)測(cè)醫(yī)療保險(xiǎn)費(fèi)用（6）司法

案件調(diào)查，詐騙檢測(cè)，洗錢認(rèn)證，犯罪組織分鐘（7）工程與科學(xué) 工程與科學(xué)數(shù)據(jù)分析

第八章 機(jī)器人規(guī)劃

8-1 有哪幾種重要的機(jī)器人高層規(guī)劃系統(tǒng)？它們各有什么特點(diǎn)？你認(rèn)為哪種規(guī)劃方法有較大的發(fā)展前景？

基于謂詞邏輯的規(guī)劃是用謂詞邏輯來(lái)描述世界模型機(jī)規(guī)劃過(guò)程的一種規(guī)劃方法（1）規(guī)劃演繹法。用F規(guī)則求解規(guī)劃序列

（2）邏輯演算和通用搜索法。STRIPS和ABSTRIPS系統(tǒng)。（3）具有學(xué)習(xí)能力的規(guī)劃系統(tǒng)。如PULP-I系統(tǒng)

（4）分層規(guī)劃方法。如NOAH規(guī)劃系統(tǒng)，他具有更快的規(guī)劃速度，更強(qiáng)的規(guī)劃能力和更大的適應(yīng)性。發(fā)展前景？

8-5 機(jī)器人Rover 正在房外，想進(jìn)入房?jī)?nèi)，但不能開門讓自己進(jìn)去，而只能喊叫，讓叫聲促使開門。另一機(jī)器人Max 在房間內(nèi)，他能夠開門并喜歡平靜。Max 通常可以把門打開來(lái)使Rover 停止叫喊。假設(shè) Max 和Rover 各有一個(gè)STRIPS規(guī)劃生產(chǎn)系統(tǒng)和規(guī)劃執(zhí)行系統(tǒng)。試說(shuō)明Max 和 Rover 的STRIPS規(guī)則和動(dòng)作，并描述導(dǎo)致平衡狀態(tài)的規(guī)劃序列和執(zhí)行的步驟。用來(lái)描述狀態(tài)的謂詞公式有： INROOM(X): X在房間里 OUTROOM(X): X不在房間里 SOUND(X): X在喊叫 QUIET(X): X保持安靜

OPENEN(X): X處于打開狀態(tài) CLOSED(X): X處于關(guān)閉狀態(tài)

Rover 可執(zhí)行的動(dòng)作有： Shout(X): X喊叫

先決條件：OUTROOM(X)AND CLOSED(Door)AND QUIET(X)刪除表：QUIET(X)添加表：SOUND(X)ComeIn(X): X走進(jìn)房間

先決條件：OUTROOM(X)AND OPEN(Door)刪除表：OUTROOM(X)添加表：INROOM(X)

Max 可執(zhí)行的動(dòng)作有：

Open(X, Door): 為X打開門

先決條件：SOUND(X)AND OUTROOMX AND CLOSED(Door)刪除表：OPENED(X)添加表：CLOSED(X)

初始狀態(tài)M0 OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)目標(biāo)狀態(tài)G0 INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

導(dǎo)致平衡狀態(tài)的規(guī)劃序列為{Shout(Rover), Open(Rover, Door), ComeIn(Rover), Close(Door)} 執(zhí)行步驟：(1)M0：OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)OP1：Shout(Rover)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)(2)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)OP2：Open(Rover，Door)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)(3)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP3：ComeIn(Rover)M3：INROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP4：Close(Door)M4(G0)：INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

8-6 用本章討論過(guò)的任何規(guī)劃生成系統(tǒng)，解決圖8.22所示機(jī)械手堆積木問題。

用來(lái)描述狀態(tài)的謂詞公式有： ON(A,B): 積木A在積木B 上 ONTABLE(A): 積木A在桌子上 CLEAR(A): A上沒有東西

HOLDING(A): 機(jī)械手正抓住A HANDEMPTY: 機(jī)械手為空

機(jī)械手可執(zhí)行的動(dòng)作有：

Stack(X,Y): 把積木X堆在積木Y上

先決條件：HOLDING(X)AND CLEAR(Y)刪除表：HOLDING(X)AND CLEAR(Y)添加表：HANDEMPTY AND ON(X,Y)

UnStack(X,Y): 把堆在積木Y上的積木X抬起

先決條件：HANDEMPTY AND ON(X,Y)AND CLEAR(X)刪除表：HANDEMPTY AND ON(X,Y)添加表：HOLDING(X)AND CLEAR(Y)28

PickUp(X): 從桌面上抓起積木X 先決條件：HANDEMPTY AND ONTABLE(X)AND CLEAR(X)刪除表：ANDEMPTY AND ONTABLE(X)添加表：HOLDING(X)

PutDown(X): 將積木X 放到桌面上 先決條件：HOLDING(X)刪除表：HOLDING(X)添加表：ONTABLE(X)AND HANDEMPTY 初始布局M0：

ON(D,B)AND ON(A,C)AND CLEAR(D)AND ONTALBE(B)AN ONTALBE(C)AND HANDEMPTY 目標(biāo)布局G0：

ON(A,B)AND ON(B,C)AND ON(C,D)AND ONTABLE(D)AND CLEAR(A)AND HANDEMPTY 如何規(guī)劃？

第九章 Agent 9-1 分布式人工智能系統(tǒng)有何特點(diǎn)？試與多艾真體系統(tǒng)的特性加以比較。分布式人工智能系統(tǒng)的特點(diǎn)：（1）分布性

系統(tǒng)信息（數(shù)據(jù)、知識(shí)、控制）在邏輯上和物理上都是分布的（2）連接性

各個(gè)子系統(tǒng)和求解機(jī)構(gòu)通過(guò)計(jì)算機(jī)網(wǎng)絡(luò)相互連接（3）協(xié)作性

各個(gè)子系統(tǒng)協(xié)調(diào)工作（4）開放性

通過(guò)網(wǎng)絡(luò)互連和系統(tǒng)的分布，便于擴(kuò)充系統(tǒng)規(guī)模（5）容錯(cuò)性

具有較多的冗余處理結(jié)點(diǎn)、通信路徑和知識(shí)，提高工作的可靠性（6）獨(dú)立性

系統(tǒng)把求解任務(wù)規(guī)約為幾個(gè)相對(duì)獨(dú)立的子任務(wù)，降低了問題求解及軟件開發(fā)的復(fù)雜性

9-2 什么是艾真體？你對(duì)Agent的譯法有何見解？

Agent是能夠通過(guò)傳感器感知其環(huán)境，并借助執(zhí)行器作用于該環(huán)境的實(shí)體，可以看做是從感知序列到動(dòng)作序列的映射。

其特征為：行為自主性，作用交互性，環(huán)境協(xié)調(diào)性，面向目標(biāo)性，存在社會(huì)性，工作協(xié)作性，運(yùn)行持續(xù)性，系統(tǒng)適應(yīng)性，結(jié)構(gòu)分布性，功能智能性 把a(bǔ)gent 譯為艾真體的原因有：

（1）一種普遍的觀點(diǎn)認(rèn)為，Agent是一種果果傳感器感知其環(huán)境，并通過(guò)執(zhí)行器作用于該環(huán)境的實(shí)體。（2）“主體”一詞考慮到了Agent 具有自主性，但并未考慮Agent 還具有交互性，協(xié)調(diào)性，社會(huì)性，適應(yīng)性和分布性等特性。

（3）“代理”一詞在漢語(yǔ)中已經(jīng)有明確的含義，并不能表示出Agent的原意。

（4）把Agent譯為艾真體，含有一定物理意義，即某種“真體”或事物，能夠在十分廣泛的領(lǐng)域內(nèi)得到認(rèn)可。

（5）在找不到一個(gè)確切和公認(rèn)的譯法時(shí)，宜采用音譯。

9-3 艾真體在結(jié)構(gòu)上有什么特點(diǎn)？在結(jié)構(gòu)上如何分類？每種結(jié)構(gòu)的特點(diǎn)如何？ 真體=體系結(jié)構(gòu)+程序

（1）在計(jì)算機(jī)系統(tǒng)中，真體相當(dāng)于一個(gè)獨(dú)立的功能模塊，獨(dú)立的計(jì)算機(jī)應(yīng)用系統(tǒng)（2）真體的核心部分是決策生成器或問題求解器，起到主控作用（3）真體的運(yùn)行時(shí)一個(gè)或多個(gè)進(jìn)程，并接受總體調(diào)度

（4）各個(gè)真體在多個(gè)計(jì)算機(jī)CPU上并行運(yùn)行，其運(yùn)行環(huán)境由體系結(jié)構(gòu)支持

結(jié)構(gòu)分類及特點(diǎn)：（1）反應(yīng)式

只是簡(jiǎn)單地對(duì)外部刺激產(chǎn)生響應(yīng)，沒有內(nèi)部狀態(tài)（2）慎思式

是一個(gè)具有顯示符號(hào)模型的基于知識(shí)的系統(tǒng)（3）跟蹤式

是具有內(nèi)部狀態(tài)的反應(yīng)式真體，通過(guò)找到一個(gè)條件與現(xiàn)有的環(huán)境匹配的規(guī)則進(jìn)行工作，然后執(zhí)行與規(guī)則相關(guān)的作用

30（4）基于目標(biāo)

真體的程序能夠與可能的作用結(jié)果信息結(jié)合起來(lái)，以便選擇達(dá)到目標(biāo)的行為，只要指定新的目標(biāo)，就能夠產(chǎn)生新的作用（5）基于效果

一個(gè)具有顯示效果函數(shù)的真體能夠比較由不同作用獲得的效果，從而做出理性決策（6）復(fù)合式

在一個(gè)真體內(nèi)組合多種相對(duì)獨(dú)立和并行執(zhí)行的智能形態(tài)，其結(jié)構(gòu)包括感知、動(dòng)作、反應(yīng)、建模、規(guī)劃、通信和決策。

9-4 艾真體為什么需要互相通信？

一些交談能向受話者傳送信息，還有一些交談要受話者采取行動(dòng)。通信的雙重目的就是建立信任和創(chuàng)建社會(huì)聯(lián)系。

9-5 試述艾真體通信的步驟、類型和方式。通信的步驟：

在一個(gè)通信事件中，講話者（T）要使用文字（W）向受話者（H）調(diào)查建議（P）在講話者身上發(fā)生三種作用：（1）意向：T要H相信P（2）生成：T選擇文字W（3）總和：H決定相信P 在受話者身上發(fā)生四種作用：

（1）感知：H 感知W(理想狀態(tài)下W’=W，但可能會(huì)有錯(cuò)覺)（2）分析：H推斷，W’有多個(gè)可能的含義P1，P2，P3…….Pn（3）消岐：H推斷，T要調(diào)查Pi(理想地，Pi=P，但誤解是可能的)（4）總和：H決定相信Pi 通信的類型：

（1）使用TELL和ASK通信

真體分享相同的內(nèi)部表示語(yǔ)言，并通過(guò)界面TELL 和ASK 直接訪問相互的知識(shí)庫(kù)（2）使用形式語(yǔ)言通信

外部通信語(yǔ)言可以與內(nèi)部表示語(yǔ)言不同，并且這些真體的每一個(gè)都可以有不同的內(nèi)部語(yǔ)言，只人每個(gè)真體能可靠地從外部語(yǔ)言映射到自己的內(nèi)部語(yǔ)言，它們就無(wú)須同意任何內(nèi)部符號(hào)，其通信是通過(guò)語(yǔ)言而不是直接訪問知識(shí)庫(kù)而實(shí)現(xiàn)的 通信的方式：

（1）黑板結(jié)構(gòu)方式

黑板提供公共工作區(qū)，真體可以交換信息，數(shù)據(jù)和知識(shí)（2）消息/對(duì)話方式

這是實(shí)現(xiàn)靈活和復(fù)雜的協(xié)調(diào)策略的基礎(chǔ)。各真體使用規(guī)定的協(xié)議相互交換信息，用于建立通信和協(xié)調(diào)機(jī)制。兩真體之間的信息是直接交換的，執(zhí)行中沒有緩沖。

9-6 艾真體有哪幾種主要通信語(yǔ)言？它們各自有什么特點(diǎn)？ 知識(shí)詢問與操作語(yǔ)言KQML KQML定義了一種真體間傳遞信息的標(biāo)準(zhǔn)語(yǔ)法以及一些動(dòng)作表達(dá)式，分為通信、消息和內(nèi)容三個(gè)從此 知識(shí)交換語(yǔ)言KIF 其語(yǔ)法基本上類似于用LISP語(yǔ)法書寫的一階謂詞演算

9-7 多艾真體系統(tǒng)有哪幾種基本模型？其體型結(jié)構(gòu)又有哪幾種？ 基本模型：

（1）BDI模型

它是一個(gè)概念和邏輯上的理論模型，滲透在其他模型中，成為研究真體理性和推理機(jī)制的基礎(chǔ)。將BDI模型擴(kuò)展至多真體系統(tǒng)時(shí)，提出了聯(lián)合意圖、社會(huì)承諾、合理行為等描述真體行為的形式化定義。（2）協(xié)商模型

產(chǎn)生于經(jīng)濟(jì)活動(dòng)理論，主要用于資源競(jìng)爭(zhēng)，任務(wù)分配和沖突消解等問題（3）協(xié)作規(guī)劃模型

用于制定其協(xié)調(diào)一致的問題求解規(guī)劃。每個(gè)真體都具有自己的求解目標(biāo)，考慮其它真體的行動(dòng)與約束，并進(jìn)行獨(dú)立規(guī)劃。（4）自調(diào)整模型

為適應(yīng)復(fù)雜控制系統(tǒng)的動(dòng)態(tài)實(shí)時(shí)控制和優(yōu)化而提出來(lái)。自協(xié)調(diào)模型隨環(huán)境變化自適應(yīng)地調(diào)整行為，是簡(jiǎn)歷在開放和動(dòng)態(tài)環(huán)境下的多真體系統(tǒng)模型。

體系結(jié)構(gòu)：

（1）真體網(wǎng)絡(luò)

無(wú)論是遠(yuǎn)距離還是短距離的真體，其通信都是直接進(jìn)行的，當(dāng)真體數(shù)目較大時(shí)，這種一一交互的結(jié)構(gòu)將導(dǎo)致系統(tǒng)效率低下。（2）真體聯(lián)盟

若干近程真體通過(guò)助手真體進(jìn)行交互，而遠(yuǎn)程真體則由各個(gè)局部真體群體的助手真體完成交互和消息發(fā)送。一個(gè)真體無(wú)須知道其他真體的詳細(xì)信息，比真體網(wǎng)絡(luò)有較大的靈活性。（3）黑板結(jié)構(gòu)

局部真體群體共享數(shù)據(jù)存儲(chǔ)——黑板。其中控制外殼真體負(fù)責(zé)信息交互，而網(wǎng)絡(luò)控制真體負(fù)責(zé)局部真體群體之間的遠(yuǎn)程信息交互。

9-8 試說(shuō)明多艾真體的協(xié)作方法、協(xié)商技術(shù)和協(xié)調(diào)方式。

協(xié)作是保持非對(duì)抗真體間行為協(xié)調(diào)的特例，它通過(guò)適當(dāng)?shù)膮f(xié)調(diào)，合作完成共同目標(biāo)。協(xié)作方法：

（1）決策網(wǎng)絡(luò)和遞歸建模

決策網(wǎng)絡(luò)可看做是增加了決策節(jié)點(diǎn)和效益節(jié)點(diǎn)的貝葉斯網(wǎng)絡(luò)。根據(jù)對(duì)環(huán)境和其他真體的觀察信息和貝葉斯學(xué)習(xí)方法來(lái)修正模型，即修正對(duì)其他真體行為的信念，并預(yù)測(cè)它們的行為。（2）Markov對(duì)策

單真體系統(tǒng)中真體的動(dòng)態(tài)決策其實(shí)是一個(gè)Markov過(guò)程，在多真體系統(tǒng)中真體的Markov決策過(guò)程的擴(kuò)展形式就是隨機(jī)對(duì)策，即Markov對(duì)策（3）真體學(xué)習(xí)方法

多真題系統(tǒng)的協(xié)作，本質(zhì)上說(shuō)是每個(gè)真體學(xué)習(xí)其他真體的邢翁策略模型而采取相應(yīng)的最優(yōu)反應(yīng)。（4）決策樹和對(duì)策樹

實(shí)質(zhì)是將對(duì)策理論和對(duì)策過(guò)程形式化，以實(shí)現(xiàn)真體的自動(dòng)推理過(guò)程 協(xié)商時(shí)多真體系統(tǒng)實(shí)現(xiàn)協(xié)同，協(xié)作，沖突消解和矛盾處理的關(guān)鍵環(huán)節(jié)

協(xié)商技術(shù)：

（1）協(xié)商協(xié)議

主要研究真體通信語(yǔ)言的定義，表示，處理和語(yǔ)義解釋，主要處理協(xié)商過(guò)程總，真體之間的交互

32（2）協(xié)商策略

用于真體決策及選擇協(xié)商協(xié)議和通信消息，主要修改真體內(nèi)的決策和控制過(guò)程（3）協(xié)商處理

側(cè)重描述和分析單個(gè)真體和多真體協(xié)商社會(huì)的整體協(xié)作行為，包括協(xié)商算法和系統(tǒng)分析兩方面 協(xié)調(diào)時(shí)一種動(dòng)態(tài)行為，是真體對(duì)環(huán)境及其它真體的適應(yīng)，往往通過(guò)改變真體的心智狀態(tài)來(lái)實(shí)現(xiàn)

協(xié)調(diào)方法：

（1）基于集中規(guī)劃

至少有一個(gè)真體具備其他真體的知識(shí)，能力和環(huán)境資源知識(shí)，它作為主控真體，對(duì)系統(tǒng)的目標(biāo)進(jìn)行分解，任務(wù)進(jìn)行規(guī)劃，并指示其他真體執(zhí)行任務(wù)（2）基于協(xié)商

屬于分布式協(xié)調(diào)，系統(tǒng)中沒有作為規(guī)劃的主控真體（3）基于對(duì)策論

包括無(wú)通信協(xié)調(diào)和有通信協(xié)調(diào)兩類（4）基于社會(huì)規(guī)劃

以每個(gè)真體都必須遵循的社會(huì)規(guī)則，過(guò)濾策略，標(biāo)準(zhǔn)和慣例為基礎(chǔ)的協(xié)調(diào)方法

9-9 為什么多艾真體需要學(xué)習(xí)與規(guī)劃？

學(xué)習(xí)能力是衡量多真體系統(tǒng)和其他智能系統(tǒng)的重要特征之一。多真體系統(tǒng)學(xué)習(xí)比單真體學(xué)習(xí)復(fù)雜得多，因?yàn)槠鋵W(xué)習(xí)對(duì)象處于動(dòng)態(tài)變化中，且其學(xué)習(xí)離不開真體間的通信。只要給計(jì)算機(jī)設(shè)定一個(gè)目標(biāo)，然后計(jì)算機(jī)不斷與環(huán)境交互以達(dá)到該目標(biāo)。

規(guī)劃是連接精神狀態(tài)（打算，設(shè)想）與執(zhí)行動(dòng)作的橋梁。多真體系統(tǒng)中的規(guī)劃與經(jīng)典規(guī)劃有所不同，需要反映環(huán)境的持續(xù)變化。

9-10 你認(rèn)為多艾真體系統(tǒng)的研究方向應(yīng)是哪些？其應(yīng)用前景又如何？ 研究方向？

應(yīng)用領(lǐng)域有：多機(jī)器人協(xié)調(diào)，過(guò)程智能控制，網(wǎng)絡(luò)通信與管理，交通控制，電子商務(wù)，遠(yuǎn)程教學(xué)，遠(yuǎn)程醫(yī)療，網(wǎng)上數(shù)據(jù)挖掘，信息過(guò)濾、評(píng)估和集成以及數(shù)據(jù)庫(kù)管理。

第四篇：人工智能的發(fā)展及應(yīng)用解讀

人工智能的發(fā)展及應(yīng)用

學(xué)院 ： 班級(jí) ： 姓名 ： 學(xué)號(hào) ：

人工智能是研究使計(jì)算機(jī)來(lái)模擬人的某些思維過(guò)程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能幾乎涉及到是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個(gè)應(yīng)用分支。從思維觀點(diǎn)看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展，數(shù)學(xué)常被認(rèn)為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進(jìn)入語(yǔ)言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標(biāo)準(zhǔn)邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進(jìn)入人工智能學(xué)科，它們將互相促進(jìn)而更快地發(fā)展。

人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺等等，總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來(lái)說(shuō)，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識(shí)、自我、思維等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。關(guān)于人工智能一個(gè)大家比較容易接受的定義是這樣的： 人工智能是人造的智能,是計(jì)算機(jī)科學(xué)、邏輯學(xué)、認(rèn)知科學(xué)交叉形成的一門科學(xué)，簡(jiǎn)稱AI。

人工智能體現(xiàn)在思維、感知、行為三個(gè)層次。它主要模擬眼神、擴(kuò)展人的智能。其研究?jī)?nèi)容可以分為機(jī)器思維和思維機(jī)器、機(jī)器行為和行為機(jī)器、機(jī)器感知和感知機(jī)器、三個(gè)層次。人工智能研究與應(yīng)用雖然取得了不少成果，但離全面推廣應(yīng)用還有很大距離，還有很多問題需要許多學(xué)科的共同研究。

人工智能有兩種實(shí)現(xiàn)方式，第一種叫做工程學(xué)方法（Engineering approach），是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。第二種是模擬法（Modeling approach），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。第一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動(dòng)空間增加，相應(yīng)的邏輯就會(huì)很復(fù)雜（按指數(shù)式增長(zhǎng)），人工編程就非常繁瑣，容易出錯(cuò)。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁, 非常麻煩。采用第二種方法時(shí)，編程者要為每一角色設(shè)計(jì)一個(gè)智能系統(tǒng)（一個(gè)模塊）來(lái)進(jìn)行控制，這個(gè)智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。人工智能的發(fā)展: 人工智能的研究經(jīng)歷了以下幾個(gè)階段: 孕育階段:古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國(guó)的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法。“知識(shí)就是力量”德國(guó)數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茲）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號(hào)化，從而能對(duì)人的思維進(jìn)行運(yùn) 算和推理。做出了能做四則運(yùn)算的手搖計(jì)算機(jī)英國(guó)數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實(shí)現(xiàn)了布萊尼茨 的思維符號(hào)化和數(shù)學(xué)化的思想,提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。

第一階段: 50 年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機(jī)器定理證明、跳棋程序、通用問題s 求解程序LISP表處理語(yǔ)言等。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點(diǎn)是：重視問題求解的方法，忽視知識(shí)重要性。

第二階段: 60 年代末到70 年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮DENDRAL 化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN 疾病診斷和治療系統(tǒng)、PROSPECTIOR 探礦系統(tǒng)、Hearsay-II 語(yǔ)音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化。并且，1969 年成立了國(guó)際人工智能聯(lián)合會(huì)議（International Joint Conferences onArtificial Intelligence 即IJCAI）。

第三階段: 80 年代，隨著第五代計(jì)算機(jī)的研制，人工智能得到了很大發(fā)展日本1982 年開始了“第五代計(jì)算機(jī)研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)K I P S”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。

第四階段: 80 年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展1987 年，美國(guó)召開第一次神經(jīng)網(wǎng)絡(luò)國(guó)際會(huì)議，宣告了這一新學(xué)科的誕生。此后，各國(guó)在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來(lái)。

第五階段: 90 年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國(guó)際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究多個(gè)智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱谩Ａ硗?，由于Hopfield 多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。人工智能的應(yīng)用: 人工智能是在計(jì)算機(jī)科學(xué)、控制論、信息論、心理學(xué)、語(yǔ)言學(xué)等多種學(xué)科相互滲透的基礎(chǔ)發(fā)展起來(lái)的一門新興邊緣學(xué)科，主要研究用機(jī)器（主要是計(jì)算機(jī)）來(lái)模仿和實(shí)現(xiàn)人類的智能行為，經(jīng)過(guò)幾十年的發(fā)展，人工智能應(yīng)用在不少領(lǐng)域得到發(fā)展，在我們的日常生活和學(xué)習(xí)當(dāng)中也有許多地方得到應(yīng)用。本文就符號(hào)計(jì)算、模式識(shí)別、專家系統(tǒng)、機(jī)器翻譯等方面的應(yīng)用作簡(jiǎn)單介紹，籍此使讀者對(duì)我們身邊的人工智能應(yīng)用有一個(gè)感性的認(rèn)識(shí)。

符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類: 一類是純數(shù)值的計(jì)算,例如求函數(shù)的值, 方程的數(shù)值解, 比如天氣預(yù)報(bào)、油藏模擬、航天等領(lǐng)域;另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算, 處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式,函數(shù),集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件, 其中Mathematica和Maple 是它們的代表，由于它們都是用C 語(yǔ)言寫成的, 所以可以在絕大多數(shù)計(jì)算機(jī)上使用。

模式識(shí)別模式識(shí)別就是通過(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)研究模式的自動(dòng)處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”, 隨著計(jì)算機(jī)技術(shù)的發(fā)展，人類有可能研究復(fù)雜的信息處理過(guò)程。用計(jì)算機(jī)實(shí)現(xiàn)模式（文字、聲音、人物、物體等）的自動(dòng)識(shí)別，是開發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過(guò)程與人類的學(xué)習(xí)過(guò)程相似。以“語(yǔ)音識(shí)別”為例：語(yǔ)音識(shí)別就是讓計(jì)算機(jī)能聽懂人說(shuō)的話，一個(gè)重要的例子就是七國(guó)語(yǔ)言（英、日、意、韓、法、德、中）口語(yǔ)自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。指紋是人體的一個(gè)重要特征，具有唯一性。北京大學(xué)有關(guān)專家對(duì)數(shù)字圖像的離散幾何性質(zhì)進(jìn)行了深入研究，建立了從指紋灰度圖像精確計(jì)算紋線局部方向、進(jìn)而提取指紋特征信息的理論與算法，隨后研究成功了適于民用身份鑒定的全自動(dòng)指紋鑒定系統(tǒng)，以及適于公安刑事偵破的指紋鑒定系統(tǒng)。從而開創(chuàng)了我國(guó)指紋自動(dòng)識(shí)別系統(tǒng)應(yīng)用的先河。北京指紋自動(dòng)識(shí)別系統(tǒng)的推出，使我國(guó)公安干警從指紋查對(duì)的繁重人工處理中解放出來(lái)。

專家系統(tǒng)專家系統(tǒng)是一種模擬人類專家解決某些領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。專家系統(tǒng)內(nèi)部含有大量的某個(gè)領(lǐng)域的專家水平的知識(shí)與經(jīng)驗(yàn)，能夠運(yùn)用人類專家的知識(shí)和解決問題的方法進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，來(lái)解決該領(lǐng)域的復(fù)雜問題。專家系統(tǒng)是人工智能應(yīng)用研究最活躍和最廣泛的應(yīng)用領(lǐng)域之一,涉及到社會(huì)各個(gè)方面，各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，取得很大的成功。根據(jù)專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調(diào)試型、維修型、教育型、預(yù)測(cè)型、規(guī)劃型、設(shè)計(jì)型和控制型等1 0 種類型。具體應(yīng)用就很多了，例如血液凝結(jié)疾病診斷系統(tǒng)、電話電纜維護(hù)專家系統(tǒng)、花布圖案設(shè)計(jì)和花布印染專家系統(tǒng)等等。

機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)變成另一種自然語(yǔ)言的過(guò)程，用以完成這一過(guò)程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。未來(lái)發(fā)展與展望: 未來(lái)人工智能可能會(huì)向以下幾個(gè)方面發(fā)展: 模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感，因?yàn)槟壳叭斯ぶ悄艿耐评砉δ芤勋@突破，學(xué)習(xí)及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個(gè)大腦的并行化處理能。人工神經(jīng)網(wǎng)絡(luò)是未來(lái)人工智能應(yīng)用的新領(lǐng)域。

今天，已經(jīng)有很多人工智能研究的成果進(jìn)入人們的日常生活，一些面向蘋果機(jī)和IBM兼容機(jī)的應(yīng)用軟件例如語(yǔ)音和文字識(shí)別已可買到;使用模糊邏輯,AI技術(shù)簡(jiǎn)化了攝像設(shè)備，相信將來(lái)人工智能技術(shù)的發(fā)展將會(huì)給人們的生活、工作和教育等帶來(lái)更大的影響。

我們至少要經(jīng)歷幾代人的堅(jiān)持奮斗，進(jìn)行多學(xué)科聯(lián)合協(xié)作研究，才可能基本上解開“人工智能”之謎，使人工智能理論達(dá)到一個(gè)更高水平。

心得體會(huì) 通過(guò)老師對(duì)人工智能的講解，我對(duì)人工智能有了一些簡(jiǎn)單的感性的認(rèn)識(shí)，我知道了人工智能從誕生，發(fā)展到今天經(jīng)歷一個(gè)漫長(zhǎng)的過(guò)程，許多人為此做出了不懈的努力。我覺得這門課是一門非常富有挑戰(zhàn)性的學(xué)科，而從事這項(xiàng)工作的人不僅要懂得計(jì)算機(jī)知識(shí)，還必須懂得編程。

人工智能在很多領(lǐng)域得到了發(fā)展，在我們的日常生活和學(xué)習(xí)中發(fā)揮了重要的作用。如：機(jī)器翻譯，機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)變成另一種自然語(yǔ)言的過(guò)程，用以完成這一過(guò)程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。利用這些機(jī)器翻譯系統(tǒng)我們可以很方便的完成一些語(yǔ)言翻譯工作。目前，國(guó)內(nèi)的機(jī)器翻譯軟件有很多，富有代表性意義的當(dāng)屬“金山詞霸”，它可以迅速的查詢英文單詞和詞組句子翻譯，重要的是它還可以提供發(fā)音功能，為用戶提供了極大的方便。

通過(guò)老師對(duì)人工智能的講解，我明白了人工智能發(fā)展的歷史和所處的地位，它始終處于計(jì)算機(jī)發(fā)展的最前沿。我相信人工智能在不久的將來(lái)將會(huì)得到更深一步的實(shí)現(xiàn)，會(huì)創(chuàng)造出一個(gè)全新的人工智能世界。

讀書的好處

1、行萬(wàn)里路，讀萬(wàn)卷書。

2、書山有路勤為徑，學(xué)海無(wú)涯苦作舟。

3、讀書破萬(wàn)卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來(lái)的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來(lái)。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無(wú)書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時(shí)方恨少、事非經(jīng)過(guò)不知難?！懹?/p>

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚。——高爾基

18、少而好學(xué)，如日出之陽(yáng)；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第五篇：人工智能原理與應(yīng)用大作業(yè)

人工智能原理與應(yīng)用大作業(yè)

（1）簡(jiǎn)單函數(shù)優(yōu)化的遺傳算法C代碼，把代碼調(diào)通，計(jì)算出結(jié)果。

（2）編程實(shí)現(xiàn)第6章習(xí)題第13題（2個(gè)學(xué)生做）

（3）編程實(shí)現(xiàn)第6章習(xí)題第14題（2個(gè)學(xué)生做）

（4）寫出調(diào)研報(bào)告“人工智能的發(fā)展歷史”

（5）寫出麥卡錫(J.McCarthy)的傳記

（6）寫出明斯基(M.Minsky)的傳記

（7）寫出調(diào)研符號(hào)主義學(xué)派的報(bào)告

（8）寫出調(diào)研行為主義學(xué)派的報(bào)告

（9）寫出調(diào)研聯(lián)結(jié)主義學(xué)派的報(bào)告

（10）寫出使用經(jīng)典邏輯推理成功的人工智能案例

（11）寫出使用搜索方法推理成功的人工智能案例

（12）寫出使用遺傳算法推理成功的人工智能案例

（13）寫出使用神經(jīng)網(wǎng)絡(luò)推理成功的人工智能案例

（14）寫出使用專家系統(tǒng)推理成功的人工智能案例

（15）寫出除上面幾種方法以外的人工智能方法的調(diào)研報(bào)告。

（16）編程實(shí)現(xiàn)P132例5.1梵塔問題，畫圖實(shí)現(xiàn)。（由王小高帶2個(gè)學(xué)生做）

（17）編程實(shí)現(xiàn)P135例5.3九宮重排問題，采用廣度搜索法。（由張延令帶2個(gè)學(xué)生做）

（18）編程實(shí)現(xiàn)P133例5.2傳教士和野人問題，采用廣度搜索法。（由賈路寬帶2個(gè)學(xué)生

做）

（19）寫出退火算法的調(diào)研報(bào)告。

（20）寫出蟻群算法的調(diào)研報(bào)告。

（21）寫出人工智能在中國(guó)的發(fā)展的調(diào)研報(bào)告。

（22）寫出中國(guó)人工智能協(xié)會(huì)的調(diào)研報(bào)告。

（23）寫出機(jī)器學(xué)習(xí)的調(diào)研報(bào)告

（24）寫出搜索引擎的調(diào)研報(bào)告

（25）寫出模式識(shí)別的調(diào)研報(bào)告

（26）人工智能在農(nóng)業(yè)方面的應(yīng)用

（27）人工智能在工業(yè)方面的應(yīng)用

（28）人工智能在軍事方面的應(yīng)用

（29）人工智能在機(jī)器人方面的應(yīng)用

（30）人工智能在航空航天方面的應(yīng)用

（31）人工智能在醫(yī)療方面的應(yīng)用

（32）人工智能在商業(yè)方面的應(yīng)用

（33）人工智能在電力業(yè)方面的應(yīng)用