第一篇：人工智能總結(精華版)

1、PROLOG程序一般由一組事實、規(guī)則和問題組成。事實一般表示對象的性質或關系；規(guī)則一般表示對象間的因果關系、蘊含關系或對應關系； 問題表示用戶的詢問是程序運行的目標。問題是程序執(zhí)行的起點，稱為程序的目標。PROLOG就是一種基于Horn子句的邏輯程序。

PROLOG程序的運行是從目標出發(fā)，并不斷進行匹配、合一、歸結，有時還要回溯，直到目標別完全滿足或不能滿足時為止。

PROLOG程序的執(zhí)行過程是一個(歸結)演繹推理過程。其特點是：推理方式為反向推理, 控制策略是深度優(yōu)先, 且有回溯機制。

3、簡述用A*算法求解問題時為什么會出現(xiàn)重復擴展節(jié)點問題，解決的方法有哪些？

答：當問題有解時，A*算法總是找到問題的最優(yōu)解結束。如果h函數(shù)定義的不合理，則當擴展一個節(jié)點時，不一定就找到了從初始節(jié)點到該節(jié)點的最優(yōu)路徑，對于這樣的節(jié)點，就有可能被多次擴展。特別是如果這樣的節(jié)點處于問題的最優(yōu)解路徑上時，則一定會被多次擴展。解決的方法一是對h函數(shù)的定義給出限制，使得h滿足單調性。對于滿足單調性條件的h，則一定不會出現(xiàn)重復擴展節(jié)點問題。二是對A*算法加以改進，使用修正的A*算法進行搜索，這樣，隨著經驗的豐富，系統(tǒng)的性能自然就會不斷改善和提高。

24、機器學習的三個要素：信息，發(fā)展和知識。對應于機器學習的對象、方法和目標。

25、基于學習策略的分類：符號學習和神經網絡學習。

26、決策樹：也稱判斷樹，它由對象的若干屬性、屬性值和有關決策組成的一棵樹。其中的節(jié)點為屬性，分支為屬性值，從同一節(jié)點出發(fā)的各個分支之間是邏輯或關系，根節(jié)點為對象的一個屬性；從根節(jié)點出發(fā)到每一個葉子節(jié)點的所有節(jié)點和邊，按順序串聯(lián)成一條分支路徑，位于同一分支路徑上的各個屬性-值對之間是邏輯與關系，葉子節(jié)點是這個與關系的對應結果，即決策。

27、決策樹學習首先要有一個實例集，基本方法和步驟：（1）選取一個屬性，按這個屬性的不同取值對實例集進行分類；并以該屬性作為根節(jié)點，以這個屬性的諸取值作為根節(jié)點的分支，進行畫樹；（2）考察所得的每一個子類，看其中的實例的結論是否完全相同。如果相同，則以這個相同的結論作為相應分支路徑末端的葉子節(jié)點；否則，選取一個非父節(jié)點的屬性，按這個屬性的不同取值對孩子集進行分類，并以該屬性作為節(jié)點，以這個屬性的諸取值作為節(jié)點的分支，繼續(xù)進行畫樹。如此繼續(xù)，直到所分的子集全都滿足：實則可以減少重復擴展節(jié)點問題。

4、簡述回溯策略與深度優(yōu)先策略的不同點。

答：回溯搜索策略與深度有限搜索策略最大的不同是深度有限搜索策略屬于圖搜索，而回溯搜索則不是圖搜索。在回溯搜索中，只保留了從初始節(jié)點到當前節(jié)點的搜索路徑。而深度優(yōu)先搜索，則保留了所有的已經搜索過的路徑。

5、不確定性類型按性質分：隨機性，模糊性，不完全性，不一致性

6、在刪除策略歸結的過程中刪除以下子句：含有純文字的子句;含 有永真式的子句;子句集中被別的子句類含的子句。

7、圖：指由節(jié)點和有向邊組成的網絡。按連接同一節(jié)點的各邊的邏輯關系又可分為或圖和與或圖。

8、合一算法：求非空有限具有相同謂詞名的原子公式集的最一般合一（MGU）。

9、人工智能的遠期目標是制造智能機器，近期目標是實現(xiàn)機器智能。

10、什么是產生式？產生式規(guī)則的語義是什么？

產生式規(guī)則基本形式：P→Q 或者 IF P THEN Q P 是產生式的前提（前件），用于指出該產生式是否可用的條件 Q 是一組結論或操作（后件），用于指出當前提 P 所指示的條件滿足時，應該得出的結論或應該執(zhí)行的操作

產生式規(guī)則的語義：如果前提P被滿足，則可推出結論 Q 或執(zhí)行 Q 所規(guī)定的操作

11、謂詞公式G通過８個步驟所得的子句集合S，稱為G的子句集。請寫出這些步驟：1）消去蘊含式和等價式→，<-> ；2）縮小否定詞的作用范圍，直到其作用于原子公式: ；3）適當改名，使量詞間不含同名指導變元和約束變元。；4.）消去存在量詞（形成Skolem標準型）；5）消去所有全稱量詞 ；6)化成合取范式；7).適當改名，使子句間無同名變元；8).消去合取詞∧，用逗號代替，以子句為元素組成一個集合S

12、人工智能的基本技術包括搜索技術 推理技術 知識表示和知識庫技術、歸納技術、聯(lián)、想技術

13、產生式系統(tǒng)有三部分組成綜合數(shù)據庫，知識庫和推理機。其中推理可分為正向推理和反向推理。

14、在歸結原理中，幾種常見的歸結策略并且具有完備性的是刪除策略 支持集策略 線性歸結策略、輸入歸結策略、單元歸結策略

15、歸結法中，可以通過修改證明樹的方法得到問題的解答

16、開發(fā)專家系統(tǒng)所要解決的基本問題有三個，那就是知識的獲取、知識的表示和知識的運用，在語義網絡表示知識時，所使用的推理方法有AKO 和ISA。

17、α－β剪枝的條件是：α剪枝：若任一極小值層節(jié)點的β值小于或等于它任一先輩極大值節(jié)點的α值，即α（先輩層）≥β（后繼層），則可中止該極小值層中這個MIN節(jié)點以下的搜索過程。這個MIN節(jié)點最終的倒推值就確定為這個β值。

β剪枝：若任一極大值層節(jié)點的α值大于或等于它任一先輩極小值層節(jié)點的β值，即α（后繼層）≥β（先輩層），則可以中止該極大值層中這個MAX節(jié)點以下的搜索過程。這個MAX節(jié)點的最終倒推值就確定為這個α值。

18、知識表示的方法主要有邏輯表示法（謂詞表示法）框架 產生式和語義網絡，類和對象，模糊集合，因果網絡，腳本，過程等

19、知識的分類：（1）就形式而言：顯示和隱式。顯示知識是指可用語言文字符號形象聲音及其他人能直接識別和處理的形式，明確的在其載體上表示出來的知識。隱式知識只可用神經網絡存儲和表示（2）就嚴密性和可靠性而言：理論知識和經驗知識（3）就確定性而言：確定性知識和不確定知識（4）就確切性而言：確切描述的知識和非確切描述的知識。

20、知識表示是指面向計算機的知識描述或表達形式和方法。具體的講就是要用某種約定的形式結構來描述知識，而且這種形式結構還要能夠轉換為機器的內部形式，使的計算機能方便的存儲、處理和應用。------知識表示是建立專家系統(tǒng)級各種知識系統(tǒng)的重要環(huán)節(jié)，也是知識工程的一個重要方面。

21、基于謂詞邏輯的推理主要是演繹方式的推理；基于框架、語義網絡和對象知識表示的推理是一種稱為繼承的推理。

22、機器學習：主要指機器對自身行為的修正或性能的改善和機器對客觀規(guī)律的發(fā)現(xiàn)。（讓計算機模擬人的學習行為，或者說讓計算機也具有學習的能力）

23、機器學習的流程：（1）對于輸入的信息，系統(tǒng)根據目標和經驗做出決策予以響應，即執(zhí)行相應的動作；（2）對目標的實現(xiàn)或任務的完成情況進行評估；（3）將本次的輸入、響應和評價作為經驗予以存儲記錄。可以看出，第一次決策時系統(tǒng)中還無任何經驗，但從第二此決策開始，經驗便開始積累。

例結論完全相同，而得到所有的葉子節(jié)點為止。這樣一棵決策樹就被生成。

28、神經網絡分為四大類：分層前向網絡、反饋前向網絡、互聯(lián)前向網絡、廣泛互聯(lián)網絡。

29、網絡學習一般是利用一組稱為樣本的數(shù)據，作為網絡的輸入（和輸出），網絡按照一定的規(guī)則自動調節(jié)神經元之間的連接強度或拓撲結構，當網絡的實際輸出滿足期望的要求，或者趨于穩(wěn)定是，則認為學習成功。

30、神經網絡學習的規(guī)則是權值修正規(guī)則：相關規(guī)則和誤差修正規(guī)則。

31、神經網絡學習方法分類：（外部影響）有導師學習，強化學習，無導師學習；（內部變化）權值修正，拓撲變化，權值與拓撲修正；（算法性質）確定性學習，隨機性學習；（輸入要求）基于相似性學習，基于命令學習。

32、專家系統(tǒng)：應用于某一專門領域，擁有該領域相當數(shù)量的專家級知識，能模擬專家的思維，能達到專家級水平，像專家一樣解決困難、復雜的實際問題的計算機（軟件）系統(tǒng)。

33、專家系統(tǒng)的基本要素：專家擁有豐富的專業(yè)知識和實踐經驗或者說擁有豐富的理論知識和經驗知識，特別是經驗知識。

34、專家系統(tǒng)與一般的軟件系統(tǒng)開發(fā)無異，其開發(fā)過程同樣要遵循軟件工程的步驟和原則，即也要進行系統(tǒng)分析、系統(tǒng)設計等幾個階段的工作。

但由于它是專家系統(tǒng)，而不是一般的軟件系統(tǒng)，所以，又有其獨特的地方，主要包括以下幾個步驟：

系統(tǒng)總體分析與設計；知識獲??；知識表示與知識描述語言設計；知識庫設計、知識庫管理系統(tǒng)設計；推理機與解釋模塊設計；總控與界面設計；編程與調試；測試與評價；運行與維護。可以看出它有如下特點：知識獲取和知識表示設計是一切工作的起點；知識表示與知識描述語言確定后，其他設計可同時進行；

35、對涉及人工智能的一些問題的認識：首先人工智能把人腦更有效的擴大和延伸是人類智能擴大的延伸，人工智能的應用十分廣泛：機器翻譯、智能控制、模式識別、機器博弈等，運用智能技術解決很多的實際問題從而使現(xiàn)有的計算機更有效更靈活成為人類智能化信息處理的工具。人工智能用計算機模擬人的思維活動包含理解能力、學習能力、推理能力，主要是腦功能的結構模擬和功能模擬。然而人類不能賦予機器同等的情感，無法確保責任問題，此外生物物種滅絕新型細菌的出現(xiàn)，人類的未來難以預料

37、能解節(jié)點定義如下： ①（終節(jié)點）是能解節(jié)點； ②若非終節(jié)點有（“或”）子節(jié)點時，當且僅當其子節(jié)點至少有一能解，該非終節(jié)點才能解； ③若非終節(jié)點有（“與”）子節(jié)點時，當且僅當其子節(jié)點均能解，該非終節(jié)點才能解。

18、局部圖的耗散值定義如下： ①若n是局部圖的一個葉節(jié)點，則k（n，N）=（h(n)），其中（h(n)）表示節(jié)點n到目標節(jié)點集的最佳解圖耗散值的估計； ②若n由一個外向連接符指向后繼節(jié)點{n1，…，ni}，并設該連接符的耗散值為Cn，則k（n，N）=（Cn+ k（n1，N）+ … + k（ni，N））。

19、耗散值最小的解圖稱為（最佳）解圖

20、AO*算法是一種用于對（與或圖）進行搜索的啟發(fā)式搜索算法，該算法對目前找到的局部圖進行評價，選擇（耗散值最?。┑木植繄D進行優(yōu)先搜索，直到找到一個解圖為止。當啟發(fā)函數(shù)h滿足（單調）條件時，在問題有解的情況下，AO*算法一定能找到最佳解圖結束。

21、所謂“圖靈實驗”，是為了判斷一臺機器是否具備智能的實驗。實驗由三個封閉的房間組成，分別放置主持人、參與人和機器。主持人向參與人和機器提問，通過提問的結果來判斷誰是人，誰是機器。如果主持人無法判斷誰是人，誰是機器，則這臺機器具備智能，即所謂的“智能機器”。

22/深度優(yōu)先方法的特點是什么？屬于圖搜索；是一個通用的搜索方法；如果深度限制不合適，有可能找不到問題的解；不能保證找到最優(yōu)解。

23/什么是置換？置換是可交換的嗎？通常用有序對的集合s＝{t1/v1，t2/v2，?，tn/vn}來表示任一置換，置換集的元素ti/vi的含義是表達式中的變量vi處處以項ti來替換，用s對表達式E作置換后的例簡記為Es。一般來說，置換是不可交換的，即兩個置換合成的結果與置換使用的次序有關。

第二篇：人工智能期末總結

1.人工智能是何時、何地、怎樣誕生的？ 1956 年夏季，美國的一些從事數(shù)學、心理學、計算機科學、信息論和神經學研究的年輕學 者，匯聚在 Dartmouth 大學，舉辦了一次長達兩個月的學術討論會，認真而熱烈的討論了用 機器模擬人類智能的問題。在這次會議上，第一次使用了“人工智能”這一術語，以代表有 關機器智能的這一研究方向。這是人類歷史上第一次人工智能研討會，標志著人工智能的誕 生，具有十分重要的意義。

2.什么是人工智能？人工智能的意義和目標是什么？ 人工智能就是人造智能，指用計算機模擬或實現(xiàn)的智能，同時人工智能作為學科，是研 究如何使機器（計算機）具有智能的科學和技術，特別是自然智能如何在計算機上實現(xiàn)或再 現(xiàn)的科學或技術。研究人工智能是電腦發(fā)展的必然趨勢，是當前信息化社會的迫切要求，同 時智能化也是自動化發(fā)展的必然趨勢，另外，研究人工智能，對探索人類自身智能的奧秘也 會提供有益的幫助。人工智能的目標分近期目標和遠期目標，近期研究目標是實現(xiàn)機器智能，遠期目標是制造智能機器，具體講就是使計算機具有聽、說、讀、寫等感知和交互能力，具 有聯(lián)想、推理、理解、學習等高級思維能力。

3.人工智能的主要研究和應用領域是什么？ 人工智能的主要研究和應用領域有：定理證明，專家系統(tǒng)，機器學習，自然語言理解，智能 檢索，機器人學，自動程序設計，組合調度問題，模式識別，機器視覺等。

4.人工智能有哪些主要研究途徑與方法？簡單描述其特點。人工智能有三種研究途徑與方法：第一種是結構模擬，方法是神經計算。模擬人腦的生 理結構和工作機理，用人工神經元組成的神經網絡作為信息和知識的載體，用神經計算的方 法實現(xiàn)學習、聯(lián)想、識別和推理，使計算機表現(xiàn)某種智能。第二種是功能模擬，方法是符號 推演。具體講就是模擬人的心理模型，將問題或知識表示程某種邏輯網絡，采用符號推演的 方法，宏觀上模擬人腦的思維實現(xiàn)機器智能。第三種途徑是行為模擬，方法是控制進化。

5.什么是人工智能？人工智能的基本技術是什么？ 人工智能就是人造智能，指用計算機模擬或實現(xiàn)的智能，同時人工智能作為學科，是研 究如何使機器（計算機）具有智能的科學和技術，特別是自然智能如何在計算機上實現(xiàn)或再 現(xiàn)的科學或技術。表示、運算、搜索是三大基本技術。

6.人工智能可分為符號智能和計算智能，請簡述人工智能的基本技術。答：表示、運算和搜索。符號智能的表示是知識表示，運算是基于知識表示的推理或符 號操作，采用搜索方法進行問題求解，一般在問題空間上進行； 計算智能的表示是對象表示，運算時給予對象的表示的操作或計算，采用搜索方法進行問題求解，一般是在解空間上進行。

7.列舉人工智能的五個應用領域。答：應用領域有：難題求解、自動定理證明、自動程序設計、自動翻譯、智能控制、智 能管理、智能決策、智能通信、智能仿真、智能 CAD 等。

8.遺傳算法中的三種遺傳操作是什么？試舉例說明。答：遺傳算法的三種操作：復制，交叉，變異。

9.遺傳算法是一種什么樣的算法？它適合解決哪一類問題？ 遺傳算法時人們從生物界按自然選擇和有性繁殖、遺傳變異的自然進化現(xiàn)象中得到啟 發(fā)，而設計出來的一種隨機優(yōu)化搜索算法。遺傳算法適合解決先驗知識缺乏，希望尋找最優(yōu) 解，搜索空間不連續(xù)的這一類問題，如機器學習、規(guī)劃、聚類、控制、調度等領

域的問題。

10.產生式系統(tǒng)的運行過程就 是推理機不斷運用規(guī)則庫中的規(guī)則，作用于動態(tài)數(shù)據庫，不斷進行推理并不斷檢測目標條件 是否滿足的過程。當推理到某一步，目標條件被滿足，則推理成功，于是系統(tǒng)運行結束；或 者再無規(guī)則可用，但目標條件仍未滿足，則推理失敗，系統(tǒng)運行結束。

11.產生式系統(tǒng)有哪幾種推理方式?各自的特點為何? 產生系統(tǒng)有兩種推理方式：正向推理和反向推理。正向推理就是從初始事實數(shù)據出發(fā)，正向使用規(guī)則進行推理（即用規(guī)則前提與動態(tài)數(shù)據庫中的事實匹配，或用動態(tài)數(shù)據庫中的數(shù) 據測試推則的前提條件，然后產生結論或執(zhí)行動作），朝目標方向前進；反向推理就是從目 標出發(fā)，反向使用規(guī)則進行推理（即用規(guī)則結論與目標匹配，又產生新的目標，然后對新目 標再做同樣的處理），朝初始事實或數(shù)據方向前進。

15.產生式系統(tǒng)由哪幾部分組成？各部分功能是什么？ 答：產生式系統(tǒng)由三部分組成：產生式規(guī)則庫，推理機和動態(tài)數(shù)據庫。產生式規(guī)則庫也 稱產生式規(guī)則集，由領域規(guī)則組成，在機器中以某種動態(tài)數(shù)據結構進行組織。推理機也稱控 制執(zhí)行機構，它是一個程序模塊，負責產生式規(guī)則的前提條件測試或匹配，規(guī)則的調度和選 取，規(guī)則體的解釋和執(zhí)行。動態(tài)數(shù)據庫是一個動態(tài)數(shù)據結構，用來存放初始事實數(shù)據、中間 結果和最后結果等。

17.按照學習方式分，機器學習可以分為哪幾類？分別具有什么特征？ 答：有導師學習，無導師學習，強化學習

18.從模擬人腦的角度出發(fā)，機器學習有哪兩種方法？試簡單描述其特點。按照學習途徑分類，機器學習可以分為符號學習和連接學習兩大類。符號學習是基于符號 處理的學習方法，連接學習或神經網絡學習，則是基于神經網絡的機器學習方法。

19.符號學習有哪些方法？試列舉出五種。符號學習的方法：記憶學習、傳授學習、演繹學習、類比學習、示例學習、發(fā)現(xiàn)學習、解釋 學習。

20.模擬人腦的機器學習又分為符號學習和連接學習，對比符號學習和連接學習的不同，并 舉出典型學習方法？ 答：符號學習是模擬人腦的宏觀心理級學習過程，以認知心理學原理為基礎，以符號數(shù)據為輸入，以符號運算為方法，用推理過程在圖或狀態(tài)空間中搜索，學習目標為概念或規(guī)則 等。典型方法有記憶學習、示例學習、類比學習、解釋學習等；連接學習或神經網絡學習，是模擬人腦的微觀生理級學習過程，以腦和神經科學原理為基礎，以人工神經網絡為函數(shù)結 構模型，以數(shù)值數(shù)據為輸入，以數(shù)值運算為方法，用迭代過程在系數(shù)向量空間中搜索，學習的目標為函數(shù)。典型的連接學習有權值修正學習、拓撲結構學習。

21.按照拓撲結構分，神經網絡可分為哪幾類？各具有什么網絡特征？ 按照拓撲結構分，神經網絡可分為四大類：分層前向網絡、反饋前向網絡、互連前向網 絡、廣泛互連網絡。分層前向網絡的結構特征是網絡由若干層神經元組成，分為輸入層、中 間層和輸出層，各層順序連接；信息嚴格按照從輸入層進，經過中間層，從輸出層的方向流 動。反饋前向網絡是一種分層前向網絡，輸出曾到輸入層具有反饋連接?；ミB前向網絡的同 層神經元之間有相互連接。廣泛互連指在網絡中任意兩個神經元之間都是可以或可能是可達 的。

22.何為不確定性？不確定性有哪些類型？ 在我們所獲得的、所處理的信息和知識中，往往含有不肯定、不準確、不完全甚至不一致的 成分，這就是所謂的不確定性。按性質來分，不確定性大致分為五種類型：隨機性、模糊性、不完全性、不一致性。

23.為什么使用歸結原理進行定理證明時要使用歸結策略？ 答：把歸結原理在機器上實現(xiàn)，就要把歸結原理用算法表示，對于怎么樣在已知子句集 中選取兩個子句進行歸結，最簡單的方法就是采用窮舉法。窮舉法能夠保證對于不可滿足的 子句一定可以歸結出空子句，但窮舉法最大的缺點就是效率太低，當參加子句集中子句數(shù)目 過多時，所產生的中間子句將會呈現(xiàn)爆炸式增長，以致機器無法容納，而采用相應的歸結策 略之后就會使中間子句的數(shù)目減少，從而提高了歸結效率，所以在使用歸結原理進行定理證 明時要使用歸結策略。

24.簡述線性歸結策略和單元歸結策略。答：線性歸結策略：在歸結過程中，除第一次歸結可都用給定的子句集 S 中的子句外，其后的各次歸結則至少要有一個親本子句是上次歸結的結果。單元歸結策略： 在歸結過程中，每次參加歸結的兩個親本子句中必須至少有一個是單元子句。

25.什么是啟發(fā)函數(shù)、什么是啟發(fā)式搜索？ 答：啟發(fā)式搜索就是利用啟發(fā)信息進行制導的搜索。在啟發(fā)式搜索中，常用啟發(fā)函數(shù)來表示 啟發(fā)性信息，啟發(fā)函數(shù)就是用來估計搜索樹節(jié)點 x 與目標節(jié)點 Sg 接近程度的一種函數(shù)，通 常用 h（x）來表示。啟發(fā)函數(shù)的定義一般可以參考：一個節(jié)點到目標節(jié)點的某種距離或差 異的亮度；一個節(jié)點處在最佳路徑上的概率。

26.對比圖搜索，談談遺傳算法的主要特點是什么？ 答：遺傳算法的搜索在解空間上進行，不像圖搜索在問題空間上進行；遺傳算法的搜索 隨機地始于搜索空間的一個點集，圖搜索固定地始于初始節(jié)點； 遺傳算法的搜索過程從空間 一個點集到另一個點集，圖搜索從空間的一個點到另一個點；遺傳算法適應性強；擅長全局 搜索，不受搜索空間的限制性假設約束。

27.什么是盲目搜索，什么是啟發(fā)式搜索？兩者有何不同 答：盲目式搜索是指在搜索過程中，按規(guī)定的控制策略進行搜索，而沒有任何中間信息來改 變這些控制策略。啟發(fā)式搜索是根據問題本身的特性或搜索過程中產生的一些信息來不斷地 改變或調整搜索的方向，使搜索朝著問題本身最希望的方向進行，加速問題的求解，并找到 最優(yōu)解。

28.何謂專家系統(tǒng)？它有哪些基本特征？ 專家系統(tǒng)是應用與某一專門領域，擁有該領域內相當數(shù)量的專家級知識，能模擬專家的思維，能達到專家水平，能象專家一樣解決困難和復雜的實際問題的計算機（軟件）系統(tǒng)?；咎卣饔兴模阂粦糜谀硨ｉT領域；二擁有專家級知識；三能模擬專家的思維；四能達到 專家級水平。

29.專家系統(tǒng)包括那些基本部分？每一部分的主要功能是什么？ 專家系統(tǒng)包括如圖所示的七部分,知識庫用來存儲知識推理機是用來實現(xiàn)推理的程序;動態(tài)數(shù) 據庫是存放初始證據事實、推理結果和控制信息的場所;人機界面指的是最終用戶與專家系 統(tǒng)的交互界面； 解釋模塊負責向用戶解釋專家系統(tǒng)的行為和結果； 知識庫管理系統(tǒng)用來管理 知識庫。加上自學習模塊功能是在系統(tǒng)運行過程中能夠不斷的自動化完善豐富知識庫中的知識。

30.什么是專家系統(tǒng)？包含哪幾部分？ 專家系統(tǒng)是應用與某一專門領域，擁有該領域內相當數(shù)量的專家級知識，能模擬專家的思維，能達到專家水平，能象專家一樣解決困難和復雜的實際問題的計算機（軟件）系統(tǒng)，專家系統(tǒng)包括七部分,知識庫;動態(tài)數(shù)據庫;人機界面；解釋模塊；知識庫管理系統(tǒng)；自學習模 塊功能；推理機。

32.什么是專家系統(tǒng)？專家系統(tǒng)與常規(guī)計算機程序有何區(qū)別？ 答：專家系統(tǒng)是應用與某一專門領域，擁有該領域內相當數(shù)量的專家級知識，能模擬專 家的思維，能達到專家水平，能像專家一樣解決困難和復雜的實際問題的計算機（軟件）系 統(tǒng)，與常規(guī)程序的區(qū)別有五點：、（1）常規(guī)程序＝數(shù)據結構＋算法，專家系統(tǒng)＝知識＋推理；、（2）常規(guī)程序將知識組織為兩級：數(shù)據級和程序級，專家系統(tǒng)將知識組織為三級：數(shù)據級、知識 庫級和控制級；、常規(guī)程序處理的數(shù)據多是精確的，對數(shù)據檢索是基于模式的布爾匹配（3）專家系統(tǒng)處理的數(shù)據和知識多是不精確的、模糊的，知識的匹配模式多是不精確的，需要為 其設定閾值；、常規(guī)程序基本是面向數(shù)值計算和數(shù)據處理的。專家系統(tǒng)本質上是面向符（4）號處理的；、常規(guī)程序一般不具有解釋功能，而專家系統(tǒng)一般具有解釋功能。

第三篇：人工智能相關材料

應用：

個人助理（智能手機上的語音助理、語音輸入、家庭管家和陪護機器人）產品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等

安防（智能監(jiān)控、安保機器人）產品舉例：商湯科技、格靈深瞳、神州云海

自駕領域（智能汽車、公共交通、快遞用車、工業(yè)應用）產品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等

醫(yī)療健康（醫(yī)療健康的監(jiān)測診斷、智能醫(yī)療設備）產品舉例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

電商零售（倉儲物流、智能導購和客服）產品舉例：阿里、京東、亞馬遜

金融（智能投顧、智能客服、安防監(jiān)控、金融監(jiān)管）產品舉例：螞蟻金服、交通銀行、大華股份、kensho

教育（智能評測、個性化輔導、兒童陪伴）產品舉例：學吧課堂、科大訊飛、云知聲

發(fā)展方向思路：

（一）人工智能新興產業(yè)

這部分主要任務是進行人工智能前沿技術布局，推動核心技術產業(yè)化，并為人工智能產業(yè)發(fā)展奠定公共基礎。本部分涉及核心技術研發(fā)與產業(yè)化、基礎資源公共服務平臺兩大工程。其中，核心技術研發(fā)與產業(yè)化工程主要涉及三個方面的技術。一是人工智能基礎理論，包括深度學習、類腦智能等。二是人工智能共性技術，包括人工智能領域的芯片、傳感器、操作系統(tǒng)、存儲系統(tǒng)、高端服務器、關鍵網絡設備、網絡安全技術設備、中間件等基礎軟硬件技術。三是人工智能應用技術，包括基于人工智能的計算機視聽覺、生物特征識別、復雜環(huán)境識別、新型人機交互、自然語言理解、機器翻譯、智能決策控制、網絡安全等?；A資源公共服務平臺工程主要涉及四個方面的建設內容。一是各種類型人工智能海量訓練資源庫和標準測試數(shù)據集建設，包括文獻、語音、圖像、視頻、地圖及行業(yè)應用數(shù)據等，這些數(shù)據集需要面向社會開放，為廣大科研機構和企業(yè)進行人工智能研究和開發(fā)提供服務。二是基礎資源服務平臺建設，包括滿足深度學習計算需求的新型計算集群共享平臺、云端智能分析處理平臺、算法與技術開放平臺、智能系統(tǒng)安全情報共享平臺等。三是類腦智能基礎服務平臺建設，要能夠模擬真實腦神經系統(tǒng)的認知信息處理過程。四是產業(yè)公共服務平臺建設，可以為人工智能創(chuàng)新創(chuàng)業(yè)提供相關研發(fā)工具、檢驗評測、安全、標準、知識產權、創(chuàng)業(yè)咨詢等專業(yè)化服務。

（二）重點領域智能應用

這部分主要任務是加快人工智能技術的產業(yè)化進程，推動人工智能在家居、汽車、無人系統(tǒng)、安防、制造、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網絡安全、社會治理等重要領域開展試點，使得人工智能能夠在第一時間轉化為生產力并惠及民生。本部分以基礎較好的智能家居、智能汽車、智能無人系統(tǒng)、智能安防等領域為主。智能家居示范工程主要支持利用健康醫(yī)療、智慧娛樂、家庭安全、環(huán)境監(jiān)測、能源管理等應用技術，進行具有人工智能的酒店、辦公樓、商場、社區(qū)、家庭等建設，提升百姓生活品質。智能汽車研發(fā)與產業(yè)化工程主要面向自動駕駛和安全駕駛，支持智能汽車芯片和車載智能操作系統(tǒng)、高精度地圖及定位、智能感知、智能決策與控制等，支持智能汽車試點。智能無人系統(tǒng)應用工程主要面向無人機、無人船等無人設備，支持與人工智能相關的結構設計、智能材料、自動巡航、遠程遙控、圖像回傳等技術研發(fā)，及其在物流、農業(yè)、測繪、電力巡線、安全巡邏、應急救援等重要行業(yè)領域的創(chuàng)新應用。智能安防推廣工程主要面向與百姓安全息息相關的社會治安、工業(yè)安全以及火災、有害氣體、地震、疫情等問題，支持利用圖像精準識別、生物特征識別、編碼識別、智能感知等技術的研發(fā)和應用。

（三）智能化終端產品

這部分的主要任務是希望通過合適的終端，實現(xiàn)智能化生產和服務。本部分涉及三大工程。智能終端應用能力提成工程主要是面向具有一定智能計算能力的終端及附屬應用，支持其在智能交互、智能翻譯等云端協(xié)同方面及圖像處理、操作系統(tǒng)基礎軟硬件方面進一步改進。智能可穿戴設備發(fā)展工程主要支持輕量級操作系統(tǒng)、低功耗高性能芯片、柔性顯示、高密度儲能、快速無線充電、虛擬現(xiàn)實和增強現(xiàn)實等關鍵技術的成果轉化與應用。智能機器人研發(fā)與應用工程主要支持智能感知、模式識別、智能分析、智能控制等技術在機器人方面的研發(fā)和應用，包括生產用智能工業(yè)機器人，救災救援、反恐防暴等特殊領域的智能特種機器人，醫(yī)療康復、教育娛樂、家庭服務等領域的智能服務機器人。

（四）標準體系和知識產權

目前人工智能標準領域還處于一片空白狀態(tài)，關于人工智能的概念仍然沒有達成一致意見，人工智能也還沒有一個統(tǒng)一的技術體系架構，平臺與應用之間的接口五花八門，而且基本上都是私有協(xié)議，網絡、軟硬件、數(shù)據、系統(tǒng)、測試評估等方面的研發(fā)、應用、服務也無章可循。這直接導致了人工智能領域進入門檻過高，無法形成良性發(fā)展的產業(yè)生態(tài)。因此，建設人工智能領域標準化體系，建立并完善基礎共性、互聯(lián)互通、行業(yè)應用、網絡安全、隱私保護等技術標準，已經成為擺在眼前的現(xiàn)實問題。當然，標準化工作需要相關各方的積極參與，并積極開展國際合作，才能保證對人工智能產業(yè)發(fā)展的有效促進，推動標準走出去才能增強國際話語權。另一方面，在我們所處的這個全球經濟一體化時代，專利已經成為發(fā)展的硬實力，必須要加快重點技術和應用領域的專利布局，同時加強專利合作，提高知識產權成果轉化效率，積極防控專利風險，增強標準與專利政策的有效銜接，才能保證我國人工智能產業(yè)擁有強大的競爭力并得到持續(xù)健康發(fā)展。

政策：

2015年5月國務院在《中國制造2025》提出“加快發(fā)展智能制造裝備和產品”，指出“組織研發(fā)具有深度感知、智慧決策、自動執(zhí)行功能的高檔數(shù)控機床、工業(yè)機器人、增材制造裝備等智能制造裝備以及智能化生產線，統(tǒng)籌布局和推動智能交通工具、智能工程機械、服務機器人、智能家電、智能照明電器、可穿戴設備等產品研發(fā)和產業(yè)化?！?/p>

2015年7月4日國務院在《國務院關于積極推進“互聯(lián)網+”行動的知道意見》明確提出人工智能作為11個重點布局的領域之一，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用。

2016年1月國務院在《“十三五”國家科技創(chuàng)新規(guī)劃》提出智能制造和機器人成為“科技創(chuàng)新2030項目”重大工程之一。

2016年3月18日國務院在《國民經濟和社會發(fā)展第十三個五年規(guī)劃綱要（草案）》提出人工智能概念進入“十三五”重大工程。

2016年5月18日國家發(fā)展改革委、科技部、工業(yè)和信息化部、中央網信辦在《“互聯(lián)網+”人工智能三年行動實施方案》明確了要培育發(fā)展人工智能新興產業(yè)、推進重點領域智能產品創(chuàng)新、提升終端產品智能化水平、并且政府將在資金、標準體系、知識產權、人才培養(yǎng)、國際合作、組織實施等方面進行保障。

人工智能技術帶來的產業(yè)影響

當前，人工智能技術對互聯(lián)網行業(yè)產生的影響和變革主要有如下三個方面：

其一，在理論技術層面，人工智能技術為基于互聯(lián)網和移動互聯(lián)網等領域的創(chuàng)新應用，提供理論基礎。例如，自動定理推理，為網絡信息檢索、問題求解、遠程診斷等問題提供了自動求解方案；自然語言理解，為計算機人類語言理解提供理論和方法；數(shù)據挖掘為從數(shù)據庫中挖掘有意義，提煉出具有必然性、蘊含本質規(guī)律的數(shù)據提供了規(guī)則、聚類等數(shù)據處理、建模、評估標準。

其二，在技術應用和創(chuàng)新層面，人工智能技術的發(fā)展，為未來ICT等網絡技術的發(fā)展指引了方向。當前，以智能算法、深度學習、云計算為代表的大規(guī)模網絡應用已經成為ICT產業(yè)的重要發(fā)展方向。各大互聯(lián)網公司在深度學習領域在不斷做積極探索，深度學習是機器學習研究中的一個重點關注領域，其研究側重于建立、模擬人腦進行分析學習的神經網絡。在創(chuàng)新方面，深度學習帶來了機器學習的新浪潮，推動“大數(shù)據＋深度模型+數(shù)據發(fā)現(xiàn)挖掘”時代的來臨。人工智能技術與互聯(lián)網的融合，是兩個領域發(fā)展到一定階段，探索創(chuàng)新的必然結果，深度學習為擁有強大計算能力和數(shù)據資源的互聯(lián)網巨頭公司帶來下一次全面領跑的機會。例如，谷歌、百度在硅谷的研發(fā)實驗室，在對深度學習、算法升級，對機器學習模仿人腦的智能活動，讓機器像人腦一樣識別圖像、理解自然語言，解析網絡內容之間關系做深度探索。百度語音和圖像等相關網絡產品應用的快速崛起，正是受益于對機器學習等領域的技術突破。

其三，在融合發(fā)展層面，人工智能技術的發(fā)展促進多種科學與網絡技術的深度融合。從國際上看，人工智能技術在美國，歐洲和日本發(fā)展迅速，并且?guī)恿硕喾N信息科學領域的發(fā)展，信息學、控制學、仿生學、計算機學等領域的技術突破均被運用到人工智能應用中去。從技術發(fā)展脈絡發(fā)展上，人工智能很多技術一直處于創(chuàng)新的前沿，未來會在很大程度上影響信息產業(yè)的發(fā)展方向。人工智能發(fā)展至今涉及到多個研究領域，研究方向包括符號計算、語言識別、模式識別和計算機視覺、機器翻譯與機器學習、智能信息檢索、問題求解與專家系統(tǒng)、邏輯推理與邏輯證明、自然語言處理等，逐漸成為更為廣泛的智能科學學科。

新時期下面對人工智能快速發(fā)展對策：

在人工智能技術發(fā)展過程中，我們總體上應該貫徹落實創(chuàng)驅動發(fā)展戰(zhàn)略，立足自主創(chuàng)新的同時，放眼國內國際兩個大局技術發(fā)展情況，加強跟蹤高新技術產業(yè)技術的發(fā)展態(tài)勢調整產業(yè)結構，統(tǒng)籌全局發(fā)展，切實推進由技術革新到推進經濟發(fā)展方式的轉變，實現(xiàn)工業(yè)經濟產型升級，同步大力支持我國人工智能相關研究和產業(yè)化工作。在具體工作上，我們應該采取以下策略：

一是要建立針對相關科研成果的產業(yè)追蹤機制。針對國際國內相關企業(yè)和科研機構正在進行的相關科研活動進行動態(tài)追蹤，對其科研成果在各行各業(yè)的信息化應用進行預研預判，為制定信息化發(fā)展相關政策規(guī)劃提供線索和根據。

二是適時引導和推動人工智能相關產業(yè)領域的研發(fā)應用。加強對人工智能和人腦科學工業(yè)領域應用的深入調研分析，掌握工業(yè)機器人、新型計算產品、人工神經網絡等的發(fā)展和應用現(xiàn)狀，堅持應用牽引，整合產學研現(xiàn)有資源，形成一批人工智能關聯(lián)技術的實驗室和技術中心，推動人工智能關聯(lián)技術在網絡、通訊等行業(yè)快速發(fā)展的應用示范。

三是要加大對人工智能關聯(lián)技術的資金支持力度，引導人工智能關聯(lián)技術向通用技術領域的演進和轉化。

未來人工智能技術將進一步推動關聯(lián)技術和新興科技、新興產業(yè)的深度融合，推動新一輪的信息技術革命，其人工智能技術將成為我國經濟結構轉型升級的新支點。

第四篇：人工智能最后總結(全)

第一章

1.人工智能: 是計算機科學中涉及研究、設計和應用智能機器的一個分支

2.近期目標：研究用機器來模仿和執(zhí)行人腦的某些智力功能，并開發(fā)相關理論和技術

3.應用: 博弈,定理證明, 機器翻譯, 專家系統(tǒng), 模式識別, 機器人學, 智能控制, 神經生理學

第二章

1.知識的種類: 事實性知識, 過程性知識, 行為性知識, 元知識

2.知識的要素: 事實,規(guī)則,控制,元知識

3.知識的表示: 謂詞邏輯, 產生式規(guī)則, 語義網絡, 框架表示

4.謂詞一般表達式: P(x1,x2,?,xn)

5.謂詞邏輯表示法: 定義謂詞, 用連詞或量詞把謂詞公式連接起來, 從外到里層層細化

6.推理機: 規(guī)則解釋程序, 控制系統(tǒng)規(guī)則庫與數(shù)據庫,負責整個產生式系統(tǒng)的運行,決定問題求解過程的推理

路線.主要工作: 匹配器,沖突消解器,解釋器

6.語義網絡: A-kind-ofA-member-ofIs-aPart-ofHaveCan

7.多元關系的語義網絡表示: 添加關系結點, 動作結點, 事件結點, 情況結點

8.框架表示: 框架名, 槽名, 側面, 值

(1)橫向聯(lián)系: 一個框架的槽值或者側面值可以是另外一個框架的名字

(2)縱向聯(lián)系: 具有集成關系的框架之間構成縱向聯(lián)系, 下層框架可以繼承上層框架的槽值.第三章

1.狀態(tài)空間法:(1)選擇狀態(tài), 描述操作(2)定義初始狀態(tài)集合, 目標狀態(tài)集合, 及操作符集合例: 2層漢諾塔 A(1,3)---B(1,2)---A(3,2)[操作標識有向邊 狀態(tài)標識節(jié)點]

2.問題歸約:(1)問題初始描述(2)一套把問題變?yōu)樽訂栴}的操作符(3)一套本原問題描述

例: 3層漢諾塔三元組標識狀態(tài)S=(i,j,k), i,j,k表示A,B,C所在的鋼針號

3.與或圖: 如果一個原問題既需通過分解, 又需通過變換,才能得到本原問題,其歸約過程可以用與或圖表示

4.端節(jié)點: 在與或樹中, 沒有子節(jié)點的節(jié)點

終葉節(jié)點: 本原問題所對應的節(jié)點

終葉節(jié)點一定是端節(jié)點,但是端節(jié)點不一定是終葉節(jié)點

5.可解節(jié)點與不可解節(jié)點

任何終葉節(jié)點都是可解節(jié)點不為終葉節(jié)點的端節(jié)點是不可解節(jié)點

“與或” 節(jié)點的可解性與子節(jié)點的關系

6.盲目搜索:

(1廣度)擴展的子節(jié)點放在:Open表的尾部

(2深度)擴展的子節(jié)點放在:Open表的首部

(3)有界深度:根據題目確定dm并調整,(4代價樹)g:n2(?)gn1(?c)n1n(2,從Open表的前取從Open表的前取)

?廣度:按照代價對Open表中的全部節(jié)點,從小到大進行排序??深度:按照代價對Open表中的剛擴展節(jié)點,從小到大進行排序

選擇一個代價最小的節(jié)點

7.啟發(fā)式搜索:

(1)度量節(jié)點的希望的量度f(n)

(2)有序搜索: 在Open表中選擇f最小的節(jié)點作為擴展節(jié)點

(3)A算法:

估價函數(shù):f(n)?g(n)?h(n)

g(n):S到n的實際代價? ??每步都要用f(n)對Open表中的節(jié)點排序h(n):n到Sg的估計代價??

(4)A算法: h(n)?h*(n)使h(n)盡可能大,充分靠近h*(n)

f(n)?g(n?)?h(n)

8.與或樹搜索: 自上而下搜索, 自上而下標示

(1)應用分解或者等價變換對當前節(jié)點擴展

(2)設置指向父節(jié)點的指針

(3)多次調用可解或不可解標記過程, 直到初始節(jié)點被標記為可解節(jié)點或不可解節(jié)點 ?廣度: ??深度:*

9.有序搜索之解樹代價

(1)終止節(jié)點: h(n)?0n不可以擴展且不是終止節(jié)點: h(n)??

(2)或節(jié)點: h(n)?min?c(n,ni)?h(ni)?

????c(n,ni)?h(ni)?與節(jié)點: h(n)??

??max?c(n,ni)?h(ni)?

10.希望樹: 自頂向下擴展節(jié)點, 自底向上, 修正代價估值

11.博弈樹: e(P)?e(?P)?e(?P)與~min或~max與或交替出現(xiàn) 12.?~?剪枝:

(1)與:??min?子節(jié)點倒推值?或:??max?子節(jié)點倒推值?

與:當前?值?父節(jié)點?值(2)?則剪枝 ??或:當前?值?父節(jié)點?值

第四章 推理技術

1.子句集的求取:

(1)消去蘊含和雙條件符號

(2)減少否定符號轄域

??P?P

?(P?Q)??P??Q?(P?Q)??P??Q

?(?x)P?(?x)?P

?(?x)P?(?x)?P

(3)使不同量詞約束的變元有不同的名字

(4)消去存在量詞(個體常量替換, 函數(shù)替換)

(5)化為前約束(量詞左移), 使得每個全稱量詞的轄域都是整個公式

(6)化為合取范式

(7)消去全稱量詞

(8)消去合取詞

(9)更換變量名

2.歸結原理:

(1)定理證明:

(2)用歸結原理求取問題的答案

第五篇：人工智能考試簡答題總結

1.請至少列舉3位20世紀圖靈獎獲得者中的人工智能學者。，簡述圖靈測試的過程。批判

地用圖靈測試來判定非人機器是否能思考進行評價，至少提出一種不同觀點。

答(1):Marvin Minsky, John McCarthy ,Herbert Simon, Allen Newell, Raj Reddy

(2)人工智能之父：John McCarthy

(3)國際人工智能聯(lián)合會議的英文全稱與簡稱：International Joint Conference on AI: IJCAI 是一種測試機器是不是具備人類智能的方法。被測試的有一個人，另一個是聲稱自己有人類智力的機器。一種測試機器是不是具備人類智能的方法。

寫出圖搜索過程的A算法。

分別指出一般情況下A*和AO*算法是否可采納，若不是，給出可采納的條件。

答：對于某些問題，我們可以使用與問題有關的信息幫助減少搜索量，這種信息叫做

啟發(fā)信息。

A算法（GraphSearch圖搜索算法）：

1．G←{s}，OPEN ←（s）．

2．CLOSED ←NIL．

3．LOOP：IF OPEN=NIL,THEN FAIL．

4．n ← FIRST(OPEN)，OPEN ←TAIL(OPEN),CONS(n, CLOSED)．

5．IF TERM(n)，THEN 成功結束

（解路徑可通過追溯G中從n到s的指針獲得）。

6．擴展節(jié)點n，令M={m︱m是n的子節(jié)點，且m不是n的祖先}，G ←G ∪M

7．（設置指針，調整指針）對于m?M,(1)若m?CLOSED, m?OPEN, 建立m到n的指針，并CONS(m, OPEN).(2)(a)m?OPEN, 考慮是否修改m的指針.(b)m?CLOSED,考慮是否修改m及在G中后裔的指針。

8．重排OPEN表中的節(jié)點（按某一任意確定的方式或者根據探索信息）。

9．GO LOOP

一般情況下，A*算法可采納的，即如果解路徑存在，A*算法一定能找到最佳解路徑而

終止；

AO*算法：如果一個與或圖存在解圖，如果對于圖中所有的節(jié)點n都有h(n)<=h*(n),并

且啟發(fā)函數(shù)h滿足單調限制，則AO*算法必然終止于找出最佳解圖。

3.命題邏輯中，常用哪兩種公式凡是？一階邏輯中，常用哪兩種公式范式？

答：命題邏輯中是吸取范式和和取范式。一階邏輯中中：前束范式，Skolem范式

4.敘述一階邏輯解釋的定義；什么叫子句集S的Herbrand解釋？在語義上證明子句集恒

假時，僅考慮該子句集的Herbrand解釋是否夠用？為什么？

答：（1）謂詞邏輯中公式G的一個解釋I，是由非空區(qū)域D和對G中常量符號，函數(shù)符號，謂詞符號以下列規(guī)則進行的一組指定組成：

1.對每個常量符號，指定D中一個元素；

2.對每個n元函數(shù)符號，指定一個函數(shù)，即指

定Dn到D的一個映射；

3.對每個n元謂詞符號，指定一個謂詞，即指

定Dn到{T，F(xiàn)}的一個映射。

（2）定義（Herbrand域）設S為子句集，令H0是出現(xiàn)于子句集S的常量符號集。如果S中無常量符號出現(xiàn)，則H0由一個常量符號a組成。

5.2.3.4.對于i＝1，2，…，令Hi = Hi-1?｛所有形如f(t1，…，tn)的項｝ 其中f(t1，…，tn)是出現(xiàn)在S中的所有n元函數(shù)符號，tj? Hi-1，j＝1，…，n． 稱Hi為S的i級常量集，H?稱為S的Herbrand域，簡稱S的H域。(3)在語義上證明子句集恒假時，僅考慮該子句集的Herbrand解釋是夠用的，因為 因為子句集S恒假，當且僅當S被其所有的H解釋弄假什么是可分解的產生式系統(tǒng)？產生是系統(tǒng)求解的一般步驟，控制策略可以在哪些步驟中使用。答：能夠把產生式系統(tǒng)綜合數(shù)據庫的狀態(tài)描述分解為若干組成部分，產生式規(guī)則可以分別用在各組成部分上，并且整個系統(tǒng)的終止條件可以用各組成部分的終止條件表示出來的產生式系統(tǒng)，稱為可分解的產生式系統(tǒng)。Procedure SPLIT 1.DATA ← 初始狀態(tài)描述 2.{Di} ← DATA的分解結果；每個Di看成是獨立的狀態(tài)描述 3.until 對所有的Di ?{Di}，Di都滿足終止條件，do: 4.begin5.在{Di}中選擇一個不滿足終止條件的D* 6.從{Di}中刪除D* 7.從規(guī)則集合中選出一個可應用于D*的規(guī)則R 8.D ← 把R應用于D*的結果 9.{di} ← D的分解結果 10.把{di}加入{Di}中 11.EndSPLIT的控制策略：在步驟5中如何選取D*，在步驟7如何選取R。搜索算法的可采納性定義，并分別指出一般情況下A*算法。AO*算法是否可采納，若不是，給出可采納性的條件。(1)如果一個搜索算法對于任何具有解路徑的圖都能找到一條最佳路徑，則稱此算法為可采納的。(2)A*算法是可采納的（如果解路徑存在，A*一定由于找到最佳解路徑而結束）AO*算法不可采納，采納的條件：如果一個AND/OR圖存在解圖，如果對于圖中所有節(jié)點n都有h(n)<= h*(n),并且啟發(fā)函數(shù)h滿足單調限制，則AO*算法必然終止于找到最佳解圖。博弈樹搜索極小極大（MINMAX過程），并寫出減枝規(guī)則

答：極小極大過程：

(1)按寬度優(yōu)先生成0至L層的所有節(jié)點

(2)使用靜態(tài)估計值函數(shù)（e(p)）計算第L層節(jié)點的函數(shù)值

(3)按照極小極大原則計算各層節(jié)點的到推值，直到求出初始節(jié)點的倒推為止，實現(xiàn)該倒推的走步就是相對好的走步

α剪枝：

如果一個MIN節(jié)點的β值小于或等于他的某一個MAX祖先節(jié)點的α值，則剪枝發(fā)生在該MIN節(jié)點之下；終止這個Min節(jié)點之下的搜索過程，這個MIN節(jié)點最終的倒推值就確定為這個β值

β剪枝：如果一個MAX節(jié)點的α值大于或等于他的某一個MIN祖先節(jié)點的β值，則剪枝發(fā)生在該MAX節(jié)點之下；終止這個MAX節(jié)點之下的搜索過程，這個MAX節(jié)點最終的倒推值就確定為這個α值

5.謂詞邏輯中，對字句進行歸結推理時，若被歸結子句C1和C2中有相同的變元（變量），請舉例說明一定要改名的原因

C1=P(x)VQ(x),C2=~P(f(x))

C1與C2有相同的變量x，若不改名，歸結時，會出現(xiàn)替換：{f(x)/x}，這是不允許的1.歸結反證系統(tǒng)的產生式系統(tǒng)表示

2.子句集S的Herbrand域和普通解釋的關系

子句集s的H解釋是s的普通解釋，S的普通解釋不一定是s的H解釋：普通解釋不是必須定義在H域上的，即使定義在H域上，也不一定是一個H解釋

3.判斷集合合一

4.C1,C2歸結式

定義設C1, C2是兩個無公共變量的子句(稱為親本子句),L1, L2分別是C1, C2中的兩個文字。

如果L1和～L2有最一般合一?，則子句

(C1?-{L1?})?(C2?-{L2?})

稱為C1和C2的二元歸結式，L1和L2稱為歸結文字

例.設C1=P(x)?Q(x),C2=～P(a)?R(x)

將C2中x改名為y。取L1＝P(x), L2=～P(a),?={a/x},于是(C1?-{L1?})?(C2?-{L2?})

＝({P(a), Q(a)}-{P(a)})?({～P(a), R(y)}-{～P(a)})

={Q(a), R(y)}= Q(a)? R(y)----C1和C2的二元歸結式.5.原子集和封閉語義樹

Davis-Putnam方法證明可滿足（純文字即只有L（~L）；刪除純文字的基字句后為空則S可滿足，否則不滿足；分裂規(guī)則，單文字規(guī)則L：刪除但文字和包含單文字的基字句，為空則可滿足的，否則刪除~L的文字（注意不是刪除基字句））

1.人工智能的主要研究學派，以及主要研究領域：

（1）符號主義/邏輯主義學派--符號智能

（2）連接主義--計算智能

（3）行為主義--低級智能

2.產生式系統(tǒng)組成部分，產生式系統(tǒng)求解問題的一般步驟

答：（1）綜合數(shù)據庫

（2）產生式規(guī)則集

（3）控制系統(tǒng)

Procedure PRODUCTION

1.DATA←初始狀態(tài)描述

2.until DATA 滿足終止條件，do：

3.begin

4.在規(guī)則集合中，選出一條可用于DATA的規(guī)則R

5.DATA←把R應用于DATA所得的結果

6.End

4.產生式系統(tǒng)的控制策略有哪幾種方式，簡述各自的優(yōu)缺點

答：（1）不可撤回的控制策略

優(yōu)點：空間復雜度很低，速度快。

缺點：爬山函數(shù)有多個局部最大值時，會失敗有很多局限性

（2）回溯控制策略

優(yōu)點：占空間較少，應用最廣。

缺點：時間復雜性一般；如果系統(tǒng)不包括有關解的知識，則規(guī)則選取是盲目的，要多次回溯，如果深度限制定的很低，可能找不到解。

（3）圖搜素控制策略

優(yōu)點：如果有解，一定能找到解

缺點：占空間大，速度較慢

6.與或圖啟發(fā)式搜素算法AO*的可采納性條件

1.無信息的圖搜索方法主要有哪兩種？

深度優(yōu)先搜索和寬度優(yōu)先搜索

2.影響A算法啟發(fā)能力的因素有哪些？

（1）算法A所找到的解路徑的費用

（2）算法A在尋找這條解路徑的過程中所需要擴展的節(jié)點數(shù)

（3）計算啟發(fā)函數(shù)所需要的計算量

7.什么叫子句集的Herbrand域？

定義（Herbrand域）設S為子句集，令H0是出現(xiàn)于子句集S的常量符號集。如果S中無常量符號出現(xiàn)，則H0由一個常量符號a組成。

對于i＝1，2，…，令

Hi = Hi-1?｛所有形如f(t1，…，tn)的項｝

其中f(t1，…，tn)是出現(xiàn)在S中的所有n元函數(shù)符號，tj? Hi-1，j＝1，…，n．

稱Hi為S的i級常量集，H?稱為S的Herbrand域，簡稱S的H域。