本科-人工智能复习题
填空题
-
首次提出“人工智能”是在（1956）年 。
-
下列不属于人工智能的研究方法的是（动作模拟法）。
-
（语义网络法）是知识的一种结构化图解表示，它由节点和弧线或链线组成，能把实体的结构、属性与实体间的因果关系显式和简明地表达出来。
-
在图搜索过程中，重排OPEN表意味着，是否按照某个（试探值）重新对未扩展节点进行重排。
-
估价函数的值越小，意味着该节点位于最优解路径上的“希望”（越大）。
-
（启发式探索）用于排列带扩展节点的顺序，即选择最有希望的节点加以扩展，使搜索效率大大提高。
-
在产生式系统的推理方式中，由底向上的推理方式是（正向推理）。
-
人工智能、计算智能和生物智能由低层到高层的排序为（计算智能、人工智能、生物智能）
-
下列不属于计算智能的主要研究领域的是（网络计算）
-
下列不属于人工神经网络的主要学习算法的是（非强化学习 ）
-
模糊推理是建立在模糊逻辑基础上的一种不确定性推理方法，是在二值逻辑三段论基础上发展起来的，它以（模糊判断）为前提，以（模糊语言）为规则，推导出一个近似的模糊判断结论。
12、1987年兰德提出的人工生命的定义为：
人工生命是研究能够演示出自然生命系统特征行为的人造系统。通过计算机或其他机器对类似生命的行为进行综合研究。
13、机器学习系统的基本结构分为四个组成部分，分别是环境、学习、知识库、执行，其中，（环境）部分向系统的学习提供某些信息。
-
（类比学习）是一种很有用和很有效的推理方法，它能清晰，简洁地描述对象间的相似性，是人类认知世界的一种重要方法。
-
根据费亚德的定义，数据库中的（知识发现）是从大量数据库中辨识出有效的、新颖的，潜在有用的，并可被理解的模式的高级处理过程。
-
下列不属于知识发现的方法的是（智能计算方法）
-
设计专家系统的关键是（知识表示）
-
（框架）是一种结构化表示方法，通常由指定事物各个方面的槽组成，每个槽拥有若干个侧面，而每个侧面又可拥有若干个值。
-
“如果X不知道，那么得到结论Y”，此定义属于（缺省推理）
-
传统的逻辑学派及其推理方法称为经典逻辑和经典推理，而新的逻辑学派及其推理方法称为非经典逻辑和非经典推理。二者相比，在推理方法上，经典逻辑采用（演绎逻辑）进行推理，而非经典逻辑采用（归纳逻辑）进行推理。
-
不确定推理中存在三种不确定性，下列不属于这三种不确定性的是（理论不确定性）
-
（遗传算法）是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的一种最重要的形式。
-
新型专家系统主要分为（分布式专家系统、协同式专家系统）
-
下列不属于专家系统的特点是（及时性）
-
深度学习有四种常用的模型，分别是自动编码器、受限波耳兹曼机、深度信念网络和卷积神经网络。其中，（卷积神经网络）在本质上是一种输入到输出的映射，该模型的基本结构包括两层，即特征提取层和特征映射层。
-
搜索分为盲目搜索和启发式搜索
-
人工智能的目的是让机器能够_模拟、延伸和扩展人的智能，以实现某些脑力劳动的机械化。
-
1956年夏季，美国的一些年青科学家在 Dartmounth大学召开了一个夏季讨论会，在该次会议上，第一次提出了人工智能这一术语。
-
AI 研究的三条主要途径为：符号主义 、行为主义 、连接主义 。
-
盲目搜索的方法有 深度优先 、宽度优先 和 回溯策略等。
-
简单遗传算法的遗传操作主要有 选择 、 交叉 和 变异 。
-
人工神经网络具有的基本属性：非线性 、非局域性 、非定常性 和 非凸性 。
-
人工智能的主要应用领域有：自然语言理解 、 数据库的智能检索 、 专家咨询系统 、 定理证明 、博弈、机器人学 、自动程序设计、组合调度问题 、感知问题等。
-
不确定性类型按性质分： 随机性 、 模糊性 、 不完全性 、 不一致性 。
-
在走迷宫、下棋、八数码游戏等游戏中，常用到的一种人工智能的核心技术称为 图搜索 技术，解这类问题时，常把在迷宫的位置、棋的布局、八数码所排成的形势用图来表，这种图称为状态空间图 。
-
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 无关 ，CF（A）=-1，则意味着 假 ，CF（A）=1，则意味着 真 。
-
不确定性推理中存在三种不确定性_关于证据的不确定性，关于知识的不确定性和_关于结论的不确定性。
-
人类智能的特性表现在4个方面能感知客观世界的信息，能对通过思维对获得的知识进行加工处理，能通过学习积累知识增长才干和适应环境变化和能对外界的刺激作出反应传递信息
-
人工神经网络可分为递归网络和多层网络两种基本结构。
-
粒群优化算法是一种基于群体搜索的算法，它是建立在模拟鸟群社会的基础上。
综合体和简答题
1. 在河的左岸有三个修道士、三个野人和一条船，修道士们想用这条船将所有的人都运过河去，但受到以下条件的限制：
（1）修道士和野人都会划船，但船一次最多只能运两个人；
（2）在任何岸边野人数目都不得超过修道士，否则修道士
就会被野人吃掉。
假定野人会服从任何一种过河安排，试规划出一种确保修道士安全过河方案。
答：
1）问题的状态
可以用一个三元数组来描述：
S＝(m, c, b)
m：左岸的修道士数
c：左岸的野人数
b：左岸的船数
右岸的状态不必标出，因为：
右岸的修道士数 m’＝ 3－m
右岸的野人数 c’＝ 3－c
右岸的船数 b’＝ 1－b
|
状态 |
m, c, b |
状态 |
m, c, b |
状态 |
m, c, b |
状态 |
m, c, b |
|
S0 |
3 3 1 |
S8 |
1 3 1 |
S16 |
3 3 0 |
S24 |
1 3 0 |
|
S1 |
3 2 1 |
S9 |
1 2 1 |
S17 |
3 2 0 |
S25 |
1 2 0 |
|
S2 |
3 1 1 |
S10 |
1 1 1 |
S18 |
3 1 0 |
S26 |
1 1 0 |
|
S3 |
3 0 1 |
S11 |
1 0 1 |
S19 |
3 0 0 |
S27 |
1 0 0 |
|
S4 |
2 3 1 |
S12 |
0 3 1 |
S20 |
2 3 0 |
S28 |
0 3 0 |
|
S5 |
2 2 1 |
S13 |
0 2 1 |
S21 |
2 2 0 |
S29 |
0 2 0 |
|
S6 |
2 1 1 |
S14 |
0 1 1 |
S22 |
2 1 0 |
S30 |
0 1 0 |
|
S7 |
2 0 1 |
S15 |
0 0 1 |
S23 |
2 0 0 |
S31 |
0 0 0 |
2）操作集F＝{p01, p10,p11,p02,p20,q01,q10,q11, q02,q20}
3）状态空间
给出状态和操作的描述之后，该问题的状态空间是：
{{S0}，{ P 01，P 10，P 11，P 02，P 20，Q01，Q 10，Q 11，Q 02，Q 20}，{S31}}。
4）状态空间图：
2.
3.
4.
5.
6.
7.
8.人工智能中的知识表示方法有几种？
1）状态空间表示
2）问题归约表示
3）谓词逻辑表示
4）语义网络表示
5）框架表示
6）过程表示
9.
10.
11.人工智能的研究目标
12.人工智能发展时期？
1孕育时期（1956年前）
2形成时期（1956——1970年）
3暗淡时期（1966——1974年）
4知识应用时期（1970——1988年）
5集成发展时期（1986年至今）
13.
14.人工智能研究的基本内容
认知建模
知识表示
知识推理
知识应用
机器感知
机器思维
机器学习
机器行为
智能系统构建
15.遗传算法的求解原理和步骤？
原理: 遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。
步骤:
16.遗传算法的执行过程？
17.消解原理？
18.消解推理规则？
19.消解反演
20.反演求解过程？
从反演树求取对某个问题的答案，其过程如下:
(1)把由目标公式的否定产生的每个子句添加到目标公式否定之否定的子句中去，
21.神经网络
22.对某种产品的质量进行抽查评估。现随机选出5个产品x1,x2,x3,x4,x5进行检验,它们质量情况分别为:
x1＝80,x2＝72,x3＝65,x4＝98,x5＝53
这就确定了一个模糊集合Q,表示该组产品的“质量水平”这个模糊概念的隶属程度。试写出该模糊集。
答案：
该模糊集为：Q={(X1,0.8),(X2,0.72),(X3,0.65),(X4,0.98),(X5,0.53)}
23.
24.