人工智能最后总结(全)

第一篇：人工智能最后总结(全)

第一章

1.人工智能: 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

2.近期目标：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.应用: 博弈,定理证明, 机器翻译, 专家系统, 模式识别, 机器人学, 智能控制, 神经生理学

第二章

1.知识的种类: 事实性知识, 过程性知识, 行为性知识, 元知识

2.知识的要素: 事实,规则,控制,元知识

3.知识的表示: 谓词逻辑, 产生式规则, 语义网络, 框架表示

4.谓词一般表达式: P(x1,x2,,xn)

5.谓词逻辑表示法: 定义谓词, 用连词或量词把谓词公式连接起来, 从外到里层层细化

6.推理机: 规则解释程序, 控制系统规则库与数据库,负责整个产生式系统的运行,决定问题求解过程的推理

路线.主要工作: 匹配器,冲突消解器,解释器

6.语义网络: A-kind-ofA-member-ofIs-aPart-ofHaveCan

7.多元关系的语义网络表示: 添加关系结点, 动作结点, 事件结点, 情况结点

8.框架表示: 框架名, 槽名, 侧面, 值

(1)横向联系: 一个框架的槽值或者侧面值可以是另外一个框架的名字

(2)纵向联系: 具有集成关系的框架之间构成纵向联系, 下层框架可以继承上层框架的槽值.第三章

1.状态空间法:(1)选择状态, 描述操作(2)定义初始状态集合, 目标状态集合, 及操作符集合例: 2层汉诺塔 A(1,3)---B(1,2)---A(3,2)[操作标识有向边 状态标识节点]

2.问题归约:(1)问题初始描述(2)一套把问题变为子问题的操作符(3)一套本原问题描述

例: 3层汉诺塔三元组标识状态S=(i,j,k), i,j,k表示A,B,C所在的钢针号

3.与或图: 如果一个原问题既需通过分解, 又需通过变换,才能得到本原问题,其归约过程可以用与或图表示

4.端节点: 在与或树中, 没有子节点的节点

终叶节点: 本原问题所对应的节点

终叶节点一定是端节点,但是端节点不一定是终叶节点

5.可解节点与不可解节点

任何终叶节点都是可解节点不为终叶节点的端节点是不可解节点

“与或” 节点的可解性与子节点的关系

6.盲目搜索:

(1广度)扩展的子节点放在:Open表的尾部

(2深度)扩展的子节点放在:Open表的首部

(3)有界深度:根据题目确定dm并调整,(4代价树)g:n2()gn1(c)n1n(2,从Open表的前取从Open表的前取)

广度:按照代价对Open表中的全部节点,从小到大进行排序深度:按照代价对Open表中的刚扩展节点,从小到大进行排序

选择一个代价最小的节点

7.启发式搜索:

(1)度量节点的希望的量度f(n)

(2)有序搜索: 在Open表中选择f最小的节点作为扩展节点

(3)A算法:

估价函数:f(n)g(n)h(n)

g(n):S到n的实际代价 每步都要用f(n)对Open表中的节点排序h(n):n到Sg的估计代价

(4)A算法: h(n)h*(n)使h(n)尽可能大,充分靠近h*(n)

f(n)g(n)h(n)

8.与或树搜索: 自上而下搜索, 自上而下标示

(1)应用分解或者等价变换对当前节点扩展

(2)设置指向父节点的指针

(3)多次调用可解或不可解标记过程, 直到初始节点被标记为可解节点或不可解节点 广度: 深度:*

9.有序搜索之解树代价

(1)终止节点: h(n)0n不可以扩展且不是终止节点: h(n)

(2)或节点: h(n)minc(n,ni)h(ni)

c(n,ni)h(ni)与节点: h(n)

maxc(n,ni)h(ni)

10.希望树: 自顶向下扩展节点, 自底向上, 修正代价估值

11.博弈树: e(P)e(P)e(P)与~min或~max与或交替出现 12.~剪枝:

(1)与:min子节点倒推值或:max子节点倒推值

与:当前值父节点值(2)则剪枝 或:当前值父节点值

第四章 推理技术

1.子句集的求取:

(1)消去蕴含和双条件符号

(2)减少否定符号辖域

PP

(PQ)PQ(PQ)PQ

(x)P(x)P

(x)P(x)P

(3)使不同量词约束的变元有不同的名字

(4)消去存在量词(个体常量替换, 函数替换)

(5)化为前约束(量词左移), 使得每个全称量词的辖域都是整个公式

(6)化为合取范式

(7)消去全称量词

(8)消去合取词

(9)更换变量名

2.归结原理:

(1)定理证明:

(2)用归结原理求取问题的答案

第二篇：人工智能总结(精华版)

1、PROLOG程序一般由一组事实、规则和问题组成。事实一般表示对象的性质或关系；规则一般表示对象间的因果关系、蕴含关系或对应关系； 问题表示用户的询问是程序运行的目标。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程序的运行是从目标出发，并不断进行匹配、合一、归结，有时还要回溯，直到目标别完全满足或不能满足时为止。

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。

3、简述用A*算法求解问题时为什么会出现重复扩展节点问题，解决的方法有哪些？

答：当问题有解时，A*算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对A*算法加以改进，使用修正的A*算法进行搜索，这样，随着经验的丰富，系统的性能自然就会不断改善和提高。

24、机器学习的三个要素：信息，发展和知识。对应于机器学习的对象、方法和目标。

25、基于学习策略的分类：符号学习和神经网络学习。

26、决策树：也称判断树，它由对象的若干属性、属性值和有关决策组成的一棵树。其中的节点为属性，分支为属性值，从同一节点出发的各个分支之间是逻辑或关系，根节点为对象的一个属性；从根节点出发到每一个叶子节点的所有节点和边，按顺序串联成一条分支路径，位于同一分支路径上的各个属性-值对之间是逻辑与关系，叶子节点是这个与关系的对应结果，即决策。

27、决策树学习首先要有一个实例集，基本方法和步骤：（1）选取一个属性，按这个属性的不同取值对实例集进行分类；并以该属性作为根节点，以这个属性的诸取值作为根节点的分支，进行画树；（2）考察所得的每一个子类，看其中的实例的结论是否完全相同。如果相同，则以这个相同的结论作为相应分支路径末端的叶子节点；否则，选取一个非父节点的属性，按这个属性的不同取值对孩子集进行分类，并以该属性作为节点，以这个属性的诸取值作为节点的分支，继续进行画树。如此继续，直到所分的子集全都满足：实则可以减少重复扩展节点问题。

4、简述回溯策略与深度优先策略的不同点。

答：回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索，而回溯搜索则不是图搜索。在回溯搜索中，只保留了从初始节点到当前节点的搜索路径。而深度优先搜索，则保留了所有的已经搜索过的路径。

5、不确定性类型按性质分：随机性，模糊性，不完全性，不一致性

6、在删除策略归结的过程中删除以下子句：含有纯文字的子句;含 有永真式的子句;子句集中被别的子句类含的子句。

7、图：指由节点和有向边组成的网络。按连接同一节点的各边的逻辑关系又可分为或图和与或图。

8、合一算法：求非空有限具有相同谓词名的原子公式集的最一般合一（MGU）。

9、人工智能的远期目标是制造智能机器，近期目标是实现机器智能。

10、什么是产生式？产生式规则的语义是什么？

产生式规则基本形式：P→Q 或者 IF P THEN Q P 是产生式的前提（前件），用于指出该产生式是否可用的条件 Q 是一组结论或操作（后件），用于指出当前提 P 所指示的条件满足时，应该得出的结论或应该执行的操作

产生式规则的语义：如果前提P被满足，则可推出结论 Q 或执行 Q 所规定的操作

11、谓词公式G通过８个步骤所得的子句集合S，称为G的子句集。请写出这些步骤：1）消去蕴含式和等价式→，<-> ；2）缩小否定词的作用范围，直到其作用于原子公式: ；3）适当改名，使量词间不含同名指导变元和约束变元。；4.）消去存在量词（形成Skolem标准型）；5）消去所有全称量词 ；6)化成合取范式；7).适当改名，使子句间无同名变元；8).消去合取词∧，用逗号代替，以子句为元素组成一个集合S

12、人工智能的基本技术包括搜索技术 推理技术 知识表示和知识库技术、归纳技术、联、想技术

13、产生式系统有三部分组成综合数据库，知识库和推理机。其中推理可分为正向推理和反向推理。

14、在归结原理中，几种常见的归结策略并且具有完备性的是删除策略 支持集策略 线性归结策略、输入归结策略、单元归结策略

15、归结法中，可以通过修改证明树的方法得到问题的解答

16、开发专家系统所要解决的基本问题有三个，那就是知识的获取、知识的表示和知识的运用，在语义网络表示知识时，所使用的推理方法有AKO 和ISA。

17、α－β剪枝的条件是：α剪枝：若任一极小值层节点的β值小于或等于它任一先辈极大值节点的α值，即α（先辈层）≥β（后继层），则可中止该极小值层中这个MIN节点以下的搜索过程。这个MIN节点最终的倒推值就确定为这个β值。

β剪枝：若任一极大值层节点的α值大于或等于它任一先辈极小值层节点的β值，即α（后继层）≥β（先辈层），则可以中止该极大值层中这个MAX节点以下的搜索过程。这个MAX节点的最终倒推值就确定为这个α值。

18、知识表示的方法主要有逻辑表示法（谓词表示法）框架 产生式和语义网络，类和对象，模糊集合，因果网络，脚本，过程等

19、知识的分类：（1）就形式而言：显示和隐式。显示知识是指可用语言文字符号形象声音及其他人能直接识别和处理的形式，明确的在其载体上表示出来的知识。隐式知识只可用神经网络存储和表示（2）就严密性和可靠性而言：理论知识和经验知识（3）就确定性而言：确定性知识和不确定知识（4）就确切性而言：确切描述的知识和非确切描述的知识。

20、知识表示是指面向计算机的知识描述或表达形式和方法。具体的讲就是要用某种约定的形式结构来描述知识，而且这种形式结构还要能够转换为机器的内部形式，使的计算机能方便的存储、处理和应用。------知识表示是建立专家系统级各种知识系统的重要环节，也是知识工程的一个重要方面。

21、基于谓词逻辑的推理主要是演绎方式的推理；基于框架、语义网络和对象知识表示的推理是一种称为继承的推理。

22、机器学习：主要指机器对自身行为的修正或性能的改善和机器对客观规律的发现。（让计算机模拟人的学习行为，或者说让计算机也具有学习的能力）

23、机器学习的流程：（1）对于输入的信息，系统根据目标和经验做出决策予以响应，即执行相应的动作；（2）对目标的实现或任务的完成情况进行评估；（3）将本次的输入、响应和评价作为经验予以存储记录。可以看出，第一次决策时系统中还无任何经验，但从第二此决策开始，经验便开始积累。

例结论完全相同，而得到所有的叶子节点为止。这样一棵决策树就被生成。

28、神经网络分为四大类：分层前向网络、反馈前向网络、互联前向网络、广泛互联网络。

29、网络学习一般是利用一组称为样本的数据，作为网络的输入（和输出），网络按照一定的规则自动调节神经元之间的连接强度或拓扑结构，当网络的实际输出满足期望的要求，或者趋于稳定是，则认为学习成功。

30、神经网络学习的规则是权值修正规则：相关规则和误差修正规则。

31、神经网络学习方法分类：（外部影响）有导师学习，强化学习，无导师学习；（内部变化）权值修正，拓扑变化，权值与拓扑修正；（算法性质）确定性学习，随机性学习；（输入要求）基于相似性学习，基于命令学习。

32、专家系统：应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，像专家一样解决困难、复杂的实际问题的计算机（软件）系统。

33、专家系统的基本要素：专家拥有丰富的专业知识和实践经验或者说拥有丰富的理论知识和经验知识，特别是经验知识。

34、专家系统与一般的软件系统开发无异，其开发过程同样要遵循软件工程的步骤和原则，即也要进行系统分析、系统设计等几个阶段的工作。

但由于它是专家系统，而不是一般的软件系统，所以，又有其独特的地方，主要包括以下几个步骤：

系统总体分析与设计；知识获取；知识表示与知识描述语言设计；知识库设计、知识库管理系统设计；推理机与解释模块设计；总控与界面设计；编程与调试；测试与评价；运行与维护。可以看出它有如下特点：知识获取和知识表示设计是一切工作的起点；知识表示与知识描述语言确定后，其他设计可同时进行；

35、对涉及人工智能的一些问题的认识：首先人工智能把人脑更有效的扩大和延伸是人类智能扩大的延伸，人工智能的应用十分广泛：机器翻译、智能控制、模式识别、机器博弈等，运用智能技术解决很多的实际问题从而使现有的计算机更有效更灵活成为人类智能化信息处理的工具。人工智能用计算机模拟人的思维活动包含理解能力、学习能力、推理能力，主要是脑功能的结构模拟和功能模拟。然而人类不能赋予机器同等的情感，无法确保责任问题，此外生物物种灭绝新型细菌的出现，人类的未来难以预料

37、能解节点定义如下： ①（终节点）是能解节点； ②若非终节点有（“或”）子节点时，当且仅当其子节点至少有一能解，该非终节点才能解； ③若非终节点有（“与”）子节点时，当且仅当其子节点均能解，该非终节点才能解。

18、局部图的耗散值定义如下： ①若n是局部图的一个叶节点，则k（n，N）=（h(n)），其中（h(n)）表示节点n到目标节点集的最佳解图耗散值的估计； ②若n由一个外向连接符指向后继节点{n1，…，ni}，并设该连接符的耗散值为Cn，则k（n，N）=（Cn+ k（n1，N）+ … + k（ni，N））。

19、耗散值最小的解图称为（最佳）解图

20、AO*算法是一种用于对（与或图）进行搜索的启发式搜索算法，该算法对目前找到的局部图进行评价，选择（耗散值最小）的局部图进行优先搜索，直到找到一个解图为止。当启发函数h满足（单调）条件时，在问题有解的情况下，AO*算法一定能找到最佳解图结束。

21、所谓“图灵实验”，是为了判断一台机器是否具备智能的实验。实验由三个封闭的房间组成，分别放置主持人、参与人和机器。主持人向参与人和机器提问，通过提问的结果来判断谁是人，谁是机器。如果主持人无法判断谁是人，谁是机器，则这台机器具备智能，即所谓的“智能机器”。

22/深度优先方法的特点是什么？属于图搜索；是一个通用的搜索方法；如果深度限制不合适，有可能找不到问题的解；不能保证找到最优解。

23/什么是置换？置换是可交换的吗？通常用有序对的集合s＝{t1/v1，t2/v2，„，tn/vn}来表示任一置换，置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换，用s对表达式E作置换后的例简记为Es。一般来说，置换是不可交换的，即两个置换合成的结果与置换使用的次序有关。

第三篇：人工智能期末总结

1.人工智能是何时、何地、怎样诞生的？ 1956 年夏季，美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学 者，汇聚在 Dartmouth 大学，举办了一次长达两个月的学术讨论会，认真而热烈的讨论了用 机器模拟人类智能的问题。在这次会议上，第一次使用了“人工智能”这一术语，以代表有 关机器智能的这一研究方向。这是人类历史上第一次人工智能研讨会，标志着人工智能的诞 生，具有十分重要的意义。

2.什么是人工智能？人工智能的意义和目标是什么？ 人工智能就是人造智能，指用计算机模拟或实现的智能，同时人工智能作为学科，是研 究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再 现的科学或技术。研究人工智能是电脑发展的必然趋势，是当前信息化社会的迫切要求，同 时智能化也是自动化发展的必然趋势，另外，研究人工智能，对探索人类自身智能的奥秘也 会提供有益的帮助。人工智能的目标分近期目标和远期目标，近期研究目标是实现机器智能，远期目标是制造智能机器，具体讲就是使计算机具有听、说、读、写等感知和交互能力，具 有联想、推理、理解、学习等高级思维能力。

3.人工智能的主要研究和应用领域是什么？ 人工智能的主要研究和应用领域有：定理证明，专家系统，机器学习，自然语言理解，智能 检索，机器人学，自动程序设计，组合调度问题，模式识别，机器视觉等。

4.人工智能有哪些主要研究途径与方法？简单描述其特点。人工智能有三种研究途径与方法：第一种是结构模拟，方法是神经计算。模拟人脑的生 理结构和工作机理，用人工神经元组成的神经网络作为信息和知识的载体，用神经计算的方 法实现学习、联想、识别和推理，使计算机表现某种智能。第二种是功能模拟，方法是符号 推演。具体讲就是模拟人的心理模型，将问题或知识表示程某种逻辑网络，采用符号推演的 方法，宏观上模拟人脑的思维实现机器智能。第三种途径是行为模拟，方法是控制进化。

5.什么是人工智能？人工智能的基本技术是什么？ 人工智能就是人造智能，指用计算机模拟或实现的智能，同时人工智能作为学科，是研 究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再 现的科学或技术。表示、运算、搜索是三大基本技术。

6.人工智能可分为符号智能和计算智能，请简述人工智能的基本技术。答：表示、运算和搜索。符号智能的表示是知识表示，运算是基于知识表示的推理或符 号操作，采用搜索方法进行问题求解，一般在问题空间上进行； 计算智能的表示是对象表示，运算时给予对象的表示的操作或计算，采用搜索方法进行问题求解，一般是在解空间上进行。

7.列举人工智能的五个应用领域。答：应用领域有：难题求解、自动定理证明、自动程序设计、自动翻译、智能控制、智 能管理、智能决策、智能通信、智能仿真、智能 CAD 等。

8.遗传算法中的三种遗传操作是什么？试举例说明。答：遗传算法的三种操作：复制，交叉，变异。

9.遗传算法是一种什么样的算法？它适合解决哪一类问题？ 遗传算法时人们从生物界按自然选择和有性繁殖、遗传变异的自然进化现象中得到启 发，而设计出来的一种随机优化搜索算法。遗传算法适合解决先验知识缺乏，希望寻找最优 解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领

域的问题。

10.产生式系统的运行过程就 是推理机不断运用规则库中的规则，作用于动态数据库，不断进行推理并不断检测目标条件 是否满足的过程。当推理到某一步，目标条件被满足，则推理成功，于是系统运行结束；或 者再无规则可用，但目标条件仍未满足，则推理失败，系统运行结束。

11.产生式系统有哪几种推理方式?各自的特点为何? 产生系统有两种推理方式：正向推理和反向推理。正向推理就是从初始事实数据出发，正向使用规则进行推理（即用规则前提与动态数据库中的事实匹配，或用动态数据库中的数 据测试推则的前提条件，然后产生结论或执行动作），朝目标方向前进；反向推理就是从目 标出发，反向使用规则进行推理（即用规则结论与目标匹配，又产生新的目标，然后对新目 标再做同样的处理），朝初始事实或数据方向前进。

15.产生式系统由哪几部分组成？各部分功能是什么？ 答：产生式系统由三部分组成：产生式规则库，推理机和动态数据库。产生式规则库也 称产生式规则集，由领域规则组成，在机器中以某种动态数据结构进行组织。推理机也称控 制执行机构，它是一个程序模块，负责产生式规则的前提条件测试或匹配，规则的调度和选 取，规则体的解释和执行。动态数据库是一个动态数据结构，用来存放初始事实数据、中间 结果和最后结果等。

17.按照学习方式分，机器学习可以分为哪几类？分别具有什么特征？ 答：有导师学习，无导师学习，强化学习

18.从模拟人脑的角度出发，机器学习有哪两种方法？试简单描述其特点。按照学习途径分类，机器学习可以分为符号学习和连接学习两大类。符号学习是基于符号 处理的学习方法，连接学习或神经网络学习，则是基于神经网络的机器学习方法。

19.符号学习有哪些方法？试列举出五种。符号学习的方法：记忆学习、传授学习、演绎学习、类比学习、示例学习、发现学习、解释 学习。

20.模拟人脑的机器学习又分为符号学习和连接学习，对比符号学习和连接学习的不同，并 举出典型学习方法？ 答：符号学习是模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，以符号数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学习目标为概念或规则 等。典型方法有记忆学习、示例学习、类比学习、解释学习等；连接学习或神经网络学习，是模拟人脑的微观生理级学习过程，以脑和神经科学原理为基础，以人工神经网络为函数结 构模型，以数值数据为输入，以数值运算为方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的连接学习有权值修正学习、拓扑结构学习。

21.按照拓扑结构分，神经网络可分为哪几类？各具有什么网络特征？ 按照拓扑结构分，神经网络可分为四大类：分层前向网络、反馈前向网络、互连前向网 络、广泛互连网络。分层前向网络的结构特征是网络由若干层神经元组成，分为输入层、中 间层和输出层，各层顺序连接；信息严格按照从输入层进，经过中间层，从输出层的方向流 动。反馈前向网络是一种分层前向网络，输出曾到输入层具有反馈连接。互连前向网络的同 层神经元之间有相互连接。广泛互连指在网络中任意两个神经元之间都是可以或可能是可达 的。

22.何为不确定性？不确定性有哪些类型？ 在我们所获得的、所处理的信息和知识中，往往含有不肯定、不准确、不完全甚至不一致的 成分，这就是所谓的不确定性。按性质来分，不确定性大致分为五种类型：随机性、模糊性、不完全性、不一致性。

23.为什么使用归结原理进行定理证明时要使用归结策略？ 答：把归结原理在机器上实现，就要把归结原理用算法表示，对于怎么样在已知子句集 中选取两个子句进行归结，最简单的方法就是采用穷举法。穷举法能够保证对于不可满足的 子句一定可以归结出空子句，但穷举法最大的缺点就是效率太低，当参加子句集中子句数目 过多时，所产生的中间子句将会呈现爆炸式增长，以致机器无法容纳，而采用相应的归结策 略之后就会使中间子句的数目减少，从而提高了归结效率，所以在使用归结原理进行定理证 明时要使用归结策略。

24.简述线性归结策略和单元归结策略。答：线性归结策略：在归结过程中，除第一次归结可都用给定的子句集 S 中的子句外，其后的各次归结则至少要有一个亲本子句是上次归结的结果。单元归结策略： 在归结过程中，每次参加归结的两个亲本子句中必须至少有一个是单元子句。

25.什么是启发函数、什么是启发式搜索？ 答：启发式搜索就是利用启发信息进行制导的搜索。在启发式搜索中，常用启发函数来表示 启发性信息，启发函数就是用来估计搜索树节点 x 与目标节点 Sg 接近程度的一种函数，通 常用 h（x）来表示。启发函数的定义一般可以参考：一个节点到目标节点的某种距离或差 异的亮度；一个节点处在最佳路径上的概率。

26.对比图搜索，谈谈遗传算法的主要特点是什么？ 答：遗传算法的搜索在解空间上进行，不像图搜索在问题空间上进行；遗传算法的搜索 随机地始于搜索空间的一个点集，图搜索固定地始于初始节点； 遗传算法的搜索过程从空间 一个点集到另一个点集，图搜索从空间的一个点到另一个点；遗传算法适应性强；擅长全局 搜索，不受搜索空间的限制性假设约束。

27.什么是盲目搜索，什么是启发式搜索？两者有何不同 答：盲目式搜索是指在搜索过程中，按规定的控制策略进行搜索，而没有任何中间信息来改 变这些控制策略。启发式搜索是根据问题本身的特性或搜索过程中产生的一些信息来不断地 改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解，并找到 最优解。

28.何谓专家系统？它有哪些基本特征？ 专家系统是应用与某一专门领域，拥有该领域内相当数量的专家级知识，能模拟专家的思维，能达到专家水平，能象专家一样解决困难和复杂的实际问题的计算机（软件）系统。基本特征有四：一应用于某专门领域；二拥有专家级知识；三能模拟专家的思维；四能达到 专家级水平。

29.专家系统包括那些基本部分？每一部分的主要功能是什么？ 专家系统包括如图所示的七部分,知识库用来存储知识推理机是用来实现推理的程序;动态数 据库是存放初始证据事实、推理结果和控制信息的场所;人机界面指的是最终用户与专家系 统的交互界面； 解释模块负责向用户解释专家系统的行为和结果； 知识库管理系统用来管理 知识库。加上自学习模块功能是在系统运行过程中能够不断的自动化完善丰富知识库中的知识。

30.什么是专家系统？包含哪几部分？ 专家系统是应用与某一专门领域，拥有该领域内相当数量的专家级知识，能模拟专家的思维，能达到专家水平，能象专家一样解决困难和复杂的实际问题的计算机（软件）系统，专家系统包括七部分,知识库;动态数据库;人机界面；解释模块；知识库管理系统；自学习模 块功能；推理机。

32.什么是专家系统？专家系统与常规计算机程序有何区别？ 答：专家系统是应用与某一专门领域，拥有该领域内相当数量的专家级知识，能模拟专 家的思维，能达到专家水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系 统，与常规程序的区别有五点：、（1）常规程序＝数据结构＋算法，专家系统＝知识＋推理；、（2）常规程序将知识组织为两级：数据级和程序级，专家系统将知识组织为三级：数据级、知识 库级和控制级；、常规程序处理的数据多是精确的，对数据检索是基于模式的布尔匹配（3）专家系统处理的数据和知识多是不精确的、模糊的，知识的匹配模式多是不精确的，需要为 其设定阈值；、常规程序基本是面向数值计算和数据处理的。专家系统本质上是面向符（4）号处理的；、常规程序一般不具有解释功能，而专家系统一般具有解释功能。

第四篇：人工智能考试简答题总结

1.请至少列举3位20世纪图灵奖获得者中的人工智能学者。，简述图灵测试的过程。批判

地用图灵测试来判定非人机器是否能思考进行评价，至少提出一种不同观点。

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

(2)人工智能之父：John McCarthy

(3)国际人工智能联合会议的英文全称与简称：International Joint Conference on AI: IJCAI 是一种测试机器是不是具备人类智能的方法。被测试的有一个人，另一个是声称自己有人类智力的机器。一种测试机器是不是具备人类智能的方法。

写出图搜索过程的A算法。

分别指出一般情况下A*和AO*算法是否可采纳，若不是，给出可采纳的条件。

答：对于某些问题，我们可以使用与问题有关的信息帮助减少搜索量，这种信息叫做

启发信息。

A算法（GraphSearch图搜索算法）：

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 成功结束

（解路径可通过追溯G中从n到s的指针获得）。

6．扩展节点n，令M={m︱m是n的子节点，且m不是n的祖先}，G ←G ∪M

7．（设置指针，调整指针）对于mM,(1)若mCLOSED, mOPEN, 建立m到n的指针，并CONS(m, OPEN).(2)(a)mOPEN, 考虑是否修改m的指针.(b)mCLOSED,考虑是否修改m及在G中后裔的指针。

8．重排OPEN表中的节点（按某一任意确定的方式或者根据探索信息）。

9．GO LOOP

一般情况下，A*算法可采纳的，即如果解路径存在，A*算法一定能找到最佳解路径而

终止；

AO*算法：如果一个与或图存在解图，如果对于图中所有的节点n都有h(n)<=h*(n),并

且启发函数h满足单调限制，则AO*算法必然终止于找出最佳解图。

3.命题逻辑中，常用哪两种公式凡是？一阶逻辑中，常用哪两种公式范式？

答：命题逻辑中是吸取范式和和取范式。一阶逻辑中中：前束范式，Skolem范式

4.叙述一阶逻辑解释的定义；什么叫子句集S的Herbrand解释？在语义上证明子句集恒

假时，仅考虑该子句集的Herbrand解释是否够用？为什么？

答：（1）谓词逻辑中公式G的一个解释I，是由非空区域D和对G中常量符号，函数符号，谓词符号以下列规则进行的一组指定组成：

1.对每个常量符号，指定D中一个元素；

2.对每个n元函数符号，指定一个函数，即指

定Dn到D的一个映射；

3.对每个n元谓词符号，指定一个谓词，即指

定Dn到{T，F}的一个映射。

（2）定义（Herbrand域）设S为子句集，令H0是出现于子句集S的常量符号集。如果S中无常量符号出现，则H0由一个常量符号a组成。

5.2.3.4.对于i＝1，2，…，令Hi = Hi-1｛所有形如f(t1，…，tn)的项｝ 其中f(t1，…，tn)是出现在S中的所有n元函数符号，tj Hi-1，j＝1，…，n． 称Hi为S的i级常量集，H称为S的Herbrand域，简称S的H域。(3)在语义上证明子句集恒假时，仅考虑该子句集的Herbrand解释是够用的，因为 因为子句集S恒假，当且仅当S被其所有的H解释弄假什么是可分解的产生式系统？产生是系统求解的一般步骤，控制策略可以在哪些步骤中使用。答：能够把产生式系统综合数据库的状态描述分解为若干组成部分，产生式规则可以分别用在各组成部分上，并且整个系统的终止条件可以用各组成部分的终止条件表示出来的产生式系统，称为可分解的产生式系统。Procedure SPLIT 1.DATA ← 初始状态描述 2.{Di} ← DATA的分解结果；每个Di看成是独立的状态描述 3.until 对所有的Di {Di}，Di都满足终止条件，do: 4.begin5.在{Di}中选择一个不满足终止条件的D* 6.从{Di}中删除D* 7.从规则集合中选出一个可应用于D*的规则R 8.D ← 把R应用于D*的结果 9.{di} ← D的分解结果 10.把{di}加入{Di}中 11.EndSPLIT的控制策略：在步骤5中如何选取D*，在步骤7如何选取R。搜索算法的可采纳性定义，并分别指出一般情况下A*算法。AO*算法是否可采纳，若不是，给出可采纳性的条件。(1)如果一个搜索算法对于任何具有解路径的图都能找到一条最佳路径，则称此算法为可采纳的。(2)A*算法是可采纳的（如果解路径存在，A*一定由于找到最佳解路径而结束）AO*算法不可采纳，采纳的条件：如果一个AND/OR图存在解图，如果对于图中所有节点n都有h(n)<= h*(n),并且启发函数h满足单调限制，则AO*算法必然终止于找到最佳解图。博弈树搜索极小极大（MINMAX过程），并写出减枝规则

答：极小极大过程：

(1)按宽度优先生成0至L层的所有节点

(2)使用静态估计值函数（e(p)）计算第L层节点的函数值

(3)按照极小极大原则计算各层节点的到推值，直到求出初始节点的倒推为止，实现该倒推的走步就是相对好的走步

α剪枝：

如果一个MIN节点的β值小于或等于他的某一个MAX祖先节点的α值，则剪枝发生在该MIN节点之下；终止这个Min节点之下的搜索过程，这个MIN节点最终的倒推值就确定为这个β值

β剪枝：如果一个MAX节点的α值大于或等于他的某一个MIN祖先节点的β值，则剪枝发生在该MAX节点之下；终止这个MAX节点之下的搜索过程，这个MAX节点最终的倒推值就确定为这个α值

5.谓词逻辑中，对字句进行归结推理时，若被归结子句C1和C2中有相同的变元（变量），请举例说明一定要改名的原因

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

C1与C2有相同的变量x，若不改名，归结时，会出现替换：{f(x)/x}，这是不允许的1.归结反证系统的产生式系统表示

2.子句集S的Herbrand域和普通解释的关系

子句集s的H解释是s的普通解释，S的普通解释不一定是s的H解释：普通解释不是必须定义在H域上的，即使定义在H域上，也不一定是一个H解释

3.判断集合合一

4.C1,C2归结式

定义设C1, C2是两个无公共变量的子句(称为亲本子句),L1, L2分别是C1, C2中的两个文字。

如果L1和～L2有最一般合一，则子句

(C1-{L1})(C2-{L2})

称为C1和C2的二元归结式，L1和L2称为归结文字

例.设C1=P(x)Q(x),C2=～P(a)R(x)

将C2中x改名为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的二元归结式.5.原子集和封闭语义树

Davis-Putnam方法证明可满足（纯文字即只有L（~L）；删除纯文字的基字句后为空则S可满足，否则不满足；分裂规则，单文字规则L：删除但文字和包含单文字的基字句，为空则可满足的，否则删除~L的文字（注意不是删除基字句））

1.人工智能的主要研究学派，以及主要研究领域：

（1）符号主义/逻辑主义学派--符号智能

（2）连接主义--计算智能

（3）行为主义--低级智能

2.产生式系统组成部分，产生式系统求解问题的一般步骤

答：（1）综合数据库

（2）产生式规则集

（3）控制系统

Procedure PRODUCTION

1.DATA←初始状态描述

2.until DATA 满足终止条件，do：

3.begin

4.在规则集合中，选出一条可用于DATA的规则R

5.DATA←把R应用于DATA所得的结果

6.End

4.产生式系统的控制策略有哪几种方式，简述各自的优缺点

答：（1）不可撤回的控制策略

优点：空间复杂度很低，速度快。

缺点：爬山函数有多个局部最大值时，会失败有很多局限性

（2）回溯控制策略

优点：占空间较少，应用最广。

缺点：时间复杂性一般；如果系统不包括有关解的知识，则规则选取是盲目的，要多次回溯，如果深度限制定的很低，可能找不到解。

（3）图搜素控制策略

优点：如果有解，一定能找到解

缺点：占空间大，速度较慢

6.与或图启发式搜素算法AO*的可采纳性条件

1.无信息的图搜索方法主要有哪两种？

深度优先搜索和宽度优先搜索

2.影响A算法启发能力的因素有哪些？

（1）算法A所找到的解路径的费用

（2）算法A在寻找这条解路径的过程中所需要扩展的节点数

（3）计算启发函数所需要的计算量

7.什么叫子句集的Herbrand域？

定义（Herbrand域）设S为子句集，令H0是出现于子句集S的常量符号集。如果S中无常量符号出现，则H0由一个常量符号a组成。

对于i＝1，2，…，令

Hi = Hi-1｛所有形如f(t1，…，tn)的项｝

其中f(t1，…，tn)是出现在S中的所有n元函数符号，tj Hi-1，j＝1，…，n．

称Hi为S的i级常量集，H称为S的Herbrand域，简称S的H域。

第五篇：人工智能及其应用课程总结

《人工智能及其应用》课程总结

20世纪40年代，计算机的发明揭开了人类发展的新篇章，使得人类追寻已久的脑力劳动机械化问题获得了解决的方法和途径。计算机能够代替人类大脑进行复杂的计算，并且能够根据计算对某些问题做出判断，从某种程度上代替了人脑的部分功能。而随着计算机计算机技术的发展，20世纪50年代人工智能(AI)这一新的学科门类的诞生，对人类的发展和进步有着重大的意义。

人工智能是指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可用某种智能化的机器来予以人工的实现。诸如机器编译、机器诊断、机器推理以及各种专家系统。随着人工智能技术的发展，引起了众多学科和不同专业背景学者们的日益重视，并且发展出了若干个研究子学科，如计算机科学、哲学、生理学、社会学、生物学、信息学和计算机数学等，人工智能成为一门广泛的交叉和前沿学科。因此，《人工智能及其应用》课程的学习，对于计算机应用研究技术、机械技术以及本人的专业——农业机械工程的学习和科研工作中，具有十分重要的作用。《人工智能及其应用》课程所讲授的知识涵盖面广、内容较多，其中许多章节所设计的知识都可以单独作为一门课程学习。因此，通过本学期对《人工智能及其应用》课程的学习，我重点总结一下主要学习和掌握的几方面知识：

1．人工智能的研究与应用领域。在人工智能这门学科中，包含有多个研究领域，每个研究领域都有其特有的感兴趣的研究课题、研究技术和术语，它们包括：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。通过对这些研究领域的研究和应用介绍，我发现其中专家系统、机器学习、神经网络、模式识别、机器视觉和数据挖掘等方面的知识，是我所研究的专业领域和课题中，使用计算机软件进行数据处理和自动判别所需要的知识，对我课题的研究和完成将会有很大帮助。

2．知识表示与推理。本部分研究了传统人工智能的知识表示方法、搜索技术和知识推理。以符号和逻辑为基础的传统人工智能问题求解是通过知识表示和

知识推理来实现的。知识表示的方法有很多，包括图示法、公式法、结构化方法、陈述式表示、过程式表示、状态空间法和问题归约法等。表示问题是为了进一步求解问题，从问题表示到问题的解决有一个求解的过程，也就是搜索过程。因此，学习了图搜索策略和A*算法的方法和步骤。学习了消解原理这一用于一定的子句公式的重要推理规则，包括消解推理规则、含有变量的消解式、消解反演求解过程等。并且学习了规则演绎系统和产生式系统。它们是解决比较复杂的系统和问题的较为先进的推理技术和系统求解方法，能够解决搜索推理方法难以解决的一些问题。

3．计算智能。包括人工神经网络计算、模糊计算、粗糙集理论、遗传算法、进化策略、进化编程、人工生命、粒群优化、蚁群算法、自然计算和免疫计算。其中每一部分都可以作为单独的一门课程和知识进行深入的学习和研究。其中，我结合课程内容，重点学习和研究了人工神经网络。人工神经网络是模拟生物神经元的特性而产生的，是基于生物神经元特性的互联模型制造的算法及机器。包括有以下几个重要特性：并行分布处理、非线性映射、通过训练进行学习、适应与集成、硬件实现性。在本部分学习了神经网络是由基本处理单元——神经元及其互联方法构成的。其网络基本结构分为两类：递归网络和前馈网络。人工神经网络的主要学习算法有：有师学习、无师学习和强化学习三种。具体学习了自适应谐振理论网络、学习矢量量化网络、Kohonen网络、Hopfield网络，并且学习了基于神经网络的知识表示方法和推理方法。通过这部分的学习，了解了神经网络的应用方法和应用领域，由于其学习和适应、自组织、函数逼近和大规模并行处理等能力，因而在模式识别、信号处理、系统辨识和优化等方面有着广泛的应用。

4．机器学习。机器学习是一门研究机器获取新知识和新技能，并实现现有知识的学问。在此部分，主要学习了机器学习的主要策略、系统的基本结构和各种机器学习算法，包括：机械学习、归纳学习、类比学习、解释学习、神经学习和知识发现。而其中的一些学习方法又与以前学习章节中的内容有所交叉，如神经学习和人工神经网络。介绍了各种学习方法的定义、结构、基本计算方法和流程等知识。机器学习广泛的应用于图像处理、模式识别、机器人动力学与控制、自动控制、自然语言理解、语音识别、信号处理和专家系统等领域。

通过对《人工智能及其应用》课程的学习，使我学习了人工智能的各种基本算法和思想，了解了各种方法的应用领域和适用范围。由于我的研究课题中，也需要对采集的数据进行处理和做出判断，因此必然涉及人工智能的相关知识。课程包含内容很多，涵盖的领域非常广泛，虽然学习深度有限，但是正是对人工智能知识的广泛了解，才能扩展我的研究思路，选定方向和研究算法，进行更深层次的研究。