第一篇：人工智能及其应用总结
第一章：绪论 智能：
根据对人脑已有的认识，结合智能的外在表现，从不同的角度、不同的侧面、用不同的方法对智能进行研究，提出了几种不同的观点，其中影响较大的观点有思维理论、知识阈值理论及进化理论。综合三个方面，智能是知识与智力的总和。其中，知识是一切智能行为的基础，而智力是获取知识并应用知识求解问题的能力。智能的基本特征：
1、感知能力、2、记忆与思维能、3、学习能力、4、行为能力（表达能力）
人工智能的研究内容：
知识表示、机器感知、机器思维、机器学习、机器行为 人工智能的研究目标：
近期目标：使现有的电子数字计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。建造智能机器人代替人类的部分智力劳动。
远期目标：用自动机模仿人类的思维过程和智能行为。最终目标：机器智能实现生物智能的各项功能。
智能行为：感知、推理、学习、通信和复杂环境下的动作行为 知识发现的处理过程：数据挖掘、数据选择、知识评价 人工智能的主要学派：符号主义、连接主义和行为主义 人工智能的研究途径：心理模拟、生理模拟和行为模拟
人工智能的应用领域：智能控制、智能管理、智能决策、智能仿真。人工智能的基本技术：表示、运算、搜索归纳技术、联想技术 人工智能（机器智能）、学科和能力：（书）所谓人工智能就是用人工的方法在机器(计算机)上实现的智能，或者说是人们使机器具有类似于人的智能。从学科角度来看：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。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能。
对认知行为进行研究：心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
人工智能新的研究热点：新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现(超市市场商品数据分析)，人工生命
第二章：知识表示方法
知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验
知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。
知识表示的要求：表示能力、可利用性、可实现性、可组织性、可维护性、自然性、可理解性
状态空间法的三要素：状态、算符、状态空间方法 问题求解技术：问题的表示和求解的方法
二种不确定性：关于证据的不确定性和关于结论的不确定性 原子公式：由若干谓词符号和项组成
问题的状态空间包含三种说明的集合：初始状态集合S、操作符集合以及目标状态集合 “我听音乐或者绘画”的谓词表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子变换成子句形式：(x)｛P(x)→P(x)｝
(ANY x){ P(x)P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)最后子句为~P(x)OR P(x)第三章：搜索推理技术
如果搜索是以接近起始节点的程序来依次扩展节点，这种搜索叫宽（广）度优先搜索 盲目（无信息）搜索叫做深度优先搜索
盲目搜索包括：宽度优先搜索，深度优先搜索和等代价搜索 第四章：计算智能（神经计算、模糊计算）
对于人的思维的模拟可以从两条道路进行：一是结构模拟，二是功能模拟 计算智能，涉及研究分支
贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。主要的研究领域为神经计算，模糊计算，进化计算，人工生命。计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。
计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI包含AI包含BI 人工神经网络的主要学习算法：(1)指导式(有师)学习(2)非指导(无导师)学习(3)强化学习
第五章：计算智能（进化计算、人工生命）
遗传算法：从一组随机初始化的候选解出发，按某种指标从解群中选取较优的个体，利用遗传算子（选择、交叉和变异）对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止 遗传算法的特点：
(1)遗传算法是对参数集合的编码而非针对参数本身进行进化；
(2)遗传算法是从问题解的编码组（种群）开始而非从单个解开始搜索；
(3)遗传算法利用目标函数的适应度这一信息而非利用导数或其它辅助信息来指导搜索；
(4)遗传算法利用选择、交叉、变异等算子而不是利用确定性规则进行随机操作。遗传算法的优势:
(1)适应度函数不受连续、可微等条件的约束，适用范围很广。(2)不容易陷入局部极值，能以很大的概率找到全局最优解。(3)由于其固有的并行性，适合于大规模并行计算。(4)不是盲目穷举，而是启发式搜索。
设用遗传算法求解某问题时，产生了四个个体A、B、C和D，适应度值分别为34、88、60和45，采用赌轮选择机制，则个体A的适应度值所占份额为34/227 遗传算法步骤：（1）随机产生一个由确定长度的特征字符串组成的初始种群。
（2）对该字符串种群迭代地执行下面的步骤①和步骤②，直到满足停止准则为止： ① 计算种群每个 字符串的适应值
②应用复制、交叉和变异等遗传算子产生下一代群体。
（3）把在后代中出现的最好的个体字符串指定为遗传算法的执行结果，这个结果可以表示问题的一个角。进化计算包括遗传算法，进化策略，进化编程和遗传编程。遗传算法、进化策略和进化编程的关系如何？有何区别？
关系：它们都是模拟生物界自然进化过程而建立的鲁棒性计算机算法。
区别：进化策略和进化编程把变异作为主要搜索算子，标准遗传算法中，变异处于次要位置。
交叉在遗传法起着重要作用，而在进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很重要的作用。标准遗传算法和进化编程都强调随机选择机制的重要性，而进化策略的选择是完全确定的。进化策略和进化编程，确定地把某个个体排除在被选择之外，而标准遗传算法都对每个个体指定一个非零的选择概率。第六章：专家系统（与一般应用程序有区别）专家系统:
专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。
专家系统的特点:启发性、透明性、灵活性
建立专家系统的一般步骤：设计初始知识库、原型机的开发与实验、知识库的改进与归纳
专家系统的类型：
解释，预测，诊断，设计，规划，监视，控制，调试，教学，修理 新型专家系统有何特征？什么是分布式专家系统和协同式专家系统？
新型专家系统的特征：并行与分布处理、多专家系统协同工作、高级语言和知识语言描述、具有自学习功能、引入新的推理机制、具有自纠错和自完善能力、先进的智能人机接口
分布式专家系统
具有分布处理的特征，能把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，从而有总体上提高系统的处理效率。它可以工作在紧耦合的多处理器系统环境中，也可工作在松耦合的计算机网络环境中，其总体结构在很大程度上依赖于其所在的硬件环境。协同式专家系统
又称为“群专家系统”，是一个能综合若干个相近领域或一个领域的多个方面的子专家系统互相协作，共同解决一个更广领域问题的专家系统。是克服一般专家系统的局限性的重要途径。它不着重于处理的分布和知识的分布，而是更强调子系统间的协同合作。它并不一定要求有多个处理机的硬件环境，而且一般都是在同一个处理机上实现各子专家系统的。
什么是建造专家系统的工具?你知道哪些专家系统开发工具，各有什么特点?专家系统开发工具是一些比较通用的工具，作为设计和开发专家系统的辅助手段和环境，以求提高专家系统的开发效率、质量和自动化水平。专家系统开发工具是一种更高级的计算机程序设计语言。比一般的计算机高级语言具有更强的功能。
主要分为骨架型工具(又称外壳)、语言型工具、构造辅助工具和支撑环境等4类。第七章：机器学习机器学习的三要素
一致性假设：样本空间划分：泛化能力： 机器学习的主要策略
机械学习：示教学习：类比学习：示例学习：
归纳学习是以归纳推理为基础的学习，其任务是从某一概念的分类例子集出发，归纳出一个一般概念描述。归纳学习是目前研究最多的学习方法，其学习目的是为了获得新概念、构造新规则或发现新理论。归纳是人类拓展认识能力的重要方法，是一种从个别到一般，从部分到整体的推理行为
类比学习：通过类比，即通过对相似事物加以比较所进行的一种学习
机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理 机器学习所采用的策略：机械学习，示教学习，类比学习，示例学习
任务规划是机器人高层规划最重要的一个方面，它包含建立模型，任务说明，程序综合 第九章：Agent（真体）
多种类型的多真体模型：协商模型、协作规划模型、自协调模型 真体通信语言KQML和KIF 按节点间协作量的多少，多agent的协作分为三类：全协作系统、无协作系统和半协作系统
分布式人工智能系统的特点：分布性、连接性、协作性、开放性、容 错性、独立性 艾真体（真体）
Agent是能够通过传感器感知其环境，并借助执行器作用于该环境的实
体，可看作是从感知序列到动作序列的映射。其特性为：行为自主性，作用交互性，环境协调性，面向目标性，存在社会性，工作协作性，运行持续性，系统适应性，结构分布性，功能智能性
艾真体在结构上有何特点、在结构上又是如何分类的 真体＝体系结构+程序
(1)在计算机系统中，真体相当于一个独立的功能模块，独立的计算机应用系统。(2)真体的核心部分是决策生成器或问题求解器，起到主控作用(3)真体的运行是一个或多个进程，并接受总体调度(4)各个真体在多个计算机CPU上并行运行，其运行环境由体系结构支持。
结构分类及特点反应式、慎思式、跟踪式、基于目标、基于效果、复合式
第十章：自然语言理解
语言理解：从微观上讲，语言理解是指从自然语言到机器(计算机系统)内部之间的一种映射。从宏观上看，语言理解是指机器能够执行人类所期望的某些语言功能。
自然语言处理：是研究人类交际和人机通信的语言问题的一门学科。它要开发表示语言能力和性能的模型，建立实现这种语言模型过程的计算框架，提出不断完善这些过程和模型的辨识方法，以及探究实际系统的评价技术。
自然语言理解过程的层次 ：语音分析：词法分析：句法分析：语义分析
第二篇：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。
第三篇：人工智能及其应用复习资料
人工智能及其应用(2)
第一章 绪 论
1-1.什么是人工智能？试从学科和能力两方面加以说明。
从学科角度来看：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。它的近期主要目标在于研 究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动
1-2.在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
控制论之父维纳 1940 年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根 据这一理论，一个机械系统完全能进行运算和记忆。
帕梅拉·麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979)中曾 经指出：在复杂的机械装置与智能之间存在着长期的联系。
著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计 算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。
数理逻辑从 19 世纪末起就获迅速发展；到 20 世纪 30 年代开始用于描述智能行为。计算机出现后，又在计算机上 实现了逻辑演绎系统。
1943 年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即 MP 模型。60-70 年代，联结 主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，控制论思想早在40-50 年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70 年代，控制论系 统的研究取得一定进展，播下智能控制和智能机器人的种子。
1-3.为什么能够用机器（计算机）模仿人的智能？
物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符 号、复制符号、建立符号结构、条件性迁移6 种功能。反之，任何系统如果具有这6 种功能，那么它就能够表现出 智能(人类所具有的智能)。
物理符号系统的假设伴随有3 个推论。
推论一: 既然人具有智能，那么他(她)就一定是个物理符号系统。
推论二: 既然计算机是一个物理符号系统，它就一定能够表现出智能。
推论三: 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。
1-4.现在人工智能有哪些学派？它们的认知观是什么？
符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)[ 其原理 主要为物理符号系统(即符号操作系统)假设和有限合理性原理。]
认为人的认知基元是符号，而且认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号 系统，因此，我们就能够用计算机来模拟人的智能行为。知识是信息的一种形式，是构成智能的基础。人工智能的 核心问题是知识表示、知识推理和知识运用。
联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)[ 其原理主要为神经网络及神经网 络间的连接机制与学习算法 ]
认为人的思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于 取代符号操作的电脑工作模式。
行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)[ 其原理为控制论及感知-动作型控 制系统 ] 认为智能取决于感知和行动。认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化。智能行为只能在现实世界中与周围环境交互作用而表现出来。符号主义、联结主义对真实世界客观事物的描 述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
1-5.你认为应从哪些层次对认知行为进行研究？
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语 言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人 的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
1-6.人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？
问题求解(下棋程序)，逻辑推理与定理证明(四色定理证明)，自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学(星际探索机器人)，模式识别(手写识别，汽车牌照识别，指纹识别)，机器视觉(机器装配，卫星图像处理)，智能控制，智能检索，智能调度与指挥(汽车运输高度，列车编组指挥)，系统与语言工具。
新的研究热点： 分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现(超市市场商品数据分析)，人工生命。
第二章 知识表示方法
2-2 设有 3 个传教士和 3 个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去?
用S i(nC, nY)表示第i 次渡河后，河对岸的状态，nC 表示传教士的数目，nY 表示野人的数目，由于总人数的确定 的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目 不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3 种情况：
1.nC=0 2.nC=3
3.nC=nY>=0(当nC 不等于0 或3)
用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC 表示，第i 次渡河后，对岸传教士数目的变化，dY 表示，第i 次渡河后，对岸野人数目的变化。当i 为偶数时，dC,dY 同时为非负数，表示船驶向对岸，i 为奇数时，dC, dY 同时 为非正数，表示船驶回岸边。
初始状态为S 0(0, 0)，目标状态为S 0(3, 3)，用深度优先搜索的方法可寻找渡河方案。在此，用图求法该问题，令横坐标为 nY, 纵坐标为 nC，可行状态为空心点表示，每次可以在格子上，沿对角线移 动一格，也可以沿坐标轴方向移动1 格，或沿坐标轴方向移动2 格。第奇数次数状态转移，沿右方，上方，或右上 方移动，第偶数次数状态转移，沿左方，下方，或左下方移动。
从(0,0)开始，依次沿箭头方向改变状态，经过11 步之后，即可以到达目标状态(3,3)，相应的渡河方案为： 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 试说明怎样把一棵与或解树用来表达图2.28 所示的电网络阻抗的计算。单独的R、L 或C 可分别用R、jωL 或1/jωC 来计算，这个事实用作本原问题。后继算符应以复合并联和串联阻抗的规则为基础。
约定，用原来的与后继算法用来表达并联关系，用原来的或后继算法用来表达串联关系
2-5 试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。
用四元数列(nA, nB, nC, nD)来表示状态，其中nA 表示A 盘落在第nA 号柱子上，nB 表示B 盘落在第nB 号柱子 上，nC 表示C 盘落在第nC 号柱子上，nD 表示D 盘落在第nD 号柱子上。初始状态为 1111，目标状态为 3333
如图所示，按从上往下的顺序，依次处理每一个叶结点，搬动圆盘，问题得解。
2-6 把下列句子变换成子句形式：
(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)
最后子句为 ~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)
最后子句为 ~On(x,y)OR Above(x,y)
(3)(ANY x)(ANY y)(ANY z){ Above(x,y)AND Above(y,z)Above(x,z)}(命题联结词之优先级如下:否定→合取→析取→蕴涵→等价)
(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)最后子句为 ~[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)} 最后子句为
P(A)
{ p(x), ~p(f(B,x))} OR Q(A,C){ p(y), ~p(f(B,y))} OR ~P(C)
2-7 用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项。例如不要用单一的谓词字母来表示每个句 子。)A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence.先定义基本的谓词
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 上面的句子可以表达为
(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 把下列语句表示成语义网络描述：
(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 作为一个电影观众，请你编写一个去电影院看电影的剧本。
(1)开场条件
(a)顾客想看电影
(b)顾客在足够的钱
(2)角色
顾客，售票员，检票员，放映员
(3)道具
钱，电影票
(4)场景
场景 1 购票
(a)顾客来到售票处
(b)售票员把票给顾客
(c)顾客把钱给售票员
(d)顾客走向电影院门
场景 2 检票
(a)顾客把电影票给检票员
(b)检票员检票
(c)检票员把电影票还给顾客
(d)顾客进入电影院
场景 3 等待
(a)顾客找到自己的座位
(b)顾客坐在自己座位一等待电影开始
场景 4 观看电影
(a)放映员播放电影
(b)顾客观看电影 场景 5 离开
(a)放映员结束电影放映
(b)顾客离开电影院
(5)结果
(a)顾客观看了电影
(b)顾客花了钱
(c)电影院赚了钱
2-10 试构造一个描述你的寝室或办公室的框架系统。
第三章 搜索推理技术
3-1 什么是图搜索过程?其中，重排OPEN 表意味着什么，重排的原则是什么?
图搜索的一般过程如下：
(1)建立一个搜索图G(初始只含有起始节点S)，把S 放到未扩展节点表中（OPEN 表）中。
(2)建立一个已扩展节点表（CLOSED 表），其初始为空表。
(3)LOOP：若OPEN 表是空表，则失败退出。
(4)选择OPEN 表上的第一个节点，把它从OPEN 表移出并放进CLOSED 表中。称此节点为节点n，它是CLOSED 表中 节点的编号
(5)若n 为一目标节点，则有解并成功退出。此解是追踪图G 中沿着指针从n 到S 这条路径而得到的(指针将在第7 步中设置)
(6)扩展节点n，生成不是n 的祖先的那些后继节点的集合M。将M 添入图G 中。
(7)对那些未曾在G 中出现过的(既未曾在OPEN 表上或CLOSED 表上出现过的)M 成员设置一个通向n 的指针，并将 它们加进OPEN 表。对已经在OPEN 或CLOSED 表上的每个M 成员，确定是否需要更改通到n 的指针方向。对已在CLOSED 表上的每个M 成员，确定是否需要更改图G 中通向它的每个后裔节点的指针方向。(8)按某一任意方式或按某个探试值，重排OPEN 表。
(9)GO LOOP。
重排OPEN 表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能 达到目标节点的那些节点排在OPEN 表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排 OPEN 表。
3-2 试举例比较各种搜索方法的效率。
(1)把起始节点放到OPEN 表中(如果该起始节点为一目标节点，则求得一个解答)。
(2)如果OPEN 是个空表，则没有解，失败退出；否则继续。
(3)把第一个节点(节点n)从OPEN 表移出，并把它放入CLOSED 扩展节点表中。
(4)扩展节点n。如果没有后继节点，则转向上述第(2)步。
(5)把n 的所有后继节点放到OPEN 表的末端，并提供从这些后继节点回到n 的指针。
(6)如果n 的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。
有界深度优先搜索
(1)把起始节点S 放到未扩展节点OPEN 表中。如果此节点为一目标节点，则得到一个解。
(2)如果OPEN 为一空表，则失败退出。
(3)把第一个节点(节点n)从OPEN 表移到CLOSED 表。
(4)如果节点n 的深度等于最大深度，则转向(2)。
(5)扩展节点n，产生其全部后裔，并把它们放入OPEN 表的前头。如果没有后裔，则转向(2)。
(6)如果后继节点中有任一个为目标节点，则求得一个解，成功退出；否则，转向(2)。
等代价搜索方法以g(i)的递增顺序扩展其节点，其算法如下：
(1)把起始节点S 放到未扩展节点表OPEN 中。如果此起始节点为一目标节点，则求得一个解;否则令g(S)=0。
(2)如果OPEN 是个空表，则没有解而失败退出。
(3)从 OPEN 表中选择一个节点 i，使其 g(i)为最小。如果有几个节点都合格，那么就要选择一个目标节点作为节 点i(要是有目标节点的话)；否则，就从中选一个作为节点i。把节点i 从OPEN 表移至扩展节点表CLOSED 中。(4)如果节点i 为目标节点，则求得一个解。
(5)扩展节点i。如果没有后继节点，则转向第(2)步。(6)对于节点 i 的每个后继节点 j，计算g(j)=g(i)+c(i,j)，并把所有后继节点 j 放进 OPEN 表。提供回到节点 i 的指针。
(7)转向第(2)步。
3-3 化为子句形有哪些步骤?请结合例子说明之。
任一谓词演算公式可以化成一个子句集。其变换过程由下列九个步骤组成：
(1)消去蕴涵符号
将蕴涵符号化为析取和否定符号
(2)减少否定符号的辖域
每个否定符号最多只用到一个谓词符号上，并反复应用狄· 摩根定律
(3)对变量标准化
对哑元改名以保证每个量词有其自己唯一的哑元
(4)消去存在量词
引入Skolem 函数，消去存在量词
如果要消去的存在量词不在任何一个全称量词的辖域内，那么我们就用不含变量的Skolem 函数即常量。
(5)化为前束形
把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分。
前束形 =(前缀)(母式)前缀 = 全称量词串
母式 = 无量词公式
(6)把母式化为合取范式
反复应用分配律，将母式写成许多合取项的合取的形式，而每一个合取项是一些谓词公式和(或)谓词公式的否定的析取
(7)消去全称量词
消去前缀，即消去明显出现的全称量词
(8)消去连词符号(合取)
用{合取项1,合取项2}替换明显出现的合取符号
(9)更换变量名称
更换变量符号的名称，使一个变量符号不出现在一个以上的子句中
3-4 如何通过消解反演求取问题的答案?
给出一个公式集S 和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下：
(1)否定L，得～L；
(2)把～L 添加到S 中去；
(3)把新产生的集合｛～L，S｝化成子句集；
(4)应用消解原理，力图推导出一个表示矛盾的空子句NIL。
3-5 什么叫合适公式?合适公式有哪些等价关系? 合式公式的递归定义为：
(1)原子谓词公式是合式公式
(2)若A 为合式公式，则A 的否定也是合式公式
(3)若A、B 都是合式公式，则A AND B, AOR B, AB, A>B 也都是合式公式
(4)若A 是合式公式，x 为A 中的自由变元，则(ANY x)A 和(EXT x)A 都是合式公式
(5)只有按规则(1)~(4)求得的公式，才是合式公式 等价关系有：否定之否定，蕴含与与或形式的等价，狄.摩根定律；分配律，交换律，结合律，逆否律，否定跨越量 词，全称量词同与或连词，量词中的哑元
3-6 用宽度优先搜索求图3.33 所示迷宫的出路。
第一步 SAB 第二步 BH
BC
第三步 HG
CF
最终路径为SABCF
3-7 用有界深度优先搜索方法求解图3.34 所示八数码难题。
解：定义操作符集：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。
搜索时，节点的扩展顺序规定为按右、左、上、下方向移动空格。并设置深度界限为8。
由上述有界深度优先搜索树中可见，当d=8 时，八数码难题的一个解为： f4, f4, f3, f2, f2, f3, f4, f3
3-10 一个机器人驾驶卡车，携带包裹(编号分别为＃
1、＃2 和＃3)分别投递到林(LIN)、吴(WU)和胡(HU)3 家住宅处。规定了某些简单的操作符，如表示驾驶方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先决条件和结果。试说明状态空间问题求解系统如何能够应用谓词演算求得一个操作符序列，该序列能够生成一个满足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目标状态。
初始状态可描述为：AT(#1, ~LIN)AND AT(#2, ~WU)AND AT(#1, ~HU)AND AT(#1, CAR)AND AT(#2, CAR)AND AT(#3, CAR)目标状态可描述为：AT(#1, LIN)AND AT(#2, WU)AND AT(#1, HU)AND AT(#1, ~CAR)AND AT(#2, ~CAR)AND AT(#3, ~CAR)
对每个操作符都有一定的先决条件和结果，详细如下
drive(x, y)
先决条件：AT(CAR, x)
结果： AT(CAR, y)unload(z)先决条件：AT(z, CAR)AND AT(CAR, x)结果： AT(z, ~CAR)AND AT(z, x)
原问题就转换为寻找一个可将初始状态转换到目标状态的操作序列 如何求得该操作序列???
3-11 规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何?
规则演绎系统的推理方式有正向推理、逆向推理和双向推理
双向推理组合了正向推理和逆向推理的优点，克服了各自的缺点，具有更高的搜索求解效率。
产生式系统的推理方式有正向推理、逆向推理和双向推理
双向推理结合了正向推理和逆向推理的长处，克服了两者的短处，其控制策略比两者都要复杂。
3-12 为什么需要采用系统组织技术?有哪几种系统组织技术?
如果不采用系统组织技术，而直接写出包含所有知识的规则，并让系统利用这些规则，找出一条从给定状态到目标 状态的路径，这种方法有严重的缺点：
(1)随着规则的增加，既要加入新的规则，又要使新规则不与现有规则产生冲突，这将使问题变得愈来愈困难
(2)在问题求解过程中，由于每一步都必须考虑所有规则，效率就会大大降低，然而，实际上却往往是只有应用完 一组规则之后，才考虑另一组别的规则
(3)一种问题求解技术和知识表达形式可能对问题的某一部分是最好的，而对另一部分却不是最好的 因此，采用系统组织技术，将一个大系统中的知识分成一组相对独立的模块比较合适。
有3 种系统组织技术：议程表、黑板法和Delta 极小搜索法
3-13 研究不确定性推理有何意义?有哪几种不确定性?
不确定性推理是研究复杂系统不完全性和不确定性的有力工具。
有3 种不确定性，关于证据的不确定性(观测有误差)，关于结论的不确定性和多个规则支持同一事实时的不确定性。
3-14 单调推理有何局限性?什么叫缺省推理?非单调推理系统如何证实一个节点的有效性?
单调系统不能很好地处理常常出现在现实问题领域中的3 类情况，即不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
有两种方法可以证实节点的有效性：
(1)支持表。
(SL(IN-节点表)(OUT-节点表))
如果某节点的IN 节点表中提到的节点当前都是IN, 且OUT 节点表中提到的节点当前都是OUT，则它是有效的(2)条件证明。
(CP(结论)(IN-假设)(OUT-假设))
条件证明(CP)的证实表示有前提的论点，无论何时，只要在IN 假设中的节点为IN, OUT 假设中的节点为OUT, 则 结论节点往往为IN，于是条件证明的证实有效。
3-15 在什么情况下需要采用不确定推理或非单调推理?
不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
3-16 下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：
(1)两个全等三角形的各对应角相等。
(2)两个全等三角形的各对应边相等。
(3)各对应边相等的三角形是全等三角形。
(4)等腰三角形的两底角相等。
规则(1): IF 两个三角形全等
THEN 各对应角相等
规则(2): IF 两个三角形全等
THEN 各对应边相等
规则(3): IF 两个三角形各对应边相等
THEN 两三角形全等
规则(4): IF 它是等腰三角形
THEN 它的两底角相等
第四章 计算智能（1）：神经计算 模糊计算
4-1 计算智能的含义是什么？它涉及哪些研究分支？
贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。
主要的研究领域为神经计算，模糊计算，进化计算，人工生命。
4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。
计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产 生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI 包含AI 包含BI
4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？
人工神经网络具有如下至关重要的特性：
(1)并行分布处理 适于实时和动态处理
(2)非线性映射 给处理非线性问题带来新的希望
(3)通过训练进行学习
一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题
(4)适应与集成
神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大 规模和多变量系统
(5)硬件实现
一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。
4-4 简述生物神经元及人工神经网络的结构和主要学习算法。
生物神经元
大多数神经元由一个细胞体(cell body 或soma)和突(process)两部分组成。突分两类，即轴突(axon)和树突(dendrite)，轴突是个突出部分，长度可达 1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较 短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。
轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促 使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强 度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲 转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。
每个人脑大约含有 10^11-10^12 个神经元，每一神经元又约有 10^3-10^4 个突触。神经元通过突触形成的网络，传 递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。
人工神经网络的结构
人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法，每种连接方法对应于一个连接权系数。
人工神经网络的结构分为2 类：
(1)递归(反馈)网络 有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield 网络，Elmman 网络和Jordan 网络是代表。
(2)前馈网络 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神 经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模 型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。
人工神经网络的主要学习算法
(1)指导式(有师)学习
根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta 规则，广义Delta 规则，反向传播算 法及LVQ 算法。
(2)非指导(无导师)学习
训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括 Kohonen 算法，Carpenter-Grossberg 自适应谐振理论(ART)(3)强化学习
是有师学习的一种特例。它不需要老师给出目标输出，而是由一个“评论员”来评介与给定输入相对应的神经网络 输出的优度。例如遗传算法(GA)
4-10 什么是模糊集合和隶属函数或隶属度？
论域U 模糊子集F 隶属函数
序偶 P119
4-11 模糊集合有哪些运算，满足哪些规律？
并(取max)，交(取min)，补
幂等律，交换律，结合律，分配律，吸收律，同一律，Demorgan 律，复原律，对偶律，互补律不成立
4-12 什么是模糊推理？有哪几种模糊推理方法？
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，动用模糊语言规则，推导出一个近似的模糊判断结论。
有许多模糊推理方法。在Zadeh 法中，有2 种重要的模糊推理规则：广义取式(肯定前提)假言推理法(GMP)和广义 拒式(否定结论)假言推理法(GMT)，分别简称为广义前向推理法和广义后向推理法。
4-13 有哪些模糊蕴含关系？ 模糊合取，模糊析取，基本蕴涵，命题演算，GMP 推理，GMT 推理
4-14 什么叫模糊判决？有哪几种常用的模糊判决方法？
从推理得到的模糊集合中，取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。
常用的模糊判决方法有：重心法，最大隶属度法，系数加权平均法，隶属度限幅元素平均法
第五章 计算智能(2):进化计算 人工生命
5-1 什么是进化计算？它包括哪些内容？它们的出发点是什么？
什么是？
进化计算包括遗传算法，进化策略，进化编程和遗传编程。
出发点？
5-2 试述遗传算法的基本原理，并说明遗传算法的求解步骤。
基本原理？
求解步骤：
(1)随机产生一个由确定长度的特征字符串组成的初始种群体
(2)对该字符串种群迭代地执行下步的步骤[1]和步骤[2]，直到满足停止准则为止：
[1] 计算种群中每个个体字符中的适应值
[2] 应用复制，交叉和变异等遗传算子产生下一代种群
(3)把在后代中出现的最好个体字符指定为遗传算法的执行结果，这个结果可以表示问题的一个解。
5-5 进化策略是如何描述的？
最简单的进化策略可描述如下： P137
5-6 简述进化编程的机理和基本过程，并以四状态机为例说明进化编程的表示。
机理？
基本过程？
P139
5-7 遗传算法、进化策略和进化编程的关系如何？有何区别？
关系： 它们都是模拟生物界自然进化过程而建立的鲁棒性计算机算法。
区别：
进化策略和进化编程把变异作为主要搜索算子，标准遗传算法中，变异处于次要位置。
交叉在遗传法起着重要作用，而在进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很重要的作用。标准遗传算法和进化编程都强调随机选择机制的重要性，而进化策略的选择是完全确定的。
进化策略和进化编程，确定地把某个个体排除在被选择之外，而标准遗传算法都对每个个体指定一个非零的选择概率。
5-8 人工生命是否从1987 年开始研究？为什么？
不是。
1987 年第一次人工生命研讨会上，美国圣塔菲研究所非线性研究组的兰顿正式提出了人工生命的概念，建立起人工 生命新学科。世纪，60 年代，罗森布拉特研究感知机，斯塔尔建立细胞活动模型，林登迈耶提出了生长发育中的细胞交互作 用数学模型。
年代，康拉德等人研究人工仿生系统中的自适应，进化和群体动力学，提出不断完善的“人工世界”模型。细胞 自动机被用于图像处理。康韦提出生命的细胞自动机对策论。
年代，人工神经网络再度兴起，促进了人工生命的发展。
5-9 什么是人工生命？请按你的理解用自己的语言给人工生命下个定义。
1987 年兰德提出的人工生命定义为：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 其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。
凡是具有自然生命现象和特征的人造系统，都可称为人工生命。
5-10 人工生命要模仿自然生命的特征和现象。自然生命有哪些共同特征？
自然生命的共同特征和现象，包括但不限于：
18(1)自繁殖，自进化，自寻优
(2)自成长，自学习，自组织
(3)自稳定，自适应，自协调
(4)物质构造
(5)能量转换
(6)信息处理
5-11 为什么要研究人工生命？
具有重大的科学意义和广泛的应用价值
(1)开发基于人工生命的工程技术新方法，新系统，新产品(2)为自然生命的研究提供新模型、新工具、新环境(3)延伸人类寿命，减缓衰老，防治疾病(4)扩展自然生命，实现人工进化和优生优育
(5)促进生命科学，信息科学，系统科学的交叉发展
5-12 人工生命包括哪些研究内容？其研究方法如何？ 研究内容大致分为两类：
（1）构成生物体的内部系统，包括脑，神经系统，内分泌系统，免疫系统，遗传系统，酶系统，代谢系统
（2）生物体及其群体的外部系统，包括环境适应系统和遗传进化系统 研究方法主要可分为两类：
（1）信息模型法，根据内部和外部系统所表现出来的生命行为来建造信息模型
（2）工作原理法：生命行为所显示的自律分散和非线性行为，其工作原理是混沌和分形，以此为基础研究人工生命的机理。
第六章 专家系统
6-1 什么叫做专家系统？具有哪些特点和优点？
专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有 大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某一个领域或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，一边解决那些需要人类专家处理的复杂问题。特点：
（1）启发性 专家系统能运用专家的知识与经验进行推理、判断和决策
（2）透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。
（3）灵活性 专家系统能不断地增长知识，修改原有知识，不断更新 优点
（1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作（2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记
（3）可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验
（4）专家系统能够促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力
（5）专家系统能够汇集多领域专家的知识和经验以及他们写作解决重大问题的能力，它拥有更渊博的 19 知识、更丰富的经验和更强的工作能力
（6）军事专家系统的水平是一个国家国防现代化的重要标志之一（7）专家系统的研制和应用，具有巨大的经济效益和社会效益
（8）研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。
6-2 专家系统由哪些部分构成？各个部分的的作用为何？
（1）知识库（knowledge base）知识库用于存储某领域的专门知识，包括事实、可行操作与规则等。（2）综合数据库（global database）综合数据库又称全局数据库或总数据库，它用于存储领域或问题的厨师数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。
（3）推理机（reasoning machine）推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据指示进行推理和导出结论，而不是简单地搜索现成的答案。（4）解释器（explanator）解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。
（5）接口（interface）又称界面，他能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。
6-3 建造专家系统的关键步骤是什么？
是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键（1）设计初始知识库
问题知识化、知识概念化、概念形式化、形式规则化、规则合法化
（2）原型机（prototype）的开发与试验
建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程
（3）知识库的改进与归纳
反复对知识库及推理规则进行改进试验，归纳出更完善的结果
6-4 专家系统程序与一般的问题求解软件程序有何不同？开发专家系统与开发其他软件的任务有何不同？
一般应用程序与专家系统的区别在于：前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理时通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级：数据、知识库和控制。
在数据级上，是已经解决了的特定问题的说明性知识以及需要求解问题的有关事件的当前状态、在知识库级是专家系统的专门知识与经验。是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键。
在控制程序级，根据既定的控制策略和所求解问题的性质来决定应用知识库中的哪些知识。
6-5 基于规则的专家系统是如何工作的？其结构为何？
系统的主要部分是知识库和推理引擎。
知识库由谓词演算事实和有关讨论主题的规则构成。“知识工程师”与应用领域的专家共同工作以便把专家的相关知识表示成一种形式，由一个知识采集子系统协助，输入到知识库。
推理引擎由所有操作知识库来演绎用户要求的信息的过程构成-如消解、前向链或反向链。
用户接口可能包括某种自然语言处理系统，它允许用户用一个有限的自然语言形式与系统交互。也可是用带有菜单的图形接口界面。
解释子系统分析被系统只需的推理结构，并把它解释给用户。
6-6 基于框架的专家系统与面向目标的编程技术，以提高系统的能力和灵活性。它们共享许多特征。面向目标的编程其所有数据结构均以目标形式出现，每个目标含有两种基本信息：描述目标的信息和说明目标能做什么的信息。面向目标的编程为表示实际世界目标提供了一种自然的方法。应用专家系统的术语来说，每个目标具有陈述性知识和过程知识。
结构的主要特点在于基于框架的专家系统采用框架而不是规则来表示知识。框架提供一种比规则更丰富的获取问题知识的方法，不仅提供某些目标的包描述，而且还规定了该目标如何工作。开发基于框架的专家系统的主要任务有：
（1）定义问题（对问题和结论的考察与综述）
（2）分析领域（定义事物、事物特征、事件和框架结构）（3）定义类及其特征（4）定义例及其框架结构（5）确定模式匹配法则（6）规定事物通信方法（7）设计系统界面（8）对系统进行评价
（9）对系统进行扩展，深化和扩展知识
6-7 为什么要提出基于模型的专家系统？试述神经网络专家系统的一般结构。
有一种关于人工智能的观点认为：人工智能是对各种定性模型的获得、表达及使用的计算方法进行研究 21 的学问。根据这一观点，一个知识系统中的知识库是由各种模型综合而成的，而这些模型又往往是定性的模型。
采用各种定性模型来设计专家系统，一方面它增加了系统的功能，提高了性能指标，另一方面，可独立地深入研究各种模型及其相关问题，把获得的结果用于改进系统设计。
6-8 新型专家系统有何特征？什么是分布式专家系统和协同式专家系统？ 新型专家系统的特征：（1）并行于分布处理（2）多专家系统协同工作（3）高级语言和知识语言描述
知识工程师只需用一种高级专家系统描述语言对系统进行功能、性能及接口描述，并用知识表示语言描述领域知识，专家系统生成系统就能自动或半自动地生成所需专家系统。（4）具有自学习功能
具有高级的知识获取与学习能力（5）引入新的推理机制
除了能进行演绎推理之外，还有归纳推理（联想、类比）、非标准逻辑推理（非单调逻辑推理、加权逻辑推理）及各种基于不完全知识和模糊知识的推理。（6）具有自纠错和自完善能力（7）先进的智能人机接口
理解自然语言，实现语声、文字、图形和图像的直接输入输出时如今人们对智能计算机提出的要求。
分布式专家系统
具有分布处理的特征，能把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，从而有总体上提高系统的处理效率。它可以工作在紧耦合的多处理器系统环境中，也可工作在松耦合的计算机网络环境中，其总体结构在很大程度上依赖于其所在的硬件环境。
协同式专家系统
又称为“群专家系统”，是一个能综合若干个相近领域或一个领域的多个方面的子专家系统互相协作，共同解决一个更广领域问题的专家系统。是克服一般专家系统的局限性的重要途径。它不着重于处理的分布和知识的分布，而是更强调子系统间的协同合作。它并不一定要求有多高处理机的硬件环境，而且一般都是在同一个处理机上实现各子专家系统的。
6-9 在设计专家系统时，应考虑哪些技术？（1）具有可靠知识与数据的小搜索空间问题
数据可靠（无噪声、无错误、不丢失、不多余）和知识可靠（不出现假的、近似的或推测性的结论），决定了系统具有单调性并可采用单路推理路线。而小搜索空间的问题一般允许采用穷举搜索策略。（2）不可靠的数据或知识
这种情况应采用概率推理、模糊推理、不可靠数据的精确推理方法或专门的不确定性推理技术。（3）时变数据
一般要设计时间推理技术，推理过程要求较复杂的表示法。（4）大搜索空间的问题
一般要引入启发式搜索策略或采用分层体系结构，来降低求解过程的复杂程度。对打空间的问题通常还要根据具体问题的特征来去相应的对策。
6-10 什么是建造专家系统的工具？你知道哪些专家系统工具，各有什么特点？
专家系统开发工具室一些比较通用的工具，作为设计和开发专家系统的辅助手段和环境，以求提高专家系统的开发效率、质量和自动化水平。专家系统工具是一种更高级的计算机程序设计语言。比一般的计算机高级语言具有更强的功能。主要分为骨架型工具（又称外壳）、语言型工具、构造辅助工具和支撑环境等四类。（1）骨架型工具
借用以前开发好的专家系统，将描述领域知识的规则从原系统中“挖掉”，只保留其独立于问题领域知识的推理机部分，这样形成的工具成为骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2）语言型工具
提供给用户的是建立专家系统所需要的基本机制，其控制策略也不固定于一种或几种形式，用户可以通过一定手段来影响其控制策略。因此语言型工具的结构变化范围广泛，表示灵活，所适应的范围要比骨架型工具广泛得多。像OPS5，OPS83，RLL及ROSIE等，均属于这一类工具。（3）构造辅助工具
主要分两类：一类是设计辅助工具，典型的有AGE系统，另一类是知识获取工具，典型的有TEIRESIAS系统。
（4）支撑环境
是指帮助进行程序设计的工具，它常备作为知识工程语言的一部分。工具支撑环境仅是一个附带的软件包，以便使用户界面更友好，它包括四个典型组件：调试辅助工具、输入输出设施、解释设施和知识库编辑器。ART就属于这一类系统。
第七章 机器学习
7-1 什么是学习和机器学习？为什么要研究机器学习？
按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样认为或类似任务时，会比现在做得更好或效率跟高。
机器学习室研究如何使用机器来模拟人类学习活动的一门学科，机器学习是一门研究机器获取新知识和 23 新技能，并识别现有知识的学问。这里说的“机器”，指的就是计算机。
现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。
7-2 试述机器学习系统的基本结构，并说明各部分的作用。
环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。
7-3 试解释机械学习的模式。机械学习有哪些重要问题需要加以研究？
机械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。是最基本的学习过程。任何学习系统都必须记住它们获取的知识。在机械学习系统中，知识的获取是以较稳定和直接的方式进行的，不需要系统进行过多的加工。要研究的问题：
（1）存储组织信息
只有当检索一个项目的时间比重新计算一个项目的时间短时，机械学习才有意义，检索的越快，其意义也就越大。
（2）环境的稳定性
机械学习基础的一个重要嘉定是在某一时刻存储的信息必须适用于后来的情况。（3）存储与计算之间的权衡
如果检索一个数据比重新计算一个数据所花的时间还要多，那么机械学习就失去了意义。
7-4 试说明归纳学习的模式和学习方法。
归纳是一种从个别到一般，从部分到整体的推理行为。归纳学习的一般模式为：
给定：观察陈述（事实）F，嘉定的初始归纳断言（可能为空），及背景知识 求：归纳断言（假设）H，能重言蕴含或弱蕴含观察陈述，并满足背景知识。学习方法：
（1）示例学习
它属于有师学习，是通过从环境中取得若干与某概念有关的例子，经归纳得出一般性行概念的一种学习方法。示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识，它将覆盖所有的正例并排除所有的反例。（2）观察发现学习
它属于无师学习，其目标是确定一个定律或理论的一般性描述，刻画观察集，制定某类对象的性质。它分为观察学习与机器发现两种，前者用于对事例进行聚类，形成概念描述，后者用于发现规律，产生定律或规则。
7-5 什么是类比学习？其推理和学习过程为何？
类比是一种很有用和很有效的推理方法，它能清晰，简洁地买哦书对象间的相似性，是人类认识世界的 24 一种重要方法。类比推理的目的是从源域S中，选出与目标域T最近似的问题及其求解方法，解决当前问题，或者建立起目标域中已有命题间的联系，形成新知识。
类比学习就是通过类比，即通过对相似事物加以比较所进行的一种学习。类比推理过程如下：（1）回忆与联想
通过回忆与联想在源域S中找出与目标域T相似的情况。（2）选择
从找出的相似情况中，选出与目标域T最相似的情况及其有关知识。（3）建立对应关系
在源域S与目标域T之间建立相似元素的对应关系，并建立起相应的映射。（4）转换
把S中的有关知识引导T中来，从而建立起求解当前问题的方法或者学习到关于T的新知识。
类比学习过程主要包括：
（1）输入一组已经条件（已解决问题）和一组未完全确定的条件（新问题）（2）按照某种相似性的定义，寻找两者可类比的对应关系
（3）根据相似变换的方法，建立从已解决问题到新问题的映射，以获得带求解问题所需的新知识。（4）对通过类比推理得到的关于新问题的知识进行校验。验证正确的知识存入知识库中，暂时无法验证的知识作为参考性知识，置于数据库中。
7-10 考虑一个具有阶梯型阈值函数的神经网络，假设（1）用一常数乘所有的权值和阈值（2）用一常数加于所有权值和阈值 试说明网络性能是否会变化？（1）不会（2）会
7-11 什么是知识发现？知识发现与数据挖掘有何关系？
根据费亚德的定义，数据库中的知识发现时从大量数据中辨识出有效的，新颖的，潜在有用的，并可被理解的模式的高级处理过程。
数据挖掘时知识发现中的一个步骤，它主要是利用某些特定的知识发现算法，在一定的运算效率内，从数据中发现出有关知识。
7-12 增大权值是否能使BP学习变慢？ 是
7-13 试说明知识发现的处理过程。费亚德的知识发现过程包括：（1）数据选择
根据用户需求从数据库中提取与知识发现相关的数据（2）数据预处理
检测数据的完整性与数据的一致性，对噪音数据进行处理，对丢失的数据利用统计方法进行填补，进行发掘数据库
（3）数据变换
利用聚类分析和判别分析，从发掘数据库里选择数据（4）数据挖掘（5）知识评价
对所获得的规则进行价值评定，以决定所得到的的规则是否存入基础知识库
知识发现的全过程，可进一步归纳为三个步骤，即数据挖掘预处理，数据挖掘，数据挖掘后处理。
7-14 有哪几种比较常用的知识发现方法？试略加介绍。常用的知识发现方法有：（1）统计方法
统计方法是从事物外在数量上的表现去推断事物可能的规律性，包括传统方法，模糊集，支持向量机，粗糙集
（2）机器学习方法
包括规则归纳、决策树、范例推理、贝叶斯信念网络，科学发现，遗传算法（3）神经计算方法
常用的有剁成感知器，反向传播网络，自适应映射网络（4）可视化方法
使用有效的可视化界面，可以快速，高效地与大量数据打交道，以发现其中隐藏的特征，关系，模式和趋势
7-15知识发现的应用领域有哪些？试展望知识发现的发展和应用评估。（1）金融业
数据清理，金融市场分析和预测，账户分类，银行担保和信用评估（2）保险业
通过对索赔者的资料与索赔历史数据模式进行比较，以判定用户的索赔是否合理（3）制造业
零部件故障诊断，资源优化，生产过程分析（4）市场和零售业
销售预测，库存需求，零售点选择和价格分析（5）医疗业
数据清理，预测医疗保险费用（6）司法
案件调查，诈骗检测，洗钱认证，犯罪组织分钟（7）工程与科学 工程与科学数据分析
第八章 机器人规划
8-1 有哪几种重要的机器人高层规划系统？它们各有什么特点？你认为哪种规划方法有较大的发展前景？
基于谓词逻辑的规划是用谓词逻辑来描述世界模型机规划过程的一种规划方法（1）规划演绎法。用F规则求解规划序列
（2）逻辑演算和通用搜索法。STRIPS和ABSTRIPS系统。（3）具有学习能力的规划系统。如PULP-I系统
（4）分层规划方法。如NOAH规划系统，他具有更快的规划速度，更强的规划能力和更大的适应性。发展前景？
8-5 机器人Rover 正在房外，想进入房内，但不能开门让自己进去，而只能喊叫，让叫声促使开门。另一机器人Max 在房间内，他能够开门并喜欢平静。Max 通常可以把门打开来使Rover 停止叫喊。假设 Max 和Rover 各有一个STRIPS规划生产系统和规划执行系统。试说明Max 和 Rover 的STRIPS规则和动作，并描述导致平衡状态的规划序列和执行的步骤。用来描述状态的谓词公式有： INROOM(X): X在房间里 OUTROOM(X): X不在房间里 SOUND(X): X在喊叫 QUIET(X): X保持安静
OPENEN(X): X处于打开状态 CLOSED(X): X处于关闭状态
Rover 可执行的动作有： Shout(X): X喊叫
先决条件：OUTROOM(X)AND CLOSED(Door)AND QUIET(X)删除表：QUIET(X)添加表：SOUND(X)ComeIn(X): X走进房间
先决条件：OUTROOM(X)AND OPEN(Door)删除表：OUTROOM(X)添加表：INROOM(X)
Max 可执行的动作有：
Open(X, Door): 为X打开门
先决条件：SOUND(X)AND OUTROOMX AND CLOSED(Door)删除表：OPENED(X)添加表：CLOSED(X)
初始状态M0 OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)目标状态G0 INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)
导致平衡状态的规划序列为{Shout(Rover), Open(Rover, Door), ComeIn(Rover), Close(Door)} 执行步骤：(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 用本章讨论过的任何规划生成系统，解决图8.22所示机械手堆积木问题。
用来描述状态的谓词公式有： ON(A,B): 积木A在积木B 上 ONTABLE(A): 积木A在桌子上 CLEAR(A): A上没有东西
HOLDING(A): 机械手正抓住A HANDEMPTY: 机械手为空
机械手可执行的动作有：
Stack(X,Y): 把积木X堆在积木Y上
先决条件：HOLDING(X)AND CLEAR(Y)删除表：HOLDING(X)AND CLEAR(Y)添加表：HANDEMPTY AND ON(X,Y)
UnStack(X,Y): 把堆在积木Y上的积木X抬起
先决条件：HANDEMPTY AND ON(X,Y)AND CLEAR(X)删除表：HANDEMPTY AND ON(X,Y)添加表：HOLDING(X)AND CLEAR(Y)28
PickUp(X): 从桌面上抓起积木X 先决条件：HANDEMPTY AND ONTABLE(X)AND CLEAR(X)删除表：ANDEMPTY AND ONTABLE(X)添加表：HOLDING(X)
PutDown(X): 将积木X 放到桌面上 先决条件：HOLDING(X)删除表：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 目标布局G0：
ON(A,B)AND ON(B,C)AND ON(C,D)AND ONTABLE(D)AND CLEAR(A)AND HANDEMPTY 如何规划？
第九章 Agent 9-1 分布式人工智能系统有何特点？试与多艾真体系统的特性加以比较。分布式人工智能系统的特点：（1）分布性
系统信息（数据、知识、控制）在逻辑上和物理上都是分布的（2）连接性
各个子系统和求解机构通过计算机网络相互连接（3）协作性
各个子系统协调工作（4）开放性
通过网络互连和系统的分布，便于扩充系统规模（5）容错性
具有较多的冗余处理结点、通信路径和知识，提高工作的可靠性（6）独立性
系统把求解任务规约为几个相对独立的子任务，降低了问题求解及软件开发的复杂性
9-2 什么是艾真体？你对Agent的译法有何见解？
Agent是能够通过传感器感知其环境，并借助执行器作用于该环境的实体，可以看做是从感知序列到动作序列的映射。
其特征为：行为自主性，作用交互性，环境协调性，面向目标性，存在社会性，工作协作性，运行持续性，系统适应性，结构分布性，功能智能性 把agent 译为艾真体的原因有：
（1）一种普遍的观点认为，Agent是一种果果传感器感知其环境，并通过执行器作用于该环境的实体。（2）“主体”一词考虑到了Agent 具有自主性，但并未考虑Agent 还具有交互性，协调性，社会性，适应性和分布性等特性。
（3）“代理”一词在汉语中已经有明确的含义，并不能表示出Agent的原意。
（4）把Agent译为艾真体，含有一定物理意义，即某种“真体”或事物，能够在十分广泛的领域内得到认可。
（5）在找不到一个确切和公认的译法时，宜采用音译。
9-3 艾真体在结构上有什么特点？在结构上如何分类？每种结构的特点如何？ 真体=体系结构+程序
（1）在计算机系统中，真体相当于一个独立的功能模块，独立的计算机应用系统（2）真体的核心部分是决策生成器或问题求解器，起到主控作用（3）真体的运行时一个或多个进程，并接受总体调度
（4）各个真体在多个计算机CPU上并行运行，其运行环境由体系结构支持
结构分类及特点：（1）反应式
只是简单地对外部刺激产生响应，没有内部状态（2）慎思式
是一个具有显示符号模型的基于知识的系统（3）跟踪式
是具有内部状态的反应式真体，通过找到一个条件与现有的环境匹配的规则进行工作，然后执行与规则相关的作用
30（4）基于目标
真体的程序能够与可能的作用结果信息结合起来，以便选择达到目标的行为，只要指定新的目标，就能够产生新的作用（5）基于效果
一个具有显示效果函数的真体能够比较由不同作用获得的效果，从而做出理性决策（6）复合式
在一个真体内组合多种相对独立和并行执行的智能形态，其结构包括感知、动作、反应、建模、规划、通信和决策。
9-4 艾真体为什么需要互相通信？
一些交谈能向受话者传送信息，还有一些交谈要受话者采取行动。通信的双重目的就是建立信任和创建社会联系。
9-5 试述艾真体通信的步骤、类型和方式。通信的步骤：
在一个通信事件中，讲话者（T）要使用文字（W）向受话者（H）调查建议（P）在讲话者身上发生三种作用：（1）意向：T要H相信P（2）生成：T选择文字W（3）总和：H决定相信P 在受话者身上发生四种作用：
（1）感知：H 感知W(理想状态下W’=W，但可能会有错觉)（2）分析：H推断，W’有多个可能的含义P1，P2，P3…….Pn（3）消岐：H推断，T要调查Pi(理想地，Pi=P，但误解是可能的)（4）总和：H决定相信Pi 通信的类型：
（1）使用TELL和ASK通信
真体分享相同的内部表示语言，并通过界面TELL 和ASK 直接访问相互的知识库（2）使用形式语言通信
外部通信语言可以与内部表示语言不同，并且这些真体的每一个都可以有不同的内部语言，只人每个真体能可靠地从外部语言映射到自己的内部语言，它们就无须同意任何内部符号，其通信是通过语言而不是直接访问知识库而实现的 通信的方式：
（1）黑板结构方式
黑板提供公共工作区，真体可以交换信息，数据和知识（2）消息/对话方式
这是实现灵活和复杂的协调策略的基础。各真体使用规定的协议相互交换信息，用于建立通信和协调机制。两真体之间的信息是直接交换的，执行中没有缓冲。
9-6 艾真体有哪几种主要通信语言？它们各自有什么特点？ 知识询问与操作语言KQML KQML定义了一种真体间传递信息的标准语法以及一些动作表达式，分为通信、消息和内容三个从此 知识交换语言KIF 其语法基本上类似于用LISP语法书写的一阶谓词演算
9-7 多艾真体系统有哪几种基本模型？其体型结构又有哪几种？ 基本模型：
（1）BDI模型
它是一个概念和逻辑上的理论模型，渗透在其他模型中，成为研究真体理性和推理机制的基础。将BDI模型扩展至多真体系统时，提出了联合意图、社会承诺、合理行为等描述真体行为的形式化定义。（2）协商模型
产生于经济活动理论，主要用于资源竞争，任务分配和冲突消解等问题（3）协作规划模型
用于制定其协调一致的问题求解规划。每个真体都具有自己的求解目标，考虑其它真体的行动与约束，并进行独立规划。（4）自调整模型
为适应复杂控制系统的动态实时控制和优化而提出来。自协调模型随环境变化自适应地调整行为，是简历在开放和动态环境下的多真体系统模型。
体系结构：
（1）真体网络
无论是远距离还是短距离的真体，其通信都是直接进行的，当真体数目较大时，这种一一交互的结构将导致系统效率低下。（2）真体联盟
若干近程真体通过助手真体进行交互，而远程真体则由各个局部真体群体的助手真体完成交互和消息发送。一个真体无须知道其他真体的详细信息，比真体网络有较大的灵活性。（3）黑板结构
局部真体群体共享数据存储——黑板。其中控制外壳真体负责信息交互，而网络控制真体负责局部真体群体之间的远程信息交互。
9-8 试说明多艾真体的协作方法、协商技术和协调方式。
协作是保持非对抗真体间行为协调的特例，它通过适当的协调，合作完成共同目标。协作方法：
（1）决策网络和递归建模
决策网络可看做是增加了决策节点和效益节点的贝叶斯网络。根据对环境和其他真体的观察信息和贝叶斯学习方法来修正模型，即修正对其他真体行为的信念，并预测它们的行为。（2）Markov对策
单真体系统中真体的动态决策其实是一个Markov过程，在多真体系统中真体的Markov决策过程的扩展形式就是随机对策，即Markov对策（3）真体学习方法
多真题系统的协作，本质上说是每个真体学习其他真体的邢翁策略模型而采取相应的最优反应。（4）决策树和对策树
实质是将对策理论和对策过程形式化，以实现真体的自动推理过程 协商时多真体系统实现协同，协作，冲突消解和矛盾处理的关键环节
协商技术：
（1）协商协议
主要研究真体通信语言的定义，表示，处理和语义解释，主要处理协商过程总，真体之间的交互
32（2）协商策略
用于真体决策及选择协商协议和通信消息，主要修改真体内的决策和控制过程（3）协商处理
侧重描述和分析单个真体和多真体协商社会的整体协作行为，包括协商算法和系统分析两方面 协调时一种动态行为，是真体对环境及其它真体的适应，往往通过改变真体的心智状态来实现
协调方法：
（1）基于集中规划
至少有一个真体具备其他真体的知识，能力和环境资源知识，它作为主控真体，对系统的目标进行分解，任务进行规划，并指示其他真体执行任务（2）基于协商
属于分布式协调，系统中没有作为规划的主控真体（3）基于对策论
包括无通信协调和有通信协调两类（4）基于社会规划
以每个真体都必须遵循的社会规则，过滤策略，标准和惯例为基础的协调方法
9-9 为什么多艾真体需要学习与规划？
学习能力是衡量多真体系统和其他智能系统的重要特征之一。多真体系统学习比单真体学习复杂得多，因为其学习对象处于动态变化中，且其学习离不开真体间的通信。只要给计算机设定一个目标，然后计算机不断与环境交互以达到该目标。
规划是连接精神状态（打算，设想）与执行动作的桥梁。多真体系统中的规划与经典规划有所不同，需要反映环境的持续变化。
9-10 你认为多艾真体系统的研究方向应是哪些？其应用前景又如何？ 研究方向？
应用领域有：多机器人协调，过程智能控制，网络通信与管理，交通控制，电子商务，远程教学，远程医疗，网上数据挖掘，信息过滤、评估和集成以及数据库管理。
第四篇：人工智能的发展及应用解读
人工智能的发展及应用
学院 ： 班级 ： 姓名 ： 学号 ：
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能几乎涉及到是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、思维等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。关于人工智能一个大家比较容易接受的定义是这样的： 人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称AI。
人工智能体现在思维、感知、行为三个层次。它主要模拟眼神、扩展人的智能。其研究内容可以分为机器思维和思维机器、机器行为和行为机器、机器感知和感知机器、三个层次。人工智能研究与应用虽然取得了不少成果，但离全面推广应用还有很大距离，还有很多问题需要许多学科的共同研究。
人工智能有两种实现方式，第一种叫做工程学方法（Engineering approach），是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。它已在一些领域内作出了成果，如文字识别、电脑下棋等。第二种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。第一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁, 非常麻烦。采用第二种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。人工智能的发展: 人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼兹）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运 算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨 的思维符号化和数学化的思想,提出了一种崭新的代数系统——布尔代数。
第一阶段: 50 年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s 求解程序LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段: 60 年代末到70 年代，专家系统出现，使人工智能研究出现新高潮DENDRAL 化学质谱分析系统、MYCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II 语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969 年成立了国际人工智能联合会议（International Joint Conferences onArtificial Intelligence 即IJCAI）。
第三阶段: 80 年代，随着第五代计算机的研制，人工智能得到了很大发展日本1982 年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统K I P S”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段: 80 年代末，神经网络飞速发展1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段: 90 年代，人工智能出现新的研究高潮由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield 多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。人工智能的应用: 人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此使读者对我们身边的人工智能应用有一个感性的认识。
符号计算计算机最主要的用途之一就是科学计算,科学计算可分为两类: 一类是纯数值的计算,例如求函数的值, 方程的数值解, 比如天气预报、油藏模拟、航天等领域;另一类是符号计算,又称代数运算,这是一种智能化的计算, 处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件, 其中Mathematica和Maple 是它们的代表，由于它们都是用C 语言写成的, 所以可以在绝大多数计算机上使用。
模式识别模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”, 随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。以“语音识别”为例：语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。指纹是人体的一个重要特征，具有唯一性。北京大学有关专家对数字图像的离散几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、进而提取指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统，以及适于公安刑事侦破的指纹鉴定系统。从而开创了我国指纹自动识别系统应用的先河。北京指纹自动识别系统的推出，使我国公安干警从指纹查对的繁重人工处理中解放出来。
专家系统专家系统是一种模拟人类专家解决某些领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等1 0 种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。
机器翻译机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。未来发展与展望: 未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感，因为目前人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理能。人工神经网络是未来人工智能应用的新领域。
今天，已经有很多人工智能研究的成果进入人们的日常生活，一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备，相信将来人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
我们至少要经历几代人的坚持奋斗，进行多学科联合协作研究，才可能基本上解开“人工智能”之谜，使人工智能理论达到一个更高水平。
心得体会 通过老师对人工智能的讲解，我对人工智能有了一些简单的感性的认识，我知道了人工智能从诞生，发展到今天经历一个漫长的过程，许多人为此做出了不懈的努力。我觉得这门课是一门非常富有挑战性的学科，而从事这项工作的人不仅要懂得计算机知识，还必须懂得编程。
人工智能在很多领域得到了发展，在我们的日常生活和学习中发挥了重要的作用。如：机器翻译，机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。利用这些机器翻译系统我们可以很方便的完成一些语言翻译工作。目前，国内的机器翻译软件有很多，富有代表性意义的当属“金山词霸”，它可以迅速的查询英文单词和词组句子翻译，重要的是它还可以提供发音功能，为用户提供了极大的方便。
通过老师对人工智能的讲解，我明白了人工智能发展的历史和所处的地位，它始终处于计算机发展的最前沿。我相信人工智能在不久的将来将会得到更深一步的实现，会创造出一个全新的人工智能世界。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第五篇：人工智能原理与应用大作业
人工智能原理与应用大作业
（1）简单函数优化的遗传算法C代码，把代码调通，计算出结果。
（2）编程实现第6章习题第13题（2个学生做）
（3）编程实现第6章习题第14题（2个学生做）
（4）写出调研报告“人工智能的发展历史”
（5）写出麦卡锡(J.McCarthy)的传记
（6）写出明斯基(M.Minsky)的传记
（7）写出调研符号主义学派的报告
（8）写出调研行为主义学派的报告
（9）写出调研联结主义学派的报告
（10）写出使用经典逻辑推理成功的人工智能案例
（11）写出使用搜索方法推理成功的人工智能案例
（12）写出使用遗传算法推理成功的人工智能案例
（13）写出使用神经网络推理成功的人工智能案例
（14）写出使用专家系统推理成功的人工智能案例
（15）写出除上面几种方法以外的人工智能方法的调研报告。
（16）编程实现P132例5.1梵塔问题，画图实现。（由王小高带2个学生做）
（17）编程实现P135例5.3九宫重排问题，采用广度搜索法。（由张延令带2个学生做）
（18）编程实现P133例5.2传教士和野人问题，采用广度搜索法。（由贾路宽带2个学生
做）
（19）写出退火算法的调研报告。
（20）写出蚁群算法的调研报告。
（21）写出人工智能在中国的发展的调研报告。
（22）写出中国人工智能协会的调研报告。
（23）写出机器学习的调研报告
（24）写出搜索引擎的调研报告
（25）写出模式识别的调研报告
（26）人工智能在农业方面的应用
（27）人工智能在工业方面的应用
（28）人工智能在军事方面的应用
（29）人工智能在机器人方面的应用
（30）人工智能在航空航天方面的应用
（31）人工智能在医疗方面的应用
（32）人工智能在商业方面的应用
（33）人工智能在电力业方面的应用
点击咨询 