人工智能與專家系統(tǒng)練習題一2019-111

1、人工智能與專家系統(tǒng)練習題（二）1,什么是人工智能？它的研究目標是什么？定義：用機器模擬人類智能。研究目標：用計算機模仿人腦思維活動，解決復雜問題；從實用的觀點來看，以知識為對象，研究知識的獲取、知識的表示方法和知識的使用。2 .人工智能有哪幾個主要學派？各自的特點是什么？主要學派：符號主義和聯(lián)結(jié)主義。特點：符號主義認為人類智能的基本單元是符號，認識過程就是符號表示下的符號計算，從而思維就是符號計算；聯(lián)結(jié)主義認為人類智能的基本單元是神經(jīng)元，認識過程是由神經(jīng)元構(gòu)成的網(wǎng)絡(luò)的信息傳遞，這種傳遞是并行分布進行的。3 .什么是人工神經(jīng)元？它有哪幾種主要模型？人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元經(jīng)廣泛互連而組成的人

2、工網(wǎng)絡(luò)，用來模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。而這些處理單元稱為人工神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)可以看成是以人工神經(jīng)元為節(jié)點，用有向加權(quán)弧連接起來的有向圖。根據(jù)激發(fā)函數(shù)的不同分為：閾值型（M-P模型）、分段線性型、Sigmoid函數(shù)型、雙曲正切型4 .什么是人工神經(jīng)網(wǎng)絡(luò)？它有哪些聯(lián)結(jié)方式？模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運用大量簡單處理單元經(jīng)廣泛連接而組成的人工網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元的連接方式一般有很多種，不同的連接方式就構(gòu)成了網(wǎng)絡(luò)的不同連接模型。常見的連接模型有前向網(wǎng)絡(luò)、從輸入層到輸出層有反饋的網(wǎng)絡(luò)、層內(nèi)有互連的網(wǎng)絡(luò)和網(wǎng)絡(luò)內(nèi)任意兩個神經(jīng)元都可以互連的互連網(wǎng)絡(luò)。5 .什么是機器學習？機器學習研究的

3、目標是什么？研究機器學習的意義何在？答：機器學習是研究如何使用計算機來模擬人類學習活動的一門學科。更嚴格地說，就是研究計算機獲取新知識和新技能、識別現(xiàn)有知識、不斷改善性能、實現(xiàn)自我完善的方法。機器學習研究的目標有三個：人類學習過程的認知模型；通用學習算法；構(gòu)造面向任務(wù)的專用學習系統(tǒng)的方法。（a）人類學習過程的認知模型。這一方向是對人類學習機理的研究。這種研究不僅對人類的教育，而且對開發(fā)機器學習系統(tǒng)都有重要的意義。（b）通用學習算法。這個方向是對人類學習過程的研究，探索各種可能的學習方法，建立起獨立于具體應(yīng)用領(lǐng)域的通用學習算法。（c）構(gòu)造面向任務(wù)的專用學習系統(tǒng)（工程目標）。這一方向是要解決專門的

4、實際問題，并開發(fā)完成這些專門任務(wù)的學習系統(tǒng)。機器學習是人工智能中最具智能特征、最前沿的研究領(lǐng)域之一。機器學習的研究取得重大進展往往意味著人工智能，甚至整個計算機科學向前邁進了堅實的一步。機器學習速度快、都會使計算機便于知識積累、學習結(jié)果易于傳播，因此人類在機器學習領(lǐng)域的每一點進步,的能力顯著增強，從而對人類社會產(chǎn)生影響，尤其對今天信息化社會來說，這種影響將是十分深遠的。6 .什么是決策樹？決策學習是如何利用決策樹進行學習的？決策樹是一種由節(jié)點和邊構(gòu)成的用來描述分類過程的層次數(shù)據(jù)結(jié)構(gòu)，用于監(jiān)督學習的層次模型。該樹的根節(jié)點表示分類的開始，葉節(jié)點表示一個實例的結(jié)束，中間節(jié)點表示相應(yīng)實例中的某一屬性，

5、而邊則代表某一屬性可能的屬性值。在決策樹中，從根節(jié)點到葉節(jié)點的每一條路徑代表一個具體的實例，并且同一路徑上的所有屬性之間為合取關(guān)系，不同路徑之間為析取關(guān)系。7 .什么是遺傳算法？簡述其基本思想和基本結(jié)構(gòu)。說明個體選擇的常用策略以及遺傳操作”交叉“和“變異”所起的作用.答：簡單遺傳算法SGA的基本原理是，首先把問題的解表示成“染色體”，也即是以二進制編碼的串。在執(zhí)行遺傳算法之前，給出一群“染色體”（串），也即是假設(shè)解。然后,把這些假設(shè)解置于問題的“環(huán)境”中，并按適者生存的原則，從中選擇出較適應(yīng)環(huán)境的“染色體”進行復制，再通過交換、突變等遺傳操作過程，產(chǎn)生更適應(yīng)環(huán)境的新一代“染色體”群。這樣，一代

6、一代地進化，最后就會收斂到最適應(yīng)環(huán)境的一個“染色體”上，它就是問題的最優(yōu)解。其基本過程可表示如下：begina.選擇適當表示模式，生成初始群體；b.通過計算群體中各個體的適應(yīng)度對群體進行評價；c.While未達到要求的目標dobegina.選擇作為下一代群體的各個體；b.執(zhí)行交換操作；c.執(zhí)行突變操作；d.對群體進行評價；endend個體選擇的常用策略是按比例選擇，即若個體i的適應(yīng)度（目標函數(shù)值）是fi,則個體i在下一代群體中復制（再生）的子代個數(shù)在群體中的比例將為fi/Efio其中，fi是指所有個體適應(yīng)度之和。交叉操作的作用是在所選中的用于繁殖下一代的個體中,對兩個不同的個體（串對）的相同位

7、置的基因進行交換，從而產(chǎn)生新的個體。變異操作的作用是對選中的個體中的某些基因執(zhí)行異向轉(zhuǎn)化,引進新的遺傳物質(zhì)或恢復已失去的遺傳物質(zhì)。8.試述機器學習系統(tǒng)的基本結(jié)構(gòu)，并說明各部分的作用環(huán)境：外部信息的來源，它將為系統(tǒng)的學習提供有關(guān)信息知識庫：代表系統(tǒng)已經(jīng)具有的知識學習環(huán)節(jié)：系統(tǒng)的學習機構(gòu)，它通過對環(huán)境的感知取得外部信息，然后經(jīng)分析、綜合、類比、歸納等思維過程獲得知識，生成新的知識或改進知識庫的組織結(jié)構(gòu)。執(zhí)行環(huán)節(jié)：基于學習后得到的新的知識庫，執(zhí)行一系列任務(wù)，并將運行結(jié)果報告學習環(huán)節(jié)，以完成對新知識庫的評價，知道進一步的學習工作，是該模型的核心。答：機器學習系統(tǒng)的基本結(jié)構(gòu)如下圖6.8所示。其中，“環(huán)境

8、”和“知識庫”是以某種知識表示形式表達的信息的集合，分別代表外界信息來源和系統(tǒng)所具有的知識；學習環(huán)節(jié)和執(zhí)行環(huán)節(jié)代表兩個過程?！碍h(huán)境”向系統(tǒng)的“學習環(huán)節(jié)”提供某些信息，而“學習環(huán)節(jié)”則利用這些信息對系統(tǒng)的“知識庫”進行改進，以增進系統(tǒng)“執(zhí)行環(huán)節(jié)”完成任務(wù)的效能，“執(zhí)行環(huán)節(jié)”根據(jù)知識庫中的知識來完成某種任務(wù)，同時把獲得的信息反饋給“學習環(huán)節(jié)”。圖6.89.什么是專家系統(tǒng)？它有哪些基本特點？專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家知識和解決問題的方法處理該領(lǐng)域問題。具體說，專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算

9、機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以解決那些需要人類專家處理的復雜問題。簡言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。特點：啟發(fā)性：專家系統(tǒng)能運用專家的知識與經(jīng)驗進行推理、判斷和決策。透明性：專家系統(tǒng)能夠解釋本身推理過程和回答用戶提出的問題，以便讓用戶了解推理過程，提高對專家系統(tǒng)的依賴感。例如，一個醫(yī)療診斷專家系統(tǒng)診斷某病人患有肺炎，而且必須用某種抗生素治療，那么，這一專家系統(tǒng)將會向病人解釋為什么他患有肺炎，而且必須用某種抗生素治療，就像一位醫(yī)療專家對病人詳細解釋病情和治療方案一樣。靈活性：專家系統(tǒng)能不斷地增長知識，修改

10、原有知識，不斷更新。由于這一特點，使得專家系統(tǒng)具有十分廣泛的應(yīng)用領(lǐng)域。存在以下優(yōu)點：1 .高效、準確、周到、迅速、不知疲倦工作；2 .解決實際問題時不受周圍環(huán)境的影響、不可能遺漏遺忘；缺的專家知識與經(jīng)驗；煉，廣泛傳播專家知擁有更淵博、更豐富的3 .使專家的專長不受時間、空間限制，以便推廣珍貴和稀4 .促進各領(lǐng)域發(fā)展，使領(lǐng)域?qū)＜抑R和經(jīng)驗得到總結(jié)和精識、經(jīng)驗和能力；5 .匯總、集成多領(lǐng)域?qū)＜抑R、經(jīng)驗，協(xié)作解決重大問題，知識及經(jīng)驗和更強的工作能力；6 .軍事專家系統(tǒng)的水平是一個國家國防現(xiàn)代化和國防能力的重要標志之一;7 .專家系統(tǒng)的研制和應(yīng)用，具有巨大經(jīng)濟效益和社會效益；8 .促進科技發(fā)展、對人

11、工智能的各個領(lǐng)域的發(fā)展起促進作用，將對科技、經(jīng)濟、國防、教育、社會和人民生活產(chǎn)生極其深遠的影響。10.一般專家系統(tǒng)由哪些基本部分構(gòu)成如一部分的主要功能是什么？專家系統(tǒng)的體系結(jié)構(gòu)指專家系統(tǒng)各組成部分的構(gòu)造方法和組織形式。一個最基本的專家系統(tǒng)應(yīng)包括知識庫、數(shù)據(jù)庫、推理機構(gòu)、解釋機構(gòu)、知識獲取機構(gòu)和用戶界面六個部分。領(lǐng)域?qū)３擞脩糁壒こ唐簲?shù)據(jù)厚圖9.1專家條線的基友結(jié)構(gòu)知識庫：知識庫是專家系統(tǒng)的知識存儲器，用來存放求解領(lǐng)域問題所需的專家知識。知識庫中的知識分為兩種類型：一類是事實性知識，即廣泛公認的知識和常識；另一類是啟發(fā)性知識，它是領(lǐng)域?qū)＜以陂L期工作實踐中積累起來的經(jīng)驗總結(jié)。專家系統(tǒng)開發(fā)中一個重要

12、任務(wù)是要認真細致地對專家的這類經(jīng)驗知識進行分析。知識本來是存儲在專家頭腦中的，讓專家把自己的直覺、訣竅、經(jīng)驗表示為適合計算機表示和推理的形式是一個極大難題。因此在建立知識庫的過程中，知識工程師需要與領(lǐng)域?qū)＜液芎玫睾献?，認真提取領(lǐng)域?qū)＜业闹R，進而根據(jù)計算機對這些知識的表示和使用要求，將這些知識轉(zhuǎn)化成知識庫的組成部分。數(shù)據(jù)庫：數(shù)據(jù)庫又被稱為全局數(shù)據(jù)庫或綜合數(shù)據(jù)庫，它相當于專家系統(tǒng)的工作存儲器，用來存儲與領(lǐng)域問題有關(guān)的事實、數(shù)據(jù)、初始證據(jù)、推理過程中得到的各種中間結(jié)論、求解目標等。例如，醫(yī)療專家系統(tǒng)中，數(shù)據(jù)庫存放的是當前患者的情況，如姓名、年齡、癥狀等，以及推理過程中得到的一些中間結(jié)果、病情等；氣

13、象專家系統(tǒng)中，數(shù)據(jù)庫存放的是當前氣象要素，如云量、溫度、氣壓，以及推理得到的中間結(jié)果等。數(shù)據(jù)庫的規(guī)模和結(jié)構(gòu)可根據(jù)系統(tǒng)目的來確定，而且隨著問題的不同，數(shù)據(jù)庫的內(nèi)容可以是動態(tài)變化的。推理機：推理機是一組用來控制、協(xié)調(diào)整個專家系統(tǒng)的程序。它根據(jù)數(shù)據(jù)庫中存儲的當前數(shù)據(jù)，利用知識庫中的知識，按一定的推理策略，求解當前的問題，即解釋外部輸入的事實和數(shù)據(jù)，推導出相應(yīng)結(jié)果。由于專家系統(tǒng)是模擬人類專家進行工作，因此設(shè)計推理機時，應(yīng)使它的推理過程和專家的推理過程盡量相似，最好完全一致。對大中型專家系統(tǒng)，由于其知識庫中的知識數(shù)量很多，因此其推理機構(gòu)由知識庫管理系統(tǒng)和推理機兩個主要部分組成。其中，知識庫管理系統(tǒng)實現(xiàn)對

14、知識庫中知識的合理組織和有效管理；推理機主要用于生成并控制推理過程和使用知識庫中的知識。解釋機構(gòu)：解釋機構(gòu)實際上也是一組程序，它包括系統(tǒng)提示、人機對話、能書寫規(guī)則的語言以及解釋程序。解釋機構(gòu)的主要功能是解釋系統(tǒng)本身的推理結(jié)果，回答用戶的提問，使用戶能夠了解推理的過程及所運用的知識和數(shù)據(jù)。因此，在設(shè)計解釋機構(gòu)時，應(yīng)預先考慮好在系統(tǒng)運行過程中需要回答的問題和答案。知識獲取機構(gòu)：知識獲取是專家系統(tǒng)的一種輔助功能，用于增加和修改知識庫中的知識。基本任務(wù)是把知識加入到知識庫中，并維持知識的一致性及完整性，建立起性能良好的知識庫。不同專家系統(tǒng)，知識獲取方法差別較大。有的系統(tǒng)首先由知識工程師向領(lǐng)域?qū)＜耀@取知

15、識，然后再通過相應(yīng)的知識編輯軟件把知識輸入到知識庫中；有的系統(tǒng)自身就具有部分學習功能，由系統(tǒng)直接與領(lǐng)域?qū)＜覍υ挮@取知識；有的系統(tǒng)具有較強的學習功能，可在系統(tǒng)運行過程中通過歸納、總結(jié)，得出新的知識。無論采取哪種方式，知識獲取都是目前專家系統(tǒng)研制中的一個重要問題。用戶界面：用戶界面是專家系統(tǒng)的另一個關(guān)鍵組成部分，它作為專家系統(tǒng)于外界的接口，實現(xiàn)系統(tǒng)于外界之間的信息交換。通常，專家系統(tǒng)的使用者包括最終用戶、領(lǐng)域?qū)＜?、知識工程師。其中，最終用戶和領(lǐng)域?qū)＜乙话愣疾皇怯嬎銠C專業(yè)人員，用戶界面必須滿足他們的需求，盡可能地使用接近自然語言的輸入、輸出形式，并能理解和處理聲音、圖像等多媒體信息。11.新一代專家

16、系統(tǒng)應(yīng)具備哪些特征？分布式專家系統(tǒng)與協(xié)同式專家系統(tǒng)有何區(qū)別與聯(lián)系？答：一般來說，新一代專家系統(tǒng)應(yīng)具有以下特征：(1)并行分布式處理(2)多專家系統(tǒng)協(xié)同工作(3)高級系統(tǒng)設(shè)計語言和知識表述語言(4)具有自學習功能(5)引入新的推理機制(6)具有糾錯和自完善能力(7)先進的智能人一機接口協(xié)同式專家系統(tǒng)和分布式專家系統(tǒng)具有相同之處，也有不同之處。它們都會涉及到多個分專家系統(tǒng)或子專家系統(tǒng)，但分布式專家系統(tǒng)的著眼點是處理的分布和知識的分布，它要求系統(tǒng)必須在多個處理機上運行；而協(xié)同式專家系統(tǒng)則強調(diào)的是分系統(tǒng)之間的協(xié)同合作，各分專家系統(tǒng)也可以在同一個處理機上運行。12.BP算法的網(wǎng)絡(luò)結(jié)構(gòu)是什么？簡述BP算法

17、的學習過程答：B-P算法的網(wǎng)絡(luò)結(jié)構(gòu)是一個前向多層網(wǎng)絡(luò)。網(wǎng)絡(luò)中不僅含有輸入節(jié)點和輸出節(jié)點,而且含有一層或多層隱(層)節(jié)點，網(wǎng)絡(luò)中各處理單元間的連接如圖6.16所示。當有信息向網(wǎng)絡(luò)輸入時，信息首先由輸入層傳遞到隱層節(jié)點，經(jīng)特性函數(shù)(人工神經(jīng)元)作用后，再傳至下一隱層。這樣一層一層傳遞下去，直到最終傳至輸出節(jié)點層進行輸出。其間各層的激發(fā)函數(shù)要求是可微的，一般是選用S型函數(shù)。B-P算法的學習過程如下：(a)選擇一組訓練樣例，每一個樣例由輸入信息和期望的輸出結(jié)果兩部分組成。(b)從訓練樣例集中取一樣例，把輸入信息輸入到網(wǎng)絡(luò)中。(c)分別計算經(jīng)神經(jīng)元處理后的各層節(jié)點的輸出。(d)計算網(wǎng)絡(luò)的實際輸出和期望輸

18、出的誤差。(e)從輸出層反向計算到第一個隱層，并按照某種能使誤差向減小方向發(fā)展的原則，調(diào)整網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值。(f)對訓練樣例集中的每一個樣例重復(c)(e)的步驟，直到對整個訓練樣例集的誤差達到要求時為止。13.在什么情況下需要采用不確定推理或非單調(diào)推理？答：一般推理方法在許多情況下，往往無法解決面臨的現(xiàn)實問題，因而需要應(yīng)用不確定性推理等高級知識推理方法，包括非單調(diào)推理、時序推理和不確定性推理等。例如，當一個人打開電燈的開關(guān)而發(fā)現(xiàn)燈泡未亮時，就會根據(jù)以往的經(jīng)驗而覺得“停電了”C但當他打開另外一只燈的開關(guān)發(fā)現(xiàn)燈亮時，就否定了先前“停電了”的結(jié)論，想到也許是開關(guān)或者燈具出問題了。這個改變原

19、先推導結(jié)論的過程其實就是一個非單調(diào)推理。即，隨著信息與知識的增加，并沒有在肯定原來的結(jié)論基礎(chǔ)上，增加了更多并立的知識與結(jié)論，而是否定了原先結(jié)論并有了新的看法。以下情況需要采用不確定推理：所需知識不完備，不精確所需知識描述模糊，多種原因?qū)е峦唤Y(jié)論，問題的背景知識不足，解題方案不唯一。不確定性推理，是指其推理過程中，由于各種偶然性誤差、干擾以及證據(jù)的不確定性等因素，導致所獲得的結(jié)果或結(jié)論本身具有未置可否的不確定性。一般來說，出現(xiàn)不精確推理的原因和特征可能有：證據(jù)不足或稱為證據(jù)的不確定性；規(guī)則的不確定性；研究方法的不確定性。由于以上“三性”的存在，決定了推理的最后結(jié)果具有不確定但卻近乎合理的特性，

20、人們把這種性質(zhì)的推理及其理論和方法總稱為不確定推理14.什么是產(chǎn)生式知識表示？給出這種表示方法的優(yōu)缺點。答：早期產(chǎn)生式知識表示是一種計算形式體系里所使用的術(shù)語，主要是使用類似文法的規(guī)則，對符號串做替換運算。一般用三元組(對象，屬性，值)或(關(guān)系，對象1,對象2)產(chǎn)生式的基本形式：P-Q或者IFPTHENQ,P是產(chǎn)生式的前提，也稱為前件，它給出了該產(chǎn)生式可否使用的先決條件，由事實的邏輯組合來構(gòu)成；Q是一組結(jié)論或操作，也稱為產(chǎn)生式的后件，它指出當前題P滿足時，應(yīng)該推出的結(jié)論或應(yīng)該執(zhí)行的動作。產(chǎn)生式的含義：如果前提P滿足，則可推出結(jié)論Q或執(zhí)行Q所規(guī)定的操作優(yōu)點：(1)自然性：方便地表示專家的啟發(fā)性知

21、識與經(jīng)驗。(2)模塊性：規(guī)則與規(guī)則之間相互獨立。(3)有效性(4)清晰性：產(chǎn)生式表示格式固定，形式簡單，規(guī)則(知識單位)間相互較為獨立，沒有直接關(guān)系，是知識庫的建立較為容易，建立較為簡單。(5)靈活性：知識庫易于增加、修改、刪除。缺點：(1)效率不高(2)不能表達結(jié)構(gòu)性知識(3)知識庫維護難，理解難。15 .簡述自然語言理解的層次劃分及對應(yīng)的技術(shù)。答：語音分析：根據(jù)音位規(guī)則，從語音流中區(qū)分出獨立的音素，根據(jù)音位形態(tài)規(guī)則找出音節(jié)及其對應(yīng)的詞素或詞。對應(yīng)技術(shù)：模式匹配詞法分析：找出詞匯的各個詞素(詞根)，從中獲得語言學信息對應(yīng)技術(shù)：詞典結(jié)構(gòu)句法分析：對句子和短語的結(jié)構(gòu)進行分析，找出詞、短語等的相互

22、關(guān)系以及各自在句子中的作用等。在語言自動處理的研究中，句法分析的研究是最為集中的，這與喬姆斯基的貢獻是分不開的，主要方法有：短語結(jié)構(gòu)語法、格語法、擴充轉(zhuǎn)移網(wǎng)絡(luò)、功能語法等。語法分析：將單詞之間的線性次序變換成一個顯示單詞如何與其它單詞相關(guān)聯(lián)的結(jié)構(gòu)。確定語句是否合乎語法。對應(yīng)技術(shù)：擴展轉(zhuǎn)移網(wǎng)絡(luò)，CF規(guī)則語義分析：通過分析找出詞義，結(jié)構(gòu)意義及其結(jié)合意義，從而確定語言所表達的真正(實際)含義或概念。在語言自動理解中，語義越來越成為一個重要的研究內(nèi)容，尤其是對話系統(tǒng)。對應(yīng)技術(shù)：產(chǎn)生式規(guī)則、概念相依理論、腳本、框架、語義網(wǎng)絡(luò)、邏輯語用分析：研究語言所在的外界環(huán)境對語言使用所產(chǎn)生的影響。描述語言的環(huán)境知識

23、、語言與語言使用者在某個給定語言環(huán)境中的關(guān)系。為確定真正含義，對表達的結(jié)構(gòu)重新加以解釋。對應(yīng)技術(shù)：產(chǎn)生式規(guī)則、概念相依理論、腳本、框架、語義網(wǎng)絡(luò)、邏輯16 .搜索方法的啟發(fā)能力有哪幾種基本的度量方法？滲透度是對一個搜索算法的搜索性能的度量，表示搜索集中指向某個目標的程度，而不是在無關(guān)的方向上徘徊。定義為：P=L/T其中，L是算法發(fā)現(xiàn)的解路徑的長度，T是算法在尋找這條解路徑期間所產(chǎn)生的節(jié)點(不包括初始節(jié)點，包括目標節(jié)點)有效分枝系數(shù)就是一棵搜索樹的平均分枝數(shù).設(shè)搜索樹的深度是L,算法所產(chǎn)生的總節(jié)點數(shù)為T,有效分枝系數(shù)是B,則有B+B2十+BL=T或B(BL-1)/(B-1)=T17 .簡述狀態(tài)空

24、間法三要點？二要點：(1)狀態(tài)(state):表示問題解法中每一步問題狀況的數(shù)據(jù)結(jié)構(gòu)；(2)算符(operator):把問題從一種狀態(tài)變換為另一種狀態(tài)的手段；(3)狀態(tài)空間方法：基于解答空間的問題表示和求解方法，它是以狀態(tài)和算符為基礎(chǔ)來表示和求解問題的。備注：用狀態(tài)空間表示問題的步驟：(1)定義狀態(tài)的描述形式；(2)用所定義的狀態(tài)描述形式把問題的所有可能的狀態(tài)都表示出來，并確定出問題的初始狀態(tài)集合描述和目標狀態(tài)集合描述；(3)定義一組算符，使得利用這組算符可把問題由一種狀態(tài)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)。問題的求解過程是一個不斷把算符作用于狀態(tài)的過程。(1)首先將適用的算符作用于初始狀態(tài)，以產(chǎn)生新的狀態(tài)；(

25、2)然后再把一些適用的算符作用于新的狀態(tài)；(3)這樣繼續(xù)下去，直到產(chǎn)生的狀態(tài)為目標狀態(tài)為止。這時，就得到了問題的一個解。這個解是從初始狀態(tài)到目標狀態(tài)所用算符構(gòu)成的序列。18 .同傳統(tǒng)的計算機程序相比，人工智能程序有哪些特點？答：(1)人工智能首先研究的是以符號表示的知識，而不是數(shù)值數(shù)據(jù)為研究對象(2)人工智能采用的是啟發(fā)式推理方法，而不是常規(guī)算法(3)人工智能的控制結(jié)構(gòu)與知識領(lǐng)域是分離的，并允許出現(xiàn)不正確的解答19 .什么是問題歸約？問題歸約的操作算子與一般圖搜索有何不同？答：問題規(guī)約是在問題求解過程中，將一個大的問題變成若干個子問題，子問題又可以分解成更小的子問題，這樣一直分解到可以直接求解

26、為止，全部子問題的解就是原問題的解；并稱原問題為初始問題，可直接求解的問題為本原問題。問題規(guī)約的操作算子是一組變換規(guī)則，通過一個操作算子把一個問題化成若干個子問題。而一般圖搜索的操作算子是引起狀態(tài)中的某分量發(fā)生改變，從而使問題由一個具體狀態(tài)A變化為另一個具體狀態(tài)B的作用。使問題一種狀態(tài)變化為另一種狀態(tài)的手段稱為操作符或算符，操作符可為走步、過程、規(guī)則、數(shù)學算子、運算符號或邏輯符號等。20 .在選擇知識表示的方法時，應(yīng)該考慮哪些因素？答：表示能力：能夠?qū)栴}求解所需的知識正確有效地表達出來；可理解性：所表達的知識簡單、明了、易于理解；可訪問性：能夠有效地利用所表達的知識；可擴充性：能夠方便靈活地

27、對知識進行擴充。表示范圍是否廣泛、是否適于推理、是否適于計算機處理、是否有高效的算法、能否表示不精確知識、能否模塊化、知識和元知識能否用統(tǒng)一的形式表示、是否加入啟發(fā)信息、過程性表示還是說明性表示、表示方法是否自然?？傊?，人工智能問題的求解是以知識表示為基礎(chǔ)的，如何將已獲取的有關(guān)知識以計算機內(nèi)部代碼形式加以合理地描述、存儲、有效利用便是知識表示所應(yīng)解決的問題。21 .什么是蟻群算法？簡述其基本思想和基本結(jié)構(gòu)根據(jù)螞蟻覓食過程的啟示，蟻群優(yōu)化算法是采用人工螞蟻行走路線選擇問題最優(yōu)解的一種算法。(1)每只人工螞蟻獨立地在問題解空間中搜索(行走)，當遇到解的分支路徑時，隨機地選擇某條路徑行走，其中信息素

28、濃度更高的路徑具有更大的選擇概率。路徑越短，信息素濃度越高。(2)隨著時間的推移，路徑短的信息素濃度越來越高，引導更多的螞蟻通過最優(yōu)的求解路徑，釋放出更多的信息素，而其他路徑上的信息素在揮發(fā)特性的作用下逐漸消失，從而形成正反饋效應(yīng)。(3)最終整個蟻群在正反饋作用下，集中到代表最優(yōu)解的路徑上，表明找到了最優(yōu)解。假設(shè)m只螞蟻在城市間移動，協(xié)作異步地得到問題的解。每只螞蟻的一步轉(zhuǎn)移概率由城市之間連邊的兩類參數(shù)決定：一是信息素值，二是可見度，即先驗值。信息素的更新有兩種：一是揮發(fā)，也就是所有路徑上的信息素以一定的比率減少，模擬自然蟻群的信息素隨時間揮發(fā)的過程；二是增強，給評價值“好”的邊增強信息素。螞

29、蟻向下一城市的移動是通過一個隨機原則來實現(xiàn)的，也就是運用當前存儲的信息，計算出到下一個城市的概率，并按此概率實現(xiàn)上一步的移動，如此反復，越來越接近最優(yōu)解。(輪盤賭選擇算法)螞蟻在尋找過程中，或找到一個解后，會評估該解或解的一部分的優(yōu)化程度，并把評價信息保存在相關(guān)連接的信息素中。22.什么是過程性知識表示？給出它的優(yōu)缺點答：過程性知識是將有關(guān)某一問題領(lǐng)域的知識，示為一個求解問題的過程。其包含兩個含義：(連同如何使用這些知識的方法，均隱式地表1)把解決一個問題的過程描述出來?？梢苑Q它為解題知識的過程表示。(2)把客觀事物的發(fā)展過程用某種方式表示出來。優(yōu)點：控制系統(tǒng)就比較容易設(shè)計，過程表示用程序來描

30、述問題，具有很高的問題求解效率。缺點：復雜、不直觀、容易出錯、不便于修改。由于知識隱含在程序中，難于添加新的知識和擴充功能，所以適用范圍較窄。23. 了解ID3算法樹以代表訓練樣本的單個節(jié)點開始。如果樣本都在同一個類，則該節(jié)點成為葉節(jié)點，用該類標記。否則，算法使用信息增益作為啟發(fā)信息，選擇能夠最好的將樣本分類的屬性。該屬性成為該節(jié)點的判定屬性。(所有屬性均為離散值，對于連續(xù)屬性需先進行離散化)。對測試屬性的的每個已知值，創(chuàng)建一個分支。算法使用同樣的過程，遞歸形成每個劃分上的樣本判定樹。一旦一個屬性出現(xiàn)在一個結(jié)點上，就不會出現(xiàn)在該節(jié)點的任何后代上。遞歸劃分步驟僅當下列條件之一成立時停止：(1)給

31、定結(jié)點所有樣本屬于同一類，無需劃分；(2)當前屬性集為空，沒有剩余屬性可以用來進一步劃分(3)當前結(jié)點包含的樣本集合為空，不能劃分屬性選擇度量：在樹的每個結(jié)點上使用信息增益度量選擇測試屬性。選擇具有最高信息增益的屬性作為當前結(jié)點的測試屬性。該屬性使得對結(jié)果劃分中的樣本分類所需要的信息量最小(直觀理解即是生成判定樹局部較低)，并反映劃分的最小隨機性。這種信息理論方法使得對一個對象分類所需要的期望測試數(shù)目達到最小，并保證找到一顆簡單的樹。*1.設(shè)已知如下事實：(1)如果是需要編程序的課，王程就喜歡。(2)所有的程序設(shè)計語言課都是需要編程序的課。(3)C是一門程序設(shè)計語言課。用自然演繹推理求證：王程

32、喜歡C這門課。證明：首先定義謂詞：Prog(x)x是需要編程序的課。Like(x,y)x喜歡y。Lang(x)x是一門程序設(shè)計語言課。把上述已知事實和待求解問題用謂詞公式表示如下：(x)(Prog(x)一Like(Wang,x)(x)(Lang(x)一Prog(x)Lang(C)應(yīng)用推理規(guī)則進行推理：Lang(y)一Prog(y)全稱固化Lang(C),Lang(y)一Prog(y)Prog(C)C/y假言推理Prog(C),Prog(x)一Like(Wang,x)oke(Wang,C)C/x假言推理因此，王程喜歡C這門課。2 .有監(jiān)督學習與無監(jiān)督學習的區(qū)別是什么？在監(jiān)督學習中，假定我們知道每

33、一輸入對應(yīng)的期望輸入，并利用學習系統(tǒng)的誤差，不斷校正系統(tǒng)的行為在無監(jiān)督學習中，我們不知道學習系統(tǒng)的期望輸出3 .開發(fā)專家系統(tǒng)的基本要求是什么？采用原型法開發(fā)專家系統(tǒng)要經(jīng)過哪幾個步驟？基本要求：1) 選擇合適的領(lǐng)域及問題2) 建造專家系統(tǒng)的可行性3) 領(lǐng)域?qū)＜业姆e極參與4) 知識的可表達性步驟：1) 應(yīng)用領(lǐng)域選擇與可行性分析2) 需求分析3) 原型設(shè)計與開發(fā)4) 原型評價5) 最終系統(tǒng)設(shè)計6) 最終系統(tǒng)實現(xiàn)系統(tǒng)測試與評價7) 系統(tǒng)維護在開發(fā)專家系統(tǒng)之前，首先應(yīng)確定所面對的問題是否適合用專家系統(tǒng)來解決，需要從問題領(lǐng)域的合適性和知識獲取的可能性兩個方面來考慮。(1)問題領(lǐng)域的合適性的考慮領(lǐng)域問題是否

34、適合用專家系統(tǒng)來解決。專家系統(tǒng)特別適合于那些迄今為止人類還沒有徹底掌握、不存在成熟算法、主要靠專家經(jīng)驗來解決的領(lǐng)域問題。那些已存在成熟算法的領(lǐng)域問題，可直接用傳統(tǒng)軟件設(shè)計方法來解決，不必采用專家系統(tǒng)。領(lǐng)域問題的難度和規(guī)模是否適中?？蓮闹R庫的規(guī)模來判斷領(lǐng)域問題的難度和規(guī)模。如果處理問題所需知識的數(shù)量適中，則比較適合研制相應(yīng)的專家系統(tǒng)；如果僅有幾十條知識，則過于簡單，沒有實用價值。如果需要數(shù)量巨大的知識才能解決問題，則這種專家系統(tǒng)就有點過于復雜和龐大。問題領(lǐng)域范圍是否太寬。由于受人工智能發(fā)展水平的限制，目前知識獲取、知識表示、知識處理與應(yīng)用等方面還沒有一種有效的通用技術(shù)。因此，一個實用的專家系統(tǒng)

35、處理問題應(yīng)限制在一個相對窄的領(lǐng)域內(nèi)，不能太寬。例如，醫(yī)療領(lǐng)域中開發(fā)一個能醫(yī)治百病的專家系統(tǒng)很困難。(2)知識獲取的可能性專家知識是專家系統(tǒng)解決問題的基礎(chǔ)。因此能否獲取高質(zhì)量的專家知識是開發(fā)專家系統(tǒng)的重要條件之一。具體體現(xiàn)在是否有高水平領(lǐng)域?qū)＜业姆e極參與，以及專家知識是否易于表示。公認的高水平領(lǐng)域?qū)＜业姆e極參與。領(lǐng)域?qū)＜业乃皆礁?，與他合作出來的專家系統(tǒng)的性能就會越好，也更容易被同行專家和用戶所承認。專家知識的可表示性。僅有高水平領(lǐng)域?qū)＜业姆e極參與還不夠，專家必須能夠明確表達和理解他們在解決領(lǐng)域問題時所采用的知識、經(jīng)驗、技能和方法。只有那些專家的知識、經(jīng)驗能用語言表達清楚的領(lǐng)域，才適合開發(fā)專家系

36、統(tǒng)，只有這樣，知識工程師才能通過與領(lǐng)域?qū)＜业慕徽劙褜＜业闹R整理出來，加以形式化后存入知識庫。而那些全憑專家的感覺和直覺工作的領(lǐng)域(如品嘗專業(yè))和完全依賴于專家技能的領(lǐng)域(如外科手術(shù))，不太適合建立專家系統(tǒng)。專家系統(tǒng)的原型化是指對于比較大型或難度較大的專家系統(tǒng)，在開發(fā)一個實用專家系統(tǒng)之前先開發(fā)出一個專家系統(tǒng)原型，然后在對原型開發(fā)取得一定經(jīng)驗的基礎(chǔ)上，逐步實現(xiàn)實用的專家系統(tǒng)。構(gòu)造專家系統(tǒng)原型的主要步驟包括：初步知識獲?。换締栴}求解方法的確定；推理方式的確定；知識表示方法的確定；工具選擇；原型系統(tǒng)開發(fā)；原型系統(tǒng)測試；原型系統(tǒng)演示；項目調(diào)整。4 .實例學習的基本思想是什么？簡述實例學習的兩個空間模

37、型，這兩個空間之間的關(guān)系如彳51?歸納學習可以分為有導師指導的實例學習和無導師指導的觀察與發(fā)現(xiàn)學習。實例學習是典型的歸納學習方法（inductivelearning）,是研究最廣的一種符號學習（symboliclearning）方法，它表示從例子設(shè)想出假設(shè)的過程。一般的歸納推理結(jié)論只是保假的，而不是保真的。觀察與發(fā)現(xiàn)學習是一種無教師指導的歸納學習，它分為觀察學習和發(fā)現(xiàn)學習兩種。實例學習又稱為示例學習或通過事例學習。它通過從環(huán)境中取得若干與某概念有關(guān)的例子，經(jīng)歸納得出一般性概念的一種方法。外部環(huán)境（教師）提供給系統(tǒng)一些特殊的實例，這些實例事先由施教者劃分為正例和反例。實例學習系統(tǒng)由此進行歸納推理

38、得到一般規(guī)則。例如，教給一個程序下棋的方法，可以提供給程序一些具體棋局及相應(yīng)的正確走法和錯誤走法，程序總結(jié)這些具體走法，發(fā)現(xiàn)一般的下棋策略。正例和反例由三種信息源提供：已經(jīng)知道概念的教師，學習者本身，學習者以外的外部環(huán)境。實例學習的兩個空間模型：實例學習系統(tǒng)中有兩個重要概念：實例空間和規(guī)則空間。實例空間就是向系統(tǒng)提供的訓練例子集合。規(guī)則空間是事物所具有的某種規(guī)律，學習系統(tǒng)應(yīng)能從大量的訓練實例中自行總結(jié)出這些規(guī)律。解釋過程的任務(wù)是從搜索到的示例中抽象出所需的信息，并對這些信息進行綜合、歸納，形成一般性的知識。常用的解釋方法：常量化為變量；去掉條件；增加選擇（析取）；曲線擬合。5 .什么是歸納學習

39、？歸納學習一般可分為哪兩種學習形式？應(yīng)用歸納推理進行學習的一類學習方法，按其有無教師指導，可以分為實例學習及觀察與發(fā)現(xiàn)學習。實例學習實例學習又稱為概念獲取，它是通過向?qū)W習者提供某一概念的一組正例和反例，使學習者從這些正反例中歸納推理出概念的一般描述，這個描述應(yīng)能解釋所有給定的正例并排除所有給定的反例。這些正反例是由信息源提供的，信息源可能是已經(jīng)知道概念的教師，也可能是學習者本身，還可能是學習者以外的外部環(huán)境。觀察與發(fā)現(xiàn)學習又稱為描述的一般化。這類學習沒有教師的指導，它要對所有或大多數(shù)觀察到的規(guī)律和規(guī)則給出解釋。這類學習包括概念聚類、構(gòu)造分類、曲線擬合（使方程符合數(shù)據(jù)）、發(fā)現(xiàn)并解釋觀察到的定律并

40、形成理論。6 .什么是與樹？什么是或樹？什么是與/或樹？什么是可解節(jié)點？什么是解樹？在實際問題的求解過程中，有可能需要同時采用分解和變換的方法，將原問題化為一組本原問題，其歸約過程用一個與/或樹來表示。與樹：當把一個復雜問題分解為若干個子問題時，可用一個“與樹”來表示這種分解?；驑洌寒敯岩粋€復雜問題變換為若干個與之等價的新問題時，可用一個“或樹”來表示這種變換。則其求解過程可用一如果一個問題既需要通過分解，又需要通過變換才能得到其本原問題,個“與/或樹”來表示。其根節(jié)點對應(yīng)著待求解的原始問題。在“與/或樹”中，滿足一下三個條件之一的節(jié)點為可解節(jié)點:(1)該節(jié)點是一個終止節(jié)點;(2)該節(jié)點是一個“或”節(jié)點，且其子節(jié)點中至少有一個為可解節(jié)點;(3)該節(jié)點是一個“與”節(jié)點，且其子節(jié)點全部為可解節(jié)點。在“與/或樹”中，滿足一下三個條件之一的節(jié)點為不可解節(jié)點：(1)該節(jié)點是一個端節(jié)點，但卻不是終止節(jié)點；(2)