人工智能初学者入门相关题型

1、八数码问题

思路：

A*搜索算法求解八数码问题

解析：

如果用A搜索算法做，思路如下，最优解同上

八数码问题（变式）

题解：

A*算法求解同题

题解：

2、汉诺塔问题

思路：

3、语义网络

思路：

相关例题1

相关例题2

思路：

变式题

由给出的系统预定义语义联系画出下述知识的语义网络：每位住在金山公寓3号楼的人都是金山公司的程序员。
(∀ x)((Person (x)∧Address (x，金山公寓3号楼))→(Occupation(x，程序员)∧Member(x，金山公司))

语义网络相关知识归纳注意点：

类与子类的关系是AKO，实例与类的关系是ISA

4、与或图

求所有的解图

思路：

画出所有解图

回寝写题解，记得有12种

解图代价

解图代价 ——以C(n)指示节点n到终节点集合解图的代价，并令K-连接的代价就为K, 则
若n是终节点，则C(n) = 0；
若n有一K-连接指向子节点n1，n2，…nk，且这些子节点每个都有到终节点集合的解图,则C(n) = K + C(n1) + C(n2) + … + C(nk)

能解节点

终节点是能解节点；
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时，该非终节点才能解。
若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。

不能解节点

非终节点的叶节点是不能解节点；
若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。
若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。

5、与或图的启发式搜索算法AO*

AO*算法可划分成两个操作阶段：

• 第一阶段是完成自顶向下的图生成操作,先通过有标记的连接符，找到目前为止最好的一个局部解图，然后对其中一个非终结点进行扩展，并对其后继结点赋估计耗散值和加能解标记。
• 第二阶段是完成自下向上的耗散值修正计算、连接符(即指针)的标记以及结点的能解标记。

耗散值的修正从刚被扩展的结点n开始，其修正耗散值q(n)取估计h(n)的所有值中最小的一个，然后根据耗散值递归计算公式逐级向上修正其先辈结点的耗散值，只有下层耗散值修正后，才可能影响上一层结点的耗散值，因此必须自底向上一直修正到初始结点。这由算法中的内循环过程完成。

没有子节点的节点称为端节点。
终止节点一定是端节点，但端节点不一定是终止节点。

用AO*算法求解

思路：

用AO*算法求解（变式题）

题解：

AO*算法与A算法的区别

• AO*算法仅适用于无环图的假设，否则耗散值递归计算不能收敛，因而在算法中还必须检查新生成的结点已在图中时，是否是正被扩展结点的先辈结点。
• A算法有OPEN表和CLOSED表，而AO*算法只用一个与或图结构，它代表到目前为止已显式生成的部分搜索图，图中每一个结点的h(n)值是估计最佳解图，而不是估计解路径。

6、一阶谓词逻辑表示法

用谓词公式表示下列知识：

王林是计算机系的学生，但他不喜欢编程序；人人爱劳动；

解： 首先定义下列谓词：
COMPUTER(x) 表示x是计算机系的学生
LIKE (x,y) 表示x喜欢y
LOVE (x,y) 表示x爱y
MAN (x) 表示x是人
可用谓词公式把上述知识表示为：
COMPUTRER(WangLin)∧~LIKE(WangLin，Programing)；
(∀x)(MAN (x)→LOVE (x，Labour))；

用谓词公式表示下列知识（变式题）：

自然数是大于零的整数。所有整数不是偶数就是奇数。偶数除以2是整数。

解：首先定义下列谓词：
N(x) 表示x是自然数
I(x) 表示x是整数
E(x) 表示x是偶数
O(x) 表示x是奇数
GZ(x) 表示x大于零

可用谓词公式分别表示上述知识为：
(∀x)(N (x)→GZ(x)∧I(x))
(∀x)(I(x)→E(x)∨O(x))
(∀x)(E(x)→I(f(x)))
其中，函数f(x)＝x/2。

机器人移动盒子问题（难）

设在一间房子里，c处有一个机器人，a和b处各有一张桌子，分别称为a桌和b桌，a桌上有一个盒子，如图所示。要求机器人从c处出发，把盒子从a桌移动到b桌，然后再回到c处，请用谓词逻辑来描述机器人的行为过程。

谓词定义如下：
　　TABLE(x): x是桌子
　　EMPTY(y): y手中是空的
　　AT(y,z): y在z处
　　HOLDS(y,w): y拿着w
　　ON(w,x): w在x桌上
其中，x的个体域是{a,b}；
y的个体域是{robot}；
z的个体域是 {a,b,c}；
w的个体域是{box}。

问题的初始状态是： 问题的目标状态是：
AT(robot,c) 　　　　 AT(robot,c)
EMPTY(robot) 　　　EMPTY(robot)
ON(box,a) 　　　　　ON(box,b)
TABLE(a) 　　　　　 TABLE(a)
TABLE(b) 　　　　　 TABLE(b)

机器人需要执行以下三个动作：
　　GOTO(x,y):从x处走到y处
　　PICKUP(x):在x处拿起盒子
　　SETDOWN(x):在x处放下盒子
这三个操作对应的条件和动作如下：
　　GOTO(x,y)
　　 条件：AT(robot,x)
　　 动作：删除：AT(robot,x)
　　 添加：AT(robot,y)
　　PICKUP(x)
　　 条件：ON(box,x)，TABLE(x)，AT(robot,x)，EMPTY(robot)
　　 动作：删除：EMPTY(robot)，ON(box,x)
　　 添加：HOLDS(robot,box)
　　SETDOWN(x)
　　 条件：AT(robot,x)，TABLE(x)，HOLDS(robot,box)
　　 动作：删除：HOLDS(robot,box)
　　 添加：EMPTY(robot)，ON(box,x)

7、主观贝叶斯

D

O(H|E) = LS * O(H)
对于选项D，LN = 1，表示E的不存在对H无影响，即E的存在对H有影响。那么LS < 1表示E不支持H，导致H为真可能性下降，D正确

对于选项A，LS > 1，表示E的存在导致H为真的可能性增加，LN > 1表示E的不存在导致H为真的可能性增加，明显这两个是相互矛盾的，故A错

对于选项B，LS > 1，表示E的存在导致H为真的可能性增加，LN < 1表示E的不存在导致H为真的可能性下降，B正确

对于选项C，LS < 1，表示E的存在导致H为真的可能性下降，LN > 1表示E的不存在导致H为真的可能性增加，C正确

故选B C D

之前有篇博客专门详细写了主观贝叶斯公式及相关例题，可跳转自取人工智能之主观贝叶斯方法及贝叶斯公式附加相关习题

8、可信度方法

解析：

产生式规则表示：
IF E THEN H (CF(H,E))
CF(H,E)：可信度因子，反映前提条件与结论的联系，取值范围[-1,1]；

若由于相应证据的出现增加结论H为真的可能性，则CF(H,E)>0，证据的出现越是支持H为真，就使CF(H,E)的值越大

反之，CF(H,E)<0，证据出现越是支持H为假，CF(H,E)的值就越小

若CF(H,E)=0，表示证据和结论没有关系

故选C

计算CF(H)，画出推理网络

解析：

相关例题1

题解：

相关例题2

题解：

9、神经网络与遗传算法

前馈型BP网络

反馈型Hopfield网络

遗传算法中最常用的三个算子：

（1）选择算子(Selection/Reproduction)
从群体中按某一概率成对选择个体，某个体Xi被选择的概率Pi与其适应度值成正比。
通常的实现方法有赌盘算法(Roulette Wheel Selection)（也称适应度比例选择算法）、适应度排序选择算法（Elitist Selection）和局部竞争选择算法

（2）交叉算子(Crossover) （在GA中其核心作用）
也称杂交，交换，是遗传算法中最重要的算子，他体现了同一群体中不同个体之间的信息交换。
交叉过程随机选择两个个体配成一对，根据预先设定的交叉概率 Pc（通常取值为0.5～0.8），决定是否执行交叉，采用的方法就是首先生成一个（0…1）之间的随机数r，如果r< Pc则执行交叉操作。
根据交叉点数目可以将交叉分为单点交叉、两点交叉和均匀交叉，如图所示

（3）变异算子(Mutation)
变异算子将新个体的基因链中的某一位或某一片段按变异概率pm（通常取0.001～0.1）进行变异，对二值基因链(0,1编码)来说即是取反

知识概念

进化算法是基于自然选择和自然遗传等生物进化机制的一种搜索算法

进化算法的设计原则：
1、稳定性原则
2、可靠性原则
3、适用性原则
4、收敛性原则
5、生物类比原则

三种基本遗传算法SGA（Simple Genetic Algorithms）：
1、选择算子
2、交叉算子
3、变异算子

遗传算法设计：
编码、适应度函数、选择、控制参数、交叉与变异等遗传算子

遗传算法（Genetic Algorithms，GA）

如图

10、模糊推理

解析：

11、自然演绎推理

从一组己知为真的事实出发，直接运用经典逻辑的推理规则推出结论的过程称为自然演绎推理。常用规则：
P规则：在推理的任何步骤上都可引入前提。
T规则：在推理时，如果前面步骤中有一个或多个永真蕴含公式S，则可把S引入推理过程中。

假言推理：

拒取式推理：

自然演绎推理示例

已知如下事实：
① 凡是容易的课程小王(Wang)都喜欢。
② C班的课程都是容易的。
③ Ds是C班的一门课程。
求证：小王喜欢Ds这门课程。

证明：

首先定义谓词：
EASY(x)：x是容易的;
LIKE(x,y)：x喜欢y;
C(x)：x是C班的一门课程。

把上述已知事实及待求证的问题用谓词公式表示出来：
EASY(x)→LIKE(Wang,x) 凡是容易的课程小王都喜欢。
(∀x)(C(x)→EASY(x)) C班的课程都是容易的。
C(Ds) Ds是C班的课程。

LIKE(Wang，Ds) 小王喜欢Ds这门课程，这是待求证的问题
应用推理规则进行推理：
(∀x)(C(x)→EASY(x))
C(y)→EASY(y) 全称固化

即小王喜欢Ds这门课程。

12、似然函数(Plausibility function)

似然函数Pl：2^Ω→［0，1］为 Pl(A)=1-Bel(A) 对所有的A ⊆Ω
其中，~ A=Ω-A。Bel(~ A)表示对~A的信任度，即A为假的信任度，因此，Pl(A)表示对A为非假的信任度。
例:

Pl({红}) =1-Bel(~{红})=1-Bel({黄，白})

=1-(m{黄}+m{白}+m{黄，白})

=1-(0+0.1+0)=0.9

Pl({黄，白})=1-Bel(~{黄，白})

=1-Bel({红})=1-0.3=0.7

由于Bel(A)和Pl(A)分别表示A为真的信任度和A为非假的信任度，因此，可分别称Bel(A)和Pl(A)为对A信任程度的下限和上限，记为：A［Bel(A)，Pl(A)］

信任函数与似然函数的关系

13、概率分配函数的正交和

14、专家系统

知识概念

专家系统定义：专家系统是一种智能的计算机程序，运用知识和推理来解决只有专家才能解决的复杂问题

专家系统的特点：
1、具有专家水平的专业知识
2、具有启发性
3、能进行有效的推理
4、具有灵活性
5、具有透明性
6、具有交互性

专家系统的一般结构：
知识库、推理机、综合数据库、人机接口、知识获取机构、解释机构

机器学习按学习能力分类：
监督学习、强化学习、非监督学习

专家系统的建立（如下图所示）：
1、问题识别阶段
2、概念化阶段
3、形式化阶段
4、实现阶段
5、测试阶段

解析：

是传统程序把关于问题求解的知识隐含于程序中，而专家系统是把知识和推理机分离，使专家系统具有更大的灵活性，故B错
专家系统具有透明性，有解释机构回答“Why”，“How”等，故C错
骨架系统只适用于建造类的专家系统，因其推理机制和控制策略是固定的，所以局限性大，灵活性差，故D错

故选BCD

15、选择题

D C A C

B B D A C B

故选B

故选AC

D

C B D C A C B

16、填空题

参考资料：
浙江工业大学2009/2010人工智能期末卷
中南大学考试卷
人工智能习题

之后我会持续更新，如果喜欢我的文章，请记得一键三连哦，点赞关注收藏，你的每一个赞每一份关注每一次收藏都将是我前进路上的无限动力 ！！！↖(▔▽▔)↗感谢支持！