人工智能课程习题与部分解答

《人工智能》 课程习题与部分解答 第第 1 1 章章绪论绪论 1.1 什么是人工智能? 它的研究目标是什么? 1.2 什么是图灵测试?简述图灵测试的基本过程及其重要特征. 1.3 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？ 1.5 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？ 1.7 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？ 第第 2 2 章章知识表示方法知识表示方法 2.1 什么是知识？分类情况如何？ 2.2 什么是知识表示？不同的知识表示方法各有什么优缺点? 2.4 人工智能对知识表示有什么要求? 2.5 用谓词公式表示下列规则性知识： 自然数都是大于零的整数。 任何人都会死的。 [ [解解] ] 定义谓词如下: N(x): “x 是自然数”,I(x): “x 是整数”, L(x): “x 大于 0”, D(x): “x 会死的”, M(x): “x 是人”, 则上述知识可用谓词分别表示为: (x)[N(x)  L(x) I(x)] (x)[M(x)  D(x)] 2.6 用谓词公式表示下列事实性知识： 小明是计算机系的学生，但他不喜欢编程。 李晓新比他父亲长得高。 2.8 产生式系统由哪几个部分组成? 它们各自的作用是什么? 2.9 可以从哪些角度对产生式系统进行分类? 阐述各类产生式系统的特点。 2.10 简述产生式系统的优缺点。 2.11 简述框架表示的基本构成，并给出框架的一般结构 2.12 框架表示法有什么特点？ 2.13 试构造一个描述你的卧室的框架系统。 2.14 试描述一个具体的大学教师的框架系统。 [ [解解] ] 一个具体大学教师的框架系统为： 框架名： 类属： 姓名：张宇 性别：男 1 年龄：32 职业： 职称：副教授 部门：计算机系 研究方向：计算机软件与理论 工作：参加时间：2000 年 7 月 工龄：当前年份-2000 工资： 2.16 把下列命题用一个语义网络表示出来 (1)树和草都是植物； (2)树和草都是有根有叶的； (3)水草是草，且生长在水中； (4)果树是树，且会结果； (5)苹果树是果树的一种，它结苹果。 [ [解解] ] 植物 AKO HAVEHAVE 树有根有叶 AKO 果树 AKO 苹果树 HAVE 苹果 AKO 草 AKO 水草 Locate at 水 2.17 在基于语义网络的推理系统中，一般有几种推理方法，简述它们的推理过程。 2.18 简述语义网络中常用的语义联系。 2.19 用一个语义网络表示： “我的汽车是棕黄色的” “李华的汽车是绿色的” [ [解解] ] 参考课件。 2.10 用语义网络和框架方法表示下列知识： John gives a book to Mary [ [解解] ] 参考课件。 2 第第 3 3 章章搜索推理技术搜索推理技术 3.1 在人工智能中，搜索问题一般包括哪两个重要问题? 3.2 简述搜索策略的评价标准。 3.3 比较盲目搜索中各种方法的优缺点。 试用宽度优先搜索策略，画出搜索树、找出最优搜索路线。 [ [解解] ] （1）搜索树参考课件。 （2）最优搜索路线：S0→S1→S5→S10. 3.5 对于八数码问题，设初始状态和目标状态如图3.2 所示： S1= 2 1 7 8 6 3 4 5 Sg= 1 8 7 2 6 3 4 5 图图 3.23.2 八数码问题八数码问题 试给出深度优先（深度限制为5）和宽度优先状态图。 [ [解解] ] (1) 深度优先（深度限制为5）状态图为 (2)宽度优先状态图为 3 3.6 什么是启发式搜索? 其中什么是评估函数? 其主要作用是什么? 3.7 最好优先的基本思想是什么? 有什么优缺点? 3.8 对于八数码问题，设初始状态和目标状态如图3.2 所示。设 d (x)表示节点 x 在搜索 树中的深度，评估函数为 f (x)=d (x)+w(x)，其中 w(x)为启发式函数。试按下列要求给出八数 码问题的搜索图，并说明满是一种A*算法，找出对应的最优搜索路径。 （1）w (x)=h(x)表示节点 x 中不在目标状态中相应位置的数码个数； （2）w (x)=p(x)表示节点 x 的每一数码与其目标位置之间的距离总和。 （3）w (x)=0，情况又如何？ [ [解解] ] (1) 8 数码的搜索过程如图所示： 4 在上面确定 h(x)时，尽管并不知道 h*(x)具体为多少，但当采用单位代价时，通过对不 在目标状态中相应位置的数码个数的估计，可以得出至少需要移动h(x)步才能够到达目标， 显然 h(x)≤h*(x)。因此它满足 A*算法的要求。 最优搜索路径: 如图粗线所示。 (2) 此时 8 数码搜索图可表示为： 这时，显然有h(x)≤p(x)≤h*(n)，相应的搜索过程也是A*算法。然而，p(x)比 h(n)有更强 的启发式信息，由w(x)=p(x)构造的启发式搜索树，比w(x)=h(x)构造的启发式搜索树节点数 要少。 （3）若 w(x)=0，该问题就变为宽度优先搜索问题。 3.9 如图 3.3 所示，是5 个城市之间的交通路线图，A 城市是出发地，E 城市是目的地， 两城市之间的交通费用（代价）如图中的数字，求从A 到 E 的最小费用交通路线。 5 4 A 3 4 B 5 23 D CE 图图 3.33.3旅行交通图旅行交通图 本题是考察代价树搜索的基本概念，了解这种搜索方法与深度优先和宽度优先的不同。 首先将旅行交通图转换为代价树如图3.4 所示。 图图 3.43.4交通图的代价树交通图的代价树 (1) 如果一个节点已经成为某各节点的前驱节点，则它就不能再作为该节点的后继节 点。例如节点 B 相邻的节点有 A 和 D，但由于在代价树中，A 已经作为 B 的前驱节点出现， 则它就不再作为 B 的后继节点。 (2) 除了初始节点 A 外， 其它节点都有可能在代价树中多次出现， 为了区分它们的多次 出现，分别用下标 1、2、3…标出，但它们都是图中同一节点。例如C1 和 C2 都代表图中 节点 C。 对上面所示的代价树做宽度优先搜索，可得到最优解为： A→C1→D1→E2 代价为 8。由此可见，从 A 城市到 E 城市的最小费用路线为： A→C→D→E 如果采用代价树的深度优先搜索，也会得到同样的结果： A→C→D→E 但注意：这只是一种巧合，一般情况下，这两种方法得到的结果不一定相同。再者，代 价树的深度优先搜索可能进入无穷分支路径，因此也是不完备的。 3.10 对于图 3.4 所示的状态空间图，假设 U 是目标状态，试给出宽度优先搜索与深度 优搜索的 OPEN 表和 CLOSED 表的变化情况。 6 图图 3.53.5状态空间图状态空间图 [ [解解] ] 宽度优先搜索的 OPEN 表和 CLOSED 表的变化情况： 1.OPEN=[A];CLOSED=[ ] 2.OPEN=[B,C,D];CLOSED=[A] 3.OPEN=[C,D,E,F];CLOSED=[B,A] 4.OPEN=[D,E,F,G,H];CLOSED=[C,B, A] 5.OPEN=[E,F,G ,H,I,J];CLOSED=[D,C,B,