人工智能期末考试小结.doc

(word完整版)人工智能期末考试小结
当前人工智能有哪些学派？他们对人工智能在理论上有何不同？解：1）符号主义：又称逻辑主义、心理学派或计算机学派，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。 2）连接主义：又称仿生学派或生理学派,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。3）行为主义：又称进化主义或控制论学派 ，其原理为控制论及感知-动作型控制系统.
人工智能有哪些主要的研究领域?解：问题求解、逻辑推理与定理证明、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、模式识别、机器视觉、智能控制、智能检索、智能调度与指挥、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、人工生命、系统与语言工具.
什么是知识表示，它一般的方法有哪些？解：知识表示是研究用计算机表示知识的可行性、有效性的一般方法，是数据结构与系统控制结构的统一。知识表示的研究既要考虑知识的表示与存储，又要考虑知识的使用.知识表示可看成是一组事物描述的约定，是把人类知识表示成机器能处理的数据结构.它一般的方法有：状态空间法、问题规约法、谓词逻辑法、语义网络法、框架法、剧本、过程等。
什么是状态空间法、问题归约法、谓词逻辑法和语义网络法？他们之间又有何关系？解:状态空间法：一种基于解答空间的问题表示和求解方法，他是以状态和操作符为基础的。问题规约法：从目标（要解决的问题)出发，逆向推理，通过一些列变化把初始问题变换为子问题集合和子子问题集合,直至最后规约为一个平凡的本原问题集合.谓词逻辑法:采用谓词合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题,然后采用消解原理和消解反演来证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。语义网络法：一种结构化表示方法,它由节点和弧线或链线组成.联系与区别:状态空间法是问题规约法的一种特例.在问题规约法的与或图中，包含有与节点和或节点,而在状态空间法中只含有或节点。谓词逻辑法通常与其他表示方法混合使用，灵活方便,可以表示比较复杂的问题。语义网络法可用于表示多元关系,扩展后可以表示更复杂的问题。
什么是图搜索过程？其中重新安排OPEN表意味着什么?重排的原则是什么？解: 图搜索过程是:一种在图中寻找路径的方法(把初始节点和目标节点分别看作初始数据库和满足终止条件的数据库，然后求得把一个数据库变换为另一个数据库的规则序列问题等价为求图中的一条路径的问题。）重排OPEN表是按照某个试探值（或准则、启发信息等）重新对未扩展的节点进行排序，它将决定该图的搜索过程是无信息搜索还是启发式搜索。
什么是搜索？两大类不同的搜索方法?两者的区别：解：搜索是从问题表示到解决的求解过程.它类似于传统计算机程序中的查找,但远比查找复杂得多。搜索，通常可分为盲目搜索和启发式搜索.盲目搜索是试验所有的可能性，找出最精确的一个方案。但它在搜索过程中不改变搜索策略，不利用搜索获得的中间信息，它盲目性大，效率差,适用于小型问题，他的种类包括：宽度优先、深度优先和等代价搜索等；启发式搜索在搜索过程中加入了与问题有关的启发性信息，用以指导搜索向着一个比较小的范围内进行,加速获得结果他的种类包括：有序搜索、A*算法和AO＊算法。
在图搜索过程中,扩展结点n，生成n的后继结点集合M，对已经在OPEN或CLOSED表上的每个M成员，确定是否更改通过n的指针方向，举例说明解：若当前结点找到的当前路径更优，则要修改这个结点及其子孙的返回指针，保证这个结点及其子孙的返回路径是已知路径中的最优者。例如在图一中从T到E最短路径是TBDE为6，在图2中生成从A到C的路径长度为1,则要修改以前的最短路径TBDE改为TACE，其长度为5.
如何通过消解反演求解问题的答案？解:其求解过程：把由目标公式的否定产生的每个子句添加到目标公式否定之否定的子句中去；按照反演树，执行和以前相同的消解，直至在根部得到某个子句为止；用根部的子句作为一个回答语句。
何为产生式系统？它一般包括哪几个部分?作用。解：产生式系统是用来描述若干个不同的以一个基本概念为基础的系统。这个基本概念就是产生是规则或产生式条件和操作对的概念。产生式系统由三部分组成:总数据库;产生式规则;控制策略。总数据库：用来存放求解过程中各种当前信息的数据结构。产生式规则：是一个规则库,用来存放与求解问题有关的某个领域知识的规则之集合及其交换规则。控制策略：是一个推理机构，由一组程序组成，用来控制产生式系统的运行，决定问题求解过程的推理线路,实现对问题的求解.
非经典逻辑、非经典推理与经典逻辑、经典推理有何不同？解：（1)在推理方法上,经典逻辑采用演绎逻辑推理,而非经典逻辑采用归纳逻辑推理.（2)在辖域取值上,经典逻辑都是二值逻辑,而非经典逻辑都是多值逻辑。(3）在运算法则上,两者也不大相同。属于经典逻辑的形式逻辑和数理逻辑,它们的许多运算法则在非经典逻辑中就不能成立。（4）在逻辑算符上，非经典逻辑具有更多的逻辑算符.（5)在是否单调上，两者截然不同,经典逻辑是单调的。引用非单调逻辑进行非单调推理是非经典逻辑与经典逻辑的又一重要区别。
解释缺省规则的含义：解：缺省推理指在没有证据能够证明某命题不成立时，就承认该命题成立。其缺省推理的规则表达式为（A(x)：MB1（x),。.。，MBn（x）/C（x））其中,A(x），Bi（x）,C(x)分别叫做缺省规则的先决条件、默认条件及结论(i=1,2,…,n），它们都是自由变元x的合式公式；M称为模态算子,表示“假定……是相容的”，即其否定不可证明。上式的缺省规则表示：如果先决条件A(x)成立，而且假定默认条件Bi（x）（i=1,2,…,n）相容，即没有证据证明Bi(x）不成立，则可推出结论C（x）成立。缺省规则分为三类:规范缺省，半规范缺省，非规范缺省。
什么是不确定推理，为什么要进行不确定推理？解:不确定推理,是相对于确定性推理而提出的.是一种建立在非经典逻辑基础上的基于不确定性知识的推理，它从不确定的初始证据出发，通过运用不确定性的知识，推出具有一定程度的不确定性的合理的或近乎合理的结论。确定性推理有规可循，有据可依，能够且容易形成完备算法，但观察事物时所了解的事实往往具有某种不确定性。在运动规律的作用下确定性往往是暂时的、局部的、相对的,而不确定性才是必然的，动态的,永恒的。所以，进行不确定性推理研究是必然的。
不确定性推理中存在几种不确定性？(不确定性的表示)及不确定性的度量？(1）知识不确定性的表示：准确描述；便于推理(2）证据不确定性的表示：动态强度，如灰白色（3)结论不确定性的表示:不确定性程度。不确定性的度量：充分表达;便于估计；便于传递；直观+理论依据
在主观贝叶斯推理中LS和LN？解:在主观贝叶斯方法中，用下列产生式规则表示知识：IF E THEN （LS,LN) H其中:(LS,LN）表示该知识的静态强度，称LS为上式成立的充分性因子,LN为上式成立的必要性因子，他们分别衡量证据（前提）E对结论H的支持程度和～E对H的支持程度.定义：LS=P(E｜H)/P（E｜~H) -充分性因子。 LN= P(~E|H）/P（～E｜~H）=[1— P(E|H）］/[1—P(E|～H)］ ——必要性因子. LS,LN的取值范围为0到正无穷。
可信度方法推理算法中不确定性的传递算法：解：不确定性的传递算法就是根据证据和规则的可信度求其结论的可信度。若已知规则：IF E THEN H (CF（H，E)) 且证据E的可信度为CF（E)，则结论的可信度为CF（H)为： CF(H)= CF（H,E) ´ max｛0， CF(E）};CF（E)=1,则CF（H)= CF（H,E)(证据为真）； CF（E）>0，则CF（H)= CF（H，E） ´ CF(E)（证据以某种程度为真）； CF(E）〈0，则CF(H）=0 （证据以某种程度为假)；没有考虑证据为假时对结论的影响.
计算智能的含义是什么？它涉及哪些研究分支?计算智能是以生物进化的观点认识和模拟智能。按照这一观点,智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中,适应度高的(头脑）结构被保存下来,智能水平也随之提高。因此说计算智能就是基于结构演化的智能.计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等。计算智能涉及的领域分支有：神经计算、模糊计算、进化计算和人工生命等。他与传统人工智能的区别：计算智能是一种智力方式的低层认知，它与传统人工智能的区别只是认知层次从中层下降至低层而已.中层系统含有知识(精品），低层系统则没有。

试述遗传算法的基本原理，并说明遗传算法的求解步骤？解：遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法,是对生物进化过程进行的一种数学仿真，是进化计算的一种最重要的形式。基本原理：在遗传算法中,通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个个体一个数值评价,淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群.再对这个新种群进行下一轮进化。求解步骤：1)、初始化种群;2）、计算种群上每个个体的适应度值;3）、按由个体适应度值所决定的某个规则选择将进入下一代的个体； 4）、按概率PC进行交叉操作； 5)、按概率PC进行变异操作； 6）、若没有满足某种停止条件，则转步骤2），否则进入下一步;7）、输出种群中适应度值最优的染色体作为问题的满意解或最优解.算法停止条件最简单的有两种：1、完成了预先给定的进化代数则停止;2、种群中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。（遗传算法的基本概念介绍） 1、编码与解码：将问题结构变换为位串形式编码表示的过程叫编码；而相反将位串形式编码表示变换为原问题结构的过程叫解码或译码。把位串形式编码表示叫染色体（chromosome)，有时也叫个体. 2、适应度函数:为了体现染色体的适应能力，引入了对问题中的每一个染色体都能进行度量的函数，叫适应度函数。适应度函数要有效反映每一个染色体与问题的最优解染色体之间的差距。适应度函数的取值大小与求解问题对象的意义有很大的关系.3、遗传操作：简单遗传算法的遗传操作有三种：选择、交叉、变异。选择：适应度较大的个体有较大的生存机会.交叉：将两个个体的部分编码进行交换。变异：改变某位的值。
画出基于规则专家系统的结构？解:基于规则的专家系统是一个计算机程序，该程序使用一套包含在知识库内的规则对工作存储器内的具体问题信息进行处理，通过推理机推断出新的信息。基于规则的工作模型:

基于规则的专家系统结构：
什么是类比学习?其推理和学习过程如何?
解：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。其推理过程包括：（1）回忆与联想(2)选择（3）建立对应关系（4）转换。其学习过程包括：（1）输入一组已知条件和一组未完全确定的条件； （2）对两组输入条件寻找其可类比的对应关系(3）根据相似转换的方法，进行映射；（4）对类推得到的知识进行校验。
举例说明什么是归纳学习？什么是类比学习？解：归纳学习是应用归纳学习，从足够多的具体事例中归纳出一般性知识，提取事物的一般规律；他是一种从个别到一般的学习。例如：喜鹊、麻雀、乌鸦、黄鹂这些鸟都是有羽毛、会飞、尖嘴，归纳出鸟都是有羽毛，会飞,会叫,尖嘴的.类比学习是由新情况与已知情况在某方面的相似来推出他们在其他相关方面的相似。例如：喜鹊、麻雀、乌鸦、黄鹂等鸟都有羽毛、会飞,推断出布谷鸟也有羽毛、会飞。
已知规则：（10％)R1：IF E1 THEN H  (0.8) R2：IF E2 THEN H  （0.9) R3：IF E3 AND E4 THEN E2  (0.7） CF（E1）=0。8, CF(E3）=0。7 ， CF(E4)=0.6
由可信度方法,求H的综合可信度CF（H） : 1.根据规则R1求CF1（H)，CF1(H）=CF（H,E1）*max{0,CF（E1)}=0。8*0。8=0。64 2。 根据规则R3求CF（E2），
CF（E2） =CF（E3 AND E4， H)*max{0，CF(E3 AND E4）}=0。7＊ max｛0， min{0。7，0。6}}=0。42 3.根据规则R2求CF2（H）,CF2(H)=CF（H，E2）＊max{0,CF（E2）｝=0。9*0。42=0.378 4。 求H的综合可信度CF（H),CF（H）= CF1（H)+ CF2(H）— CF1（H）＊ CF2（H）
=0。64+0。378-0.64*0。378=0。776
解释缺省规则 的含义.解:如果先决条件A(x)成立，默认条件B1（x）、B2（x）相容，则结论C(x)成立。
有哪几种基本的遗传操作？解:遗传算法的遗传操作主要有有三种:选择、交叉、变异。
写出机器人从桌子上拿起积木a的操作pickup（a)的先决条件、删除表和添加表
解：先决条件： ONTABLE(a） , CLEAR(a） , HANDEMPTY
删除表： ONTABLE(a）， HANDEMPTY
添加表： HOLDING（a）