1、利用启发式搜索算法A 解决以下8数码(如下图所示)：设评价函数表的内容。

10、将以下语句：(1)会朗读者是识字的，(2)海豚都不识字， (3) 有些海豚是很机灵的， (4) 有些很机灵的东西不会朗读。

形式化表示为合适公式。

答：令谓词R 、L 、D 、I 分别指示朗读、识字、海豚和机灵，则这些语句可 形式化表示如下：(1(x[R(xL(x](2(x[D(xL(x](3(x[D(xl(x](4(x[l(xR(x]13、将题 10 中的前三个语句作为已知事实(公理)，最后一语句作为目标(待证定理)，应用归结 反演方法，证明目标成立。

答：将前三个语句和最后一语句的取反化简，并标准化为合取范式的子句 集:(1R(xL(x(2D(yL(y(3D(A(4l(A (5l(zR(z2、有三个积木块(A 、B 、C )放在桌子上，且可以叠放f(n=d(n+p(n ，画出搜索图，并给出各搜索循环结束时OPEN 和在一起，要求在任意初始状态，按自上而下 A 、 B 、C 的顺序叠放这三个积木块。

搬动积木块应遵从以下约束：( 1)每次只能搬一块，( 2)只有顶空的积木块才能搬动。

请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法(不必设计控制系统)；若初始状态和目标状态分别为：答案：1)综合数据库用谓词公式On(x,y 描述积木块的放置状态，x {A,B,C},y{A,B,C,Table} ；谓词公式Top-Clear(x 描述积木块x 顶空，x {A,B,C} 。

问题状态就由这些谓词公式描述。

2)规则库为每个积木块的搬动设计规则，共有 5 个可能的搬动操作：Put-On(C,Table，Put-0 n(B,C,Put-0 n(B,Table,Put-0 n(A,B,Put-0 n(A,Table。

规则依次排列如下(并采用First 冲突解法)：if Top-Clear(C0n(C,TablePut-0n(C,Table,revise；if Top-Clear(BTop-Clear(C0n(C,TablePut-0n(B,C,revise；if Top-Clear(B0n(B,C0n(C,TablePut-0n(B,Table，revise ；if Top-Clear(ATop-Clear(B0n(B,CPut-0n(A,B,revise ；if Top-Clear(A0n(A,B0n(B,CPut-0n(A,Table ，revise 。

其中Put-0n 操作符号指示Put-0n 操作并在计算机屏幕上显示该操作，函数revise 修改问题状态的描述到反映实际状态。

作为解答的操作序列为：Put-0n(A,Table,Put-0n(C,Table,Put-0n(B,C,Put-0n(A,B。

3、表示包含下面句子含义的语义网络：⑴典型的哺乳动物有毛发。

⑵狗是哺乳动物，且吃肉。

⑶Fido是John§7OPEN和CLOSE的狗(3住在光明公寓的人都是太阳公司的律师4、把下列语句表示为语义网络的描述：⑴每个人都喜欢电影⑵太阳公司的每个营销员都参加太平洋保险。

⑶居住在光明公寓的人都是太阳公司的律师。

语义网络的表示并非唯一, 可有多种方式, 本题的每个小题就分别给出二种表示方案。

(1 每个人都喜欢电影。

5、用Do 函数设计操作符Move ( x, y, z )，并写出关于它的一条框架公理；该操作将置于积木块y 上的积木块x 移到积木块z 上。

T(On(x,y,sT(Clear(x,sT(Clear(z,s=>T(On(x,z,Do(M(x,y,z,sT(Clear(y,Do(M(x,y,z,s T(Table(u,s=>T(Table(u,Do(M(x,y,z,s6、应用Green 方法解决以下规划问题：(2太阳公司的每个营销员都参加太平洋保险。

初始状态S0:{T(Clear(C,S0,T(On(C,A,S0,T(On(A,B,S0, T(Table(B,S0} ；目标状态r:{T(Table(A,}<=>Goal( ；{? Goal(Do(a,S0, Ans(a}；{?T(Table(A,Do(a,S0, Ans(a}；{?T(Table(A,Do(c,Do(b,S0, Ans([b,c]} ；{? T(On(A,y,Do(b,S0, ?T(Clear(A,Do(b,S0, Ans([b,U(A,y]} ；{?T(On(A,y,Do(U(x,A,S0, ? T(On(x,A,S0,?T(Clear(x,S0, Ans([U(x,A,U(A,y]} ；{?T(On(A,y,S0, ?T(On(x,A,S0, ?T(Clear(x,S0,Ans([U(x,A,U(A,y]} ；{?T(On(x,A,? T(Clear(x,S0, Ans([U(x,A,U(A,B] ；{?T(Clear(C,S0, Ans([U(C,A,U(A,B]} ；{Ans([U(c,A,U(A,B]} ；规划的结果是动作块：［U(C,A,U(A,B]1、请用决策树方法，根据下面所给的14个例子，构造关于天气状况的决策例子编属性分类号天温湿风况度度况1晴热大无N2晴热大有N3多热大无P云4雨中大无P 5雨冷正无P常6雨冷正有N常7多冷正有P云常8晴中大无N9晴冷正无P常10雨中正无P常11晴中正有P常12多中大有P云13多热正无P云常14雨中大有N本题中物体集C有十四个例子，9个正例，5个反例。

于是：M(C二—9/14*log2(9/14 —5/14*log2(5/14=0. 940bits1选取属性"天况"，"晴"的分支含2个正例3个反例，所需期望信息量为:M(天况为晴 =—2/5*log2(2/5 —3/5*log2(3/5=0. 971bits" 多云" 的分支，含4个正例0 个反例：M(天况为多云=0"雨"的分支，含3个正例2个反例：M(天况为雨 =—3/5*log2(3/5 —2/5*log2(2/5=0. 971bits则以" 天况" 作划分后，对应决策树的信息量为：B(C,"天况"=5/14*0. 971 + 4/14*0 + 5/14*0. 971=0. 694bits进一步判别所需的期望信息量为：M(C —B(C,"天况"=0. 940- 0. 694= 0. 247bits2) 选取属性" 温度" ，" 热" 的分支，含2 个正例2个反例，所需期望信息量为：M(温度为热 =—1/2*log2(1/2 —1/2*log2(1/2 = 1bits"中"的分支，含4个正例2个反例：M(温度为中 =—4/6*log2(4/6 —2/6*log2(2/6= 0. 918bits"冷"的分支，含3个正例1个反例：M(温度为冷 =—3/4*log2(3/4 —1/4*log2(1/4=0. 811bits则以" 温度" 作划分后，对应决策树的信息量为：B(C,"温度"=4/14*1 + 6/14*0.918 + 4/14*0. 811=0. 911bitsM(C —B(C,"温度"=0. 940- 0. 911 = 0. 029bits3) 选取属性湿度” 大”的分支，含3个正例4个反例，所需期望信息量为：M(湿度为大 =—4/7*log2(4/7 —3/7*log2 (3/7= 0. 985bits"正常"的分支，含6个正例1个反例：M(湿度为正常 =—6/7*log2(6/7 —1/7*log2(1/7= 0. 592bits则以" 湿度" 作划分后，对应决策树的信息量为：B(C，" 湿度" = 1/2*0. 985＋1/2*0.592= 0. 788bits M(C—B(C，" 湿度" = 0. 940—0. 788= 0.152bits4) 选取属性"风况","无"的分支，含6个正例2个反例，所需期望信息量为：M(风况为无 =—2/8*log2(2/8 —6/8*log2(6/8= 0. 811bits" 有" 的分支，含3个正例3个反例：M(风况为有 =—1/2*log2(1/2 —2 *log2(1/2=Ibits则以"风况"作划分后，对应决策树的信息量为：B（C,"风况"=8/14*0.811 +6/14*1 = 0. 892bits M（C—B（C,"风况"=0. 940-0. 892= 0. 048bits根据最大信息量原则，故选择" 天况" 属性进行进一步划分。

类似上述方法，继续不断地细化决策树。

首先对“晴”的分支展开深入讨论，分别得到：M（天况为晴一B（天况为晴，温度”=0 . 571 M（天况为晴一B（天况为晴，湿度”=0 . 971值最大，M（天况为晴—B（天况为晴，风况”=0 . 420根据最大信息量原则，接下去可以按属性" 湿度" 进一步划分，从而最终将正反例完全分开。

其次“多云”的分支，全部为正例，显然无须再分划下去。

最后“雨”的分支，讨论如下：M（天况为雨—B（天况为雨，温度”=0 . 0 2 0 M（天况为雨—B（天况为雨，湿度”=0 . 0 2 0 M（天况为雨—B（天况为雨，风况”=0 . 971值最大，接下去按属性" 风况" 进一步划分。

最终使得正反例完全分开。