名词解释：1状态空间法状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。
在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直到达到目标状态为止。
由于状态空间法需要扩展过多的节点，容易出现“组合爆炸”，因而只适用于表示比较简单的问题。
2问题归约法问题归约法从目标(要解决的问题)出发，逆向推理，通过一系列变换把初始问题变换为子问题集合和子子问题集合，直至最后归约为一个平凡的本原问题集合。
这些本原问题的解可以直接得到从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。
3有序搜索应用某个算法(例如等代价法)选择OPEN表上具有最小f值的节点作为下一个要扩展的节点, 这种搜索方法叫做有序搜索或最佳优先搜索, 其算法就叫做有序搜索算法或最佳优先算法.实质：选择OPEN表上具有最小f值的节点（即最有希望的节点）作为下一个要扩展的节点。
4可解节点可解节点：与或图中一个可解节点的一般定义可以归纳如下：1、终叶节点是可解节点(因为它们与本原问题相关连)。
2、如果某个非终叶节点含有或后继节点，那么只有当其后继节点至少有一个是可解的时，此非终叶节点才是可解的。
3、如果某个非终叶节点含有与后继节点，那么只要当其后继节点全部为可解时，此非终叶节点才是可解的。
5不可解节点不可解节点的一般定义没有后裔的非终叶节点为不可解节点。
如果某个非终叶节点含有或后继节点,那么只有当其全部后裔为不可解时,此非终叶节点才是不可解的。
如果某个非终叶节点含有与后继节点，那么只要当其后裔至少有一个为不可解时,此非终叶节点才是不可解的。
6规则正向演绎系统正向规则演绎系统是从事实到目标进行操作的，即从状况条件到动作进行推理的，也就是从if到then的方向进行推理的。
7规则逆向演绎系统逆向规则演绎系统是从then向if进行推理,即从目标或动作向事实或状况条件进行的推理。
8等代价搜索是宽度优先搜索的一种推广，不是沿着等长度路径断层进行扩展，而是沿着等代价路径断层进行扩展，寻找从起始状态至目标状态的具有最小代价的路径问题。
搜索树中每条连接弧线上的有关代价，表示时间、距离等花费。
9扩充转移网络(ATN)扩充转移网络ATN是由一组网络所构成的，每个网络都有一个网络名，每条弧上的条件扩展为条件和操作两部分。
它采用状态图来控制自然语言的分析过程。
每幅状态图相当于一个网络，由状态和边构成，在状态图的各条边上，可以注明所分析的词，或词组类型符号（如名词词组注为NP，介词词组注为PP）。
每一个词组类型符号又可以作为一个子网络的开头，因而当采用扩充转移网络来分析自然语言的句子时，如果分析到某一词组类型符号，就可以转移到相应的子网络，如果处理结束或处理失败，可再回到原来的网络继续进行分析，直到分析完整个句子为止。
ATN的每个寄存器由两部分构成：句法特征寄存器、句法功能寄存器。
10宽度优先搜索宽度优先搜索以接近起始节点的程度逐层扩展节点的搜索方法。
特点：一种高代价搜索，但若有解存在，则必能找到它。
11深度优先搜索深度优先搜索首先扩展最新产生的(即最深的)节点。
深度相等的节点可以任意排列。
首先，扩展最深的节点的结果使得搜索沿着状态空间某条单一的路径从起始节点向下进行下去；只有当搜索到达一个没有后裔的状态时，它才考虑另一条替代的路径。
12机器学习机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
机器学习系统是根据人工智能的学习原理和方法，应用知识表达、知识存储、知识推理等技术设计并构成的，具有知识获取功能，并能逐步改善其性能的系统。
问答题：1什么是人工智能？试从学科和能力两方面加以说明？(1)人工智能（学科）①是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
如：神经计算机研究：它与中子计算机、量子计算机、光子计算机、生物计算机共同形成下一代计算机研究的热点。
②人工智能是工程技术与理论研究的统一作为工程技术学科：人工智能的目的是：提出建造人工智能系统的新技术、新方法和新理论，并在此基础上研制出具有智能行为的计算机系统。
作为理论研究学科：人工智能的目的是：提出能够描述和解释智能行为的概念与理论，为建造人工智能系统提供理论依据。
(2)人工智能（能力）是智能机器所执行的与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
如：专家系统模拟人类领域专家进行智能活动的能力、智能机器的模式识别、自然语言理解与处理等等。
2人工智能不同学派在理论、方法和技术路线上各有何争论？⑴对人工智能理论的争论：①符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。
②联结主义认为人的思维基元是神经元，而不是符号处理过程。
它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
③行为主义认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知-动作”模式。
行为主义者认为智能不需要知识、不需要表示、不需要推理；行为主义还认为：符号主义（还包括联结主义）对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
⑵对人工智能方法的争论：①符号主义认为人工智能的研究方法应为功能模拟方法。
②联结主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。
③行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开的。
⑶对人工智能技术路线的争论：①专用路线强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。
②通用路线认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。
③硬件路线认为人工智能的发展主要依靠硬件技术，智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。
④软件路线强调人工智能的发展主要依靠软件技术，智能机器的研制主要在于开发各种智能软件、工具及其应用系统。
3宽度优先搜索与深度优先搜索有何不同？在何种情况下，宽度优先搜索优于深度优先搜索？在何种情况下，深度优先搜索优于宽度优先搜索？宽度优先搜索以接近起始节点的程度逐层扩展节点的搜索方法。
宽度优先搜索是按照树的层次进行的搜索，如果此层没有搜索完成的情况下不会进行下一层的搜索。
深度优先搜索首先扩展最新产生的(即最深的)节点。
深度优先搜索是按照树的深度进行搜索的，所以又叫纵向搜索，在每一层只扩展一个节点，直到为树的规定深度或叶子节点为止。
这个便称为深度优先搜索。
深度优先搜索与广度优先搜索的区别在于：在对节点n进行扩展时，其后继节点在OPEN表中的存放位置不同。
广度优先搜索是将后继节点放入OPEN表的末端，而深度优先搜索则是将后继节点放入OPEN表的前端。
广度优先搜索是一种完备搜索，即只要问题有解就一定能够求出，而深度优先搜索是不完备搜索。
在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索；在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索。
广度优先的正例：积木问题；深度优先的正例：邮递员问题，反例：国际象棋。
4何谓问题归约法？问题归约法的实质是什么？问题归约法从目标(要解决的问题)出发，逆向推理，通过一系列变换把初始问题变换为子问题集合和子子问题集合，直至最后归约为一个平凡的本原问题集合。
这些本原问题的解可以直接得到从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。
问题归约的实质：从目标(要解决的问题)出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题归约为一个平凡的本原问题集合。
5何谓语义网络?语义网络表示法的特点是什么?(1)概念：语义网络是一种采用网络形式表示人类知识的方法。
形式上:是一种用结点和弧来表达实体之间语义关系的有向图。
其中结点表示实体、事物、概念、属性、事件，情况等。
弧线（联想弧）用于表示结点间的语义关系。
内容组织上：由4个相关部分组成①词法部分：决定表示词汇表中允许有哪些符号，它涉及各个节点和弧线②结构部分：叙述符号排列的约束条件，指定各弧线连接的节点对③过程部分：说明访问过程，能用来建立和修正描述，以及回答相关问题④语义部分：确定与描述相关的（联想）意义的方法，即确定有关结点的排列及其占有物和对应弧线(2)语义网络具有下列特点：①显式/简明表达实体结构、属性与实体间因果关系利于以联想方式对系统的解释②与概念相关的属性和联系被组织在一结点中易于被访问和学习③更加直观，更易于理解（继承方式）符合人类思维习惯④语义解释依赖于结构的推理过程（无结构约定）推理不很有效⑤结点联系有线状/树状/网状/递归状知识存储/检索需较复杂的过程(3)语义网络表示法的特点①语义网络表达法的优点自然性——直接而明确地表达概念之间的语义关系，接近于人类的语义记忆方式联想性——着重于表达语义关系知识，体现了联想思维过程，如通过正例、反例的比较，进行学习的过程效率较高——可通过语义关系检索和推理，较快导出与问题有关的概念和事实，不必历遍整个知识库②语义网络表达法的缺点不能象逻辑方法那样保证推理的严格性和有效性不便于表达判断性知识不便于表达深层知识，如与时间因素有关的动态知识6谓词逻辑和命题逻辑的关系如何?有何异同?(1)关系：谓词逻辑是命题逻辑的扩充与发展,它将一个原子命题分解成谓词与个体两部分。
命题逻辑是谓词逻辑的基础,是谓词逻辑的一种特殊形式。
谓词优于命题，谓词比命题有更强的表达能力。
一个谓词通过个体的变换可以表达不同命题的意义。
(2)不同点：命题逻辑不能描述不同事物的共同特征，而谓词逻辑可以。
命题逻辑中可以直接通过真值指派给出解释，而谓词逻辑不行。
谓词可以代表变化着的情况，而命题只能代表某种固定的情况。
谓词的真值随个体的变化而变化，而命题的真值是固定的。
(3)相同点：归结原理都是完备的，都可以用来表示事实性知识。
7请写出状态空间图的一般搜索过程,在搜索过程中OPEN表和CLOSE表的作用分别是什么?(1)把初始节点S0放进open表，并建立只包含S0的图，记为G．(2)检查open表是否为空，若为空则问题无解，退出．(3)把open表的第一个节点取出放入closed表，并记该节点为n.(4)考察节点n是否为目标节点，若是，则求得了问题的解，退出．(5)扩展节点n，生成一组子节点．把其中不是节点n的先辈的那些子节点记作集合M，并把这些子节点作为节点n的子节点加入Ｇ中．(6)针对M中子节点的不同情况，分别进行如下处理：a)对那些未曾在G中出现过的M成员设置一个指向父节点（即节点n）的指针，并把它们放入open表．b)对于那些先前已在G中出现的M成员，确定是否需要修改它指向父节点的指针．c)对于那些先前已在G中出现并且已经扩展了的M成员，确定是否是需要修改其后继节点指向父节点的指针．(7)按某种搜索策略对open表中的节点进行排序．(8)转第2步说明：上面对状态空间的搜索过程具有通用性，后面讨论的各种搜索策略都可看作是它的一个特例．各种搜索策略的主要区别仅在于open表中节点的排序准则不同．例如在宽度优先搜索中是先生成的节点排在前，在深度优先搜索中是后生成的节点排在前等．一个节点经一个算符操作后一般只生成一个子节点，但适用于一个节点的算符可能有多个，此时就会生成一组子节点．在这些子节点中可能有些是当前扩展节点(即节点n)的父节点，祖父节点等，此时不能把这些先辈节点作为当前扩展节点的子节点．余下的子节点记作集合Ｍ，并加入图Ｇ中．一个新生成的节点，它可能是第一次被生成的节点，也可能是先前已作为其它节点的后继节点被生成过，当前又作为另一个节点的后继节点被再次生成．此时，它应该作为哪一个节点的后继呢？一般由原始节点到该节点上所付出的代价来决定，哪条路径付出的代价小，相应的节点就作为它的父节点．其中open表存放刚生成的节点，对于不同的搜索策略，节点在open表中的排列顺序是不同的．例如对宽度优先搜索是先生成的节点排在前面，而对深度优先搜索则是后生成的节点排在前面。