了解推理过程，提高对专家系统的信赖感。 • 灵活性：专家系统能不断地增长知识，修改原有知识，不断更新。 • 专家系统的优点： • 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 • 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 • 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。 • 专家系统能促进各领域的发展。 • 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力。 • 军事专家系统的水平是一个国家国防现代化的重要标志之一。 • 专家系统的研制和应用，具有巨大的经济效益和社会效益。 • 研究专家系统能够促进整个科学技术的发展。
• 谓词逻辑法是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，然后采用消解定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
• 语义网络法是用“节点”代替概念，用节点间的“连接弧”代替概念 之间的关系。语义网络表示法的优点：结构性、联想性、自然性。
谢谢你的关注
谢谢你的关注

• 5-7遗传算法、进化策略和进化编程的关系如何？有何区别？ • 遗传算法是一种基于空间搜索的算法，它通过自然选择、遗传、变异
等操作以及达尔文适者生存的理论，模拟自然进化过程来寻找所求问 题的解答。 • 进化策略(Evolution Strategies，ES)是一类模仿自然进化原理以求 解参数优化问题的算法。 • 进化编程根据正确预测的符号数来度量适应值。通过变异，为父代群 体中的每个机器状态产生一个子代。父代和子代中最好的部分被选择 生存下来。 • 进化计算的三种算法即遗传算法、进化策略和进化编程都是模拟生物 界自然进化过程而建立的鲁棒性计算机算法。在统一框架下对三种算 法进行比较，可以发现它们有许多相似之处，同时也存在较大的差别。 • 进化策略和进化编程都把变异作为主要搜索算子，而在标准的遗传算 法中，变异只处于次要位置。交叉在遗传算法中起着重要作用，而在 进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很 重要的作用。 • 标准遗传算法和进化编程都强调随机选择机制的重要性，而从进化策 略的角度看，选择（复制）是完全确定的。进化策略和进化编程确定 地把某些个体排除在被选择（复制）之外，而标准遗传算法一般都对 每个个体指定一个非零的选择概率。
谢谢你的关注
谢谢你的关注
12
• 4-10什么是模糊集合和隶属函数或隶属度？
• 模糊集合（fuzzy sets） 论域U到[0,1]区间 的任一映射，即，都确定U的一个模糊子集 F；称为F的隶属函数（membership function）或隶属度（grade of membership）。在论域U中，可把模糊子 集表示为元素u与其隶属函数的序偶集合， 记为：
• Y(1,1) (2,2) x(0,2) (2,0) y(1,0) (1,0) x(2,0) (0,0)
• 2野人过河----1野人划船回来----2野人过河----1野人回来--2传教士过河----1野人和1传教士回来---2传教士过河---1 野人回来---2野人过河---1野人回来---2野人过河
• 不确定推理是研究复杂系统不完全性和不确定性 的有力工具。有两种不确定性，即关于证据的不 确定性和关于结论的不确定性。
• 关于证据的不确定性主要包括：以模糊集理论为 基础的方法、以概率为基础的方法。关于结论的 不确定性推理的主要方法有：可信度方法、证据 理论、主观概率论（又称主观Bayes方法）等。
谢谢你的关注
谢谢你的关注
10
第四章 计算智能（1）
• 4-4简述生物神经元及人工神经网络的结构和主要学习算法。 • 生物神经系统是一个有高度组织和相互作用的数量巨大的细胞组织群
体。人类大脑的神经细胞大约在1011-1013个左右。神经细胞也称神 经元，是神经系统的基本单元，它们按不同的结合方式构成了复杂的 神经网络。通过神经元及其联接的可塑性，使得大脑具有学习、记忆 和认知等各种智能。 • 神经网络的结构是由基本处理单元及其互连方法决定的。 • 图4.2所示神经元单元由多个输入，i=1,2,...,n和一个输出y组成。中间 状态由输入信号的权和表示，而输出为： • 图4.2 神经元模型
谢谢你的关注
谢谢你的关注
13
第五章 计算智能(2)
• 5-2试述遗传算法的基本原理，并说明遗传算法的求解步骤。 • 遗传算法的基本原理如下：通过适当的编码方式把问题结构变为位串
形式（染色体），在解空间中取一群点作为遗传开始的第一代，染色 体的优劣程度用一个适应度函数来衡量，每一代在上一代的基础上随 机地通过复制、遗传、变异来产生新的个体，不断迭代直至产生符合 条件的个体为止。迭代结束时，一般将适应度最高的个体作为问题的 解。 • 一般遗传算法的主要步骤如下： • (1)随机产生一个由确定长度的特征字符串组成的初始群体。 • (2)对该字符串群体迭代的执行下面的步 (a) 和 (b) ，直到满足停止标 准： • (a) 计算群体中每个个体字符串的适应值； • (b) 应用复制、交叉和变异等遗传算子产生下一代群体。 • (3) 把在后代中出现的最好的个体字符串指定为遗传算法的执行结果， 这个结果可以表示问题的一个解。
人工智能习题参考答案
谢谢你的关注
谢谢你的关注
1
第一章 绪论
• 1-4 现在人工智能有哪些学派？它们的认知 观是什么？
• (1)符号主义(symbolicism)
• (2)连接主义(connectionism)
• (3)行为主义(actionism)
• 符号主义认为人工智能起源于数理逻辑； 连接主义认为人工智能起源于仿生学，特 别是对人脑模型的研究；行为主义认为人 工智能源于控制论
• dm=1 1-2-3-4 失败
• dm=2 1-2-3-5-6-4-7-8失败
• dm=3 1-2-3-5-6-9 成功
• 3 有序搜索 1-3-6-9
谢谢你的关注
谢谢你的关注
9
• 3-15在什么情况下需要采用不确定推理 ? 不确定 推理的主要方法有哪些？
• 一般推理方法在许多情况下，往往无法解决面临 的现实问题，因而需要应用不确定性推理等高级 知识推理方法。
谢谢你的关注
16
第六章 专家系统
• 6-1 什么叫做专家系统?它具有哪些特点与优点? • 答：专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统，
能够利用人类专家的知识和解决问题的方法来处理该领域问题。 • 专家系统的特点： • 启发性：专家系统能运用专家的知识与经验进行推理、判断和决策。 • 透明性：专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够
• 场景一 进入电影院
• 1 走进电影院 2买票 3检票 4找到自己的座位
• 场景二 看电影
• 1放映员开始放映 2观众看电影
• 场景三 离开电影院
•
1电影放映完 2离开
• 结果：
• 我花钱买票看了电影，知道了电影的情节。
• 电影院工作人员播放了电影，付出了劳动。
• 电影院获得了收入。
谢谢你的关注
谢谢你的关注
• 状态空间法是基于解答空间的问题表示和求解方法，是以状态和操作 符为基础的。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。
• 问题归约法是从目标(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。状态空间法是问题归纳法的一种特例。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。
8
第三章 搜索推理技术
• 3-9比较宽度优先搜索、有界深度优先搜索及有序搜索的搜索效率，并以实例数据加以说明。
• 宽度优先搜索是一种盲目搜索，时间和空间复杂度都比较高，当目标节点距离初始节点较远时会产 生许多无用的节点，搜索效率低。
• 有界深度优先搜索，主要是深度限制值的选取。如果dm取得太小，有可能找不到一个解，太大， 搜索过程会产生过多的无用节点。
• 新的研究热点：概率图模型（隐马尔可夫模型、 贝叶斯网络）、统计学习理论(SLT) & 支持向量 机(SVM)、数据挖掘与知识发现 (超市市场商品数 据分析)，人工生命。
谢谢你的关注
谢谢你的关注
3
第二章 知识表示方法
• 2-1状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什 么？它们有何本质上的联系及异同点?
• 设（m,n）表示左岸上有m个野人，n个传教士。
• x（m,n）表示船上有m个野人，n个传教士（L-R）
• y(m,n) 表示船上有m个野人，n个传教士（R-L）
• (3,3) x(2,0) (1,3) y(1,0) (2,3) x (2,0) (0,3) y(1,0) (1,3) x(0,2) (1,1)
谢谢你的关注
谢谢你的关注
11
• 神经网络主要通过指导式（有师）学习算法和非指导式（无师）学习 算法。此外，还存在第三种学习算法，即强化学习算法；可把它看做 有师学习的一种特例。
• （１）有师学习 • 有师学习算法能够根据期望的和实际的网络输出（对应于给定输入）
间的差来调整神经元间连接的强度或权。因此，有师学习需要有个老 师或导师来提供期望或目标输出信号。有师学习算法的例子包括 Delta规则、广义Delta规则或反向传播算法以及ＬＶＱ算法等。 • （２）无师学习 • 无师学习算法不需要知道期望输出。在训练过程中，只要向神经网络 提供输入模式，神经网络就能够自动地适应连接权，以便按相似特征 把输入模式分组聚集。无师学习算法的例子包括Kohonen算法和 Carpenter-Grossberg自适应谐振理论（ＡＲＴ)等。 • （３）强化学习 • 强化（增强）学习是有师学习的特例。它不需要老师给出目标输出。 强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网 络输出的优度（质量因数）。强化学习算法的一个例子是遗传算法 （GA）。