哈工大人工智能复习题
第一章 人工智能概述
1、请举例说明人工智能这门科学研究的内容、特点、难点,研究目标? 答:研究的内容:
启发式搜索理论
搜索的方法很多,如回溯、图搜索、启发式等等,主要是给定一些经验做指导提高搜索效率。该方面的研究已经有了比较成熟的技术。
◆ 各种推理方法
常识推理有知识不完全、不够用等问题,如鸟会飞,但是鸵鸟不会飞。
◆ 知识的模型化和表示方法
知识表示很重要,方法主要有逻辑、产生式、语义网络、框架等。现在还不能完全说清楚知识表示到底是什么。
◆ 人工智能系统结构及语言
Lisp 语言主要在美国,Prolog 语言主要在欧洲使用比较广泛。
◆ 机器学习
当前系统大多用归纳的学习、依赖知识库的学习,没有很成熟的方法。神经网络、遗传算法等理论的应用也在探讨之中。
特点:
人工智能是一门知识的科学。以知识为对象,研究知识的获取、表示和使用。
· 人工智能的系统过程是,数据处理->知识处理,数据->符号。符号表示的是知识而不是数值、数据。
· 问题求解过程有启发,有推导。
· 人工智能是引起争论最多的科学之一。
难点:
◆知识获取、(知识表示、机器学习);
◆ 实现时的规模扩大问题;
◆ 应用前景(封闭的专家系统--机器学习问题)
研究目标:
远期目标:揭示人类智能的根本机理,用智能机器去模拟、延伸和扩展人类智能。 近期目标:建造智能计算机代替人类的部分智力劳动
2、请举例说明人工智能有哪些研究及应用领域?参考教材P12-18
3、人工智能研究有哪此不同学派?它们的基本思想是什么?你认同哪一种观点为什么?参考教材P18-20
第二章 知识表示
1、设有如下语句,请用相应的谓词公式分别把他们表示出来:
a) 有的人喜欢梅花, 有的人喜欢菊花, 有的人既喜欢梅花又喜欢菊花。 b) 有的人每天下午都去打篮球。
c) 新型计算机速度又快, 存储容量又大。
d) 不是每个计算机系的学生都喜欢在计算机上编程序。
e) 凡是喜欢编程序的人都喜欢计算机。
答:
a) 定义谓词:LIKE(x,y)表示:x 喜欢y, PERSON(x)
((∃x )PERSON(x ) ∧LIKE(x , 梅花)) ∧((∃y )PERSON(y ) ∧LIKE(y , 菊花)) ∧((∃x )PERSON(x ) ∧LIKE(x , 梅花) ∧LIKE(y , 菊花))
b) PLAY (x,y):表示x 打y ,AFTERNOON(t), 表示t 是下午
(∃x )(∀t ) (AFTERNOON(t ) → PLAY(x, 篮球) )
c) Computer(x)::x 是计算机;NewType(x):x 是新型的。
Have Speed(x,y): x 的速度是y ; High(y): y 是高的
HaveMemory(x,z):x 的存储容量是z 。Large(z):z 是大的。
(Computer(x)∧NewType(x))→(High(y)∧Have Speed(x,y))∧(Large(z)∧HaveMemory(x,z))
d) Computer(x): x是计算机系的,Student(x): x 是学生,Like(x,y)
¬(∀x )((Computer(x) ∧Student(x))→Like (x, programming))
e) (∀x )(Person(x) ∧Like(x, programming) →Like(x, computer)
2、请画图说明产生式系统的基本结构及其各组成部分。请参考教材P38
3、设有如下问题:八数码难题。
a) 在一个3×3的方框内放有8个编号的小方块;
b) 紧邻空位的小方块可以移入到空位上;
c) 通过平移小方块可将某一布局变换为另一布局。
请用产生式规则表示移动小方块的操作。
解:空格向上移:IF 空格上方有数字 THEN 空格向上移
4、请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) 树和草都有叶和根
3) 水草是草,且生长在水中
4) 果树是树,且会结果
5) 梨树是果树中的一种,它会结梨
5、请对下列命题分别写出它们的语义网络:
a) 每个学生都有一台计算机。
b) 高老师从3月到7月给计算机系学生讲《计算机网络》课。
c) 学习班的学员有男,有女,有研究生,有本科生。
d) 创新公司在科海大街56号,刘洋是该公司的经理,他32岁,硕士学位。 e) 红队与蓝队进行足球比赛,最后以3:2的比分结束。
第三章 确定性推理
1、下列子句是否可以合一,如果可以,写出最一般合一。
a)
b)
c)
d) P(x, B, B) 和 P(A, y, z) P( g( f (v)) , g(u) ) 和 P(x , x) P( x , f(x) ) 和 P(y, y) P(y, y , B) 和 P( z, x , z)
解:1) P(x, B, B) 和 P(A, y, z) 可以合一:
Mgu = { A/x, B/y, B/z}
2) P( g( f (v)) , g(u) ) 和 P(x , x) 不可以合一
3) P( x , f(x) ) 和 P(y, y) 不可以合一
4) P(y, y , B) 和 P( z, x , z) 可以合一
Mgu = { B/x, B/y, B/z}
2、将下面的公式化成子句集
~( (( P ∨ ~Q) → R) → (P ∧ R))
解: ~( (( P ∨ ~Q) → R) → (P ∧ R))
= (( P ∨ ~Q) → R) ∧ ~(P ∧ R)
= (~( P ∨ ~Q) ∨ R ) ∧ (~P ∨~R)
= (~P ∨ R) ∧ (Q ∨ R) ∧ (~P ∨~R)
建立子句集:
S = { ~P ∨ R , Q ∨ R , ~P ∨~R }
3、Herbrand 定理解决了一个什么意义上的问题?
答:将无限的不可数的论域上的问题,转化成为在可数的H 论域上讨论的问题。该定理在理论上保证了归结原理的可靠性。
4、设S={ P(x), Q(f(x), y) },试写出H 域上的元素,并写出S 的一个基例。 解: H = { a, f(a), f(f(a)) , ……}
S 中子句的一个基例为:
P(a), Q(f(a), f(a)) 或者
P(f(a)) , Q(f(f(a)), a)
5、设已知:
a) 如果x 是y 的父亲, y 是z 的父亲, 则x 是z 的祖父;
b) 每个人都有一个父亲。
试用归结演绎推理证明:对于某个u ,一定存在一个人v, v是u 的祖父。 解:定义谓词:father(x,y): 表示x 是y 的父亲。
Grandfather(x,y):表示x 是y 的祖父。
已知条件的谓词公式表示如下:
1) (∀x ) (∀y ) (∀z )father(x , y ) ∧father(y , z ) →Grandfather(x , z )
2) (∀y )(∃x )father(x , y )
结论的谓词公式表示:
(∀u )( ∃v )Grandfather( v , u )
将结论取反并入条件形成公式集F :
{(∀x )(∀y ) (∀z )father(x , y ) ∧father(y , z ) →Grandfather(x , z ) , (∀y )(∃x )father(x , y ) ,(∀u )( ∃v )Grandfather( v , u )}
将公式集F 化为子句集S :
{¬father(x , y ) ∨¬father(y , z ) ∨Grandfather(x , z ) ,father(f (w ), w ),
¬Grandfather( f (u ), u )}
对子句集S 进行归结:对于子句¬father(x , y ) ∨¬father(y , z ) ∨Grandfather(x , z ) 可以先在内部进行合一。
6、用归结法证明:存在一个绿色物体,如果有如下条件存在:
a) 如果可以推动的物体是蓝色的,那么不可以推动的物体是绿色的 b) 所有的物体或者是蓝色的,或者是绿色的,但不能同时具有两种颜色。 c) 如果存在一个不能推动的物体,那么所有的可推动的物体是蓝色的。 d) 物体O1是可以推动的
e) 物体O2是不可以推动的
解: 把上述条件化为逻辑表达式:
1) (x)( pushable (x) ) → blue(x) ) → (
3) (x) (~pushable(x)) → (
4) pushable(O1)
5) ~pushable(O2)
将结果命题否定:
~(x)(green(x))
将条件表达式和结果命题化为子句形:
由条件1
(1) pushable(x)∨green(x)
(2) ~blue(a)∨pushable(y)∨green(x)
由条件2
(3) ~green(x)∨~blue(x)
(4) green(x)∨blue(x)
由条件3
(5) pushable(x)∨~pushable(y)∨blue(y)
由条件4
(6) pushable(O1)
由条件5
(7) ~pushable(O2)
由结论
(8) ~green(x)
归结:
(9) ~blue(x) ∨ pushable(y) (2) (8)
(10) ~blue(x) (7) (9)
(11) blue(x) (4) (8)
(12) □ (10)(11) x)(~pushable(x) → green(x) ) 2) (x) ( ( (blue(x) ∧ ~green(x)) ∨ (~blue(x) ∧ green(x))) x) ( pushable(x) → blue(x) )
7、已知事实公式为 ((x )(y )(z )(Gt (x ,y )∧Gt (y ,z )→Gt (x ,z ))
(u )(v )(Succ (u ,v )→Gt (u ,v )
(~Gt(x ,x )) (x )
求证Gt (5,2)
试判断下面的归结过程是否正确?若有错误应如何改进:
8、我们来考虑下列一段知识:
a) Tony 、Mike 和John 属于Alpine 俱乐部,
b) Alpine 俱乐部的每个成员不是滑雪运动员就是一个登山运动员, c) 登山运动员不喜欢雨而且任一不喜欢雪的人不是滑雪运动员,
d) Mike 讨厌Tony 所喜欢的一切东西,而喜欢Tony 所讨厌的一切东西, e) Tony 喜欢雨和雪。
以谓词演算语句的集合表示这段知识,使得这些语句适合一个逆向的基于规则的演绎系统。若想利用基于规则的逆向推理回答问题" 有没有Alpine 俱乐部的一个成员,他是一个登山运动员但不是一个滑雪运动员呢?" ,问题应该如何表示呢?
答: 我们用Skier(x)表示x 是滑雪运动员,Alpinist(x)表示x 是登山运动员,Alpine(x)表示x 是Alpine 俱乐部的成员。
问题用谓词公式表示如下:
已知:
(1) Alpine(Tony)
(2) Alpine(Mike)
(3) Alpine(John)
(4) (∀x){Alpine(x)→[Skier(x)∨Alpinist(x)]}
(5) (∀ x){Alpinist(x)→~Like(x, Rain)}
(6) (∀ x){~Like(x, Snow)→~ Skier(x)}
(7) (∀ x){Like(Tony, x)→~Like(Mike, x)}
(8) (∀ x){~Like(Tony, x)→Like(Mike, x)}
(9) Like(Tony, Snow)
(10) Like(Tony, Rain)
目标:(∃x){Alpine(x)∧Alpinist(x)∧~Skier(x)}
9、一个积木世界的状态由下列公式集描述:
ONTABLE (A ) CLEAR (E )
ONTABLE (C ) CLEAR (D )
ON (D ,C ) HEA VY (D )
ON (B ,A ) WOODEN (B )
HEA VY (B ) ON (E ,B )
下列语句提供了有关这个积木世界的一般知识:
每个大的蓝色积木块是在一个绿色积木块上。
每个重的木制积木块是大的。
所有顶上没有东西的积木块都是蓝色的。
所有木制积木块是蓝色的。
以具有单文字后项的蕴涵式的集合表示这些语句。绘出能求解" 哪个积木块是在绿积木块上" 这个问题的一致解图(用B 规则)。
解:知识的谓词表示:
(
(
(
(x)( ∃y){[BIG(x)∧BLUE(x)]→ON(x, y)∧GREEN(y)} x){[HEAVY(x)∧WOODEN(x)]→BIG(x)} x){CLEAR(x)→BLUE(x)} x){WOODEN(x)→BLUE(x)}
目标:(∃x)( ∃y)GREEN(y)∧ON(x, y)
对规则Skolem 化,对目标用对偶形式Skolem 化后,整理得:
事实:
ONTABLE (A ) CLEAR(E )
ONTABLE (C ) CLEAR(D )
ON (D ,C ) HEA VY (D )
ON (B ,A ) WOODEN(B )
HEA VY (B ) ON (E ,B )
规则:
r1:[BIG(x1)∧BLUE(x1)]→ON(x1,f(x1))
r2:[BIG(x2)∧BLUE(x2)]→GREEN(f(x2))
r3:[HEAVY(x3)∧WOODEN(x3)]→BIG(x3)
r4:CLEAR(x4)→BLUE(x4)
r5:WOODEN(x5)→BLUE(x5)
目标:GREEN(y)∧ON(x, y)
容易验证,只有一个解图是一致的,其合一复合为:
{B/x, f(B)/y}
带入目标公式,得到解答:GREEN(f(B))∧ON(B, f(B))
其含义是,积木B 在绿色积木上边。这里的f(B)可以理解为B 下面那个积木。
10、 某问题由下列公式描述:
(1)、( s )~P(s )
(P (g (s ))) (2)、(s ) (3)、( x )(s )(y )((P (s )∧Q (b ,x ,s ))→H (y ) (s )(Q (b ,x ,s )→Q (b ,x ,g (s ))) (4)、(x ) (5)、(x )(s )(
y )(~P(s )→Q (b ,x ,y ))
求证:(x)H(x) 请用基于规则的逆向演绎系统求解(x)H(x)成立。
要求给出一个求得的一致解图,并说明为什么它是一致的;给出目标的解答。
答: 对事实和规则进行skolem 化:
(1)(s)
~P(a)
(2)(s)(P(g(s)))
s)(y)((P(s)∧Q(b,x ,s)) →H(y)
s)(Q(b,x ,s) →Q(b,x ,g(s)))
s)(y)(~P(s)→Q(b,x ,y)) P(g(s))
(3)(x)((4)
((5)(x)(x)( (P(s)∧Q(b,c
,s)) →H(f(s)) Q(b,x ,s) →Q(b,x ,g(s))
~P(s)→Q(b,x ,h(x, s))
经变量换名后,有事实和规则如下:
~P(a)
P(g(s1))
r1: (P(s2)∧Q(b,c ,s2)) →H(f(s2))
r2: Q(b,x3,s3) →Q(b,x3,g(s3))
r3: ~P(s4)→Q(b,x4,h(x4, s4))
用对偶形式对目标skolem 化: (x)H(x)
H(x)
演绎图如下图(这里只给出了一个一致解图) 。
由置换集构造U1和U2:
U1 = (x, s2, x3, s2, x4, s3, s4)
U2 = (f(s2), g(s1), c, g(s3), c, h(x4, s4), a)
由于U1和U2是可合一的,因此该解图是一致解图。合一复合为:
{f(g(h(c, a)))/x, g(h(c, a))/s2, c/x3, h(c, a)/s3, c/x4, h(c, a)/s1, a/s4}} 将该合一复合带入目标中,得到解答: x = f(g(h(c, a)))
第四章 不确定性推理
1、什么是不确定性推理?为什么要采用不确定性推理?P122
2、不确定性推理中要解决哪些基本问题?P123-P124 ==3、已知: ===
规则
R1:E1→H ,CF (H ,E1)=0.9
R2:E2→H ,CF (H ,E2)=0.6
R3:E3→H ,CF (H ,E3)=-0.5
R4:E4∧(E5∨E6) →E1,CF (E1,E4∧(E5∨E6) )=0.9
初始数据:CF (E2)=0.8,CF (E3)=0.6,CF (E4)=0.5 CF(E5)=0.6,CF (E6)=0.8, CF(H )=0
求:CF (H )
解:CF(E1)=0.8*max{0,CF(E4 AND (E5 OR E6))}
=0.8*max{0, min{ CF(E4), CF(E5 OR E6)}}
0.8*max{0, min{0.5, max(CF(E5), CF(E6)}}
0.8*max{0, min{0.5, 0.8}}0.8*max{0, 0.5}
0.8*0.5==0.4
CF1(H)=CF(H,E1)*max{0, CF(E1)} === =0.9*0.4=0.36
CF2(H)=CF(H,E2)*max{0, CF(E2)}
=0.6*0.8=0.48
CF3(H)=CF(H,E3)*max{0, CF(E3)}
=-0.5*0.6=-0.3
CF12(H)=CF1(H)+CF2(H)-CF1(H)*CF2(H)
=0.36+0.48-0.36*0.48=0.67
CF123(H)=(CF12(H)+CF3(H))/(1-min{|CF12(H)|, |CF3(H)|})
=(0.67+(-0.3))/(1-0.3)=0.53
4、当证据E1, E2,E3, E4必然发生后, 看H 的概率变化. 已知H 的先验概率为0.03, 而规则
R1: E1→H LS=20 LN=1
R2: E2→H LS=300 LN=1
R3: E3→H LS=75 LN=1
R4: E4→H LS=4 LN=1
解: (1) 由P(H)=0.03, 得:
O(H)=P(H)/(1-P(H))=0.03/1-0.03=0.030927
(2) 根据R1, 得:
O(H|E1)LS*O(H)20*0.0309270.61854
P(H|E1)O(H)/(1+O(H))0.382
(3) 根据R2, 得:
(3) 根据R2, 得:
O(H|E1,E2)=O(H|E1)/O(H)*O(H|E2)/O(H)*O(H)
=LS*O(H|E1)=300*0.61854=185.562
P(H|E1,E2)=O(H|E1,E2)/(1+O(H|E1, E2)=0.99464
(4) 根据R3, 得:
O(H|E1, E2, E3)=LS*O(H|E1, E2)=13917.15
P(H|E1, E2, E3)=0.99993
(5) 根据R3, 得:
O(H|E1,E2,E3,E4)=LS*O(H|E1,E2,E3)=55668.6
P(H|E1,E2,E3,E4)=0.99998
5、例3: 当证据E 必然发生, 已知H1的先验概率为0.03,而规则 R1:E →H1 LS=20 LN=1
R2:H1→H2 LS=300 LN=0.0001
又知P(H2)的先验概率为0.01时, 计算P(H2|E)?
解: (1) 根据R1及已知P(H1)=0.03, 得:
P(H1|E)LS*P(H1)/((LS-1)*P(H1)+1)
=20*0.03/((20-1)*0.03+1)=0.382
(2) 由于H1 是不确定的, 所以要用插值法.
因为P(H1|E)>P(H1),
当P(H1|E)=P(H1)时, 有:
P(H2|E)P(H2)0.01 = 当P(H1|E)=1时, 有:
P(H2|E)=P(H2|H1) =
=LS*P(H2)/((LS-1)*P(H2))+1
=0.75188
(3) P(H2|E)=0.01+(0.75188-0.01)/(1-0.03)*(0.382-0.03)=0. 2792 =
第五章 搜索策略
1、 对量水问题给出问题描述即状态和操作定义,并画出状态空间图。
有两个无刻度标志的水壶,分别可装5升和2升的水。设另有一水缸,可用来向水壶灌水或倒出水,两个水壶之间,水也可以相互倾灌。已知5升壶为满壶,2升壶为空壶,问如何通过倒水或灌水操作,使能在2升的壶中量出一升的水来。
解:
a) 定义两元组:(L5, L2)
其中:0
0
b) 操作规则集
r1:IF (L5, L2) THEN (5, L2) /* 将L5灌满水 */
r2:IF (L5, L2) THEN (L5, 2) /* 将L2灌满水 */
r3:IF (L5, L2) THEN (0, L2) /* 将L5水到光 */
r4:IF (L5, L2) THEN (L5, 0) /* 将L2水到光 */
r5:IF (L5, L2) and L5+L2
r6:IF (L5, L2) and L5+L2>5 THEN (5, L5+L2-5) /* L2到入L5中 */
r7:IF (L5, L2) and L5+L2
r8:IF (L5, L2) and L5+L2>5 THEN (L5+L2-2, 2) /* L5到入L2中 */
c) 初始状态:(5, 0)
d) 结束条件:(x, 1),其中x 表示不定。当然结束条件也可以写成:(0, 1)
2、对三枚钱币问题给出产生式系统描述及状态空间图。
设有三枚钱币,其排列处在" 正、正、反" 状态,现允许每次可翻动其中任意
一个钱币,问只许操作三次的情况下,如何翻动钱币使其变成" 正、正、正" 或" 反、反、反" 状态。
答:
1, 定义四元组:(x, y, z, n)
其中x,y,x ∈[0,1],1表示钱币为正面,0表示钱币为方面。n=0,1,2,3,表示当前状态是经过n 次翻钱币得到的。
2,规则库
r1: IF (x, y, z, n) THEN (~x, y, z, n+1)
r2: IF (x, y, z, n) THEN (x, ~y, z, n+1)
r3: IF (x, y, z, n) THEN (x, y, ~z, n+1)
其中~x表示对x 取反。
3,初始状态 (1, 1, 0, 0)
4,结束状态 (1, 1, 1, 3) 或者(0, 0, 0, 3)
3、有一农夫带一条狼,一只羊和一筐菜欲从河的左岸乘船到右岸,但受下列条件限制:
a) 船太小,农夫每次只能带一样东西过河;
b) 如果没有农夫看管,则狼要吃羊,羊要吃菜。
请设计一个过河方案,使得农夫,狼,羊和菜都能不受损失的过河,画出相应的状态空间图。
4、图1-2是5个城市的交通图,城市之间的连线旁边的数字是城市之间路程的费用。要求从A 城出发,经过其他各城一次且仅一次,最后回到A 城,请给出搜索树,找出一条最优线路。P200 图5-33
5、请找出图1-3的与或树所包含的解树。P200 图5-34
6、图1-4是一个五子棋棋盘,A 、B 两人轮流走步,谁先布成五子一线(横线,竖线,对角线均可),谁就获胜,请定义估价函数,并站在A 的立场上,找出当前的最佳走步。P200 5-36
7、某问题的状态空间图如下图所示,其中括号内标明的是各节点的h 值,弧线边的数字是该弧线的代价,试用A 算法求解从初始节点S 到目标节点T 的路径。要求给出搜索图,标明各节点的f 值,及各节点的扩展次序,并给出求得的解路径。
答:搜索图如图所示,其中括号内标出的是节点的f 值,圆圈内的数字是扩展的次序。
F(16)
得到的解路径为:S-B-F-J-T
8、有四人过河,只有一条船,最多可乘坐两人。若单个过,各需1,1,5,9分钟,若两人一起过,则需要的时间以多的为准(如需要5分和9分的两人同时乘坐,则需要9分)。问最少需要多少分钟。
(1)、给出问题的状态及操作描述,初始状态和结束状态。
(2)、定义一个h 函数,并说明是否满足A*条件。
(3)、用A 算法求解该问题,给出状态搜索图,标出扩展次序、各节点的f 值、解路径及解路径的代价。
解:状态:(m1, m5, m9, b) 设从河的左岸到右岸,其中m1, m5,m9分别表示过河时间需要1分钟,5分钟和9分钟的人,在河左岸的人数。b =1表示船在左岸,b =0表示船在右岸。
操作规则集:
初始状态:
(2, 1, 1, 1)
结束状态
(0, 0, 0, 0)
h 函数:
h(n) = m - b,其中m 为在左岸的人数,b 为船是否在左岸。
对于任意两个节点ni 和nj ,其中nj 是ni 的子节点。
当ni 中b =1时,则nj 中b =0,因此:max(h(ni)-h(j))=(m-1)-(m-1)=0, 而C(ni, nj)最小为1,因此h(ni)-h(nj)
当ni 中b =0时,则nj 中b =1,因此:max(h(ni)-h(j))=m-m=0, 而C(ni, nj)最小为1,因此h(ni)-h(nj)
而对于目标节点t ,h(t)=0。
因此该h 函数满足单调性条件。所以h 满足A*条件。
9、下图所示博弈树,按从左到右的顺序进行α-β剪枝搜索,试标明各生成节点
的到推值,何处发生剪枝,及应选择的走步。
解:
第6章机器学习
1、什么是机器学习?为什么要研究机器学习?P203
2、说明机器学习系统的基本结构,并说明各部分的作用。P206
3、叙述机械式学习的基本原理及学习过程。P208
4、请画出实例学习的两空间模型,并说明实例学习的过程。P211-214
第7章 神经网络及连接学习
1、什么是人工神经网络?请画出单层感知器模型图?P237图7-12
2、人工神经网络的学习机理主要有哪两种不同的观点。其主要思想是什么?单层感知器学习属于哪种机制。P234
3、请画出M-P 神经元模型,写出输出函数的定义,并列举出两种以上的功能函数。P230