(2)人工智能及其应用复习资料33

人工智能及其应用(2)第一章 绪 论1-1. 什么是人工智能？试从学科和能力两方面加以说明。 从学科角度来看：人工智能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能功能，并开发相关理论和技术。 从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、 理解、设计、思考、规划、学习和问题求解等思维活动 1-2. 在人工智能的发展过程中，有哪些思想和思潮起了重要作用？ 控制论之父维纳 1940 年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根 据这一理论，一个机械系统完全能进行运算和记忆。帕梅拉麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究机器思维(Machine Who Think,1979)中曾 经指出：在复杂的机械装置与智能之间存在着长期的联系。 著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计 算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。 数理逻辑从 19 世纪末起就获迅速发展；到 20 世纪 30 年代开始用于描述智能行为。计算机出现后，又在计算机上 实现了逻辑演绎系统。 1943 年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即 MP 模型。60-70 年代，联结 主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮， 控制论思想早在40-50 年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70 年代，控制论系 统的研究取得一定进展，播下智能控制和智能机器人的种子。 1-3. 为什么能够用机器（计算机）模仿人的智能？ 物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符 号、复制符号、建立符号结构、条件性迁移6 种功能。反之，任何系统如果具有这6 种功能，那么它就能够表现出 智能(人类所具有的智能)。 物理符号系统的假设伴随有3 个推论。 推论一: 既然人具有智能，那么他(她)就一定是个物理符号系统。 推论二: 既然计算机是一个物理符号系统，它就一定能够表现出智能。 推论三: 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。 1-4. 现在人工智能有哪些学派？它们的认知观是什么？ 符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism) 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。 认为人的认知基元是符号，而且认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号 系统，因此，我们就能够用计算机来模拟人的智能行为。知识是信息的一种形式，是构成智能的基础。人工智能的 核心问题是知识表示、知识推理和知识运用。 联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism) 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 认为人的思维基元是神经元，而不是符号处理过程。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。 行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism) 其原理为控制论及感知-动作型控 制系统 认为智能取决于感知和行动。认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化。智能行为只能在现实世界中与周围环境交互作用而表现出来。符号主义、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。 1-5. 你认为应从哪些层次对认知行为进行研究？ 心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语 言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人 的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 1-6. 人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？ 问题求解 (下棋程序)，逻辑推理与定理证明 (四色定理证明)，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 (星际探索机器人)，模式识别 (手写识别，汽车牌照识别，指纹识别)，机器视觉 (机器装配， 卫星图像处理)，智能控制，智能检索，智能调度与指挥 (汽车运输高度，列车编组指挥)，系统与语言工具。 新的研究热点： 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 (超市市场商品数据分析)，人工生命。第二章 知识表示方法2-2 设有 3 个传教士和 3 个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去? 用S i (nC, nY) 表示第i 次渡河后，河对岸的状态，nC 表示传教士的数目，nY 表示野人的数目，由于总人数的确定 的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目 不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3 种情况： 1. nC=0 2. nC=3 3. nC=nY=0 (当nC 不等于0 或3) 用d i (dC, dY)表示渡河过程中，对岸状态的变化，dC 表示，第i 次渡河后，对岸传教士数目的变化，dY 表示，第i 次渡河后，对岸野人数目的变化。当i 为偶数时，dC,dY 同时为非负数，表示船驶向对岸，i 为奇数时，dC, dY 同时 为非正数，表示船驶回岸边。 初始状态为S 0 (0, 0)，目标状态为S 0 (3, 3)，用深度优先搜索的方法可寻找渡河方案。 在此，用图求法该问题，令横坐标为 nY, 纵坐标为 nC，可行状态为空心点表示，每次可以在格子上，沿对角线移 动一格，也可以沿坐标轴方向移动1 格，或沿坐标轴方向移动2 格。第奇数次数状态转移，沿右方，上方，或右上 方移动，第偶数次数状态转移，沿左方，下方，或左下方移动。 从(0,0)开始，依次沿箭头方向改变状态，经过11 步之后，即可以到达目标状态(3,3)，相应的渡河方案为： d1(1,1)-d2(-1,0)-d3(0,2)-d4(0,-1)-d5(2,0)-d6(-1,-1)-d7(2,0)-d8(0,-1)-d9(0,2)-d10(-1,0)-d11 (1,1) 2-4 试说明怎样把一棵与或解树用来表达图2.28 所示的电网络阻抗的计算。单独的R、L 或C 可分别用R、jL 或1/jC 来计算，这个事实用作本原问题。后继算符应以复合并联和串联阻抗的规则为基础。约定，用原来的与后继算法用来表达并联关系，用原来的或后继算法用来表达串联关系 2-5 试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。 用四元数列 (nA, nB, nC, nD) 来表示状态，其中nA 表示A 盘落在第nA 号柱子上，nB 表示B 盘落在第nB 号柱子 上，nC 表示C 盘落在第nC 号柱子上，nD 表示D 盘落在第nD 号柱子上。 初始状态为 1111，目标状态为 3333 如图所示，按从上往下的顺序，依次处理每一个叶结点，搬动圆盘，问题得解。 2-6 把下列句子变换成子句形式： (1) ( x)P(x)P(x)(2) x y(On(x,y)Above(x,y) (3) x y z(Above(x,y)Above(y,z)Above(x,z)(4) ( x)P(x)（ y）p(y)p(f(x,y)( y)Q(x,y)P(y) (1) (ANY x) P(x)P(x) (ANY x) P(x) OR P(x) P(x) OR P(x) 最后子句为 P(x) OR P(x) (2) (ANY x) (ANY y) On(x,y)Above(x,y) (ANY x) (ANY y) On(x,y) OR Above(x,y) On(x,y) OR Above(x,y) 最后子句为 On(x,y) OR Above(x,y) (3) (ANY x) (ANY y) (ANY z) Above(x,y) AND Above(y,z) Above(x,z) (命题联结词之优先级如下:否定合取析取蕴涵等价) (ANY x) (ANY y) (ANY z) Above(x,y) AND Above(y,z) OR Above (x,z) Above(x,y) AND Above(y,z) OR Above (x,z) 最后子句为 Above(x,y), Above(y,z) OR Above(x,z) (4) (ANY x) P(x) (ANY y) p(y)p(f(x,y) AND (ANY y) Q(x,y) P(y) (ANY x) P(x) OR (ANY y) p(y) OR p(f(x,y) AND (ANY y) Q(x,y) OR P(y) (EXT x) P(x) AND (EXT x) p(y) AND p(f(x,y) OR (EXT y) Q(x,y) AND P(y) (EXT x) P(x) AND (EXT w) p(y) AND p(f(w,y) OR (EXT v) Q(x,v) AND P(v) P(A) AND p(y) AND p(f(B,y) OR Q(A,C) AND P(C) P(A) AND p(y) AND p(f(B,y) OR Q(A,C) AND p(y) AND p(f(B,y) OR P(C) P(A) AND p(y), p(f(B,y) OR Q(A,C) AND p(y), p(f(B,y) OR P(C) 最后子句为 P(A) p(x), p(f(B,x) OR Q(A,C) p(y), p(f(B,y) OR P(C) 2-7 用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项。例如不要用单一的谓词字母来表示每个句 子。) A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence. 先定义基本的谓词 INTLT(x) means x is intelligent PERFORM(x,y) means x can perform y REQUIRE(x) means x requires intelligence CMP(x) means x is a computer system HMN(x) means x is a human 上面的句子可以表达为 (任意x) (存在t) (存在y) HMN(y) 合取 PERFORM(y,t) 合取 REQUIRE(t) 合取 CMP(x) 合取 PERFORM(x,t) INTLT(x) 2-8 把下列语句表示成语义网络描述： (1) All man are mortal. (2) Every cloud has a silver lining. (3) All branch managers of DEC participate in a profit-sharing plan. (1) (2) (3) 2-9 作为一个电影观众，请你编写一个去电影院看电影的剧本。 (1) 开场条件 (a) 顾客想看电影 (b) 顾客在足够的钱 (2) 角色 顾客，售票员，检票员，放映员 (3) 道具 钱，电影票 (4) 场景 场景 1 购票 (a) 顾客来到售票处 (b) 售票员把票给顾客 (c) 顾客把钱给售票员 (d) 顾客走向电影院门 场景 2 检票 (a) 顾客把电影票给检票员 (b) 检票员检票 (c) 检票员把电影票还给顾客 (d) 顾客进入电影院 场景 3 等待 (a) 顾客找到自己的座位 (b) 顾客坐在自己座位一等待电影开始 场景 4 观看电影 (a) 放映员播放电影 (b) 顾客观看电影 场景 5 离开 (a) 放映员结束电影放映 (b) 顾客离开电影院 (5) 结果 (a) 顾客观看了电影 (b) 顾客花了钱 (c) 电影院赚了钱 2-10 试构造一个描述你的寝室或办公室的框架系统。 第三章 搜索推理技术3-1 什么是图搜索过程?其中，重排OPEN 表意味着什么，重排的原则是什么? 图搜索的一般过程如下： (1) 建立一个搜索图G(初始只含有起始节点S)，把S 放到未扩展节点表中（OPEN 表）中。 (2) 建立一个已扩展节点表（CLOSED 表），其初始为空表。 (3) LOOP：若OPEN 表是空表，则失败退出。 (4) 选择OPEN 表上的第一个节点，把它从OPEN 表移出并放进CLOSED 表中。称此节点为节点n，它是CLOSED 表中 节点的编号 (5) 若n 为一目标节点，则有解并成功退出。此解是追踪图G 中沿着指针从n 到S 这条路径而得到的(指针将在第7 步中设置) (6) 扩展节点n，生成不是n 的祖先的那些后继节点的集合M。将M 添入图G 中。 (7) 对那些未曾在G 中出现过的(既未曾在OPEN 表上或CLOSED 表上出现过的)M 成员设置一个通向n 的指针，并将 它们加进OPEN 表。 对已经在OPEN 或CLOSED 表上的每个M 成员，确定是否需要更改通到n 的指针方向。 对已在CLOSED 表上的每个M 成员，确定是否需要更改图G 中通向它的每个后裔节点的指针方向。 (8) 按某一任意方式或按某个探试值，重排OPEN 表。 (9) GO LOOP。 重排OPEN 表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。 重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能 达到目标节点的那些节点排在OPEN 表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排 OPEN 表。 3-2 试举例比较各种搜索方法的效率。(1) 把起始节点放到OPEN 表中(如果该起始节点为一目标节点，则求得一个解答)。 (2) 如果OPEN 是个空表，则没有解，失败退出；否则继续。 (3) 把第一个节点(节点n)从OPEN 表移出，并把它放入CLOSED 扩展节点表中。 (4) 扩展节点n。如果没有后继节点，则转向上述第(2)步。 (5) 把n 的所有后继节点放到OPEN 表的末端，并提供从这些后继节点回到n 的指针。 (6) 如果n 的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。有界深度优先搜索 (1) 把起始节点S 放到未扩展节点OPEN 表中。如果此节点为一目标节点，则得到一个解。 (2) 如果OPEN 为一空表，则失败退出。 (3) 把第一个节点(节点n)从OPEN 表移到CLOSED 表。 (4) 如果节点n 的深度等于最大深度，则转向(2)。 (5) 扩展节点n，产生其全部后裔，并把它们放入OPEN 表的前头。如果没有后裔，则转向(2)。 (6) 如果后继节点中有任一个为目标节点，则求得一个解，成功退出；否则，转向(2)。 等代价搜索方法以g(i)的递增顺序扩展其节点，其算法如下： (1) 把起始节点S 放到未扩展节点表OPEN 中。如果此起始节点为一目标节点，则求得一个解;否则令g(S)=0。 (2) 如果OPEN 是个空表，则没有解而失败退出。 (3) 从 OPEN 表中选择一个节点 i，使其 g(i)为最小。如果有几个节点都合格，那么就要选择一个目标节点作为节 点i(要是有目标节点的话)；否则，就从中选一个作为节点i。把节点i 从OPEN 表移至扩展节点表CLOSED 中。 (4) 如果节点i 为目标节点，则求得一个解。 (5) 扩展节点i。如果没有后继节点，则转向第(2)步。 (6) 对于节点 i 的每个后继节点 j，计算g(j)=g(i)+c(i,j)，并把所有后继节点 j 放进 OPEN 表。提供回到节点 i 的指针。 (7) 转向第(2)步。3-3 化为子句形有哪些步骤?请结合例子说明之。 任一谓词演算公式可以化成一个子句集。其变换过程由下列九个步骤组成： (1)消去蕴涵符号 将蕴涵符号化为析取和否定符号 (2)减少否定符号的辖域 每个否定符号最多只用到一个谓词符号上，并反复应用狄 摩根定律 (3)对变量标准化 对哑元改名以保证每个量词有其自己唯一的哑元 (4)消去存在量词 引入Skolem 函数，消去存在量词 如果要消去的存在量词不在任何一个全称量词的辖域内，那么我们就用不含变量的Skolem 函数即常量。 (5)化为前束形 把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分。 前束形 = (前缀) (母式) 前缀 = 全称量词串 母式 = 无量词公式 (6)把母式化为合取范式 反复应用分配律，将母式写成许多合取项的合取的形式，而每一个合取项是一些谓词公式和(或)谓词公式的否定的析取 (7)消去全称量词 消去前缀，即消去明显出现的全称量词 (8)消去连词符号(合取) 用合取项1,合取项2替换明显出现的合取符号 (9)更换变量名称 更换变量符号的名称，使一个变量符号不出现在一个以上的子句中 3-4 如何通过消解反演求取问题的答案? 给出一个公式集S 和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下： (1)否定L，得L； (2)把L 添加到S 中去； (3)把新产生的集合L，S化成子句集； (4)应用消解原理，力图推导出一个表示矛盾的空子句NIL。 3-5 什么叫合适公式?合适公式有哪些等价关系? 合式公式的递归定义为： (1) 原子谓词公式是合式公式 (2) 若A 为合式公式，则A 的否定也是合式公式 (3) 若A、B 都是合式公式，则A AND B, AOR B, AB, AB 也都是合式公式 (4) 若A 是合式公式，x 为A 中的自由变元，则(ANY x)A 和 (EXT x)A 都是合式公式 (5) 只有按规则(1)(4)求得的公式，才是合式公式 等价关系有：否定之否定，蕴含与与或形式的等价，狄.摩根定律；分配律，交换律，结合律，逆否律，否定跨越量 词，全称量词同与或连词，量词中的哑元 3-6 用宽度优先搜索求图3.33 所示迷宫的出路。 第一步 SAB 第二步 BH BC 第三步 HG CF 最终路径为SABCF3-7 用有界深度优先搜索方法求解图3.34 所示八数码难题。解：定义操作符集：F=f1,f2,f3,f4，其中： f1 表示空格右移； f2 表示空格上移； f3 表示空格左移； f4 表示空格下移。 搜索时，节点的扩展顺序规定为按右、左、上、下方向移动空格。并设置深度界限为8。 由上述有界深度优先搜索树中可见， 当d=8 时，八数码难题的一个解为： f4, f4, f3, f2, f2, f3, f4, f3 3-10 一个机器人驾驶卡车，携带包裹(编号分别为1、2 和3)分别投递到林(LIN)、吴(WU)和胡(HU)3 家住宅处。规定了某些简单的操作符，如表示驾驶方位的drive(x,y)和表示卸下包裹的unload(z) 都有一定的先决条件和结果。试说明状态空间问题求解系统如何能够应用谓词演算求得一个操作符序列，该序列能够生成一个满足AT(#1，LIN)AT(#2，WU)AT(#3,HU)的目标状态。 初始状态可描述为：AT(#1, LIN) AND AT(#2, WU) AND AT(#1, HU) AND AT(#1, CAR) AND AT(#2, CAR) AND AT(#3, CAR) 目标状态可描述为：AT(#1, LIN) AND AT(#2, WU) AND AT(#1, HU) AND AT(#1, CAR) AND AT(#2, CAR) AND AT(#3, CAR) 对每个操作符都有一定的先决条件和结果，详细如下 drive(x, y) 先决条件：AT(CAR, x) 结果： AT(CAR, y) unload(z)先决条件：AT(z, CAR) AND AT(CAR, x) 结果： AT(z, CAR) AND AT(z, x) 原问题就转换为寻找一个可将初始状态转换到目标状态的操作序列 如何求得该操作序列? 3-11 规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何? 规则演绎系统的推理方式有正向推理、逆向推理和双向推理双向推理组合了正向推理和逆向推理的优点，克服了各自的缺点，具有更高的搜索求解效率。 产生式系统的推理方式有正向推理、逆向推理和双向推理 双向推理结合了正向推理和逆向推理的长处，克服了两者的短处，其控制策略比两者都要复杂。 3-12 为什么需要采用系统组织技术?有哪几种系统组织技术? 如果不采用系统组织技术，而直接写出包含所有知识的规则，并让系统利用这些规则，找出一条从给定状态到目标 状态的路径，这种方法有严重的缺点： (1) 随着规则的增加，既要加入新的规则，又要使新规则不与现有规则产生冲突，这将使问题变得愈来愈困难 (2) 在问题求解过程中，由于每一步都必须考虑所有规则，效率就会大大降低，然而，实际上却往往是只有应用完 一组规则之后，才考虑另一组别的规则 (3) 一种问题求解技术和知识表达形式可能对问题的某一部分是最好的，而对另一部分却不是最好的 因此，采用系统组织技术，将一个大系统中的知识分成一组相对独立的模块比较合适。 有3 种系统组织技术：议程表、黑板法和Delta 极小搜索法 3-13 研究不确定性推理有何意义?有哪几种不确定性? 不确定性推理是研究复杂系统不完全性和不确定性的有力工具。 有3 种不确定性，关于证据的不确定性(观测有误差)，关于结论的不确定性和多个规则支持同一事实时的不确定性。 3-14 单调推理有何局限性?什么叫缺省推理?非单调推理系统如何证实一个节点的有效性? 单调系统不能很好地处理常常出现在现实问题领域中的3 类情况，即不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设 有两种方法可以证实节点的有效性： (1) 支持表。 ( SL (IN-节点表) (OUT- 节点表) ) 如果某节点的IN 节点表中提到的节点当前都是IN, 且OUT 节点表中提到的节点当前都是OUT，则它是有效的 (2) 条件证明。 ( CP(结论) (IN-假设) (OUT-假设) ) 条件证明(CP)的证实表示有前提的论点，无论何时，只要在IN 假设中的节点为IN, OUT 假设中的节点为OUT, 则 结论节点往往为IN，于是条件证明的证实有效。 3-15 在什么情况下需要采用不确定推理或非单调推理? 不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设 3-16 下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则： (1) 两个全等三角形的各对应角相等。 (2) 两个全等三角形的各对应边相等。 (3) 各对应边相等的三角形是全等三角形。 (4) 等腰三角形的两底角相等。 规则(1): IF 两个三角形全等 THEN 各对应角相等 规则(2): IF 两个三角形全等 THEN 各对应边相等 规则(3): IF 两个三角形各对应边相等 THEN 两三角形全等 规则(4): IF 它是等腰三角形 THEN 它的两底角相等 第四章 计算智能（1）：神经计算 模糊计算4-1 计算智能的含义是什么？它涉及哪些研究分支？ 贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。 主要的研究领域为神经计算，模糊计算，进化计算，人工生命。 4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。 计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产 生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI 包含AI 包含BI 4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？ 人工神经网络具有如下至关重要的特性： (1) 并行分布处理 适于实时和动态处理 (2) 非线性映射 给处理非线性问题带来新的希望 (3) 通过训练进行学习 一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题 (4) 适应与集成 神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大 规模和多变量系统 (5) 硬件实现 一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。 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。 生物神经元 大多数神经元由一个细胞体(cell body 或soma)和突(process)两部分组成。突分两类， 即轴突(axon)和树突(dendrite)， 轴突是个突出部分，长度可达 1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较 短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。 轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促 使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强 度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲 转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。 每个人脑大约含有 1011-1012 个神经元，每一神经元又约有 103-104 个突触。神经元通过突触形成的网络，传 递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。 人工神经网络的结构人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法， 每种连接方法对应于一个连接权系数。 人工神经网络的结构分为2 类： (1) 递归(反馈)网络 有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield网络，Elmman网络和Jordan网络是代表。 (2) 前馈网络 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神 经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模 型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。 人工神经网络的主要学习算法 (1) 指导式(有师)学习 根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta 规则，广义Delta 规则，反向传播算 法及LVQ 算法。 (2) 非指导(无导师)学习 训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括 Kohonen 算法， Carpenter-Grossberg 自适应谐振理论(ART) (3) 强化学习 是有师学习的一种特例。它不需要老师给出目标输出，而是由一个“评论员”来评介与给定输入相对应的神经网络 输出的优度。例如遗传算法(GA) 4-10 什么是模糊集合和隶属函数或隶属度？ 论域U 模糊子集F 隶属函数 序偶 P119 4-11 模糊集合有哪些运算，满足哪些规律？ 并(取max)，交(取min)，补 幂等律，交换律，结合律，分配律，吸收律，同一律，Demorgan 律，复原律，对偶律，互补律不成立 4-12 什么是模糊推理？有哪几种模糊推理方法？ 模糊推理是建立在模糊逻辑基础上的，一种不确定性推理方法，是在二值逻辑三段论基础上发展起来的。它以模糊判断为前提，动用模糊语言规则，推导出一个近似的模糊判断结论。 有许多模糊推理方法。在Zadeh 法中，有2 种重要的模糊推理规则：广义取式(肯定前提)假言推理法(GMP)和广义 拒式(否定结论)假言推理法(GMT)，分别简称为广义前向推理法和广义后向推理法。 4-13 有哪些模糊蕴含关系？ 模糊合取，模糊析取，基本蕴涵，命题演算，GMP 推理，GMT 推理4-14 什么叫模糊判决？有哪几种常用的模糊判决方法？ 从推理得到的模糊集合中，取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。 常用的模糊判决方法有：重心法，最大隶属度法，系数加权平均法，隶属度限幅元素平均法 第五章 计算智能(2):进化计算 人工生命5-1 什么是进化计算？它包括哪些内容？它们的出发点是什么？ 什么是？ 进化计算包括遗传算法，进化策略，进化编程和遗传编程。 出发点？ 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。 基本原理？ 求解步骤： (1) 随机产生一个由确定长度的特征字符串组成的初始种群体 (2) 对该字符串种群迭代地执行下步的步骤1和步骤2，直到满足停止准则为止： 1 计算种群中每个个体字符中的适应值 2 应用复制，交叉和变异等遗传算子产生下一代种群 (3) 把在后代中出现的最好个体字符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。 5-5 进化策略是如何描述的？ 最简单的进化策略可描述如下： P137 5-6 简述进化编程的机理和基本过程，并以四状态机为例说明进化编程的表示。 机理？ 基本过程？ P139 5-7 遗传算法、进化策略和进化编程的关系如何？有何区别？ 关系： 它们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。 区别： 进化策略和进化编程把变异作为主要搜索算子，标准遗传算法中，变异处于次要位置。 交叉在遗传法起着重要作用，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，而进化策略的选择是完全确定的。 进化策略和进化编程，确定地把某个个体排除在被选择之外，而标准遗传算法都对每个个体指定一个非零的选择概率。 5-8 人工生命是否从1987 年开始研究？为什么？ 不是。1987 年第一次人工生命研讨会上，美国圣塔菲研究所非线性研究组的兰顿正式提出了人工生命的概念，建立起人工 生命新学科。 20 世纪，60 年代，罗森布拉特研究感知机，斯塔尔建立细胞活动模型，林登迈耶提出了生长发育中的细胞交互作 用数学模型。 70 年代，康拉德等人研究人工仿生系统中的自适应，进化和群体动力学，提出不断完善的“人工世界”模型。细胞 自动机被用于图像处理。康韦提出生命的细胞自动机对策论。 80 年代，人工神经网络再度兴起，促进了人工生命的发展。 5-9 什么是人工生命？请按你的理解用自己的语言给人工生命下个定义。 1987 年兰德提出的人工生命定义为：人工生命是研究能够演示出自然生命系统特征行为的人造系统。通过计算机或 其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。 凡是具有自然生命现象和特征的人造系统，都可称为人工生命。 5-10 人工生命要模仿自然生命的特征和现象。自然生命有哪些共同特征？ 自然生命的共同特征和现象，包括但不限于： (1) 自繁殖，自进化，自寻优 (2) 自成长，自学习，自组织 (3) 自稳定，自适应，自协调 (4) 物质构造 (5) 能量转换 (6) 信息处理 5-11 为什么要研究人工生命？ 具有重大的科学意义和广泛的应用价值 (1) 开发基于人工生命的工程技术新方法，新系统，新产品(2) 为自然生命的研究提供新模型、新工具、新环境(3) 延伸人类寿命，减缓衰老，防治疾病(4) 扩展自然生命，实现人工进化和优生优育(5) 促进生命科学，信息科学，系统科学的交叉发展5-12 人工生命包括哪些研究内容？其研究方法如何？研究内容大致分为两类：（1） 构成生物体的内部系统，包括脑，神经系统，内分泌系统，免疫系统，遗传系统，酶系统，代谢系统（2） 生物体及其群体的外部系统，包括环境适应系统和遗传进化系统研究方法主要可分为两类：（1） 信息模型法，根据内部和外部系统所表现出来的生命行为来建造信息模型（2） 工作原理法：生命行为所显示的自律分散和非线性行为，其工作原理是混沌和分形，以此为基础研究人工生命的机理。第六章 专家系统6-1 什么叫做专家系统？具有哪些特点和优点？专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，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。也就是说，专家系统是一个具有 大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某一个领域或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，一边解决那些需要人类专家处理的复杂问题。特点：（1） 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（2） 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，以便让用户能够了解推理过程，提高对专家系统的信赖感。（3） 灵活性 专家系统能不断地增长知识，修改原有知识，不断更新优点（1） 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（2） 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（3） 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（4） 专家系统能够促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力（5） 专家系统能够汇集多领域专家的知识和经验以及他们写作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力（6） 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（7） 专家系统的研制和应用，具有巨大的经济效益和社会效益（8） 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。6-2 专家系统由哪些部分构成？各个部分的的作用为何？（1）知识库（knowledge base）知识库用于存储某领域的专门知识，包括事实、可行操作与规则等。（2）综合数据库（global database）综合数据库又称全局数据库或总数据库，它用于存储领域或问题的厨师数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。（3）推理机（reasoning machine）推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据指示进行推理和导出结论，而不是简单地搜索现成的答案。（4）解释器（explanator）解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。（5）接口（interface）又称界面，他能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。6-3 建造专家系统的关键步骤是什么？是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键（1） 设计初始知识库 问题知识化、知识概念化、概念形式化、形式规则化、规则合法化（2） 原型机（prototype）的开发与试验建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程（3） 知识库的改进与归纳反复对知识库及推理规则进行改进试验，归纳出更完善的结果6-4 专家系统程序与一般的问题求解软件程序有何不同？开发专家系统与开发其他软件的任务有何不同？一般应用程序与专家系统的区别在于：前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理时通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级：数据、知识库和控制。在数据级上，是已经解决了的特定问题的说明性知识以及需要求解问题的有关事件的当前状态、在知识库级是专家系统的专门知识与经验。是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键。在控制程序级，根据既定的控制策略和所求解问题的性质来决定应用知识库中的哪些知识。6-5 基于规则的专家系统是如何工作的？其结构为何？系统的主要部分是知识库和推理引擎。知识库由谓词演算事实和有关讨论主题的规则构成。“知识工程师”与应用领域的专家共同工作以便把专家的相关知识表示成一种形式，由一个知识采集子系统协助，输入到知识库。推理引擎由所有操作知识库来演绎用户要求的信息的过程构成-如消解、前向链或反向链。用户接口可能包括某种自然语言处理系统，它允许用户用一个有限的自然语言形式与系统交互。也可是用带有菜单的图形接口界面。解释子系统分析被系统只需的推理结构，并把它解释给用户。6-6 基于框架的专家系统与面向目标的编程技术，以提高系统的能力和灵活性。它们共享许多特征。面向目标的编程其所有数据结构均以目标形式出现，每个目标含有两种基本信息：描述目标的信息和说明目标能做什么的信息。面向目标的编程为表示实际世界目标提供了一种自然的方法。应用专家系统的术语来说，每个目标具有陈述性知识和过程知识。结构的主要特点在于基于框架的专家系统采用框架而不是规则来表示知识。框架提供一种比规则更丰富的获取问题知识的方法，不仅提供某些目标的包描述，而且还规定了该目标如何工作。开发基于框架的专家系统的主要任务有：（1） 定义问题（对问题和结论的考察与综述）（2） 分析领域（定义事物、事物特征、事件和框架结构）（3） 定义类及其特征（4） 定义例及其框架结构（5） 确定模式匹配法则（6） 规定事物通信方法（7） 设计系统界面（8） 对系统进行评价（9） 对系统进行扩展，深化和扩展知识6-7 为什么要提出基于模型的专家系统？试述神经网络专家系统的一般结构。有一种关于人工智能的观点认为：人工智能是对各种定性模型的获得、表达及使用的计算方法进行研究的学问。根据这一观点，一个知识系统中的知识库是由各种模型综合而成的，而这些模型又往往是定性的模型。采用各种定性模型来设计专家系统，一方面它增加了系统的功能，提高了性能指标，另一方面，可独立地深入研究各种模型及其相关问题，把获得的结果用于改进系统设计。6-8 新型专家系统有何特征？什么是分布式专家系统和协同式专家系统？新型专家系统的特征：（1） 并行于分布处理（2） 多专家系统协同工作（3） 高级语言和知识语言描述知识工程师只需用一种高级专家系统描述语言对系统进行功能、性能及接口描述，并用知识表示语言描述领域知识，专家系统生成系统就能自动或半自动地生成所需专家系统。（4） 具有自学习功能具有高级的知识获取与学习能力（5） 引入新的推理机制除了能进行演绎推理之外，还有归纳推理（联想、类比）、非标准逻辑推理（非单调逻辑推理、加权逻辑推理）及各种基于不完全知识和模糊知识的推理。（6） 具有自纠错和自完善能力（7） 先进的智能人机接口理解自然语言，实现语声、文字、图形和图像的直接输入输出时如今人们对智能计算机提出的要求。分布式专家系统具有分布处理的特征，能把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，从而有总体上提高系统的处理效率。它可以工作在紧耦合的多处理器系统环境中，也可工作在松耦合的计算机网络环境中，其总体结构在很大程度上依赖于其所在的硬件环境。协同式专家系统又称为“群专家系统”，是一个能综合若干个相近领域或一个领域的多个方面的子专家系统互相协作，共同解决一个更广领域问题的专家系统。是克服一般专家系统的局限性的重要途径。它不着重于处理的分布和知识的分布，而是更强调子系统间的协同合作。它并不一定要求有多高处理机的硬件环境，而且一般都是在同一个处理机上实现各子专家系统的。6-9 在设计专家系统时，应考虑哪些技术？（1） 具有可靠知识与数据的小搜索空间问题数据可靠（无噪声、无错误、不丢失、不多余）和知识可靠（不出现假的、近似的或推测性的结论），决定了系统具有单调性并可采用单路推理路线。而小搜索空间的问题一般允许采用穷举搜索策略。（2） 不可靠的数据或知识这种情况应采用概率推理、模糊推理、不可靠数据的精确推理方法或专门的不确定性推理技术。（3） 时变数据一般要设计时间推理技术，推理过程要求较复杂的表示法。（4） 大搜索空间的问题一般要引入启发式搜索策略或采用分层体系结构，来降低求解过程的复杂程度。对打空间的问题通常还要根据具体问题的特征来去相应的对策。6-10 什么是建造专家系统的工具？你知道哪些专家系统工具，各有什么特点？专家系统开发工具室一些比较通用的工具，作为设计和开发专家系统的辅助手段和环境，以求提高专家系统的开发效率、质量和自动化水平。专家系统工具是一种更高级的计算机程序设计语言。比一般的计算机高级语言具有更强的功能。主要分为骨架型工具（又称外壳）、语言型工具、构造辅助工具和支撑环境等四类。（1） 骨架型工具借用以前开发好的专家系统，将描述领域知识的规则从原系统中“挖掉”，只保留其独立于问题领域知识的推理机部分，这样形成的工具成为骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2） 语言型工具提供给用户的是建立专家系统所需要的基本机制，其控制策略也不固定于一种或几种形式，用户可以通过一定手段来影响其控制策略。因此语言型工具的结构变化范围广泛，表示灵活，所适应的范围要比骨架型工具广泛得多。像OPS5，OPS83，RLL及ROSIE等，均属于这一类工具。（3） 构造辅助工具主要分两类：一类是设计辅助工具，典型的有AGE系统，另一类是知识获取工具，典型的有TEIRESIAS系统。（4） 支撑环境是指帮助进行程序设计的工具，它常备作为知识工程语言的一部分。工具支撑环境仅是一个附带的软件包，以便使用户界面更友好，它包括四个典型组件：调试辅助工具、输入输出设施、解释设施和知识库编辑器。ART就属于这一类系统。第七章 机器学习7-1 什么是学习和机器学习？为什么要研究机器学习？按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样认为或类似任务时，会比现在做得更好或效率跟高。机器学习室研究如何使用机器来模拟人类学习活动的一门学科，机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里说的“机器”，指的就是计算机。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。7-2 试述机器学习系统的基本结构，并说明各部分的作用。环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。7-3 试解释机械学习的模式。机械学习有哪些重要问题需要加以研究？机械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。是最基本的学习过程。任何学习系统都必须记住它们获取的知识。在机械学习系统中，知识的获取是以较稳定和直接的方式进行的，不需要系统进行过多的加工。要研究的问题：（1） 存储组织信息只有当检索一个项目的时间比重新计算一个项目的时间短时，机械学习才有意义，检索的越快，其意义也就越大。（2） 环境的稳定性机械学习基础的一个重要嘉定是在某一时刻存储的信息必须适用于后来的情况。（3） 存储与计算之间的权衡如果检索一个数据比重新计算一个数据所花的时间还要多，那么机械学习就失去了意义。7-4 试说明归纳学习的模式和学习方法。归纳是一种从个别到一般，从部分到整体的推理行为。归纳学习的一般模式为：给定：观察陈述（事实）F，嘉定的初始归纳断言（可能为空），及背景知识求：归纳断言（假设）H，能重言蕴含或