人工智能考试必备

1、 简述问题归约的主要组成部分。 答问题归约主要由三部分组成： 一个初始问 题描述； 一套把问题变换为子问题的操作符； 一套本原问题描述。2、 简述宽度优先搜索算法。 答： (1) 把起始节点放到 OPEN 表中(如果该起始节 点为目标节点，则求得一个解筍。(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。 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，提供从这些后继节点回到n的指针 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。3、计算智能的含义是什么？它涉及哪些研究分支？ 答：计算智能是一种智力方 式的低层认知，它取决于制造者提供的数值数据，而不依赖于知识。它与人工智能的主 要区别在于它不含知识精品。 计算智能涉及神经计算、模糊计算、进化计算和人工生 命等领域。4、简述智能和智能机器的含义。 答：人的智能是人类理解和学习事物的能力，或 者说，智能是思考和理解的能力而不是本能做事的能力。 智能是一种应用知识处理环 境的能力或由目标准则衡量的抽象思考能力。 能够在各类环境中自主地或交互地执行 各种拟人任务(anthropomorphic tasks)的机器。智能机器是一种能够呈现出人类智能行 为的机器，而这种智能行为是人类用大脑考虑问题或者创造思想。5、 简述一个完整的符号系统具有的基本功能。(1)输入符号(input) (2)输出符号 (output)(3)存储符号(store)(4 )复制符号(copy)(5)建立符号结构:通过找出各符号间的关系，在符号系统中形成符号结构； (6)条件性迁移 (conditional tramsfer)：根据已有符号，继续完成活动过程.6、简述从反演树求取对某个问题的答案的过程？ (1)把由目标公式的否定产生的 每个子句添加到目标公式否定之否定的子句中去。 (2)照反演树，执行和以前相同的消 解，直至在根部得到某个子句止。 (3)用根部的子句作为一个回答语句。7、简述人工智能的主要应用领域。 答：人工智能的主要应用领域有问题求解 、 逻 辑推理与定理证明、自然语言理解、自己动程序设计、专家系统、机器学习、神经网络、 机器人学、模式识别、机器人视觉、智能控制、智能检索、智能调度与指挥、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、人工生命。其中新的研 究热点为：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、人 工生命。8、简述解释学习的过程。 答： (1) 利用基于解释的方法对训练例子进行分析与解释。(2) 对例子的结构进行概括性解释。 (3) 从解释结构中识别出训练例子的特性，获取 一般控制知识。9、什么是遗传算法，主要遗传操作有哪些？ 答：遗传算法是仿真生物遗传学和自 然选择机理，通过人工方式所构造的一类搜索算法，从某种程度上说遗传算法是对生物 进化过程进行的数学方式仿真。遗传操作主要 有三种：选择( selection )、交叉(crossover)变异(mutation),变异操作变异操作变异操作变异操作 的简单方式是 改变数码串的某个位置上的数码。tation)。(1分)选择操作选择操作选择操作选择操 作 也叫复制操作，根据个体的适应度函数值所度量的优、劣程度决定它在下一代是被 淘汰还是被遗传。 (1分) 交叉操作交叉操作交叉操作交叉操作的简单方式是将被选择 出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换。10、简述研究人工生命的意义。 答：人工生命是自然生命的模拟、延伸与扩展，其 研究开发有重大的科学意义和广泛的应用价值。(1)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。人工生命的研究开发可以为自然生 命的研究探索提供 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 与发展。11、简述状态空间法三要点？ 状态（state）：表示问题解法中每一步问题 状况的数据结构； （2）算符（operator）：把问题从一种状态变换为另一种状态的手 段； （3） 状态空间方法：基于解答空间的问题表示和求解方法，它是以状态和算符为 基础来表示和求解问题的。12、什么是机器学习，机器学习的主要策略是什么？ 答：机器学习是研究如何使 用机器来模拟人类学习活动的一门学科。稍为严格的提法是：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。四种学习策略 :机械学习、示教学习、 类比学习、示例学习。13、什么是专家系统？专家系统的特点是什么？ 专家系统专家系统专家系统专家 系统是一个含有大量的某个领域专家水平的知识与经验的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。专家系统的特点是： 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。15、现在人工智能的主要学派，它们的认知观是什么？ 答：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。16、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的证明 步骤是什么？答：证明步骤是：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。17 简述一般遗传算法的主要步骤？ 答：主要步骤有： （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地执行下面的步骤1和 2 直到满足停止准则为止： 1 计算群体中每个个体字符串的适应值； 2 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 。18简述学习和机器学习的含义？ 答：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任务或类似任务时,会比现在做得更好或 效率更高。 机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格 的提法是：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。19、什么是人工智能？试从学科和能力两方面加以说明。 答：人工智能（学科） 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。 人工智能（能 力）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。20、规则演绎系统有哪几种推理方式？各自的特点为何？ 答：规则演绎系统有正向推理、逆向推理和双向推理三种推理方式。正向推理的推理方 向是从事实向目标进行；逆向推理的推理方向是从目标向事实进行；双向推理综合了正 向推理和反向推理；当正向推理所得中间结论恰好是逆向推理所需的事实时目标得证。20、 人工智能的一般研究目标是什么？ 答：更好的理解人类智能，通过 编写程序不模仿和检验有关人类智能的理论。 创造有用的灵巧程序，该程序能够执行 一般需要人类专家才能实现的任务。21、一般应用程序与专家系统有何区别？ 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 是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。 22、简述人工神经网络的两种基本结构及特点。 人工神经网络的结构基本上分为 两类，即递归（反馈）网络和前馈网络，在递归网络中， 多个网络互连以组织一个互 连网络，有些神经元的输出被反馈至同层或前层神经元。因此，信号能够从正向和反向 流通。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 元间连接。23、简述专家系统的主要组成部分。 专家系统是一个含有大量的某个领域专家水平 的知识与经验的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。主要包括以下组成部分：（1）知识库（knowledge base）,知识库用于存 储某领域专家系统的专门知识，包括事实、可行操与规则等。（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，它用于存储领或问题的初始数据 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。（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它候选解的原因。 （5）接 口（interface），接口又称界面，它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。24、简述机器学习系统的基本结构和工作过程。 机器学习系统主要由环境、学习、 知识库和执行四部分组成部分。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。四、名词解释1可解结点：对应本原问题的终端节点是可解节点；或节点的后继节点并非全部不可 解，那么该或节点是可解的；与节点的后继节点均为可解节点时，那么该与节点为可解 节点。 2专家系统：专家系统是一个大型的软件，它的功能应该不低于人类专家解 决问题的能力。 3状态空间：状态是描述问题求解过程中任一时刻状况的数据结构， 通常用一组变量的有序组合表示。而状态空间是问题的全部状态及一切可用算符构成的 集合。4产生式系统：产生式系统由三个部分所组成，即规则库，综合数据库和控制系统。5.图灵测试（Turing Test）：图灵测试是衡量计算机是否是智能机的标准，图灵测试 由三方组成：被测试的人、被测试的机器和主持测试的考官。考官提出问题分别让被测 试的人和机器做答，如果考官分不清楚哪个答案是人作出的，哪个答案是机器作出的， 则图灵测试认为计算机就具备智能了。6. 盲目搜索：是按预定的控制策略进行搜索，在搜索的过程中获得的信息不用来改进 控制策略。7.估价函数：用来估价节点重要性的函数称为估价函数。一般形式为()()()xhxgxf+=其 中g(x)为从初始节点OS到节点x已经实际付出的代价，h(x)为从节点x到目标节点gS的 最优估计。 8. 人工智能：是一门研究知识的一门学科，即如何表示知识，如何获取 知识，如何使用知识的学科的科学9. 合适公式：原子是合式公式，若A, B是合式公式，则A-、BABABABAO V人, 也是合式公式，若)(xA是合式公式，则)()(),()(xAxxAx也是合式公式，除此之外再也没 有其他的公式是合式公式。10. W的差异集合：首先找出W的所有表达式中不相同的第一个符号，然后从W的每 个表达式中抽出占有这个位置的子表达式。所有这些子表达式的集合就是W的差异集 合。11. 机器学习：机器学习就是系统在运行时可以做一些适应性的变化，使得系统在下一次执行类似上一次任务时比上一次更家有效，更加快捷，更加完善。12. 产生式：基本形式PfQ,其中规则的前件P为前提，具体形式可以是谓词公式、 关系表达式和真值函数的任意与、或、非组合，可以不精确匹配；而规则的后他则表 示规则激活时应该执行的动作或应该得出的结论。13. 启发式搜索:启发式搜索又称为有知识搜索，它是在搜索中利用与应用领域有 关的启发性知识来控制搜索路线的一种搜索方法。由于这类方法在搜索中利用了与问题 求解有关的知识，不必穷尽地试验每一种可能性，在任何时刻对将要搜索的节点都进行 评价，从中选择一个最有希望到达目标节点的节点优先搜索，这就避免了无效搜索，提 高了搜索速度。14归结原理：为了证明子句集S的不可满足，只要对S中可进行归结的子句进行 归结，并把归结式加入子句集S.得到新子句集S1,则S与S1在不可满足的意义上是等 价的，归结原理的本质思想是去检查子句集S是否包含一个空子句，如果S包含，则S 是不可满足的。如果S不包含，则去检查是否可由S推导出来。当然这个推理规则必 须保证推出的子句是原亲本子句的逻辑结果。15设S是子句集。集合A=所有形如P(t1,：tn)的元素称作子句集S的原子集。其中P(t1,：tn)是出现于S中的任一谓词符号，而t1,：tn是S的H域的任意元素。五、论述题 简答题1规则演绎系统可分为：前向演绎系统：基于一组前向规则，从事实出发进行推理；后向演绎系统：基于一组后向规则，从目标出发进行推理；双向演绎系统： 同时基于前向和后向规则，同时从事实和目标出发进行推理； 产生式系统的推理可分 为：正向推理：从初始事实数据出发，正向使用规则进行推理，朝目标方向前进； 反向推理：从目标出发，反向使用规则进行推理，朝初始事实或数据方向前进； 2专家系统的概念结构有六部分组成： 知识库，用以存储知识的集 合； 推理机，使用知识库中的知识进行推理而解决问题； 动态数据库，存放初 始证据事实、推理结果和控制信息的场所； 人机界面，最终用户和专家系统的交互 界面； 解释模块，负责向用户解释专家系统的行为和结果； 知识库管理系统， 是知识库的支撑软件，类似于数据库管理系统对数据库的作用。3.人工智能的基本技术有下列五种： 推理技术：对推理的研究往往涉及到 对逻辑的研究，逻辑是人脑思维的规律，从而也是推理的理论基础； 搜索技术：搜 索是指连续进行推理的过程，它是对推理进行引导和控制的技术； 知识表示和知识 库技术：知识表示涉及知识的逻辑结构和物理结构，知识库类似于数据库，由于知识是 智能的基础和源泉，因此，知识表示和知识库是人工智能的核心技术； 归纳技术： 是指机器自动提取概念、抽取知识、寻找规律的技术； 联想技术：联想是最基本、 最基础的思维活动，其前提是联想记忆或联想存储；4. 不确定性推理与通常的确定性推理有本质的差别： 不确定性推理中 符号模式匹配能够成功，不但要求两个符号模式本身能够匹配，而且要求证据事实所含 的不确定性程度必须达到一定的限度；不确定推理中一个规则的触发，不仅要求其 前提能匹配成功，而且前提条件的不确定性总程度还必须至少达到阀值；不确定性推 理中推得的结论是否有效，也取决其不确定性程度是否达到阀值； 不确定性推理还 要求有一套关于不确定性度量的计算方法。简答题补充：1、人工智能定义答：从能力的角度看，人工智能是指用人工的方法在机器（计算机）上实现的智能。从 学科的角度看，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延 伸和扩展人类智能的学科。2、人工智能的目标答: 远期目标：揭示人类智能的根本机理，用智能机器去模拟、扩展和延伸人类智能。 近期目标：研究如何使现有的计算机更聪明，即使她能够运用知识去处理问题，能 够模拟人类的智能行为。3、人工智能的三大学派答：人工智能发展中的3 个主要学派：符号主义、连接主义、行为主义。 符号主义认为人工智能源于数理逻辑；人的认知基元是符号，认知过程即符号操作过 程。连接主义认为源于仿生学；人的思维基元是神经元，不是符号处理过程。 行为主义认为源于控制论。智能取决于感知和行动，提出智能行为的“感知动作” 模式4、什么是知识？有哪几种主要的知识分类方法答：知识是人们在改造客观世界的实践中积累起来的认识和经验。1） 、按知识的性质：概念、命题、公理、定理、规则、方法2）、按知识的适应范围：常识性知识、领域性知识3）、按知识的作用效果：事实性知识、过程性知识、控制性知识4）、按知识的层次：表层知识、深层知识5）按知识的等级：零级知识、一级知识、二级知识 7）按知识的结构及表现形式：逻辑性知识、形象性知识5、知识表示及其要求答：知识表示就是对知识的描述，即用一些约定的符号把知识编码成一组可以被计算机接收 并便于系统使用的数据结构。要求：1）表示能力 2）可利用性 3）可组织性与可维护性4）可实现性 5）自然性与可理解 性。6、产生式的基本形式是什么？它与谓词逻辑中的蕴涵式有什么相同和不同处?答：P-Q IF P THEN Q。蕴涵式仅是产生式的一种特殊情况。1）蕴涵式智能表示确定性知识，其真值只能取真或 假。而产生式不仅可以表示确定性知识，也可以表示不确定性知识。 2）在产生式表示法中， 决定一个产生式是否可用，是通过检查已知事实是否与前提中所规定的条件匹配来实现的， 并且匹配可以是精确度的，也可以是不精确的。而谓词逻辑中的蕴涵式，其匹配规则要求一 定是精确的。7、何为产生式系统，它由哪几部分构成？答： 通常把产生式知识表示方法构造的智能系统称为产生式系统。一个产生式系统的基本 结构包括综合数据库、规则库和控制系统这三部分。8、什么是推理？它有那些分类方法？答:推理是指按照某种策略从已知事实出发推出结论的过程。主要有演绎推理和归纳推理。9、推理中的控制策略包括哪几方面的内容？主要解决那些问题？答：主要包括推理策略和搜索策略。主要解决推理方向、冲突消解等问题。10、何为正向推理？何为逆向推理？何为混合推理？答：正像推理是一种从一种从已知事实出发、正向使用推理规则的推理方式，也称为数据驱 动推理或向前链推理。逆向推理是一种以某个假设目标为出发点的推理方法，也称为目标驱 动推理或逆向链推理。为了更好地发挥这两种算法各自的长处，避免各自的短处，互相取长 补短，可以将它们结合起来使用。这种推理方法称为混合推理。11、什么是谓词公式的可满足性？什么是谓词公式的不可满足性？答：对于谓词公式P,如果至少存在D上的一个解释，使公式P在此解释下的真值为T,则称公式P在D上是可满足的。可满足性又称为相容性。12、什么是搜索？有哪两大类不同的搜索方法？两者的区别是什么？答：根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问 题得以解决的过程称为搜索。盲目搜索和启发式搜索。状态空间搜索和与或树搜索。 状态空间法和问题规约法是最基本的两种求解方法。状态空间法和与或树表示法则是人工智 能中最基本的的两种问题表示方法。13、什么是状态空间？用状态空间表示问题时，什么是问题的解？什么是最优解？最优解唯一吗?答：状态空间法的基本思想是用状态和操作来表示和求解问题的。由初始状态到达目标状态 所用的运算符序列就是该问题的一个解。14、在状态空间一般搜索过程中，Open表与Closed表的作用与区别是什么？答：1）存放结点不同。Open表存放未扩展的结点，Closed表存放已经扩展过的借点。2）Open表里结点的顺序对算法效率有影响3）Open表为空时，算法停止。15、什么是不确定性推理？为什么要采用不确定性推理?答：不确定性推理实际上是一种从不确定的初始证据出发。通过运用不确定性知识，最终推 出具有一定程度的不确定性但却又是合理或基本合理的结论的思维过程。1）所需知识不完备、不精确2）所需知识描述模糊3）多种原因导致同一结论4）解决方案 不唯一。21、不确定性推理需要解决的基本问题有哪些？答:1）定性的表示（知识的不确定性和证据的不确定性） 2）不确定性的匹配 3）组合证据不确定性的计算4）不确定性的更新5）不确定性结论的合成。22、统的基本模型答 1）环境与学习环节2）知识库 3）执行环节（复杂度、反馈、透明性）。23、专家系统的概念和基本结构。答:主要特点：灵活性、启发性、透明性。1）知识库 2）数据库 3）推理机 4）解释模块5）知识获取模块6）人机接口。