人工智能》课程习题
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。 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？ 1- 3. 为什么能够用机器（计算机）模仿人的智能？ 1- 4. 现在人工智能有哪些学派？它们的认知观是什么？ 1- 5. 你认为应从哪些层次对认知行为进行研究？ 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？
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 ? 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 ? 2- 3 利用图 2.3 ，用状态空间法规划一个最短的旅行路程：此 旅程从城市A开始，A。选择 一个状态表示， 表示出所求得的状态空间的节点及弧线， 标出适 当的代价，并指明图中从起始节点到目标节点的最佳路径。 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 j 3 L或1 w C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。
访问其他城市不多于一次，并返回
R* ci L1
图 2.28
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。
2- 6 把下列句子变换成子句形式：
(1) ( x) { P(x) - P(x) }
(2) (3) (4)
(()-()) (() A ()-())
?{( x) {P(x) - {( y) :p(y) -p(f()) ]A ( y) :Q()-P(y) ：}}}
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 a a ,. 2- 8把下列语句表示成语义网络描述： (1) .
(2) a . (3) a .
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。 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，重排表意味着什么，重排的原则 是什
么？
3- 2试举例比较各种搜索方法的效率。 3- 3化为子句形有哪些步骤？请结合例子说明之。 3- 4如何通过消解反演求取问题的答案 ？ 3- 5什么叫合适公式？合适公式有哪些等价关系？ 3- 6用宽度优先搜索求图3.33所示迷宫的出路。
图3.33迷宫一例
3- 解图 7用有界深度优先搜索方法求3.34所示八数码难题。
3- 8应用最新的方法来表达传教士和野人问题， 编写一个计算机
程序，以求得安全渡过全部 6个人的解答。
提示：在应用状态空间表示和搜索方法时，可用 （，）来表示状态 描述，其中和分别为传教士和野人的人数。初始状态为 （3，3），
而可能的中间状态为（0，1），（0, 2），（0，3），（1，1），（2，1）， （2，2），（3，0），（3，1）和（3，2）等。
3- 9试比较宽度优先搜索、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。 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（）、吴（）和胡（）3家住宅处。规定了某些 简单的操作符，如表示驾驶方位的（）和表示卸下包裹的 （z）
;对于每个操作符，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 （#3）
和目标状态。 3-
系统和产生式系统有哪几种推理方式
倂1 ,）人（#2 ,）人
11 规则演绎?各自的特
点为何 ? 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 ?
3-13 研究不确定性推理有何意义 ?有哪几种不确定性 ?
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 ?
3-15 在什么情况下需要采用不确定推理或非单调推理 ?
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。
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？ 4- 2 试述计算智能（） 、人工智能（）和生物智能（）的关系。 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？ 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。 4- 5 考虑一个具有阶梯型阈值函数的神经网络，假设
（1 ） （ 1 ） 用一常数乘所有的权值和阈值；
（2） （ 2） 用一常数加于所有权值和阈值。 试说明网络性能是否会变化？
4- 6 构作一个神经网络， 用于计算含有 2 个输入的函数。 指定所 用
神经网络单元的种类。
4- 7 假定有个具有线性激励函数的神经网络，即对于每个神经 元，其
输出等于常数 c 乘以各输入加权和。
（1）设该网络有个隐含层。对于给定的权 W写出输出层单元 的输出值，此值以权 W和输入层I为函数，而对隐含层的 输出没有任何明显的叙述。试证明：存在一个不含隐含单 位的网络能够计算上述同样的函数。
(2)对于具有任何隐含层数的网络，重复进行上述计算。从中 给出线性激
励函数的结论。
8 试实现一个分层前馈神经网络的数据结构， 为正向评价和反 向传播提供所需信息。 应用这个数据结构， 写出一个神经网 络输出，以作为一个例子，并计算该网络适当的输出值。
4-
4-
9 什么是模糊性？它的对立含义是什么？试各举出两个例子 加以说明。 4- 10 什么是模糊集合和隶属函数或隶属度？ 4- 11 模糊集合有哪些运算，满足哪些规律？ 4- 12 什么是模糊推理？有哪几种模糊推理方法？ 4-13 有哪些模糊蕴含关系？
4-14 什么叫模糊判决？有哪几种常用的模糊判决方法？
4-15 对某种产品的质量进行抽查评估。 现随机选出 5 个产品 x1， x2，
x3， x4， x5 进行检验，它们质量情况分别为：
Xi = 80, X2 = 72, X3= 65, X4= 98, X5= 53
这就确定了一个模糊集合 Q表示该组产品的“质量水平” 这个模糊概念的隶属程度。
试写出该模糊集。
4-16 设有下列两个模糊关系
0.2 0.8 0.4 0.4 0 R1 1 0.5 0 0.7 0.6 0.5
1
0.7 0.3 R2 0.4 0.8 0.2 0.9
试求出R与R2的复合关系RiO R2。
太原理工大学人工智能复习题-试题-答案资料
