人工智能

答案由参考文档整理得出，如有错误的地方，请留言指正

一、人工智能基础

1.单选题

2.多选题

ABCD;ABCD

3.判断题

√√

4.论述题

1.请问谓词逻辑、产生式、框架、语义网络、本体技术、状态空间、问题规约等知识表示方法：

（1）各自有哪些特征？

（2）它们之间的联系及异同？

（3）它们有哪些应用场景？

（1）特征
- 谓词逻辑：其值只能是真或假，具有自然性、精确性、严密性、容易实现，但不能表示不确定知识、组合爆炸、效率低
- 产生式：既可以表示确定性知识，也可以表示不确定性知识，但不能表示结构性数据
- 框架：所表示的知识具有结构性、继承性、自然性，不能表示过程性知识
- 语义网络：是知识结构化图解方法，由三元组表示，将多个语义关联一起形成语义网络。一般用有向图表示
- 本体技术：在哲学定义对世界上客观事物的系统描述
- 状态空间：以状态和算法为基础来表示和求解问题
- 问题规约：模拟人类处理大或者复杂的问题，将大或者复杂问题分解为小或者简单为题，直至问题容易求解。用图搜索表示也可以用与或图表示
(2)
- 联系：以上技术都是用于表示和存储自然语言中的语义知识
- 异同：谓词逻辑不能表示不确定知识、组合爆炸、效率低,产生式、框架、语义网络、本体技术和状态空间则是用于表达和存储自然语言中的语义知识,问题规约则是一种搜索算法
(3)应用：
- 谓词逻辑：用于有限状态机设计、计算机程序语言设计、知识表示及推理、模糊推理和人工智能等领域。
- 产生式：用于编程语言设计、语法检查、语义分析、求解问题、语言理解等。
- 框架：用于语言学研究、知识表示及推理、机器翻译等。
- 语义网络：用于机器学习和智能推理，可以用于语义搜索、自然语言处理、计算机视觉等。
- 本体技术：用于知识表示及推理、智能服务、数据挖掘等。
- 状态空间：用于有限状态机设计、智能服务、数据挖掘等。
- 问题规约：用于推理、搜索、规划、机器学习等。

2.有一个农夫带一条狼、一只羊和一筐青菜从河的左岸乘船到右岸，但受到下列条件的限制：

（1）船太小，农夫每次只能带一样东西过河；

（2）如果没有农夫看管，则狼要吃羊，羊要吃青菜；

请设计一个过河方案，使得农夫、狼、羊都能不受损失地过河，画出相应的状态空间图。

解：用四元组S(n,q,y,l): n表示农夫，q表示青菜，y表示羊，l表示狼。对于每个元素，当值为0时，表示在右岸，值为1是表示在左岸。初始状态S₀=[0,0,0,0]，目标状态S_g=[1,1,1,1]

L(i)为农夫乘船从右岸到左岸，i=O表示农夫不带任何东西，i=1表示农夫带青菜，i=2表示农夫带羊，i=3表示农夫带狼;

R(i)为农夫乘船从左岸到右岸，i=O表示农夫不带任何东西，i=1表示农夫带青菜，i=2表示农夫带羊，i=3表示农夫带狼。

3.（1）什么是人工智能？（2）请分别从正面和负面，谈谈人工智能对人类的影响？

（1）用人工方法在计算机上实现智能，是机器能模拟、延伸、扩展人类的智能

（2）

正向：提高生产力、带动经济效益，提升人们生活质量，比如出行、安全、日常生活，使其各个方面智能化；应用在各行业，比如智慧国防、智慧交通、智慧城市
负向：很多简单重复高的就业岗位被机器代替，影响人们就业；战争应用人工智能，其打击是毁灭性的，带来的影响可能远超原子弹的威力

4.人工智能主要有那几大学派？他们分别有哪些主张？有哪些代表算法或成果？

连接主义学派：又称仿生学，认为人工智能基本元素是神经元
符号主义学派：起源于数理逻辑，基本元素是符号
行为主义学派：起源于控制论，基本元素是感知和行为

5.用语义网络表示：每个学生都有一台黑色的计算机。

6.（1）请阐述状态空间一般搜索过程中，Open表和Close表格的作用分别是什么？（2）深度优先搜素、广度优先搜素、启发式搜索的OPEN表各自有什么特点？

（1）

open表：存放已生成且已用启发式函数做过评估，但尚未产生后继节点的那些节点
close表：记录已生成且已经考察过节点，即不会再访问的节点，也避免回路

（2）

广度优先搜索：是一个先进先出的队列数据结构
深度优先搜索：是一个后进先出的堆栈数据结构
启发式搜索：重排open表，选择最有希望的节点加以扩展

7.或图和与或图的在求解问题时区别？各自应用在什么场景

区别：
- 或图：在搜索扩展时，可在若干分支选择其一
- 与或图：在搜索扩展，可能同时搜索若干分支，也可能若干分支选其一
应用：
- 或图:open表、close表
- 与或图：初始问题、本原问题

8.(1)什么是估价函数？(2)什么是启发式函数？(3)在估价函数中g(n)和h(n)各起什么作用？

(1)估价函数:估算节点希望程度的量度，一般形式表示为f(n)=g(n)+h(n)

(2)启发式函数：从节点n到目标节点S_g 最优路径的估计代价，用h(n)来表示

（3）作用

g(n):从初始节点S₀到节点n的实际代价
h(n)：从节点n到节点S_g最优路径估计代价

9.A算法与A^*算法的区别？

A算法：使用了估价函数f的最佳优先搜索

A^*算法：定义最优估价函数f^*(n)=g^*(n)+h^*(n),具有可采纳性、单调性、信息性

10.请阐述（1）A^*搜索算法的原理；（2）A*搜索算法的应用

原理
- h^*（n）为状态n到目的状态的最优路径代价，当A搜索的启发函数h(n)<=h^*(n),对所有节点n，被称A^*算法
应用
- 静态网路中求解最短路径

11.请阐述（1）专家系统定义及构成；（2）专家系统相关应用

定义
- 是一类包含知识和推理的智能计算机程序
组成结构
- 人机接口、知识获取、解释机构、推理机、知识库、数据库
应用
- 已经用到化学、数学及科学本身，甚至渗透经济军事成为人类重要分支，例如医学专家系统、地质勘探专家系统

12.请简述BP算法原理

原理：在前馈神经网络中，输入信号经输入层输入，通过隐藏层逐层计算输出并向前传播，最终经过输出层输出，输出值与已知的真值比较，若有误差，将误差反向由输出层向输入层传播。这个过程利用梯度下降法对神经元无权值或阈值进行调整，使得网络平常差和最小，所以包括前向传播和后向传播

简单概括：信号前向传播和误差反向传播

13.请阐述LeNet-5算法的原理

原理：它是一种典型的用来识别手写数字的卷积网络；由输入层、卷积层、池化层、全连接层和输出层构成

输入层：输入手写图像大小32×32

卷积层：用来提取图像不同位置的空间特征

池化层：用来降低卷积层对位置的敏感性

全连接层：输入110个神经网元，输出84个神经元

输出层：输入84个神经元，输出10个神经元，对应有10个类型

神经元激活函数都采用sigmoid激活函数

softmax计算分类后的概率值

14.请描述ALexNet网络的基本计算原理

原理：ALexNet跟LeNet-5类似，也是一个用于图像识别的卷积神经网络，组成结构包括1个输入层，5个卷积层、2个全连接层和1个输出层，每个结构功能如下：

输入层：原论文输入图像尺寸为224×224×3，实际为227×227×3

第一个卷积层：卷积-->ReLU-->局部响应归一化-->池化

第二个卷积层：卷积-->ReLU-->局部响应归一化-->池化

第三个卷积层：卷积-->ReLU

第四个卷积层：卷积-->ReLU

第五个卷积层：卷积-->ReLU-->池化

第一个全连接层：全连接-->ReLU-->Dropout

第二个全连接层：全连接-->ReLU-->Dropout

输出层：全连接-->Softmax

二、人工智能测试一

1.单选题

CDBD

2.判断题

√××√

3.填空题

1.程序

2.重排

3.堆栈结构；队列结构

4.反证

5.与或；或

6.与或

4.简答题

1.（1）深度优先搜索和广度优先搜索的区别？

（2）各自优缺点？

（3）请举例说明哪些情况使用深度优先搜索？哪些情况下使用广度优先搜索策略？

（1）区别
- 深度优先搜索：将新加入的节点放入 open表的首部，后进先出，是一个堆栈结构；其次是一种不完备搜索，即使可能有解，却有可能找不到解
- 广度优先搜索：将新加入的节点放入open表的尾部，先进先出，是一个队列结构；其次是一种完备搜索，只要问题有解，就一定能找到最优解
（2）优缺点
- 深度优先搜索
  - 优点:节省大量时间和空间
  - 缺点：不一定找到解
- 广度优先搜索
  - 优点：若有解，可找到最优解
  - 缺点：效率低，组合爆炸，问题难以解决
（3）请举例说明哪些情况使用深度优先搜索和广度优先搜索策略？
- 深度优先
  - 多条路径通向解，其中每条路都很长的情况
  - 当求解问题不要求找到所有解以及最优解，且扩展点较多，容易出现分支或容易组合爆炸时
- 广度优先
  - 适用小型问题求解

在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索；

在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索

2.（1）请说明产生式表示、框架表示、问题规约法表示、状态空间表示、语义网络表示的关键要素？

（2）表示的知识分别有哪些特征？

（1）表示和关键要素

产生式：所表示的知识包括规则性知识和事实性知识；规则性知识的关键要素是前提和结论，事实性知识用三元组表示，关键要素是对象、属性、属性值或对象、对象之间的关系
框架：描述所论对象属性的数据结构，一个框架由若干个槽结构组成，一个槽又可根据实际情况分为若干个侧面。槽和侧面所具有的的属性被称为槽面值和侧面值；关键要素是槽、侧面、槽值、侧面值
问题规约：三要素是原始问题、本原问题、操作；通过原始问题和本原问题的描述，把问题变换为子问题的操作符
状态空间：关键要素是算符
语义网络：关键要素是节点和弧；节点表示事物、概念、属性、状态等，弧表示节点直接的某种语义联系

（2）特征

产生式：既可以表示确定性知识，也可以表示不确定性知识，不能表示结构性数据
框架：所表示的知识具有结构性、继承性、自然性。不能表示过程性知识
问题规约：模拟人类处理大或者复杂问题的智能行为，将大或者复杂的问题分解为小或者简单的问题，直至问题容易求解为止。一般图搜索表示也可以用与或图表示
状态空间：以状态和算法为基础求解问题，利用状态变量和操作符号，表示系统或问题
语义网路：是一种结构化图解的方法，由三元组表示，将多个语义单元关联一起就形成语义网络。一般用有向图表示

3.盲目搜索与启发式搜索的区别？

盲目搜索：
- 在不具有对特定问题的任何有关信息下，按照固定的步骤进行搜索；一般适用于求解比较简单的问题，可能找到最优解，当问题较复杂时，搜索效率比较低，容易组合爆炸
启发式搜索
- 特定问题领域应用知识，动态调用操作算子的步骤，优先选择较为合适的操作算子，减少不必要的搜索；可提升搜索效率，避免组合爆炸

4.请将“Every child has a red box.”这句话用语义网络表示。

5.（1）什么是人工智能？

（2）人工智能发展有哪些阶段

（3）人工智能对人类有哪些正向和负向影响

（1）用人工方法在计算机上实现智能，是机器能模拟、延伸、扩展人类的智能

（2）

1956年以前孕育期
1956-1970 形成期
1970-2011 发展期

（3）

正向：提高生产力、带动经济效益，提升人们生活质量，比如出行、安全、日常生活，使其各个方面智能化；应用在各行业，比如智慧国防、智慧交通、智慧城市
负向：很多简单重复高的就业岗位被机器代替，影响人们就业；战争应用人工智能，其打击是毁灭性的，带来的影响可能远超原子弹的威力

注：重复的考题不再添加

三、人工智能测试二

4.简答题

1.请描述蚁群算法的基本原理及应用？

原理：受蚂蚁觅食行为启发，找到食物的蚂蚁会在走过的路上释放信息素，能够在范围内影响其他蚂蚁，通过个体间的信息交流和相互协作，最终找到食物的最短路径；越靠近食物，所释放的信息素也就越浓，而离食物越远，信息素会随着时间的推移而淡化
应用：能够在离散组合方面具有较好的表现。一般用于旅行商问题，数据挖掘等组合问题