AI问题(2010汽车学院).doc

问题1: 人工智能产生于哪一年？解答: 1956年 1956年夏季，美国的一些年青科学家在Dartmouth大学召开了一个夏季讨论会，在该次会议上，第一次提出了人工智能（Artificial Intelligence）这一术语，标志着人工智能的诞生。问题2: 什么是人工智能？解答: 人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。人工智能的目标：要搞清楚实现人工智能的有关原理，便于计算机有智慧、更聪明、更有用问题3: 产生式系统由哪些部分组成？每部分的作用是什么？解答: 组成产生式系统的三要素:（1）综合数据库；（2）一组产生式规则（或者规则库）；（3）一个控制系统（或者推理机）问题4: 搜索算法分为哪两大类？解答: 搜索算法，根据其是否使用与问题有关的知识，分为盲目搜索（无信息搜索）和启发式搜索两大类。问题5: 回溯方法在哪些情况下进行回溯？解答: （1）当遇到非法状态时；（2）当一个状态的所有规则都用完时；（3）当节点的深度达到了限制值，还没有找到解时；（4）当出现回路时。问题6: 深度优先方法的特点是什么？解答: （1）属于图搜索；（2）是一个通用的搜索方法；（3）如果深度限制不合适，有可能找不到问题的解；（4）不能保证找到最优解。问题7: 宽度优先方法的特点是什么？解答: （1）属于图搜索；（2）是一个通用的搜索方法；（3）当问题有解时，一定能找到解；（4）在单位耗散值的情况下，问题如果有解，一定能找到最优解。问题8: 什么是A算法？解答: 定义评价函数: f(n)=g(n)+h(n) 对OPEN表中的元素按照f值，从小到大进行排列，每次从OPEN表中取出f值最小的节点扩展，这种图搜索算法成为A算法。问题9: A算法中的f(n)、g(n)和h(n)各代表什么含义？解答: g(n)表示从初始节点到节点n的最短路径耗散值的估计。h(n)表示从节点n到目标节点最短路径耗散值的估计。f(n)=g(n)+h(n)表示从初始节点出发，经过节点n，到达目标节点的最短路径的耗散值的估计。 问题10: A算法中，是如何判断算法成功结束的？只要出现了目标节点就立即结束对吗？解答: 每次从OPEN表中取出第一个节点，在扩展该节点之前，判断该节点是否是目标节点，如果是目标节点，则算法成功结束。如果目标节点虽然出现了，但它还不是OPEN表中f值最小的节点，则不能立即结束，需要继续扩展下去，直到目标节点的f值在OPEN表中最小为止。问题11: 什么是A*算法？回答: 如果对于任何节点n，有h(n)h*(n)，则此时的A算法称为A*算法。问题12: A*算法有什么特点？回答: （1）是一种启发式的图搜索算法；（2）当问题有解时，A*算法一定能找到解，并且能保证找到最佳解。问题13: 在与或图中，什么是能解节点？什么是不能解节点？回答: 能解节点：（1）终节点是能解节点；（2）若非终节点有或子节点时，当且仅当其子节点至少有一个能解，该非终节点才能解；（3）若非终节点有与子节点时，当且仅当其子节点均能解，该非终节点才能解。不能解节点：（1）没有后裔的非终节点是不能解节点；（2）若非终节点有或子节点时，当且仅当所有子节点均不能解时，该非终节点才不能解；（3）若非终节点有与子节点时，当至少有一个子节点不能解时，该非终节点才不能解。问题14: 剪枝的条件是什么？回答: 剪枝：若任一极小值层节点的值小于或等于它任一先辈极大值节点的值，即（先辈层）（后继层），则可中止该极小值层中这个MIN节点以下的搜索过程。这个MIN节点最终的倒推值就确定为这个值。剪枝：若任一极大值层节点的值大于或等于它任一先辈极小值层节点的值，即（后继层）（先辈层），则可以中止该极大值层中这个MAX节点以下的搜索过程。这个MAX节点的最终倒推值就确定为这个值。问题15: 什么是置换？置换是可交换的吗？回答: 通常用有序对的集合st1/v1，t2/v2，tn/vn来表示任一置换，置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换，用s对表达式E作置换后的例简记为Es。一般来说，置换是不可交换的，即两个置换合成的结果与置换使用的次序有关。问题16: 什么是合一？什么是合一者？回答: 若存在一个置换s使得表达式集Ei中每个元素经置换后的例有：E1sE2sE3s，则称表达式集Ei是可合一的，这个置换s称作Ei的合一者。问题17: 什么是归结？回答: 如果两个子句中分别有可以合一的互补的文字，则可以通过置换，减去互补对的并集就是归结式，这一过程就是归结。问题18: 什么是知识？ 回答: 知识是经过消减、塑造、解释和转换的信息。（或：知识是由特定领域的描述、关系和过程组成的。.） 问题19: 什么是知识表示？知识表示有哪些要求？ 回答: 知识表示是研究用计算机表示知识的可能性、有效性的一般方法，是数据结构和系统控制结构的统一。知识表示的要求：表示范围广泛、适于推理、适于计算机处理、有高效的算法、能表示不精确知识、能模块化；与推理方法匹配；知识和元知识能否用统一的形式表示；是否加入启发信息；过程性表示还是说明性表示，表示方法是否自然。问题20: 有哪些知识表示方法？ 回答: 直接表示、逻辑表示、产生式规则表示法、语义网络表示法、混合型知识表示方法、面向对象的表示方法。语义关系节点1节点2问题21: 什么是语义网络？什么是框架表示？ 回答: 语义网络是一种用实体及其语义关系来表达知识的知识表达方式。语义网络由一些基本的语义单元组成。这些最基本的语义单元称为语义基元。语义基元是由有向图表示的三元组（节点1，弧，节点2）。其中，节点代表实体，表示各种事务、概念、情况、属性、状态、事件、动作等，弧是有方向和标注的，方向体现了节点所代表的实体额主次关系。弧的标注表示它所连接的两个实体之间的语义联系。当把多个语义基元用相应的语义联系关联在一起，就形成了一个语义网络。框架是由若干个结点和关系（统称为槽）构成的网络，采用结点、槽、值表示结构，是一种结构化的表示方法。框架系统由框架名、槽名、侧面、值组成，每个槽拥有一定数量的侧面，每一个侧面拥有若干个侧面值。一个框架系统中，一般含有多个框架。问题22: 什么是不确定推理？在不确定性推理中，不确定性表现在哪些方面？不确定推理算法有哪些？ 回答: 不确定推理是指建立在不确定性知识和证据上的推理。在不确定性推理中，不确定性包括证据的不确定性、规则的不确定性和推理的不确定性。不确定推理算法有：概率方法、Bayes网络、主观Bayes方法、确定性方法、证据理论等。问题23: 什么是贝叶斯网络？ 回答: 贝叶斯网络是一系列变量的联合概率分布的图形表示，一般包括两部分，一个是贝叶斯网络结构图，是有向无环图；另一部分是结点和结点之间的条件概率表，是一系列概率值，表示了局部条件概率分布。贝叶斯网络蕴含了条件独立假设，即给定其父节点集，每一个变量独立于它的非子孙节点。节点之间的连接关系代表了贝叶斯网络的条件独立语义。 问题24: 主观贝叶斯方法中引入两个值（LS,LN）表示什么？ 它们的取值范围如何？ 回答: LS是充分性因子，体现规则成立的充分性，表明当证据存在时，先验几率的变化有多大。LS是必要性因子，体现规则成立的必要性，表明当证据不存在时，先验几率的变化有多大。1）LS、LN，不独立。2）LS, LN不能同时 或 ，3）LS、LN可同时1。 问题25: 什么是机器学习？ 回答:学习就是系统在不断重复的工作中对本身能力的增强和改进， 系统在下一次执行同样或类似的任务时，会比现在做的更好或效率更高。 问题26: 什么是机器学习的任务？ 回答: 1）获得对于输入的数据进行分类的能力，2）获得解决问题、行为计划和行为控制等的能力问题27: 可以从哪些方面评价系统的学习能力？ 回答: 分类精度、解答的正确性和质量、学习的速度。问题27: