浙工大人工智能考博复习汇总

1、浙工大人工智能考博复习汇总2013年人工智能考博一、 简答题1 人工智能的基本研究内容。1. 知识表示 知识表示：将人类知识形式化或者模型化。 知识表示方法：符号表示法、连接机制表示法。符号表示法：用各种包含具体含义的符号，以各种不同的方式和顺序组合起来表示知识的一类方法。例如，一阶谓词逻辑、产生式等。 连接机制表示法：把各种物理对象以不同的方式及顺序连接起来，并在其间互相传递及加工各种包含具体意义的信息，以此来表示相关的概念及知识。例如，神经网络等。 2. 机器感知 o 机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。3. 机器思维

2、o 机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。4. 机器学习 o 机器学习（machine learning）：研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。 1957年，Rosenblatt研制成功了感知机。5. 机器行为 o 机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。2 专家系统和传统程序的区别。（1）编程思想： 传统程序 = 数据结构+算法专家系统 = 知识+推理（2）传统程序：关于问题求解的知识隐含于程序中。 专家系统：知识单独组成知识库，与推理机分离。 （3）处理对象： 传统程序：数值计算和数据处理。 专家系

3、统：符号处理。 （4）传统程序：不具有解释功能。 专家系统：具有解释功能。（5）传统程序：产生正确的答案。 专家系统：通常产生正确的答案，有时产生错误的答案。 （6）系统的体系结构不同。3 什么是估价函数？A*搜索算法的估价函数是如何确定的？估价函数的任务就是估计待搜索结点的“有希望”程度，并依次给它们排定次序（在open表中）。 估价函数：从初始结点经过结点到达目的 结点的路径的最小代价估计值，其一般形式是一般地，在f(n)中， g(n)的比重越大，越倾向于宽度优先搜索方式，而h(n)的比重越大，表示启发性能越强。其中 f(n) 是从初始状态经由状态n到目标状态的代价估计，g(n) 是在状态

4、空间中从初始状态到状态n的实际代价，h(n) 是从状态n到目标状态的最佳路径的估计代价。（对于路径搜索问题，状态就是图中的节点，代价就是距离）h(n)的选取保证找到最短路径（最优解的）条件，关键在于估价函数f(n)的选取（或者说h(n)的选取）。我们以d(n)表达状态n到目标状态的距离，那么h(n)的选取大致有如下三种情况：1. 如果h(n)d(n),搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。我们先下个定义，如果一个估价函数可以找出最短的路径，我们称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*算法的估价函数可表示为：f(n) = g(n) + h(n)这里，f(n)是估

5、价函数，g(n)是起点到节点n的最短路径值，h(n)是n到目标的最短路经的启发值。由于这个f(n)其实是无法预先知道的，所以我们用前面的估价函数f(n)做近似。g(n)代替g(n)，但 g(n)=g(n)才可（大多数情况下都是满足的，可以不用考虑），h(n)代替h(n)，但h(n)=h(n)才可（这一点特别的重要）。可以证明应用这样的估价函数是可以找到最短路径的，也就是可采纳的。我们说应用这种估价函数的最好优先算法就是A*算法。4 遗传算法中的编码是什么？有哪几种编码方法？编码是把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法。而由遗传算法解空间向问题空间的转换称为解码。

6、1. 位串编码一维染色体编码方法：将问题空间的参数编码为一维排列的染色体的方法。（1） 二进制编码二进制编码：用若干二进制数表示一个个体，将原问题的解空间映射到位串空间 B=0，1上，然后在位串空间上进行遗传操作。 优点：类似于生物染色体的组成，算法易于用生物遗传理论解释，遗传操作如交叉、变异等易实现；算法处理的模式数最多。 缺点： 相邻整数的二进制编码可能具有较大的Hamming距离，降低了遗传算子的搜索效率。 15：01111 16： 10000 要先给出求解的精度。 求解高维优化问题的二进制编码串长，算法的搜索效率低。（2） Gray 编码Gray编码:将二进制编码通过一个变换进行转换得

7、到的编码。 2. 实数编码 采用实数表达法不必进行数制转换，可直接在解的表现型上进行遗传操作。 多参数映射编码的基本思想：把每个参数先进行二进制编码得到子串，再把这些子串连成一个完整的染色体。 多参数映射编码中的每个子串对应各自的编码参数，所以，可以有不同的串长度和参数的取值范围。 3. 有序串编码 有序问题：目标函数的值不仅与表示解的字符串的值有关，而且与其所在字符串的位置有关。 4, 结构式编码 二、 利用归结原理进行定理证明三、 将一个谓词公式化为不带存在量词的Skolem标准式四、 利用可信度方法计算CF(H)五、 模糊推理(书上的，温度和风门大小的模糊推理)六、离散Hopfield神

8、经网络和BP神经网络的输入层、输出层神经元个数，及非线性映射函数。2009年期末一、单选题（本题共8小题，每题2分，共16分）1. 在谓词公式中，连接词的优先级别从高到低排列是（ D ）。A， ， ， B ，C， ， ， D， ， ， ，2. 在语义网络中，用（ ）来标明类与子类之间的关系。A实例联系 B. 泛化联系 C. 聚集联系 D. 属性联系 3. 谓词公式G在海伯伦域上是不可满足的，则该公式在个体变量域D上是（ ）。A可满足的 B. 不可满足的 C. 无法确定 设 S 为子句集，则按下述方法构造的域H称为海伯伦域，简记为H域。（1）令H0是 S 中所有个体常量的集合，若 S 中不包含个

9、体常量，则令H0=，其中为 任意指定的一个个体常量。（2）令 S 中所有 n 元函数是H中的元素，其中 。 定理 3.2（海伯伦定理）：子句集不可满足的充要条件是存在一个有限的不可满足的基子句集 。4. 假设 S是不可满足的，则（ A ） 一个归结推理规则的从S 到空子句的推理过程。A存在 B. 不存在 C. 无法确定5. 在主观Bayes方法中，几率O(x)的取值范围为（ ）。A-1, 1 B0, 1 C-1, ） D0, ） 几率（odds）函数： 概率：几率函数和概率函数有相同的单调性。6. 在可信度方法中，CF（H，E）的取值为（ c ）时，前提E为真不支持结论H为真。A1 B. 0

10、C. 0 CF（H，E）的取值范围: -1,1。 若由于相应证据的出现增加结论 H 为真的可信度，则 CF（H，E） 0，证据的出现越是支持 H 为真，就使CF（H，E) 的值越大。 反之，CF（H，E）1, LN 1 BLS1, LN1 CLS1 DLS，LN 1 （2）LS ，LN I(x) SxIxI(x) - S(x) I(x)S(x) converse I(x)S(x)=NULL3.（25分）不确定性推理：（1）（5分）简述逆概率方法的优缺点。 优点: 较强的理论背景和良好的数学特征，当证据及结论都彼此独立时计算的复杂度比较低。 缺点: 要求给出结论的先验概率及证据的条件概率 。（2）（10分）简述不确定推理中的主要问题。o 从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。o 不