人工智能考试必备整理

1、1、利用启发式搜索算法A 解决以下8数码（如下图所示）：设评价函数f(n=d(n+p(n，画出搜索图，并给出各搜索循环结束时OPEN 和CLOSE 表的内容。10、将以下语句：（1）会朗读者是识字的，（2）海豚都不识字，（3）有些海豚是很机灵的，（4）有些很机灵的东西不会朗读。形式化表示为合适公式。答：令谓词R 、L 、D 、I 分别指示朗读、识字、海豚和机灵, 则这些语句可形式化表示如下:(1(xR(xL(x(2(xD(xL(x(3(xD(xI(x(4(xI(xR(x13、将题10中的前三个语句作为已知事实（公理），最后一语句作为目标（待证定理），应用归结反演方法，证明目标成立。答：将前三个

2、语句和最后一语句的取反化简, 并标准化为合取范式的子句集:(1R(xL(x(2D(yL(y(3D(A(4I(A(5I(zR(z2、有三个积木块（A 、B 、C ）放在桌子上，且可以叠放在一起，要求在任意初始状态，按自上而下A 、B 、C 的顺序叠放这三个积木块。搬动积木块应遵从以下约束：（1）每次只能搬一块，（2）只有顶空的积木块才能搬动。请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法（不必设计控制系统）；若初始状态和目标状态分别为：答案：1）综合数据库用谓词公式On(x,y描述积木块的放置状态，x A,B,C,yA,B,C,Table；谓词公式Top-Clear(x

3、描述积木块x 顶空，x A,B,C。问题状态就由这些谓词公式描述。2）规则库为每个积木块的搬动设计规则，共有5个可能的搬动操作：Put-On(C,Table，Put-On(B,C,Put-On(B,Table,Put-On(A,B,Put-On(A,Table。规则依次排列如下（并采用First 冲突解法）：if Top-Clear(COn(C,TablePut-On(C,Table,revise ；if Top-Clear(BTop-Clear(COn(C,TablePut-On(B,C,revise ；if Top-Clear(BOn(B,COn(C,TablePut-On(B,Table

4、，revise ；if Top-Clear(ATop-Clear(BOn(B,CPut-On(A,B,revise ；if Top-Clear(AOn(A,BOn(B,CPut-On(A,Table，revise 。其中Put-On 操作符号指示Put-On 操作并在计算机屏幕上显示该操作，函数revise 修改问题状态的描述到反映实际状态。作为解答的操作序列为：Put-On(A,Table,Put-On(C,Table,Put-On(B,C,Put-On(A,B。3、表示包含下面句子含义的语义网络：典型的哺乳动物有毛发。狗是哺乳动物，且吃肉。Fido 是John 的狗。(3住在光明公寓的人都

5、是太阳公司的律师4、把下列语句表示为语义网络的描述：每个人都喜欢电影。太阳公司的每个营销员都参加太平洋保险。居住在光明公寓的人都是太阳公司的律师。语义网络的表示并非唯一, 可有多种方式, 本题的每个小题就分别给出二种表示方案。(1每个人都喜欢电影。5、用Do 函数设计操作符Move （x, y, z ），并写出关于它的一条框架公理；该操作将置于积木块y 上的积木块x 移到积木块z 上。T(On(x,y,sT(Clear(x,sT(Clear(z,s=>T(On(x,z,Do(M(x,y,z,sT(Clear(y,Do(M(x,y,z,sT(Table(u,s=>T(Table(u,

6、Do(M(x,y,z,s6、应用Green 方法解决以下规划问题：(2太阳公司的每个营销员都参加太平洋保险。初始状态S0:T(Clear(C,S0,T(On(C,A,S0,T(On(A,B,S0, T(Table(B,S0；目标状态r:T(Table(A,<=>Goal( ；¬Goal(Do(a,S0, Ans(a；¬T(Table(A,Do(a,S0, Ans(a；¬T(Table(A,Do(c,Do(b,S0, Ans(b,c；¬T(On(A,y,Do(b,S0, ¬T(Clear(A,Do(b,S0,Ans(b,U(A,y；&

7、#172;T(On(A,y,Do(U(x,A,S0, ¬T(On(x,A,S0,¬T(Clear(x,S0, Ans(U(x,A,U(A,y；¬T(On(A,y,S0, ¬T(On(x,A,S0, ¬T(Clear(x,S0,Ans(U(x,A,U(A,y；¬T(On(x,A,¬T(Clear(x,S0, Ans(U(x,A,U(A,B；¬T(Clear(C,S0, Ans(U(C,A,U(A,B；Ans(U(c,A,U(A,B；规划的结果是动作块:U(C,A, U(A,B1、请用决策树方法，根据下面所给的14个例

8、子，构造关于天气状况的决策树。 例子编属性分类号天温湿风况度度况1晴热大无N 2晴热大有N 3多热大无P 云4雨中大无P 5雨冷正无P 常6雨冷正有N 常7多冷正有P 云常8晴中大无N 9晴冷正无P 常10雨中正无P 常11晴中正有P 常12多中大有P 云13多热正无P 云常14雨中大有N本题中物体集C 有十四个例子，9个正例，5个反例。于是：M(C9/14*log2(9/145/14*log2(5/140. 940bits1 选取属性" 天况" ，" 晴" 的分支含2个正例3个反例，所需期望信息量为：M(天况为晴 2/5*log2(2/53/5*log

9、2(3/50. 971bits" 多云" 的分支，含4个正例0个反例：M(天况为多云 0" 雨" 的分支，含个正例个反例：M(天况为雨 3/5*log2(3/52/5*log2(2/50. 971bits则以" 天况" 作划分后，对应决策树的信息量为：B(C，" 天况" 5/14*0. 9714/14*05/14*0. 9710. 694bits进一步判别所需的期望信息量为：M(CB(C，" 天况" 0. 9400. 6940. 247bits2）选取属性" 温度" ，&qu

10、ot; 热" 的分支，含2个正例个反例，所需期望信息量为：M(温度为热 1/2*log2(1/21/2*log2(1/21bits" 中" 的分支，含个正例个反例：M(温度为中 4/6*log2(4/62/6*log2(2/60. 918bits" 冷" 的分支，含个正例个反例：M(温度为冷 3/4*log2(3/41/4*log2(1/40. 811bits则以" 温度" 作划分后，对应决策树的信息量为：B(C，" 温度" 4/14*16/14*0.9184/14*0. 8110. 911bitsM(C

11、B(C，" 温度" 0. 9400. 9110. 029bits3）选取属性“湿度”，“大”的分支，含个正例个反例，所需期望信息量为：M(湿度为大 4/7*log2(4/73/7*log2(3/70. 985bits" 正常" 的分支，含个正例个反例：M(湿度为正常 6/7*log2(6/71/7*log2(1/70. 592bits则以" 湿度" 作划分后，对应决策树的信息量为：B(C，" 湿度" 1/2*0. 9851/2*0.5920. 788bits M(CB(C，" 湿度" 0. 94

12、00. 7880.152bits4）选取属性" 风况" ，" 无" 的分支，含个正例个反例，所需期望信息量为：M(风况为无 2/8*log2(2/86/8*log2(6/80. 811bits" 有" 的分支，含个正例个反例：M(风况为有 1/2*log2(1/2*log2(1/21bits则以" 风况" 作划分后，对应决策树的信息量为：B(C，" 风况" 8/14*0.8116/14*10. 892bits M(CB(C，" 风况" 0. 9400. 8920. 048bits根据最大信息量原则，故选择" 天况" 属性进行进一步划分。类似上述方法，继续不断地细化决策树。首先对“晴”的分支展开深入讨论，分别得到：M(天况为晴 B(天况为晴，“温度”. M(天况为晴 B(天况为晴，“湿度”. 值最大，M(天况为晴 B(天况为晴，“风况”.