2026年大三《(人工智能基础)AI算法入门》上学期阶段测试卷

2026年大三《(人工智能基础)AI算法入门》上学期阶段测试卷2026学年第一学期《人工智能基础（AI算法入门）》阶段测试卷适用对象：计算机科学与技术、软件工程、数据科学与大数据技术专业大三学生考试时长：120分钟满分：100分考试形式：闭卷工具要求：仅允许携带无编程存储功能的科学计算器入场作答一、单项选择题（共20小题，每小题1分，总计20分。每小题给出的四个备选项中，只有一项符合题目要求，错选、漏选、未选均不得分）1.人工智能学科正式诞生于1956年达特茅斯夏季研讨会，下列关于该会议核心史实的表述，完全准确的是A.会议由约翰·麦卡锡、马文·明斯基、克劳德·香农三位学者独立发起，参会总人数为6人B.会议首次将“ArtificialIntelligence”作为独立学科定名，此前该领域研究曾被冠以“机器智能”“自动机理论”等非统一名称C.会议同期发布了首个通用神经网络感知机模型，验证了机器学习的可行性D.会议明确将强人工智能的落地应用作为学科10年内的核心发展目标，该目标最终于20世纪60年代末顺利完成2.下列关于图灵测试的核心定义与现实边界的表述，不符合教材基础判定标准的是A.标准图灵测试要求人类质询者通过文本交互的方式，无法区分交互对象是人类还是机器，即判定机器通过测试B.目前已公开的通用大模型产品均已通过无限制条件的完整图灵测试，标志着强人工智能时代正式到来C.图灵测试的核心缺陷是仅从行为维度判定智能，无法覆盖机器的内在认知、自我意识等维度的评价D.针对图灵测试的衍生变体“反向图灵测试”，即由机器判定交互对象是否为人类，当前已广泛应用于人机验证场景3.盲目搜索算法也被称为无信息搜索，指的是仅利用问题的定义规则完成状态空间遍历、不借助任何额外领域先验知识的搜索算法。下列不属于典型盲目搜索序列的是A.广度优先搜索、深度优先搜索B.迭代加深深度优先搜索、双向广度优先搜索C.统一代价搜索、深度代价搜索D.A*搜索、爬山法搜索4.针对状态空间总节点数为b^d（其中b为分支因子，d为目标节点所在的最小深度）的最短路径搜索问题，广度优先搜索的时间复杂度与空间复杂度分别为A.O(b^d)、O(b^d)B.O(b^d)、O(b*d)C.O(d)、O(b^d)D.O(b^(d+1))、O(b^(d+1))5.统一代价搜索算法的核心拓展规则是每次从待扩展节点列表中选取（）的节点进行扩展A.当前深度最小B.从初始节点到当前节点的路径总代价最小C.距离目标节点启发值最小D.当前节点的子节点数量最多6.下列关于启发函数h(n)的属性定义，符合A*算法可采纳性要求的核心前提是A.h(n)的取值恒等于真实的从当前节点到目标节点的最短路径代价B.h(n)的取值始终大于等于真实的从当前节点到目标节点的最短路径代价C.h(n)的取值始终小于等于真实的从当前节点到目标节点的最短路径代价D.h(n)的取值与真实的从当前节点到目标节点的最短路径代价无明确大小关联7.若启发函数h(n)满足一致性（单调性）条件，下列关于A*算法性质的表述错误的是A.算法不会重复扩展同一个节点B.算法找到的第一个目标节点对应的路径一定是全局最优路径C.启发函数h(n)的取值越大，算法扩展的冗余节点数量越少（h(n)始终不超界的前提下）D.算法的时间复杂度一定会比采用h(n)=0的统一代价搜索高一个数量级8.下列谓词逻辑表达式中，不符合一阶谓词逻辑语法规范的是A.∀x(Student(x)→Likes(x,AI))B.∃y(Teacher(y)∧Teach(y,Math,Grade2026))C.∀p(Person(p)→∃q(Book(q)∧Own(p,q)))D.A=100→B>50∨C<209.在谓词逻辑的合一置换操作中，下列置换序列不属于合法合一置换的是（其中x、y为变量，a、b为常量，f为一元函数）A.{x/a,y/b}B.{x/y,y/f(z)}C.{x/f(y),y/a}D.{x/a,x/b}10.采用归结反驳法验证一阶谓词逻辑结论的核心逻辑是A.证明前提集合与结论的合取式不存在任何可满足的解释B.证明前提集合与结论的否定式的合取式不存在任何可满足的解释C.证明前提集合可直接推导出结论的所有子句D.证明结论的所有子句都属于前提集合的子句子集11.下列关于机器学习基本分类的表述，完全符合学术规范的是A.所有无监督学习算法的训练过程都不需要任何带标注的样本数据B.强化学习的训练过程完全不需要任何人工设定的奖励信号C.半监督学习的训练数据集里带标注的样本占比一定高于70%D.监督学习的任务范畴仅覆盖分类任务，不包含回归任务12.信息增益是ID3决策树算法选择分裂特征的核心指标，其数学定义是A.分裂前数据集的信息熵减去按照该特征分裂后所有子集的信息熵的加权和B.分裂后数据集的信息熵减去按照该特征分裂前所有子集的信息熵的加权和C.分裂前数据集的基尼系数减去按照该特征分裂后所有子集的基尼系数的加权和D.分裂后数据集的基尼系数减去按照该特征分裂前所有子集的基尼系数的加权和13.给定二分类数据集总样本量为100，其中正样本占比30%，负样本占比70%，该数据集的信息熵为A.≈0.61B.≈0.88C.≈0.99D.≈1.2114.下列距离度量方式中，不属于K近邻算法可直接选用的标准距离度量的是A.欧氏距离B.曼哈顿距离C.余弦相似度距离D.编辑距离（针对文本特征）15.K近邻算法在样本特征维度超过100维的时候会出现性能大幅下降的“维度灾难”现象，其核心成因是A.高维空间中所有样本点之间的距离几乎都近似相等，距离度量失去区分度B.高维特征的计算量呈线性增长，算法运行效率指数级下降C.高维特征一定会引入大量标注噪声，导致分类准确率下降D.高维空间中不存在全局最优的分类边界16.下列现象中，属于机器学习模型过拟合典型表现的是A.训练集准确率99%，测试集准确率62%B.训练集准确率61%，测试集准确率60%C.训练集准确率55%，测试集准确率54%D.训练集准确率80%，测试集准确率78%17.针对决策树算法，下列处理手段中不属于经典剪枝方案的是A.预剪枝：在分裂过程中提前停止无法带来泛化性能提升的分裂节点B.后剪枝：在训练完成后从下往上删除无法带来泛化性能提升的子树C.规则剪枝：将决策树转化为规则集后删除置信度不足的冗余规则D.集成剪枝：将100棵决策树的结果取平均消除单棵树的过拟合风险18.朴素贝叶斯算法的核心“朴素”假设指的是A.所有样本特征的取值都服从正态分布B.在类别确定的前提下，所有样本特征之间条件独立C.所有样本的分布都是均匀分布D.样本的特征数量远小于样本总量19.针对离散特征的朴素贝叶斯分类任务，引入拉普拉斯平滑的核心作用是A.避免某一特征类别组合的概率为0导致后验概率被归零B.提升小样本特征的概率权重C.降低大样本特征的概率权重D.减小算法的时空复杂度20.下列AI算法组合中，全部属于符号主义人工智能技术路线的是A.谓词逻辑推理、A*搜索、专家系统B.人工神经网络、卷积神经网络、大语言模型C.遗传算法、粒子群优化、蚁群算法D.强化学习、深度强化学习、多智能体学习二、多项选择题（共10小题，每小题2分，总计20分。每小题给出的五个备选项中，至少有两项符合题目要求，错选、漏选、多选、未选均不得分）1.下列关于迭代加深深度优先搜索算法的性质描述，完全正确的有A.算法兼具广度优先搜索的完备性，一定能在有限深度的状态空间中找到最短路径B.算法的空间复杂度仅为O(b*d)，和深度优先搜索处于同一个量级，远低于广度优先搜索C.算法对于深度d的节点会重复遍历d次，因此整体时间复杂度远高于广度优先搜索至少一个数量级D.算法天然支持路径代价非等权重的场景，可以直接替代统一代价搜索使用E.迭代加深深度优先搜索在分支因子较大的状态空间搜索场景中，综合性能远优于传统广度优先搜索2.当A*算法的启发函数h(n)满足一致性条件时，下列性质会自动成立的有A.对于任意节点n，其后继节点n'满足h(n)≤c(n,n')+h(n')，其中c(n,n')为n到n'的路径代价B.从初始节点扩展到任意节点n的时候，得到的路径一定是初始节点到n的最短路径C.算法无需对已扩展节点列表中的节点进行二次重新入队更新操作D.算法找到的第一条到达目标节点的路径一定是全局最短路径E.启发函数h(n)的取值一定大于问题的真实最短路径代价3.下列关于一阶谓词逻辑知识表示的优势描述，正确的有A.严格的语法语义规范可以保证推理过程的可解释性B.支持不确定性概率知识的原生表示，无需额外扩展C.具备和图灵机等价的表达能力，能够描述所有确定性规则类知识D.推理过程完全透明可追溯，不存在深度学习模型的黑箱问题E.知识增删修改的维护成本远低于向量空间表示的知识图谱4.ID3决策树算法的核心局限性包括A.天然偏好取值数量更多的特征进行分裂，容易引入冗余信息B.只能直接处理离散型特征，无法直接处理连续型数值特征C.对噪声样本的抗干扰能力较弱，很容易生成过拟合的复杂决策树D.分类结果完全不可解释，无法生成人类可读的决策规则E.不支持缺失值的自动处理，需要在数据预处理阶段完成补全操作5.下列工程优化手段中，可以有效降低K近邻算法运行时间复杂度的有A.构建KD树索引结构，减少待计算距离的样本节点数量B.构建Ball树索引结构，优化高维特征场景下的检索效率C.降低K值的取值，最小取到K=1D.采用预聚类的方式，仅比较样本所属聚类中心附近的候选样本E.对原始特征集进行PCA降维，减少特征维度数量6.机器学习模型欠拟合的典型表现包括A.训练集准确率与测试集准确率都处于较低水平B.模型无法学习到训练数据中的核心规律，决策边界过于简单C.模型的容量远小于任务所需的最低容量要求D.训练过程中损失函数在训练集上长时间无法收敛到全局最小值E.模型在单类别样本上的预测准确率超过95%7.下列方案中，可以有效缓解模型过拟合问题的有A.扩充标注数据集的规模，增加训练样本的多样性B.引入正则化约束项，限制模型参数的取值范围C.采用交叉验证的方式筛选泛化性能最优的模型参数D.降低模型的整体容量，减少模型的可学习参数/规则数量E.提前终止模型训练过程，在泛化性能出现下降拐点前停止训练8.下列场景中，适合选用朴素贝叶斯算法作为核心分类模型的有A.垃圾邮件分类场景，基于邮件文本关键词判断是否为垃圾邮件B.低时延要求的实时用户意图分类场景，要求单次推理耗时低于1msC.样本总量小于1000、特征维度较高的医疗文本分类场景D.特征之间存在强依赖关系、关联规则复杂的金融风控分类场景E.高精度要求的人脸识别场景，要求分类准确率达到99.9%以上9.下列关于一阶谓词逻辑归结操作的约束规则，表述正确的有A.两个子句进行归结之前必须完成可合一变量的置换操作B.合一置换操作必须满足变量不向自身置换的基本规则C.归结操作的结果子句必须加入原有子句集合中，参与后续归结D.归结过程中如果得到空子句，即可证明子句集合是不可满足的E.归结反驳过程不需要将结论的否定式转化为子句集即可直接操作10.人工智能基础阶段的符号主义技术路线，当前仍然广泛应用的工业场景包括A.工业控制规则引擎故障诊断系统B.法律条文检索匹配专家系统C.自动驾驶完全端到端感知系统D.智能家电的规则联动控制系统E.通用多模态大模型的核心推理引擎三、简答题（共5小题，每小题6分，总计30分）1.请准确阐述A*算法“可采纳性”的核心定义，并完成推导证明：当启发函数h(n)满足一致性条件时，A*算法扩展到第一个目标节点时，得到的路径一定是全局最短路径。2.给定二分类天气数据集总样本量14条，其中“出去玩”正样本9条，“不出去玩”负样本5条。特征“天气状态”包含3个取值：晴（对应5个样本中2正3负）、多云（4个样本全正）、雨（5个样本3正2负），请基于信息增益的标准定义，完整计算“天气状态”特征相对于分类任务的信息增益数值，写出所有中间推导步骤的计算过程。3.请分析当训练数据集的类别分布极不平衡，比如正样本占比仅1%、负样本占比99%时，传统K近邻算法执行分类任务会出现什么固有缺陷，同时列举至少4种可落地的工程解决方案，说明每种方案的核心思路。4.请简述一阶谓词逻辑归结反驳法的完整执行流程，并针对如下给定事实和目标结论，写出完整的子句转化与归结步骤：已知前提1：所有学生的舍友都喜欢打羽毛球；前提2：张三是大三学生，且张三至少有一个舍友；待证明结论：存在至少一个人喜欢打羽毛球。5.请从“完备性”“最优性”“时间复杂度”“空间复杂度”四个核心维度，对比广度优先搜索、统一代价搜索、迭代加深深度优先搜索、深度优先搜索四种典型盲目搜索算法的属性差异，以结构化对比表格的形式呈现最终结果。四、算法推演题（共2小题，每小题10分，总计20分）1.给定八数码问题初始状态矩阵为[[1,2,3],[4,0,5],[7,8,6]]，目标状态矩阵为[[1,2,3],[4,5,6],[7,8,0]]，其中0代表空白块，允许空白块和上下左右四个方向的相邻数字块交换位置。定义启发函数h1(n)为当前状态下不在目标位置的数字块总数量（不含空白块），h2(n)为当前状态下所有数字块的曼哈顿距离之和（单个数字块的曼哈顿距离定义为当前位置到目标位置的横向坐标差绝对值加纵向坐标差绝对值）。请完成以下要求：（1）分别计算初始节点的h1、h2取值，以及初始节