2026年第一学年高职《(人工智能应用)智能算法基础》上学期学业水平测试卷

2026年第一学年高职《(人工智能应用)智能算法基础》上学期学业水平测试卷适用专业：高职专科人工智能应用技术专业2025级考试时长：90分钟满分：100分考试形式：闭卷笔试注意事项：允许携带不带存储、编程功能的科学计算器，禁止携带任何电子存储设备、参考资料进入考场，所有答案需填写在答题纸指定区域，否则作答无效。一、单项选择题（本大题共20小题，每小题1分，共20分。在每小题给出的四个选项中，只有一项是符合题目要求的，请将正确答案的字母填在答题纸对应位置）下列关于智能算法的核心特征描述，错误的是（）A.能够自主感知环境信息调整求解策略B.所有智能算法都能保证得到全局最优解C.可用于解决传统数值方法难以处理的复杂优化问题D.广泛应用于路径规划、模式识别、智能决策等场景下列属于盲目搜索类算法的是（）A.A*算法B.贪婪最佳优先搜索C.深度优先搜索D.遗传算法若待搜索的状态空间节点数为N，分支因子为b，广度优先搜索的时间复杂度为（）A.O(b^N)B.O(N^b)C.O(logN)D.O(N)A*算法满足可采纳性（一定能找到最优解）的核心条件是（）A.启发函数h(n)≥从节点n到目标节点的最小实际代价B.启发函数h(n)≤从节点n到目标节点的最小实际代价C.启发函数h(n)等于从节点n到目标节点的最小实际代价D.启发函数h(n)与实际代价无关梯度下降算法中，学习率的作用是（）A.控制参数更新的步长B.决定损失函数的类型C.提升模型的泛化能力D.降低特征维度与梯度下降算法相比，牛顿法的核心优势是（）A.计算复杂度更低B.对内存需求更小C.收敛速度更快D.不需要计算二阶导数模拟退火算法中，关于退火温度的调整策略描述正确的是（）A.温度快速下降，保证算法快速收敛B.温度保持恒定，确保搜索的均匀性C.温度缓慢下降，高温阶段接受劣解概率高，低温阶段接受劣解概率低D.温度缓慢上升，逐步扩大搜索范围遗传算法中选择操作的核心作用是（）A.保证种群的多样性B.筛选适应度高的个体遗传到下一代C.引入新的基因片段D.提升算法的收敛速度遗传算法的交叉概率通常设置的合理范围是（）A.0.001-0.01B.0.1-0.3C.0.4-0.9D.0.95-1

10.KNN算法中，k值设置过小会导致的问题是（）A.模型容易欠拟合B.模型对噪声敏感，容易过拟合C.模型的分类效率大幅下降D.模型的泛化能力提升朴素贝叶斯算法的核心前提假设是（）A.特征之间服从正态分布B.特征之间条件独立C.特征之间完全相关D.所有特征的重要性相同决策树节点分裂时，信息增益的作用是（）A.衡量特征对类别区分度的高低B.降低模型的计算复杂度C.提升模型的召回率D.减少特征维度二分类混淆矩阵中，真正例（TP）的定义是（）A.真实为正例，模型预测为正例的样本数B.真实为正例，模型预测为反例的样本数C.真实为反例，模型预测为正例的样本数D.真实为反例，模型预测为反例的样本数某二分类模型测试集的混淆矩阵为TP=90，FN=10，FP=20，TN=80，该模型的召回率为（）A.90%B.81.8%C.80%D.75%

15.下列不属于解决分类模型过拟合问题的方法是（）A.增加训练样本量B.降低模型复杂度C.加入正则化项D.提高训练迭代次数监督学习任务中，训练集、验证集、测试集的通用划分比例是（）A.5:3:2B.7:2:1C.9:0.5:0.5D.6:3:1数据归一化（最小-最大标准化）的核心作用是（）A.消除特征量纲差异，提升模型收敛速度和稳定性B.提升特征的区分度C.减少有效特征数量D.提升模型的拟合能力下列关于代价一致搜索的描述，正确的是（）A.每次优先扩展深度最小的节点B.每次优先扩展路径总代价最小的节点C.属于启发式搜索算法D.不需要记录已访问节点智能算法在工业质检场景中的核心作用是（）A.提升缺陷识别的准确率和效率B.降低生产设备的能耗C.提升产品的生产速度D.优化供应链路径下列关于欠拟合的描述，正确的是（）A.模型在训练集上表现差，测试集上表现好B.模型在训练集和测试集上表现都差C.模型在训练集上表现好，测试集上表现差D.模型复杂度太高导致的二、判断题（本大题共10小题，每小题1分，共10分。请判断每小题的表述是否正确，正确的填“√”，错误的填“×”，请将答案填在答题纸对应位置）深度优先搜索采用栈结构存储待扩展节点，属于启发式搜索算法。（）A*算法的启发函数越接近真实代价，搜索效率越高。（）小批量梯度下降兼顾了批量梯度下降的收敛稳定性和随机梯度下降的训练效率，是工业界最常用的梯度下降变体。（）遗传算法的变异操作概率通常设置在0.1-0.5之间，用于保证种群多样性。（）KNN算法属于无监督学习算法，不需要提前标注训练样本。（）朴素贝叶斯算法在特征之间关联度较高的场景下，仍然能获得极高的分类准确率。（）决策树的剪枝操作分为预剪枝和后剪枝，核心作用是降低过拟合风险。（）类别不平衡的二分类任务中，准确率越高的模型性能一定越好。（）模拟退火算法在高温阶段大概率接受劣解，能够避免陷入局部最优。（）Z-score标准化会改变特征之间的相对大小关系，可能丢失部分有效信息。（）三、填空题（本大题共10空，每空2分，共20分。请将正确答案填写在答题纸对应位置）常见的盲目搜索算法包括广度优先搜索、深度优先搜索和______。A*算法的评价函数由两部分组成，分别是从起始节点到当前节点的实际代价和______。梯度下降算法按照每次迭代使用的样本量可以分为批量梯度下降、小批量梯度下降和______。遗传算法的三大核心操作是选择、交叉和______。KNN算法属于______学习算法（填“监督”“无监督”或“强化”）。朴素贝叶斯算法的核心计算依据是______公式。决策树的节点分裂指标通常使用信息增益、信息增益率和______。二分类任务中，混淆矩阵的四个基本元素是真正例、假正例、真反例和______。过拟合的本质是模型学习到了训练集中的______而非通用规律，导致泛化能力下降。数据标准化的常用方法包括Z-score标准化和______。四、简答题（本大题共4小题，每小题5分，共20分。请将答案填写在答题纸对应位置，要求表述简洁、逻辑清晰）请简述盲目搜索和启发式搜索的核心区别，各列举2种典型算法。请简述梯度下降算法的基本原理，说明学习率设置过大或过小分别会带来什么问题。请简述KNN算法的执行流程，说明k值设置对模型性能的影响。请简述模拟退火算法的基本思想和三个核心执行阶段。五、算法分析与设计题（本大题共1小题，共15分。请将答案填写在答题纸对应位置，要求写出计算步骤）某高校图书馆开发智能用户分类系统，用于精准推送图书资源，现有标注完成的用户数据集共1000条，其中高价值用户（年借阅量≥20本）200条，普通用户800条，技术团队采用朴素贝叶斯算法完成分类任务。已知某用户的特征向量X={月均借阅3本，收藏图书15本，参与读书活动2次}，统计得到先验概率P(高价值)=0.2，P(普通)=0.8，条件概率P(X|高价值)=0.05，P(X|普通)=0.002。

请回答以下问题：请计算该用户属于高价值用户和普通用户的后验概率，给出最终分类结果（8分）该数据集属于典型的类别不平衡数据集，若仅用准确率作为模型评价指标是否合理？请说明理由，并给出2种适合该场景的评价指标（7分）六、综合应用题（本大题共1小题，共15分。请将答案填写在答题纸对应位置）某智能仓储企业需要优化货物拣选路径，现有1个出发点和8个待拣选货位，每个货位之间的通行代价已知，要求规划一条从出发点出发，经过所有待拣选货位恰好1次，最终总通行代价最小的路径，技术团队拟采用遗传算法求解该旅行商问题。请回答以下问题：请设计该问题的遗传算法编码方式（3分）请设计该问题的适应度函数（4分）若种群规模设置为20，交叉概率为0.7，变异概率为0.01，编码长度为9（包含出发点位置），请计算每次迭代过程中，预期参与交叉操作的个体数和预期发生变异的基因位总数（8分）参考答案及评分标准一、单项选择题（每题1分，共20分）1.B2.C3.A4.B5.A6.C7.C8.B9.C10.B11.B12.A13.A14.A15.D16.B17.A18.B19.A20.B二、判断题（每题1分，共10分）1.×2.√3.√4.×5.×6.×7.√8.×9.√10.×三、填空题（每空2分，共20分）代价一致搜索2.当前节点到目标节点的启发估计代价3.随机梯度下降4.变异5.监督6.贝叶斯7.基尼系数8.假反例9.噪声/局部特征10.最小-最大标准化（离差标准化）四、简答题（每题5分，共20分）核心区别（3分）：盲目搜索无启发信息指导，仅按照预设策略扩展节点，搜索效率低，适合小规模状态空间问题；启发式搜索引入启发信息指导搜索方向，可剪枝无效路径，搜索效率高，适合大规模状态空间问题。典型算法（2分）：盲目搜索包括广度优先搜索、深度优先搜索、代价一致搜索；启发式搜索包括A*算法、贪婪最佳优先搜索、遗传算法、模拟退火算法（各举2种即可）。基本原理（2分）：以损失函数的负梯度方向作为参数更新方向，迭代调整模型参数，使得损失函数逐步收敛到最小值。学习率问题（3分）：学习率过小，参数更新步长小，收敛速度极慢，训练效率低，容易陷入局部最优；学习率过大，参数更新步长大，损失函数容易震荡甚至发散，无法收敛。执行流程（3分）：①计算测试样本与所有训练样本的距离；②按距离升序排序，选取距离最小的前k个训练样本；③统计k个样本的类别频率，将频率最高的类别作为测试样本的预测结果。k值影响（2分）：k值过小，模型复杂度高，对噪声敏感，容易过拟合；k值过大，模型复杂度低，容易忽略样本局部有效信息，导致欠拟合。基本思想（2分）：模拟固体退火过程，高温阶段粒子活跃，以较高概率接受劣解，避免陷入局部最优；低温阶段粒子稳定，仅以极低概率接受劣解，逐步收敛到全局最优。核心阶段（3分）：加温阶段、等温阶段、降温阶段。五、算法分析与设计题（15分）（8分）根据贝叶斯公式，后验概率计算公式为：P(Y|X)=P(X|Y（7分）不合理（2分）。理由：该数据集中普通用户占比80%，若模型将所有用户判定为普通，准确率可达80%，但无法识别任何高价值用户，完全失去实用价值，因此准确率无法衡量不平衡数据集下的模型性能。（3分）适合的评价指标：