【文章內容簡介】 (3)從 OPEN 表中選擇一個節(jié)點 i，使其 g(i)為最小。如果有幾個節(jié)點都合格，那么就要選擇一個目標節(jié)點作為節(jié) 點i(要是有目標節(jié)點的話)；否則，就從中選一個作為節(jié)點i。把節(jié)點i 從OPEN 表移至擴展節(jié)點表CLOSED 中。(4)如果節(jié)點i 為目標節(jié)點，則求得一個解。(5)擴展節(jié)點i。如果沒有后繼節(jié)點，則轉向第(2)步。(6)對于節(jié)點 i 的每個后繼節(jié)點 j，計算g(j)=g(i)+c(i,j)，并把所有后繼節(jié)點 j 放進 OPEN 表。提供回到節(jié)點 i 的指針。(7)轉向第(2)步。33 化為子句形有哪些步驟?請結合例子說明之。任一謂詞演算公式可以化成一個子句集。其變換過程由下列九個步驟組成：(1)消去蘊涵符號將蘊涵符號化為析取和否定符號(2)減少否定符號的轄域每個否定符號最多只用到一個謂詞符號上，并反復應用狄 摩根定律(3)對變量標準化對啞元改名以保證每個量詞有其自己唯一的啞元(4)消去存在量詞引入Skolem 函數(shù)，消去存在量詞如果要消去的存在量詞不在任何一個全稱量詞的轄域內，那么我們就用不含變量的Skolem 函數(shù)即常量。(5)化為前束形把所有全稱量詞移到公式的左邊，并使每個量詞的轄域包括這個量詞后面公式的整個部分。前束形 =(前綴)(母式)前綴 = 全稱量詞串母式 = 無量詞公式(6)把母式化為合取范式反復應用分配律，將母式寫成許多合取項的合取的形式，而每一個合取項是一些謂詞公式和(或)謂詞公式的否定的析取(7)消去全稱量詞消去前綴，即消去明顯出現(xiàn)的全稱量詞(8)消去連詞符號(合取)用{合取項1,合取項2}替換明顯出現(xiàn)的合取符號(9)更換變量名稱更換變量符號的名稱，使一個變量符號不出現(xiàn)在一個以上的子句中34 如何通過消解反演求取問題的答案?給出一個公式集S 和目標公式L，通過反證或反演來求證目標公式L，其證明步驟如下：(1)否定L，得～L；(2)把～L 添加到S 中去；(3)把新產生的集合｛～L，S｝化成子句集；(4)應用消解原理，力圖推導出一個表示矛盾的空子句NIL。35 什么叫合適公式?合適公式有哪些等價關系? 合式公式的遞歸定義為：(1)原子謂詞公式是合式公式(2)若A 為合式公式，則A 的否定也是合式公式(3)若A、B 都是合式公式，則A AND B, AOR B, AB, AB 也都是合式公式(4)若A 是合式公式，x 為A 中的自由變元，則(ANY x)A 和(EXT x)A 都是合式公式(5)只有按規(guī)則(1)~(4)求得的公式，才是合式公式 等價關系有：否定之否定，蘊含與與或形式的等價，；分配律，交換律，結合律，逆否律，否定跨越量 詞，全稱量詞同與或連詞，量詞中的啞元36 所示迷宮的出路。第一步 SAB 第二步 BHBC第三步 HGCF最終路徑為SABCF37 所示八數(shù)碼難題。解：定義操作符集：F={f1,f2,f3,f4}，其中： f1 表示空格右移； f2 表示空格上移；f3 表示空格左移； f4 表示空格下移。搜索時，節(jié)點的擴展順序規(guī)定為按右、左、上、下方向移動空格。并設置深度界限為8。由上述有界深度優(yōu)先搜索樹中可見，當d=8 時，八數(shù)碼難題的一個解為： f4, f4, f3, f2, f2, f3, f4, f3310 一個機器人駕駛卡車，攜帶包裹(編號分別為＃＃2 和＃3)分別投遞到林(LIN)、吳(WU)和胡(HU)3 家住宅處。規(guī)定了某些簡單的操作符，如表示駕駛方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先決條件和結果。試說明狀態(tài)空間問題求解系統(tǒng)如何能夠應用謂詞演算求得一個操作符序列，該序列能夠生成一個滿足AT(1，LIN)∧AT(2，WU)∧AT(3,HU)的目標狀態(tài)。初始狀態(tài)可描述為：AT(1, ~LIN)AND AT(2, ~WU)AND AT(1, ~HU)AND AT(1, CAR)AND AT(2, CAR)AND AT(3, CAR)目標狀態(tài)可描述為：AT(1, LIN)AND AT(2, WU)AND AT(1, HU)AND AT(1, ~CAR)AND AT(2, ~CAR)AND AT(3, ~CAR)對每個操作符都有一定的先決條件和結果，詳細如下drive(x, y)先決條件：AT(CAR, x)結果： AT(CAR, y)unload(z)先決條件：AT(z, CAR)AND AT(CAR, x)結果： AT(z, ~CAR)AND AT(z, x)原問題就轉換為尋找一個可將初始狀態(tài)轉換到目標狀態(tài)的操作序列 如何求得該操作序列???311 規(guī)則演繹系統(tǒng)和產生式系統(tǒng)有哪幾種推理方式?各自的特點為何?規(guī)則演繹系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理雙向推理組合了正向推理和逆向推理的優(yōu)點，克服了各自的缺點，具有更高的搜索求解效率。產生式系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理雙向推理結合了正向推理和逆向推理的長處，克服了兩者的短處，其控制策略比兩者都要復雜。312 為什么需要采用系統(tǒng)組織技術?有哪幾種系統(tǒng)組織技術?如果不采用系統(tǒng)組織技術，而直接寫出包含所有知識的規(guī)則，并讓系統(tǒng)利用這些規(guī)則，找出一條從給定狀態(tài)到目標 狀態(tài)的路徑，這種方法有嚴重的缺點：(1)隨著規(guī)則的增加，既要加入新的規(guī)則，又要使新規(guī)則不與現(xiàn)有規(guī)則產生沖突，這將使問題變得愈來愈困難(2)在問題求解過程中，由于每一步都必須考慮所有規(guī)則，效率就會大大降低，然而，實際上卻往往是只有應用完 一組規(guī)則之后，才考慮另一組別的規(guī)則(3)一種問題求解技術和知識表達形式可能對問題的某一部分是最好的，而對另一部分卻不是最好的 因此，采用系統(tǒng)組織技術，將一個大系統(tǒng)中的知識分成一組相對獨立的模塊比較合適。有3 種系統(tǒng)組織技術：議程表、黑板法和Delta 極小搜索法313 研究不確定性推理有何意義?有哪幾種不確定性?不確定性推理是研究復雜系統(tǒng)不完全性和不確定性的有力工具。有3 種不確定性，關于證據(jù)的不確定性(觀測有誤差)，關于結論的不確定性和多個規(guī)則支持同一事實時的不確定性。314 單調推理有何局限性?什么叫缺省推理?非單調推理系統(tǒng)如何證實一個節(jié)點的有效性?單調系統(tǒng)不能很好地處理常常出現(xiàn)在現(xiàn)實問題領域中的3 類情況，即不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設有兩種方法可以證實節(jié)點的有效性：(1)支持表。(SL(IN節(jié)點表)(OUT節(jié)點表))如果某節(jié)點的IN 節(jié)點表中提到的節(jié)點當前都是IN, 且OUT 節(jié)點表中提到的節(jié)點當前都是OUT，則它是有效的(2)條件證明。(CP(結論)(IN假設)(OUT假設))條件證明(CP)的證實表示有前提的論點，無論何時，只要在IN 假設中的節(jié)點為IN, OUT 假設中的節(jié)點為OUT, 則 結論節(jié)點往往為IN，于是條件證明的證實有效。315 在什么情況下需要采用不確定推理或非單調推理?不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設316 下列語句是一些幾何定理，把這些語句表示為基于規(guī)則的幾何證明系統(tǒng)的產生式規(guī)則：(1)兩個全等三角形的各對應角相等。(2)兩個全等三角形的各對應邊相等。(3)各對應邊相等的三角形是全等三角形。(4)等腰三角形的兩底角相等。規(guī)則(1): IF 兩個三角形全等THEN 各對應角相等規(guī)則(2): IF 兩個三角形全等THEN 各對應邊相等規(guī)則(3): IF 兩個三角形各對應邊相等THEN 兩三角形全等規(guī)則(4): IF 它是等腰三角形THEN 它的兩底角相等第四章 計算智能（1）：神經計算 模糊計算41 計算智能的含義是什么？它涉及哪些研究分支？貝茲德克認為計算智能取決于制造者提供的數(shù)值數(shù)據(jù)，而不依賴于知識。計算智能是智力的低層認知。主要的研究領域為神經計算，模糊計算，進化計算，人工生命。42 試述計算智能（CI）、人工智能（AI）和生物智能（BI）的關系。計算智能是智力的低層認知，主要取決于數(shù)值數(shù)據(jù)而不依賴于知識。人工智能是在計算智能的基礎上引入知識而產 生的智力中層認知。生物智能，尤其是人類智能，則是最高層的智能。即CI 包含AI 包含BI43 人工神經網絡為什么具有誘人的發(fā)展前景和潛在的廣泛應用領域？人工神經網絡具有如下至關重要的特性：(1)并行分布處理 適于實時和動態(tài)處理(2)非線性映射 給處理非線性問題帶來新的希望(3)通過訓練進行學習一個經過適當訓練的神經網絡具有歸納全部數(shù)據(jù)的能力，能夠解決那些由數(shù)學模型或描述規(guī)則難以處理的問題(4)適應與集成神經網絡的強適應和信息融合能力使得它可以同時輸入大量不同的控制信號，實現(xiàn)信息集成和融合，適于復雜，大 規(guī)模和多變量系統(tǒng)(5)硬件實現(xiàn)一些超大規(guī)模集成是電路實現(xiàn)硬件已經問世，使得神經網絡成為具有快速和大規(guī)模處理能力的網絡。44 簡述生物神經元及人工神經網絡的結構和主要學習算法。生物神經元大多數(shù)神經元由一個細胞體(cell body 或soma)和突(process)兩部分組成。突分兩類，即軸突(axon)和樹突(dendrite)，軸突是個突出部分，長度可達 1m，把本神經元的輸出發(fā)送至其它相連接的神經元。樹突也是突出部分，但一般較 短，且分枝很多，與其它神經元的軸突相連，以接收來自其它神經元的生物信號。軸突的末端與樹突進行信號傳遞的界面稱為突觸(synapse)，通過突觸向其它神經元發(fā)送信息。對某些突觸的刺激促 使神經元觸發(fā)(fire)。只有神經元所有輸入的總效應達到閾值電平，它才能開始工作。此時，神經元就產生一個全強 度的輸出窄脈沖，從細胞體經軸突進入軸突分枝。這時的神經元就稱為被觸發(fā)。突觸把經過一個神經元軸突的脈沖 轉化為下一個神經元的興奮或抑制。學習就發(fā)生在突觸附近。每個人腦大約含有 10^1110^12 個神經元，每一神經元又約有 10^310^4 個突觸。神經元通過突觸形成的網絡，傳 遞神經元間的興奮與抑制。大腦的全部神經元構成極其復雜的拓撲網絡群體，用于實現(xiàn)記憶與思維。人工神經網絡的結構人工神經網絡由神經元模型構成。每個神經元具有單一輸出，并且能夠與其它神經元連接，存在許多輸出連接方法，每種連接方法對應于一個連接權系數(shù)。人工神經網絡的結構分為2 類：(1)遞歸(反饋)網絡 有些神經元的輸出被反饋至同層或前層神經元。信號能夠從正向和反向流通。Hopfield 網絡，Elmman 網絡和Jordan 網絡是代表。(2)前饋網絡 具有遞階分層結構，由一些同層神經元間不存在互連的層級組成。從輸入層至輸出層的信號通過單向連接流通，神 經元從一層連接至下一層，不存在同層神經元之間的連接。多層感知器(MLP)，學習矢量量化網絡(LVQ)，小腦模 型連接控制網絡(CMAC)和數(shù)據(jù)處理方法網絡(GMDH)是代表。人工神經網絡的主要學習算法(1)指導式(有師)學習根據(jù)期望和實際的網絡輸出之間的差來調整神經元連接的強度或權。包括Delta 規(guī)則，廣義Delta 規(guī)則，反向傳播算 法及LVQ 算法。(2)非指導(無導師)學習訓練過程中，神經網絡能自動地適應連接權，以便按相似特征把輸入模式分組聚集。包括 Kohonen 算法，CarpenterGrossberg 自適應諧振理論(ART)(3)強化學習是有師學習的一種特例。它不需要老師給出目標輸出，而是由一個“評論員”來評介與給定輸入相對應的神經網絡 輸出的優(yōu)度。例如遺傳算法(GA)410 什么是模糊集合和隸屬函數(shù)或隸屬度？論域U 模糊子集F 隸屬函數(shù)序偶 P119411 模糊集合有哪些運算，滿足哪些規(guī)律？并(取max)，交(取min)，補冪等律，交換律，結合律，分配律，吸收律，同一律，Demorgan 律，復原律，對偶律，互補律不成立412 什么是模糊推理？有哪幾種模糊推理方法？模糊推理是建立在模糊邏輯基礎上的，一種不確定性推理方法，是在二值邏輯三段論基礎上發(fā)展起來的。它以模糊判斷為前提，動用模糊語言規(guī)則，推導出一個近似的模糊判斷結論。有許多模糊推理方法。在Zadeh 法中，有2 種重要的模糊推理規(guī)則：廣義取式(肯定前提)假言推理法(GMP)和廣義 拒式(否定結論)假言推理法(GMT)，分別簡稱為廣義前向推理法和廣義后向推理法。413 有哪些模糊蘊含關系？ 模糊合取，模糊析取，基本蘊涵，命題演算，GMP 推理，GMT 推理414 什么叫模糊判決？有哪幾種常用的模糊判決方法？從推理得到的模糊集合中，取一個相對最能代表這個模糊集合的單值的過程就稱為解模糊或模糊判決。常用的模糊判決方法有：重心法，最大隸屬度法，系數(shù)加權平均法，隸屬度限幅元素平均法第五章 計算智能(2):進化計算 人工生命51 什么是進化計算？它包括哪些內容？它們的出發(fā)點是什么？什么是？進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。出發(fā)點？52 試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。基本原理？求解步驟：(1)隨機產生一個由確定長度的特征字符串組成的初始種群體(2)對該字符串種群迭代地執(zhí)行下步的步驟[1]和步驟[2]，直到滿足停止準則為止：[1] 計算種群中每個個體字符中的適應值[2] 應用復制，交叉和變異等遺傳算子產生下一代種群(3)把在后代中出現(xiàn)的最好個體字符指定為遺傳算法的執(zhí)行結果，這個結果可以表示問題的一個解。55 進化策略是如何描述的？最簡單的進化策略可描述如下： P13756 簡述進化編程的機理和基本過程，并以四狀態(tài)機為例說明進化編程的表示。機理？基本過程？P13957 遺傳算法、進化策略和進化編程的關系如何？有何區(qū)別？關系： 它們都是模擬生物界自然進化過程而建立的魯棒性計算機算法。區(qū)別：進化策略和進化編程把變異作為主要搜索算子，標準遺傳算法中，變異