人工智能研究生试卷及答案

-1-浙江工业大学2009/2010学年第一学期期终试卷人工智能及其应用A卷一、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（）。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4.假设S是不可满足的，则（）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]B．[0,1]C．[-1,∞）D．[0,∞）6.在可信度方法中，CF（H，E）的取值为（）时，前提E为真不支持结论H为真。A．1B.0C.0D.07.在深度优先搜索策略中，open表是（）的数据结构。A．先进先出B.先进后出C.根据估价函数值重排8.归纳推理是（）的推理。A．从一般到个别B．从个别到一般C．从个别到个别二、多选题（本题共5小题，每题2分，共10分）1.人工智能研究的三大学派是()。A.符号主义B.进化主义C.任知主义D.连接主义2.对于框架表示法，下面叙述正确的是（）。A．框架中，一个槽用于描述所论对象某一方面的属性，一个侧面用于描述相应属性的一个方面。-2-B．槽值可以是另一个框架的名字，从而实现一个框架对另一个框架的调用，表示出框架之间的纵向联系。橫向C.框架系统中问题的求解主要是通过匹配与填槽实现的。D.框架表示法不能表示具有因果关系的知识。能3.在主观Bayes推理中，充分性度量LS和必要性度量LN的取值下面哪些是合理的（）。A．LS1,LN1B．LS1,LN1C．LS1,LN1D．LS1,LN=14.下面对专家系统叙述错误的是：()。A．专家系统是运用知识和推理来解决问题的；B．专家系统是把关于问题求解的知识隐含于程序中的；C．专家系统不具有透明性，无法回答用户“Why”和“How”等问题。D．利用骨架系统开发专家系统，相对于其他开发工具，其效率是最高的，灵活性是最好的，局限性也是最少的。5.下面对机器学习方法叙述正确的是：()。A．解释学习需要环境提供一组示例，而示例学习只要环境提供一个示例；B．机械式学习是没有推理能力的。C．符号学习对模拟人类较低级的神经活动是比较有效的。D．观察与发现学习是基于归纳推理的。三、填空题（本题共5小题，每个空格1分，共14分）1.产生式系统一般由三个基本部分组成：、、。2.在证据理论中，命题A的信任函数Bel(A)又称为函数，似然函数Pl(A)又称为函数，Pl(A)－Bel(A)表示对A的程度。A(0,0.85)表示对A为假有一定的信任，信任度为。3.若用三层BP神经网络解决字母T和L的识别问题。每个字母用3×3二维二值图表示，令黑方格为1，白方格为0。要求网络输出为1时，对应的字母是T；而输出为0时，对应的字母是L。因此该BP神经网络的输入层应包含个-3-神经元，输出层应包含个神经元，输出层神经元的非线性函数为。4.BP学习算法的学习过程包括两个过程，它是通过过程使误差最小。5.遗传算法的基本操作算子包括、、。四、（8分）设A、B、C三人中有人从不说真话，也有人从不说假话。某人向这三人分别提出用一个问题：“谁是说谎者？”A答：“B和C都是说谎者”；B答：“A和C都是说谎者”；C答：“A和B至少一个是说谎者”。试用归结原理证明C是老实人，即C从不说假话。（提示：定义谓词T（x）表示x说真话。）五、（8分）设有如下一组推理规则r1:IFE1THENE2(0.5)r2:IFE2ANDE3THENE4(0.8)r3:IFE4THENH(0.7)r4:IFE3ORE5THENH(0.9)且已知CF（E1）＝0.5，CF（E3）＝0.6，CF（E5）＝0.5，用可信度方法计算CF（H），并画出推理网络。六、（10分）用A*搜索算法求解八数码难题，其初始状态和目标状态分别如下图所示。（1）试确定求解该问题的A*算法的估价函数，给出相应的搜索图（图中需标注各状态的估价值），以及问题的最优解。（2）说明A*搜索算法与A搜索算法的区别。七、(10分)设有模糊控制规则：“如果温度低，则将风门开大”。设温度和风门开度的论域为{1,2,3,4,5}。“温度低”和“风门大”的模糊量可以表示为10.60.300,12345A温度低000.20.6112345B风门大-4-已知事实“温度较低”，可以表示为0.810.60.40'12345A温度较低试用模糊推理确定风门开度。要求：（1）确定模糊控制规则的蕴含关系R。（2）确定“温度较高”时“风门开度”的模糊量（其中合成采用最大－最小合成法）。（3）给出（2）所得模糊量的Zadeh表示，并用加权平均判决法进行模糊决策，给出“风门开度”的清晰量。八、（8分）已知离散Hopfield神经网络的连接权值矩阵为220332203322033W各神经元的阈值取为0。任意给定一个初始状态V(0)={-1,-1,1}，请确定其所对应的一个稳定状态。九、（16分）已知一个非线性函数：2,15.20)1()(10),(21222121ixxxxxxfi1）若用连续Hopfield神经网络（CHNN）求解其最小值，要求画出CHNN的网络结构图（图中需标注各神经元的输入连接权和阈值），给出神经元的输出变换函数，以及求解上述问题的计算能量函数；（6分）2）用遗传算法（GA）求解其最小值，若采用二进制编码，试确定染色体的长度，设计GA的适应度函数，并说明适应度函数在GA中的作用；（5分）3）分别给出CHNN和GA求解上述问题的主要求解步骤。（5分）试卷答案一、单选题（本题共8小题，每题2分，共16分）D，B，B，A，D，C，B，B二、多选题（本题共5小题，每题2分，共10分）ABD，AC，BCD，BCD，BD-5-三、填空题（本题共5小题，每个空格1分，共14分）1.规则库、推理机、综合数据库，2.下限或信任，上限或似然或不可驳斥，不知道，0.15，3.9，1，Sigmoid型函数或11xe，其中1，4.反向学习或反向传播，5.选择或复制，交叉，变异。四、（8分）解一：定义谓词T（x）表示x说真话。如果A说真话，则有()()()TATBTC；如果A说假话，则有()()()TATBTC；同理，有()()()TBTATC，()()()TBTATC，()()()TCTATC。结论的否定为()TC。——（3分）可得子句集为1）()()TATB，2）()()TATC，3）()()()TATBTC，4）()()TBTC，5）()()()TCTBTA，6）()TC。——（3分）显然，子句3）和5）归结，可得NIL。因而即证。——（2分）或解二：用求解问题的方法来证明。五、（8分）解：CF（E2）＝0.5×max{0,CF(E1)}=0.25，CF（E4）＝0.8×max{0,CF(E2AndE3)}=0.2，CF3（H）＝0.7×max{0,CF(E4)}=0.14，CF4（H）＝0.9×max{0,CF(E3OrE5)}=0.54，CF（H）＝CF3（H）＋CF4（H）－CF3（H）×CF4（H）＝0.6044。——（6分）其推理网络为E4E5E3E2ANDORHE1r1r2r3r4——（2分）六、（10分）解一：该八数码难题的估价函数为f(n)=g(n)+h(n)，其中g(n)为状态n的深度，h(n)为状态n中“不在位”的数码数。――（2分）该八数码难题的搜索图为-6-——（5分）其最优解为空格上移，空格左移，空格下移，空格右移。——（1分）或解二：定义与解一不同的估价函数，得到相应的搜索图和最优解。A*搜索算法与A搜索算法的区别（2分）：A*搜索算法中要求启发函数h(n)≤h*(n),其中h*(n)为状态n到目标状态的最小估价值。而A搜索算法对启发函数h(n)没有此要求。或A*搜索算法能搜索到最优解，而A搜索算法不能。七、(10分)解：（1）1.00.6000.20.61.00.600TRABAB000.20.61000.20.60.6000.20.20.20000000000——（3分）（2）确定“温度较高”时“风门开度”的模糊量（其中合成采用最大－最小合成法）。BAR0.8000.20.611000.20.60.60.6000.20.20.20.400000000000000.20.60.8——（3分）（3）所得模糊量的Zadeh表示为0/10/20.2/30.6/40.8/5B，用加权平均判决法进行模糊决策，则“风门开度”的清晰量为0.230.640.850.20.60.84.375——（4分）八、（8分）由题知，神经元状态的输出函数为-7-0101)(sssf（1分）解一：假设离散Hopfield神经网络中个神经元状态的调整顺序为2→1→3，则222(1)[()(1)0(1)()1](0)133vff，因而V(1)={-1,1,1}；1224(2)[0(1)()1(1)]()1333vff，因而V(2)={-1,1,1}；3224(3)[(1)()10(1)]()1333vff，因而V(3)={-1,1,1}；——（6分）显然，{-1,1,1}是V(0)所对应的稳定状态。——（1分）或解二：假设与解一不同的神经元状态调整顺序，得到另一稳定状态{1,-1,1}。九、（16分）解：1）（3分）令/2.5iivx（1分），神经元的输出变换函数可采用Sigmoid型函数，即11xe，其中1（1分）。求解上述问题的计算能量函数为22212121(,)10[(2.5)2.5](12.5)Evvvvv（1分）2）由2.500.121n(1分)，可确定染色体的长度为2n，即为10。（1分）GA的适应度函数为121(,)fxxc，其中c为0的常数。（1分）适应度函数在GA中的作用：用于评价种群中个体的好坏，它是算法演化过程的驱动力，是进行自然选择的唯一依据。（2分）3）CHNN求解约束优化问题的步骤（2分）（1）选择合适的问题表示方法，使CHNN的输出与优化问题的可行解彼此对应；（2）用罚函数法写出优化问题的目标函数；（3）令目标函数和能量函数相等，确定CHNN的连接权和偏置电流，以及动态方程；-8-（4）给定CHNN的初始状态和参数等，使CHNN按动态方程运行，直至达到稳定状态，并把它解释为问题的解；GA求解约束优化问题的步骤（3分）（1）确定表示问题解的编码（染色体/个体）；（2）初始化种群；（3）计算每个个体的适应值；（4）使用遗传操作算子（选择、交叉、变异）产生下一代种群；（5）若不满足终止条件则转（3），否则进入下一步；（6）输出种群中适应值最优的染色体作为问题的满意解或最优解。