宁波诺丁汉大学人工智能期末试题

宁波诺丁汉大学试卷用纸，共
页，第
页
HA =
4 3 1 2 2 2 H A= 0 + H A=1 = − 2 log 2 + 2 log 2 + 2 log 2 + 1 log 2 7 7 7 4 4 3 4 3 1 3 1 1 H B = 0 + H B =1 = − 3 log 2 + 1 log 2 + 1 log 2 + 2 log 2 7 7 7 4 4 3
F (6) OPEN:{ } CLOSED:{A,B,C,D,E}
宁波诺丁汉大学试卷用纸，共 页，第 页
(3)均一代价搜索： （小括号内标注的是从起始节点出发到该点的最小代价值） OPEN:{<B,3>,<C,4>} A(0) (1) CLOSED:{A} C(4) (3) OPEN:{<D,6>,<E,9>} CLOSED:{A,B,C} E(10⇒9⇒7) (5) OPEN:{<F,9>} CLOSED:{A,B,C,D,E}
B
8.
9.
10. 基于解释的学习（EBL）中，下述哪种说法是正确的 A. 生成知识的正确性有保证 B. 不需要太多的先验知识 C. A 和 B 都对 11. 下列搜索算法中，能保证取得最优解的是 A. A* 算法 B. 均一代价算法 C. 上述两者 12. 模糊控制中，同一条规则内部的推理是采用 A. 取大 B. 取小 C. 先取小后取大 C
2．
试利用α-β搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画×，并 注明是什么剪枝。
(4,+ ∞) (-∞,4) ∞ (4,+ ∞) (5,+ ∞)
α剪枝 (-∞,3) ∞
β剪枝 (3,+ ∞)
4
1
5
0
3
2
7
1
宁波诺丁汉大学试卷用纸，共
页，第
页
分析求解题（ 五． 分析求解题（第 1 题 20 分，第 2 题 10 分，共 30 分） * 1. 对下图所示的状态空间图进行：(1) 纵向搜索；(2) 横向搜索； （3）均一代价搜索；(4) A
(2) OPEN:{<C,4>,<D,7>,<E,10>} B(3) CLOSED:{A,B} D(7⇒6) OPEN:{<E,7>,<F,10>} CLOSED:{A,B,C,D} (4)
F(10⇒9)
(6)
OPEN:{} CLOSED:{A,B,C,D,E}
搜索出的最优路径是：A→C→D→E→F，代价是 9。
5
4
。
判断下列各题，正确的打√ 错误的打 如果错误， 三. 判断题 （判断下列各题，正确的打√ ，错误的打 ╳ ，如果错误，请将正确 的描述写在下面， 的描述写在下面，每题 2 分，共 10 分）
1. 与/或（AND/OR）图搜索中，如果子节点是 AND 节点，只对其中一个进行扩展。(×) 改：与/或（AND/OR）图搜索中，如果子节点是 AND 节点，则对所有的子节点进行扩展。
(3)A*算法： （小括号内标注的是该点的估价函数值） A(9) (1) OPEN:{<B,10>,<C,10>} CLOSED:{A} (2) OPEN:{<C,10>,<D,11>,<E,12>} B(10) CLOSED:{A,B} D(11⇒10) OPEN:{<E,9>,<F,10>} CLOSED:{A,B,C,D} (4) C(10) (3) OPEN:{<D,10>,<E,11>} CLOSED:{A,B,C} (5) OPEN:{<F,9>} CLOSED:{A,B,C,D,E}
4. 模糊控制中，可利用重心法对参数模糊化，然后根据模糊规则进行推理。 （×） 改：模糊控制中，根据模糊规则进行推理后，可利用重心法对推理结果进行去模糊化。
5. 特征模式匹配中，输入模式与两个参考模式的距离，较小的一方即为识别出的类别。 （√） 改：
宁波诺丁汉大学试卷用纸，共 页，第 页
四. 简答题 （每题 8 分，共 16 分） 1． 简述单纯遗传算法（SGA）的基本过程。 答：第一步：初生代种群的生成。选择个体的编码方式，然后对个体进行染色体编码。从众多 第一步： 第一步 个体中随机选择 N 个作为遗传操作的种子。设世代 t=0。 第二步： ，然后对各个个体 X i 进行评 第二步：对种子进行适应度评估。确定评估函数（适应度函数） 估，求出各自的适应度值 f ( X i ) 。 第三步： 第三步：判断迭代终止条件是否满足。若满足，则推出算法，若不是，则继续第四步。 常用于判断算法是否停止的最简单的两个条件： a) 完成了预先给定的进化代数则停止； b) 群体中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改 进时停止。 第四步： 第四步：对种子进行选择操作。从第 t 代中选择 N 个进入 t+1 代的个体。选择按比例选择方式 进行，即“转轮盘”。 第五步： 第五步：对种群进行遗传操作。包括交叉和变异。 交叉操作的简单方式是将被选择出的两个个体 P1 和 P2 作为父母个体，将两者的部分码值 进行交换。 变异操作的简单方式是改变数码串的某个位置上的数码。二进制编码表示的简单变异操作是 将 0 与 1 互换：0 变异为 1，1 变异为 0。
E(12⇒11⇒9)
F(10⇒9)
(6)
OPEN:{} CLOSED:{A,B,C,D,E}
搜索出的最优路径是：A→C→D→E→F 代价是 9。
2. 设样本集合如下所示，其中 A、B、C 是 F 的属性，试根据信息增益标准(ID3 算法)求解 F 的决策树。 A B C F 0 0 0 0 0 0 1 1 0 1 0 0 0 1 1 1 1 0 0 1 1 0 1 1 1 1 0 0 (已知 log2(2/3)= -0.5842, log2(1/3)= -1.5850, log2(3/4)= -0.41504, )
B
宁波诺丁汉大学试卷用纸，共
页，第
页
填空题（ 二. 填空题（每空 1 分，共 20 分）
1. 状态空间表示法中，解的问题是以 状态 和 算符 集合的形式表示的。
2. 已知年龄集合为 {10,20,30,40,50,60,70,80} ，试给出一个“青年”的模糊集合 可灵活掌握 。 （本题 2 分） 3. 基于解释的学习（EBL）中，给出训练事例的意义在于，提取出在解决 实际 以应用的部分，从而节省 存储 容量和搜索 时间 。 4. 在图搜索中，是否应用了 已有 用的启发搜索算法有 任选两种 、 问题时可
1． 人工智能是___A___ A. 用人工的方法在机器（计算机）上实现的智能。 B. 人＋机器的智能 C. 开发者的智能 2． 人工智能学派符号主义的主要研究方法是 C A. 用仿生学的方法，通过研究人脑的工作模型，搞清人类智能的本质 B. 应用进化论的思想进行人工智能的研究 C. 研究逻辑演绎在计算机上的实现方法 3． 对问题进行分割后进行搜索的实质是 B A. 对问题进行归纳总结，以寻求一般的概念 B. 从目标出发的逆向推理，寻找若干子问题的集合 C. 将多个小问题归纳成一个大问题的求解方法 4． 利用已知的某些有关具体问题领域的信息进行搜索的方法称为__C____ A. 逐个搜索 B. 随机搜索 C. 启发式搜索
HB =
1 1 1 H B = 0 + H B =1 = − {0} = 0 2 2 2
最后，得到 F 的决策树如下：
C
C=0 C=1
A
A=1 A=0
+
B
B=1 B=0
—
+
—
宁波诺丁汉大学试卷用纸，共
页，第
页
宁波诺丁汉大学考试试卷 宁波诺丁汉大学考试试卷 ( A )
课程名称: 课程名称:
名：
人工智能 ( 12 月 29 日)
考试时间: 考试时间: 第 17 周星期五
姓
题号
线
一
二
三
四
五
六
七
八
九
十
总分
得分 评分人
号：
一.
学
选择题（下列各题三个选项中，只有一个选项是正确的， 选择题（下列各题三个选项中，只有一个选项是正确的，每题 2 分， 是正确的 共 24 分）
1 = 0.965 3
HB =
2 = 0.857 3
HC =
4 3 1 1 3 3 0 H C = 0 + H C =1 = − 1 log 2 + 3 log 2 + 3 log 2 + 0 log 2 = 0.464 7 7 7 4 4 3 3
所以 第一次分类选属性 C，对 C=0 的四个例子再进行第二次分类。
算法搜索。 （图中 A 为初始节点，F 为目标节点，各节点的启发值标注在小括号内） 。给出搜 索过程及搜索出的最佳路径，并标注各节点的估价函数值。
பைடு நூலகம்
(7) 3 (9)
A B
4 7
(4)
D
4
F
4 4
C
1 2
E
(0)
2
(6)
5
(2)
(1)纵向搜索：(可有多解) A (2) OPEN:{C,E,D} B CLOSED:{A,B} (3) OPEN:{C,E,F} D CLOSED:{A,B,D}
HA =
2 2 1 1 H A= 0 + H A=1 = − 1 log 2 + 1 log 2 4 4 4 2 2 2 1 1 H B = 0 + H B =1 = − 1 log 2 + 1 log 2 4 4 4 2