人工智能 第4章 参考答案

合集下载

人工智能概论知到章节答案智慧树2023年青岛黄海学院

人工智能概论知到章节答案智慧树2023年青岛黄海学院

人工智能概论知到章节测试答案智慧树2023年最新青岛黄海学院第一章测试1.以下不属于语音处理技术在实际场景中的应用的是()。

参考答案:人脸识别2.达特茅斯会议是人工智能发展史上的里程碑,于哪一年召开()参考答案:19563.深度学习目前在哪个领域尚未取得突出成果()参考答案:决策推理4.文本挖掘主要用于以下哪些场景()参考答案:信息检索;商务智能;生物信息技术5.人工智能研究范畴包括()参考答案:知识表示;机器思维;机器感知;机器学习第二章测试1.华为公司在2019年年底将自己的操作系统开源?()参考答案:openEuler2.在人工智能这个领域,()是必备的能力。

参考答案:学习能力3.5G的到来能够给()有一个算力的反转。

参考答案:端测;云测4.从技术领域来讲,AI领域架构可分为()。

参考答案:自我行动智能;计算智能;理解智能;感知智能5.AI门槛低,导致人才泛滥()参考答案:错第三章测试1.扫地机器人能做到清扫面积全覆盖,行走路径不重叠的根本依据是使用()。

参考答案:路径规划算法2.智能家居( smart home, home automation )是以住宅为平台,利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统()。

参考答案:对3.下列属于智能家居技术的发展前景的是?()参考答案:;市场;产品;渠道4.Smart Home 的中文就是()参考答案:智慧家居5.智能门锁只能通过手机开锁。

参考答案:错第四章测试1.世界第一栋智能大厦()。

参考答案:美国康涅狄格州哈特福特市“都市办公大楼”2.智慧社区是指充分利用()等新一代信息技术的集成应用的现代化、智慧化社区。

参考答案:;云计算;移动互联网3.智慧城市,在()等新一代信息技术高速发展的背景下应运而生,这是一套崭新的城市发展理念。

参考答案:云计算;大数据;物联网4.智慧城市发展的要素有()。

人工智能教程习题及答案第4章习题参考解答

人工智能教程习题及答案第4章习题参考解答

第四章不确定性推理习题参考解答4.1 练习题4.1什么是不确定性推理?有哪几类不确定性推理方法?不确定性推理中需要解决的基本问题有哪些?4.2什么是可信度?由可信度因子CF(H,E)的定义说明它的含义。

4.3什么是信任增长度?什么是不信任增长度?根据定义说明它们的含义。

4.4当有多条证据支持一个结论时,什么情况下使用合成法求取结论的可信度?什么情况下使用更新法求取结论可信度?试说明这两种方法实际是一致的。

4.5设有如下一组推理规则:r1:IF E1THEN E2(0.6)r2:IF E2AND E3THEN E4 (0.8)r3:IF E4THEN H (0.7)r4:IF E5THEN H (0.9)且已知CF(E1)=0.5,CF(E3)=0.6,CF(E5)=0.4,结论H的初始可信度一无所知。

求CF(H)=?4.6已知:规则可信度为r1:IF E1THEN H1(0.7)r2:IF E2THEN H1(0.6)r3:IF E3THEN H1(0.4)r4:IF (H1AND E4) THEN H2(0.2)证据可信度为CF(E1)=CF(E2)=CF(E3)=CF(E4)=CF(E5)=0.5H1的初始可信度一无所知,H2的初始可信度CF0(H2)=0.3计算结论H2的可信度CF(H2)。

4.7设有三个独立的结论H1,H2,H3及两个独立的证据E1与E2,它们的先验概率和条件概率分别为P(H1)=0.4,P(H2)=0.3,P(H3)=0.394P(E1/H1)=0.5,P(E1/H2)=0.6,P(E1/H3)=0.3P(E2/H1)=0.7,P(E2/H2)=0.9,P(E2/H3)=0.1利用基本Bayes方法分别求出:方法分别求出:(1)当只有证据E1出现时,P(H1/E1),P(H2/E1),P(H3/E1)的值各为多少?这说明了什么?么?(2)当E1和E2同时出现时,P(H1/E1E2),P(H2/E1E2),P(H3/E1E2)的值各是多少?这说明了什么?明了什么?4.8在主观Bayes方法中,请说明LS与LN的意义。

人工智能基础及应用(微课版) 习题及答案 第4章 机器学习

人工智能基础及应用(微课版) 习题及答案 第4章 机器学习

习题一、选择题1 .关于k-近邻算法说法错误的是OA是机器学习B是无监督学习Ck代表分类个数Dk的选择对分类结果没有影响2 .关于k-近邻算法说法错误的是OA一般使用投票法进行分类任务Bk-近邻算法属于懒惰学习C训练时间普遍偏长D距离计算方法不同,效果也可能显著不同3 .关于决策树算法说法错误的是OA受生物进化启发B属于归纳推理C用于分类和预测D自顶向下递推4 .利用信息增益来构造的决策树的算法是OAID3决策树B递归C归约DFIFO5 .决策树构成的顺序是()A特征选择、决策树生成、决策树剪枝B决策树剪枝、特征选择、决策树生成C决策树生成、决策树剪枝、特征选择D特征选择、决策树剪枝、决策树生成6 .朴素贝叶斯分类器属于O假设A样本分布独立B属性条件独立C后验概率已知D先验概率已知7 .支持向量机是指OA对原始数据进行采样得到的采样点B决定分类平面可以平移的范围的数据点C位于分类面上的点D能够被正确分类的数据点8 .关于支持向量机的描述错误的是OA是一种监督学习的方式B可用于多分类问题C支持非线性核函数D是一种生成式模型9 .关于k-均值算法的描述错误的是OA算法开始时,k-means算法时需要指定中心点B算法效果不受初始中心点的影响C算法需要样本与中心点之间的距离D属于无监督学习10 .k-Medoids与k-means聚类最大的区别在于()A中心点的选择规则B距离的计算法方法C应用层面D聚类效果二、简答题1 .k-近邻算的基本思想是什么?2 .决策树的叶结点和非叶结点分别表示什么?3 .朴素贝叶斯分类器为什么是“朴素”的?4 .线性可分支持向量机的基本思想是什么?5 .核技巧是如何使线性支持向量机生成非线性决策边界的?6 .什么是聚类?聚类和分类有什么区别?7 .试举例聚类分析的应用场景,参考答案一、选择题1.D2,C3.A4.A5.D6.B7.C8.D9.B 10.A二、简答题1.请简述k・近邻算法的思想答:给定一个训练样本集合D以及一个需要进行预测的样本X:对于分类问题,k-近邻算法从所有训练样本集合中找到与X最近的k个样本,然后通过投票法选择这k个样本中出现次数最多的类别作为X的预测结果;对于回归问题,k近邻算法同样找到与X最近的k个样本,然后对这k个样本的标签求平均值,得到X的预测结果。

人工智能_(马少平_朱小燕_著)_清华大学出版社_课后答案_-_完整版(习题部分+答案部分)

人工智能_(马少平_朱小燕_著)_清华大学出版社_课后答案_-_完整版(习题部分+答案部分)

人工智能(马少平朱小燕著) 清华大学出版社课后答案习题部分第一章课后习题1、对N=5、k≤3时,求解传教士和野人问题的产生式系统各组成部分进行描述(给出综合数据库、规则集合的形式化描述,给出初始状态和目标条件的描述),并画出状态空间图。

2、对量水问题给出产生式系统描述,并画出状态空间图。

有两个无刻度标志的水壶,分别可装5升和2升的水。

设另有一水缸,可用来向水壶灌水或倒出水,两个水壶之间,水也可以相互倾灌。

已知5升壶为满壶,2升壶为空壶,问如何通过倒水或灌水操作,使能在2升的壶中量出一升的水来。

3、对梵塔问题给出产生式系统描述,并讨论N为任意时状态空间的规模。

相传古代某处一庙宇中,有三根立柱,柱子上可套放直径不等的N个圆盘,开始时所有圆盘都放在第一根柱子上,且小盘处在大盘之上,即从下向上直径是递减的。

和尚们的任务是把所有圆盘一次一个地搬到另一个柱子上去(不许暂搁地上等),且小盘只许在大盘之上。

问和尚们如何搬法最后能完成将所有的盘子都移到第三根柱子上(其余两根柱子,有一根可作过渡盘子使用)。

求N=2时,求解该问题的产生式系统描述,给出其状态空间图。

讨论N为任意时,状态空间的规模。

4、对猴子摘香蕉问题,给出产生式系统描述。

一个房间里,天花板上挂有一串香蕉,有一只猴子可在房间里任意活动(到处走动,推移箱子,攀登箱子等)。

设房间里还有一只可被猴子移动的箱子,且猴子登上箱子时才能摘到香蕉,问猴子在某一状态下(设猴子位置为a,箱子位置为b,香蕉位置为c),如何行动可摘取到香蕉。

5、对三枚钱币问题给出产生式系统描述及状态空间图。

设有三枚钱币,其排列处在"正、正、反"状态,现允许每次可翻动其中任意一个钱币,问只许操作三次的情况下,如何翻动钱币使其变成"正、正、正"或"反、反、反"状态。

6、说明怎样才能用一个产生式系统把十进制数转换为二进制数,并通过转换141.125这个数为二进制数,阐明其运行过程。

人工智能技术及应用习题答案第4-6章

人工智能技术及应用习题答案第4-6章

习题4一、名词解释1.电子商务电子商务,简称电商,是指在互联网上以电子交易方式进行交易活动和相关服务活动,是传统商业活动各环节的电子化、网络化。

2.动态定价动态定价算法通过持续地数据输入和机器学习训练,使商品的净利润和销售额目标达到一个平衡的状态,并计算出一个最科学合理的价格,从而促进交易效率的大幅度提升。

3.无人零售无人零售是指基于智能技术实现的无导购员和收银员值守的新零售服务。

未来,将是基于大数据基础上的物品售卖。

二、选择题1、下列不属于推荐引擎的三种数据源是( D )。

A.消费者的基本信息B.推荐商品的元数据C.消费者对商品的偏好信息D.消费者对商品的享受2、( C )不是人工智能将为电商带来5大改变之一。

A.实时推荐B.动态定价C. 供应链管理D.体验个性化3、在电子商务过程中,利用到的信息技术不包括( D )。

A.互联网B.电子邮件C.数据库D.传感器4、无人零售商店Amazon Go是()公司的。

A.深兰科技B.亚马逊C.阿里D.京东三、判断题1、eBay借聊天机器人提升客服体验。

T2、消费者对商品的评价、消费者对商品的评分等属于隐式的消费者反馈。

F四、填空题1、今日推荐通常是根据消费者的( 购买记录)和浏览记录,再结合当下流行的商品,为消费者提供一个比较折中的推荐。

2、(电子商务)是指在互联网上以电子交易方式进行交易活动和相关服务活动,是传统商业活动各环节的电子化、网络化。

3、(动态定价)算法通过持续地数据输入和机器学习训练,使商品的净利润和销售额目标达到一个平衡的状态,并计算出一个最科学合理的价格,从而促进交易效率的大幅度提升。

4、(程序化广告)可以自动规划、购买并优化,帮助广告定主位具体受众和地理位置,可以用于在线展示广告、移动广告和社交媒体等一系列活动中。

5、(无人零售)是指基于智能技术实现的无导购员和收银员值守的新零售服务。

6、电子商务包括电子货币交换、供应链管理、电子交易市场、网络营销、在线事务处理、电子数据交换、存货管理和(自动数据收集)系统。

人工智能导论-各章习题答案

人工智能导论-各章习题答案
第五章习题答案
习题
答案:神经网络是一种模仿人脑神经元之间相互连接和传递信息的网络模型。神经网络通常由输入层、隐藏层和输出层组成,每一层都包含多个神经元,通过不同层之间的连接和权重,实现信息的传递和处理。
习题
答案:深度学习是一种基于神经网络的机器学习方法,通过多层次的网络结构和大量的数据进行训练,从而实现高效的模式识别和特征提取。深度学习在计算机视觉、自然语言处理等领域取得了许多重要的成果。
第二章习题答案
习题
答案:符号推理是一种基于逻辑和推理规则的方法,通过对符号和符号之间的关系进行操作和推理,从而实现问题的求解。符号推理通常涉及到语义、句法和语法的处理,需要对问题进行符号化表示。
习题
答案:决策树是一种常用的机器学习算法,用于解决分类问题。它基于树形结构,通过一系列的判断节点将数据进行分类。决策树的构建过程是一个递归的过程,每次选择一个最优的判断节点,并将数据分割为不同的子集,直到达到终止条件。
习题
答案:人工智能的应用非常广泛,涉及到各个领域。例如,在医疗领域,人工智能可以用于辅助医生进行诊断和治疗决策;在金融领域,人工智能可以用于风险评估和投资建议;在交通领域,人工智能可以用于智能交通管理和无人驾驶等。
习题
答案:人工智能的发展面临着一些挑战和问题。首先,人工智能的算法和模型需要不断优化和改进,以提高其性能和准确度。其次,人工智能系统需要大量的数据进行训练,但数据的获取和处理也面临一些困难。另外,还需要解决人工智能系统的安全和隐私问题,以保护用户的信息和权益。
以上是《人工智Байду номын сангаас导论》各章习题的答案。希望对学习人工智能的同学们有所帮助!
参考资料
1.Russell, S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach. Pearson.

人工智能课后习题第4章 参考答案

人工智能课后习题第4章 参考答案

第4章搜索策略参考答案4.5 有一农夫带一条狼,一只羊和一框青菜与从河的左岸乘船倒右岸,但受到下列条件的限制:(1) 船太小,农夫每次只能带一样东西过河;(2)如果没有农夫看管,则狼要吃羊,羊要吃菜。

请设计一个过河方案,使得农夫、浪、羊都能不受损失的过河,画出相应的状态空间图。

题示:(1) 用四元组(农夫,狼,羊,菜)表示状态,其中每个元素都为0或1,用0表示在左岸,用1表示在右岸。

(2) 把每次过河的一种安排作为一种操作,每次过河都必须有农夫,因为只有他可以划船。

解:第一步,定义问题的描述形式用四元组S=(f,w,s,v)表示问题状态,其中,f,w,s和v分别表示农夫,狼,羊和青菜是否在左岸,它们都可以取1或0,取1表示在左岸,取0表示在右岸。

第二步,用所定义的问题状态表示方式,把所有可能的问题状态表示出来,包括问题的初始状态和目标状态。

由于状态变量有4个,每个状态变量都有2种取值,因此有以下16种可能的状态:S0=(1,1,1,1),S1=(1,1,1,0),S2=(1,1,0,1),S3=(1,1,0,0)S4=(1,0,1,1),S5=(1,0,1,0),S6=(1,0,0,1),S7=(1,0,0,0)S8=(0,1,1,1),S9=(0,1,1,0),S10=(0,1,0,1),S11=(0,1,0,0)S12=(0,0,1,1),S13=(0,0,1,0),S14=(0,0,0,1),S15=(0,0,0,0)其中,状态S3,S6,S7,S8,S9,S12是不合法状态,S0和S15分别是初始状态和目标状态。

第三步,定义操作,即用于状态变换的算符组F由于每次过河船上都必须有农夫,且除农夫外船上只能载狼,羊和菜中的一种,故算符定义如下:L(i)表示农夫从左岸将第i样东西送到右岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

由于农夫必须在船上,故对农夫的表示省略。

人工智能习题参考答案

人工智能习题参考答案

• 神经网络主要通过指导式(有师)学习算法和非指导式(无师)学习 算法。此外,还存在第三种学习算法,即强化学习算法;可把它看做 有师学习的一种特例。 • (1)有师学习 • 有师学习算法能够根据期望的和实际的网络输出(对应于给定输入) 间的差来调整神经元间连接的强度或权。因此,有师学习需要有个老 师或导师来提供期望或目标输出信号。有师学习算法的例子包括 Delta规则、广义Delta规则或反向传播算法以及LVQ算法等。 • (2)无师学习 • 无师学习算法不需要知道期望输出。在训练过程中,只要向神经网络 提供输入模式,神经网络就能够自动地适应连接权,以便按相似特征 把输入模式分组聚集。无师学习算法的例子包括Kohonen算法和 Carpenter-Grossberg自适应谐振理论(ART)等。 • (3)强化学习 • 强化(增强)学习是有师学习的特例。它不需要老师给出目标输出。 强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网 络输出的优度(质量因数)。强化学习算法的一个例子是遗传算法 (GA)。
• • • • • • • • • •
• 6-2专家系统由哪些部分构成?各部分的作用为何? • 答: •
• 5-7遗传算法、进化策略和进化编程的关系如何?有何区别? • 遗传算法是一种基于空间搜索的算法,它通过自然选择、遗传、变异 等操作以及达尔文适者生存的理论,模拟自然进化过程来寻找所求问 题的解答。 • 进化策略(Evolution Strategies,ES)是一类模仿自然进化原理以求 解参数优化问题的算法。 • 进化编程根据正确预测的符号数来度量适应值。通过变异,为父代群 体中的每个机器状态产生一个子代。父代和子代中最好的部分被选择 生存下来。 • 进化计算的三种算法即遗传算法、进化策略和进化编程都是模拟生物 界自然进化过程而建立的鲁棒性计算机算法。在统一框架下对三种算 法进行比较,可以发现它们有许多相似之处,同时也存在较大的差别。 • 进化策略和进化编程都把变异作为主要搜索算子,而在标准的遗传算 法中,变异只处于次要位置。交叉在遗传算法中起着重要作用,而在 进化编程中却被完全省去,在进化策略中与自适应结合使用,起了很 重要的作用。 • 标准遗传算法和进化编程都强调随机选择机制的重要性,而从进化策 略的角度看,选择(复制)是完全确定的。进化策略和进化编程确定 地把某些个体排除在被选择(复制)之外,而标准遗传算法一般都对 每个个体指定一个非零的选择概率。

《人工智能》--课后习题答案

《人工智能》--课后习题答案

《人工智能》课后习题答案第一章绪论1.1答:人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。

人工智能是相对于人的自然智能而言,即用人工的方法和技术,研制智能机器或智能系统来模仿延伸和扩展人的智能,实现智能行为和机器思维”解决需要人类专家才能处理的问题。

1.2答:智能”一词源于拉丁Legere ”意思是收集、汇集,智能通常用来表示从中进行选择、理解和感觉。

所谓自然智能就是人类和一些动物所具有的智力和行为能力。

智力是针对具体情况的,根据不同的情况有不同的含义。

智力”是指学会某种技能的能力,而不是指技能本身。

1.3答:专家系统是一个智能的计算机程序,他运用知识和推理步骤来解决只有专家才能解决的复杂问题。

即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统。

1.4 答:自然语言处理一语言翻译系统,金山词霸系列机器人一足球机器人模式识别一Microsoft Cartoon Maker博弈一围棋和跳棋第二章知识表达技术2.1解答:(1)状态空间(State Space是利用状态变量和操作符号,表示系统或问题的有关知识的符号体系,状态空间是一个四元组(S, 0, S0, G):S—状态集合;0—操作算子集合;S0—初始状态,S0 S;G —目的状态,G S,(G可若干具体状态,也可满足某些性质的路径信息描述)从SO结点到G结点的路径被称为求解路径。

状态空间一解是一有限操作算子序列,它使初始状态转换为目标状态:O1 O2 O3 OkS0 S1 S2 ……G其中O1 ,…,Ok即为状态空间的一个解(解往往不是唯一的)(2)谓词逻辑是命题逻辑的扩充和发展,它将原子命题分解成客体和谓词两个部分。

与命题逻辑中命题公式相对应,谓词逻辑中也有谓词(命题函数)公式、原子谓词公式、复合谓词公式等概念。

一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。

(3)语义网络是一种采用网络形式表示人类知识的方法。

即用一个有向图表示概念和概念之间的关系,其中节点代表概念,节点之间的连接弧(也称联想弧)代表概念之间的关系。

人工智能基础与应用 第四章--课后题答案[5页]

人工智能基础与应用 第四章--课后题答案[5页]

4.6 习题练习1 一元线性回归模型函数的几何意义是什么?一元线性回归求解就是拟合直线系数W和b的最佳估计值,使得预测值Y的误差最小。

只要这两个系数确定了,直线方程也就确定了,就可以把要预测的值X代入方程求得对应的Y值。

练习2 解释和分析梯度下降算法的原理。

梯度下降法的基本思想可以类比为一个下山的过程,可以类比为一个下山的过程,假设这样一个场景∶一个人被困在山上,需要从山上下来(找到山的最低点,也就是山谷)。

但此时山上的浓雾很大,导致可视度很低。

因此,下山的路径就无法确定,他必须利用自己周围的信息去找到下山的路径。

这个时候,他就可以利用梯度下降算法来帮助自己下山。

具体来说就是,以他当前所处的位置为基准,寻找这个位置最陡峭的地方,然后朝着山的高度下降最多的地方走,(同理,如果我们的目标是上山,也就是爬到山顶,那么此时应该是朝着最陡峭的方向往上走)。

然后每走一段距离,都反复采用同一个方法,最后就能成功的抵达山谷。

梯度下降示意图原理:在微积分里面,对多元函数的参数求偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。

比如函数f(x,y), 分别对x,y 求偏导数,求得的梯度向量就是(∂f ∂x ,∂f ∂y)T ,梯度向量的几何意义就是函数变化增加最快的地方。

具体来说,对于函数f(x,y),在点(x0,y0),沿着梯度向量的方向就是(∂f ∂x 0,∂f ∂y 0)T 的方向是f(x,y)增加最快的地方。

或者说,沿着梯度向量的方向,更加容易找到函数的最大值。

反过来说,沿着梯度向量相反的方向,也就是−(∂f ∂x 0,∂f ∂y 0)T 的方向,梯度减少最快,也就是更加容易找到函数的最小值。

练习3 说明逻辑回归的Sigmod 函数原理是什么? Sigmod 函数:x ex -+=11)(SSigmod 函数图像:Sigmod 函数可以将任意实数映射到(0, 1)之间,比较适合做二分类。

逻辑回归的输入是线性回归的输出,将Sigmoid 函数作用于线性回归的输出得到输出结果。

[人工智能]人工智能原理及其应用(第版)王万森编著习题解答

[人工智能]人工智能原理及其应用(第版)王万森编著习题解答

(人工智能)人工智能原理及其应用(第版)王万森编著习题解答第2章知识表示方法部分参考答案2.8设有如下语句,请用相应的谓词公式分别把他们表示出来:(1)有的人喜欢梅花,有的人喜欢菊花,有的人既喜欢梅花又喜欢菊花。

解:定义谓词P(x):x是人L(x,y):x喜欢y其中,y的个体域是{梅花,菊花}。

将知识用谓词表示为:(x)(P(x)→L(x,梅花)∨L(x,菊花)∨L(x,梅花)∧L(x,菊花))(2)有人每天下午都去打篮球。

解:定义谓词P(x):x是人B(x):x打篮球A(y):y是下午将知识用谓词表示为:(x)(y)(A(y)→B(x)∧P(x))(3)新型计算机速度又快,存储容量又大。

解:定义谓词NC(x):x是新型计算机F(x):x速度快B(x):x容量大将知识用谓词表示为:(x)(NC(x)→F(x)∧B(x))(4)不是每个计算机系的学生都喜欢在计算机上编程序。

解:定义谓词S(x):x是计算机系学生L(x,pragramming):x喜欢编程序U(x,computer):x使用计算机将知识用谓词表示为:¬(x)(S(x)→L(x,pragramming)∧U(x,computer))(5)凡是喜欢编程序的人都喜欢计算机。

解:定义谓词P(x):x是人L(x,y):x喜欢y将知识用谓词表示为:(x)(P(x)∧L(x,pragramming)→L(x,computer))2.9用谓词表示法求解机器人摞积木问题。

设机器人有一只机械手,要处理的世界有一张桌子,桌上可堆放若干相同的方积木块。

机械手有4个操作积木的典型动作:从桌上拣起一块积木;将手中的积木放到桌之上;在积木上再摞上一块积木;从积木上面拣起一块积木。

积木世界的布局如下图所示。

解:(1)先定义描述状态的谓词 CLEAR(x):积木x 上面是空的。

ON(x,y):积木x 在积木y 的上面。

ONTABLE(x):积木x 在桌子上。

《人工智能基础与应用》(樊重俊编著)课后题参考答案

《人工智能基础与应用》(樊重俊编著)课后题参考答案

第1章习题参考答案1. 答:人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,即用人工的方法在机器(计算机)上实现的智能;或者说是人类智能在机器上的模拟,因此又可称之为机器智能。

是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多学科研究的基础上发展起来的综合性很强的交叉学科,是一门新思想、新观念、新理论、新技术不断出现的新兴学科,也是正在迅速发展的前沿学科。

2. 答:专注于实现AI指名功能的人工智能学派成为符号主义,即只要在符号计算上实现了相应的功能,那么在现实世界就实现了对应的功能,这是智能的充分必要条件。

因此,符号主义认为,只要在机器上是正确的,现实世界就是正确的。

专注于实现AI指心功能的人工智能学派称为连接主义,连接主义认为大脑是一切智能的基础,主要关注于大脑神经元及其连接机制,试图发现大脑的结构及其处理信息的机制、揭示人类智能的本质机理,进而在机器上实现相应的模拟。

专注于实现AI指物功能的人工智能学派成为行为主义,行为主义假设智能取决于感知和行动,不需要知识、表示和推理,只需要将智能行为表现出来就好,即只要能实现指物功能就可以认为具有智能了。

3. 答:知识的基本单位是概念。

精通掌握任何一门知识,必须从这门知识的基本概念开始学习。

而知识自身也是一个概念。

第2章习题参考答案1. 答:知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。

知识是符合文明方向的、人类对物质世界以及精神世界探索的结果总和。

知识具有相对正确性、不确定性、可表示性与可利用性的特性。

2. 答:谓词逻辑是基于命题中谓词分析的一种逻辑。

个体表示某个独立存在的事物或者某个抽象的概念。

个体变量的取值范围称为个体域。

个体域可以是有限的,也可以是无限的。

谓词的真值是“真”或“假”,而函数的值是个体域中的某个个体,函数无真值可言,它只是在个体域中从一个个体到另一个个体的映射。

人工智能及其应用第六版第四章非经典推理课后答案

人工智能及其应用第六版第四章非经典推理课后答案

人工智能及其应用第六版第四章非经典推理课后答案1、恒星也是运动的,位置也是不断变化的。

[判断题] *对(正确答案)错2、在阳光的照射下,植物吸收空气中的二氧化碳和水分,在绿色叶片中制造生存所需的养料,并释放出氧气。

[判断题] *对(正确答案)错3、冥王星属于( )。

[单选题] *A.行星B.小行星C.矮行星(正确答案)4、古人“钻木取火”的过程中,能量转化关系是()。

[单选题] *A.机械能转化为动能B.动能转化为化学能C.动能转化为热能和光能(正确答案)5、人有各种各样的情绪,有时候我们会开心,有时候我们会难过,甚至愤怒,我们情绪的变化与化学变化无关。

[判断题] *对错(正确答案)6、在种子发芽实验中,下列做法正确的是()。

[单选题] *A.每天观察一次(正确答案)B.只需要观察有水的那组种子有没有发芽C.多天的实验中,第一天加一次水就够了7、下列三幅图中的电磁铁是用相同规格的铁芯、导线、电池制作而成的,其中电磁铁磁性最强的是()。

[单选题] *A.B.(正确答案)C.8、海面上常有十级以上的大风形成,所以海岛上一般不会生长的植物是()。

[单选题] *A.高大的水杉树(正确答案)B.崖壁的苔藓C.低矮的灌木9、用蜡烛给白砂糖加热时,要用蜡烛火焰的哪部分加热( ) [单选题] *A.内焰B.外焰(正确答案)C.焰心10、动物和植物都是由细胞构成的,微生物不是由细胞构成的。

[单选题] *A.对B.错(正确答案)11、根据中国营养学会建议的儿童热能供给量可知,正在读五年级的妙妙(11岁)每天应摄入()能量。

[单选题] *A. 1700千卡B. 2200千卡(正确答案)C. 2700千卡12、下列说法正确的是( ) 。

[单选题] *A.种子只有在土壤里才能发芽B.种子发芽一定要有阳光C.种子发芽必须要有水(正确答案)13、圆柱形和球形的器具装水后也有放大功能。

( ) [单选题]对(正确答案)错14、下面关于飞机能够飞起来的原理,说法有误的是()。

大学《人工智能》各章节测试题与答案

大学《人工智能》各章节测试题与答案

《人工智能》的答案第1章问题:《人工智能》课程为理工类通选课,本课程给予学生的主要是思想而不是知识。

答案:正确第2章问题:图灵曾协助军方破解()的著名密码系统Enigma。

答案:德国问题:电影《模仿游戏》是纪念图灵诞生90周年而拍摄的电影。

答案:错误问题:图灵使用博弈论的方法破解了Enigma。

答案:正确第3章问题:1937年,图灵在发表的论文()中,首次提出图灵机的概念。

答案:《论可计算数及其在判定问题中的应用》问题:1950年,图灵在他的论文()中,提出了关于机器思维的问题。

答案:《计算和智能》问题:存在一种人类认为的可计算系统与图灵计算不等价。

答案:错误问题:图灵测试是指测试者与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。

如果测试者不能确定出被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。

答案:正确第4章问题:以下叙述不正确的是()。

答案:机器智能的机制必须与人类智能相同问题:在政府报告中,()的报告使用“机器智能”这个词汇。

答案:美国问题:机器智能可以有自己的“人格”体现主要表现在()。

答案:模型间的对抗—智能进化的方式#机器智能的协作—机器智能的社会组织#机器智能是社会的实际生产者问题:图灵测试存在的潜台词是机器智能的极限可以超越人的智能,机器智能可以不与人的智能可比拟。

答案:错误第5章问题:以下关于未来人类智能与机器智能共融的二元世界叙述不正确的是()。

答案:机器智能是模仿人类智能问题:机器通过人类发现的问题空间的数据,进行机器学习,具有在人类发现的问题空间中求解的能力,并且求解的过程与结果可以被人类智能(),此为机器智能的产生。

答案:理解问题:人类智能可以和机器智能相互融合。

答案:正确问题:机器智能的创造是指机器通过求解人类智能发现的问题空间中的问题积累数据与求解方法,通过机器学习,独立发现新的问题空间。

答案:错误第6章问题:在最初的图灵测试中,如果有超过()的测试者不能确定出被测试者是人还是机器,则这台机器就通过了测试,并认为具有人类智能。

《人工智能基础》课后习题及答案

《人工智能基础》课后习题及答案

1.什么是智能?智能有什么特征?答:智能可以理解为知识与智力的总和。

其中,知识是一切智能行为的基础,而智力是获取知识并运用知识求解问题的能力,即在任意给定的环境和目标的条件下,正确制订决策和实现目标的能力,它来自于人脑的思维活动。

智能具有下述特征:(1)具有感知能力(系统输入)。

(2)具有记忆与思维的能力。

(3)具有学习及自适应能力。

(4)具有行为能力(系统输出)。

2.人工智能有哪些学派?他们各自核心的观点有哪些?答:根据研究的理论、方法及侧重点的不同,目前人工智能主要有符号主义、联结主义和行为主义三个学派。

符号主义认为知识可用逻辑符号表达,认知过程是符号运算过程。

人和计算机都是物理符号系统,且可以用计算机的符号来模拟人的认知过程。

他们认为人工智能的核心问题是知识表示和知识推理,都可用符号来实现,所有认知活动都基于一个统一的体系结构。

联结主义原理主要是神经网络及神经网络间的连接机制与学习算法。

他们认为人的思维基元是神经元,而不是符号运算。

认为人脑不同于电脑,不能用符号运算来模拟大脑的工作模式。

行为主义原理为控制论及“感知—动作”型控制系统。

该学派认为智能取决于感知和行动,提出智能行为的“感知—动作”模式,他们认为知识不需要表示,不需要推理。

智能研究采用一种可增长的方式,它依赖于通过感知和行动来与外部世界联系和作用。

3.人工智能研究的近期目标和远期目标是什么?它们之间有什么样的关系?答:人工智能的近期目标是实现机器智能,即主要研究如何使现有的计算机更聪明,使它能够运用知识去处理问题,能够模拟人类的智能行为。

人工智能的远期目标是要制造智能机器。

即揭示人类智能的根本机理,用智能机器去模拟、延伸和扩展人类的智能。

人工智能的近期目标与远期目标之间并无严格的界限,二者相辅相成。

远期目标为近期目标指明了方向,近期目标则为远期目标奠定了理论和技术基础。

4.人工智能的研究途径有哪些?答:人工智能的研究途径主要有:(1)心理模拟,符号推演;(2)生理模拟,神经计算;(3)行为模拟,控制进化论。

人工智能导论第四章课后答案

人工智能导论第四章课后答案

人工智能导论第四章课后答案1. 什么是先验概率?举例说明。

先验概率是指在考虑新的证据之前,先已知一些先前的概率,然后根据这些先前的概率来计算得到新的概率。

例如,在掷硬币的情况下,如果每个面出现的概率都是50%,那么在扔出正面之前,出现正面的先验概率为0.5。

2. 什么是后验概率?举例说明。

后验概率是指在获得新的证据后,重新计算概率。

例如,在掷硬币的情况下,如果前10次硬币都是正面朝上,那么出现正面的后验概率已经不再是0.5,而是根据已有的数据计算得出的新概率。

3. 什么是朴素贝叶斯分类器?其基本假设是什么?朴素贝叶斯分类器是一种基于贝叶斯定理的分类器。

它假设特征之间相互独立,即给定类别C,所有特征之间都是条件独立的。

这个假设使得朴素贝叶斯分类器能够通过简单的计算得出后验概率,从而进行分类。

4. 什么是决策树分类器?请描述它的工作过程。

决策树分类器是一种基于树形结构的分类器。

它通过不断地对特征进行分类来最终确定样本所属的类别,其工作过程如下:1.在样本集中找到一个关于分类问题的最好特征进行划分。

2.根据该特征将样本集分成若干个子集,每个子集对应该特征的一个取值。

3.对每个子集重复第1步和第2步操作,直到子集内所有样本的类别均相同,或者子集样本过小无法继续划分。

4.构建出一棵树模型,将每个子集对应于树上的一个节点。

5.对于新的样本,从根节点开始沿着树的路径不断前进,直到达到一个叶子节点,该叶子节点的类别即为样本的预测类别。

5. 什么是神经网络分类器?请描述其基本结构和工作原理。

神经网络分类器是一种基于人工神经网络的分类器。

它基于反向传播算法学习样本,通过不断调整网络权重使得输出结果接近真实标签。

神经网络分类器的基本结构由多个神经元组成,其在输入和输出层之间包括若干个隐藏层。

神经元通过输入层接受输入信号,该信号被赋予权值,然后被传递到下一层。

每个神经元接受到多个输入信号,经加权处理后只输出一个值,该值将作为输入传递到下一层。

人工智能导论第四章课后答案

人工智能导论第四章课后答案

人工智能导论第四章课后答案1. 什么是模型训练?为什么要进行模型训练?模型训练指的是利用现有数据集对模型进行训练,从而优化模型的参数,使得模型能够更好地拟合数据,提高其预测能力。

模型训练的主要目的是通过数据挖掘,寻找数据中的规律和模式,从而构建出一个能够更好地解释现象和预测未来的模型。

为什么要进行模型训练?主要原因就是数据的复杂性和多样性。

对于人类来说,我们很难直接从数据中发现规律和模式,而模型可以通过训练学习到这些模式,并将其应用于未来的数据中。

另外,模型训练可以帮助我们更好地理解数据和现象,预测未来的趋势和变化,从而帮助我们更好地做出决策。

2. 什么是分类模型?举例说明。

分类模型是一种可以将输入数据分为不同类别的数学模型。

它基于已知的数据集建立一个用于分类的函数,从而将新的数据分成不同的类别。

举个例子,假设我们有一些狗狗的图片,我们希望利用分类模型将它们分为不同的品种。

我们可以将这些数据集分为训练集和测试集,利用训练集训练出一个分类器,然后利用测试集来测试分类器的准确率。

最后,我们可以利用这个分类器对新的狗狗图片进行分类,从而判断它们的品种。

3. 什么是回归模型?举例说明。

回归模型是一种可以预测数值型变量的数学模型,它可以通过已知的数据集来预测未知的数值。

举个例子,假设我们有一些房屋数据,包括房屋的面积、房间数、地段等信息,我们希望通过这些数据来预测房价。

我们可以将这些数据集分为训练集和测试集,利用训练集训练出一个回归模型,然后利用测试集来测试回归模型的准确率。

最后,我们可以利用这个回归模型对新的房屋数据进行预测,从而预测出它的价格。

4. 什么是聚类模型?举例说明。

聚类模型是一种可以将输入数据分为不同组或簇的数学模型。

聚类模型通过特定的算法,将数据集中相似的数据分成一组,从而将不同的组或簇区分开来。

举个例子,假设我们有一些顾客的数据,包括顾客的年龄、性别、消费行为等信息,我们希望通过聚类模型将这些顾客分为不同的群体,以便于我们更好地为他们提供个性化的服务。

人工智能教程习题及答案

人工智能教程习题及答案

人工智能教程习题及答案第一章绪论1.1 练习题1.1什么是人类智能?它有哪些特征或特点?1.2人工智能是何时、何地、怎样诞生的?1.3什么是人工智能?它的研究目标是什么?1.4人工智能有哪些主要研究领域?1.5人工智能有哪几个主要学派?各自的特点是什么?1.6什么是以符号处理为核心的方法?1.7 什么是以网络连接为主的连接机制方法?1.2 习题参考解答(略)第二章知识表示习题参考解答2.3 练习题2.1 什么是知识?它有哪些特性?有哪几种分类方法?2.2 何谓知识表示? 陈述性知识表示法与过程性知识表示法的区别是什么?2.3 在选择知识的表示方法时,应该考虑哪些主要因素?2.4 一阶谓词逻辑表示法适合于表示哪种类型的知识?它有哪些特点?2.5 请写出用一阶谓词逻辑表示法表示知识的步骤。

2.6 设有下列语句,请用相应的谓词公式把它们表示出来:(1)有的人喜欢梅花,有的人喜欢菊花,有的人既喜欢梅花又喜欢菊花。

(2)他每天下午都去玩足球。

(3)太原市的夏天既干燥又炎热。

(4)所有人都有饭吃。

(5)喜欢玩篮球的人必喜欢玩排球。

(6)要想出国留学,必须通过外语考试。

2.7 房内有一只猴子、一个箱子,天花板上挂了一串香蕉,其位置关系如图2. 11所示,猴子为了拿到香蕉,它必须把箱子推到香蕉下面,然后再爬到箱子上。

请定义必要的谓词,写出问题的初始状态(即图2.16所示的状态)、目标状态(猴子拿到了香蕉,站在箱子上,箱子位于位置b)。

图2.11 猴子摘香蕉问题2.8 对习题2.7中的猴子摘香蕉问题,利用一阶谓词逻辑表述一个行动规划,使问题从初始状态变化到目标状态。

2.9 产生式的基本形式是什么?它与谓词逻辑中的蕴含式有什么共同处及不同处?2.10 何谓产生式系统?它由哪几部分组成?2.11 产生式系统中,推理机的推理方式有哪几种?在产生式推理过程中,如果发生策略冲突,如何解决?2.12 设有下列八数码难题:在一个3×3的方框内放有8个编号的小方块,紧邻空位的小方块可以移入到空位上,通过平移小方块可将某一布局变换为另一布局(如图2.12所示)。

人工智能习题作业推理I习题答案

人工智能习题作业推理I习题答案

PROLOG
双向推理结合了正向推理和逆向推理的长处,克服了两者的短处,其控制策略 比两者都要复杂。
2. 化为子句形有哪些步骤?请结合例子说明之。 任一谓词演算公式可以化成一个子句集。其变换过程由下列九个步骤组成: (1)消去蕴涵符号 将蕴涵符号化为析取和否定符号 (2)减少否定符号的辖域 每个否定符号最多只用到一个谓词符号上,并反复应用狄·摩根定律 (3)对变量标准化 对哑元改名以保证每个量词有其自己唯一的哑元 (4)消去存在量词 引入 Skolem 函数,消去存在量词 如果要消去的存在量词不在任何一个全称量词的辖域内,那么我们就用不含变
些谓词公式和(或)谓词公式的否定的析取 (7)消去全称量词 消去前缀,即消去明显出现的全称量词 (8)消去连词符号(合取) 用{合取项 1,合取项 2}替换明显出现的合取符号 (9)更换变量名称 更换变量符号的名称,使一个变量符号不出现在一个以上的子句中
当数据库为{他在家, 他妻子在家, 他儿子在家}时,规则 R1,R2,R3 和 R4 都相互
冲突,请问:当采用规则排序来解决冲突时,会是谁做饭? ( A )
A.他 B.他妻子 C.他儿子 D.不确定
18. 公式 B 和~B∨Q 消解后,可得到公式:
( A)
AQ
B ~B
CB
D ~B∨Q
19. 产生式系统由哪几部分组成?
那么,Some who are intelligent cannot read.应该形式化为: ( D )
A (彐 x)[ I(x)=>~R(x)]
B (▽x)[I(x)∧~R(x)]
C (▽x) [ I(x)=>~R(x)]
D (▽x)[I(x)∧~R(x)]
13. 在基于规则的正向演绎系统中,我们把事实表示为: ( C )
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第4章搜索策略部分参考答案
4.5 有一农夫带一条狼,一只羊和一框青菜与从河的左岸乘船倒右岸,但受到下列条件的限制:
(1) 船太小,农夫每次只能带一样东西过河;
(2)如果没有农夫看管,则狼要吃羊,羊要吃菜。

请设计一个过河方案,使得农夫、浪、羊都能不受损失的过河,画出相应的状态空间图。

题示:(1) 用四元组(农夫,狼,羊,菜)表示状态,其中每个元素都为0或1,用0表示在左岸,用1表示在右岸。

(2) 把每次过河的一种安排作为一种操作,每次过河都必须有农夫,因为只有他可以划船。

解:第一步,定义问题的描述形式
用四元组S=(f,w,s,v)表示问题状态,其中,f,w,s和v分别表示农夫,狼,羊和青菜是否在左岸,它们都可以取1或0,取1表示在左岸,取0表示在右岸。

第二步,用所定义的问题状态表示方式,把所有可能的问题状态表示出来,包括问题的初始状态和目标状态。

由于状态变量有4个,每个状态变量都有2种取值,因此有以下16种可能的状态:
S0=(1,1,1,1),S1=(1,1,1,0),S2=(1,1,0,1),S3=(1,1,0,0)
S4=(1,0,1,1),S5=(1,0,1,0),S6=(1,0,0,1),S7=(1,0,0,0)
S8=(0,1,1,1),S9=(0,1,1,0),S10=(0,1,0,1),S11=(0,1,0,0)
S12=(0,0,1,1),S13=(0,0,1,0),S14=(0,0,0,1),S15=(0,0,0,0)
其中,状态S3,S6,S7,S8,S9,S12是不合法状态,S0和S15分别是初始状态和目标状态。

第三步,定义操作,即用于状态变换的算符组F
由于每次过河船上都必须有农夫,且除农夫外船上只能载狼,羊和菜中的一种,故算符定义如下:
L(i)表示农夫从左岸将第i样东西送到右岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

由于农夫必须在船上,故对农夫的表示省略。

R (i)表示农夫从右岸将第i样东西带到左岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

同样,对农夫的表示省略。

这样,所定义的算符组F可以有以下8种算符:
L (0),L (1),L (2),L (3)
R(0),R(1),R (2),R (3)
第四步,根据上述定义的状态和操作进行求解。

该问题求解过程的状态空间图如下:
4.7 圆盘问题。

设有大小不等的三个圆盘A 、B 、C 套在一根轴上,每个盘上都标有数字1、2、3、4,并且每个圆盘都可以独立的绕轴做逆时针转动,每次转动90°,其初始状态S 0和目标状态S g 如图4-31所示,请用广度优先搜索和深度优先搜索,求出从S 0到S g 的路径。

解:设用q A ,q B 和q C 分别表示把A 盘,B 盘和C 盘绕轴逆时针转动90º,这些操作(算符)的排列顺序是q A ,q B ,q C 。

应用广度优先搜索,可得到如下搜索树。

在该搜索树中,重复出现的状态不再划出,节点旁边的标识S i ,i=0,1,2,…,为按节点被扩展的顺序给出的该节点的状态标识。

由该图可以看出,从初始状态S 0到目标状态S g 的路径是
初始状态S0 目标状态Sg
图 4-31 圆盘问题
(1,1,l,1) L(2) (0,1,0,1) (1,1,0,1) R(0) (0,0,0,1) L(1) (0,1,0,0)
L(3) (1,0,1,1) R(2) (1,1,1,0) R(2) (0,0,1,0) L(3)
L(2)
(1,0,1,0) R(0)
(0,0,0,0)
L(2)
S 0→2→5→13(S g )
其深度优先搜索略。

4.8 图4-32是5个城市的交通图,城市之间的连线旁边的数字是城市之间路程的费用。

要求从A 城出发,经过其它各城市一次且仅一次,最后回到A 城,请找出一条最优线路。

解:这个问题又称为旅行商问题(travelling salesman
problem, TSP )或货郎担问题,是一个较有普遍性的实
际应用问题。

根据数学理论,对n 个城市的旅行商问题,其封闭路径的排列总数为:
(n!)/n=(n-1)!
其计算量相当大。

例如,当n=20时,要穷举其所有路
4-32 交通费用图
4.7题的广度优先搜索树
径,即使用一个每秒一亿次的计算机来算也需要350年的时间。

因此,对这类问题只能用搜索的方法来解决。

下图是对图4-32按最小代价搜索所得到的搜索树,树中的节点为城市名称,节点边上的数字为该节点的代价g 。

其计算公式为
g(n i+1)=g(n i )+c(n i , n i+1)
其中,c(n i ,n i+1)为节点n i 到n i+1节点的边代价。

可以看出,其最短路经是 A-C-D-E-B-A 或
A-B-E-D-C-A
其实,它们是同一条路经。

4.11
其中,B 表示黑色将牌,W 表是白色将牌,E 表示空格。

游戏的规定走法是:
(1) 任意一个将牌可移入相邻的空格,规定其代价为1;
(2) 任何一个将牌可相隔1个其它的将牌跳入空格,其代价为跳过将牌的数目加1。

游戏要达到的目标什是把所有W 都移到B 的左边。

对这个问题,请定义一个启发函数h(n),并给出用这个启发函数产生的搜索树。

你能否判别这个启发函数是否满足下解要求?再求出的搜索树中,对所有节点是否满足单调限制?
解:设h(x)=每个W 左边的B 的个数,f(x)=d(x)+3*h(x),其搜索树如下:
A
B C D E
10 10 2 9
11 C D E B D E B C E B C D 2 9 11 8 8 12 6 18 22 16 3 8 10 5 10 12 3 9 21 12 18 6 8 9
D E 3 8 21 26 C E 3 9 25 31 C D 9 8 24 25 D E
12 6 22 16 B C 12 17 9 14 B D 6 9 16 19 C E 8 6 20 27 B E 8 8 20 20 C B 8 6 26 24 C D 8 12 17 25 29 B D 8 3 19 20 27 22
B C 12 3 32 23 B 6 20 A 10 30 28
A
2
30 D 12 28 D 9 27 E B 12 31 E E 8 28 E 6 26 B 6
26 E 9 30 B 8 31 B 12 34 D
3 28 C 8 32 D 3 27 D 9 35 E 8 33 E 9 31 图4.32的最小代价搜索树 3 6 23
4.14 设有如图4-34的与/或/树,请分别按和代价法及最大代价法求解树的代价。

解:若按和代价法,则该解树的代价为:
h(A)=2+3+2+5+2+1+6=21
若按最大代价法,则该解树的代价为:
h(A)=max{h(B)+5, h(C)+6} = max{(h(E)+2)+5, h(C)+6}
= max{(max(2, 3)+2)+5, max(2, 1)+6}
=max((5+5, 2+6)=10
4.15 设有如图4-35所示的博弈树,其中最下面的数字是假设的估值,请对该博弈树作如下工作:
(1) 计算各节点的倒推值;
(2)利用α-β剪枝技术剪去不必要的分枝。

解:各节点的倒推值和剪枝情况如下图所示:
习题4.15的倒推值和剪枝情况。

相关文档
最新文档