第五章人工智能教程以及答案。
人工智能原理与方法智慧树知到课后章节答案2023年下哈尔滨工程大学
人工智能原理与方法智慧树知到课后章节答案2023年下哈尔滨工程大学哈尔滨工程大学第一章测试1.下列关于智能说法错误的是（）A:任何生命都拥有智能 B:目前，人类智能是自然只能的最高层次 C:细菌不具有智能 D:从生命的角度看，智能是生命适应自然界的基本能力答案:细菌不具有智能2.目前，智能的定义已经明确，其定义为：智能是个体能够主动适应环境或针对问题，获取信息并提炼和运用知识，理解和认识世界事物，采取合理可行的（意向性）策略和行动，解决问题并达到目标的综合能力。
（）A:错 B:对答案:错3.传统人工智能领域将人工智能划分为强人工智能与弱人工智能两大类。
所谓强人工智能指的就是达到人类智能水平的技术或机器，否则都属于弱人工智能技术。
（）A:错 B:对答案:对4.人类历史上第一个人工神经元模型为MP模型，由赫布提出。
（）A:对 B:错答案:错5.下列关于数据说法错误的是（）A:在当今社会，数据的本质是生产资料和资产 B:数据就是描述事物的符号记录，是可定义为有意义的实体 C:数据可以分为模拟数据和数字数据两类 D:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据答案:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据6.下列关于大数据的说法中正确的有（）A:大数据带来的思维变革中，更多是指更多的随机样本B:“大数据时代”已经来临 C:大数据具有多样、高速的特征D:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产答案:“大数据时代”已经来临;大数据具有多样、高速的特征;“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产第二章测试1.人工智能使人类改造自然、适应自然的各类技术发展到最高阶段，智能技术使得工具变得有智能，促使技术在以指数级增长速度加速进化（加速回报定律）。
（）A:错 B:对答案:对2.联结主义认为人的思维基元是符号，而不是神经元；人的认知过程是符号操作而不是权值的自组织过程。
《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—语言翻译系统，金山词霸系列机器人-足球机器人模式识别—Microsoft Cartoon Maker博弈—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，O，S0，G）：S-状态集合；O—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S0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。
《人工智能及其应用》(蔡自兴)课后习题答案第5章
第五章机器学习7-1 什么是学习和机器学习?为什么要研究机器学习?按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。
机器学习是研究如何使用机器来模拟人类学习活动的一门学科，是机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。
这里所说的“机器”，指的就是计算机。
现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。
7-2 试述机器学习系统的基本结构，并说明各部分的作用。
环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。
影响学习系统设计的最重要的因素是环境向系统提供的信息。
更具体地说是信息的质量。
7-3 试解释机械学习的模式。
机械学习有哪些重要问题需要加以研究?机械学习是最简单的机器学习方法。
机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。
是最基本的学习过程。
任何学习系统都必须记住它们获取的知识。
在机械学习系统中，知识的获取是以较为稳定和直接的方式进行的，不需要系统进行过多的加工。
要研究的问题：(1) 存储组织信息只有当检索一个项目的时间比重新计算一个项目的时间短时，机械学习才有意义，检索的越快，其意义也就越大。
因此，采用适当的存储方式，使检索速度尽可能地快，是机械学习中的重要问题。
(2) 环境的稳定性与存储信息的适用性问题机械学习基础的一个重要假定是在某一时刻存储的信息必须适用于后来的情况(3) 存储与计算之间的权衡如果检索一个数据比重新计算一个数据所花的时间还要多，那么机械学习就失去了意义。
7-4 试说明归纳学习的模式和学习方法。
归纳是一种从个别到一般，从部分到整体的推理行为。
归纳学习的一般模式为：给定：观察陈述(事实)F，假定的初始归纳断言(可能为空)，及背景知识求：归纳断言(假设)H，能重言蕴涵或弱蕴涵观察陈述，并满足背景知识。
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。
人工智能导论-各章习题答案
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.
人工智能课后习题答案(清华大学出版社)
第1章1.1 解图如下：(1) 1->2(2) 1->3(3) 2->3(6) 3->2(5) 3->1(4) 2->1 8数码问题 启发函数为不在位的将牌数启发函数为不在位的将牌数距离和S(4)S(5)第2章2.1 解图：第3章3.18(1)证明：待归结的命题公式为()∧∧ ，求取子句集，合取范式为：P Q PP Q P∧→为{,,}= ，对子句集中的子句进行归结可得：S P Q P①P②Q③P④ ①③归结由上可得原公式成立。
(2)证明：待归结的命题公式为())(()())（，合取范式为：P Q R P Q P R→→∧→→→S P Q R P Q P R=∨∨∨，求取子句集为{,,,}，对子∨∨∧∨∧∧()()P Q R P Q P R句集中的子句进行归结可得：①P Q R∨∨②P Q∨③P④R⑤Q②③归结⑥P R①④归结∨⑦R③⑥归结⑧ ④⑦归结由上可得原公式成立。
(3)证明：待归结的命题公式为()(())，合取范式为：Q P Q P Q→∧→→=∨∨，对子句集中的子句进S Q P Q P Q∨∧∨∧()()Q P Q P Q，求取子句集为{,,}行归结可得：①Q P∨②Q③Q P∨④P①②归结⑤P②③归结⑥ ④⑤归结由上可得原公式成立。
3.19 答案(1) {/,/,/}=mgu a x b y b z(2) {(())/,()/}=mgu g f v x f v u(3) 不可合一(4) {/,/,/}=mgu b x b y b z3.23 证明R1：所有不贫穷且聪明的人都快乐：(()()())∀∧→x Poor x Smart x Happy x R2：那些看书的人是聪明的：(()())∀→x read x Smart xR3：李明能看书且不贫穷：()()read Li Poor Li∧R4：快乐的人过着激动人心的生活：(()())∀→x Happy x Exciting x 结论李明过着激动人心的生活的否定：()Exciting Li将上述谓词公式转化为子句集并进行归结如下：由R1可得子句：①()()()∨∨Poor x Smart x Happy x由R2可得子句：②()()read y Smart y∨由R3可得子句：③()read Li④()Poor Li由R4可得子句：⑤()()∨Happy z Exciting z有结论的否定可得子句：⑥()Exciting Li根据以上6条子句，归结如下：⑦()⑤⑥Li/zHappy Li⑧()()∨ ⑦①Li/xPoor Li Smart Li⑨()Smart Li⑧④⑩()⑨②Li/yread Li⑪ ⑩③由上可得原命题成立。
人工智能第5章课后习题参考答案
第5章计算智能部分参考答案5.15 对遗传法的选择操作：设种群规模为4，个体采用二进制编码，适应度函数为f(x)=x2，初始种群情况如下表所示：0.89, 0.71，请填写上表中的全部内容，并求出经本次选择操作后所得到的新的种群。
解：表格的完整内容为：本次选择后所得到的新的种群为：S01=1100S02=1010S03=0111S04=11005.18 设某小组有5个同学，分别为S1,S2,S3,S4,S5。
若对每个同学的“学习好”程度打分：S1:95 S2:85 S3:80 S4:70 S5:90这样就确定了一个模糊集F，它表示该小组同学对“学习好”这一模糊概念的隶属程度，请写出该模糊集。
解：对模糊集为F，可表示为：F=95/ S1+85/S2+80/ S3+70/S4+90/S5或F={95/ S1, 85/S2, 80/ S3, 70/S4, 90/S5}5.19 设有论域U={u1, u2, u3, u4, u5}并设F、G是U上的两个模糊集，且有F=0.9/u1+0.7/u2+0.5/u3+0.3/u4G=0.6/u3+0.8/u4+1/u5请分别计算F∩G，F∪G，﹁F。
151152解：F ∩G=(0.9∧0)/ u 1+(0.7∧0)/ u 2+(0.5∧0.6)/u 3+(0.3∧0.8)/u 4+(0∧1)/u 5 =0/ u 1+0/ u 2+0.5/u 3+0.3/u 4+0/u 5=0.5/u 3+0.3/u 4F ∪G=(0.9∨0)/ u 1+(0.7∨0)/ u 2+(0.5∨0.6)/u 3+(0.3∨0.8)/u 4+(0∨1)/u 5 =0.9/ u 1+0.7/ u 2+0.6/u 3+0.8/u 4+1/u 5﹁F=(1-0.9)/ u 1+(1-0.7)/ u 2+(1-0.5)/u 3+(1-0.3)/u 4+(1-0)/u 5=0.1/ u 1+0.3/ u 2+0.5/u 3+0.7/u 4+1/u 55.21设有如下两个模糊关系：请写出R 1与R 2的合成R 1οR 2。
教科版( )信息技术必修一第5章 数据分析与人工智能单元知识点总结+检测(含部分答案)
第五单元数据分析与人工智能5.1走近数据分析一、学习目标：课本P1181、了解数据分析的几种常用方法2、体验对比分析和平均分析的一般分析过程3、了解大数据的含义，认识大数据分析在信息社会的重要作用。
二、知识梳理：1.数据分析：课本P119数据分析是指用恰当的统计分析方法对收集来的大量数据进行分析，提取有用信息，并形成结论的过程。
2.数据分析的方法：课本P119对比分析：指将两个或两个以上的数据进行比较，分析它们的差异，从而揭示这些数据所代表的事物发展变化情况和规律。
对比分为横向对比和纵向对比。
平均分析：是运用计算平均值的方法，来反映总体在一定时间、地点条件下某一数量特征的一般水平。
3.数据可视化表达：课本P120以图形、图像和动画等方式更加直观生动地呈现数据及数据分析结果，揭示数据之间的关系、趋势和规律等的表达方式称为数据可视化表达图表是最常用的数据可视化表达方式之一。
基本的图表类型有：柱形图、饼图和折线图.常用图表制作方法：选定表格的数据区域——插入图表——应用“图表向导”工具，根据需要选择不同类型的图表4.数据分析报告：数据分析报告是项目研究结果的展示，也是数据分析结论的有效承载形式. 课本P121数据分析报告的一般结构：分析报告标题分析目的、背景和来源分析思路、方法和模型分析过程、结论和建议5.大数据：课本P122大数据的特点：容量大、类型多、存取速度快、应用价值高大数据的意义：大数据的意义在于，我们有可能从如此庞大的数据中挖掘出有价值的数据，并运用于管理、农业、金融、医疗和教育等各个社会领域，为社会发展服务。
课本P123三、例题分析：选择题：1、某公司根据对上一年各个季度原材料供应商A 送货量及时率的分析及建模，预测本季度该供应商的订单履约率下降2%。
该过程最有可能用到的数据分析方法有？( )A．平均分析B．纵向对比分析C．横向对比分析D．一般分析2、要直观地展示某同学高二学年连续几次考试成绩的变化的情况，最合适的图表类型是（C）A．条形图B．柱状图C．饼图D．折线图3、数据分析的过程不包括（）A．首先要根据分析的目标提出假设B．然后选择恰当的分析方法进行分析C．验证假设是否正确D．根据分析直接得出相应的结论填空题：4.大数据是以① 大、② 多、③快、④高为主要特征的数据集合，它正快速发展为对数量巨大、来源分散、格式多样的数据进行⑤、⑥和⑦，从中发现新知识，创造新价值、提升新能力的新一代信息技术和服务业态。
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》第5章学习智能体-概念学习概念学习
对于某类任务T和性能度量P，如果一个计算机程 序在T上以P衡量的性能随着经验E而自我完善，那 么我们称这个计算机程序在从经验E中学习
11
学习问题的标准描述
西洋跳棋学习问题
任务T：下西洋跳棋 性能标准P：比赛中击败对手的百分比 训练经验E：和自己进行对弈
手写识别学习问题
任务T：识别和分类图像中的手写文字 性能标准P：分类的正确率 训练经验E：已知分类的手写文字数据库
Humidity Normal
High High High
Wind Strong Strong Strong Strong
Water Warm Warm Warm Cool
Forecast Same Same Change Change
EnjoySport Yes Yes No Yes
29
概念学习任务
< , , , , , >
// 所有的样例都是反例
30
概念学习任务
形式化描述 已知 实例集X ▪ 每个实例x由6个属性描述，每个属性的取值范围已确定 假设集H ▪ 每个假设h描述为6个属性的取值约束的合取 （∩） 目标概念c ▪ 一个布尔函数，变量为实例，即： c:x->{1,0} 训练样例集D ▪ 目标函数（或目标概念）的正例和反例 求解 H中的一假设h，使对于X中任意x，h(x)=c(x)
问题产生器
以当前的假设作为输入，输出一个新的问题，供执行系统去 探索。
23
小结：设计一个学习系统
基本设计方法和步骤
Step1: 明确任务T、性能度量P Step2: 训练经验E Step3: 选择目标函数及其表示 Step4: 选择目标函数的学习算法 Step5: 最终设计
人工智能教程习题及答案第5章习题参考解答
第五章搜索策略习题参考解答5.1 练习题5.1 什么是搜索？有哪两大类不同的搜索方法？两者的区别是什么？5.2 用状态空间法表示问题时，什么是问题的解？求解过程的本质是什么？什么是最优解？最优解唯一吗？5.3 请写出状态空间图的一般搜索过程。
在搜索过程中OPEN表和CLOSE表的作用分别是什么？有何区别？5.4 什么是盲目搜索？主要有几种盲目搜索策略？5.5 宽度优先搜索与深度优先搜索有何不同？在何种情况下，宽度优先搜索优于深度优先搜索？在何种情况下，深度优先搜索优于宽度优先搜索？5.6 用深度优先搜索和宽度优先搜索分别求图5.10所示的迷宫出路。
图5.10 习题5.6的图5.7 修道士和野人问题。
设有3个修道士和3个野人来到河边，打算用一条船从河的左岸渡到河的右岸去。
但该船每次只能装载两个人，在任何岸边野人的数目都不得超过修道士的人数，否则修道士就会被野人吃掉。
假设野人服从任何一种过河安排，请使用状态空间搜索法，规划一使全部6人安全过河的方案。
（提示：应用状态空间表示和搜索方法时，可用(N m,N c)来表示状态描述，其中N m和N c分别为传教士和野人的人数。
初始状态为(3,3)，而可能的中间状态为(0,1),(0,2),(0,3), (1,1),(2,1),(2,2),(3,0),(3,1),(3,2)等。
）5.8 用状态空间搜索法求解农夫、狐狸、鸡、小米问题。
农夫、狐狸、鸡、小米都在一条河的左岸，现在要把它们全部送到右岸去。
农夫有一条船，过河时，除农夫外，船上至多能载狐狸、鸡和小米中的一样。
狐狸要吃鸡，鸡要吃小米，除非农夫在那里。
试规划出一个确保全部安全的过河计划。
（提示：a.用四元组(农夫，狐狸，鸡，米)表示状态，其中每个元素都可为0或1，0表示在左岸，1表示在右岸；b.把每次过河的一种安排作为一个算符，每次过河都必须有农夫，因为只有他可以划船。
）5.9 设有三个大小不等的圆盘A 、B 、C 套在一根轴上，每个圆盘上都标有数字1、2、3、4，并且每个圆盘都可以独立地绕轴做逆时针转动，每次转动90°，初始状态S 0和目标状态S g 如图5.11所示，用宽度优先搜索法和深度优先搜索法求从S 0到S g 的路径。
人工智能导论第五章课后答案
人工智能导论第五章课后答案
第五章课后答案
一、填空题
1. 决策树是一种基于概率的决策模型，它可以用来表示和求
解复杂的决策问题。
2. 决策树的建立过程包括特征选择、决策树生成和决策树剪枝。
3. 决策树的特征选择是指从训练数据集中选择最有效的特征，以构建决策树。
4. 决策树生成是指根据特征选择的结果，构建决策树的过程。
5. 决策树剪枝是指在决策树生成的基础上，通过减少决策树
的复杂度，以提高决策树的泛化能力的过程。
6. 决策树的优点是可解释性强、易于实现和计算效率高。
7. 决策树的缺点是容易发生过拟合，对缺失数据敏感，对噪
声数据敏感。
二、简答题
1. 请简述决策树的建立过程？
决策树的建立过程包括特征选择、决策树生成和决策树剪枝。
特征选择是指从训练数据集中选择最有效的特征，以构建决策树。
决策树生成是指根据特征选择的结果，构建决策树的过程。
决策
树剪枝是指在决策树生成的基础上，通过减少决策树的复杂度，
以提高决策树的泛化能力的过程。
2. 请简述决策树的优缺点？
决策树的优点是可解释性强、易于实现和计算效率高。
决策
树的缺点是容易发生过拟合，对缺失数据敏感，对噪声数据敏感。
人工智能第五章模糊逻辑系统85
A~ (B~ C~) ( A~ B~) ( A~ C~) A~ (B~ C~) ( A~ B~) ( A~ C~)
吸收律
A~ A~ B~ A~ A~ A~ B~ A~
a a
;如果用 b a bm am
结果变为
R 1 0.79 0.68 0.58 0.42 0.32 0.11 0.11 0.05 0.05 (1,20) (5,20) (7,20) (9,20) (1,9) (1,7) (5,7) (7,9) (5,9) (1,5)
强截集 弱截集
“单点模糊集合”：若台集仅为一个点，且该点隶属度为1
2019/11/20
16
三、模糊集合的基本运算
1、相等 ：
A~ F (U ) B~ F (V )
各元素的隶属度分别相等
A~ (u) B~ (u)
2、包含：
A~ (u) B~ (u)
A~包含于B~
2019/11/20
x1
x2
x3
x4
x5
A~ (0.85,0.75,0.98,0.30,0.60)
2019/11/20
13
2、论域是离散无限域
扎德表示法：
可数：
A~
A~(ui
)
A~(ui
)
A~(ui )
1
不可数： A~
ui A~(u)
1
ui
1 ui
U u
3、论域是连续域
人工智能课后习题答案
1.1 解图如下：(1) 1->2(2) 1->3(3) 2->3(6) 3->2(5) 3->1(4) 2->11.2h(n)=∑每个W 左边B 的个数；h(n)满足A*条件；h(n)满足单调限制（大家分析）。
1.3h1(n)= c ij ，一般情况不满足A*条件，但此题满足；ACDEBA=34; h2(n)=|c ij -AVG{(c ij )|，不满足A*条件；ACBDEA=42; 1.4此题最优步数已定，具有A*特征的启发函数对搜索无引导作用。
1.5此题启发式函数见P41。
1.10规定每次一个圆盘按固定方向（如逆时针）转动45°；可用盲目搜索算法构造搜索树；也可构造启发式函数如：h(n)=8个径向数字和与12的方差。
1.11状态空间数：9！=362880；有用的启发信息：1）平方数为3位数的数字：10～31；2）平方的结果数字各位不能重复：13，14，16，17，18，19，23，24，25，27，28，29，31； 只需校验313C =286种状态。
2.1 解图：2.5后手只要拿走余下棋子-1的个数即可。
第3章 3.18以下符号中□表示⌝(1)证明：待归结的命题公式为)(P Q P →⌝∧，求取子句集为},,{P Q P ⌝，对子句集中的子句进行归结可得可得原公式成立。
(2)证明：待归结的命题公式为())(()())P Q R P Q P R →→∧→→→ （，合取范式为：()()P Q R P Q P R ∨∨∧∨∧∧ ，求取子句集为{,,,}S P Q R P Q P R =∨∨∨ ，对子句集中的子句进行归结可得：① P Q R ∨∨ ② P Q ∨③ P ④ R ⑤ Q②③归结⑥ P R ∨ ①④归结 ⑦ R ③⑥归结 ⑧ ④⑦归结 由上可得原公式成立。
(3)证明：待归结的命题公式为()(())Q P Q P Q →∧→→ ，合取范式为：()()Q P Q P Q ∨∧∨∧ ，求取子句集为{,,}S Q P Q P Q =∨∨ ，对子句集中的子句进行归结可得：① Q P ∨ ② Q③ Q P ∨④ P ①②归结 ⑤ P ②③归结 ⑥ ④⑤归结由上可得原公式成立。
人工智能及其应用-王万良第五章答案.docx
5.1．什么是搜索？有哪两大类不同的搜索方法？二者的区别是什么？根据实际情况,按照一定的策略或规则,从知识库中寻找可利用的知识,从而构造出一条使问题获得解决的推理路线的过程,就称为搜索搜索一般分为盲目搜索和启发式搜索。
盲目搜索又称为无信息搜索,即在搜索过程中,只按预先规定的搜索控制策略进行搜索,而没有任何中间信息来改变这些控制策略。
由于这种搜索的控制策略都是预定的,不管什么问题都采用这样的控制策略,这就使得搜索带有盲目性,效率不高。
只适用于解决较简单问题。
启发式搜索又称有信息搜索,它是指在求解过程中,根据问题本身的特性或搜索过程中产生的一些信息来不断地改变或调整搜索的方向,使搜索朝着最有希望的方向前进,加速问题的求解,并找到最优解。
启发式搜索由于考虑到问题本身的特性并利用这些特性,从而使搜索求解的效率更高,更易于求解复杂问题5.2什么是启发式搜索,什么是启发信息？5.3请阐述状态空间的一般搜索过程。
OPEN表与CLOSED表的作用是什么？有何区别？1) 把初始节点S0放入OPEN表,并建立只含S0的图,记为G2) 检查OPEN表是否为空,若为空则问题无解,退出3) 把OPEN表的第一个节点取出放入CLOSE表,记该节点为节点n4) 观察节点n是否为目标节点,若是,则求得问题的解,退出5) 扩展节点n,生成一组子节点。
把其中不是节点n先辈的那些子节点记作集合M,并把这些节点作为节点n的子节点加入G中。
6）针对M中子节点的不同情况,分别进行如下处理对于那些未曾在G中出现过的M成员设置一个指向父节点（n）的指针,并把它放入OPEN表对于那些先前已在G中出现过的M成员,确定是否要修改指向父节点的指针对于那些先前已在G中出现,并且已经扩展了的M成员,确定是否需要修改其后继结点指向父节点的指针7) 按某种搜索策略对OPEN表中的节点进行排序8) 转第2步OPEN表：用于存放刚生成的节点CLOSE表：用于存放将要扩展或已扩展的节点区别：存放节点节点不同,open表存放未扩展的节点,closed表存放已经扩展的节点。
人工智能及其应用,王万良第五章答案
而没有任何中间信息来改变这些控制策略。 由于这种搜索的控制策略都是预定的， 不管什么
问题都采用这样的控制策略， 这就使得搜索带有盲目性， 效率不高。 只适用于解决较简单问
题。
启发式搜索又称有信息搜索， 它是指在求解过程中， 根据问题本身的特性或搜索过程中产生
的一些信息来不断地改变或调整搜索的方向， 使搜索朝着最有希望的方向前进， 加速问题的
5.1 ． 什么是搜索？有哪两大类不同的搜索方法？二者的区别是什么？ 根据实际情况， 按照一定的策略或规则， 从知识库中寻找可利用的知识， 从而构造出一条使
问题获得解决的推理路线的过程， 就称为搜索
搜索一般分为盲目搜索和启发式搜索。
盲目搜索又称为无信息搜索， 即在搜索过程中， 只按预先规定的搜索控制策略进行搜索，
这时，韩生也突然摇了摇肩膀，离开了众神的控制，让人远离。上帝挠头，看着长老，看着远离他的汉生。他说，“我很粗鲁，我很害怕！” “这样.我会陪你到西藏经典三楼，帮你挑神宫！”以前没有外表，仍然很热情。似乎就是这样，它根本就没有。只是吓坏了在金刚禅的帮助 下，真理大师与困境分离了。此时，汉生敢于把长老读给上帝并像以前一样嗤之以鼻。看着上帝对长辈的眼睛，看到他的眼睛是敏捷的，似乎很高兴，和以前完全一样，没有什么区别。韩生深深地看着长老，看着长老们说：“我希望长老能帮助我，选择合适的魔法！”走出门口，带着众 神前往长老，去了西藏经典三楼。在藏经馆三楼，只有六个书架，书籍稀疏，没有完全填满。只是说这些书，但有不止一个人，来回扫地“沉湛的弟弟，沉澈的弟弟，我带老师来西藏选择了神奇的力量。”“这是他的简历，你检查一下！”来到西藏经典法院三楼与长老。在那之后，汉生 没有说什么，上帝读了材料并交给他们。沉湛和沉澈对上帝很熟悉，并且由于昨天的大动作，两人也听说深证的长老将一项伟大的成就转移到汉生，并要求他选择优点。因此，经过确认，两人没有拖延，并办理了汉生的手续。与此同时，他们说：“你是外国人的门徒。” “根据这个规 则，金刚门的四大权力，门徒以外只能选择一种金刚武术和金刚武术。”我希望你能尽快选择和接受上帝的继承！“虽然我不知道上帝的意志的含义，但我的意思是，汉生听到了。这句话仍然点头。我要问金钟保护者在哪里，然后确保做出了选择，但上帝笑着读了一遍，提醒道：“不要 急！不着急！“”第一次选择魔法，你必须选择。
《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。
人工智能教程习题及答案第5章习题参考解答
第五章搜索策略习题参考解答5.1 练习题5.1 什么是搜索？有哪两大类不同的搜索方法？两者的区别是什么？5.2 用状态空间法表示问题时，什么是问题的解？求解过程的本质是什么？什么是最优解？最优解唯一吗？5.3 请写出状态空间图的一般搜索过程。
在搜索过程中OPEN表和CLOSE表的作用分别是什么？有何区别？5.4 什么是盲目搜索？主要有几种盲目搜索策略？5.5 宽度优先搜索与深度优先搜索有何不同？在何种情况下，宽度优先搜索优于深度优先搜索？在何种情况下，深度优先搜索优于宽度优先搜索？5.6 用深度优先搜索和宽度优先搜索分别求图5.10所示的迷宫出路。
图5.10 习题5.6的图5.7 修道士和野人问题。
设有3个修道士和3个野人来到河边，打算用一条船从河的左岸渡到河的右岸去。
但该船每次只能装载两个人，在任何岸边野人的数目都不得超过修道士的人数，否则修道士就会被野人吃掉。
假设野人服从任何一种过河安排，请使用状态空间搜索法，规划一使全部6人安全过河的方案。
（提示：应用状态空间表示和搜索方法时，可用(N m,N c)来表示状态描述，其中N m和N c分别为传教士和野人的人数。
初始状态为(3,3)，而可能的中间状态为(0,1),(0,2),(0,3), (1,1),(2,1),(2,2),(3,0),(3,1),(3,2)等。
）5.8 用状态空间搜索法求解农夫、狐狸、鸡、小米问题。
农夫、狐狸、鸡、小米都在一条河的左岸，现在要把它们全部送到右岸去。
农夫有一条船，过河时，除农夫外，船上至多能载狐狸、鸡和小米中的一样。
狐狸要吃鸡，鸡要吃小米，除非农夫在那里。
试规划出一个确保全部安全的过河计划。
（提示：a.用四元组(农夫，狐狸，鸡，米)表示状态，其中每个元素都可为0或1，0表示在左岸，1表示在右岸；b.把每次过河的一种安排作为一个算符，每次过河都必须有农夫，因为只有他可以划船。
）5.9 设有三个大小不等的圆盘A 、B 、C 套在一根轴上，每个圆盘上都标有数字1、2、3、4，并且每个圆盘都可以独立地绕轴做逆时针转动，每次转动90°，初始状态S 0和目标状态S g 如图5.11所示，用宽度优先搜索法和深度优先搜索法求从S 0到S g 的路径。
人工智能基础及应用(微课版) 习题及答案 第5章 特征选择与提取概述
习题及参考答案1 .降维的目的是什么？答：（1）提高准确率；（2）减少数据量；（3）数据可视化。
2 .降维的方法分哪几类？特点分别是什么？答：（1）直接降维。
特点：没有改变原始的特征空间（2）间接降维。
特点：改变了原来的特征空间。
3 .主成分分析是如何实现数据降维的？答：PCA算法通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量的个数通常小于原始变量的个数，可以去除冗余、降低噪音，达到降维的目的。
4 .线性判别分析是如何实现数据降维的？答：将高维的样本投影到最佳鉴别矢量空间，即：把高维空间中的数据进行点投影到一条直线上，将多维降为一维。
5 .线性判别分析的分类目标是什么？答：目标：类间离差最大，类内离差最小。
6 .特征选择的考虑因素有哪些？答：（1）特征是否发散；（2）特征与目标的相关性。
7 .特征选择的方法有哪些？特点分别是什么？答：（1）过滤法优点：不依赖于任何机器学习方法，并且不需要交叉验证，计算效率比较高，只需要基础统计知识；缺点：没有考虑机器学习算法的特点，特征之间的组合效应难以挖掘。
（2）包装法优点：特征选择直接针对给定学习器来进行优化，从最终学习器的性能来看，包装法比过滤法更优；缺点：特征选择过程中需要多次训练学习器，因此，包装法特征选择的计算开销通常比过滤法大得多。
（3）嵌入法特点：使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。
8 .采用主成分分析法将下列二维数据降为•维数据。
4 424答：(1)分别计算X 和丫的均值0.7071-0.7071、0.70710.7071)选择较大的特征值对应的特征向量组成特征向量矩阵0.7071∖0.7071/将样本点投影到选取的特征向量上Python 程序：importnumpyasnpX=np.array([[1,1],[lz3]z[2,3],[4,4],[2,4]])meanval=np.mean(×,axis=0)#计算原始数据中每一列的均值，axis=。
- 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、"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、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)。
（iv）如果穿过新的带标记弧与CURRENT连接的所有结点均标为SOLVEO，则把 CURRENT标为SOLVED。图5-16 逆向传播
（v）若CURRENT已标为SOLVED，或CURRENT的耗费刚才已经改变，那么应把其新 状态往回传至图。因此，要把CURRENT的所有祖先加到S 中。
一 问题归约描述
用一个三元组（S0,O,P）来描述
S0初始问题，即要求解的问题。 P是本原问题集，其中的每一个问题是不证明的，自然成 立的，如公理、已知事实等，或已证明过的。 O是操作算了集，通过一个操作算子把一个问题化成若干个 子问题。
二 与或图表示
用与或图可以方便地把问题归约为子问题替换集合。例如，假 设问题A既可通过问题C1与C2，也可通过问题C3,C4和C5，或者 由单独求解问题C6来解决，如图5-10所示。图中节点表示要 求解的问题或子问题。
未扩展的结点集。 （2）从这些未扩展结点中选择一个并扩展之。将其后继结点加入图中，
计算每一后继结点的f值（只需计算h,不管g）。图5-14 AO*算法的 运行。 （3）改变最新扩展结点的f估值，以反映由其后继结点提供的新信息。 将这种改变往后回传至整个图。在往后回攀图时，每到一结点就判断 其后继路径中哪一条最有希望，并将它标 记为目前可能解图的一 部分。这样可能引起目前最短路 的变动。
第五章 状态空间搜索
第五章 状态空间搜索
1 Contents 2
状态空间搜索 问题归约法
博弈树搜索
Click to add title in here
第一节 状态空间搜索
一 问题的状态空间表示
三元组（S，O，G）
1
S是状态集合，状态是某种事实的符号或数据，问题的初始状态是S 的非空子集 G也是S的非空子集，表示目标状态集。它可以是若干具体的状态， 也可以是对某些状态性质的描述
图5-1 三盘片梵塔
用状态(i, j, k)表示最大盘片C在第i根针上，盘片B在第j根 针上，最小盘片A在第k根针上。如果同一根针有二片以上的 盘片，则假设较大的在下面。 如（1，1，2）表示C和B在第1根针上，且B在C的上面，而A在 第2根针上。
用M（N，i, j）表示操作算子，即把盘片N从第I根针移到 j根针上。如M（A，1，2）实现的操作是把盘片A从第1根针 移到第2根针上，即使状态（1，1，1）变成状态（1，1
，2）。而不允许接着进行M（B，1，2）操作，使状态（1，
1，2）变为状态（1，2，2），因为这违反了小片必须在大
片上的规则。
三盘片梵塔状态空间图
图5-2
例5-2 传教士和野人问题
问 题
设有三个传教士和三个野人来到河边， 打算乘一只船从右岸渡到左岸去。该船的 负载能力为两人。在任何时候，如果野人 人数超过传教士人数，那么野人就会把传 教士吃掉。他们怎样才能用这条船安全地 把所有人都渡过河去？
三 启发式搜索法
启发式搜索法的 基本思想是在搜 索路径的控制信 息中增加关于被 解问题的某些特 征，用于指导搜 索向最有希望到 达目标结点的方 向前进。
用启发式知识指 导排序可划分为 二种方式:局部 排序和全局排序。
第二节 问题归约法
思想
问题归约法是不同于状态空间法的另一种 问题描述和求解的方法。归约法把复杂的 问题变换为若干需要同时处理的较为简单 的子问题后再加以分别求解：只有当这些 子问题全部解决时，问题才算解决，问题 的解答由子问题的解答联合构成。
问题解决
问题状态以三元组（m, c, b） 表示，m为传教士在左岸或船上 的实际人数，c为野人在左岸或 船上的实际人数，b指示船是否 在左岸（1，0）
在船上人数不得超过载重限量 2个人，任何时刻（包括两岸、 船上）野人数目不得超过传教 士的安全约束
图5-3
二 状态空间的穷搜索法
广度优先搜索算法 深度优先搜索算法
（i）从S中挑选一个结点，该结点在G中的子孙均不在S中出现（换句话说，保证 对于每一正在处理的结点，是在处理其任一祖先之前来处理该结点的），称 此结点为CURRENT并把它从S中去掉。
（ii）计算始于CURRENT的每条弧的耗费。每条弧的耗费等于在该弧末端每一结 点的h值之知和加上该弧身的耗费。从刚刚计算过的始于CURRENT的所有弧费 中选出极小耗费作为CURRENT的新h值。
图5-4子问题替换集合
图5-5各结点后继只含一个K连接弧
三 AO*算法
AO*算法要能处理与图，它应找出一条路径，即从该图的开始结点出 发到达代表解状态的一组结点。注意，可能需要到达多个解状态，因为 一与弧的每条臂要引至它自身的结点。
在扩展搜索一与或图时，每步需做三件事； （1）遍历图，从初始结点开始，顺沿当前最短路径，积累在此路径上但
AO*算法描述
（1）设开始状态结点为INIT，G={INIT}，计算h（INIT）。 （2）在INIT标为SOLVED（成功）之前，或INIT的h值变得大于FUTILITY（失
败）之前，重复下述过程： a．跟踪始于INIT的已带标记的弧，挑选出现在此路径上但未扩展的结 点之一扩展，称新挑选的结点NODE。 b．生成NODE的后继结点，则对不是NODE祖先的每一后继结点（称 SUCCESSOR）应做下述事项： （i）把SUCCESSOR加到图G中。 （ii）如果SUCCESSOR是一目标结点，那么将其标记为SOLVED，并 赋0作为SUCCES-SOR的h值。 （iii）若SUCCESSOR不是目标结点，则计算它的h值。 c．将最新发现的信息向图的上部回传，具体做法是：设S为一结点 集，它含有已作了SOLVED标记的结点，或包含其h值已经改变因而 需要回传至其父结点的那些结点。置S的初值为NODE。重复下述过 程，直至S为零。
O是操作算子集,利用它将一个状态转化为另一个状态
例5-1 梵塔问题
起源于印度传说的梵塔问题是：有三根针和n个大小不 同的盘片。开始盘片都是叠在第一根针上，从下到上按由 大到小的顺序串叠。要求每次只移动最顶上的一个盘片到 另一根针上，且大盘不得压在小盘上，直到把所有盘片移 到第三根针上。以三圆盘为例，如图5-1所示。