1、第 1 章人工智能 以思维与智能为核心。 是计算机科学、逻辑学、思维学、生理学、心理学、电子学、语言学、教育学等多学科相互渗透的结果。人工智能原理的四大问题 知识表示，人工智能研究的最基本问题 问题求解，人工智能的根本问题 机器学习，人工智能产生的核心问题 系统构成，人工智能的中心问题 已有的知识表示法：谓词逻辑表示法、模糊逻辑表示法、产生式表示法、状态空间表示法、与/或图表示法、语义网络表示法，框架表示法等。 问题的求解与表示(1) 问题用谓词公式表示，用演绎推理来求解。(2) 问题用状态空间法表示，用搜索法求解。机器学习常用方法有：死记硬背法、参数修正法、问题求解法、概念法、发现法等。 系
2、统构成人工智能的工作需要硬件、软件、接口等多方面的支持与配合。 解 题 推 理 硬 件知 识 库 硬 件关 系 代 数关 系 数 据 库 人 机接 口软 件硬 件超 大 规 模 集 成 电 路 体 系 结 构 智 能 接 口硬 件逻 辑 程 序设 计 语 言逻 辑 机 智 能 接 口软 件解 题 推 理软 件知 识 库管 理 软 件使 用 自 然 语 言 、 专 门 语 言 、 图 象 的 人 机 对 话 接 口系统构成包括以下五个方面 ： 人工智能语言 智能应用软件 软件开发环境与工具 硬件支持环境 人机智能接口 专家系统是指一类计算机智能程序，可从事特定的、难度较高的专业工作。 基本结构：
3、如图。 与 与与与 与/与与与与与与与与与 人工智能应用系统的结构特征（特点）是：(1)系统要有智能就必须拥有知识。(2)系统应具备某种推理的能力。(3)具备某种继续获取知识的功能。什么是人工智能？人工智能的意义和目标是什么？人工智能系统的特点有哪些？第 2 章知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 知识按问题求解要求分为： 叙述型知识、过程型知识、控制型知识。 知识按其作用分为：描述性知识、判断性知识、过程性知识。 知识按其描述对象分为：对象级知识、元知识 。 元知识： Ravis,1997 提出。是关于知识的知识。 叙述型知
4、识 : 描述有关系统状态、环境和条件，问题的概念、定义和事实的知识。 过程型知识 : 描述有关系统状态变化、问题求解过程的操作、演算和行动的知识。 控制型知识 : 描述有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 例：对于从北京到大庆，是乘飞机还是坐火车的问题，有关的知识可以归纳为： 叙述型知识 : 北京、大庆、飞机、火车、时间费用。 过程型知识 : 乘飞机、坐火车。 控制型知识 : 乘飞机较快、较贵；坐火车较慢、较便宜。 同构变换与同态变换： 同构问题的解答等价于原始问题的解答。 原始问题有解，则同态问题有解；同态问题无解，则原始问题知识表示体系： 表 示 方 法分 布
5、 表 示替 代 表 示局 部 表 示直 接 表 示叙 述 性 表 示 过 程 性 表 示语 义 网 络 表 示产 生 式 表 示逻 辑 表 示 脚 本 表 示框 架 表 示状态 状态空间法表示问题基本步骤：(1) 定义状态的描述形式。(2) 用所定义的状态描述形式把问题的所有可能状态都表示出来，并确定出问题的初始状态描述和目标状态描述。(3) 定义一组算符，使得利用这组算符可把问题由一种状态转变为另一种状态。 例 2-9：用谓词逻辑公式表示命题 “任何整数或是正的或是负的”。 解：设 表示“是整数”， 表示“是正数”， 表示“是负数”。于是根据给定命题，可用谓词逻辑公式表示如下： 例 2-12
6、 ：机器人去逛动物园，为帮助它区分其中的七种动物，给它存入了如下几条产生式规则：p1：若动物有毛发，则它是哺乳动物；p2：若动物有奶，则它是哺乳动物；p3：若动物有羽毛，则它是鸟类；p4：若动物会飞且生蛋，则它是鸟类；p5：若动物是哺乳动物且吃肉，则它是食肉动物；p6：若动物是哺乳动物且有犬齿，有爪，眼睛紧盯着前方，则它是食肉动物；p7：若动物是哺乳动物且反刍食物，则它是蹄类且是偶蹄动物；p8：若动物是哺乳类且有蹄，则它是有蹄类；p9：若动物是食肉类，黄褐色，有黑的斑点，则它是一只金钱豹；p10：若动物是食肉类，黄褐色，有黑色条纹，则它是老虎；p11：若动物是有蹄类，长腿，长脖子，有黄褐色暗斑
7、点，则它是长颈鹿；p12：若动物是有蹄类，白色有黑条纹，则它是斑马；p13：若动物是鸟，不会飞，长腿，长脖子，黑、白色，则它是驼鸟；p14：若动物是鸟，不会飞，会游泳，黑、白色，则它是企鹅；p15：若动物是鸟，善飞，则它是信天翁。 判断金钱豹的推理树如下图。)(xintegr)(xpositveaiv )()()( xngativeitter有 毛 发 黑 斑 点黄 褐 色吃 肉 食 肉 类哺 乳 类 金 钱 豹1P5P9P描述房子概念的语义网络 AB 房 子房 子楔 形 块 长 方 块one-part-is one-part-isis-ais-uported-by（ a） 房 子 （ b）
8、房 子 由 A、 B两 部 分 组 成（ e） 一 个 完 整 的 房 子 概 念楔 形 块 长 方 块is-a（ d） A是 一 个 楔 形 块 ， B是 一 个 长 方 块is-uported-by（ c） A被 B支 撑 着A BAAB A B 例 2-17： 用框架表示拱的概念。下图为拱的框架表示法，左边是拱的主框架，另外三个子框架用来描述它的组成对象和关系，其中有两个各说明一个终端，另一个则被两个终端所共享。垂 直 柱 1顶组 合 框 架组 合 拱 柱 2大 小结 构 程 序所 属 类 型类 似 于说 明 对 象 框 架对 象姿 态 关 系 框 架长 方 块对 象 框 架水 平对 象
9、姿 态长 方 块 柱 2be-suported-bynt-ch柱 1顶什么是知识？它有哪些特征？有哪几种主要的知识分类？什么是知识表示？知识表示有哪些要求？什么是状态空间？状态空间是怎样构成的？给出状态空间法表示问题的一般步骤。一阶谓词表示法适合于表示哪种类型的知识？它有哪些特点？何谓语义网络？它有哪些基本的语义关系？第 3 章 智能求解及其搜索策略 搜索系统由以下三大成分构成 ： 知识库：描述当前任务的范围以及要求解问题的目标。 规则 :用于对数据库的加工处理。 控制性知识：决定下一步应如何做？选择什么操作？在何处使用此控制？ 同构同态变换 与 与与 与h与与 h-1 状态空间求解法 用状态
10、描述与问题相关的事实和事实间的关系。 状态常表示为矢量。 问题的状态空间可记为三元组(S，F，G)。 已扩展节点、未扩展节点的数据结构 与 与OPEN与 与 与与CLOSED与状态空间搜索算法流程： 开 始初 始 化 ： S放 入 OPEN表 ， CLOES表 置 空 , n=1OPEN表 中 的 第 一 个 结 点 n移 至 CLOSE表若 n的 后 继 未 曾 在 搜 索 图 G中 出 现 ， 则 将 其 放 入 OPEN表 的 末 端 ， 并 提 供 返 回 结 点 n的 指 针 , 置 n=+1根 据 后 继 结 点 在 搜 索 图 G中 的 出 现 情 况修 改 指 针 方 向依 某
11、 种 准 则 重 新 排 序 OPEN表 失 败成 功NYNPE为 空 表 U ？n=目 标 结 点 D吗 ?Y推理 定义：从已有事实和知识中推出结论。 推理方法分类： 按途径分：演绎推理、归纳推理、默认推理。 按所用知识的确定性分：确定性推理、不确定推理。 按结论是否单调增加分：单调推理、非单调推理。 按推理中是否运用启发性知识分：启发式推理、非启发式推理。 推理系统构成：知识库 、数据库 、推理机。 搜索策略：状态空间搜索(广度优先搜索、深度优先搜索、有界深度优先搜索等 )、启发式搜索等。广度优先搜索 搜索原则： 深度越小、越早生成结点的优先级越高。 当最低层不止一个结点时，它选择最先生成
12、的结点进行搜索。 广度优先算法步骤： (1) 初始结点 S 加入到队列 OPEN 的尾部；(2) 若 OPEN 为空，则搜索失败，问题无解；(3) 取出 OPEN 队头的结点 n，并放入 CLOSE 队列中；(4) 若 n 是目标结点 D，则搜索成功，问题有解；(5) 若 n 是叶结点，则转(2) ；(6) 扩展 n 结点(即找出它的所有直接后继)，并把它的诸子结点依次加入 OPEN 队尾，修改这些子结点的返回指针，使其指向结点 n。转(2)。穿透率 反映目标搜索时的搜索范围。定义为：P=L/T L 是到达目标的长度；T 是在整个搜索过程中产生的结点总数，显然 P1。 P 还和问题的难度相关，
13、一般是 L 越大，问题越困难，P 值越小；反之 P 则越大。局部择优搜索 基本思想 ：选择一个节点的后继节点，是在它的所有子节点中，选估价函数 f(n)最优者。因此，亦称“瞎子爬山法”。 特点： 可以取消 OPEN 表，每次扩展后只保留一个最优子节点，直接放入CLOSE 表中，丢掉其它子节点。 主要在单因素、单极值情况下使用；在多因素，多极值情况下，找不到最佳解。 局部择优算法步骤： 流程： 例 3-4：八数码问题(1) 操作规定: 允许空格四周上、下、左、右的数码块移入空格中，不许斜方向移动，不许返回先辈结点。 初始布局 S 和目标状态 D 如下图所示： 2674138516748325S全
14、局择优搜索 特点： 在 OPEN 表中保留所有已生成而未扩展的节点，并用估价函数 f(n)对它们全部进行估计，从中选出最优的节点进行扩展，因此，亦称“最好优先搜索法” 。 得到的不一定是实际上的最佳解。 全局择优搜索流程把 S 放入 OPEN 表，计算 f(S),置 n=0n=目标结点 D？OPEN=NULLn 可以扩展？取出 OPEN 表中最前的结点放入 CLOSE表中，并寇以顺序编号 n扩展 n,将其子结点 ni 依次放入 OPEN 表中，并配上指向 n 的返回指针，计算 f(ni),并按f(ni)值对 OPEN 表重新排序（小的在前）开始失败成功 深度优先算法步骤：(1) 初始结点 S
15、放入堆栈 OPEN 中； (2) 若 OPEN 为空，则搜索失败，问题无解； (3) 弹出 OPEN 表中最顶端结点放到 CLOSE 表中，并给出顺序编号 n； (4) 若 n 为目标结点 D，则搜索成功，问题有解； (5) 若 n 无子结点，转(2)；(6) 扩展 n 结点，将其所有子结点配上返回 n 的指针，并按次序压入 OPEN 堆栈，转(2) 。 特点：引入搜索深度限制值 d，使深度优先搜索过程具有完备性 。 有界深度优先算法步骤：(1)初始结点 S 放入堆栈 OPEN 中；(2)若 OPEN 为空，则搜索失败，问题无解；(3)弹出 OPEN 中栈顶结点 n，放入 CLOSE 表中，并
16、给出顺序编号 n；(4)若 n 为目标结点 D，则搜索成功，问题有解；(5)若 n 的深度 d(n)=d，则转(2) ；(6)若 n 无子结点，即不可扩展，转 (2) ；(7)扩展结点 n，将其所有子结点配上返回 n 的指针，并压入 OPEN 堆栈，转(2) 。 特点：节点间有向边的代价不同 算法修改：(1)广度优先搜索法：每次从 OPEN 表中取出具有最小代价的节点进行扩展 。(2)有界深度优先搜索法：用代价限制 g 代替深度限制 d，用代价 g(n)代替节点深度d(n)。 基本思想 ：选择一个节点的后继节点，是在它的所有子节点中，选估价函数 f(n)最优者。因此，亦称“瞎子爬山法”。 特点
17、： 可以取消 OPEN 表，每次扩展后只保留一个最优子节点，直接放入CLOSE 表中，丢掉其它子节点。 主要在单因素、单极值情况下使用；在多因素，多极值情况下，找不到最佳解。 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？ 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？ 请写与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？第 4 章 专家系统 定义：专家系统(Expert System) 是一种智能计算机(软件) 系统，它的智能化表现在能够模仿人类专家的思维来求解特定领域中的复杂问题。 专
18、家系统的特点： 效率高，不受环境影响 可解释推理过程 有自学习能力 擅长于解决不确定性问题 专家系统基本结构（如下图） 知识库中存放系统求解问题所需要的知识; 推理机负责使用知识库中的知识去解决实际问题。 与与与与与与与 与与与专家系统的理想结构(1) 黑板：是一个分层的全局工作区，用来存储原始数据、中间结果和最终结果。包括计划、议程和中间解三部分。 (2) 推理机：包括调度器、执行器和协调器三个部分 与 与与与与与与与与 与与初始知识库的设计包括以下 5 大步：(1) 问题知识化(2) 知识概念化(3) 概念形式化(4) 形式规则化(5) 规则合法化Agent 的基本特性：反应性、自治性、社
19、交能力和自发行为。反应性：自治性：社交能力：自发行为：Agent 首先应具备上述 4 条最基本的特性，然后再根据其应用情况拥有其它特性。Agent 可以拥有的特性： 移动性、长寿性、诚实性、善意性、合理性、推理能力、规划能力、学习和适应能力。这些特性的含义？Agent 的结构有哪些？它们各自的特点及典型结构模型是什么，并画出典型结构模型？ Agent 的结构有：思考型、反应型和混合型。思考型特点：信念-愿望-意图模型。用信念、愿望、意图这 3 类意识态度来描述Agent 结构。典型结构模型是 BDI，如图所示。反应型特点：感知-动作模型。 Agent 不需要表示和推理，其行为只能在现实世界与周
20、围环境的交互作用中表现出来。典型结构模型如图所示。混合型特点：为两部分（或多部分）的层次结构。其高层是一个思考型子系统，低层是一个反应型子系统。典型结构模型为 PRS 的结构，如图所示。Agent 技术的应用：多机器人协调、过程智能控制、网络通信与管理、交通控制。专家系统由哪些部分构成？简述各部分的作用及工作原理。知识获取的主要任务是什么？为什么说它是专家系统的构建过程中的“瓶颈”问题？如何评价专家系统？第五章 神经网络信息处理 知识学习系统模型： 学 习环 节 执 行环 节知 识库环 境 基本学习策略: 机械学习：又称记忆学习，外界输入知识的表示方式与系统内部表示方式完全一致，不需要任何推理
21、过程。 传授学习：又称指导式学习，外界输入知识的表达方式与系统内部表达方式不完全一致，需要一些推理、翻译和转化工作。 演绎学习：学习系统对给定的知识进行演绎保真推理，并存储有用的结论。演绎学习包括知识改造、知识编译、产生宏操作、保持等价的操作和其它保真变换。 归纳学习：是应用归纳推理进行学习的一类方法。按其有无教师指导，分为实例学习及观察与发现学习。 实例学习_它通过向学习者提供某一概念的一组正例和反例，使学习者从中归纳推理出概念的一般性描述，该描述应能解释所有给定的正例，并排除所有给定的反例。 观察与发现学习_它要产生对所有或大多数观察到的规律和规则的解释。这类学习包括概念聚类、构造分类、曲
22、线拟合，发现并解释观察到的定律并形成理论。 类比学习：在遇到新问题时，可以学习以前类似问题的解决办法，来解决当前问题。要能够发现当前任务与已知任务的相似点，由此制定出完成当前任务的方案。因此，类比学习可由系统已有的领域知识得到另一领域中类似的知识。 神经网络学习方式 监督学习 与与与 与与与与与与与与 无监督学习 再励学习 具有侧向抑制性连接的竞争学习网络： 与 与1x4x32 常用的激发函数：(1)阈值型 (2)分段线性型(3)Sigmoid 函数型(简称 S 型) (4)双曲正切型 1)(f0 11)(f0 BP 网络结构图1x2xnx my1y2y用 BP 网络选择两种模型，假设输入层为
23、 3 个结点，1 个隐层且隐层的结点数为 4。请设计 BP 网络的基本结构，并简述其原理。 机器学习方法： 规则归纳 决策树 范例推理 贝叶斯信念网络 科学发现 遗传算法 知识发现 定义:从大量数据集中辨识出有效的、新颖的、潜在有用的、并可被理解的模式的高级处理1)(f0 1)(f0过程。 知识发现的方法 统计方法 机器学习方法 神经计算方法 可视化方法 数据挖掘 定义:从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含的、事先不知道的、但又是潜在有用的信息和知识。 数据挖掘的模型与算法 人工神经网络 决策树 回归分析 遗传算法 邻近算法 模糊逻辑 规则推理 什么是学习和机器
24、学习？ 试述机器学习系统的基本结构，并说明各部分的作用。 试述机器学习的模式。机器学习有哪些重要问题需要研究？ 说明 BP 神经网络与 Hopfield 神经网络的学习方式？第 6 章 遗传算法 标准遗传算法基本流程： 参数编码 初始群体设定 适应度函数的设计 遗传操作:选择、交叉、变异 控制参数设定 进化停止准则 问 题 分 析 及 解 的 编 码初 始 群 体 P(t)的 设 定 ， t =1计 算 群 体 中 各 个 体 适 应 度通 过 遗 传 操 作 存 优 去 劣 ：选 择 、 交 叉 、 变 异新 群 体 P(t+1)满 足 进 化 停 止 准 则 ？最 优 个 体 解 码 P(
25、t) =(t+1) NY结 束开 始 模式基于三值字符集0,1,*所产生的可描述某种结构相似性的字符串称为模式。模式是描述个体字符串集的模板。 模式的阶模式 H 中确定位置（位）的个数称为该模式的阶，记为 O(H)。 模式的定义距模式 H 中第一个确定位置和最后一个确定位置之间的距离称为该模式的定义距，记为 （H） 。遗传算法的设计 编码 初始群体设定 适应度函数 选择算子 交叉算子 变异算子遗传算法是一种什么样的算法，它适合解决哪一类问题？遗传算法的基本要素有哪些？请解释遗传算法设计中编码的定义。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。读 PROLOG 程序第 7 章 人工智能系统应用 简述智能识别系统的开发和设计过程。
