人工智能课后习题答案Word文档格式.docx
《人工智能课后习题答案Word文档格式.docx》由会员分享,可在线阅读,更多相关《人工智能课后习题答案Word文档格式.docx(58页珍藏版)》请在冰豆网上搜索。
![人工智能课后习题答案Word文档格式.docx](https://file1.bdocx.com/fileroot1/2022-10/27/047faaa1-fc9e-4e27-9423-1e882715cd78/047faaa1-fc9e-4e27-9423-1e882715cd781.gif)
2.1解答:
(1)状态空间(StateSpace)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,S0S;
G—目的状态,GS,(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:
O1O2O3Ok
S0S1S2……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。
常见的语义网络形式有命题语义网络、数据语义网络:
E-R图(实体-关系图)、语言语义网络等。
2.2解答:
(1)
(2)
(3)
2.3解答:
设有如下四个谓词:
HUMAN(X)X是人
LAWED(X)X受法律管制
COMMIT(X)X犯法
PUNISHED(X)X受法律制裁
前两个谓词可以变为:
HUMAN(X)LAWED(X),表示:
人人都要受法律的管制;
后两个谓词可以变为:
COMMIT(X)PUNISHED(X),表示只要X犯了罪,X就要受到惩罚;
进一步,还可以把上述两个谓词联结成如下形式:
[HUMAN(X)LAWED(X)][COMMIT(X)PUNISHED(X)]
本公式的含义是:
如果由于某个X是人而受到法律管制,则这个人犯了罪就一定要受到惩罚。
晁盖是人,受法律的管制(老百姓受法律的管制);
所以晁盖劫了生辰纲,违反了宋王朝的法律,一定要受到官府的追究。
高衙是人,却不受法律的管制(达官贵人和恶少不受法律的管制);
所以高衙强抢民女,同样是违反了宋王朝的法律,却可以横行无忌。
2.4解答:
题中提供的条件可记为①②③④⑤,依次利用这些条件可得到如下结果:
(1)条件②:
周和钱是同一性别;
条件⑤:
、徐、周是同一性别;
条件③:
的爱人是的爱人的表哥,则的爱人性别是男,而的性别是女
这样可以初步推出:
、徐、周、钱均是女的,对应的王、、、吴均是男的。
(2)条件④:
与徐、周俊不构成夫妻,则选择的余地为钱或;
与不构成夫妻;
条件④:
吴与徐、周均不构成夫妻,则吴选择的余地为;
推得:
吴与是夫妻
条件①:
王与周不构成夫妻,则王选择的余地为徐;
王与徐是夫妻
排除上述已经成立的条件,显然可推得:
与周是夫妻。
2.5解答:
符号微积分基本公式为
用产生式表示为:
Iff(x)and(a,b)ThenF(b)-F(a)
2.6解答:
题中描述的情况用谓词形式可表达如下:
DOG(X)X是狗
SOUND(X)X会吠叫
BIT(X,Y)X咬Y
ANIMAL(X)X是动物
题中各条推理则可以表示为:
P1:
xDOG(X)yBIT(X,Y)∨SOUND(X)
P2:
:
x(ANIMAL(X)∧SOUND(X))yBIT(X,Y)
P3:
猎犬是狗,即DOG(X)种X的谓词样品是猎犬,同时也可得ANIMAL(猎犬)
将P3带入P1可得SOUND(猎犬),再将SOUND(猎犬)和ANIMAL(猎犬)带入P2可得yBIT(猎犬,Y),即可以得到结果:
猎犬是咬人的。
2.7解答:
题中的三条规则侧重点不同:
R1规则的重点在于我师的任务;
R2规则的重点在于敌团的配置;
R3规则的重点在于我师的任务和敌团的配置同时满足。
它们之间的关系为R1R2R3。
所以根据冲突解决规则中的规模排序,可知首先应该选择规则R3,系统执行才最有效。
2.8解答:
2.9解答:
2.10解答:
2.11解答:
在产生式系统中,随着产生式规则的数量的增加,系统设计者难以理解规则间的相互作用,究其原因,在于每条规则的自含性使得知识表示的力度过于细微。
因此要提高产生式系统的可理解性,就应当按照软件工程的思想,通过对规则的适当划分,将规则组织诚易于管理的功能模块。
由于框架系统具有组织成块知识的良好特性,因此将两者进行有机结合,可以为产生式系统的开发、调试和管理提供有益的帮助。
基于框架的表示机制可以用作产生式语言和推理机制设计的一个重要构件。
另外,框架可以直接用于表示规则,如果将每一个规则作为一个框架处理,一组用于解决特定问题的规则可组织成一类,且在这一类框架中表示这组规则的各种特性。
2.12解答:
略
2.13解答:
(1)题目描述可转换为如下问题(N阶汉诺塔问题)
有编号为A、B、C的三个柱子和标识为1、2、…、N的尺寸依次从小到大的N个有中心孔的金片;
初始状态下N个金片按1、2、…、N顺序堆放在A号柱子上,目标状态下N个金片以同样次序顺序堆放在B号柱子上,金片的搬移须遵守以下规则:
每次只能搬一个金片,且较大金片不能压放在较小金片之上,可以借助于C针。
(2)假设基本操作为move(x,A,C,B),表示将x个金片从A移到B上,中间可借助于C。
当N=1时,则无需借助中间的C针,就可以直接实现将1个金片从A移到B上,这也是问题的最简操作,可表示为move-one(1,A,B);
当N>
1时,需要用中间的C针作辅助。
其操作又可分为以下三步:
将N-1个金片从A移到C上,中间可借助于B,转换为基本操作就是move(N-1,A,B,C);
将1个金片直接从A移到B上,转换为基本操作就是move-one(1,A,B);
将N-1个金片从C移到B上,中间可借助于A,转换为基本操作就是move(N-1,C,A,B);
这样,就将问题的规模减小为N-1,依次递归求解就可以得到相应的结果。
(3)设M(x)表示移动x个金片所需要的操作次数,则上述N阶汉诺塔问题可以表示成如下形式:
M
(1)=1
M(N)=2M(N-1)+1
最后可以解得M(N)=2N-1
下面给出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。
(1)综合数据库
定义三元组:
(A,B,C),其中A,B,C分别表示三根立柱,均为表,表的元素为1~N之间的整数,表示N个不同大小的盘子,数值小的数表示小盘子,数值大的数表示大盘子。
表的第一个元素表示立柱最上面的柱子,其余类推。
(2)规则集
为了方便表示规则集,引入以下几个函数:
first(L):
取表的第一个元素,对于空表,first得到一个很大的大于N的数值。
tail(L):
取表除了第一个元素以外,其余元素组成的表。
cons(x,L):
将x加入到表L的最前面。
规则集:
r1:
IF(A,B,C)and(first(A)<
first(B))THEN(tail(A),cons(first(A),B),C)
r2:
first(C))THEN(tail(A),B,cons(first(A),C))
r3:
IF(A,B,C)and(first(B)<
first(C))THEN(A,tail(B),cons(first(B),C))
r4:
first(A))THEN(cons(first(B),A),tail(B),C)
r5:
IF(A,B,C)and(first(C)<
first(A))THEN(cons(first(C),A),B,tail(C))
r6:
first(B))THEN(A,cons(first(C),B),tail(C))
(3)初始状态:
((1,2,...,N),(),())
(4)结束状态:
((),(),(1,2,...,N))
问题的状态规模:
每一个盘子都有三种选择:
在A上、或者在B上、或者在C上,共N个盘子,所以共有种可能。
即问题的状态规模为。
2.14解答:
(1)定义谓词G(x,y):
x比y大,个体有三(zhang)、四(li),将这些个体带入谓词中,得到G(zhang,li)和G(zhang,li),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式:
G(zhang,li)G(zhang,li)。
(2)定义谓词Marry(x,y):
x和y结婚,Male(x):
x是男的,Female(x):
x是女的。
个体有甲(A)、乙(B),将这些个体带入谓词中,得到Marry(A,B)、Male(A)、Female(B)以及Male(A)、Female(B),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式:
Marry(A,B)(Male(A)∧Female(B))∨(Male(B)∧Female(A))
(3)定义谓词Honest(x):
x是诚实的,Lying(x):
x会说谎。
个体有三(zhang),将这些个体带入谓词中,得到Honest(x)、Lying(x)、Lying(zhang)、Honest(zhang),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式:
x(Honest(x)Lying(x))(Lying(zhang)Honest(zhang))
第三章问题求解方法
3.1答:
深度优先搜索与广度优先搜索的区别在于:
在对节点n进行扩展时,其后继节点在OPEN表中的存放位置不同。
广度优先搜索是将后继节点放入OPEN表的末端,而深度优先搜索则是将后继节点放入OPEN表的前端。
广度优先搜索是一种完备搜索,即只要问题有解就一定能够求出,而深度优先搜索是不完备搜索。
在不要求求解速度且目标节点的层次较深的情况下,广度优先搜索优于深度优先搜索;
在要求求解速度且目标节点的层次较浅的情况下,深度优先搜索优于广度优先搜索。
广度优先的正例:
积木问题;
深度优先的正例:
邮递员问题,反例:
国际象棋。
3.2答:
衡量标准为:
这组子状态中有没有目标状态,如果有,则选择该节点并且搜索成功;
若没有,则按照某种控制策略从已生成的状态中再选择一个状态作为当前状态重复搜索过程。
3.3答:
(1)广度优先搜索