人工智能2012年试题-答案

人工智能2012年试题一、计算机的主要领域有哪些，说明人工智能在其中的地位及其作用。答:计算机的主要应用领域有：科学计算，数据处理，数据管理，数据交互，人工智能，过程控制，人机交互，网络应用等。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。二、叙述遗传算法的过程。（10分）（1）给定群体规模N，交配概率pc和变异概率pm,确定适应度函数t＝0；（2）随机生成N个染色体作为初始群体；（3）对于群体中的每一个染色体xi分别计算其适应值F(xi)；（4）如果算法满足停止准则，则转（10）；（5）利用轮盘赌或其他选择规则，计算种群中每个染色体Xi的概率，从群体中随机的选取N个染色体，得到种群（6）依据交配概率pc从种群中选择染色体进行交配，其子代进入新的群体，种群中未进行交配的染色体，直接复制到新群体中；（8）依据变异概率pm从新群体中选择染色体进行变异，用变异后的染色体代替新群体中的原染色体；（9）用新群体代替旧群体，t=t+1，转（3）；（10）进化过程中适应值最大的染色体，经解码后作为最优解输出；（11）结束。三、全面叙述不确定性的算法及其内涵，并根据确定因子法求解下述问题。（15分）R1:A1→B1CF(B1,A1)=0.8R2:A2→B1CF(B1,A2)=0.5R3:B1∧A3→B2CF(B2,B1∧A3)=0.8CF(A1)=CF(A2)=CF(A3)=1求CF(B1)和CF(B2)。解：不确定算法：见笔记本内涵：不确定的推理计算是从不确定的初始证据出发，运用相关的不确定性知识，最终推出结论并求出结论的可信度值。(1)对知识R1，R2，分别计算CF1(B1)=CF(B1,A1)×max{0,CF(A1)}=0.8×1=0.8CF2(B1)=CF(B1,A2)×max{0,CF(A2)}=0.5×1=0.5(2)利用合成算法计算B1的综合可信度：CF1,2(B1)=CF1(B1)+CF2(B1)-CF1(B1)×CF2(B1)=0.8+0.5-0.8×0.5=0.9(3)计算B2的可信度CF(B2)，这时，B1作为B2的证据，其可信度已由前面计算出来。CF(B1)=0.9，而A3的可信度为初始指定的1。由规则R3和CF(H)=CF(H,E)×max{0,CF(E)}式子得出：CF(B2)=CF(B2,B1∧A3)×max{0,CF(B1∧A3)}=CF(B2,B1∧A3)×max{0,min(CF(B1),CF(A3))}=0.8×max{0,0.9}=0.8×0.9=0.72四、全面叙述产生式系统（包括知识表示、结构、基本过程、推理等）。（15分）知识表示和结构：解：产生式系统包含了三个基本组成部分：综合数据库（GlobalDatabase），一组产生式规则（SetofRules）和一个控制策略（ControlStrategies）。综合数据库：用来表述问题状态或有关事实，它含有所求解问题的信息。产生式规则集：是作用在全局数据库上的一些规则（算子、操作）的集合，每条规则都有一定的条件，若全局数据库中的内容满足这个条件，就可以调用这条规则，执行规则的结果会改变全局数据库中的内容。产生式规则的一般形式为：条件→行动或前提→结论控制系统或控制策略是负责选择规则的决策系统，即决定了问题求解过程的推理路线。基本过程：1.匹配：见笔记。通常从选择规则到执行操作分三步：匹配，冲突消解和操作。用产生式系统求解问题的过程可用下列算法来描述：步1：DATA←初始数据库；步2：untilDATA满足终止条件，do步3：begin步4：在规则集中选择能作用到DATA上的规则R；步5：DATA←R作用到DATA上的结果；步6：end.推理过程五、基于粗糙集理论，描述特征选取（知识约简）原理，并根据特征选取原理求解下面信息系统的所有特征选取。（15分）对象颜色形状体积u1红方形大u2绿圆形中u3黄方形小u4红圆形小u5红方形大u6兰三角形小u7兰圆形中u8绿圆形中解：特征选取（知识约简）原理：建立规则库建立事实库规则指针复位取下一条规则规则有效及是否加标记规则指针下移执行（加标记）空结束否否是是定义6设R是等价关系的一个族集，且设RR。若IND(R)=IND(R–R)，则称关系R在族集R之中是可省的(dispensable)﹐否则就是不可省的。若族集R中的每个关系R都是不可省的﹐则称族集R是独立的(independent)﹐否则就是依赖的或非独立的。定义7若QP是独立的﹐并且IND(Q)=IND(P)﹐则称Q是关系族集P的一个约简(reduct)。在族集P中所有不可省的关系的集合称为P的核(core)﹐以CORE(P)来表示。定理1族集P的核等于P的所有约简的交集。即CORE(P)=∩RED(P)显然，族集P有多个约简（约简的不唯一性）。设知识库K={U,{颜色,形状,体积}}，由题意知：U={u1,u2,u3,u4,u5,u6,u7,u8}﹐且U/颜色={{u1,u4,u5},{u2,u8},{u3},{u6,u7}}U/形状={{u1,u3,u5},{u6},{u2,u4,u7,u8}}U/体积={{u1,u5},{u2,u7,u8},{u3,u4,u6}}则[u1]颜色={u1,u4,u5}﹐[u1]形状={u1,u3,u5}。若P={颜色,形状,体积}﹐则IND(P)={{u1,u5},{u2,u8},{u3},{u4},{u6},{u7}}IND(P-颜色)={{u1,u5},{u2,u7,u8},{u3},{u4},{u6}}≠IND(P)所以颜色属性是不可省的，IND(P-形状)={{u1,u5},{u2,u8},{u3},{u4},{u6},{u7}}=IND(P);所以形状属性是可省的，IND(P-体积)={{u1,u5},{u2,u8},{u3},{u4},{u6},{u7}}=IND(P);所以形状属性是可省的。这样﹐由{颜色,形状,体积}三个等价关系组成的集合和{颜色,形状}、{颜色,体积}定义了相同的不分明关系。又IND({颜色,形状})IND({颜色})﹐IND({颜色,形状})IND({形状})﹐则{颜色,形状}和{颜色,体积}就是P的约简﹐而且{颜色}是P的核﹐也就是说颜色属性是绝对不能省的六、Agent的基本结构及其特性（10分）基本结构特性：(1)自主性（自治性）即能够在没有人或别的Agent的干预下，主动地自发地控制自身的行为和内部状态(其他agent不能直接访问)，并且还有自己的目标或意图。(2)反应性即能够感知环境，并对环境变化做出响应，通过行为改变环境。(3)适应性（主动性，并非单纯应激反应）能根据目标、环境等的要求和制约作出行动计划，并根据环境的变化，修改自己的目标和计划。(4)社会性(交互性，环境、其他Agent)一个Agent一般不能在环境中单独存在，而要与其它Agent在同一环境中协同工作。而协作就要协商，要协商就要进行信息交流，信息交流的方式是相互通信。七、全面叙述专家系统的定义、专家系统的基本结构及其功能。（10分）定义：专家系统就是一种在相关领域中具有专家水平解题能力的、包含着知识和推理的智能程序系统。但这种程序与传统的“应用程序”有本质的区别，在专家系统中，求解问题的知识已不再隐含在程序和数据结构之中，而是单独构成一个知识库，即传统的“数据结构+算法=程序”的应用程序模式发生了变化，使之成为“知识+推理=系统”的模式。它能运用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。基本结构：功能：1)知识获取机构知识的获取问题，很多资料上都称知识获取是构造ES的“瓶颈”。实际上，它是成功构造专家系统中非常重要的、也是非常困难的一部分，是ES研究的关键。它的任务是把专家对书本上的知识、客观世界的认识和理解进行选择、抽取、汇集、分类和组织，将它们转化为计算机可以利用的形式。对于大的复杂系统，很好完成这一任务非常困难。2)知识库及其管理系统知识库主要用来存储某领域专家系统的专门知识，为了建立知识库，要解决知识获取和知识表示问题。知识获取涉及知识工程师如何从专家那里获得专门知识的问题；知识表示则要解决如何用计算机能够理解的形式表达并存储知识的问题。3)数据库及其管理系统这里的数据库用于存储领域或问题的初始数据和推理过程中得到的中间数据(信息)，即被处理对象的一些当前事实。数据库又称为“黑板”,它是由数据库管理系统进行管理的，这与一般程序设计中的数据库管理没有什么区别，只是应使数据的表示方法与知识的表示方法保持一致。需注意的是，知识库与传统的数据库不一样：数据库一般是被动的，而知识库则更有创造性；数据库中的事实是固定的，而知识库总是不断补充新的知识。4)推理机推理机是专家系统的“思维”机构，是构成专家系统的核心部分。它的功能是根据一定的推理策略从知识库中选取有关知识，对用户提供的证据进行推理，直到得出相应的结论为止。推理机包括推理方法和控制策略两部分。推理方法：推理分精确与不精确两种。八、粒计算的基本概念及其主要方法、特点。（10分）基本概念:基本粒子,构成粒计算模型的最基本元素,是计算模型的原语。一个粒子可以看作是由内部属性描述的个体元素的集合,以及由它的外部属性所描述的整体。粒层,是对问题空间或计算对象的一种抽象化描述,按照某个实际需求的粒化准则得到的所有粒子的全体构成一个粒层。同一层的粒子内部往往具有相同的某种性质或功能。由于粒化的程度不同,导致同一问题空间会产生不同的粒层,各个粒层的粒子具有不同的粒度,即粒的不同大小。粒计算模型的主要目标是能够在不同粒层上进行问题求解,且不同粒层上的解能够相互转化。粒结构,一个粒化准则对应一个粒层,不同的粒化准则对应多个粒层,粒层之间的相互联系构成一个关系结构,称为粒结构。在一般的粒计算理论中,把同一粒层的粒子看成一个集合,通常并不考虑粒子之间的结构关系,而在我们的商空间理论中,粒层中的粒子间具有结构关系,因此我们所谈的粒结构,通常既指粒层间的结构关系,同时又指粒层中的结构。有3个基本概念构成人类认知的基础：粒化、组织及因果关系．其中，粒化是整体分解为部分，组织是将部分结合为整体，而因果关系则涉及原因与结果间的联系。粒化,是问题空间的一个划分过程,它可以简单理解为在给定粒化准则下(如等价关系)得到一个粒层的过程,是粒计算的基础,通过粒化我们可以得到问题空间的层次间与层次内部的结构。主要方法及其特点：粗糙集理论：粒用子集来表示，不同粒度的概念可以用不同大小的子集来表示。这些表示可以用等价关系来描述商空间理论：除了用子集来表示粒。更引入了拓扑结构，并通过粒度世界的合成与分解来解决问题。词计算理论：粒用词来表示，粒计算采用的方法是模糊集理论相容粒度空间理论：粒用相容粒来表示，一个粒不仅仅是对象的集合，更是这些对象的抽象。模型包含四个组成部分，对象系统，相容关系系统，转化函数和嵌套覆盖系统。