人工智能考试复习
人工智能复习资料整理(修正版-如发现计算错误请指出)
一、填空题(40分)1.人工智能的主要学派：(1)符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要是为物理符号系统假设和有限合理性原理。
(2)连接主义：又称仿生学派或生理学派，其原理主要是为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义：又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
2.人工智能三个基本问题：知识获取、知识推理、知识利用。
3.常用的知识表示方法包括：状态空间法、问题归纳法、谓词演算法、语义网络法、框架表示法、本体表示法、过程表示法和神经网络表示法。
4.机器学习分为：监督学习、无监督学习、强化学习。
5.遗传算法基本操作分为：选择、交叉和变异。
6.产生式系统的构成分为：规则库、综合数据库和推理机。
7.问题状态空间包含的三种说明集合分别为：初始状态集(S)、操作符集合(F)、以及目标状态集合(G)。
8.可信度方法中，不精确推理规则的一般形式为：IF E THEN H (CF(H,E))，其中(CF(H,E))是该规则的可信度，称为可信度因子或规则强度。
(1)当证据E的可信度CF(E)的取值范围与CF(H,E)相同，即-1 ≤ CF(E)≤ 1；(2)当证据以某种程度为真时，CF(E) > 0(3)当证据肯定为真时，CF(E) = 1(4)当证据以某种程度为假时，CF(E) < 0(5)当证据肯定为假时，CF(E) = -1(6)当证据一无所知时，CF(E) = 09.用产生式方法表示张和李是同学关系：（classmate，Zhang，Li）10.模糊集合表示，例如有一组数据：85,90,82,70,98，模糊集合表示为：11.自然语言理解过程的层次有：语音分析、句词分析、语义分析。
12.人工生命研究实例有：人工脑、计算机病毒、计算机进程、细胞自动机、人工核苷酸。
13.计算智能涉及神经计算、模糊计算、进化计算、粒群计算、自然计算、免疫计算和人工生命等研究领域。
人工智能考试复习资料
第一章1、智能（intelligenee ）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。
2、人工智能（学科）人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
3、人工智能（能力）人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。
4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。
5、人工智能的主要学派：符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
代表人物有纽厄尔、肖、西蒙和尼尔逊等。
连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。
行为主义：又称进化主义或控制论学派，其原理为控制论及感知一动作模式控制系统。
6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图图：人类认知活动与计算机的比较认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
7、人工智能研究目标为：1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。
2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。
一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。
两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目标的信心。
人工智能 考试复习提纲
第一章绪论●人工智能的诞生：1965年夏季，在达特茅斯大学●人工智能的学派：符号主义，联结主义，行为主义第二章知识表示方法●知识的特性：1.相对正确性；2.不确定性；3.可表示性；4.可利用性●★用谓词公式表示知识的步骤：1.定义谓词及个体，确定每个谓词及个体的确切含义。
2.根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。
3.根据所要表达的知识的语义，用适当的联接符号将各个谓词联接起来，形成谓词公式。
●★★机器人搬弄积木块问题表示P19●★一阶谓词逻辑表示法的特点：1.自然性；2.适宜于精确性知识的表示；3.易实现；4.与谓词逻辑表示法相对应的推理方法。
●产生式系统的组成：1.规则库；2.综合数据库；3.推理机●★产生式系统的推理方式：1.正向推理：①规则库中的规则与综合数据库中的事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③执行启动规则的后件。
将该启用规则的后件送入综合数据库或对综合数据库进行必要的修改。
重复这个过程直至达到目标。
2.反向推理：①规则库中的规划后件与目标事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③将启用规则的前件作为子目标。
重复这个过程直至各子目标均为已知事实，则反向推理的过程成功结束。
●★★语义网络表示知识举例：P36 例2.5、2.6、2.7；P71 作业18●框架的定义及组成：一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面”。
一个槽用于描述所论及对象的某一方面的属性，一个侧面用于描述相应属性的一个方面。
框架名<槽名><侧面><值>●脚本表示法：美国耶鲁大学的R.C.Schank及其同事们根据概念从属理论提出了一种知识表示方法——脚本表示法。
●问题状态空间的构成：1.状态；(2).算符；3.状态空间。
●★用状态空间表示问题的步骤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的状态都表示出来，并确定出问题的初始状态集合描述和目标状态集合描述；3.定义一组算符。
人工智能复习题及答案
一、填空：1.人工智能的研究途径有心理模拟、生理模拟和行为模拟。
2.任意列举人工智能的四个应用性领域智能控制、智能管理、智能决策、智能仿真。
3.人工智能的基本技术包括表示、运算、搜索归纳技术、联想技术。
4.谓词逻辑是一种表达能力很强的形式语言，其真值的特点和命题逻辑的区别是（10）。
5.谓词逻辑中，重言式（tautlogy）的值是（11）。
6.设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（12）。
7.在著名的医疗专家系统MYCIN中规定，若证据A的可信度CF（A）=0，则意味着 13 ，CF（A）=-1，则意味着（14），CF（A）=1，则意味着（15）。
8.谓词公式G是不可满足的，当且仅当对所有的解释（16）。
9.谓词公式与其子句集的关系是（17）。
10.利用归结原理证明定理时，若得到的归结式为（18），则结论成立。
11.若C1=┐P∨Q，C2=P∨┐Q，则C1和C2的归结式R（C1，C2）= （19）。
12.若C1=P(x) ∨Q(x)，C2=┐P(a) ∨R(y)，则C1和C2的归结式R（C1，C2）= （20）。
13.有谓词公式G，置换δ，则G·ε= （21），δ·ε= （22）。
14.有子句集S=｛P(x),P(y)｝，其MGU= （23）。
15.在归结原理中，几种常见的归结策略并且具有完备性的是（24），（25），（26）。
16.状态图启发式搜索算法的特点是（27）。
17.广度优先搜索算法中，OPEN表的数据结构实际是一个（28），深度优先搜索算法中，OPEN表的数据结构实际是一个（29）。
18.产生式系统有三部分组成（30），（31）和推理机。
其中推理可分为（32）和（33）。
19.专家系统的结构包含人机界面、（34），（35），（36），（37）和解释模块。
20.在MYCIN推理中，对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系：CF（~A）= （38），CF（A1∧A2 ）= （39），CF（A1∨A2 ）= （40）。
人工智能复习题汇总(附答案)
人工智能复习题汇总(附答案)一、选择题1.被誉为“人工智能之父”的科学家是（C ）。
A. 明斯基B. 图灵C. 麦卡锡D. 冯.诺依曼2. AI的英文缩写是( B )A. Automatic IntelligenceB. Artificial IntelligenceC. Automatic InformationD. Artificial Information3. 下列那个不是子句的特点（D ）A.子句间是没有合取词的(∧)B子句通过合取词连接句子(∧) C子句中可一有析取词(∨)D子句间是没有析取词的(∨)4. 下列不是命题的是（C ）。
A.我上人工智能课B. 存在最大素数C.请勿随地大小便D. 这次考试我得了101分5. 搜索分为盲目搜索和（A ）A启发式搜索B模糊搜索C精确搜索D大数据搜索6. 从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论推理是（ B ）A. 归结推理B. 演绎推理C. 默认推理D. 单调推理7. 下面不属于人工智能研究基本内容的是（C ）A. 机器感知B. 机器学习C. 自动化D. 机器思维8. S={P∨Q∨R, ┑Q∨R, Q, ┑R}其中, P 是纯文字，因此可将子句（A ）从S中删去A. P∨Q∨RB. ┑Q∨RC. QD. ┑R9. 下列不属于框架中设置的常见槽的是（B ）。
A. ISA槽B. if-then槽C. AKO槽D. Instance槽10. 常见的语意网络有（D ）。
A. A-Member - of联系B. Composed–of联系C. have 联系D. 以上全是1.在深度优先搜索策略中，open表是（B ）的数据结构A. 先进先出B. 先进后出C. 根据估价函数值重排D. 随机出2.归纳推理是（B ）的推理A. 从一般到个别B. 从个别到一般C. 从个别到个别D. 从一般到一般3. 要想让机器具有智能，须让机器具有知识。
（人工智能）人工智能复习题及答案
（⼈⼯智能）⼈⼯智能复习题及答案（⼈⼯智能）⼈⼯智能复习题及答案填空：1.⼈⼯智能的研究途径有⼼理模拟、⽣理模拟和⾏为模拟。
2.任意列举⼈⼯智能的四个应⽤性领域智能控制、智能管理、智能决策、智能仿真。
3.⼈⼯智能的基本技术包括表⽰、运算、搜索归纳技术、联想技术。
4.谓词逻辑是壹种表达能⼒很强的形式语⾔，其真值的特点和命题逻辑的区别是（10）。
5.谓词逻辑中，重⾔式（tautlogy）的值是（11）。
6.设P是谓词公式，对于P的任何论域，存于P为真的情况，则称P为（12）。
7.于著名的医疗专家系统MYCIN中规定，若证据A的可信度CF（A）=0，则意味着13 ，CF（A）=-1，则意味着（14），CF（A）=1，则意味着（15）。
8.谓词公式G是不可满⾜的，当且仅当对所有的解释（16）。
9.谓词公式和其⼦句集的关系是（17）。
10.利⽤归结原理证明定理时，若得到的归结式为（18），则结论成⽴。
11.若C1=┐P∨Q，C2=P∨┐Q，则C1和C2的归结式R（C1，C2）= （19）。
12.若C1=P(x)∨Q(x)，C2=┐P(a)∨R(y)，则C1和C2的归结式R（C1，C2）= （20）。
13.有谓词公式G，置换δ，则G·ε= （21），δ·ε= （22）。
14.有⼦句集S=｛P(x),P(y)｝，其MGU= （23）。
15.于归结原理中，⼏种常见的归结策略且且具有完备性的是（24），（25），（26）。
16.状态图启发式搜索算法的特点是（27）。
17.⼴度优先搜索算法中，OPEN表的数据结构实际是壹个（28），深度优先搜索算法中，OPEN表的数据结构实际是壹个（29）。
18.产⽣式系统有三部分组成（30），（31）和推理机。
其中推理可分为（32）和（33）。
19.专家系统的结构包含⼈机界⾯、（34），（35），（36），（37）和解释模块。
20.于MYCIN推理中，对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系：CF（~A）= （38），CF（A1∧A2）= （39），CF（A1∨A2）= （40）。
人工智能期末复习
人工智能原理期末考试复习1. 什么是人工智能?发展经历了几个阶段?人工智能指的是能够感知或推断信息，并将其作为知识而拥有，以应用于环境或语境中适合的行为;机器的智能称为人工智能，通常在运用程序、间或适当硬件的计算机系统中得以实现.2. 人工智能研究的内容有哪些?机器学习、知识表示方法、搜索求解策略、进化算法及其应用、确定性及不确定性推理方法、群体智能算法及其应用。
3. 人工智能有哪些研究领域?安全防范、医疗诊断、语音识别、工业制造、计算机游戏、机器翻译。
4. 什么是知识?有哪些特性?有几种分类方法?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。
相对正确性、不确定性、可表示性与可利用性。
分类方法：(1)按知识的作用范围分为∶常识性知识和领域性知识﹔(2)按知识的作用及表示分为∶事实性知识、规则性知识、控制性知识和元知识;(3 )按知识的确定性分为：确定知识和不确定知识;(4) 按人类思维及认识方法分为：逻辑性知识和形象性知识。
5. 什么是知识表示、命题、谓词，一阶谓词逻辑、产生式、框架、语义网络?知识表示就是将人类知识形式化或者模型化；命题是一个非真即假的陈述句；谓词的一般形式： ),...,,(21n x x x P )；n x x x ,...,,21是个体，某个独立存在的事物或者某个抽象的概念， P 是谓词名，用来刻画个体的性质、状态或个体间的关系。
一阶谓词逻辑表示：谓词不但可表示一些简单的事实，而且可以表示带有变量的“知识”，有时称为“事实的函数”。
进而可用谓词演算中的逻辑联接词“与()”、“或(v)"、“非(┐)”和“蕴含(→)”等来组合已有知识，从而表示出更复杂的知识。
产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识。
框架是一种描述所论对象（一个事物、事件或概念）属性的数据结构。
语义网络：从图论的观点看，它其实就是“一个带标识的有向图”，由结点和弧（也称“边”)所组成。
[试题]人工智能考试复习版
![[试题]人工智能考试复习版](https://img.taocdn.com/s3/m/0989872582c4bb4cf7ec4afe04a1b0717fd5b36f.png)
第一章概述1.人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。
人工智能的长期目标是实现人类水平的人工智能。
人工智能尚缺乏必要的理论。
在一些关键技术方面, 诸如机器学习、非单调推理、常识性知识表示、不确定推理等尚未取得突破性的进展。
人工智能对全局性判断模糊信息处理、多粒度视觉信息的处理是极为困难的。
人工智能还处于智能学科研究的早期阶段, 必须开展智能科学的研究。
智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构成的交叉学科。
2.认知是和情感、动机、意志等相对的理智或认识过程。
认知科学是研究人类感知和思维信息处理过程的科学, 包括从感觉的输入到复杂问题求解, 从人类个体到人类社会的智能活动, 以及人类智能和机器智能的性质。
3.人工智能的五个基本问题(1) 知识与概念化是否是人工智能的核心(2) 认知能力能否与载体分开来研究（3) 认知的轨迹是否可用类自然语言来描述(4) 学习能力能否与认知分开来研究？(5) 所有的认知是否有一种统一的结构4.思维是客观现实的反映过程，是具有意识的人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。
5.智能是个体认识客观事物和运用知识解决问题的能力。
符号智能：以知识为基础，通过推理进行问题求解。
也即所谓的传统人工智能。
计算智能：以数据为基础，通过训练建立联系，进行问题求解。
人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能。
6.人工智能的研究方法：①逻辑学派②认知学派③行为学派7.推理：从一个或几个已知的判断(前提)逻辑地推论出一个新的判断(结论)的思维形式。
非单调推理：指的是一个正确的公理加到理论中, 反而会使预先所得到的一些结论变得无效了。
非单调推理过程：建立假设, 进行标准逻辑意义下的推理, 若发现不一致, 进行回溯, 以便消除不一致, 再建立新的假设。
定性推理：把物理系统或物理过程细分为子系统或子过程, 对于每个子系统或子过程以及它们之间的相互作用或影响都建立起结构描述, 通过局部因果性的传播和行为合成获得实际物理系统的行为描述和功能描述。
- 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)。
人工智能第一章1、智能（intelligence）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。
2、人工智能（学科）人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
3、人工智能（能力）人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。
4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。
5、人工智能的主要学派：符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
代表人物有纽厄尔、肖、西蒙和尼尔逊等。
连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。
行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。
6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
7、人工智能研究目标为：1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。
2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。
一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。
两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目标的信心。
另一方面，远期目标则为近期目标指明了方向，强化了近期研究目标的战略地位。
8、人工智能研究的基本内容：（1）认知建模；（2）知识表示；（3）知识推理；（4）知识应用；（5）机器感知；（6）机器思维；（7）机器学习；（8）机器行为（9）智能系统构建9、人工智能研究的主要方法：（1）、功能模拟法（2）、结构模拟法（3）、行为模拟法（4）、集成模拟法10、人工智能研究和应用领域：（考4个）（1）计算智能（2）专家系统（3）机器学习（4）机器视觉（5）神经网络第二章1、人工智能课程三大内容：知识表示；知识推理；知识应用。
2、知识表示方法：（选择题）9种重点掌握这4种：状态空间法，谓词演算法，产生表示法，语义网络法（重点），问题归约法、框架表示、面向对象表示、剧本表示和过程表示。
3、状态空间法状态空间法三要点：①状态：表示问题求解法中每一步问题状况的数据结构；②算符：把问题从一种状态变换为另一种状态的手段；③状态空间方法：基于解答空间的问题表示和求解方法，它是以状态与算符为基础来表示和求解问题的。
4或节点：只要解决某个问题就可以解决其父辈问题的节点集合，如图中（M\N\H）.与节点：只有解决所有子问题，才能解决其父辈问题的节点八集合，如图中（B,C）和（D,E,F）各个节点之间用一段小圆弧连接标记。
5、谓词归约法（1）连词A、合取：就是用连词（∧）把几个公式连接起来而构成的公式。
相当于“与”B、析取：就是用连词（∨）把几个公式连接起来而构成的公式。
相当与“或”C、蕴涵：（→）表示“如果….那么”的语句。
D、非：表示否定，用符号（~，）表示。
（2）量词A、全称量词：若一个原子公式P（x），对于所有可能变量x都具有T值，则用（）表示。
B、存在量词：若一个原子公式P（x），至少有一个变元x，可使P（x）为T值，则用（）P（x）表示。
6、置换与合一（1）置换例2.3表达式P[x,f(y),B]的4个置换为s1={z/x,w/y}(出现x和y的地方，分别z和w替换，下同)s2={A/y}s3={q(z)/x,A/y}s4={c/x,A/y}用Es来表示一个表达式E 用置换s所得到的表达式的置换。
于是，可得到P[x,f(y),B]的4个置换的例，如下：P[x,f(y),B]s1＝P[z,f(w),B]P[x,f(y),B]s2=P[x,f(A),B]P[x,f(y),B]s3=P[q(z),f(A),B]P[x,f(y),B]s4=P[c,f(A),B]（2）合一例2.4表达式集{P[x,f(y),B]，P[x,f(B),B]}的合一者为s={A/x,B/y}因为 P[x,f(y),B]s=P[x,f(B),B]s=P[A,f(B),B]即s使表达式成为单一形式 P[A,f(B),B]7、产生式的基本形式（1）产生式规则是一种因果关系或推理关系，通常形式如下：IF P THEN Q (如果P则Q) 或者P→Q其中，P称为条件、前向或产生式的左边，Q称为操作、结果或产生式的右边。
其还可以是“如果P被满足，则可推出结论Q，或应该执行操作Q”。
（2）产生式推理如果已有产生式规则 P→Q并且观察到P，或者知识库中已p，则可得得到结论Q，或执行操作Q。
这种推理的一个关键之处是如何有效解决规则匹配的冲突问题。
8、二元语义网络的表示（1）语义网络的组成：词法部分；结构部分；过程部分；语义部分。
例，所有的燕子（SWALLOW）都是鸟（BIRD）。
建立两个节点SWALLOW和 BIRD，分别表示燕子和鸟。
两个节点以“是一个”（ISA）链相连，如图一，如果再希望表示小燕（XIAOYAN）是一只燕子，那么，只需要在语义网络上增加一个节点（XIAOYAN）和一根ISA链。
如图二除了按分类学对物体进行分类以外，小燕子有一个巢（NEST）这个事实，那么，可用所有权连（OWNS）连到表示是小燕子的巢的节点巢－１（NEST－１）。
巢－１是巢中的一个，即NEST节点表示物体的各类，而NEST－１表示这种物体中的一个例子。
如下图ISANEST-1 NEST（2）语义网络中的推理过程主要有两种：继承和匹配。
（3）3种继承过程：①值继承；②“如果需要”继承；③“默认”继承。
值继承：除了ISA链以外，另外还有一种AKO（是某种）链也可被用于语义网络中的描述或特性的继承。
AKO是A-KIND-OF的缩写。
参考P50 2.6第三章1、盲目搜索（无信息搜索）：图搜索策略、宽度优先搜索、深度优先搜索、等代价搜索。
2、宽度优先搜索和深度优先搜索的优缺点：并作图（简答题）宽度优先搜索：这种搜索是从上到下逐层进行的，在对下一层的任一节点进行搜索之前，必须先搜索完上层的所有节点。
它是图搜索一般过程的特殊情况，实际是将OPEN表作为“先进先出”的队列进行操作。
并能够保证在搜索树种找到一条通向目标节点的最短途径；这颗搜索树提供了所有存在的路径（缺点：如果没有路径存在，那么对有限图来说，该算法失败退出；对于无限图来说，则永远不会终止。
）深度优先搜索：首先扩展最新产生的（即最深的）节点，深度相等的节点可以任意排序。
其中起始节点（即根节点）的深度为0，任何其他节点的深度等于其父辈节点深度加上1。
深度优先搜索可能会使搜索过程沿着无益的路径扩展下去，造成路径太长，即使应用了深度界限来避免该问题，但所求得的解答路径并不一定就是最短路径。
启发式搜索：（盲目搜索的不足：效率低，耗费过多的计算空间与时间）（1）启发式搜索策略：用估价函数（evaluation function）来估算节点希望程度（promise）（2）有序搜索；（3）A*算法3、新的智能搜索算法：遗传算法、模拟退火算法和免疫算法4、遗传算法是仿真和自然选择机理，通过人工方式所构造的一类搜索法，从某种程度上来说遗传算法是对生物进化过程的数学方式仿真。
遗传算法的基本原理：A、编码与译码：将问题结构变换为位串形式编码表示的过程叫编码；反之，将位串形式编码表示变换为原问题结构的过程叫译码。
位串形式编码表示称为染色体或个体。
B、适应度函数：为了体现个体的适应能力，引入了对问题中的每一个个体都能进行度量的函数，称为适应度函数。
C、遗传操作：主要有三种（选择、交叉、变异）选择操作也叫复制操作，根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。
交叉操作：它的简单方式是将被选择出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换。
变异操作：它的简单方式是改变数码串的某个位置上的数码。
D、控制参数（交叉概率取0.6~0.95之间的值，变异概率取0.001~0.01之间的值，种群规模为30~100）。
5、模拟退火算法的来源：模拟退火算法来源于固体退火原理，将固体加热至充分高的温度，再让其徐徐冷却，加温时，固体内部粒子随温度的升高而变为无序状态，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。
6、模拟退火算法分解为三个部分：解空间、目标函数、初始解第四章1、谓词演算公式可以化成一个子句集的变换过程步骤：（1）消去蕴涵符号（2）减少否定符号辖域（3）对变量标准化（4）消去存在量词（5）化为前束形（6）把母式化为合取范式（7）消去全称量词（8）消去连词符号^（9）更换变量名称2、(题4—4)基于规则的演绎系统和产生式系统，均有两种推理方式：正向推理和逆向推理正向推理：从if部分向then部分推理的过程，它是从事实或状况向目标或动作进行操作的。
逆向推理：从then部分向if部分推理的过程，它是从目标或动作向事实或状况进行操作的。
3、规则演绎系统：（1）正向规则演绎系统（2）逆向规则演绎系统（3）双向规则演绎系统4、产生式系统的推理方式分为（按搜索方向）：（1）正向推理（2）反向推理（3）双向推理5、定性推理：是从物理系统（包括自然系统和人造系统）的结构描述出发，以定性方法研究系统的结构、行为、功能以及它们之间的因果关系等，目的是预测系统的行为并给出合理的解释。
6、不确定性推理：在推理过程中所使用的知识、证据等有不确定性。
第五章1、学习系统的基本结构（填图题或解答题）以增进系统执2、机器学习常见的几种学习方法：（简答题，4个以上）（1）机械学习；（2）基于解释的学习；（3）基于事例的学习；（4）基于概念的学习；（5）基于类比的学习；（6）基于决策树的归纳学习；（7）强化学习。
3、人工神经网络（ANN）或模拟神经网络是由人工神经元组成的，可把人工神经网络看成是以处理单元（PE）为节点、用加权的向弧（链）相互连接而成的有向图。
它的三层结构：输入层、输出层、隐层。
第六章1、专家系统：是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。