哈工大人工智能复习题
人工智能复习试题和答案及解析

一、单选题1. 人工智能的目的是让机器能够( D ),以实现某些脑力劳动的机械化。
A. 具有完全的智能B. 和人脑一样考虑问题C. 完全代替人D. 模拟、延伸和扩展人的智能2. 下列关于人工智能的叙述不正确的有( C )。
A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。
B. 人工智能是科学技术发展的趋势。
C. 因为人工智能的系统研究是从上世纪五十年代才开始的,非常新,所以十分重要。
D. 人工智能有力地促进了社会的发展。
3. 自然语言理解是人工智能的重要应用领域,下面列举中的( C)不是它要实现的目标。
A. 理解别人讲的话。
B. 对自然语言表示的信息进行分析概括或编辑。
C. 欣赏音乐。
D. 机器翻译。
4. 下列不是知识表示法的是()。
A. 计算机表示法B. 谓词表示法C. 框架表示法D. 产生式规则表示法5. 关于“与/或”图表示知识的叙述,错误的有( D )。
A. 用“与/或”图表示知识方便使用程序设计语言表达,也便于计算机存储处理。
B. “与/或”图表示知识时一定同时有“与节点”和“或节点”。
C. “与/或”图能方便地表示陈述性知识和过程性知识。
D. 能用“与/或”图表示的知识不适宜用其他方法表示。
6. 一般来讲,下列语言属于人工智能语言的是( D )。
A. VJB. C#C. FoxproD. LISP7. 专家系统是一个复杂的智能软件,它处理的对象是用符号表示的知识,处理的过程是( C )的过程。
A. 思考B. 回溯C. 推理D. 递归8. 确定性知识是指(A )知识。
A. 可以精确表示的B. 正确的C. 在大学中学到的知识D. 能够解决问题的9. 下列关于不精确推理过程的叙述错误的是( B )。
A. 不精确推理过程是从不确定的事实出发B. 不精确推理过程最终能够推出确定的结论C. 不精确推理过程是运用不确定的知识D. 不精确推理过程最终推出不确定性的结论10. 我国学者吴文俊院士在人工智能的( A )领域作出了贡献。
人工智能-复习及作业-参考答案

则称θ是F的一个合一。称F1 ,F2 ,…,Fn是可合一的。
例如,设有公式集F={P(x, y, f(y)), P(a, g(x), z)},则
λ={a/x, g(a)/y, f(g(a))/z}
是它的一个合一。
一般情况下,一个公式集的合一不是惟一的。
21
Markov Decision Processes
作业
• 1、你对人工智能定义的理解?
• 2、解释什么是图灵测试?
• 3、简述人工智能的三大学派及其研究方法。
1
1.用5种搜索方法DFS、BFS、UCS、Greedy、
A*分别求解从A到E的搜索路径(访问过的节点
不再访问)
2
3
4
5
6
7
α-β剪枝
剪枝方法
MAX
(1) MAX节点(或节点)的α值为当前子节点的最大倒推值;
β剪枝
任何MIN节点n的β值小于或等于它先辈节点的α值,则n 以下的分枝可
停止搜索,并令节点n的倒推值为β。这种剪枝称为β剪枝。
8
α-β剪枝
3
3
3
≤2
12
8
2
2
14
5
2
9
2. 请用α-β剪枝算法进行剪枝,给出
根节点的数值
3
3
3
3
3
15
2
15
3
2
3
10
作业:用归结演绎推理的方法证明
下列问题
•
•
•
解:先定义谓词:
Poor(x) x是贫穷的
Smart(x) x是聪明的
Happy(x) x是快乐的
人工智能基础知识考试试题

人工智能基础知识考试试题第一部分:选择题1. 人工智能(AI)是一门研究如何使计算机能够________。
A. 理解人类感情和情绪B. 动态调整自身学习算法C. 与人类进行情感交流D. 模拟人类智能行为2. 以下哪项不属于强人工智能的特征?A. 能够自主学习和推理B. 具备与人类相似的认知能力C. 能够在各个领域展示出人类水平的智能D. 仅能解决特定问题领域中的任务3. 下面哪种机器学习方法适用于训练有标签的数据集,用于预测离散型输出?A. 支持向量机(SVM)B. 神经网络C. 决策树D. 主成分分析(PCA)4. 在人工智能中,强化学习是通过_______与环境进行交互,根据奖励值的反馈来学习最优解策略。
A. 将数据输入模型进行训练B. 利用统计模型进行数据分析C. 利用标记好的数据集进行监督学习D. 代理(Agent)5. 深度学习中的神经网络层数越多,其模型的复杂度越高,但也会引发的问题是__________。
A. 训练时间更短,收敛速度更快B. 避免过拟合的发生C. 容易受到梯度消失或梯度爆炸的影响D. 模型的泛化能力更强第二部分:填空题1. 人工智能领域最重要的会议之一是_________。
2. 在机器学习中,SVM的目标是找到一个_____________。
3. 深度学习的一个核心概念是___________,它模仿人脑中神经元之间的联系。
4. 人工智能的一个重要应用领域是________,可以通过计算机视觉技术实现图像识别。
5. 在自然语言处理中,NLP是指____________。
第三部分:简答题1. 请简要解释监督学习和无监督学习的区别,并给出各自的应用场景。
2. 请解释深度学习中的反向传播算法,并阐述其在神经网络训练中的作用。
3. 请举例说明人工智能在医疗领域的应用,并谈论其带来的益处和挑战。
4. 请解释强化学习中的马尔可夫决策过程(MDP),并说明其在智能游戏中的应用。
5. 请谈论机器学习中的过拟合问题,并提供解决此问题的方法。
人工智能试题及答案

人工智能试题及答案一、单选题(每题2分,共20分)1. 人工智能的英文缩写是什么?A. AIB. MLC. DLD. NLP答案:A2. 下列哪项不是人工智能的主要应用领域?A. 语音识别B. 机器翻译C. 网络购物D. 自动驾驶答案:C3. 深度学习是人工智能的哪一种技术?A. 机器学习B. 神经网络C. 知识表示D. 专家系统答案:B4. 人工智能之父是谁?A. 艾伦·图灵B. 马文·明斯基C. 约翰·麦卡锡D. 艾伦·纽厄尔答案:C5. 下列哪项技术不属于自然语言处理?A. 文本分类B. 情感分析C. 机器翻译D. 图像识别答案:D6. 人工智能的发展历程中,第一次“人工智能的冬天”发生在哪个年代?A. 20世纪50年代B. 20世纪70年代C. 20世纪90年代D. 21世纪初答案:B7. 人工智能的三大支柱是什么?A. 数据、算法、计算力B. 知识、算法、硬件C. 计算力、算法、网络D. 数据、硬件、网络答案:A8. 下列哪项不是人工智能的伦理问题?A. 数据隐私B. 算法偏见C. 机器取代人类D. 机器的自我意识答案:D9. 人工智能的“图灵测试”是由谁提出的?A. 艾伦·图灵B. 马文·明斯基C. 约翰·麦卡锡D. 艾伦·纽厄尔答案:A10. 下列哪项是人工智能的典型应用?A. 搜索引擎B. 电子邮件C. 社交媒体D. 网络广告答案:A二、多选题(每题3分,共15分)1. 人工智能的应用可以包括以下哪些领域?A. 医疗健康B. 金融服务C. 教育D. 娱乐答案:ABCD2. 以下哪些是人工智能的核心技术?A. 机器学习B. 深度学习C. 知识图谱D. 强化学习答案:ABCD3. 人工智能面临的挑战包括哪些?A. 技术难题B. 伦理问题C. 法律限制D. 社会接受度答案:ABCD4. 人工智能的发展历程中,有哪些重要的里程碑?A. 达特茅斯会议B. 深蓝战胜国际象棋冠军C. 谷歌自动驾驶汽车D. AlphaGo战胜围棋世界冠军答案:ABCD5. 人工智能的伦理原则通常包括哪些?A. 透明度B. 公平性C. 隐私保护D. 可解释性答案:ABCD三、判断题(每题1分,共10分)1. 人工智能是计算机科学的一个分支。
人工智能导论_哈尔滨工程大学中国大学mooc课后章节答案期末考试题库2023年

人工智能导论_哈尔滨工程大学中国大学mooc课后章节答案期末考试题库2023年1.下列不属于two-stage检测算法的是:()参考答案:YOLO2.下列对强化学习特点说法错误的是:()参考答案:反馈及时迅速3.下列哪个选项不属于进行迁移学习的原因:()参考答案:大数据与强计算之间的矛盾4.人工智能技术解决了传统机器博弈理论的困难?()参考答案:围棋具有巨大的搜索空间_盘面评估与博弈树搜索紧密相关_高层次的围棋知识也很难归纳5.对于深度学习说法正确的是:()参考答案:通过构建多隐层的模型和海量训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性_“深度模型”是手段,“特征学习”是目的_强调了模型结构的深度,通常有5-10多层的隐层节点_与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息6.支持向量机是最受欢迎、讨论最为广泛的机器学习分类方法之一。
这种方法适用于高维空间(特征向量中有许多特征),并且可以有效地用于小型数据集。
参考答案:正确7.朴素贝叶斯的一个有趣的特征是,它适用于非常大的数据集。
参考答案:错误8.直接策略的RL直接优化目标函数,对策略进行参数化表示,与值函数相比,策略化参数的方法更简单,更容易收敛。
参考答案:正确9.随着人工智能的技术不断地发展,现如今机器也可以创造出令人惊叹的艺术画作,但暂时没能写出完整的小说。
参考答案:错误10.用人工智能技术学习的服装设计风格,建立一套自动给服装线稿添加配色、材质纹理的算法,可以在几秒之内生成任意数量的颜色材质搭配方案,帮助服装设计师更好更快的抓住潮流趋势。
参考答案:正确11.以下关于感知机模型说法错误的是()参考答案:感知机能够求解异或问题12.以下有关BP网络说法错误的是()参考答案:BP网络是一种前馈网络,其隐单元必须分层,又称为多层前馈网络13.思维的本质是人脑有意识的对客体的反映,这个过程构成了人类认识的高级阶段。
哈工大人工智能原理习题homework-1

人工智能原理练习题-1从习题中选择自己感兴趣的题目进行思考和解答,任何尝试都是有益的。
必要时,仔细阅读教科书当中的某些章节。
对于加星号的习题,应该编写程序来完成。
第1章人工智能概述1 用自己的语言定义:(a)智能,(b)人工智能,(c)智能体。
2 用你自己的话定义下列术语:智能体、智能体函数、智能体程序、理性、自主、反射型智能体、基于模型的智能体、基于目标的智能体、基于效用的智能体、学习智能体。
3 对于下列智能体,分别给出任务环境PEAS描述:a. 机器人足球运动员;b. 因特网购书智能体;c. 自主的火星漫游者;d. 数学家的定理证明助手。
4 检查AI的文献,去发现下列任务现在计算机是否能够解决:a.打正规的乒乓球比赛。
b.在开罗市中心开车。
c.在市场购买可用一周的杂货。
d.在万维网上购买可用一周的杂货。
e.参加正规的桥牌竞技比赛。
f.发现并证明新的数学定理。
g.写一则有内涵的有趣故事。
h.在特定的法律领域提供令人满意的法律建议。
i.从英语到西班牙语的口语实时翻译。
j.完成复杂的外科手术。
对于现在不可实现的任务,试着找出困难所在,并预测如果可能的话它们什么时候能被克服。
5 Loebner奖每年颁发给最接近天通过某个版本图灵测试的程序。
查找和汇报Loebner奖最近的得主。
它使用了什么技术?它对AI目前的发展水平有什么推动?6 这道习题要探讨的是智能体函数与智能体程序的区别:a. 是否有不止一个智能体程序可以实现给定的智能体函数?请举例,或者说明为什么不可能。
b. 有没有无法用任何智能体程序实现的智能体函数。
c.给定一个机器体系结构,能使每个智能体程序刚好实现一个智能体函数吗?d. 给定一个存储量为n 比特的体系结构,可以有多少种可能的不同智能体程序?7 有一些类众所周知的难题对计算机而言是难以解决的困难,其它类问题是不能判定的。
这是否意味着AI是不可能的?8 内省-----汇报自己的内心想法-----是如何不精确的?我会搞错我怎么想的吗?请讨论。
人工智能复习参考(带答案).doc

复习参考题一、填空I•构成产生式系统的基本元素有综合数据库、规则库、控制系统,控制策略按执行规则的方式分类,分为止向、逆向、双向三类。
2•归结过程中控制策略的作用是给出控制策略,以使仅对选择合适的子句间方可做归结,避免多余的、不必要的归结式出现或者说,少做些归结仍能导出空子句。
常见的控制策略有线性归结策略、支持集策略、单元归结、输入归结。
3.公式G和公式的子句集并不等值,但它们在不可满足的意义下是一致的。
4.与或图的启发式搜索算法(A0*算法)的两个过程分别是图生成过程即扩展节点和计算耗散值的过程。
5.人工智能的研究途径主要有两种不同的观点,一种观点称为符号主义,认为人类智能基木单元是符号。
另一种观点称为连接主义(仿牛主义),认为职能的基本单元是神经元。
6.集合{P(a, x, f (g(y))? P(z, f (z) ,f(u)))的mgu (最一般合一置换)为{z/a, f(x)/x, u/g(y)}o7•语义网络是对知识的有向图表示方法,一个最简单的语义网络是一个形如节点1、弧、节点2的三元组,语义网络可以描述事物间多种复杂的语义关系、常用ISA、AKO弧表示节点间具有类屈的分类关系。
语义网络下的推理是通过继承和匹配实现的。
8.当前人工智能研究的热点之一就是机器学习。
常见的机器学习方法可分为连接学习、归纳学习、分析学习和遗传算法与分类器系统等。
一个机器学习系统应有环境、知识库、学习环节和执行环节四个基本部分组成。
9•常用的知识表示法有逻辑表示法、产牛式规则表示法、语义网络表示法、框架理论表示法、过程表示法等。
10.有两个A*算法A1和A2,若A1比A2有较多的启发信息,贝9hl(n)>h2(n)oII.关于A算法与A*算法,若规定h(n)M0,并J1定义启发函数:P|c(n)=g*(n)+h*(n) 表示初始状态S。
经点n到Fl标状态Sg最优路径的费用。
其屮g*(n)为So到n的最小费用,h*(n)为到Sg的实际最小费用。
人工智能基础考核试卷

11.以下哪个不是机器学习中常用的距离度量?()
A.欧氏距离
B.曼哈顿距离
C.余弦距离
D.皮尔逊距离
12.以下哪个算法不属于无监督学习?()
A. K-means聚类
B.主成分分析
C.支持向量机
D.自组织映射
13.以下哪个不是神经网络中的激活函数?()
A. Sigmoid
B. Seaborn
C. Pandas
D. Scikit-learn
5.以下哪些方法可以用来防止过拟合?()
A.增加数据量
B.提前停止训练
C.正则化
D.减少特征数量
6.以下哪些是数据预处理中常用的技术?()
A.缺失值处理
B.异常值检测
C.特征选择
D.数据标准化
7.以下哪些是时间序列数据的特征?()
A.顺序性
A.梯度下降
B.随机梯度下降
C.牛顿法
D.主成分分析
17.以下哪个不是多分类问题的解决方法?()
A.一对多
B.多对多
C. Softmax回归
D.支持向量机
18.以下哪个不是数据增强的主要方法?()
A.随机裁剪
B.翻转
C.旋转
D.主成分分析
19.以下哪个不是卷积神经网络(CNN)的主要应用场景?()
A.图像分类
B.相关性
C.季节性
D.周期性
8.以下哪些是常用的优化算法?()
A.梯度下降
B.牛顿法
C.随机梯度下降
D.共轭梯度
9.以下哪些是卷积神经网络(CNN)的特点?()
A.局部感知
B.参数共享
C.等变性质
D.全局感知
- 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)。
~( x)(green(x)) 将条件表达式和结果命题化为子句形:
由条件 1 (1) pushable(x)∨green(x) (2) ~blue(a)∨pushable(y)∨green(x) 由条件 2 (3) ~green(x)∨~blue(x) (4) green(x)∨blue(x) 由条件 3 (5) pushable(x)∨~pushable(y)∨blue(y) 由条件 4
解:定义谓词:father(x,y): 表示 x 是 y 的父亲。 Grandfather(x,y):表示 x 是 y 的祖父。
已知条件的谓词公式表示如下: 1) (∀x) (∀y) (∀z)father(x, y)∧father(y,z) →Grandfather(x,z) 2) (∀y)(∃x)father(x, y) 结论的谓词公式表示:
答: 我们用 Skier(x)表示 x 是滑雪运动员,Alpinist(x)表示 x 是登山运动员,Alpine(x)表示 x 是 Alpine 俱乐部的成员。 问题用谓词公式表示如下: 已知:
(1) Alpine(Tony)
(2) Alpine(Mike)
(3) Alpine(John)
(4) (∀x){Alpine(x)→[Skier(x)∨Alpinist(x)]} (5) (∀ x){Alpinist(x)→~Like(x, Rain)} (6) (∀ x){~Like(x, Snow)→~ Skier(x)} (7) (∀ x){Like(Tony, x)→~Like(Mike, x)} (8) (∀ x){~Like(Tony, x)→Like(Mike, x)}
建立子句集: S = { ~P ∨ R , Q ∨ R , ~P∨~R }
3、Herbrand 定理解决了一个什么意义上的问题?
答:将无限的不可数的论域上的问题,转化成为在可数的 H 论域上讨论的问题。该定理在理论上保证 了归结原理的可靠性。
4、设 S={ P(x), Q(f(x), y) },试写出 H 域上的元素,并写出 S 的一个基例。
ON(B,A)
WOODEN(B)
HEAVY(B)
ON(E,B)
下列语句提供了有关这个积木世界的一般知识:
每个大的蓝色积木块是在一个绿色积木块上。
每个重的木制积木块是大的。
所有顶上没有东西的积木块都是蓝色的。
所有木制积木块是蓝色的。
以具有单文字后项的蕴涵式的集合表示这些语句。绘出能求解"哪个积木块是
1
b) PLAY(x,y):表示 x 打 y,AFTERNOON(t), 表示 t 是下午 (∃x)(∀t) (AFTERNOON(t)→ PLAY(x,篮球))
c) Computer(x)::x 是计算机;NewType(x):x 是新型的。 HaveSpeed(x,y): x 的速度是 y; High(y): y 是高的 HaveMemory(x,z):x 的存储容量是 z。Large(z):z 是大的。 (Computer(x) ∧ NewType(x))→(High(y) ∧ HaveSpeed(x,y)) ∧ (Large(z) ∧
(9) Like(Tony, Snow)
(10) Like(Tony, Rain)
目标:(∃x){Alpine(x)∧Alpinist(x)∧~Skier(x)}
5
9、一个积木世界的状态由下列公式集描述:
ONTABLE(A) CLEAR(E)
ONTABLE(C) CLEAR(D)
ON(D,C)
HEAVY(D)
(( x)( y)( z)(Gt(x,y)∧Gt(y,z)→Gt(x,z))
( u)( v)(Succ(u,v)→Gt(u,v)
( x)(~Gt(x,x))
求证 Gt(5,2)
试判断下面的归结过程是否正确?若有错误应如何改进:
4
8、我们来考虑下列一段知识: a) Tony、Mike 和 John 属于 Alpine 俱乐部, b) Alpine 俱乐部的每个成员不是滑雪运动员就是一个登山运动员, c) 登山运动员不喜欢雨而且任一不喜欢雪的人不是滑雪运动员, d) Mike 讨厌 Tony 所喜欢的一切东西,而喜欢 Tony 所讨厌的一切东西, e) Tony 喜欢雨和雪。 以谓词演算语句的集合表示这段知识,使得这些语句适合一个逆向的基 于规则的演绎系统。若想利用基于规则的逆向推理回答问题"有没有 Alpine 俱乐部的一个成员,他是一个登山运动员但不是一个滑雪运动员呢?",问 题应该如何表示呢?
2、请举例说明人工智能有哪些研究及应用领域?参考教材 P12-18 3、人工智能研究有哪此不同学派?它们的基本思想是什么?你认同哪一种观点
为什么?参考教材 P18-20 第二章 知识表示
1、设有如下语句,请用相应的谓词公式分别把他们表示出来: a) 有的人喜欢梅花, 有的人喜欢菊花, 有的人既喜欢梅花又喜欢菊花。 b) 有的人每天下午都去打篮球。 c) 新型计算机速度又快, 存储容量又大。 d) 不是每个计算机系的学生都喜欢在计算机上编程序。 e) 凡是喜欢编程序的人都喜欢计算机。 答: a) 定义谓词:LIKE(x,y)表示:x 喜欢 y, PERSON(x) ((∃x)PERSON(x)∧LIKE(x,梅花))∧((∃y)PERSON(y)∧LIKE(y,菊花))∧ ((∃x)PERSON(x)∧LIKE(x,梅花)∧LIKE(y,菊花))
a) 如果可以推动的物体是蓝色的,那么不可以推动的物体是绿色的 b) 所有的物体或者是蓝色的,或者是绿色的,但不能同时具有两种颜色。 c) 如果存在一个不能推动的物体,那么所有的可推动的物体是蓝色的。 d) 物体 O1 是可以推动的 e) 物体 O2 是不可以推动的
解: 把上述条件化为逻辑表达式:
1) ( x)( pushable (x) ) → blue(x) ) → ( x)(~pushable(x) → green(x) ) 2) ( x) ( ( (blue(x) ∧ ~green(x)) ∨ (~blue(x) ∧ green(x))) 3) ( x) (~pushable(x)) → ( x) ( pushable(x) → blue(x) ) 4) pushable(O1) 5) ~pushable(O2) 将结果命题否定:
Mgu = { B/x, B/y, B/z}
2、将下面的公式化成子句集 ~( (( P ∨ ~Q) → R) → (P ∧ R))
解: ~( (( P ∨ ~Q) → R) → (P ∧ R)) = (( P ∨ ~Q) → R) ∧ ~(P ∧ R) = (~( P ∨ ~Q) ∨ R ) ∧ (~P∨~R) = (~P ∨ R) ∧ (Q ∨ R) ∧ (~P∨~R)
解: H = { a, f(a), f(f(a)) , ……} S 中子句的一个基例为: P(a), Q(f(a), f(a)) 或者
P(f(a)) , Q(f(f(a)), a)
5、设已知: a) 如果 x 是 y 的父亲, y 是 z 的父亲, 则 x 是 z 的祖父; b) 每个人都有一个父亲。 试用归结演绎推理证明:对于某个 u,一定存在一个人 v, v 是 u 的祖父。
第一章 人工智能概述
1、请举例说明人工智能这门科学研究的内容、特点、难点,研究目标? 答:研究的内容:
启发式搜索理论 搜索的方法很多,如回溯、图搜索、启发式等等,主要是给定一些经验做指导提高搜索 效率。该方面的研究已经有了比较成熟的技术。 ◆ 各种推理方法 常识推理有知识不完全、不够用等问题,如鸟会飞,但是鸵鸟不会飞。 ◆ 知识的模型化和表示方法 知识表示很重要,方法主要有逻辑、产生式、语义网络、框架等。现在还不能完全说清 楚知识表示到底是什么。 ◆ 人工智能系统结构及语言 Lisp 语言主要在美国,Prolog 语言主要在欧洲使用比较广泛。 ◆ 机器学习 当前系统大多用归纳的学习、依赖知识库的学习,没有很成熟的方法。神经网络、遗传 算法等理论的应用也在探讨之中。 特点: 人工智能是一门知识的科学。以知识为对象,研究知识的获取、表示和使用。 · 人工智能的系统过程是,数据处理->知识处理,数据->符号。符号表示的是知识而不 是数值、数据。 · 问题求解过程有启发,有推导。 · 人工智能是引起争论最多的科学之一。 难点: ◆知识获取、(知识表示、机器学习); ◆ 实现时的规模扩大问题; ◆ 应用前景(封闭的专家系统--机器学习问题) 研究目标: 远期目标:揭示人类智能的根本机理,用智能机器去模拟、延伸和扩展人类智能。 近期目标:建造智能计算机代替人类的部分智力劳动
(6) pushable(O1) 由条件 5
(7) ~pushable(O2) 由结论
(8) ~green(x) 归结:
(9) ~blue(x) ∨ pushable(y) (2) (8)
(10) ~blue(x)
(7) (9)
(11) blue(x)
(4) (8)
(12) □
(10)(11)
7、已知事实公式为
(∀u)( ∃v)Grandfather( v, u)
将结论取反并入条件形成公式集 F:
{(∀x)(∀y) (∀z)father(x, y)∧father(y,z) →Grandfather(x,z),(∀y)(∃x)father(x, y), (∀u)( ∃v)Grandfather( v, u)}
将公式集 F 化为子句集 S:
{¬father(x, y)∨¬father(y,z)∨Grandfather(x,z),father(f(w), w),
3
¬Grandfather( f (u), u)}
对子句集 S 进行归结:对于子句¬father(x, y)∨¬father(y,z)∨Grandfather(x,z) 可以先在内部进行合一。 6、用归结法证明:存在一个绿色物体,如果有如下条件存在: