人工智能 第4章 参考答案

合集下载

人工智能概论知到章节答案智慧树2023年青岛黄海学院

人工智能概论知到章节答案智慧树2023年青岛黄海学院

人工智能概论知到章节测试答案智慧树2023年最新青岛黄海学院第一章测试1.以下不属于语音处理技术在实际场景中的应用的是()。

参考答案:人脸识别2.达特茅斯会议是人工智能发展史上的里程碑,于哪一年召开()参考答案:19563.深度学习目前在哪个领域尚未取得突出成果()参考答案:决策推理4.文本挖掘主要用于以下哪些场景()参考答案:信息检索;商务智能;生物信息技术5.人工智能研究范畴包括()参考答案:知识表示;机器思维;机器感知;机器学习第二章测试1.华为公司在2019年年底将自己的操作系统开源?()参考答案:openEuler2.在人工智能这个领域,()是必备的能力。

参考答案:学习能力3.5G的到来能够给()有一个算力的反转。

参考答案:端测;云测4.从技术领域来讲,AI领域架构可分为()。

参考答案:自我行动智能;计算智能;理解智能;感知智能5.AI门槛低,导致人才泛滥()参考答案:错第三章测试1.扫地机器人能做到清扫面积全覆盖,行走路径不重叠的根本依据是使用()。

参考答案:路径规划算法2.智能家居( smart home, home automation )是以住宅为平台,利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统()。

参考答案:对3.下列属于智能家居技术的发展前景的是?()参考答案:;市场;产品;渠道4.Smart Home 的中文就是()参考答案:智慧家居5.智能门锁只能通过手机开锁。

参考答案:错第四章测试1.世界第一栋智能大厦()。

参考答案:美国康涅狄格州哈特福特市“都市办公大楼”2.智慧社区是指充分利用()等新一代信息技术的集成应用的现代化、智慧化社区。

参考答案:;云计算;移动互联网3.智慧城市,在()等新一代信息技术高速发展的背景下应运而生,这是一套崭新的城市发展理念。

参考答案:云计算;大数据;物联网4.智慧城市发展的要素有()。

人工智能教程习题及答案第4章习题参考解答

人工智能教程习题及答案第4章习题参考解答

第四章不确定性推理习题参考解答4.1 练习题4.1什么是不确定性推理?有哪几类不确定性推理方法?不确定性推理中需要解决的基本问题有哪些?4.2什么是可信度?由可信度因子CF(H,E)的定义说明它的含义。

4.3什么是信任增长度?什么是不信任增长度?根据定义说明它们的含义。

4.4当有多条证据支持一个结论时,什么情况下使用合成法求取结论的可信度?什么情况下使用更新法求取结论可信度?试说明这两种方法实际是一致的。

4.5设有如下一组推理规则:r1:IF E1THEN E2(0.6)r2:IF E2AND E3THEN E4 (0.8)r3:IF E4THEN H (0.7)r4:IF E5THEN H (0.9)且已知CF(E1)=0.5,CF(E3)=0.6,CF(E5)=0.4,结论H的初始可信度一无所知。

求CF(H)=?4.6已知:规则可信度为r1:IF E1THEN H1(0.7)r2:IF E2THEN H1(0.6)r3:IF E3THEN H1(0.4)r4:IF (H1AND E4) THEN H2(0.2)证据可信度为CF(E1)=CF(E2)=CF(E3)=CF(E4)=CF(E5)=0.5H1的初始可信度一无所知,H2的初始可信度CF0(H2)=0.3计算结论H2的可信度CF(H2)。

4.7设有三个独立的结论H1,H2,H3及两个独立的证据E1与E2,它们的先验概率和条件概率分别为P(H1)=0.4,P(H2)=0.3,P(H3)=0.394P(E1/H1)=0.5,P(E1/H2)=0.6,P(E1/H3)=0.3P(E2/H1)=0.7,P(E2/H2)=0.9,P(E2/H3)=0.1利用基本Bayes方法分别求出:方法分别求出:(1)当只有证据E1出现时,P(H1/E1),P(H2/E1),P(H3/E1)的值各为多少?这说明了什么?么?(2)当E1和E2同时出现时,P(H1/E1E2),P(H2/E1E2),P(H3/E1E2)的值各是多少?这说明了什么?明了什么?4.8在主观Bayes方法中,请说明LS与LN的意义。

人工智能基础及应用(微课版) 习题及答案 第4章 机器学习

人工智能基础及应用(微课版) 习题及答案 第4章 机器学习

习题一、选择题1 .关于k-近邻算法说法错误的是OA是机器学习B是无监督学习Ck代表分类个数Dk的选择对分类结果没有影响2 .关于k-近邻算法说法错误的是OA一般使用投票法进行分类任务Bk-近邻算法属于懒惰学习C训练时间普遍偏长D距离计算方法不同,效果也可能显著不同3 .关于决策树算法说法错误的是OA受生物进化启发B属于归纳推理C用于分类和预测D自顶向下递推4 .利用信息增益来构造的决策树的算法是OAID3决策树B递归C归约DFIFO5 .决策树构成的顺序是()A特征选择、决策树生成、决策树剪枝B决策树剪枝、特征选择、决策树生成C决策树生成、决策树剪枝、特征选择D特征选择、决策树剪枝、决策树生成6 .朴素贝叶斯分类器属于O假设A样本分布独立B属性条件独立C后验概率已知D先验概率已知7 .支持向量机是指OA对原始数据进行采样得到的采样点B决定分类平面可以平移的范围的数据点C位于分类面上的点D能够被正确分类的数据点8 .关于支持向量机的描述错误的是OA是一种监督学习的方式B可用于多分类问题C支持非线性核函数D是一种生成式模型9 .关于k-均值算法的描述错误的是OA算法开始时,k-means算法时需要指定中心点B算法效果不受初始中心点的影响C算法需要样本与中心点之间的距离D属于无监督学习10 .k-Medoids与k-means聚类最大的区别在于()A中心点的选择规则B距离的计算法方法C应用层面D聚类效果二、简答题1 .k-近邻算的基本思想是什么?2 .决策树的叶结点和非叶结点分别表示什么?3 .朴素贝叶斯分类器为什么是“朴素”的?4 .线性可分支持向量机的基本思想是什么?5 .核技巧是如何使线性支持向量机生成非线性决策边界的?6 .什么是聚类?聚类和分类有什么区别?7 .试举例聚类分析的应用场景,参考答案一、选择题1.D2,C3.A4.A5.D6.B7.C8.D9.B 10.A二、简答题1.请简述k・近邻算法的思想答:给定一个训练样本集合D以及一个需要进行预测的样本X:对于分类问题,k-近邻算法从所有训练样本集合中找到与X最近的k个样本,然后通过投票法选择这k个样本中出现次数最多的类别作为X的预测结果;对于回归问题,k近邻算法同样找到与X最近的k个样本,然后对这k个样本的标签求平均值,得到X的预测结果。

人工智能_(马少平_朱小燕_著)_清华大学出版社_课后答案_-_完整版(习题部分+答案部分)

人工智能_(马少平_朱小燕_著)_清华大学出版社_课后答案_-_完整版(习题部分+答案部分)

人工智能(马少平朱小燕著) 清华大学出版社课后答案习题部分第一章课后习题1、对N=5、k≤3时,求解传教士和野人问题的产生式系统各组成部分进行描述(给出综合数据库、规则集合的形式化描述,给出初始状态和目标条件的描述),并画出状态空间图。

2、对量水问题给出产生式系统描述,并画出状态空间图。

有两个无刻度标志的水壶,分别可装5升和2升的水。

设另有一水缸,可用来向水壶灌水或倒出水,两个水壶之间,水也可以相互倾灌。

已知5升壶为满壶,2升壶为空壶,问如何通过倒水或灌水操作,使能在2升的壶中量出一升的水来。

3、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。

相传古代某处一庙宇中,有三根立柱,柱子上可套放直径不等的N个圆盘,开始时所有圆盘都放在第一根柱子上,且小盘处在大盘之上,即从下向上直径是递减的。

和尚们的任务是把所有圆盘一次一个地搬到另一个柱子上去(不许暂搁地上等),且小盘只许在大盘之上。

问和尚们如何搬法最后能完成将所有的盘子都移到第三根柱子上(其余两根柱子,有一根可作过渡盘子使用)。

求N=2时,求解该问题的产生式系统描述,给出其状态空间图。

讨论N为任意时,状态空间的规模。

4、对猴子摘香蕉问题,给出产生式系统描述。

一个房间里,天花板上挂有一串香蕉,有一只猴子可在房间里任意活动(到处走动,推移箱子,攀登箱子等)。

设房间里还有一只可被猴子移动的箱子,且猴子登上箱子时才能摘到香蕉,问猴子在某一状态下(设猴子位置为a,箱子位置为b,香蕉位置为c),如何行动可摘取到香蕉。

5、对三枚钱币问题给出产生式系统描述及状态空间图。

设有三枚钱币,其排列处在"正、正、反"状态,现允许每次可翻动其中任意一个钱币,问只许操作三次的情况下,如何翻动钱币使其变成"正、正、正"或"反、反、反"状态。

6、说明怎样才能用一个产生式系统把十进制数转换为二进制数,并通过转换141.125这个数为二进制数,阐明其运行过程。

人工智能技术及应用习题答案第4-6章

人工智能技术及应用习题答案第4-6章

习题4一、名词解释1.电子商务电子商务,简称电商,是指在互联网上以电子交易方式进行交易活动和相关服务活动,是传统商业活动各环节的电子化、网络化。

2.动态定价动态定价算法通过持续地数据输入和机器学习训练,使商品的净利润和销售额目标达到一个平衡的状态,并计算出一个最科学合理的价格,从而促进交易效率的大幅度提升。

3.无人零售无人零售是指基于智能技术实现的无导购员和收银员值守的新零售服务。

未来,将是基于大数据基础上的物品售卖。

二、选择题1、下列不属于推荐引擎的三种数据源是( D )。

A.消费者的基本信息B.推荐商品的元数据C.消费者对商品的偏好信息D.消费者对商品的享受2、( C )不是人工智能将为电商带来5大改变之一。

A.实时推荐B.动态定价C. 供应链管理D.体验个性化3、在电子商务过程中,利用到的信息技术不包括( D )。

A.互联网B.电子邮件C.数据库D.传感器4、无人零售商店Amazon Go是()公司的。

A.深兰科技B.亚马逊C.阿里D.京东三、判断题1、eBay借聊天机器人提升客服体验。

T2、消费者对商品的评价、消费者对商品的评分等属于隐式的消费者反馈。

F四、填空题1、今日推荐通常是根据消费者的( 购买记录)和浏览记录,再结合当下流行的商品,为消费者提供一个比较折中的推荐。

2、(电子商务)是指在互联网上以电子交易方式进行交易活动和相关服务活动,是传统商业活动各环节的电子化、网络化。

3、(动态定价)算法通过持续地数据输入和机器学习训练,使商品的净利润和销售额目标达到一个平衡的状态,并计算出一个最科学合理的价格,从而促进交易效率的大幅度提升。

4、(程序化广告)可以自动规划、购买并优化,帮助广告定主位具体受众和地理位置,可以用于在线展示广告、移动广告和社交媒体等一系列活动中。

5、(无人零售)是指基于智能技术实现的无导购员和收银员值守的新零售服务。

6、电子商务包括电子货币交换、供应链管理、电子交易市场、网络营销、在线事务处理、电子数据交换、存货管理和(自动数据收集)系统。

人工智能导论-各章习题答案

人工智能导论-各章习题答案
第五章习题答案
习题
答案:神经网络是一种模仿人脑神经元之间相互连接和传递信息的网络模型。神经网络通常由输入层、隐藏层和输出层组成,每一层都包含多个神经元,通过不同层之间的连接和权重,实现信息的传递和处理。
习题
答案:深度学习是一种基于神经网络的机器学习方法,通过多层次的网络结构和大量的数据进行训练,从而实现高效的模式识别和特征提取。深度学习在计算机视觉、自然语言处理等领域取得了许多重要的成果。
第二章习题答案
习题
答案:符号推理是一种基于逻辑和推理规则的方法,通过对符号和符号之间的关系进行操作和推理,从而实现问题的求解。符号推理通常涉及到语义、句法和语法的处理,需要对问题进行符号化表示。
习题
答案:决策树是一种常用的机器学习算法,用于解决分类问题。它基于树形结构,通过一系列的判断节点将数据进行分类。决策树的构建过程是一个递归的过程,每次选择一个最优的判断节点,并将数据分割为不同的子集,直到达到终止条件。
习题
答案:人工智能的应用非常广泛,涉及到各个领域。例如,在医疗领域,人工智能可以用于辅助医生进行诊断和治疗决策;在金融领域,人工智能可以用于风险评估和投资建议;在交通领域,人工智能可以用于智能交通管理和无人驾驶等。
习题
答案:人工智能的发展面临着一些挑战和问题。首先,人工智能的算法和模型需要不断优化和改进,以提高其性能和准确度。其次,人工智能系统需要大量的数据进行训练,但数据的获取和处理也面临一些困难。另外,还需要解决人工智能系统的安全和隐私问题,以保护用户的信息和权益。
以上是《人工智Байду номын сангаас导论》各章习题的答案。希望对学习人工智能的同学们有所帮助!
参考资料
1.Russell, S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach. Pearson.

人工智能课后习题第4章 参考答案

人工智能课后习题第4章 参考答案

第4章搜索策略参考答案4.5 有一农夫带一条狼,一只羊和一框青菜与从河的左岸乘船倒右岸,但受到下列条件的限制:(1) 船太小,农夫每次只能带一样东西过河;(2)如果没有农夫看管,则狼要吃羊,羊要吃菜。

请设计一个过河方案,使得农夫、浪、羊都能不受损失的过河,画出相应的状态空间图。

题示:(1) 用四元组(农夫,狼,羊,菜)表示状态,其中每个元素都为0或1,用0表示在左岸,用1表示在右岸。

(2) 把每次过河的一种安排作为一种操作,每次过河都必须有农夫,因为只有他可以划船。

解:第一步,定义问题的描述形式用四元组S=(f,w,s,v)表示问题状态,其中,f,w,s和v分别表示农夫,狼,羊和青菜是否在左岸,它们都可以取1或0,取1表示在左岸,取0表示在右岸。

第二步,用所定义的问题状态表示方式,把所有可能的问题状态表示出来,包括问题的初始状态和目标状态。

由于状态变量有4个,每个状态变量都有2种取值,因此有以下16种可能的状态:S0=(1,1,1,1),S1=(1,1,1,0),S2=(1,1,0,1),S3=(1,1,0,0)S4=(1,0,1,1),S5=(1,0,1,0),S6=(1,0,0,1),S7=(1,0,0,0)S8=(0,1,1,1),S9=(0,1,1,0),S10=(0,1,0,1),S11=(0,1,0,0)S12=(0,0,1,1),S13=(0,0,1,0),S14=(0,0,0,1),S15=(0,0,0,0)其中,状态S3,S6,S7,S8,S9,S12是不合法状态,S0和S15分别是初始状态和目标状态。

第三步,定义操作,即用于状态变换的算符组F由于每次过河船上都必须有农夫,且除农夫外船上只能载狼,羊和菜中的一种,故算符定义如下:L(i)表示农夫从左岸将第i样东西送到右岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

由于农夫必须在船上,故对农夫的表示省略。

人工智能习题参考答案

人工智能习题参考答案

• 神经网络主要通过指导式(有师)学习算法和非指导式(无师)学习 算法。此外,还存在第三种学习算法,即强化学习算法;可把它看做 有师学习的一种特例。 • (1)有师学习 • 有师学习算法能够根据期望的和实际的网络输出(对应于给定输入) 间的差来调整神经元间连接的强度或权。因此,有师学习需要有个老 师或导师来提供期望或目标输出信号。有师学习算法的例子包括 Delta规则、广义Delta规则或反向传播算法以及LVQ算法等。 • (2)无师学习 • 无师学习算法不需要知道期望输出。在训练过程中,只要向神经网络 提供输入模式,神经网络就能够自动地适应连接权,以便按相似特征 把输入模式分组聚集。无师学习算法的例子包括Kohonen算法和 Carpenter-Grossberg自适应谐振理论(ART)等。 • (3)强化学习 • 强化(增强)学习是有师学习的特例。它不需要老师给出目标输出。 强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网 络输出的优度(质量因数)。强化学习算法的一个例子是遗传算法 (GA)。
• • • • • • • • • •
• 6-2专家系统由哪些部分构成?各部分的作用为何? • 答: •
• 5-7遗传算法、进化策略和进化编程的关系如何?有何区别? • 遗传算法是一种基于空间搜索的算法,它通过自然选择、遗传、变异 等操作以及达尔文适者生存的理论,模拟自然进化过程来寻找所求问 题的解答。 • 进化策略(Evolution Strategies,ES)是一类模仿自然进化原理以求 解参数优化问题的算法。 • 进化编程根据正确预测的符号数来度量适应值。通过变异,为父代群 体中的每个机器状态产生一个子代。父代和子代中最好的部分被选择 生存下来。 • 进化计算的三种算法即遗传算法、进化策略和进化编程都是模拟生物 界自然进化过程而建立的鲁棒性计算机算法。在统一框架下对三种算 法进行比较,可以发现它们有许多相似之处,同时也存在较大的差别。 • 进化策略和进化编程都把变异作为主要搜索算子,而在标准的遗传算 法中,变异只处于次要位置。交叉在遗传算法中起着重要作用,而在 进化编程中却被完全省去,在进化策略中与自适应结合使用,起了很 重要的作用。 • 标准遗传算法和进化编程都强调随机选择机制的重要性,而从进化策 略的角度看,选择(复制)是完全确定的。进化策略和进化编程确定 地把某些个体排除在被选择(复制)之外,而标准遗传算法一般都对 每个个体指定一个非零的选择概率。
  1. 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. 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. 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)。

第4章搜索策略部分参考答案
4.5 有一农夫带一条狼,一只羊和一框青菜与从河的左岸乘船倒右岸,但受到下列条件的限制:
(1) 船太小,农夫每次只能带一样东西过河;
(2)如果没有农夫看管,则狼要吃羊,羊要吃菜。

请设计一个过河方案,使得农夫、浪、羊都能不受损失的过河,画出相应的状态空间图。

题示:(1) 用四元组(农夫,狼,羊,菜)表示状态,其中每个元素都为0或1,用0表示在左岸,用1表示在右岸。

(2) 把每次过河的一种安排作为一种操作,每次过河都必须有农夫,因为只有他可以划船。

解:第一步,定义问题的描述形式
用四元组S=(f,w,s,v)表示问题状态,其中,f,w,s和v分别表示农夫,狼,羊和青菜是否在左岸,它们都可以取1或0,取1表示在左岸,取0表示在右岸。

第二步,用所定义的问题状态表示方式,把所有可能的问题状态表示出来,包括问题的初始状态和目标状态。

由于状态变量有4个,每个状态变量都有2种取值,因此有以下16种可能的状态:
S0=(1,1,1,1),S1=(1,1,1,0),S2=(1,1,0,1),S3=(1,1,0,0)
S4=(1,0,1,1),S5=(1,0,1,0),S6=(1,0,0,1),S7=(1,0,0,0)
S8=(0,1,1,1),S9=(0,1,1,0),S10=(0,1,0,1),S11=(0,1,0,0)
S12=(0,0,1,1),S13=(0,0,1,0),S14=(0,0,0,1),S15=(0,0,0,0)
其中,状态S3,S6,S7,S8,S9,S12是不合法状态,S0和S15分别是初始状态和目标状态。

第三步,定义操作,即用于状态变换的算符组F
由于每次过河船上都必须有农夫,且除农夫外船上只能载狼,羊和菜中的一种,故算符定义如下:
L(i)表示农夫从左岸将第i样东西送到右岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

由于农夫必须在船上,故对农夫的表示省略。

R (i)表示农夫从右岸将第i样东西带到左岸(i=1表示狼,i=2表示羊,i=3表示菜,i=0表示船上除农夫外不载任何东西)。

同样,对农夫的表示省略。

这样,所定义的算符组F可以有以下8种算符:
L (0),L (1),L (2),L (3)
R(0),R(1),R (2),R (3)
第四步,根据上述定义的状态和操作进行求解。

该问题求解过程的状态空间图如下:
4.7 圆盘问题。

设有大小不等的三个圆盘A 、B 、C 套在一根轴上,每个盘上都标有数字1、2、3、4,并且每个圆盘都可以独立的绕轴做逆时针转动,每次转动90°,其初始状态S 0和目标状态S g 如图4-31所示,请用广度优先搜索和深度优先搜索,求出从S 0到S g 的路径。

解:设用q A ,q B 和q C 分别表示把A 盘,B 盘和C 盘绕轴逆时针转动90º,这些操作(算符)的排列顺序是q A ,q B ,q C 。

应用广度优先搜索,可得到如下搜索树。

在该搜索树中,重复出现的状态不再划出,节点旁边的标识S i ,i=0,1,2,…,为按节点被扩展的顺序给出的该节点的状态标识。

由该图可以看出,从初始状态S 0到目标状态S g 的路径是
初始状态S0 目标状态Sg
图 4-31 圆盘问题
(1,1,l,1) L(2) (0,1,0,1) (1,1,0,1) R(0) (0,0,0,1) L(1) (0,1,0,0)
L(3) (1,0,1,1) R(2) (1,1,1,0) R(2) (0,0,1,0) L(3)
L(2)
(1,0,1,0) R(0)
(0,0,0,0)
L(2)
S 0→2→5→13(S g )
其深度优先搜索略。

4.8 图4-32是5个城市的交通图,城市之间的连线旁边的数字是城市之间路程的费用。

要求从A 城出发,经过其它各城市一次且仅一次,最后回到A 城,请找出一条最优线路。

解:这个问题又称为旅行商问题(travelling salesman
problem, TSP )或货郎担问题,是一个较有普遍性的实
际应用问题。

根据数学理论,对n 个城市的旅行商问题,其封闭路径的排列总数为:
(n!)/n=(n-1)!
其计算量相当大。

例如,当n=20时,要穷举其所有路
4-32 交通费用图
4.7题的广度优先搜索树
径,即使用一个每秒一亿次的计算机来算也需要350年的时间。

因此,对这类问题只能用搜索的方法来解决。

下图是对图4-32按最小代价搜索所得到的搜索树,树中的节点为城市名称,节点边上的数字为该节点的代价g 。

其计算公式为
g(n i+1)=g(n i )+c(n i , n i+1)
其中,c(n i ,n i+1)为节点n i 到n i+1节点的边代价。

可以看出,其最短路经是 A-C-D-E-B-A 或
A-B-E-D-C-A
其实,它们是同一条路经。

4.11
其中,B 表示黑色将牌,W 表是白色将牌,E 表示空格。

游戏的规定走法是:
(1) 任意一个将牌可移入相邻的空格,规定其代价为1;
(2) 任何一个将牌可相隔1个其它的将牌跳入空格,其代价为跳过将牌的数目加1。

游戏要达到的目标什是把所有W 都移到B 的左边。

对这个问题,请定义一个启发函数h(n),并给出用这个启发函数产生的搜索树。

你能否判别这个启发函数是否满足下解要求?再求出的搜索树中,对所有节点是否满足单调限制?
解:设h(x)=每个W 左边的B 的个数,f(x)=d(x)+3*h(x),其搜索树如下:
A
B C D E
10 10 2 9
11 C D E B D E B C E B C D 2 9 11 8 8 12 6 18 22 16 3 8 10 5 10 12 3 9 21 12 18 6 8 9
D E 3 8 21 26 C E 3 9 25 31 C D 9 8 24 25 D E
12 6 22 16 B C 12 17 9 14 B D 6 9 16 19 C E 8 6 20 27 B E 8 8 20 20 C B 8 6 26 24 C D 8 12 17 25 29 B D 8 3 19 20 27 22
B C 12 3 32 23 B 6 20 A 10 30 28
A
2
30 D 12 28 D 9 27 E B 12 31 E E 8 28 E 6 26 B 6
26 E 9 30 B 8 31 B 12 34 D
3 28 C 8 32 D 3 27 D 9 35 E 8 33 E 9 31 图4.32的最小代价搜索树 3 6 23
4.14 设有如图4-34的与/或/树,请分别按和代价法及最大代价法求解树的代价。

解:若按和代价法,则该解树的代价为:
h(A)=2+3+2+5+2+1+6=21
若按最大代价法,则该解树的代价为:
h(A)=max{h(B)+5, h(C)+6} = max{(h(E)+2)+5, h(C)+6}
= max{(max(2, 3)+2)+5, max(2, 1)+6}
=max((5+5, 2+6)=10
4.15 设有如图4-35所示的博弈树,其中最下面的数字是假设的估值,请对该博弈树作如下工作:
(1) 计算各节点的倒推值;
(2)利用α-β剪枝技术剪去不必要的分枝。

解:各节点的倒推值和剪枝情况如下图所示:
习题4.15的倒推值和剪枝情况。

相关文档
最新文档