人工智能2012年试题

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:下面，对上述部分应用领域进行一些简单介绍：1. 科学计算（或称为数值计算）早期的计算机主要用于科学计算。

目前，科学计算仍然是计算机应用的一个重要领域，如高能物理、工程设计、地震预测、气象预报、航天技术等。

2. 数据处理（信息管理）用计算机来加工、管理与操作任何形式的数据资料，如企业管理、物资管理、报表统计、帐目计算、信息情报检索，主要包括数据的采集、转换、分组、组织、计算、排序、存储、检索等。

3. 辅助工程计算机辅助设计、制造、测试（CAD/CAM/CAT）。

①用计算机辅助进行工程设计、产品制造、性能测试；②办公自动化；③经济管理；④情报检索；⑤自动控制；⑥模式识别等。

4. 生产自动化利用计算机对工业生产过程中的某些信号自动进行检测，并把检测到的数据存入计算机，再根据需要对这些数据进行处理。

5. 人工智能开发一些具有人类某些智能的应用系统，如计算机推理、智能学习系统、专家系统、机器人等。

人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。

也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。

这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是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。

人工智能是一门研究用计算机来模仿和执行人脑的某些智力功能的交叉学科，所以人工智能问题的求解也是以知识为基础的。

如何从现实世界中获取知识、如何将已获得的知识以计算机内部代码的形式加以合理的表示以便于存储，以及如何运用这些知识进行推理以解决实际的问题，即知识的获取、知识的表示和运用知识进行推理是人工智能学科研究的3个主要问题。

电子计算机是迄今为止最有效的信息处理工具，以至于人们称它为“电脑”。

但现在的普通计算机系统的智能还相当低下，譬如缺乏自适应、自学习、自优化等能力，也缺乏社会常识或专业知识等，而只能是被动地按照人们为它事先安排好的工作步骤进行工作。

因而它的功能和作用就受到很大的限制，难以满足越来越复杂和越来越广泛的社会需求。

既然计算机和人脑一样都可进行信息处理，那么是否也能让计算机同人脑一样也具有智能呢?这正是人们研究人工智能的初衷。

事实上，如果计算机自身也具有一定智能的话，那么，它的功效将会发生质的飞跃，成为名副其实的电“脑”。

这样的电脑将是人脑更为有效的扩展和延伸，也是人类智能的扩展和延伸，其作用将是不可估量的。

例如，用这样的电脑武装起来的机器人就是智能机器人。

智能机器人的出现，将标志着人类社会进入了一个新的时代。

研究人工智能也是当前信息化社会的迫切要求。

人类社会现在已经进入了信息化时代。

但信息化的进一步发展，就必须有智能技术的支持。

例如，当前迅速发展着的国际互联网Internet就强烈地需要智能技术。

特别是当我们要在Internet上构筑信息高速公路时，其中有许多技术问题就要用人工智能的方法来解决。

这就是说，人工智能技术在Internet和未来的信息高速公路上将发挥重要作用。

智能化也是自动化发展的必然趋势。

自动化发展到一定水平，再向前发展就是智能化，即智能化是继机械化、自动化之后，人类生产和生活中的又一个技术特征。

另外，研究人工智能，对探索人类自身智能的奥秘也可提供有益的帮助。

因为我们可以通过电脑对人脑进行模拟，从而揭示人脑的工作原理，发现自然智能的渊源。

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，机器识别，行为仿真等。

（人工只能的地位及作用，自由发挥吧）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，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）对群体中的每一个染色体xi计算概率；（6）依据计算得到的概率值，从群体中随机的选取N个染色体，得到种群从种群中选择染色体进行交配，其子代进入新的群体，（7）依据交配概率pc种群中未进行交配的染色体，直接复制到新群体中；从新群体中选择染色体进行变异，用变异后的染色体（8）依据变异概率pm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：① E→H CF(H,E) CF(E)CF(H)=CF(H,E) ×CF(E) →g1(CF(H,E),CF(E)) CF(H)=max{0,CF(E)} ×CF(H,E) (CF(E)>=0) ② E1→H CF(H,E1)E2→H CF(H,E2)CF(E1) CF(E2)CF1(H) CF2(H)CF1(H)+CF2(H)- CF1(H) ×CF2(H) CF1(H)>=0,CF2(H)>=0CF(H)= CF1(H)+CF2(H) CF1(H) ×CF2(H)<0CF1(H)+CF2(H)+ CF1(H) ×CF2(H) CF1(H)<0,CF2(H)<0③E1∧E2→H CF(H,E1∧E2)CF(E1) CF(E2) >=0CF(E1∧E2)=min{CF(Ei)}g1 (CF(H,E1∧E2),CF(∧Ei))④∨Ei→H CF(H,∨Ei)CF(Ei)>=0CF(∨Ei)=max{CF(Ei)}g1 (CF(H, ∨Ei),CF(∧Ei))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（Global Database），一组产生式规则（Set of Rules）和一个控制策略（Control Strategies）。

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：通常从选择规则到执行操作分三步：匹配，冲突消解和操作。

1)匹配：把当前数据库和规则的条件部分相匹配。

如果两者完全匹配，则把这条规则称为触发的规则2)冲突消解：当有一个以上的规则条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为冲突消解3) 操作：操作就是执行规则的操作部分，经过操作以后，当前数据库将被修改。

然后，其他的规则有可能被使用推理过程五、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。

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。