人工智能课后答案
人工智能(第3版)王万森部分习题答案
第二章2.8设有如下语句，请用相应的谓词公式分别把他们表示出来：(1)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。
解：定义谓词P(x)：x是人L(x,y)：x喜欢y其中，y的个体域是{梅花，菊花}。
将知识用谓词表示为：(∃x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花))(2) 有人每天下午都去打篮球。
解：定义谓词P(x)：x是人B(x)：x打篮球A(y)：y是下午将知识用谓词表示为：(∃x )(∀y) (A(y)→B(x)∧P(x))(3)新型计算机速度又快，存储容量又大。
解：定义谓词NC(x)：x是新型计算机F(x)：x速度快B(x)：x容量大将知识用谓词表示为：(∀x) (NC(x)→F(x)∧B(x))(4) 不是每个计算机系的学生都喜欢在计算机上编程序。
解：定义谓词S(x)：x是计算机系学生L(x, pragramming)：x喜欢编程序U(x,computer)：x使用计算机将知识用谓词表示为：¬(∀x) (S(x)→L(x, pragramming)∧U(x,computer))(5)凡是喜欢编程序的人都喜欢计算机。
解：定义谓词P(x)：x是人L(x, y)：x喜欢y将知识用谓词表示为：(∀x) (P(x)∧L(x,pragramming)→L(x, computer))2.10用谓词表示法求解农夫、狼、山羊、白菜问题。
农夫、狼、山羊、白菜全部放在一条河的左岸，现在要把他们全部送到河的右岸去，农夫有一条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。
狼要吃山羊，山羊要吃白菜，除非农夫在那里。
似规划出一个确保全部安全过河的计划。
请写出所用谓词的定义，并给出每个谓词的功能及变量的个体域。
解：(1) 先定义描述状态的谓词要描述这个问题，需要能够说明农夫、狼、羊、白菜和船在什么位置，为简化问题表示，取消船在河中行驶的状态，只描述左岸和右岸的状态。
人工智能吴飞版课后答案
人工智能吴飞版课后答案附加题请写出用一阶谓词逻辑表示法表示知识的步骤。
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予特定的值；（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。
什么是子句？什么是子句集？请写出谓词公式子句集的步骤。
解：子句就是由一些文字组成的析取式。
由子句构成的集合称为子句集。
步骤：（1）消去谓词公式中的蕴涵和双条件符号，以(A(B代替A(B，以(A(B)(((A((B)替换A(B。
（2）减少不定符号的辖域，使不定符号最多只作用到一个谓词上。
（3）重新命名变元名，使所有的变元的名字均不同，并且自由变元及约束变元亦不同。
（4）消去存在量词。
（5）把全称量词全部移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分。
（6）母式化为合取范式，建立起与其对应的子句集。
2-2用谓词表示法求解修道士和野人问题。
在河的北岸有三个修道士、三个野人和一条船，修道士们想用这条船将所有的人都运过河去，但要受到以下条件限制：(1)修道士和野人都会划船，但船一次只能装运两个人。
(2)在任何岸边，野人数不能超过修道士，否则修道士会被野人吃掉。
假定野人愿意服从任何一种过河安排，请规划出一种确保修道士安全的过河方案。
要求写出所用谓词的定义、功能及变量的个体域。
解：（1）定义谓词先定义修道士和野人人数关系的谓词：G(x,y,S)：在状态S下x大于yGE(x,y,S)：在状态S下x大于或等于y其中，x,y分别代表修道士人数和野人数，他们的个体域均为{0,1,2,3}。
再定义船所在岸的谓词和修道士不在该岸上的谓词：Boat(z,S)：状态S下船在z岸EZ(x,S)：状态S下x等于0，即修道士不在该岸上其中，z的个体域是{L,R}，L表示左岸，R表示右岸。
再定义安全性谓词：Safety(z,x,y,S)≡(G(x,0,S)∧GE(x,y,S))∨(EZ(x,S))其中，z,x,y的含义同上。
人工智能导论课后习题答案
人工智能导论课后习题答案人工智能导论课后习题答案人工智能（Artificial Intelligence，简称AI）是一门涉及计算机科学、心理学、哲学等多个领域的学科。
它研究如何使计算机能够模拟人类智能，实现像人类一样的思考、学习和决策能力。
人工智能的发展已经深刻地改变了我们的生活，从语音助手到自动驾驶汽车，从智能家居到医疗诊断，AI正逐渐成为我们日常生活中不可或缺的一部分。
在人工智能导论课中，学生们通常会遇到一些习题，以帮助他们更好地理解和应用人工智能的概念和技术。
下面是一些常见的人工智能导论课后习题及其答案，供大家参考。
1. 什么是人工智能？人工智能是指计算机系统通过模拟人类智能的方法和技术，实现像人类一样的思考、学习和决策能力。
它包括机器学习、自然语言处理、计算机视觉等多个领域。
2. 人工智能的发展历程是怎样的？人工智能的发展可以追溯到上世纪50年代。
在那个时候，人们开始使用计算机来模拟人类的思维过程。
随着计算能力的提升和算法的改进，人工智能逐渐取得了一些重要的突破，如专家系统、机器学习等。
近年来，深度学习和大数据的兴起，进一步推动了人工智能的发展。
3. 人工智能的应用领域有哪些？人工智能的应用领域非常广泛，涵盖了医疗、金融、交通、教育等多个领域。
例如，医疗领域可以利用人工智能技术进行疾病诊断和药物研发；金融领域可以利用人工智能技术进行风险评估和投资决策；交通领域可以利用人工智能技术实现自动驾驶等。
4. 机器学习是什么？机器学习是一种人工智能的分支，它研究如何使计算机能够从数据中学习，并根据学习到的知识进行决策和预测。
机器学习可以分为监督学习、无监督学习和强化学习等不同类型。
5. 什么是深度学习？深度学习是机器学习的一种方法，它模拟人脑神经网络的结构和功能，通过多层神经网络进行学习和决策。
深度学习在计算机视觉、自然语言处理等领域取得了很多重要的突破，如图像识别、语音识别等。
6. 人工智能是否会取代人类工作？人工智能在某些领域已经取得了很大的进展，但目前还不具备完全取代人类工作的能力。
人工智能及其应用(蔡自兴)课后答案
第二章知识表示方法2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点?答：状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。
一般用状态空间法来表示下述方法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。
问题规约法：已知问题的描述，通过一系列变换把此问题最终变成一个子问题集合：这些子问题的解可以直接得到，从而解决了初始问题。
问题规约的实质：从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把出示问题规约为一个平凡的本原问题集合。
谓词逻辑法：采用谓词合式公式和一阶谓词算法。
要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演莱证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。
语义网络法：是一种结构化表示方法，它由节点和弧线或链组成。
节点用于表示物体、概念和状态，弧线用于表示节点间的关系。
语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。
语义网络可用于表示多元关系，扩展后可以表示更复杂的问题2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。
该船的负载能力为两人。
在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。
他们怎样才能用这条船安全地把所有人都渡过河去?用S i(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。
考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况：1. nC=02. nC=33. nC=nY>=0 (当nC不等于0或3)用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。
人工智能课后习题第6章 参考答案
第6章不确定性推理参考答案6.8 设有如下一组推理规则:r1: IF E1THEN E2 (0.6)r2: IF E2AND E3THEN E4 (0.7)r3: IF E4THEN H (0.8)r4: IF E5THEN H (0.9)且已知CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.7。
求CF(H)=?解：(1) 先由r1求CF(E2)CF(E2)=0.6 × max{0,CF(E1)}=0.6 × max{0,0.5}=0.3(2) 再由r2求CF(E4)CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}}=0.7 × max{0, min{0.3, 0.6}}=0.21(3) 再由r3求CF1(H)CF1(H)= 0.8 × max{0,CF(E4)}=0.8 × max{0, 0.21)}=0.168(4) 再由r4求CF2(H)CF2(H)= 0.9 ×max{0,CF(E5)}=0.9 ×max{0, 0.7)}=0.63(5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H)CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H)=0.6926.10 设有如下推理规则r1: IF E1THEN (2, 0.00001) H1r2: IF E2THEN (100, 0.0001) H1r3: IF E3THEN (200, 0.001) H2r4: IF H1THEN (50, 0.1) H2且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知：P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36请用主观Bayes方法求P(H2|S1, S2, S3)=?解：(1) 由r1计算O(H1| S1)先把H1的先验概率更新为在E1下的后验概率P(H1| E1)P(H1| E1)=(LS1× P(H1)) / ((LS1-1) × P(H1)+1)=(2 × 0.091) / ((2 -1) × 0.091 +1)=0.16682由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半部分，得到在当前观察S1下的后验概率P(H1| S1)和后验几率O(H1| S1)P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1))= 0.091 + (0.16682 –0.091) / (1 – 0.6)) × (0.84 – 0.6)=0.091 + 0.18955 × 0.24 = 0.136492O(H1| S1) = P(H1| S1) / (1 - P(H1| S1))= 0.15807(2) 由r2计算O(H1| S2)先把H1的先验概率更新为在E2下的后验概率P(H1| E2)P(H1| E2)=(LS2×P(H1)) / ((LS2-1) × P(H1)+1)=(100 × 0.091) / ((100 -1) × 0.091 +1)=0.90918由于P(E2|S2)=0.68 > P(E2)，使用P(H | S)公式的后半部分，得到在当前观察S2下的后验概率P(H1| S2)和后验几率O(H1| S2)P(H1| S2) = P(H1) + ((P(H1| E2) – P(H1)) / (1 - P(E2))) × (P(E2| S2) – P(E2))= 0.091 + (0.90918 –0.091) / (1 – 0.6)) × (0.68 – 0.6)=0.25464O(H1| S2) = P(H1| S2) / (1 - P(H1| S2))=0.34163(3) 计算O(H1| S1,S2)和P(H1| S1,S2)先将H1的先验概率转换为先验几率O(H1) = P(H1) / (1 - P(H1)) = 0.091/(1-0.091)=0.10011再根据合成公式计算H1的后验几率O(H1| S1,S2)= (O(H1| S1) / O(H1)) × (O(H1| S2) / O(H1)) × O(H1)= (0.15807 / 0.10011) × (0.34163) / 0.10011) × 0.10011= 0.53942再将该后验几率转换为后验概率P(H1| S1,S2) = O(H1| S1,S2) / (1+ O(H1| S1,S2))= 0.35040(4) 由r3计算O(H2| S3)先把H2的先验概率更新为在E3下的后验概率P(H2| E3)P(H2| E3)=(LS3× P(H2)) / ((LS3-1) × P(H2)+1)=(200 × 0.01) / ((200 -1) × 0.01 +1)=0.09569由于P(E3|S3)=0.36 < P(E3)，使用P(H | S)公式的前半部分，得到在当前观察S3下的后验概率P(H2| S3)和后验几率O(H2| S3)P(H2| S3) = P(H2 | ¬ E3) + (P(H2) – P(H2| ¬E3)) / P(E3)) × P(E3| S3)由当E3肯定不存在时有P(H2 | ¬ E3) = LN3× P(H2) / ((LN3-1) × P(H2) +1)= 0.001 × 0.01 / ((0.001 - 1) × 0.01 + 1)= 0.00001因此有P(H2| S3) = P(H2 | ¬ E3) + (P(H2) – P(H2| ¬E3)) / P(E3)) × P(E3| S3)=0.00001+((0.01-0.00001) / 0.6) × 0.36=0.00600O(H2| S3) = P(H2| S3) / (1 - P(H2| S3))=0.00604(5) 由r4计算O(H2| H1)先把H2的先验概率更新为在H1下的后验概率P(H2| H1)P(H2| H1)=(LS4× P(H2)) / ((LS4-1) × P(H2)+1)=(50 × 0.01) / ((50 -1) × 0.01 +1)=0.33557由于P(H1| S1,S2)=0.35040 > P(H1)，使用P(H | S)公式的后半部分，得到在当前观察S1,S2下H2的后验概率P(H2| S1,S2)和后验几率O(H2| S1,S2)P(H2| S1,S2) = P(H2) + ((P(H2| H1) – P(H2)) / (1 - P(H1))) × (P(H1| S1,S2) – P(H1))= 0.01 + (0.33557 –0.01) / (1 – 0.091)) × (0.35040 – 0.091)=0.10291O(H2| S1,S2) = P(H2| S1, S2) / (1 - P(H2| S1, S2))=0.10291/ (1 - 0.10291) = 0.11472(6) 计算O(H2| S1,S2,S3)和P(H2| S1,S2,S3)先将H2的先验概率转换为先验几率O(H2) = P(H2) / (1 - P(H2) )= 0.01 / (1-0.01)=0.01010再根据合成公式计算H1的后验几率O(H2| S1,S2,S3)= (O(H2| S1,S2) / O(H2)) × (O(H2| S3) / O(H2)) ×O(H2)= (0.11472 / 0.01010) × (0.00604) / 0.01010) × 0.01010=0.06832再将该后验几率转换为后验概率P(H2| S1,S2,S3) = O(H1| S1,S2,S3) / (1+ O(H1| S1,S2,S3))= 0.06832 / (1+ 0.06832) = 0.06395可见，H2原来的概率是0.01，经过上述推理后得到的后验概率是0.06395，它相当于先验概率的6倍多。
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。
人工智能课后习题第3章 参考答案
第3章确定性推理参考答案3.8 判断下列公式是否为可合一，若可合一，则求出其最一般合一。
(1) P(a, b), P(x, y)(2) P(f(x), b), P(y, z)(3) P(f(x), y), P(y, f(b))(4) P(f(y), y, x), P(x, f(a), f(b))(5) P(x, y), P(y, x)解：(1) 可合一，其最一般和一为：σ={a/x, b/y}。
(2) 可合一，其最一般和一为：σ={y/f(x), b/z}。
(3) 可合一，其最一般和一为：σ={ f(b)/y, b/x}。
(4) 不可合一。
(5) 可合一，其最一般和一为：σ={ y/x}。
3.11 把下列谓词公式化成子句集：(1)(∀x)(∀y)(P(x, y)∧Q(x, y))(2)(∀x)(∀y)(P(x, y)→Q(x, y))(3)(∀x)(∃y)(P(x, y)∨(Q(x, y)→R(x, y)))(4)(∀x) (∀y) (∃z)(P(x, y)→Q(x, y)∨R(x, z))解：(1) 由于(∀x)(∀y)(P(x, y)∧Q(x, y))已经是Skolem标准型，且P(x, y)∧Q(x, y)已经是合取范式，所以可直接消去全称量词、合取词，得{ P(x, y), Q(x, y)}再进行变元换名得子句集：S={ P(x, y), Q(u, v)}(2) 对谓词公式(∀x)(∀y)(P(x, y)→Q(x, y))，先消去连接词“→”得：(∀x)(∀y)(¬P(x, y)∨Q(x, y))此公式已为Skolem标准型。
再消去全称量词得子句集：S={¬P(x, y)∨Q(x, y)}(3) 对谓词公式(∀x)(∃y)(P(x, y)∨(Q(x, y)→R(x, y)))，先消去连接词“→”得：(∀x)(∃y)(P(x, y)∨(¬Q(x, y)∨R(x, y)))此公式已为前束范式。
人工智能及其应用蔡自兴)课后答案
人工智能及其应用(蔡自兴)课后答案第二章知识表示方法2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点?答：状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。
一般用状态空间法来表示下述方法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。
问题规约法：已知问题的描述，通过一系列变换把此问题最终变成一个子问题集合：这些子问题的解可以直接得到，从而解决了初始问题。
问题规约的实质：从目标出发逆向推理，建立子问题以及子问题的子问题，直至最后把出示问题规约为一个平凡的本原问题集合。
谓词逻辑法：采用谓词合式公式和一阶谓词算法。
要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演莱证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。
语义网络法：是一种结构化表示方法，它节点和弧线或链组成。
节点用于表示物体、概念和状态，弧线用于表示节点间的关系。
语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。
语义网络可用于表示多元关系，扩展后可以表示更复杂的问题2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。
该船的负载能力为两人。
在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。
他们怎样才能用这条船安全地把所有人都渡过河去?用Si(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。
考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况： 1. nC=0 2. nC=33. nC=nY>=0 (当nC不等于0或3)用di(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。
人工智能课后答案
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。
7、设可交换产生式系统的一条规则R可应用于综合数据库D来生成出D'，试证明若R存在逆，则可应用于D'的规则集等同于可应用于D的规则集。
人工智能课后习题答案
1.1 解图如下：(1) 1->2(2) 1->3(3) 2->3(6) 3->2(5) 3->1(4) 2->11.2h(n)=∑每个W 左边B 的个数；h(n)满足A*条件；h(n)满足单调限制（大家分析）。
1.3h1(n)= c ij ，一般情况不满足A*条件，但此题满足；ACDEBA=34; h2(n)=|c ij -AVG{(c ij )|，不满足A*条件；ACBDEA=42; 1.4此题最优步数已定，具有A*特征的启发函数对搜索无引导作用。
1.5此题启发式函数见P41。
1.10规定每次一个圆盘按固定方向（如逆时针）转动45°；可用盲目搜索算法构造搜索树；也可构造启发式函数如：h(n)=8个径向数字和与12的方差。
1.11状态空间数：9！=362880；有用的启发信息：1）平方数为3位数的数字：10～31；2）平方的结果数字各位不能重复：13，14，16，17，18，19，23，24，25，27，28，29，31； 只需校验313C =286种状态。
2.1 解图：2.5后手只要拿走余下棋子-1的个数即可。
第3章 3.18以下符号中□表示⌝(1)证明：待归结的命题公式为)(P Q P →⌝∧，求取子句集为},,{P Q P ⌝，对子句集中的子句进行归结可得可得原公式成立。
(2)证明：待归结的命题公式为())(()())P Q R P Q P R →→∧→→→ （，合取范式为：()()P Q R P Q P R ∨∨∧∨∧∧ ，求取子句集为{,,,}S P Q R P Q P R =∨∨∨ ，对子句集中的子句进行归结可得：① P Q R ∨∨ ② P Q ∨③ P ④ R ⑤ Q②③归结⑥ P R ∨ ①④归结 ⑦ R ③⑥归结 ⑧ ④⑦归结 由上可得原公式成立。
(3)证明：待归结的命题公式为()(())Q P Q P Q →∧→→ ，合取范式为：()()Q P Q P Q ∨∧∨∧ ，求取子句集为{,,}S Q P Q P Q =∨∨ ，对子句集中的子句进行归结可得：① Q P ∨ ② Q③ Q P ∨④ P ①②归结 ⑤ P ②③归结 ⑥ ④⑤归结由上可得原公式成立。
- 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)。
1 / 35 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。
7、设可交换产生式系统的一条规则R可应用于综合数据库D来生成出D'，试证明若R存在逆，则可应用于D'的规则集等同于可应用于D的规则集。
8、一个产生式系统是以整数的集合作为综合数据库，新的数据库可通过把其中任意一对元素的乘积添加到原数据库的操作来产生。设以某一个整数子集的出现作为目标条件，试说明该产生式系统是可交换的。
第二章 课后习题 第二章 课后习题 2 / 35
1、用回溯策略求解如下所示二阶梵塔问题，画出搜索过程的状态变化示意图。 对每个状态规定的操作顺序为：先搬1柱的盘，放的顺序是先2柱后3柱；再搬2柱的盘，放的顺序是先3柱后1柱；最后搬3柱的盘，放的顺序是先1柱后2柱。
2、滑动积木块游戏的棋盘结构及某一种将牌的初始排列结构如下：
其中B表示黑色将牌，W表示白色将牌，E表示空格。游戏的规定走法是： （1）任意一个将牌可以移入相邻的空格，规定其耗散值为1； （2）任意一个将牌可相隔1个或2个其他的将牌跳入空格，规定其耗散值等于跳过将牌的数目；游戏要达到的目标是使所有白将牌都处在黑将牌的左边（左边有无空格均可）。对这个问题，定义一个启发函数h(n)，并给出利用这个启发函数用算法A求解时所产生的搜索树。你能否辨别这个h(n)是否满足下界范围？在你的搜索树中，对所有的节点满足不满足单调限制？
3、对1.4节中的旅行商问题，定义两个h函数（非零），并给出利用这两个启发函数用算法A求解1.4节中的五城市问题。讨论这两个函数是否都在h*的下界范围及求解结果。
4、2.1节四皇后问题表述中，设应用每一条规则的耗散值均为1，试描述这个问题h*函数的一般特征。你是否认为任何h函数对引导搜索都是有用的？
5、对N＝5，k≤3的M－C问题，定义两个h函数（非零），并给出用这两个启发函数的A算法搜索图。讨论用这两个启发函数求解该问题时是否得到最佳解。
6、证明OPEN表上具有f(n)＜f*(s)的任何节点n，最终都将被A*选择去扩展。 7、如果算法A*从OPEN表中去掉任一节点n，对n有f(n)＞F（F＞f*(s)），试说明为什么算法A*仍然是可采纳的。
8、用算法A逆向求解图2.7中的八数码问题，评价函数仍定义为f(n)=d(n)+w(n)。逆向搜索在什么地方和正向搜索相会。
9、讨论一个h函数在搜索期间可以得到改善的几种方法。 10、四个同心圆盘的扇区数字如图所示，每个圆盘可单独转动。问如何转动圆盘使得八个径向的4个数字3 / 35
和均为12。 第三章 课后习题 1、数字重写问题的变换规则如下： 6→3，3 4→3，1 6→4，2 3→2，1 4→2，2 2→1，1 问如何用这些规则把数字6变换成一个由若干个1组成的数字串。试用算法AO*进行求解，并给出搜索图。求解时设k-连接符的耗散值是k个单位，h函数值规定为：h（1）＝0，h（n）＝n（n≠1）。
2、余一棋的弈法如下：两棋手可以从5个钱币堆中轮流拿走一个、两个或三个钱币，拣起最后一个钱币者算输。试通过博弈证明，后走的选手必胜，并给出一个简单的特征标记来表示取胜策略。
3、对下图所示的博弈树，以优先生成左边节点顺序来进行α-β搜索，试在博弈树上给出何处发生剪枝的标记，并标明属于α剪枝还是β剪枝。
4、AO*算法中，第7步从S中选一个节点，要求其子孙不在S中出现，讨论应如何实现对S的控制使得能有效地选出这个节点。如下图所示，若E的耗散值发生变化时，所提出的对S的处理方法应能4 / 35
正确工作。 5、如何修改AO*算法使之能处理出现回路的情况。如下图所示，若节点C的耗散值发生变化时，所修改的算法能正确处理这种情况。
6、对3×3的一字棋，设用+1和-1分别表示两选手棋子的标记，用0表示空格，试给出一字棋产生式系统的描述。
7、写一个α-β搜索的算法。 8、用一个9维向量C来表示一字棋棋盘的格局，其分量根据相应格内的×，空或○的标记分别用+1，0，或-1来表示。试规定另一个9维向量W，使得点积C·W可作为MAX选手（棋子标记为×）估计非终端位置的一个有效的评价函数。用这个评价函数来完成几步极小-极大搜索，并分析该评价函数的效果。 5 / 35
第四章 课后习题 1、化下列公式成子句形式： （1）（x）[P（x）→P（x）] （2）{~{（x）P（x）}}→（x）[~P（x）] （3）~（x）{P（x）→{（y）[P（y）→P（f（x，y））]∧~（y）[Q（x，y）→P（y）]}} （4）（x）（y）{[P（x，y）→Q（y，x）]∧[Q（y，x）→S（x，y）]}→（x）（y）[P（x，y）→S（x，y）]
2、以一个例子证明置换的合成是不可交换的。 3、找出集{P（x，z，y），P（w，u，w），P（A，u，u）}的mgu。 4、说明下列文字集不能合一的理由： （1）{P（f（x，x），A），P（f（y，f（y，A）），A）} （2）{~P（A），P（x）} （3）{P（f（A），x），P（x，A）}
5、已知两个子句为 Loves（father（a），a） ~Loves（y，x）∨Loves（x，y） 试用合一算法求第一个子句和第二个子句的第一个文字合一时的结果。
6、用归结反演法证明下列公式的永真性： （1）（x）{[P（x）→P（A）]∧[P（x）→P（B）]} （2）（z）[Q（z）→P（z）]→{（x）[Q（x）→P（A）]∧[Q（x）→P（B）]} （3）（x）（y）{[P（f（x））∧Q（f（B））]→[P（f（A））∧P（y）∧Q（y）]} （4）（x）（y）P（x，y）→（y）（x）P（x，y） （5）（x）{P（x）∧[Q（A）∨Q（B）]}→（x）[P（x）∧Q（x）]
7、以归结反演法证明公式（x）P（x）是[P（A1）∨P（A2）]的逻辑推论，然而，（x）P（x）的Skolem形即P（A）并非[P（A1）∨P（A2）]的逻辑推论，请加以证明。
8、给定下述语句： John likes all kinds of food. Apples are food. Anything anyone eats and isn't killed by is food. Bill eats peanuts and is still alive. Sue eats everything Bill eats. （1）用归结法证明"John likes peanuts。" 6 / 35
（2）用归结法提取回答"What food does Sue eat?" 9、已知事实公式为 （（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：
10、设公理集为 （u）LAST（cons（u，NIL），u）（cons是表构造函数） （x）（y）（z）（LAST（y，z）→LAST（cons（x，y），z））（LAST（x，y）代表y是表x的最末元素） （1）用归结反演法证明如下定理： （v）LAST（cons（2，cons（1，NIL）），v） （2）用回答提取过程求表（2，1）的最末元素v。 （3）简要描述如何使用这个方法求长表的最末元素。
11、对一个基于规则的几何定理证明系统，把下列语句表示成产生式规则： （1）两个全等的三角形的对应角相等。 （2）两个全等的三角形的对应边相等。 （3）如果两个三角形对应边是相等的，则这两个三角形全等。 （4）一个等腰三角形的底角是相等的。