山东大学软件学院人工智能导论22级及之前往年题汇总整理

刚考完发一下自己整理的复习资料，今年考题好不一样呜呜呜，问算法不问思想了，血的教训

软工大三上限选的学弟学妹22级及以前的往年题看看我的就行，包全的（因为前几年换mwj老师了也没多少往年题）

复习笔记可以看看csdn其他学长学姐的，比如

山东大学软件学院人工智能导论复习笔记_山东大学人工智能导论-优快云博客

建议直接ppt

22级考试题如下

一、名词解释5x4=20

1.机器感知

2.不确定性推理

3.机器行为

4.命题

5.进化算法

二、简答5x6=30

1.简述粒子群算法

2.基于证据理论的不确定性推理的步骤：（下面是ppt答案）

（1）建立问题的样本空间D。

（2）由经验给出，或者由随机性规则和事实的信度度量求得基本概率分配函数。

（3）计算所关心的子集的信任函数值、似然函数值。

（4）由信任函数值、似然函数值得出结论。

3.bp算法实现流程

4.遗传算法步骤

5.专家系统特点

大题50

1.谓词公式15

老李的儿子是工程师

Smith作为工程师为IBM工作

小明不打篮球不踢足球

2.归结原理10

问谁和谁是祖孙关系

若A是B的父亲，B是C的父亲，则A是C的祖父

老李是大李的父亲

大李是小李的父亲

3.画出宽度优先搜索和A搜索的算法流程图15

4.阐述你对深度学习的理解10

---

题型

5个名词解释4分一个20‘

5个简答题6分一个30’

大题4题，分布不均，50‘

以下为所有往年题总结，前面的标号不用在意，我把重复的删掉了

一. 名词解释

数据挖掘

数据挖掘（DM）是从数据库中挖掘知识。

演绎推理

演绎推理（Deductive Reasoning）是一种逻辑推理形式，它从一般性的前提出发，通过逻辑推导得出具体结论的过程。

演绎推理的基本步骤通常包括：

大前提：一个普遍性的陈述或原则。

小前提：一个与大前提相关的特定陈述。

结论：一个从大前提和小前提逻辑上必然得出的陈述。

智能计算

智能计算：受自然界和生物界规律的启迪，人们根据其原理模仿设计了

许多求解问题的算法，包括人工神经网络、模糊逻辑、遗传算法等，这些算法

称为智能计算，也称为计算智能。

启发式搜索

考虑特定问题领域可应用的知识，动态地确定调用操作算子的步骤，优先选择较适合的操作算子，尽量减少不必要的搜索，以求尽快地到达结束状态。

前束范式

前束形=（前缀）{母式}

（前缀）：全称量词串。

 {母式}：不含量词的谓词公式。

C－F模型：基于可信度表示的不确定性推理的基本方法。   

1强人工智能（ppt没有）

强人工智能: 指具备与人类同等智慧、 或超越人类的人工智能, 能表现正常人类所具有的所有智能行为;

弱人工智能: 以语音识别、 图像识别、 自然语言处理、个性化推荐等为代表的具有解决特定任务的能力, 但是没有自主意识的,具备“专项”能力的智能系统

2机器学习

机器学习（Machine learning）使计算机能模拟人的学习行为，自动地通过学习来获取知识和技能，不断改善性能，实现自我完善。

3归纳推理

归纳推理 (inductive reasoning):  个别 → 一般

         完全归纳推理（必然性推理）              

         不完全归纳推理（非必然性推理）

5人工神经网络

人工神经网络是对人脑或生物神经网络若干基本特性的抽象和模拟。

2.不确定性推理

从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。

3.专家系统

专家系统是一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题。

或者说专家系统：一类包含知识和推理的智能计算机程序

4.状态空间法

状态：表示系统状态、事实等叙述型知识的一组变量或数组

操作：表示引起状态变化的过程型知识的一组关系或函数

5.深度学习

深度学习(Deep Learning)特指基于深层神经网络模型和方法的机器学习（百度百科）

深度学习（英语：deep learning）是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。（维基百科）

知识发现

知识发现的全称是从数据库中发现知识（KDD）

双倍体遗传算法

双倍体遗传算法采用显性和隐性两个染色体同时进行进化，提供了一种记忆以前有用的基因块的功能。

双倍体遗传算法采用显性遗传

盲目搜索

盲目搜索：在不具有对特定问题的任何有关信息的条件下，按固定的步骤（依次或随机调用操作算子）进行的搜索。

二. 简答题

模糊推理中模糊关系的合成有哪些方法？

最大—最小合成法，最大—代数积合成法（来自网络搜索）

Ppt只有叉积使用最小算子运算

1.简述证据理论中信任函数，似然函数的区别与联系。

信任函数，Bel函数又称为下限函数，Bel(A)表示对命题A为真的总的信任程度。

似然函数，Pl函数又称为上限函数或不可驳斥函数，Pl(A)表示对A为非假的信任程度。

2.简述遗传算法的基本思想。

在求解问题时从多个解开始，然后通过一定的法则进行逐步迭代以产生新的解。

3.画出专家系统的基本结构，并简要解释核心部件的功能。

知识库：

1.知识存储

2.知识组织与管理

3.知识共享与重用

推理机

1.推理执行

2.冲突消解

3.解释执行

（来自gpt）

简述产生式系统的工作过程。

（1）从规则库中选择与综合数据库中的已知事实进行匹配。

（2）匹配成功的规则可能不止一条，进行冲突消解。

（3）执行某一规则时，如果其右部是一个或多个结论，则把这些结论加入到综合数据库中：如果其右部是一个或多个操作，则执行这些操作。

（4）对于不确定性知识，在执行每一条规则时还要按一定的算法计算结论的不确定性。

（5）检查综合数据库中是否包含了最终结论，决定是否停止系统的运行。

1搜索过程

搜索的主要过程：

(1)  从初始或目的状态出发，并将它作为当前状态。

(2)  扫描操作算子集，将适用当前状态的一些操作算子作用于当前状态而得到新的状态，并建立指向其父结点的指针 。

(3)  检查所生成的新状态是否满足结束状态，如果满足，则得到问题的一个解，并可沿着有关指针从结束状态反向到达开始状态，给出一解答路径；否则，将新状态作为当前状态，返回第(2)步再进行搜索。

4证据理论如何区分不确定和不知道

自己编的，ppt和网上都没有

Pl-Bel量化不确定程度

Bel=0,Pl=1，不知道

6产生式和蕴含式区别

产生式与谓词逻辑中的蕴含式的区别：

（1）除逻辑蕴含外，产生式还包括各种操作、规则、变换、算子、函数等。例如，“如果炉温超过上限，则立即关闭风门”是一个产生式，但不是蕴含式。

（2）蕴含式只能表示精确知识，而产生式不仅可以表示精确的知识，还可以表示不精确知识。蕴含式的匹配总要求是精确的。产生式匹配可以是精确的，也可以是不精确的，只要按某种算法求出的相似度落在预先指定的范围内就认为是可匹配的。

2.简述卷积神经网络的卷积和池化的基本思想。

卷积大部分的特征提取都依赖于卷积运算，利用卷积算子对图像进行滤波，可以得到显著的边缘特征。

对不同位置的特征进行聚合统计,称为池化

3.简述BP神经网络的学习算法。

1. 人工智能的阶段及特点

孕育（1956年之前）

形成（1956年－1969年）

发展（1970年－   ）

1977年，费根鲍姆在第五届国际人工智能联合会议上提出了“知识工程”概念，推动了知识为中心的研究。专家系统的研究在多领域取得重大突破。这个时期也称为知识应用时期

1986年之后也称为集成发展时期。计算智能（Computer Intelligence， CI）弥补了AI在数学理论和计算上的不足，丰富了AI理论框架，使人工智能进入了一个新的发展时期

大数据驱动发展期（2011年－   ）

2. 回溯搜索算法的基本思想

（1）用未处理状态表（NPS）使算法能返回（回溯）到其中任一状态。

（2）用一张“死胡同”状态表（NSS）来避免算法重新搜索无解的路径。

（3）在PS 表中记录当前搜索路径的状态，当满足目的时可以将它作为结果返回。

（4）为避免陷入死循环必须对新生成的子状态进行检查，看它是否在该三张表中 。

3. 指导式学习的基本思想

指导式学习：由外部环境向系统提供一般性的指示或建议，系统把它们具体地转化为细节知识并送入知识库中。在学习过程中要反复对形成的知识进行评价，使其不断完善。

指导式学习的学习过程：征询指导者的指示或建议 、把征询意见转换为可执行的内部形式 、加入知识库、评价。   

4. 粒子群优化算法的基本思想

基本思想：将每个个体看作n维搜索空间中一个没有体积质量的粒子，在搜索空间中以一定的速度飞行，该速度决定粒子飞行的方向和距离。所有粒子有一个由优化函数决定的适应值。

5. 机器学习及学习结构

机器学习：机器学习（Machine learning）使计算机能模拟人的学习行为，自动地通过学习来获取知识和技能，不断改善性能，实现自我完善。

一个学习系统一般应该有环境、学习、知识库、执行与评价等四个基本部分组成。

三. 问答题

4. 简谈对人工神经网络的认识和看法

人工神经网络：模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。

（以下来自gpt）

一、认识

1. 结构原理

人工神经网络模仿生物神经网络，由神经元组成，包括输入、隐藏和输出层。神经元接收输入，加权求和后经激活函数产生输出，传递给下一层。连接神经元的权重在训练中调整，以学习输入输出关系。

2. 学习机制

主要有监督、无监督和强化学习。监督学习依据输入 - 输出对调整权重减少误差；无监督学习自动发现数据模式；强化学习根据环境奖励学习最优策略。

3. 类型与应用

包括前馈、循环、长短期记忆和生成对抗网络等多种类型。前馈用于分类和回归；循环和长短期记忆网络处理序列数据；生成对抗网络用于生成新数据，应用场景涵盖图像识别、自然语言处理等众多领域。二、看法

 1. 优势

具有强大非线性拟合能力，能处理复杂数据；自适应和自学习，可适应数据变化；有并行处理潜力，能提升计算效率。

2. 局限与挑战

依赖大量优质数据，数据差会影响性能；模型解释性差，限制在某些领域的应用；计算资源和时间成本高，阻碍应用和实时性要求。

4.（10）

简述“人工智能”的研究领域，并谈一下“人工智能”的发展趋势。

（来自ppt第一章太多了随便写几个就行）

自动定理证明、博弈、模式识别、机器视觉、智慧医疗、自然语言理解、机器听觉、机器翻译、智能信息检索、数据挖掘与知识发现、专家系统、自动程序设计、机器人、无人驾驶、智慧物流、人工神经网络、分布式人工智能与多智能体、智能控制、智能仿真、智能CAD

、智能CAI 、智能管理与智能决策、智能多媒体系统、智能操作系统、智能计算机系统、智能通信、智能网络系统、人工生命。

（以下内容来自gpt）

人工智能的发展趋势如下：

技术深化与融合

深度学习持续优化：深度学习技术将更加注重模型的优化和效率提升，以满足更复杂和多样化的应用需求。

多模态融合发展：未来人工智能系统将更倾向于融合多种模态的数据，如文本、图像、语音、视频等，从而实现更全面、更深入的理解和交互。

与其他技术深度融合：人工智能将与物联网、边缘计算、量子计算等技术深度结合，推动智能家居、智能城市、量子人工智能等领域的发展。

应用拓展与创新

更广泛的行业渗透：人工智能将进一步拓展到更多行业和领域，如科学研究、医疗保健、金融服务、教育、农业、制造业等，带来更多创新应用和解决方案，实现各行业的智能化升级。

智能体的兴起：专为特定任务设计的人工智能体将会广泛出现，如 AI Agent 私人化，人人可以设计自己的 AI Agent 智能体，可在科研、制造、客户服务等领域表现卓越，提供更个性化、更高效的服务。

安全与伦理规范

伦理和法律受关注：随着人工智能技术的广泛应用，相关的伦理和法律问题将越来越受到关注，如公平性、透明度、隐私保护、数据安全等，未来需要制定更加完善的法律法规和政策措施，以平衡人工智能技术的发展和社会利益之间的关系。

模型安全性提升：研究人员将更加注重提高人工智能模型的安全性和可靠性，防止其被恶意利用或产生意外的有害行为，如对抗攻击、模型欺骗等。

人才需求与教育变革

专业人才需求增长：人工智能的发展将持续创造大量的就业机会，对具备人工智能专业知识和技能的人才需求将不断增加，包括机器学习工程师、自然语言处理专家、计算机视觉工程师等。

教育体系改革：教育机构将逐渐调整和优化课程设置，增加人工智能相关的课程和培训项目，培养适应人工智能时代需求的人才，同时也将更加注重培养学生的创新思维、跨学科知识和实践能力。

1.用一阶谓词公式表示下列关系
（1）有一个人是所有人的经理。
（2）某些人对食物过敏。
（3）喜欢读《红楼梦》的人，一定喜欢读《京华烟云》。
（4）有些大学生运动员是国家选手。
（5）不是每个软件学院的学生喜欢在开发板上编程。

2.假设所有通过计算机考试并获奖的人是快乐的，假设所有肯学习的或幸运的都能通过所有考试，小张不肯学习但是幸运的，任何幸运的人都能获奖。运用归结原理证明：小张是快乐的。

在八数码问题中，A搜索算法的估价函数 f(n) = d(n) + w(n)，其中 d(n) 表示深度，w(n) 表示启发函数，画出下面两种方法的搜索树，并说明哪种是A*算法，以及给出对应的最优路径。
初始状态：

（这是学长往年题原图，我觉得应该1和7互换位置，ppt原图）
目的状态：

（1）w(n) = h(n) ，表示与目的状态不符的数码数目。
（2）w(n) = p(n) ，表示各数码移到目的位置所需的移动距离的总和。

我做的答案最优解步数步数：都是5步，第二个是A*算法

大题

1. CF计算（简单 记得背公式做做例题就行）

类似于

公式

过程见ppt  答案0.49

2.

Ppt原题

3. ppt上积木问题

操作算子为MOVE（X，Y）：把积木X搬到Y（积木或桌面）上面。操作算子可运用的先决条件：

1）被搬动积木X的顶部必须为空；

2）如果 Y 是积木，则积木 Y 的顶部也必须为空；

3）同一状态下，运用操作算子的次数不得多于一次。

宽度优先搜索策略，写出宽度优先搜索树，并写出结束状态时的open表和closed表

1.（3×5=15）用谓词公式表示以下内容：

（1）老李的儿子是工程师。

（2）工程师Kimth为IBM公司工作。

（3）小李喜欢踢足球或打篮球。

2.（10）(PPT上原题)

已知：

（规则1）任何人的兄弟不是女性。

（规则2）任何人的姐妹必是女性。

（事实）Mary是Bill的姐妹。

证明：Mary不是Tom的兄弟。

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

2所有大学生都喜欢一些歌星

3尽管有人聪明，但未必人人聪明

2、关于归结原理的题目：谁是盗窃犯？

A：赵和钱至少有一个是盗窃犯

B：钱和孙至少有一个是盗窃犯

C：孙和李至少有一个是盗窃犯

D：赵和孙至少有一个不是盗窃犯

E：钱和李至少有一个不是盗窃犯

问：谁是盗窃犯

我的答案是钱和孙是盗窃犯

3、关于搜索的题目：

B   B    W   W    E

目标：W全在B的左边，E是空格

设计启发函数，画搜索树。

备注：在网上找了一个示例，大概就如下这意思，只不过期末题目是2个B和W，然后期末的游戏规则2是最多跳过一个牌。

差不多如下这个原题：