4.请把下列命题用一个语义网络表示出来： 1.树和草都是植物2.树和草都有叶和根3.水草是草，且生长在水中 4.果树是树，且会结果5.梨树是果树中的一种，它会结梨 (1) 树和草都是植物； 解：
植物 AKO 草
AKO
树
(2) 树和草都有叶和根； 解：
叶
Have 植物 是一种 树 根 Have 是一种 草 (3) 水草是草，且生长在水中； 解： AKO AKO 水草 草 植物
(4) 果树是树，且会结果； 解：
AKO AKO 果树 树 植物
(5) 梨树是果树中的一种，它会结梨。 解： AKO AKO 梨树 果树 树 Live 水中 Can 结果 Can 结梨
叶 Have Have 根 植物 AKO 树 AKO 果树 水草 AKO 梨树 Can 结梨 5. 给出多边形的层次框架体系
框架名<多边形> 类属：二维多边形 类型：平面封闭多边形 约束条件：1.封闭 2.凹凸多边形 3角和边
6、对于函数f(x)=xsin(1/x),x∈[0.05,0.5]，若要求求解精度到6位小数，如何进行二进制编解码？ f(x)?xsin(10??x)?2.0 x?[?1,2]用微分法求取f(x)的最大值：
f'(x)?sin(10??x)?10??x?cos(10??x)?0
即 tan(10??x)??10??x
解有无穷多个： 2i?1?x???i, i?1,2,? ?i 20?i(i?1,2,?及i??1,?2,?)是?x?0 ， ?0一接近于0的实数递减序列。?2i?1 ??i, i??1,?2,??xi?20?
? 问题的提出
当i为奇数时xi对应局部极大值点，i为偶数时xi对应局部极小值。x19即为区间[-1,2]内的最大值点：
37 x??19?1.85?1919 20此时，函数最大值f(x19)比f(1.85)=3.85稍大。
Live 水中 AKO 草 AKO
??? 编码
表现型：x 基因型：二进制编码（串长取决于求解精度） 串长与精度之间的关系：
若要求求解精度到6位小数，区间长度为2-(-1)＝3，即需将区间分为3/0.000001=3×106等份。
2122
所以编码的二进制串长应为22位。
? 产生初始种群
产生的方式：随机
产生的结果：长度为22的二进制串 产生的数量：种群的大小（规模），如30，50，… 1111010011100001011000 1100110011101010101110 1010100011110010000100 1011110010011100111001 0001100101001100000011 0000011010010000000000 …… ? 计算适应度
不同的问题有不同的适应度计算方法 本例：直接用目标函数作为适应度函数 ①将某个体转化为[-1,2]区间的实数：
s=<1000101110110101000111> → x=0.637197 ②计算x的函数值（适应度）：
f(x)=xsin(10πx)+2.0=2.586345 ? 计算适应度（简单函数值替换） 二进制与十进制之间的转换：
第一步，将一个二进制串（b21b20…b0）转化为10进制数：
21
(b21b20?b0)2?(bi?2i)10?x' i?0 第二步，x’对应的区间[-1,2]内的实数：
2?(?1)
x??1.0?x'?22(0000000000000000000000)→-1 2?1
(1111111111111111111111)→2
? 遗传操作
选择：轮盘赌选择法； 交叉：单点交叉； 变异：小概率变异 ? 模拟结果
设置的参数：
2097152?2?3000000?2?4194304? 种群大小50；交叉概率0.75；变异概率0.05；最大迭代数200。 得到的最佳个体：
smax=<1111001100111011111100>; xmax=1.8506; f(xmax)=3.8503;
? 遗传算法的选择策略有哪些？详细描述俄罗斯轮盘赌的选择策略。
1. 轮盘赌选择 2. 随机遍历抽样 3. 局部选择 4. 截断选择 5. 锦标赛选择
俄罗斯轮盘赌：比如说种群中有20个个体，那么每个个体的适应度除以20个个体适应度的和得到的就是该个体的被选择的概率。轮盘赌选择时，每个个体类似于轮盘中的一小块扇形，扇形的大小与该个体被选择的概率成正比。那么，扇形越大的个体被选择的概率越大。这就是轮盘赌选择法。
10、名词解释：
弱人工智能；弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
符号主义: 符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义(Logicism)
席尔勒的中文屋子: 又称作华语房间是由美国哲学家约翰·希尔勒在1980年设计的一个思维试验以推翻强人工智能（机能主义）提出的过强主张：只要计算机拥有了适当的程序，理论上就可以说计算机拥有它的认知状态以及可以像人一样地进行理解活动。
模式识别: 借助计算机，就人类对外部世界某一特定环境中的客体、过程和现象的识别功能(包括视觉、听觉、触觉、判断等)进行自动模拟的科学技术。
人工神经网络: 是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。
专家系统: 根据人们在某一领域内的知识、经验和技术而建立的解决问题和做决策的计算机软件系统，它能对复杂问题给出专家水平的结果。
11. 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))
12. 用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。
A
B C
B C A
图 机器人摞积木问题
解：(1) 先定义描述状态的谓词
CLEAR(x)：积木x上面是空的。 ON(x, y)：积木x在积木y的上面。 ONTABLE(x)：积木x在桌子上。 HOLDING(x)：机械手抓住x。
HANDEMPTY：机械手是空的。
其中，x和y的个体域都是{A, B, C}。
问题的初始状态是：
ONTABLE(A)
人工智能导论复习资料
