COM07043_2011级_人工智能基础(A卷)_标准答案.docVIP

课程编号：COM07043 北京理工大学 2013 - 2014 学年第 一 学期 2011级人工智能基础期末试题A卷 班级 学号 姓名 成绩 一、判断题（10分，每小题1分） 按Strong AI的观点，可以认为Google自动汽车是智能的。 （(） BP神经网络学习算法的优化目标是使实际输出与期望输出之间的误差平方和最小化。 （√） 蚁群优化算法中，每个人工蚂蚁都需要构建自己的解。 （√） State Space和And/Or Graph只是两种不同的问题表示方法，但其解决问题的思路是一样的。 （(） Self-Organizing Feature Map(SOFM)神经网络可用于聚类。 （√） 通过Breadth-First Search算法一定能找到最优解。 （√） 归结演绎推理方法是一种反证法。 （√） Decision Tree中的非叶节点对应于属性值。 （(） Genetic Algorithms属于表现型进化算法。 （(） k-中心点聚类算法中，每个簇用其均值来代表。 （(） 二、填空题（20分，每空2分） 从计算实质上来说，Supervised Learning是对 的学习。 所有Heuristic Search方法想要解决的基本问题都是 。 Evolutionary Algorithms中，通过 操作降低解的多样性以便使算法收敛，通过 操作增加解的多样性以便发现全局最优解。 将语句“所有瞎眼老鼠都没有尾巴”用First-Order Logic (FOL)来表示，可以是 ，将其转换为合取范式是。 Minimum Description Length准则是 奥卡姆剃刀 原则的体现。在利用该准则解决决策树学习问题时，需要考虑两个编码长度，分别是 编码长度 和 数据的长度 常用 数据采样 手段提高聚类算法的效率。 三、计算题（50分） 在下图所示的图结构上，S为起始节点，G为目标节点，边上的数字表示从某节点到另一节点的距离。现要求计算从S到G的最短路径。 兹给出各点对应的启发函数值如下表所示： 点 S A B C D G 启发距离 22 20 8 12 10 0 问题如下： 1）以上启发函数符合A*算法的可容许性条件吗？请回答并说明原因。[3分] 答：符合，因为可容许性条件是：h(n)=h*(n)，h(n)为当前结点到目标结点的估值，即题中给出的启发函数。h*(n)为实际问题的代价值，对于每一点，均满足这个条件h(n)=h*(n)，因此，此启发函数符合A*算法的可容许性条件 2）如果以上启发函数符合A*算法的可容许性条件，请用A*搜索方法求解该问题。给出搜索图，在图上标注每个节点的启发函数值（h值）和估价函数值（f值），以及节点扩展顺序。[7分] 节点扩展顺序：S — C — D — G 2. 下图所示为一棵Game Tree，其中末一行的数字是节点的静态估值。如按从左到右顺序进行剪枝搜索。请在图上标注搜索与剪枝过程，包括节点上的倒推值和被剪去的分枝（在剪枝处用×做标记(）。在此基础上说明计算的最终目标是什么。[10分] 目标：。 3. 某公司招聘工作人员，A、B、C三人面试，经面试后公司表示如下想法： （1）三人中至少录取一人。 （2）如果录取A而不录取B，则一定录取C。 （3）如果录取B，则一定录取C。 求证：用Resolution推理方法证明公司一定录取C。[10分] 答： （1） （2） （3） 并将其转化为合取范式如下： ① ② ③ 然后，结论： 最后，如下： ； ②④归结，得⑥ ③④归结，得⑦ ⑤⑥归结，得⑧ ⑦⑧归结，得NIL 因此，公司一定录取C. Admission(x):表示x被录用；┐Admission(x):表示x未被录用 Admission(x) →true Admission(A) ∧ ┐Admission(B) →A