参考：
一、选择题
- AI的缩写是 ++++Artificial Intelligence++++
- 反演归结（消解）证明定理时，若当前归结式是++++空子句++++时，则定理得证
知识点总结 ：归结反演的证明步骤：
- 将已知前提表示为谓词公式F，将待证明的结论取反得到谓词公式非Q
- 把谓词公式集 {F, 非Q} 转化为子句集S
- 运用归结原理 对子句集S中的字句进行归结，每次归结得到的归结式并入S中，反复以上操作，直到出现空子句NIL，则停止归纳，证明Q为真
- 从已知事实出发，通过规则库求得结论的产生式系统的推理方式是++++正向推理++++
知识点总结 ：推理 按照方向 可分类为：
(1) 正向推理 ：事实驱动推理，已知事实推导出结论
缺点：盲目、效率低
(2) 逆/反向推理 ：以某个假设目标作为出发点
优点：不必使用与目标无关的知识，目的性强，有利于向用户提供解释
缺点：起始目标的选择有盲目性
- 混合推理 ：先正向后逆向 or 先逆向后正向
- 双向推理：正向与逆向同时进行，在某处"碰头"
- 语义网络表达知识时，有向弧AKO链、ISA链是用来表达结点知识的++++继承性++++
- (A->B)^A=>B 是 ++++假言推理++++
知识点总结 ：自然推理演绎的推理规则 有：
- 假言推理 ：P, P->Q => Q
- 拒取式推理 ：P->Q, 非Q=>非P
- P规则（前提引入） ：即用已知前提来推导
- T规则（结论引入） ：即用推理得到的结论来进一步推导
- 什么命题是可以判断真假的 ++++陈述句++++
- 仅个体变元被量化的谓词称为++++一阶谓词++++
知识点总结 ：关于一阶谓词 知识点：
- 个体 可以是常量、变量 （变元） 、函数、谓词
- 连接词/连词（5个，优先级由高到低）：否定(negation)、析取(disjunction) or、合取(conjunction) and、蕴含(implication)/条件(position)、等价(equivalence)/双条件
- 量词（quantifier）：全称量词（universal quantifier）、存在量词（existential quantifier）
- MGU是++++最一般合一++++
- 1997年5月，著名的"人机大战"，最终计算机以3.5比2.5的总分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为++++深蓝++++
- 人工智能系统的知识包含4个要素：事实、规则、控制、元知识
知识点总结 ：鲁滨逊归结原理（消解原理）的基本思想：
- 检查子句集S中是否包含空子句，若包含，则S不可满足。
- 若不包含，在S中选择合适的字句进行归结，一旦归结出空子句，就说明S是不可满足的。
鲁滨逊归结原理 ：
- C1 = 非P or Q ，C2 = 非Q or R，C3 = P，则 C12 = 非P or R，C123 = R
- C12 是 C1 和 C2 的归结式，C1 和 C2 是 C12 的亲本子句
- C12 是 C1 和 C2 的逻辑结论，所以若 C1 和 C2 为真，则 C12 为真
- C1 和 C2 是子句集S中的两个子句，C12 替代or不替代 C1 和 C2 加入到S中得到新子句集S1，S1的不可满足性 <=> S的不可满足性
- 或图通常称为++++状态图++++
- 人工智能的含义最早由一位科学家于1950年提出，并且同时提出 一个机器智能的测试模型，这个科学家是++++图灵++++
- 要想机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫++++机器学习++++
- 首次提出人工智能是在++++1956++++年
- 人工智能应用研究的两个最重要最广泛领域为++++专家系统、机器学习++++
- 填空题
- 不确定性类型按性质分为++++随机性、模糊性、不完全性、不一致性++++
PPT中是分为似然推理、模糊推理
- 在删除策略归结的过程中删除以下字句：含有++++纯文字、永真式++++ 的字句；子句集中被其他字句++++蕴含++++的字句。
- 图：指由++++节点++++ 和++++有向边++++ 组成的网络，按连接同一节点的各边的逻辑关系又可分为++++或图++++ 和++++与或图++++ （解决某个问题即可解决其父辈问题的结点集合叫或图，只有解决所有子问题才能解决其父辈问题的结点集合叫与或图）
- 合一算法：求非空有限具有相同谓词名的原子公式集的++++最一般合一（MGU）++++
- 产生式系统的推理过程中，从可触发规则中选择一个规则来执行，被执行的规则称为++++被触发规则++++
- P(B|A) 表示在规则++++A->B++++ 中，证据A为真的作用下结论B为真的++++概率++++
- 人工智能的远期目标是++++制造智能机器++++ ，近期目标是++++实现机器智能++++
- 目前人工智能的主要学派有三家：++++符号主义、进化主义、连接主义++++
- 问题的状态空间包含三种说明的集合：++++初始状态集合S、操作符集合F、目标状态集合G++++
- 启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为++++启发式信息++++
- 计算智能是人工智能研究的新内容，涉及++++神经计算、模糊计算、进化计算++++
- 不确定性推理主要有两种不确定性，即关于++++结论++++ 的不确定性和关于++++证据++++的不确定性
- 简答题及计算题
- 什么是产生式？产生式规则的语义是什么？
答：产生式规则基本形式：P->Q 或者 IF P THEN Q
P是产生式的前提，用于指出该产生式是否可用的条件
Q是一组结论或操作，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作。
产生式规则的语义：如果前提P被满足，则可推出结论Q或执行Q所规定的操作
- 谓词公式转化为子句集的9个步骤：（箭非重，存前，标全，合重）
- 消除蕴含、等价符号（去箭 头）
- 把否定符号移到每个谓词前面
- 变量标准化（把重 名的变量名改掉）
- 消去存 在量词（通过代入函数的方式把存在量词去掉）
- 化为前 束形（把全称量词提到最前面）
- 化为Skolem标 准形（利用公式标准化，去掉可去的括号）
- 略去全称量词
- 消去合取词（加逗号，变成集合）
- 字句变量标准化（将不同字句中的重 名变量改名）
- 语义网络问题
- 用语义网络表示如下事实：山西大学是一个学校，位于太原市，建立时间是1902年
答:
- 假若要求解的问题是：山西大学位于哪个城市？如何利用语义网络进行推理求解呢？
答：首先将待求解的问题表示成一个局部的语义网络，如图所示：
然后到语义网络系统的知识库中去匹配就会发现，与待求解问题局部网络未知处相匹配的事实是"太原市"。所以，这个问题的解就是太原市。
- 用一阶谓词逻辑法表示"太原的夏天既干燥又炎热"
答：State(x, y, z) : x市在y季节气候处于z状态，
则：State(太原，夏天，干燥) ^ State(太原，夏天，炎热)
- 画出语义网络："籍贯为湖南的张山在信息学院读书，该学校位于健翔桥附近，该校由计算机系、信息系和通信系组成"
答：
- 产生式系统中，推理机的推理方式有几种？在产生式推理过程中，如果发生策略冲突，如何解决？产生式与谓词逻辑中的蕴含式有什么共同处及不同处？
- 正向推理、逆/反向推理、混合推理、双向推理
- 在产生式推理过程中，如果发生规则冲突，要利用冲突解决策略进行启用规则的选择，常用的冲突消解策略：按针对性排序、按已知事实的新鲜性（后生成性）排序、按匹配度（不确定性推理）排序、按条件个数排序（优先选择条件少的）（针对性、新鲜性、匹配度、条件少）
- 产生式基本形式与谓词逻辑中的蕴含式具有相同的形式。它们的区别 在于：蕴含式只能表示精确性知识，其逻辑值要么为真，要么为假；而产生式不仅可以表示精确性知识，而且可以表示不精确知识。
- 用全局择优搜索法求解重排九宫问题，设初始状态S0和目标状态Sg如下：
估价函数定义：f(x) = d(x) + h1(x)，其中d(x) 表示结点x的深度，h1(x) 表示结点x中的数字位置和目标结点中不相同的数字个数。例如：
- 画出全局择优搜索树，在每个结点旁注明该结点的f值
- 给出解题路径
答：全局择优搜索树如下图所示：
解题路径为 S0->S1->S2->S3->Sg
- 搜索方法分为哪两大类？两者的区别是什么？
答：搜索方法分为：盲目搜索、启发式搜索
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。
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。
- （此类题型很多，举一反三即可）每个读书的人都是为了获得知识。证明：对某个人来说，若不能获得知识，则他就不会读书。
证明：定义谓词：read(x)：x读书，knowledge(x)：x获得知识
将前提和要求证的问题之否定化为子句集：
- ~read(x) or knowledge(x)
- ~knowledge(y)
- read(y)
利用归结原理对上面的子句集中的字句进行归结：
- ~read(y) (1)与(2)归结，sigma={y/x}
- NIL (3)与(4)归结
证明完毕
10、将谓词公式转化为子句集：（箭非重，存前，标全，合重）
11、证明G是否肯定是F1, F2的逻辑结论，要求写出求解过程
四、名词解释
1、人工智能
-
遗传算法
-
专家系统
序系统。
- 机器学习
5、数据挖掘