人工智能复习.docx

学问点1 .什么是人工智能？它的讨论目标是什么？人工智能的讨论目标远期目标揭示人类智能的根本机理，用智能机器去模拟、延长和扩展人类的智能涉及到脑科学、认知科学、计算机科学、系统科学、掌握论等多种学科，并依靠于它们 的共同进展近期目标讨论如何使现有的计算机更聪慧，即使它能够运用学问去处理问题，能够模拟人类的智 能行为。相互关系远期目标为近期目标指明白方向近期目标则为远期目标奠定了理论和技术基础2 .人工智能有哪几个主要学派？各自的特点是什么？人工智能讨论的三高校派：随着人工神经网络的再度兴起和布鲁克()的机器虫的消失，人工智能讨论形成了符 号主义、联结主义和行为主义三高校派。符号主义学派是指基于符号运算的人工智能学派，他们认为学问可以用符号来表示，认知可以通过符 号运算来实现。例如，专家系统等。联结主义学派是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，人工神经网 络讨论掀起了其次次高潮。之后，随着模糊规律和进化计算的逐步成熟，又形成了 “计算智 能”这个统一的学科范畴。行为主义学派是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制胜利了 能在未知的动态环境中漫游的有6条腿的机器虫。智能科学技术学科讨论的主要特征(1)由对人工智能的单一讨论走向以自然智能、人工智能、集成智能为一体的协同讨论；(2)由人工智能学科的独立讨论走向重视与脑科学、认知科学、等学科的交叉讨论；(3)由多个不同学派的独立讨论走向多学派的综合讨论；(4)由对个体、集中智能的讨论走向对群体、分布智能的讨论；(5)智能技术应用已渗透到人类社会的各个领域。学问表示的类型按学问的不同存储方式：陈述性学问：学问用某种数据结构来表示；学问本身和使用学问的过程相分别。过程性学问：学问和使用学问的过程结合在一起。学问表示的基本方法非结构化方法：一阶谓词规律产生式规章结构化方法：语义网络按性质划分，不确定性大致可分为随机性、模糊性、不完全性、不全都性和时变性等几种类 型。有两种不确定性，即关于证据的不确定性和关于结论的不确定性。贝叶斯网络是20世纪80年月进展起来的，最早由Judea Pearl于1986年提出，多用于专家 系统，成为表示不确定性学问和推理问题的流行方法。贝叶斯网络最早起源于贝叶斯统计分析，它是概率理论和图论相结合的产物。它使用图论描述问题的结构，然后依据概率论的原则分析问题的结构加以采用，以降低推理 的计算简单度。贝叶斯网络能够精确描述一组随机变量的联合概率分布和变量之间的关系。贝叶斯网络的组成和结构贝叶斯网络由网络结构和条件概率表两部分组成。贝叶斯网的网络结构是一个有向无环 图.由结点和有向弧段组成。每个结点代表一个大事或者随机变量，变量值可以是离散的或 连续的，结点的取值是完备互斥的。表示起因的假设和表示结果的数据均用结点表示。有向 弧表示变量之间的关联。网络中的每个节点都有一个概率分布，其中根节点附的是边缘概率分布，非根节点是条件概 率分布。贝叶斯网是一个二元组B=<G,P> ,在该网络中，G是有向无环图，P是条件概率。猜测、诊断和训练构成了贝叶斯网络的三个主要议题。：贝叶斯网络的猜测是指从起因推想 一个结果的推理，也称为由顶向下的推理。目的是由缘由推导出结果。已知肯定的缘由（证 据），采用贝叶斯网络的推理计算，求出由缘由导致的结果发生的概率。贝叶斯网络的诊断 是指从结果推想一个起因的推理，也称为由底至上的推理。目的是在已知结果时，找出产生 该结果的缘由。贝叶斯网络学习是指由先验的贝叶斯网络得到后验的贝叶斯网络的过程。先 验贝叶斯网络是依据用户的先验学问构造的贝叶斯网络，后验贝叶斯网络是把先验贝叶斯网 络和数据相结合而得到的贝叶斯网络。 贝叶斯网络学习的实质是用现有数据对先验学问 的修正。贝叶斯网络模型是由网络结构和条件概率分布表（Conditional Probability Table, CPT）组成 的，基于贝叶斯网络的学习包括结构学习和参数学习两个内容。结构学习，即采用训练样 本集,尽可能结合先验学问，确定最合适的贝叶斯网络模型结构。参数学习是在给定结构下， 确定贝叶斯网络模型的参数，即每个结点上的CPT表。在贝叶斯网络学习过程中，结构学习是核心，构建最优网络的方法有两种：第一种是依靠 专家阅历学问，通过询问专家进行手工构造；其次种是通过对大量的样本数据集分析获得, 也就是采用机器学习方法分析数据获得贝叶斯网常用评分函数有最大似然评分、BIC评分、贝叶斯评分和最小描述长度MDL评分给机器学习1 .讨论如何使用机器来模拟人类学习活动的一门学科2 .（严格）：机器学习是一门讨论机器猎取新学问和新技能，并识别现有学问的学问.机器学习的主要策略：机械学习、通过传授进行学习、类比学习、归纳学习、通过 事例进行学习以及人工神经网络学习等©机器学习系统通常应当具有如下重要特征：目的性系统的学习行为是高度目的性的，即系统必需知道学习什么 结构性系统必需具备适当的结构来记忆已学到的东西，即能够修改并完善学问表示与组织的形式有效性系统学习到的学问应受到实践的检验，新学问必需对改善系统的行为起 有益的作用。这一观点称为机器学习的进展标准 开放性系统的力量应在实际使用过程中，在同环境进行信息交互的过程中不断 进化类比学习代表性的方法有转换类比、派生类比、基于示例的学习等类比和基于示例的学习是同一思维方法的两个方面:两者都要依靠记忆的情景学问来指导简 单的问题求解，但前者强调对过去状况的修改、改写和验证过程，而后者注意示例记忆的组 织、层次索引和检索类比有多种形式：如方法类比、概念类比、图形类比、联想型类比等等归纳学习一般的操作是泛化和特化：泛化用来扩展一假设的语义信息，以使其能够包含更 多的正例，应用于更多的状况；特化是泛化的相反操作，用于限制概念描述的应用范围归纳学习的首要任务在于构造类型定义选择：1、AI的英文缩写是A）Automatic IntelligenceB）Artifical IntelligenceC）Automatice InformationD）Artifical Information.下列哪个不是人工智能的讨论领域（）A.机器证明B.模式识别C.人工生命D.编译原理.神经网络讨论属于下列（）学派A.符号主义B.连接主义C.行为主义D.都不是.已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合；这些子问题的 解可以直接得到，从而解决了初始问题。这是学问表示法叫（）A.状态空间法B.问题归约法C.谓词规律法D.语义网络法.假如问题存在最优解，则下面几种搜寻算法中，（）必定可以得到该最优解，（）可以 认为是“智能程度相对比较高”的算法。A.广度优先搜寻B.深度优先搜寻C.有界深度优先搜寻D.启发式搜寻4 .产生式系统的推理不包括（）A.正向推理B.逆向推理C.双向推理D.简洁推理.下列哪部分不是专家系统的组成部分（）A.用户5 .综合数据库C推理机D.学问库8.要想让机器具有智能，必需让机器具有学问。因此，在人工智能中有一个讨论领域，主 要讨论计算机如何自动猎取学问和技能，实现自我完善，这门讨论分支学科叫（）oA.专家系统B.机器学习C.神经网络D.模式识别！9、语义网络表达学问时，有向弧AKO链、ISA链是用来表达节点学问的（）。A）无悖性B）可扩充性C）继承性10人工智能诞生于（）年1、人工智能讨论中的学派包括（1）、（2） 、（3） o2、从已知事实动身，通过规章库求得结论的产生式系统的推理方式是3、假如问题存在最优解，则上2J叟寻算法必定可以得到该最优解。4、按性质划分，不确定性大致可分为（6）、 、 、（9）、（10） O5.常用的二种盲目搜寻方法是 和；引入启发式学问来指导OPEN表中节点的排序可划分为二种方式 和。6、人工智能的远期目标是，近期目标是 O二、简答题1、简述人工智能及其讨论内容。2、什么是学问？它有那些特性？3、试解释机器学习、有监督学习、无监督学习、强化学习。4、解释下列模糊性学问：1）张三，体型，（胖，0.9）。2）（患者，症状，（头疼，0.95）A （患者，症状，（发烧，1.1） 一（患者，疾病，（感冒，1.2） 答：答：1）表示：命题“张三比较胖" 2）解释为：假如患者有些头疼并且发高烧，则他患了 重感冒。4、简洁阐述产生式系统的组成：5、什么是不精确推理？不精确推理中需要解决的基本问题有那些？6、什么是学习和机器学习？三、用语义网络表示下列信息：1、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）苹果树是果树中的一种，它会结苹果。2、（1）胡途是思源公司的经理，他35岁，住在飞天胡同68号清华高校与北京高校进行蓝球竞赛，最终以89： 102的比分结束。四、应用题1、有一农夫带一匹狼，一只羊和一筐青菜从河的左岸乘船到右岸，但受到下列条件的限制：（1）船太小，农夫每次只能带一样东西过河；（2）假如没有农夫看管，则狼要吃羊，羊要吃菜。分别使用谓词表示法和状态空间表示法设计过河方案，使得农夫、狼、羊都能不受损失 的过河。2、八数码嬉戏，初始棋局和目标棋局如图，定义启发函数h （x）表示某状态下与目标数码 不同的位置个数，用全局择优法画出搜寻的过程。初始状态:3、试实现一个“高校老师”的框架，高校老师类属于老师，包括以下属性：学历（学士、 硕士、博士）、专业（计算机、电子、自动化）、职称（助教、讲师、副教授、教授）（5分）4、设有如下问题1）在一个3X3的方框内放有8个编号的小方块；2）紧邻空位的小方块可以移入到空位上；3）通过平移小方块可将某一布局（如图所示）变换为另一布局。问题：1）请用产生式规章表示移动小方块的操作。2）请以“不在位的将牌数之和”为启发，演示A算法搜寻过程。5、例4.15用遗传算法求函数f（x）=x2的最大值，x为【0,31上的整数。6、例4.17模糊集之间的运算五、用谓词公式表示以下语句1、有的人喜爱玫瑰花，有的人喜爱百合花，有的人既喜爱玫瑰花又喜爱百合花。2、他每天下午都去跑步。3、不是每个计算机系的同学都喜爱在计算机上编程序。4、凡是喜爱编程序的人都喜爱计算机。5、除了选修人工智能的同学外，都去舞会了。6、全部的人都是要呼吸的。7、每个同学都要参与考试。8、任何整数或是正的或是负的。（9分）9、将命题：“某个同学读过三国演义”分别用谓词公式和语义网络表示10、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）有的人喜爱梅花，有的人喜爱菊花，有的人即喜爱梅花又喜爱菊花。2）他每天下午都去打篮球。3）新型计算机又快，存储容量又大。4）不是每个计算机系的同学都喜爱在计算机上编程序。5）凡是喜爱编程序的人都喜爱计算机。框架学问表示的其它方法状态空间法和问题归约法。推理过程的心理形式从心理学的角度，推理是一种心理过程。可有以下几种主要形式：(1)三段论推理由两个假定真实的前提和一个可能符合也可能不符合这两前提的结论组成。(2)线性推理或称线性三段论，这种推理的三个推断之间具有线性关系。(3)条件推理即前一命题是后一命题的条件。(4)概率推理即用概率来表示学问的不确定性，并依据所给出的概率来估量新的概率。推理方法的分类形式按推理的逻辑基础归纳推理分类V按知识的确定性r确定性推理1不确定性推理(按推理的控制策略推理策略搜索理策略演绎推理与归纳推理的区分演绎推理是在已知领域内的一般性学问的前提下，通过演绎求解一个详细问题或者证明 一个结论的正确性。它所得出的结论实际上早已蕴含在一般性学问的前提中，演绎推理只不 过是将已有事实揭露出来，因此它不能增殖新学问。归纳推理所推出的结论是没有包含在前提内容中的。这种由个别事物或现象推出一般性 学问的过程，是增殖新学问的过程。推理掌握策略及其分类推理的掌握策略推理的掌握策略是指如何使用领域学问使推理过程尽快达到目标的策略。它可分为推理 策略和搜寻策略。推理策略主要解决推理方向、冲突消解等问题，如推理方向掌握策略、求解策略、限制策略、冲 突消解策略等推理方向掌握策略用于确定推理的掌握方向，可分为正向推理、逆向推理、混合推理 及双向推理。求解策略是指仅求一个解，还是求全部解或最优解等。限制策略是指对推理的深度、宽度、时间、空间等进行的限制。冲突消解策略是指当推理过程有多条学问可用时，如何从这多条可用学问中选出一条最 佳学问用于推理的策略。搜寻策略主要解决推理线路、推理效果、推理效率等问题。机器人移盒子问题：机器人从c点动身，将盒子从a桌拿到b桌，然后再回到c处。ab 讨论的对象： 桌子X的个体域是a, b 机器人y的个体域是robot 位置z的个体域是a, b,c 物体w的个体域是box 描述状态的谓词： TABLE(x)： x 是桌子 EMPTY(y)： y手中是空的 AT(y,z)： y在z的四周 HOLDS(y, w)： y 拿着 w ON(w, x)： w在x桌面上 问题的初始状态 AT(robot, c) EMPTY(robot) ON(box, a) TABLE(a) TABLE(b) 问题的目标状态 AT(robot, c) EMPTY(robot) ON(box, b) TABLE(a) TABLE(b) 机器人需要执行的操作 Goto(x, y)：从x处走到y处。 Pickup(x)：在x处拿起盒子。 Setdown(x)：在x处放下盒子。 操作对应的条件和动作如下 Goto(x, y)条件：AT(robot, x)动作:删除表：AT(robot, x)添加表：AT(robot, y)Pickup(x)条件：ON(box, x), TABLE(x), AT(robot, x), EMPTY(robot)动作:删除表：EMPTY(robot), ON(box, x)添加表：HOLDS (robot, box)Setdown(x)条件：AT(robot, x), TABLE(x), HOLDS(robot, box)动作：删除表：HOLDS(robot, box)添加表：EMPTY(robot), ON(box, x)AT (robot, c) EMPTY (robot) ON (box, a) Goto TABLE (a)TABLE (b)AT (robot, a)EMPTY (robot)AT(robot c)(c, a) ON (box, a) Pickup (x)系若邛"阳。'). TABLE (a). TABLE (a)TABLE (b)TABLE (b)Goto (a, b)AT (robot, b)HOLDS (robot- box)TABLE (a) SetdownTABLE (b)AT (robot, b) EMPTY (robot)AT (robot, c) EMPTY (robot),、ON (box, b) Goto (b, c) ON (box, b) 15/ TABLE (a) '，- TABLE (a)TABLE (b)TABLE (b)2JL TART由 小>TABLE (a)猴子摘香蕉问题：请写出猴子摘香蕉的求解过程ccb 描述状态的谓词AT(x, y)： x 在 y 处 ONBOX：猴子在箱子上HB：猴子得到香蕉 其中，x的个体域是Monkey, Box, BananaY的个体域是a, b, c问题的初始状态AT(Monkey, a)AT(Box, b)-ONBOX ,fB问题的目标状态AT(Monkey, c) , AT(Box, c)ONBOX ,HB需要的操作Goto(u, v)：猴子从u处走到v处Pushbox(v, w)：猴子推着箱子从v处移到w处Climbbox：猴子爬上箱子Grasp：猴子摘取香蕉操作对应的先决条件及动作Goto(u, v)条件：-ONBOX , AT(Monkey, u), 动作：删除表：AT(Monkey, u)添加表：AT(Monkey, v)Pushbox(v, w)条件：-ONBOX , AT(Monkey, v), AT(Box, v)动作：删除表：AT(Monkey, v), AT(Box, v)添加表：AT(Monkey, w), AT(Box,w) Climbbox条件：-ONBOX , AT(Monkey, w), AT(Box,w)动作：册IJ除表：-ONBOX添加I表：ONBOXGrasp条件：ONBOX, AT(Box, c)动作：删除表：-hb添加表：HB猴子摘香蕉问题的求解过程如下:状态1(初始状态)AT( monkey, a)开头Goto( a, b) =>AT( box, b)ONBOX-iHB状态2AT( monkey, b) AT( box, b)-ONBOXHB状态3AT( monkey, c )AT( monkey, c )Pushbox( b,c)=>AT( box, c )-1 ONBOX-iHB状态4AT( monkey, c)ClimbboxGrasp=>AT( box, c )ONBOX-HB状态5(目标状态)AT( monkey, c)AT( box, c)ONBOXHB谓词规律表示的特征主要优点自然：一阶谓词规律是一种接近于自然语言的形式语言系统，谓词规律表示法接近于 人们对问题的直观理解明确：有一种标准的学问解释方法，因此用这种方法表示的学问明确、易于理解 精确：谓词规律的真值只有“真”与“假。其表示、推理都是精确的 敏捷：学问和处理学问的程序是分开的，无须考虑处理学问的细节模块化：学问之间相对独立，这种模块性使得添加、删除、修改学问比较简洁进行 主要缺点学问表示力量差：只能表示确定性学问，而不能表示非确定性学问、过程性学问和启发 式学问学问库管理困难：缺乏学问的组织原则，学问库管理比较困难存在组合爆炸：由于难以表示启发式学问，因此只能盲目地使用推理规章，这样当系统 学问量较大时，简洁发生组合爆炸系统效率低:它把推理演算与学问含义截然分开,抛弃了表达内容中所含有的语义信息， 往往使推理过程冗长，降低了系统效率产生式系统的特点主要优点：自然性、模块性、有效性、全都性主要缺点：效率较低、不能表示结构性学问语义网络的概念及结构语义网络是通过概念及其语义关系来表示学问的一种网络图，它是一个带标记的有向图。 其中有向图的各节点用来表示各种概念、事物、属性、状况、动作、状态等，节点上的 标注用来区分各节点所表示的不同对象，每个节点可以带有若干个属性，以表示其所代 表的不同对象的特性；弧是有方向、有标注的，方向用来体现节点间的主次关系，而其 上的标注则表示被联接的两个节点间的某种语义联系或语义关系。一个最简洁的语义网络可由一个三元组表示：（节点1,弧,节点2）基本语义关系实例关系：ISA体现的是“详细与抽象”的概念，含义为“是一个”，表示一个事物是另一个事物的 一个实例。例“李刚是一个人” 分类关系：AKO也称泛化关系，体现的是“子类与超类”的概念，含义为“是一种”，表示一个事物 是另一个事物的一种类型。例“机器人是一种机器”成员关系： A-Member-of体现的是“个体与集体”的关系，含义为“是一员”，表示一个事物是另一个事 物的一个成员。例“张强是共青团员”属性关系指事物和其属性之间的关系。常用的有：Have：含义为“有。表示一个结点具有另一个结点所描述的属性Can：含义为“能”、“会”，表示一个结点能做另一个结点的事情例如：“鸟有翅膀”包含关系（聚类关系）指具有组织或结构特征的“部分与整体”之间的关系。常用的包含关系是：Part-of ：含义为“是一部分”，表示一个事物是另一个事物的一部分。例如，“大脑是人体的一部分”时间关系指不同大事在其发生时间方面的先后次序关系。常用的时间关系有：Before：含义为“在前" After:含义为“在后”如：“伦敦奥运会在北京奥运会之后”，位置关系指不同事物在位置方面的关系。常用的有：Located-on：含义为“在b面” Located-under：含义为“在.下面”Located-at：含义为“在.” 如，"书在桌子上”相近关系指不同事物在外形、内容等方面相像或接近。常用的相近关系有：Similar-to：含义为“相像"Near-to：含义为“接近”如，“猫似虎”语义网络表示的特征主要优点：结构性把事物的属性以及事物间的各种语义联系显式地表示出来，是一种结构 化的学问表示方法。在这种方法中，下层结点可以继承、新增、变异上层结点的属性。联想性原来是作为人类联想记忆模型提出来的，它着重强调事物间的语义联系,体现了人类的联想思维过程。自然性 语义网络可以比较直观把学问表示出来，符合人们表达事物间关系的习 惯。主要缺点：非严格性 没有象谓词那样严格的形式表示体系，一个给定语义网络的含义完全 依靠于处理程序对它所进行的解释，通过语义网络所实现的推理不能保证其正确性。简单性语义网络表示学问的手段是多种多样的，这虽然对其表示带来了敏捷性, 但同时也由于表示形式的不全都，使得它的处理增加了简单性。框架的定义及组成是一种描述所论对象属性的数据结构，一个框架可以由框架名、槽、侧面和值四部分 组成。用框架表示学问的步骤1)分析待表达学问中的对象和属性，对框架中的槽进行合理设置。2)对各对象间的各种联系进行考察，使用一些常用的或依据详细需要定义一些表 达联系的槽名，来描述上下层框架间的联系。3)对各层对象的“槽”及“侧面”进行合理的组织支配，避开信息描述的重复。产生式系统(production system)一个总数据库：它含有与详细任务有关的信息。随着应用状况的不同，这些数据库可能 简洁，或许简单。一套规章：它对数据库进行操作运算。每条规章由左部鉴别规章的适用性或先决条件以 及右部描述规章应用时所完成的动作。一个掌握策略：它确定应当采纳哪一条适用规章，而且当数据库的终止条件满意时，就 停止计算。OPEN表：用于存放刚生成的节点CLOSE表：用于存放将要扩展或已扩展的节点宽度优先搜寻目的是系统地绽开并检查图中的全部节点，以找寻结果。基本思想是首先搜寻和初始节点距离为1的全部顶点，然后再去搜寻和出始节点距离为 2的其他顶点，依次类推它并不考虑结果的可能位置，彻底地搜寻整张图，直到找到结果为止。类似例题 优点完备性：假如问题有解，宽度优先搜寻总能够在有限步内找到目标节点最优性：在不考虑路径耗散的前提下，总能够找到最浅的目标节点(最优) 缺点：遍历各个节点，搜寻效率差，消耗大量内存和时间深度优先搜寻类似例题 深度优先搜寻的优点是比宽度优先搜寻算法需要较少的空间，该算法只需要保存搜 寻树的一部分，它由当前正在搜寻的路径和该路径上还没有完全绽开的节点标志所 组成。A算法和A*算法类似例题计算智能是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生 学的思想，基于人们对生物体智能机理的熟悉，采纳数值计算的方法去模拟和实现人类的 智能。计算智能主要讨论领域包括：神经计算、进化计算、模糊计算、免疫计算、DNA计算、 粗糙集等。生物神经系统是人工神经网络的基础。人工神经网络是对人脑神经系统的简化、抽象和模 拟，具有人脑功能的很多基本特征。常用的人工神经元模型依据功能函数的不同，可得不同的神经元模型。阈值型(Threshold)这种模型的神经元没有内部状态，作用函数f是一个阶跃函数，他表示激活值。和输出 之间的关系。分段线性强饱和型(Linear S aturation)这种模型又称为伪线性，其输入/输出之间在肯定范围内满意线性关系，始终连续到输 出为最大值1为止。但当达到最大值后，输出就不再增。S 型(Sibmoid)这是一种连续的神经元模型，其输入输出特性常用指数、对数或双曲正切等S型函数 表示。它反映的是神经元的饱和特性.子阈累积型(Subthreshold Summation)也是一个非线性函数，当产生的激活值超过T值时，该神经元被激活产生个反响。在 线性范围内，系统的反响是线性的。人工神经网络是一种对人工神经元进行互联所形成的网络，它是对生物神经网络的模 拟。反映的是神经元的饱和特性.分类:前馈网络按拓扑结构反馈网络按学习方法有导师指导 无导师指导连续型网络按网络性能J离散型网络反馈网络是指允许采纳反馈联结方式所形成的神经网络。反馈网络的典型例子是后面将要介绍的Hopfield网络BP网络的网络拓扑结构是多层前向网络，在BP网络中，同层节点之间不存在相互连 接，层与层之间多采纳全互连方式，且各层的连接权值可调。BP网络实现了明斯基的多层 网络的设想，是当今神经网络模型中使用最广泛的一种。BP网络的学习过程是由工作信号的正向传播和误差信号的反向传播组成的。所谓正向传播, 是指输入模式经隐层到输出层，最终形成输出模式；所谓误差反向传播，是指从输出层开头 逐层将误差传到输入层，并修改各层联接权值，使误差信号为最小的过程。进化计算(Evolutionary Computation,EC)是在达尔文(Darwin)的进化论和孟德尔(Mendel) 的遗传变异理论的基础上产生的一种在基因和种群层次上模拟自然界生物进化过程与机制 的问题求解技术。它主要包括遗传算法(Genetic Algorithm, GA)进化策略(Evolutionary Strategy,ES)进化规划(Evolutionary Programming,EP)遗传规划(Genetic Programming,GP)四大分支。自然界生物进化过程是进化计算的生物学基础，它主要包括遗传(Heredity)、变异(Mutation) 和进化(Evolution)理论。遗传算法题 模糊集的运算：例4.17