《人工智能》课后习题答案.pdf

《《人工智能》课后习题答案.pdf》由会员分享，可在线阅读，更多相关《《人工智能》课后习题答案.pdf（44页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 人工智能课后习题答案第一章绪论1.1 答：人工智能就是让机器完成那些假如由人来做则需要智能的情况的科学。人工智能是相关于人的自然智能而言，即用人工的方法与技术，研制智能机器或者智能系统来模仿延伸与扩展人的智能，实现智能行为与“机器思维”，解决需要人类专家才能处理的问题。1.2 答：“智能”一词源于拉丁“Legere”，意思是收集、汇合，智能通常用来表示从中进行选择、懂得与感受。所谓自然智能就是人类与一些动物所具有的智力与行为能力。智力是针对具体情况的，根据不一致的情况有不一致的含义。“智力”是指学会某种技能的能力，而不是指技能本身。1.3 答：专家系统是一个智能的计算机程序，他运用知识与推理

2、步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度能够称之专家系统。1.4 答：自然语言处理一语言翻译系统，金山词霸系列机器人一足球机器人模式识别一Microsoft Cartoon Maker博弈一围棋与跳棋第二章知识表达技术2.1 解答：(1)状态空间(StateSpace)是利用状态变量与操作符号，表示系统或者问题的有关知识的符号体系，状态空间是一个四元组(S,0,SO,G)：S状态集合;0 操作算子集合;SO初始状态,S0uS;G 目的状态,G uS,(G 可若干具体状态，也可满足某些性质的路径信息描述)从 SO结点到G 结点的路径被称之求解路径

3、。状态空间一解是一有限操作算子序列，它使初始状态转换为目标状态：01 02 03 OkSO-S l-S2.T-G其中O 1,，0 k 即为状态空间的一个解(解往往不是唯一的)(2)谓词逻辑是命题逻辑的扩充与进展，它将原子命题分解成客体与谓词两个部分。与命题逻辑中命题公式相对应，谓词逻辑中也有谓词(命题函数)公式、原子谓词公式、复合谓词公式等概念。一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。(3)语义网络是一种使用网络形式表示人类知识的方法。即用一个有向图表示概念与概念之间的关系，其中节点代表概念，节点之间的连接弧(也称联想弧)代表概念之间的关系。常见的语义网络形式有命题语义网络、数据语义网络：E

4、-R图(实体-关系图)、语言语义网络等。2.2 解答：(1)2.3解答：设有如下四个谓词：HUMAN(X)X 是人LAWED(X)X 受法律管制COMMIT(X)X 犯法PUNISHED(X)X 受法律制裁前两个谓词能够变为：HUMAN(X)-LAWED(X),表示：人人都要受法律的管制；后两个谓词能够变为：COMMIT(X)-PUNISHED(X),表示只要X 犯了罪，X 就要受到惩处；进一步，还能够把上述两个谓词联结成如下形式：HUMAN(X)LAWED(X)-COMMIT(X)PUNISHED(X)本公式的含义是：假如由于某个X 是人而受到法律管制，则这个人犯了罪就一定要受到惩处。晁盖是

5、人，受法律的管制(老百姓受法律的管制)；因此晁盖劫了生辰纲，违反了宋王朝的法律，一定要受到官府的追究。高衙内是人，却不受法律的管制(达官贵人与恶少不受法律的管制)；因此高衙内强抢民女，同样是违反了宋王朝的法律，却能够横行无忌。2.4解答：题 中 提 供 的 条 件 可 记 为 等 璃：蹴 鞠 鬻 敏 姆 翁 豳/结 果：(1)条件：周与钱是同一性别；F条件：李、徐、周是同一性别1条件：李的爱人是陈的爱人的表哥，则李的爱人性别是男，而李的性别是女这样能够初步推出：李、徐、周、钱均是女的，对应的王、陈、孙、吴 的 醐 嚼 与 钱 是 夫 妻(2)条件：陈与徐、周俊不构成夫妻，则陈选择的余地为钱或者

6、”条件：李与陈不构成夫妻；J条件：吴与徐、周均不构成夫妻，则吴选择的余地为李；推得：吴与李是夫妻条件：王与周不构成夫妻，则王选择的余地为徐；推得：王与徐是夫妻排除上述已经成立的条件，显然可推得：孙与周是夫妻。2.5 解答：符号微积分基本公式为J：/(x)=F(b)-F(a)=F(x)用产生式表示为：If f(x)and(a,b)Then F(b)-F(a)2.6 解答：题中描述的情况用谓词形式可表达如下：DOG(X)X 是狗SOUND(X)X 会吠叫BIT(X,Y)X 咬 YANIMAL(X)X 是动物题中各条推理则能够表示为：Pl:VX DOG(X)-3yBIT(X,Y)VSOUND(X)P

7、2:VX(ANIMAL(X)ASOUND(X)-3yBIT(X,Y)P 3:猎犬是狗，即 DOG(X)种 X 的谓词样品是猎犬，同时也可得ANIMAL(猎犬)将 P 3带入P1可得SOUND(猎犬)，再将SOUND(猎犬)与ANIMAL(猎犬)带 入 P2可得myBIT(猎犬,Y),即能够得到结果：猎犬是咬人的。2.7 解答：题中的三条规则侧重点不一致：R1规则的重点在于我师的任务；R2规则的重点在于敌团的配置；R 3规则的重点在于我师的任务与敌团的配置同时满足。它们之间的关系为 Rlu R2u R3因此根据冲突解决规则中的规模排序，可知首先应该选择规则R 3,系统执行才最有效。2.8 解答：

8、2.9 解答:(1)(2)2.1 0 解答:2.1 1 解答：在产生式系统中，随着产生式规则的数量的增加，系统设计者难以懂得规则间的相互作用，究其原因，在于每条规则的自含性使得知识表示的力度过于细微。因此要提高产生式系统的可懂得性，就应当按照软件工程的思想，通过对规则的适当划分，将规则组织诚易于管理的功能模块。由于框架系统具有组织成块知识的良好特性，因此将两者进行有机结合，能够为产生式系统的开发、调试与管理提供有益的帮助。基于框架的表示机制能够用作产生式语言与推理机制设计的一个重要构件。另外，框架能够直接用于表示规则，假如将每一个规则作为一个框架处理，一组用于解决特定问题的规则可组织成一类，且

9、在这一类框架中表示这组规则的各类特性。2.1 2 解答：略2.1 3 解答：(1)题目描述可转换为如下问题(N 阶汉诺塔问题)有编号为A、B、C 的三个柱子与标识为1、2 N的尺寸依次从小到大的N个有中心孔的金片；初始状态下N个金片按1、2.N 顺序堆放在A号柱子上，目标状态下N个金片以同样次序顺序堆放在B 号柱子上，金片的搬移须遵守下列规则：每次只能搬一个金片，且较大金片不能压放在较小金片之上，能够借助于C针。(2)假设基本操作为m o v e(x,A,C,B),表示将x 个金片从A移到B 上，中间可借助于C。当 N=1 时，则无需借助中间的C针，就能够直接实现将1 个金片从A移到B上，这也

10、是问题的最简操作，可表示为m o v e-o n e (1,A,B)；当 N 1 时，需要用中间的C针作辅助。其操作又可分为下列三步：将 N-1 个金片从A移到C 上,中间可借助于B,转换为基本操作就是m o v e (N-1,A,B,O；C将 1 个金片直接从A移到B 上，转换为基本操作就是m o v e-o n e (1,A,B)；1 将 N-1 个金片从C移到B上，中间可借助于A,转换为基本操作就是m o v e(N-1,C,A,B)；这样，就将问题的规模减小为NT,依次递归求解就能够得到相应的结果。(3)设 M(x)表示移动x个金片所需要的操作次数，则上述N阶汉诺塔问题能够表示成如下形

11、式：r M(D=I，M(N)=2M(N-1)+1最后能够解得M(N)=2*-1下面给出对梵塔问题给出产生式系统描述，并讨论N 为任意时状态空间的规模。(1)综合数据库定义三元组：(A,B,C),其中A,B,C 分别表示三根立柱，均为表，表的元素为1 N 之间的整数，表示N 个不一致大小的盘子，数值小的数表示小盘子，数值大的数表示大盘子。表的第一个元素表示立柱最上面的柱子，其余类推。(2)规则集为了方便表示规则集，引入下列几个函数：first(L)：取表的第一个元素，关于空表，first得到一个很大的大于N 的数值。tail(L)：取表除了第一个元素以外，其余元素构成的表。cons(x,L)：将

12、 x 加入到表L 的最前面。规则集：rl:IF(A,B,C)and(first(A)first(B)THEN(tail(A),cons(first(A),B),C)r2:IF(A,B,C)and(first(A)first(C)THEN(tail(A),B,cons(first(A),C)r3:IF(A,B,C)and(first(B)first(C)THEN(A,tail(B),cons(first(B),C)r4:IF(A,B,C)and(first(B)first(A)THEN(cons(first(B),A),tail(B),C)r5:IF(A,B,C)and(first(C)firs

13、t(A)THEN(cons(first(C),A),B,tail(C)r6:IF(A,B,C)and(first(C)first(B)THEN(A,cons(first(C),B),tail(C)(3)初始状态：(1,2,N),(),()(4)结束状态：()，(),(1,2,，N)问题的状态规模：每一个盘子都有三种选择：在 A 上、或者者在B 上、或者者在C 上，共N 个盘子，因此共有3加种可能。即问题的状态规模为3凶。2.1 4 解答：(1)定义谓词G(x,y):x比 y 大，个体有张三(zhang)、李 四(l i),将这些个体带入谓词中，得 到 G(zhang,l i)与G(zhang,

14、l i),根据语义用逻辑连接词将它们联结起来就得到表示上述 知 识 的 谓 词 公 式:li)-iG(zhang,li)o(2)定义谓词Marry(x,y):x 与 y 结婚，Male(x):x 是男的，Female(x)：x 是女的。个体有甲(A)、乙(B),将这些个体带入谓词中,得到Marry(A,B)、Male(A)、Female(B)与 Male(A)Female(B),根据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：Marry(A,B)-(Male(A)AFemale(B)V(Male(B)AFemale(A)(3)定义谓词Honest(x):x 是诚实的，Lying

15、(x):x 会说谎。个体有张三(zhang),将这些个体带入谓词中,得到 H onest(X)、Lying(x)s Lying(zhang)、i Honest(zhang),据语义用逻辑连接词将它们联结起来就得到表示上述知识的谓词公式：VX(Honest W -ty t饱(x)(Lying(zhang)i Honest(zhang)第 三 章 问题求解方法3.1答：深度优先搜索与广度优先搜索的区别在于：在对节点n 进行扩展时，其后继节点在OPEN表中的存放位置不一致。广度优先搜索是将后继节点放入OPEN表的末端，而深度优先搜索则是将后继节点放入OPEN表的前端。广度优先搜索是一种完备搜索，即只

16、要问题有解就一定能够求出，而深度优先搜索是不完备搜索。在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索;在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索。广度优先的正例：积木问题；深度优先的正例：邮递员问题，反例：国际象棋。3.2 答：衡量标准为：这组子状态中是否具有目标状态，假如有，则选择该节点同时搜索成功；若没有，则按照某种操纵策略从已生成的状态中再选择一个状态作为当前状态重复搜索过程。3.3 答：(1)广度优先搜索(2)广度优先搜索(3)深度优先搜索(4)深度优先搜索(5)广度优先搜索3.4 答：关于四皇后问题,该程序务必找到解，同时最好

17、是最优解；医生要根据病人的各类病状推断病人的病；该程序要求一定要找到目标路径；该程序要求找到最优解；不能确定它们是否等同，既不能确定它们是否有等同解。假如放一个皇后的耗散值为1 的话，则任何一个解的耗散值都是4。因此假如h 是对该耗散值的估计，是没有意义的。关于像四皇后这样的问题，启发函数应该是对找到解的可能性的评价。利用一个位置放皇后后，消去的对角线的长度来进行评价。3.5 答：定义hl=M+C-2B,其中M,C分别是在河的左岸的传教士人数与野人人数。B =1表示船在左岸，B=0表示船在右岸。也能够定义h2=M+C。hl是满足A*条件的，而 h2 不满足。要说明h 2=M+C 不满足A*条件

18、是很容易的，只需要给出一个反例就能够了。比如状态(1,1,1),h2=M+C=l+l=2,而实际上只要一次摆渡就能够达到目标状态，其最优路径的耗散值为1。因此不满足A*的条件。下面我们来证明hl=M+C-2 B 是满足A*条件的。我们分两种情况考虑。先考虑船在左岸的情况。假如不考虑限制条件，也就是说，船一次能够将三人从左岸运到右岸，然后再有一个人将船送回来。这样，船一个来回能够运过河2人，而船仍然在左岸。而最后剩下的三个人，则能够一次将他们全部从左岸运到右岸。因M+C-3此，在不考虑限制条件的情况下，也至少需要摆渡 2x 2+1次。其中分子上的一3 表示剩下三个留待最后一次运过去。除以 2”是

19、由于一个来回能够运过去2人，需要M+C-3个来回，而 来回 数不能是小数，需要向上取整，这个用符号-1 表示。而乘以“2”是由于一个来回相当于两次摆渡，因此要乘以2。而最后的”+1”,则表示将剩下的3个运过去，需要一次摆渡。化简有：M+C 3|_ q、M +C-3 _ -x2+l=M +C-3 +l =M +C-22 2再考虑船在右岸的情况。同样不考虑限制条件。船在右岸，需要一个人将船运到左岸。因此关于状态(M,C,0)来说，其所需要的最少摆渡数，相当于船在左岸时状态(M+l,C,1)或者(M,C+l,1)所需要的最少摆渡数，再加上第一次将船从右岸送到左岸的一次摆渡数。因此所需要的最少摆渡数为

20、：(M+C+D-2+1。其中(M+C+1)的 表 示 送 船 回 到 左 岸 的 那个人，而最后边的+1”，表示送船到左岸时的一次摆渡。化简有：(M+C+l)-2+l=M+C。综合船在左岸与船在右岸两种情况下，所需要的最少摆渡次数用一个式子表示为：M+C-2 B。其中B =1 表示船在左岸，B=0表示船在右岸。由于该摆渡次数是在不考虑限制条件下，推出的最少所需要的摆渡次数。因此，当有限制条件时，最优的摆渡次数只能大于等于该摆渡次数。因此该启发函数h 是满足A*条件的。3.6 答：在搜索期间改善h 函数，是一种动态改变h 函数的方法。像改进的A*算法中，对N E X T 中的节点按g值的大小选择

21、待扩展的节点，相当于令这些节点的h=0,就是动态修改 h 函数的一种方法。由定理2：若 h(n)满足单调限制，则由A*所扩展的节点序列，其 f 值是非递减的，即f(n i)l 或者 2；(3)W向右跳过了一个B (可能同时包含一个W),如今：h -h =-l,C(i,j)=l或者2；(4)W向右跳过了两个B,如今：h(i)-h =-2,C(i,j)=2；(5)W向左跳过了一个B (可能同时包含一个W),如今：h -h =l,C(i,j)=l或者2；(6)W 向左跳过了两个 B,如 今:h(i)-h(j)=2,C(i j)=2；(7)B跳过了 1或者2个B,如 今h -h(j)=O,C(i,j)

22、=l或者2；(8)B向右跳过了一个W (可能同时包含一个B),如今：h -h(j)=l,C(i,j)=l或者2；(9)B 向右跳过了两个 W,如 今:h(i)-h(j)=2,C(i,j)=2；(1 0)B向左跳过了一个W(可能同时包含一个B),如今：四)4 0)=-1,(2 8)=1或者2：(1 1)B 向左跳过了两个 W,如 今:h(i)-h(j)=-2,C(i j)=2；纵上所述，不管是哪一种情况，具有:h -h(j)W C(i,j)。且容易验证h(t)=0,因此该h是单调的。由于h满足单调条件，因此也一定有h(n)$h*(n),即满足A*条件。3.9 答：(。，,C,(),s,S),s,

23、(S,S)(2)A,A),A,(A,A)1(J(3)3.1 3 答：略3.1 4 答：博弈搜索通常被限制在一定的范围，搜索的目标是确定一步好的走法(好棋)，等对手回手后，再继续搜索。因此，博弈搜索过程总是由当前状态向目标状态搜索，而不是由目标状态向当前状态搜索。这类博弈的实例有西洋跳棋等。3.1 5 答：8 (3,0,8)(7,8,3)、(0,6)、(8,9)(7,6)、(8,6,5)、(2,3)、(0,-2)、(6,2)、(5,8)、(9,2)83.16 答：见上图3.17 答：略3.18 答：a 0 剪裁算法.a 剪裁一若极小层的B0(先辈层)则中止这个MAX下列的搜索算法如下：doubl

24、e alphabeta(int depth,double alpha,double beta,Position p);/*alpha是 M AX的当前值 beta是 M IN的当前值,depth 是在搜索树中的深度,p 是所求结点的位置*/double t;if(depth=0)return evaluate(p);/*假如 P 是叶结点，算出 P 的值*/fbr(i=l;i alpha&MAX)if(t beta)return t;/*直接返回*/else alpha=t;)if(talpha&MIN)if(t beta)return t;/*直接返回*/else alpha=t;retur

25、n alpha;)3.19-3.22 答：略第四章 基本的推理技术4.1 答:(1)推理：按照某种策略从已有事实与知识推出结论的过程。(2)正 向 推 理-正向推理(事实驱动推理)是由已知事实出发向结论方向的推理。基本思想是：系统根据用户提供的初始事实，在知识库中搜索能与之匹配的规则即当前可用的规则，构成可适用的规则集R S,然后按某种冲突解决策略从R S 中选择一条知识进行推理，并将推出的结论作为中间结果加入到数据库D B 中作为下一步推理的事实，在此之后，再在知识库中选择可适用的知识进行推理，如此重复进行这一过程，直到得出最终结论或者者知识库中没有可适用的知识为止。正向推理简单、易实现，但

26、目的性不强，效率低。需要用启发性知识解除冲突并操纵中间结果的选取，其中包含必要的回溯。由于不能反推，系统的解释功能受到影响。(3)反向推理v-反向推理是以某个假设目标作为出发点的一种推理，又称之目标驱动推理或者逆向推理。反向推理的基本思想是：首先提出一个假设目标，然后由此出发，进一步寻找支持该假设的证据，若所需的证据都能找到，则该假设成立，推理成功；若无法找到支持该假设的所有证据，则说明此假设不成立，需要另作新的假设。与正向推理相比，反向推理的要紧优点是不必使用与目标无关的知识，目的性强，同时它还有利于向用户提供解释。反向推理的缺点是在选择初始目标时具有很大的盲目性，若假设不正确，就有可能要多

27、次提出假设，影响了系统的效率。反向推理比较适合结论单一或者直接提出结论要求证实的系统。(4)推理方式分类 演绎推理、归纳推理、默认推理 确定性推理、不精确推理 单调推理、非单调推理 启发式推理、非启发式推理4.2 答：(1)在推理过程中，系统要不断地用数据库中的事实与知识库中的规则进行匹配，当有一个以上规则的条件部分与当前数据库相匹配时，就需要有一种策略来决定首先使用哪一条规则，这就是冲突解决策略。冲突解决策略实际上就是确定规则的启用顺序。(2)冲突解决策略：专一性排序、规则排序、数据排序、就近排序、上下文限制、按匹配度排序、按条件个数排序4.3 答：归结反演就是利用归结与反演实现定理的证明。

28、具体过程如下：(1)将定理证明的前提谓词公式转化为子句集F。(2)将求证的目标表示成合适的谓词公式G(目标公式)。(3)将目标公式的否定式G转化成子句的形式，并加入到子句集F中，得到子句集S。(4)应用归结原理对子句集S中的子句进行归结，并把每次归结得到的归结式都并入S中。如此反复进行，若归结得到一个空子句N I L,则停止归结，证明了 G为真。4.4 答：略4.5 答：Q(x,y)=(Vx)(Vy)P(x,y)VQ(x,y)=P(x,y)VQ(x,y)子句集的P(x,y)VQ(x,y)(2)(Wx)(my)P(x,y)v Q(x,y)-R(x,y)=(Wx)(3 y)P(x,y)A Q(x,

29、y)v R(x,y)=P(x)VP(x)=(V x)P(x,f(x)A Q(x,f(x)v R(x,f(x)=P(x,f(x)A Q(x,f(x)v R(x,f(x)=P(x,f(x)VR(x,f(x)A Q(x,f(x)R(x,f(x)=P(x,f(x v R(X,f(x)A Q(y,f(y)vR(y,f(y)子句集为 恩*,)V R(x,g)与(3 0,f(y)V R(y,f(y)(3)(Wx)(Wy)P(x,y)(Vy)Q(x,y)-R(x,y)J =(Vx)(3 y)P(x,y)V (Vy)Q(x,y)一R(x,y)=(Vx)(3 y)P(x,y)V(3 y)Q(x,y)V R(x,y

30、)=(Vx)P(x,f(x)V Q(x,f(x)VR(x,f(x)=P(x,f(x)V Q(x,f(x)VR(x,f(x)子句集为 P(x,f(x)/Q(x,f(x)VR(x,f(x)4.6 答：(1)(2)A/x,A/y,A/z,A/w,A/u(3)4.7 答：(1)(3X)P(x)-P(A)AP(x)TP(B)目标取反化子句集：(3X)p(x)-P (A)AP(x)TP(B)(3 x)P(x)V P (A)A P(x)V P (B)(Vx)IP(x)A-P (A)VIP(x)A P(B)J(Vx)P(x)A P(A)VP(x)AP(x)A-P(A)V P(B)(Vx)P(x)A P(A)V

31、 P (x)J AP(x)V P (B)A P(A)V P(B)J P(x)A P(A)V P (x)AP(x)V P(B)A P(A)V P(B)得子句集：l,P(xl)2,P(A)VPx2 3,P(x3)V P(B)4,P(A)V P(B)(2)(Vx)P(x)A IQ(A)V Q (B)(tox)P(x)A Q (x)J目标取反化子句集：(Vx)P(x)A IQ(A)VQ(B)-(wx)P(x)A Q(x)J)(Vx)P(x)AQ(A)VQ(B)V(Wx)P(x)AQ(x)(Vx)P(x)A Q(A)VQ(B)A(Vx)P(x)V Q(x)(Wx)P(x)A Q(A)VQ(B)A(Vy)

32、P(y)V Q(y)(Vx)(Vy)P(x)AQ(A)V Q(B)A P(y)V Q(y)P(x)AQ(A)VQ(B)A P(y)V Q(y)得子句集：1，P(x)2,Q(A)VQ(B)3,P(y)V Q(y)4.8 答：4.9 答：答：我们用Skier(x)表示x 是滑雪运动员，Alpinist(x)表示x 是登山运动员，Alpine(x)表示x是 Alpine俱乐部的成员。问题用谓词公式表示如下：已知：(1)Alpine(Tony)(2)Alpine(Mike)(3)Alpine(John)(4)(Vx)Alpine(x)Skier(x)V Alpinist(x)(5)(Vx)Alpini

33、st(x)Like(x,Rain)(6)(Vx)-Like(x,Snow)Skier(x)(7)(Vx)Like(Tony,x)一 Like(Mike,x)(8)(Vx)-Like(Tony,x)*Like(Mike,x)(9)Like(Tony,Snow)(10)Like(Tony,Rain)目 标:(3x)Alpine(x)A Alpinist(x)A-Skier(x)化子句集：(1)Alpine(Tony)(2)Alpine(Mike)(3)Alpine(John)(4)(V x)Alpine(x)-Skier(x)V Alpinist(x)J)=(V x)Alpine(x)V Skie

34、r(x)V Alpinist(x)J)=Alpine(x)V Skier(x)V Alpinist(x)(5)(Vx)Alpinist(x)-Like(x,Rain)=(Vx)-Alpinist(x)VLike(x,Rain)=-Alpinist(x)V Like(x,Rain)(6)(Vx)Like(x,Snow)一 Skier(x)=(Vx)Like(x,Snow)V Skier(x)=Like(x,Snow)V Skier(x)(7)(V x)Like(Tony,x)-Like(Mike,x)=(V x)Like(Tony,x)V-Like(Mike,x)=Like(Tony,x)V-L

35、ike(Mike,x)(8)(Vx)Like(Tony,x)Like(Mike,x)=(Vx)Like(Tony,x)VLike(Mike,x)=Like(Tony,x)VLike(Mike,x)Like(Tony,Snow)(10)Uke(Tony,Rain)目标取反：(3 x)Alpine(x)A Alpinist(x)A-Skier(x)=(Vx)-Alpine(x)V Alpinist(x)V Skier(x)=-Alpine(x)V-Alpinist(x)VSkier(x)经变量换名后，得到子句集：Alpine(Tony),Alpine(Mike),Alpine(John),-Alp

36、ine(x 1)V Skier(x 1)V Alpinist(x 1),-Alpinist(x2)VLike(x2,Rain),Like(x3,Snow)V Skier(x3),Like(Tony,x4)VLike(Mike,x4),Like(Tony,x5)VLike(Mike,x5),Like(Tony,Snow),Like(Tony,Rain),Alpine(x)V-Alpinist(x)V Skier(x)归结树如下：4.1 0 答：基于规则的演绎推理可分为正向演绎推理、反向演绎推理与正反向混合演绎推理。在正向演绎推理中，作为F规则用的蕴含式对事实的总数据库进行操作运算，直至得到该且拯

37、公式的一个终止条件为止。事实-目标公式在反向演绎推理中，作为B规则用的蕴含式对旦拯的总数据库进行操作运算，直至得到包含这些事实的终止条件为止。目 标 公 式-事实4.1 1 答：第五章不精确推理5.1 答：不精确推理是建立在蟀典粤基础上的一种推理，是基于不确定性知识的推理。不精确推理就是从不确定性的初始事实(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丕确定性却是合理或者者近乎合理的结论的思维过程。在不精确推理中，知识与证据都具有不确定性，这为推理机的设计与实现增加了复杂度与难度。它除了务必解决推理方向、推理方法与操纵策略等基本问题外，通常还需要解决不确定性的表示、不确定性的匹配

38、与不确定性的更新算法等问题。5.2 答：有明确定义但不一定出现的事件中包含的不确定性称之随机性，他不因人的主观意思变化，由事物本身的因果律决定。不精确推理就是表示与处理随机性的推理方法。5.3 答：(1)当有一个证据E 1时，根据Ba y e s公式，可得_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _P(H)P(g|a)_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _P(H,|E,)=P(i)x P(耳|H)+P(H 2)P(g l 4 2)+P(”3)P(4 l“3)=04*0.5/(0.4*0.5+0.3*0.3 4-0.3*0

39、.5)=0.2/0.44=0.45同理可得：P(H J E2)=0.09/0.44=0.20 P(H|f3)=0.15/0.44=0.34这说明，由于证据E l的出现，H 1与 H 3成立的可能性有所增加，而 H 2成立的可能性有所下降。(2)当证据E l、E 2同时出现时，根据多证据情况下的Bayes公式，可得_ P(:出)/(一 出)/(耳)P(H,IEIE2)=P(G I%)p g|P()+P(E J H I R E?|P)(0)+P(g I P(O I P(&=0.14/(0.14+0.162+0.009)=0.59同理可得：?(也|)=0.34 2(”3 坪2)=0。64这说明，由于

40、证据E 1与 E 2 的出现，H 1与 H 2成立的可能性有不一致程度的增加，而H3成立的可能性则有了较大幅度的下降。5.4 答：LSL S为规则的充分性量度，它反映E 的出现对H 的支持程度。当 LS=1时，O(H|E)=0(H),说明E 对 H 没有影响；当 LS1时，O(H|E)O(H),说明E 支持H,且 LS越大，E 对 H 的支持越充分，若 LS为8,则 E 为真时H 就为真：当 LS1时，O(H|E)1 时，O(H|E)O(H),说明TE支持H,且 LN越大，E 对 H 的支持越充分，若 LN为8,则E 为真时H 就为真；当 LN1时,O(HHE)1 JS LN1情形 2：LS1

41、情形 3：LS=LN=I5.5 答：5.6 答：根据经验对一个事物或者现象为确实相信程度称之可信度。规则的通常形式为：IF E THEN H(CF(H,E)其中，CF(H,E)是该规则的可信度，称之可信度因子或者规则强度。CF(H,E)在-1,1 上取值，它表示在已知证据E 的情况下对假设H 为确实支持程度。CF(H,E)定义如下:CF(H,E)=MB(H,E)-MD(H,E)。其 中,MB(Measure Belief)称之信任增 长 度，表 示 因 证 据 E 的 出 现 而 增 加 对 假 设 H 为确实信任增加程度 MB(H,E)0P(H|E)P(H):MD.(Measure Disb

42、elief)称之不信任增长度，表示因证据E 的出现对假设H为假的信任减少的程度 MD(H,E)0 P(H|E)8=f max(min3A(x),p(y)J A(x)/(x,y)u,第 六 章 PROLOG语言6.3 答：(1)目标不成功(2)(3)(4)(5)目标不成功目标成功,x,y,z被例化为xl,yl,zl目标不成功目标不成功6.4 答：poglog 规则Is_mother(x):_mother(x,y)Is_father(x):_father(x,y)Is_son(x):_father(y,x),male(x)Grandpa(x,y):_father(x,y l),father(y l

43、,y)Sibling(x,y):_diff(x,y),mother(zl,x),mother(zl,y),father(z2,x),father(z2,y),parent(x,y)文件头：Copyright(c)Sabu Francis Associatesclass family!open corepredicatesclassinfo:core:classlnfo.%short Class information predicate.%detail This predicate represents information predicate of this class.%endpredi

44、catesrun:core:runnable.end class family 1文件头：Copyright(c)Sabu Francis Associates#include family 1.ph%privately used packages#include pfcfilesystemfilesystem.ph#include npfcapplicationexeexe.phn#include pfcconsoleconsole.ph#include pfcexceptionexception.phn%private interfaces%private classes%implemen

45、tations#include nfamilyl.pro文件头：Copyright(c)Sabu Francis Associates#requires Hfamilyl.pack%publicly used packages#include,pfccore.phH%exported interfaces%exported classes#include familyl.c(4)familyl.pij6文件头：Copyright(c)Sabu Francis Associatesimplement family 1open coreconstantsclassName=family 1”.cl

46、ass Version=SJustDate:$Revision:$”.clausesclassInfo(className,classVersion).domainsgender=female();male().class facts-familyDBperson:(string Name,gender Gender).parent:(string Person,string Parent).class predicatesfather:(string Person,string Father)nondeterm anyflow.clausesfather(Person,Father)pare

47、nt(Person,Father),person(Father,male().class predicatesgrandFather:(string Person,string GrandFather)nondeterm(o,o).clausesgrandFather(Person,GrandFather)parent(Persoicates)文件尾：reconsult:(string FileName).clausesreconsult(FileName)retractFactDB(familyDB),file:consult(FileName,familyDB).clausesrun():

48、-console:init(),stdIO:write(Load datan),reconsult(M.fa.txt),stdIO:write(unfather testnH),father(X,Y),stdIO:writef(n%is the father of%n,Y,X),fail.run():-stdIO:write(ngrandFather testnM),grandFather(X,Y),stdIO:writef(n%is the grandfather of%nn,Y,X),fail.run():-stdIO:write(nancestor of Pam testnu),X=MP

49、am,ancestor(X,Y),stdIO:writef(H%is the ancestor of%n,Y,X),fail.run():-stdIO:write(End of testnH).end implement family 1goal补充习题：1.编写一 Prolog程序使得你能与计算机“交谈(Conversations with a computer)。下图显示了对话时的情景，字体加粗的语句表示用户从键盘输入的内容，其他则是计算机的回答。HELLOHIDO YOU WANT TO TALKNO I WANT TO SLEEPYOU ARE A STUPID COMPUTERI A

50、M A NICE COMPUTER1.答：domains/*领域段，说明程序要用到的数据类型*/words=stringsentence=words*predicates/*谓词段，说明程序要用到的谓词名与参数*/nondeterm talknondeterm human(sentence)nondeterm answer(sentence)nondeterm tolist(words,sentence)nondeterm process(words)nondeterm change(words,words)clauses/*子句段，说明程序要用到的事实与规则*/talk:-human(X),