第一章

  1. 人类智能：知识和智力的总和。知识是一切智能行为的基础，智力是获取知识并应用知识求解问题的能力

智能的特征：感知能力、记忆与思维能力、学习能力、行为能力

  1. 什么是人工智能：人工智能就是用人工的方法在机器上实现的智能。

人工智能研究基本内容：知识表示、机器感知、机器思维、机器学习、机器行为
人工智能的目的：使它能够模拟、延伸、扩展人类智能的学科。
发展阶段：孕育、形成和发展

  1. 人工智能研究的主要领域：自动定理证明、博弈、模式识别、自然语言处理、计算机视觉、语音识别、机器人、专家系统
  2. 衡量机器智能的准则——图灵测试

第五章

搜索的主要过程

  1. 从初始或目的状态出发，并把它当作当前状态
  2. 扫描操作算子集，将适用当前状态的一些操作算子作用在其上而得到新的状态，并建立指向其父节点的指针
  3. 检查所生成的状态是否满足结束状态，如果满足则得到其解，并可以沿着指针 从结束状态反向到达开始状态，给出一解答路径；否则将新状态作为当前状态，返回第二步。

有哪两大类不同的搜索方法，区别是什么？

  • 盲目搜索：对特定问题不具有任何有关信息条件下，按固定的步骤（依次或随机调用操作算子）进行的搜索，它能快速地调用一个操作算子
  • 启发式搜索：考虑特定问题领域可应用的知识，动态调用操作算子的步骤，优先选择较为合适的操作算子，尽量减少不必要的搜索，提高效率

宽度优先搜索和广度优先搜索区别和适用情况

  • 宽度优先搜索：由初始节点开始逐层对节点进行一次扩展，并考察是否为目标节点，再对下层节点进行扩展和搜索之前，必须完成对当前层所有节点的扩展。
  • 深度优先搜索：从初始节点出发，沿一个方向一直扩展下去，直到达到一定的深度。如果未找到目标状态或者不能再扩展，便回溯到另一条路径继续搜索，循环往复。

    第六章

    简述遗传算法基本步骤
  1. 使用随机方法或者其他方法，产生一个有N个染色体的初始群体
  2. 对群体中的每一个染色体，计算它的适应值
  3. 若满足停止条件，则算法停止，否则以概率p从群体中随机选择一些染色体构成一个新的种群
  4. 以概率pc进行交叉产生一些新的染色体，得到一个新的群体
  5. 以一个较小的概率使染色体的一个基因发生变异，成为一个新的群体，返回步骤2

什么是进化算法？及其分类
进化算法：基于自然选择和自然遗传等生物进化机制的一种搜索算法

  • 遗传算法
  • 遗传规划
  • 进化策略
  • 进化规划

适应度函数作用：区分群体中个体好坏的标准，适应度函数一般通过目标函数得到，必须将目标函数转化为求最大值的形式，必须保证函数值非负。为了防止发生欺骗问题，需要对适应度函数的值域做某种映射变换。
个体选择概率的常用分配方法有：适应度比例法、排序法。
选择个体的方法：轮盘赌、锦标赛、最佳个体保存。

第七章

什么是专家系统？与传统程序区别
专家系统：专家系统是一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题。

  • 编程思想：
  • 操作对象
  • 是否有正确结果
  • 可解释性
  • 知识和推理的位置
  • 体系结构