企业官网建设流程全解析

简介：这份人工智能经典习题集及各章总结，面向高校学生与备考期末、考研的学习者，帮助系统梳理人工智能理论体系并强化解题能力。压缩包内共1个doc文档，约2.19MB，内容按章节组织，涵盖绪论、知识表示、推理等模块，每章配有小结与习题解答，便于对照复习。已有100人学习下载。文档中收录了人工智能发展五阶段、符号主义与连接主义等学派分类、问题求解与自然语言理解等研究领域，以及产生式规则、框架表示法、语义网络等知识表示方法；推理部分则通过盗窃犯归结演绎、旅行商最短路线等典型例题，展示谓词公式转化与归结推理的完整过程。读者可借助各章小结快速建立知识框架，再通过习题解答理解解题思路与关键步骤，适合期末冲刺与查漏补缺。

1. 人工智能期末复习地图：从绪论到搜索策略的完整脉络

人工智能这门课，期末复习最怕的不是知识点难，而是散。翻开目录一看，绪论、知识表示、推理、搜索策略，每章都像独立王国，各讲各的。但真正梳理下来会发现，这四章其实是一条线：先搞清楚 AI 是什么、有哪些学派和领域（绪论），再解决“知识怎么存”（知识表示），然后解决“怎么从已知推未知”（推理），最后解决“怎么在解空间里找答案”（搜索策略）。这条线走通了，习题集里那些看起来五花八门的题目，其实都是同一个骨架的不同变体。

这份经典习题集及各章总结，覆盖的正是这条主线上的核心考点。它适合两类人：一类是正在系统学 AI 课程、需要一份能直接背的笔记框架的人；另一类是考前冲刺、想快速定位自己哪一章还薄弱的人。下面按章节模块拆开，把每章的知识点、重点难点、以及习题里最容易翻车的地方逐一梳理清楚。

2. 绪论与学派：AI 的定义、发展阶段与研究领域怎么记

2.1 人工智能的定义与发展五阶段

习题集第一题就问“什么是人工智能”，这题看似送分，但答全不容易。标准答案的核心是：AI 是计算机科学的一个重要分支，同时是一门综合性前沿学科，由计算机科学、控制论、信息论、神经生理学、哲学、语言学等多学科相互渗透发展而来，目前仍处于发展阶段，尚未形成完整体系。

发展阶段的划分是高频考点，按时间线记：

记忆技巧：两波神经网络、中间夹一个知识工程。第一波神经网络是早期感知机，后来遇到瓶颈；知识工程时代专家系统崛起；80 年代中神经网络以 BP 算法为代表复兴；90 年代后进入大数据和网络阶段。这个脉络理解了，选择题和简答题都不会丢分。

2.2 三大研究学派：符号、连接、行为的核心分歧

三大研究学派是必考内容，而且容易混淆。梳理下来会发现，区分它们的关键在于**“智能的基本元素是什么”**：

• 符号主义：由心理学途径产生，认为 AI 起源于数理逻辑，智能的基本元素是符号，智能行为是符号运算的结果。代表方向是专家系统、逻辑推理。
• 连接主义：由生理学途径产生，又称仿生学派，认为智能的基本元素是神经元，智能产生于大量神经元的并行分布式联结之中。代表方向是神经网络、深度学习。
• 行为主义：由生物演化途径产生，认为 AI 起源于控制论，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。代表方向是强化学习、进化计算。

注意：符号主义对应“自上而下”，连接主义对应“自下而上”，行为主义对应“在环境中涌现”。这三句话能帮你快速判断选择题。

2.3 研究内容与研究领域：八个方面与十八个领域

习题集里有两套分类，一套是“基本内容”，一套是“研究领域”，容易搞混。

基本内容（较宏观）：搜索技术、知识表示、规划方法、机器学习、认知科学、自然语言理解与机器翻译、专家系统与知识工程、定理证明、博弈、机器人、数据挖掘与知识发现、多 Agent 系统、复杂系统、足球机器人、人机交互技术等。

研究领域（更细，共 18 项）：问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、神经网络、机器人学、模式识别、机器视觉、智能控制、智能检索、智能调度与指挥、分布式人工智能与 Agent、计算智能与进化计算、数据挖掘与知识发现、人工生命、系统与语言工具。

复习时不用死记 18 项，记住**“求解、推理、理解、设计、专家、学习、网络、机器人、识别、视觉、控制、检索、调度、Agent、进化、挖掘、生命、工具”**这 18 个关键词，考试时能展开就行。

3. 知识表示：产生式、谓词、框架与语义网络的对比复习

3.1 四种表示法的核心结构与适用场景

知识表示这章的核心是四种方法：谓词表示法、产生式表示法、框架表示法、语义网络表示法。习题集里有一道旅行商问题，要求用产生式规则表示旅行过程，这是典型的产生式表示法应用题。

产生式系统由三个基本部分组成：

• 规则库：存放所有产生式规则，形式为 IF…THEN…
• 综合数据库：存放当前状态和事实
• 控制系统：决定下一步用哪条规则

旅行商那道题的解法是：综合数据库用 (x) 表示，x 可以是字母或字符串；初始状态 (A)；目标状态 (Ax1x2x3x4A)；规则集为 r1 到 r5，分别对应“走过的城市数 L(S)=5 时回到 A”“L(S)<5 时走向 B/C/D/E”。最终最短路线为 A→C→D→E→B→A，总距离 36。

谓词表示法的关键步骤：先定义谓词并指出确切含义，再用连接词把谓词连接成谓词公式。比如“任何兄弟都有同一个父亲”表示为：

% Father(x,y) 表示 x 是 y 的父亲 % Brother(x,y) 表示 x 和 y 是兄弟 (∀x)(∀y)(∀z)(Brother(x,y) ∧ Father(z,x) → Father(z,y))

框架表示法：框架由指定事物各个方面的槽组成，每个槽拥有若干侧面，每个侧面又可拥有若干值。适合表示结构化知识，比如“教室”框架有“位置”“面积”“容纳人数”等槽。

语义网络表示法：由节点和弧线组成，节点表示物体、概念或状态，弧线表示节点间的关系。习题集里“神州大学和东方大学篮球赛比分 85:89”就可以用语义网络表示：两个大学节点，通过“比赛”关系连接到比分节点。

3.2 产生式规则在旅行商问题中的完整推导

这道题值得单独拆一遍，因为它是知识表示和搜索策略的结合点。

题目条件：五个城市 A、B、C、D、E 相互可直达且距离已知；从 A 出发，去其他四个城市各参观一次后回到 A；找最短旅行路线。

产生式规则的设计思路：

% L(S) 为走过的城市数，GOTO(x) 为走向城市 x r1: IF L(S)=5 THEN GOTO(A) % 已走完5个城市，回到A r2: IF L(S)<5 THEN GOTO(B) % 未走完，尝试去B r3: IF L(S)<5 THEN GOTO(C) % 未走完，尝试去C r4: IF L(S)<5 THEN GOTO(D) % 未走完，尝试去D r5: IF L(S)<5 THEN GOTO(E) % 未走完，尝试去E

综合数据库 (x) 中 x 可以是单个字母（当前城市），也可以是字符串（已走过的路径）。控制系统按规则顺序尝试，结合距离计算，最终选出最短路径。

提示：产生式规则本身不包含搜索策略，它只描述“什么条件下可以做什么”。具体选哪条规则、怎么回溯，是控制系统的事。考试时如果题目只要求“用产生式规则表示”，写规则集就够了；如果要求“求解”，才需要展开搜索过程。

3.3 知识表示方法的对比与选型

选型原则：逻辑推理用谓词，状态转换用产生式，结构化描述用框架，关系网络用语义网络。这四句话能覆盖大部分选择题。

4. 推理：归结演绎、自然演绎与不确定推理的考点拆解

4.1 归结演绎推理的完整流程与子句集

推理这章的核心是归结原理。习题集里两道经典题：一道是“盗窃犯是谁”，一道是“Peter 的父亲是谁”。两道题的解法框架完全一致，掌握一个就能套另一个。

归结演绎的通用步骤：

1. 定义谓词：明确每个谓词的含义
2. 将已知条件表示为谓词公式
3. 化成子句集：消去蕴含、否定内移、变量标准化、消去存在量词、化为合取范式、消去全称量词
4. 将问题否定并与 ANSWER 做析取
5. 应用归结原理进行归结
6. 得到 ANSWER 子句，提取答案

以“盗窃犯”题为例：

% 定义谓词 P(x) 表示 x 是作案者 % A说：P(zhao) ∨ P(qian) % B说：P(qian) ∨ P(sun) % C说：P(sun) ∨ P(li) % D说：﹁P(zhao) ∨ ﹁P(sun) % E说：﹁P(qian) ∨ ﹁P(li) % 问题：P(y)，否定后与 ANSWER 析取得 ﹁P(y) ∨ ANSWER(y)

归结过程从 (1) 到 (16)，最终得到 ANSWER(qian) 和 ANSWER(sun)，所以盗窃犯是钱和孙两个人。

注意：归结时每一步都要标注归结的父辈子句和置换 σ。考试时如果只写结果不写过程，扣分很严重。

4.2 自然演绎与归结演绎的区别

自然演绎推理是从已知事实出发，直接运用经典逻辑规则推出结论，比如假言推理、拒取式、假言三段论等。它的优点是直观、自然，缺点是容易产生组合爆炸，效率低。

归结演绎则是将一切推理转化为子句集上的归结操作，统一、机械，适合计算机实现。两者对比：

4.3 不确定与非单调推理的易错点

习题集里提到了“不确定与非单调推理”，但展开不多。梳理下来会发现，这部分最容易出错的是混淆“不确定”和“非单调”：

• 不确定推理：前提或规则本身带有不确定性，比如“如果下雨，地湿的概率是 0.9”。处理方法是概率推理、可信度方法、模糊推理。
• 非单调推理：新信息可能推翻已有结论，比如“鸟会飞，但企鹅是鸟却不会飞”。处理方法是默认推理、限定推理、真值维护系统。

提示：考试中如果题目说“结论可能被新证据推翻”，选非单调；如果说“结论有概率或可信度”，选不确定。

5. 搜索策略：状态空间、与/或树与博弈树的复习重点

5.1 状态空间搜索：广度优先与深度优先的对比

搜索策略这章是期末大题的重灾区。习题集里有多道代价树搜索、与/或树搜索、博弈树剪枝的题目。

状态空间搜索分为盲目搜索和启发式搜索两大类：

• 盲目搜索：广度优先搜索、深度优先搜索、有界深度优先搜索、代价树的广度优先搜索、代价树的深度优先搜索
• 启发式搜索：局部择优搜索、全局择优搜索、A*算法

广度优先与深度优先的核心区别：

代价树搜索的公式：g(x2) = g(x1) + c(x1, x2)，其中 g(x) 是从初始节点到 x 的代价，c 是父子节点间的代价。

注意：代价树的深度优先搜索不一定得到最优解。习题集里有一道题，深度优先得到 A→B→D→E 代价 17，而广度优先得到 A→C→E 代价 15。深度优先之所以选了较差的路径，是因为它扩展了 B1 后直接深入 D1，没有回头比较 C1 的代价。

5.2 与/或树搜索：可解节点与解树

与/或树是问题归约法的核心结构。关键概念：

• 与节点：所有子节点都有解时它才有解
• 或节点：只要有一个子节点有解它就有解
• 可解节点：终止节点是可解节点；与节点可解当且仅当子节点全可解；或节点可解只要子节点至少一个可解
• 解树：由可解节点形成的子树，根为初始节点，叶为终止节点，且一定是与树

与/或树的广度优先搜索：先扩展 A 得到 B 和 C，再扩展 B 得到 t1、t2，t1、t2 可解则 B 可解，B 可解则 A 可解。

与/或树的深度优先搜索：先扩展 A 得到 B 和 C，再扩展 C 得到 D 和 t5，t5 可解，再扩展 D 得到 t3、t4，t3、t4 可解则 D 可解，D 和 t5 可解则 C 可解，C 可解则 A 可解。

代价计算有两种方法：

• 和代价法：h(A) = h(B) + h(C) + 连接代价
• 最大代价法：h(A) = max(h(B), h(C)) + 连接代价

5.3 博弈树与 α-β 剪枝：极大极小分析与剪枝条件

博弈问题是搜索策略里的难点。核心是极大极小分析法：

• 对“或”节点，选子节点中最大得分作为父节点得分（自己选最有利的）
• 对“与”节点，选子节点中最小得分作为父节点得分（立足最坏情况）

α-β 剪枝的条件：

• β 剪枝：任何“或”节点 x 的 α 值如果不能降低其父节点的 β 值，则 x 以下的分枝可停止搜索，x 的倒推值为 α
• α 剪枝：任何“与”节点 x 的 β 值如果不能升高其父节点的 α 值，则 x 以下的分枝可停止搜索，x 的倒推值为 β

提示：α 是“或”节点的下界，β 是“与”节点的上界。剪枝的本质是：当前分支不可能影响最终决策时，就不必再搜。

5.4 状态空间图与与或图的区别

习题集里有一道题问“何为状态图和与或图”。梳理下来：

• 状态图：描述寻找目标或路径问题的有向图，节点表示状态，边表示状态转换
• 与或图：将问题分解为互相独立的小问题，然后分而解决。“与节点”所有后续节点有解它才有解，“或节点”只要一个后续节点有解它就有解

关系：问题求解就是在图中寻找从初始节点到目标节点的路径。图搜索模拟人脑分析问题、解决问题的过程，基于领域知识进行求解。

6. 易漏点与易错点：归结、搜索、表示法里最容易翻车的地方

6.1 归结演绎中忘记否定结论并与 ANSWER 析取

易漏点：很多人在做归结题时，直接把已知条件化成子句集就开始归结，忘了把待求解问题否定后与 ANSWER 做析取。

为什么漏：课本上归结原理的例题往往只演示“证明命题成立”，而习题集里的题目要求“求出谁是盗窃犯”“Peter 的父亲是谁”，这是求取问题，不是证明问题。求取问题必须引入 ANSWER 谓词。

怎么补：看到“求……是谁”“求……是什么”的题目，第一步就写“设待求变量为 y，将问题表示为 P(y)，否定后与 ANSWER(y) 析取得 ﹁P(y) ∨ ANSWER(y)”。这个步骤写出来就有分。

6.2 代价树深度优先搜索误以为能得到最优解

易错点：以为深度优先搜索和广度优先搜索在代价树上结果一样。

为什么错：深度优先是局部优先，它扩展一个节点后就直接深入其子节点，不会回头比较其他分支的代价。习题集里明确写了：“该题代价树的深度优先搜索与代价树的广度优先搜索的结果相同，但这只是巧合。一般情况下，这两种方法得到的结果不一定相同。”

怎么补：记住两句话——深度优先不完备，可能陷入无穷分枝；深度优先得到的解不一定最优。考试时如果题目要求“最优解”，优先用广度优先或 A* 算法。

6.3 与/或树可解性判断中混淆与节点和或节点

易漏点：判断可解节点时，把与节点和或节点的条件搞反。

为什么漏：与节点和或节点的可解条件正好相反——与节点要求全部子节点可解，或节点只要至少一个子节点可解。紧张时容易记混。

怎么补：记口诀——“与”全可解才可解，“或”一可解就可解。做题时先在图上标出终止节点，然后自底向上逐层判断。

6.4 产生式规则中混淆规则库与控制系统

易错点：把产生式规则本身当成搜索策略，以为写了规则就能自动求解。

为什么错：产生式系统由规则库、综合数据库、控制系统三部分组成。规则库只描述“什么条件下可以做什么”，控制系统才决定“下一步用哪条规则”。旅行商问题里，规则 r2 到 r5 都是“L(S)<5 时走向某城市”，但具体走哪个，需要控制系统结合距离和已走路径来选择。

怎么补：答题时如果题目只要求“用产生式规则表示”，写规则集即可；如果要求“求解”，必须补充控制策略（如按距离排序、回溯等）。

6.5 语义网络与框架表示法的槽值混淆

易漏点：把语义网络的“节点-弧线”和框架的“槽-侧面-值”搞混。

为什么漏：两者都用于结构化知识表示，但语义网络强调关系，框架强调属性。

怎么补：语义网络画图时，节点是物体/概念，弧线是关系标签（如“是-a”“ part-of”“比赛”）；框架写表格时，槽是属性名，侧面是属性的不同方面，值是具体内容。考试时看题目要求：画图用语义网络，填表用框架。

7. 考前查漏补缺：一份可执行的复习清单

复习到这一步，知识点已经过了一遍。最后这段时间，别再从头翻书，按下面这个清单走一遍，哪里卡住就补哪里。

第一步：用一张白纸默写知识地图。不翻书，写出四个模块的名称和每个模块下的核心概念。能写出来说明框架有了；写不出来的地方就是薄弱章节。

第二步：对照习题集，每类题型做一道。不用全做，每类挑一道：

第三步：把易错点清单过一遍。上面第 6 章的五条，每条问自己“我会不会犯”。特别是归结求取问题忘写 ANSWER、深度优先误以为最优这两个，是血泪经验里最高频的翻车点。

第四步：手写一遍关键公式和流程。比如 g(x2)=g(x1)+c(x1,x2)、α 剪枝和 β 剪枝的条件、归结的五个步骤。手写一遍比看十遍管用。

第五步：模拟一道综合题。找一道同时涉及知识表示和搜索策略的题（比如旅行商问题），从产生式规则写到搜索过程，完整走一遍。这道题能顺下来，说明知识表示和搜索策略两章都通了。

提示：考前最后一天不要再看新题，把习题集里做过的错题和这份清单过一遍就够了。AI 期末考的大题套路很固定，归结、代价树、与/或树、α-β 剪枝这四类吃透，及格线以上没问题。

从那以后我每次复习 AI，都强制自己先默写知识地图，再按题型过一遍，最后把易错点抄在便利贴上贴桌前。这个方法帮我省了很多无效翻书的时间。希望帮到你。

本文还有配套的精品资源，点击获取