人工智能导论第 5 版 思考题 第五章
5.1什么是搜索？有哪两大类不同的搜索方法？两者的区别是什么？
搜索：根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使得问题得以解决的过程称为搜索。
两大类不同的搜索方法：盲目搜索、启发式搜索。
两者的区别：在搜索过程中是否使用启发式信息。
5.2什么是启发式搜索？什么是启发信息？
启发式搜索又称有信息搜索，它是指在搜索求解过程中，根据问题本身的特性或搜索过程中产生的一些信息来不断地改变或调整搜索的方向，使搜索朝着最有希望的方向前进，加速问题的求解，并找到最优解。
可用于指导搜索过程且与具体问题求解有关的控制性信息称为启发信息。
5.3用状态空间法表示问题时，什么是问题的解？求解过程的本质是什么？什么是最优解？最优解唯一吗？
用状态空间法表示问题时问题的解就是有向图中从某一节点(初始状态节点)到另一节点(目标状态节点)的路径。
求解过程的本质就是对状态空间图的搜索即在状态空间图上寻找一条从初始状态到目标状态的路径。在不考虑搜索的代价时即假设状态空间图中各节点之间的有向边的代价相同时最优解就是解路径中长度最短的那条路径在考虑搜索代价时最优解则是解路径中代价最小的那条路径。
因为在状态空间图中可能存在几条长度或代价相等的最短解路径所以最优解可能会不唯一。
5.4请写出状态空间图的一般搜索过程。在搜索过程中open表和closed表的作用分别是什么？有何区别？
先把问题的初始状态作为当前扩展节点对其进行扩展，生成一组子节点，然后检查问题的目标状态是否出现在这些子节点中。若出现，则搜索成功，找到了问题的解；若没出现，则再按照某种搜索策略从已生成的子节点中选择一个节点作为当前扩展节点。重复上述过程，直到目标状态出现在子节点中或者没有可供操作的节点为止。所谓对一个节点进行“扩展”是指对该节点用某个可用操作进行作用，生成该节点的一组子节点。
OPEN表用于存放刚生成的节点，对于不同的搜索策略，节点在OPEN表中的排序是不同的。
CLOSED表用于存放将要扩展或者已扩展的节点。
5.5什么是盲目搜索？主要有几种盲目搜索策略？
盲目搜索又称无信息搜索，即在搜索过程中，只按预先规定的搜索控制策略进行搜索，而没有任何中间信息来改变这些控制策略。
主要的盲目搜索策略有：宽度优先搜索、深度优先搜索、有界深度优先搜索、代价树的宽度优先搜索和代价树的深度优先搜索。
5.6在深度优先搜索中，每个结点的子结点是按某种次序生成和扩展的，在决定生成子状态的最优次序时，应该用什么标准来衡量？
用路径长短来衡量。
5.7宽度优先搜索与深度优先搜索有何不同？分析深度和宽度优先的优缺点。在何种情况下,宽度优先搜索优于深度优先搜索？在何种情况下，深度优先搜索优于宽度优先搜索？
深度优先搜索与宽度优先搜索的区别就在于：在对节点n进行扩展时其后继节点在OPEN表中的存放位置。宽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。
即宽度优先搜索按照“先扩展出的节点先被考察”的原则进行搜索；而深度优先搜索则按照“后扩展出的节点先被考察”的原则进行搜索。
宽度优先搜索是一种完备搜索即只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宽度优先搜索优于深度优先搜索因为宽度优先搜索效率低但却一定能够求得问题的解；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宽度优先搜索。因为当搜索算法在一个扩展的很深但又没有解的分支上进行搜索是一种无效搜索降低了求解的效率有时甚至不一定能求得问题的解。
5.8 什么是A*算法？它的估价函数是如何确定的？A*算法与A算法的区别是什么？
A*算法是一种启发式搜索方法利用这种算法进行搜索时对扩展节点的选择方法做了一些限制。
依据估价函数f(x)=g(x)+h(x)对OPEN表中的节点进行排序，并且要求启发函数h(x)是h*(x)的一个下界即h(x)≤h*(z)。h*(x)则是从x节点到目标节点的最小代价路径上的代价。
A*算法与A算法的区别就是A算法不要求启发函数h(x)是h*(x)的一个下界即不限制条件h(x)≤h*(x)。
人工智能导论（哈尔滨工程大学）最新知到智慧树满分章节测试答案
答案均来自本人收集整理，未经授权禁止转载
见面课：人工智能伦理
见面课：智能医疗
见面课：深度学习
见面课：类脑智能与混合智能
第一章单元测试
第二章单元测试
第三章单元测试
第四章单元测试
第五章单元测试
第六章单元测试
第七章单元测试
第八章单元测试
第九章单元测试
第十章单元测试
第十一章单元测试
第十二章单元测试见面课：人工智能伦理
1、问题:人工智能伦理是指人工智能技术发展和应用引发的伦理问题，关涉人与人工智能系统、智能机器的伦理关系。
选项：
A:对
B:错
答案:【对】2、问题:十九世纪英国著名小说家玛丽·雪莱于1818年创作出世界上第一部科幻小说《弗兰肯斯坦》（《科学怪人》）。小说中人类对待“人造人”的态度隐含着后世关于人与人工创造物的伦理关系。
选项：
A:对
B:错
答案:【对】3、问题:数据伦理主要体现在以下哪三方面：（ ）
选项：
A:个人数据收集侵犯隐私权
B:信息价值开发侵犯隐私权
C:价格歧视与“大数据杀熟”
D:罪犯个人数据被用于搜捕行动
答案:【个人数据收集侵犯隐私权;
信息价值开发侵犯隐私权;
价格歧视与“大数据杀熟”】4、问题:自动驾驶汽车的自动驾驶软件在遇到紧急情况，应以保护驾驶员和车内人员安全为优先选择。
选项：
A:对
B:错
答案:【错】5、问题:人工智能全球伦理的基本原则是：（ ）
选项：
A:环境保护
B:人类中心主义
C:以经济发展为中心
D:可持续发展
答案:【可持续发展 】见面课：智能医疗
1、问题:智能医疗是受到人工智能技术以及医疗资源发展不平衡等多种因素影响而发展的新兴行业。
选项：
A:对
B:错
答案:【对】2、问题:人工智能医疗八大场景应用中，最普遍的场景是人工智能药物设计场景。
选项：
A:对
B:错
答案:【错】3、问题:以下那几方面不属于智能医疗应用八大场景：
选项：
A:智能医疗影像
B:虚拟助理
C:健康管理
D:医院管理信息化
答案:【医院管理信息化】4、问题:深度学习技术目前是人工智能医疗影像分析诊断的核心技术。
选项：
A:对
B:错
答案:【对】5、问题:某人工智能技术人员使用带有病人姓名的影像资料训练深度学习算法，只要没有造成危害，算法是可以使用的。
选项：
A:对
B:错
答案:【错】见面课：深度学习
1、问题:从学习类型看，深度学习是一种无监督学习方法。
选项：
A:对
B:错
答案:【错】2、问题:深度卷积神经网络主要是依赖于三个独特的技术：局部感知、参数共享和多层卷积。
选项：
A:对
B:错
答案:【对】3、问题:深度学习模型的训练可以采用传统的反向传播算法。
选项：
A:对
B:错
答案:【错】4、问题:深度卷积神经网络已经成为图像识别、语音识别领域的核心算法之一。
选项：
A:对
B:错
答案:【错】5、问题:围棋AlphgGO综合采用了深度价值人工神经网络、深度策略人工神经网络、强化学习和蒙特卡洛搜索算法四种方法。
选项：
A:对
B:错
答案:【对】见面课：类脑智能与混合智能
1、问题:类脑智能是一种模拟人脑的神经元网路结构发展而来的新型人工智能技术，主要利用各种硬件方法实现。
选项：
A:对
B:错
答案:【对】2、问题:类脑智能技术可以采用传统的人工神经网络方法在硬件上实现。
选项：
A:对
B:错
答案:【错】3、问题:世界上第一个神经形态计算芯片是日本本田公司开发的。
选项：
A:对
B:错
答案:【错】4、问题:下面那一种不属于人类大脑导航细胞（ ）。
选项：
A:位置细胞
B:网格细胞
C:方向细胞
D:多极神经元细胞
答案:【多极神经元细胞】5、问题:下面哪些技术可以作为研制人工大脑的基础技术（ ）。
选项：
A:忆阻器
B:神经形态计算芯片
C:人工突触
D:人造神经元
答案:【忆阻器;
人工突触;
人造神经元 】
第一章单元测试
1、问题:
下列关于智能说法错误的是（）
选项：
A:从生命的角度看，智能是生命适应自然界的基本能力
B:任何生命都拥有智能
C:目前，人类智能是自然只能的最高层次
D:细菌不具有智能
答案:【细菌不具有智能
】2、问题:
目前，智能的定义已经明确，其定义为：智能是个体能够主动适应环境或针对问题，获取信息并提炼和运用知识，理解和认识世界事物，采取合理可行的（意向性）策略和行动，解决问题并达到目标的综合能力。（）
选项：
A:对
B:错
答案:【错
】
3、问题:
传统人工智能领域将人工智能划分为强人工智能与弱人工智能两大类。所谓强人工智能指的就是达到人类智能水平的技术或机器，否则都属于弱人工智能技术。（）
选项：
A:对
B:错
答案:【对
】
4、问题:
人类历史上第一个人工神经元模型为MP模型，由赫布提出。（）
选项：
A:对
B:错
答案:【错
】
5、问题:
下列关于数据说法错误的是（）
选项：
A:数据就是描述事物的符号记录，是可定义为有意义的实体
B:数据可以分为模拟数据和数字数据两类
C:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据
D:在当今社会，数据的本质是生产资料和资产
答案:【我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据
】
6、问题:
下列关于大数据的说法中正确的有（）
选项：
A:大数据具有多样、高速的特征
B:大数据带来的思维变革中，更多是指更多的随机样本
C:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
D:“大数据时代”已经来临
答案:【大数据具有多样、高速的特征
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
“大数据时代”已经来临
】
7、问题:
大数据在政府公共服务、医疗服务、零售业、制造业、以及涉及个人位置服务等领域都将带来可观的价值。（）
选项：
A:对
B:错
答案:【对
】
8、问题:
人工智能在各个方面都有广泛应用，其研究方向也众多，下面属于人工智能研究方向的有（）
选项：
A:模式识别
B:机器学习
C:知识图谱
D:语音识别
答案:【模式识别
机器学习
知识图谱
语音识别
】
9、问题:
机器人发展经历了程序控制机器人（第一代）、自适应机器人（??第二代）、智能机器人（现代）三代发展历程。（）
选项：
A:对
B:错
答案:【对
】
10、问题:
下列选项中属于人工智能的应用领域的有（?）
选项：
A:程序设计
B:智能安防
C:智慧城市
D:智能农业
答案:【程序设计
智能安防
智慧城市
智能农业
】
第二章单元测试
1、问题:
生命起源于什么时候？（）
选项：
A:138亿年以前
B:138-100亿年之间
C:100-45亿年之间
D:45-35亿年之间
答案:【45-35亿年之间
】
2、问题:
人工智能使人类改造自然、适应自然的各类技术发展到最高阶段，智能技术使得工具变得有智能，促使技术在以指数级增长速度加速进化（加速回报定律）。（）
选项：
A:对
B:错
答案:【对
】
3、问题:
对于人工智能的价值、作用与意义的说法错误的是：（）
选项：
A:哲学层面：证明、印证人类（人性）存在价值的手段、方法；由人工智能根本问题衍生的思想、理论将促使人类反观自身，思考人之为人的价值、存在的意义
B:生命层面：促进人类社会整体向更高阶段文明加速进化
C:社会层面：促使人类自身由地球自然智能生命向更高阶的宇宙智能生命进化
D:技术层面：人类社会经济、社会发展的新引擎，新一轮经济革命的持续推动力
答案:【生命层面：促进人类社会整体向更高阶段文明加速进化
社会层面：促使人类自身由地球自然智能生命向更高阶的宇宙智能生命进化
】
4、问题:
联结主义认为人的思维基元是符号，而不是神经元；人的认知过程是符号操作而不是权值的自组织过程。（）
选项：
A:对
B:错
答案:【错
】
5、问题:
科学研究能够逐步理解如何从大脑的结构和机制上产生知觉、记忆和行为的意识表现，这些所谓“简单问题”的科学研究，都无法越过物质与精神的藩篱，解决身心关系的“困难问题”，证明主观意识如何从物质基础上涌现出来。?（）
选项：
A:对
B:错
答案:【对
】
6、问题:
对于心智计算理论说法正确的是：（）
选项：
A:特点是把心智的本质看作是计算，把思维看作是一种信息加工过程
B:合理地解释了意义内含的结果与起因
C:能够用信念和意愿来解释行为的同时，又令它们与物理世界合理相接
D:驱除了心智产生智能行为的神秘
答案:【特点是把心智的本质看作是计算，把思维看作是一种信息加工过程
合理地解释了意义内含的结果与起因
能够用信念和意愿来解释行为的同时，又令它们与物理世界合理相接
驱除了心智产生智能行为的神秘
】
7、问题:
现代认知科学强调心智亲身性，也就是心智与身体是分离的，人的经验、认识都来自身体内部与环境的相互作用。（）
选项：
A:对
B:错
答案:【错
】
8、问题:
人工智能利用计算机通过程序和算法实现了人类智能的哪些部分？（）
选项：
A:人类智能的非理性部分
B:理性部分
C:可计算部分
D:视觉部分
答案:【理性部分
可计算部分
视觉部分
】
9、问题:
理性来自身体，而非超越身体。（）
选项：
A:对
B:错
答案:【对
】
10、问题:
下列哪个选项不属于人类理性：（）
选项：
A:认知理性
B:方法理性
C:知识理性
D:价值理性
答案:【知识理性
】
第三章单元测试
1、问题:
所有生物的脑部都可以分为前脑、中脑和后脑三个原始部位。具体而言，人类大脑是由脑干、小脑、大脑（前脑）组成。（）
选项：
A:对
B:错
答案:【对
】
人工智能导论第 5 版 思考题 第六章
6.1遗传算法的基本步骤和主要特点是什么？
遗传算法的基本步骤：
1.实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适应值；
3.若满足停止条件、则算法停止，否则以概率pi从群体中随机选择一些染色体构成一个新的群体；
4.以概率pc进行交叉产生一些新的染色体，得到一个新的种群；
5.以一个较小的概率pm使染色体的一个基因发生变异，产生一个新群体，返回步骤二。
主要特点：
1.可以直接对结构对象进行操作；
2.遗传算法不是无方向的随机搜索，而是一个利用随机技术来指导对一个编码的参数空间进行高效率搜索的方法；
3.遗传算法采用群体搜索策略，采用同时处理群体中多个个体的方法，同时对搜索空间中的多个解进行评估；
4.遗传算法的适应度函数不受连续可微的约束，定义域也可以任意设定。
6.2适应度函数在遗传算法中的作用是什么？试举例说明如何构造适应度函数。
适应度函数是用来区分群体中个体好坏的标准，是算法演化过程的驱动力，是进行自然选择的唯一依据。
6.3选择的基本思想是什么？
选择的基本思想是从当前群体中按照一定概率选出优良的个体，使它们有机会作为父代繁殖下一代子孙。
6.4简述多种群遗传算法与基本遗传算法的异同。
多种群遗传算法是在遗传算法的基础上经过改进并引入多种群的概念。
主要有以下的改进:
1.把单个种群改变为多个种群，每个种群都有着可控制的参数，例如交叉，变异概率。给予不同的数值能够产生不同的搜索结果。
2.通过特定的操作因子来控制各种群之间的联系与协同进化，例如设定移民算子，可以得出所有种群最优的进化结果。
3.多种群的收敛条件可以根据每个种群进化的最优个体的数目来测定，各个种群中的最优个体可以增加人工选择算子来进行保留。
6.5简述多倍体遗传算法与基本遗传算法的异同。
基于种群保留遗传算法，引入了多倍体的概念，给出了一种基于种群保留的多倍体遗传算法.当该算法运行时，种群个体将由单倍体变为多倍体。
6.6群智能算法的基本思想是什么？
初始一个种群，选择种群中适应度高的个体进行交叉变异。然后再将适应度低的个体淘汰，留下适应度高的个体进行繁殖，这样不断的进化，最终留下的都是优秀的个体。
6.7群智能算法的主要特点是什么？
特点是表现生物学上的现象与对应的仿生智能计算的关系。
6.8列举几种典型的群智能算法，分析它们的主要优点、缺点。
包括：粒子群优化算法、蚁群算法和人工免疫算法。
6.9简述群智能算法与进化算法的异同。
这两种算法都是受自然现象的启发，两者都是基于种群的方法，且种群中的个体之间、个体与环境之间存在相互作用。两者都是一种元启发式随机搜索方法。
不同之处：EC方法强调种群的达尔文的进化模型，而SI优化方法则注重对群体中个体之间的相互作用与分布式协同的模拟。
6.10简述粒子群算法的流程。
1.初始化每个粒子，即在允许范围内随机设置每个粒子的初始位置和速度。
2.评价每个粒子的适应度，计算每个粒子的目标函数。
3.设置每个粒子的pi。对每个粒子，将其适应度与其经历过的最好位置pi进行比较，如果
优于pi，则将其作为该粒子的最好位置pi。
4.设置全局最优值pg。对每个粒子，将其适应度与群体经历过的最好位置p进行比较，如
果优于pg，则将其作为当前群体的最好位置pg。
5.检查终止条件。如果未达到设定条件（预设误差或者迭代的次数），则返回第2步。
6.11简述粒子群算法位置更新方程中各部分的影响。
只有第1部分：φ1=φ2=0：粒子将一直以当前的速度飞行，直至到达边界；由于它智能搜索有限的区域，所以很难找到好解。
没有第1部分：ω=0：速度只取决于粒子当前位置和其历史最好位置Pi，Pg，速度本身没有记忆性。
没有第2部分：φ1=0：粒子没有认知能力，“只有社会模型”；在粒子的互相作用下，有能力达到新的搜索空间，但对复杂问题，容易陷入局部最优解。
没有第3部分：φ2=0：粒子间没有社会共享信息，也就是“只有认知模型”。因为个体间没有交互，一个规模为M的群体等价于M个单个粒子的运行，因而得到最优解的几率非常小。
6.12举例说明粒子群算法的搜索原理，并简要叙述粒子群算法有哪些特点。
粒子群算法的基本原理是粒子种群在搜索空间以一定的速度飞行，每个粒子在搜索时，考虑自己搜索到的历史最优位置和种群内其他粒子的历史最优位置，在此基础上进行位置的变化。
粒子群算法的特点是简单易行，收敛速度快，设置参数少
6.13粒子群算法的寻优过程包含哪几个阶段？寻优的准则有哪些？
6.14粒子群算法中的参数如何选择？
粒子群算法的参数通过模糊系统进行调节。
6.15举例说明蚁群算法的搜索原理，并简要叙述蚁群算法的特点。
蚁群算法的基本原理来源于自然界中蚂蚁觅食的最短路径问题，其原理是一种正反馈机制或称增强型学习系统；它通过“最优路径上蚂蚁数量的添加→信息素强度添加→后来蚂蚁选择概率增大→最优路径上蚂蚁数量更大添加”达到终于收敛于最优路径上L
它是一种通用型随机优化方法，它吸收了蚂蚁的行为特（内在搜索机制），它是使用人工蚂蚁仿真（也称蚂蚁系统）来求解问题L但人工蚂蚁决不是对实际蚂蚁的一种简单模拟，它融进了人类的智能L人工蚂蚁有一定的记忆;人工蚂蚁不全然是瞎的;人工蚂蚁生活的时空是离散的L
它是一种分布式的优化方法，不仅适合眼下的串行计算机，并且适合未来的并行计算机L
它是一种全局优化的方法，不仅可用于求解单目标优化问题，并且可用于求解多目标优化问题L
它是一种启示式算法,计算复杂性为o(Nc*n2*m)，当中Nc是迭代次数，m是蚂蚁数目，n是目的节点数目L
6.16蚁群算法的寻优过程包含哪几个阶段？寻优的准则有哪些？
6.17蚁群算法中的参数如何选择？
确定蚂蚁数目，根据节点规模/蚂蚁数目≈1.5来确定大概的蚂蚁数目；
参数粗调，即调整信息启发式因子、期望启发式因子和信息素强度Q等参数；
参数微调，即调整信息挥发因子。
目前蚁群算法参数的选择在理论上没有依据，主要依经验而定。