855 人工智能 · 习题重点考查内容梳理（按讲义章节定位）

整理来源：《855 人工智能习题题库及期末题库》＋《855 人工智能重点核心讲义》（同为 2027 专版）用途：把题库中反复出现的考点，逐条定位到讲义的"章—节"，用于反向查证与二轮复习题号约定：文中"卷N"是本梳理按题库原文出现顺序对 7 套试卷的自拟编号（非官方编号）；章节号严格对应《重点核心讲义》体系

一、考查格局总览

1.1 题型与分值（7 套试卷的稳定结构）

题型	常见题量	分值区间	说明
选择题	13~15 题	13~15 分	覆盖面最广，几乎全部来自第 1、2、3、7 章的概念
填空题	8~26 空	30~40 分	分值最高，集中在定义、公式、结论性表述
简答题	3~5 题	25~27 分	概念阐述＋子句集化简＋ MGU 等
应用题	2~3 题	30 分	归结证明、可信度计算、搜索与剪枝、语义网络

结论：填空题＋应用题合计约 60~70 分，是拉开差距的主战场；选择题靠概念记忆稳拿分。

1.2 章节权重（按 7 套试卷实际出题频度统计）

章节	出题频度	主要考查形式
第 3 章确定性推理方法	★★★★★	子句集化简、MGU、归结反演证明、归结求解
第 5 章搜索求解策略	★★★★☆	OPEN/CLOSED 表、深度/广度访问序列、A/A*、α-β 剪枝
第 2 章知识表示与知识图谱	★★★★☆	谓词表示、产生式、框架、语义网络、知识图谱
第 4 章不确定性推理方法	★★★★☆	可信度 CF 计算、证据理论、模糊集合运算
第 1 章绪论	★★★☆☆	以选择、填空为主
第 7 章专家系统与机器学习	★★☆☆☆	专家系统结构/类型/开发步骤、机器学习分类
第 6 章智能计算及其应用	☆	7 套试卷未出现直接考题
第 8 章人工神经网络及其应用	☆	7 套试卷未出现直接考题

注意：第 6、8 章虽无真题，但讲义均独立成章并给出"重点考点总结"，建议按讲义结论性内容做二轮兜底记忆。

二、逐章考点清单（含真题定位）

第 1 章绪论

对应讲义：1.1 基本概念 / 1.2 发展简史 / 1.3 研究内容 / 1.4 主要研究领域

人工智能的学科定义（讲义 1.1.3）真题：卷 5 选择"人工智能是一门（综合性交叉学科和边缘学科）"；卷 6 选择 14 必背：智能 = 知识＋智力；AI 定义三角度（科学定义／学科定义／通俗定义）。
AI 英文缩写（讲义 1.1.3）真题：卷 4 选择 1、卷 5 填空 3、卷 6 填空 4 —— Artificial Intelligence
发展史关键节点（讲义 1.2）
1950 年图灵提出机器智能测试模型 → 卷 2/3/4/7 选择"这个科学家是（图灵）"；卷 5 填空 1；卷 7 简答 5"图灵实验"
1956 年达特茅斯会议，AI 正式诞生 → 卷 6 选择 1"人工智能产生于哪一年（1956）"
1997 年 5 月"深蓝"击败卡斯帕罗夫 → 卷 4 选择 9、卷 5 填空 9、卷 6 填空 9
其余需记住：1965 鲁宾孙提出归结原理；1972 PROLOG 与 MYCIN；1975 Holland《自然和人工系统中的适应性》
注意：讲义 1.2.3 把"深蓝"记为 1996 年，而题库与通行教材均为 1997 年 5 月，答题以 1997 年为准。
三大学派（第 1 章相关表述）真题：卷 2/6 填空"人工智能三大学派是（符号主义、连接主义、行为主义）"；卷 3/4/5 选择"不属于人工智能的学派是（机会主义）" 易错：神经网络研究属于连接主义（卷 2/3/6 选择）。
研究领域辨析 真题：卷 2/3/6 选择"下列哪个不是人工智能的研究领域（编译原理）"
人工智能的基本技术（讲义 1.3）真题：卷 1 填空 3、卷 6 填空 5 —— 搜索技术、推理技术、知识表示和知识库技术、归纳技术、联想技术
远期／近期目标 真题：卷 4/5 填空、卷 6 填空 10 —— 远期 = 制造智能机器；近期 = 实现机器智能
研究内容五大块（讲义 1.3）：知识表示 / 机器感知 / 机器思维 / 机器学习 / 机器行为
智能的特征（讲义 1.1.2）：感知能力、记忆与思维能力、学习能力、行为能力

第 2 章知识表示与知识图谱

对应讲义：2.1 概念 / 2.2 一阶谓词逻辑 / 2.3 产生式 / 2.4 框架 / 2.5 知识图谱 / 2.6 方法比较

2.1 知识本身（讲义 2.1）

知识的定义与四大特性：相对正确性、不确定性、可表示性、可利用性 —— 卷 4/5 填空、卷 6 填空 6
知识不确定性的三个来源：随机性、模糊性、经验性（讲义 2.1.1）
知识表示的四项要求：表示能力、可理解性、可访问性、可扩充性
知识的四种分类维度（按作用范围／作用及表示／结构及表现形式／确定性）—— 讲义第 2 章课后题 2.1

2.2 一阶谓词逻辑（讲义 2.2）★

命题：非真即假的陈述句 —— 卷 4/5 选择"命题是可以判断真假的（陈述句）"
谓词 / 个体 / 个体域；函数与谓词的区别（函数是从个体域到个体域的映射，谓词是从个体域到真值的映射）
谓词的项与阶（一阶谓词 = 仅个体变元被量化）—— 卷 4/5 选择
谓词公式与"解释"；永真性、可满足性、不可满足性（讲义 2.2.3）
谓词逻辑与命题逻辑的异同（讲义课后题 2.5）
表示三步骤：定义谓词和个体 → 变元赋值 → 用连接词连接成公式
四大特点：自然性、精确性、严密性、易实现性；缺点：不能表示不确定性知识、组合爆炸、效率低
真题：卷 1 大题二（"不存在最大的整数"形式化）、卷 7 简答 1（同题）、卷 2 简答 1.1（三个自然语言转谓词）

2.3 产生式表示法（讲义 2.3）★

基本形式：P → Q 或 IF P THEN Q；P 为前件（条件），Q 为后件（结论或操作）
产生式系统三要素：规则库＋综合数据库＋推理机 —— 卷 6 填空 7、卷 2 填空、卷 7 简答 6
工作过程四步：匹配 → 冲突解决 → 执行 → 终止
推理方式：正向推理、反向推理、双向推理 —— 卷 2/3/4/5 选择"产生式系统的推理不包括（简单推理）"
冲突消解策略五条：专一性排序、规则排序、数据排序、就近排序、上下文限制
产生式与蕴涵式的异同（讲义课后题 2.10）
优缺点：效率不高、不能表示结构性知识
产生式系统与图搜索的对比表 —— 卷 5 简答 3（原题即"补齐对比表"）

2.4 框架表示法（讲义 2.4）

框架结构：框架名＋槽＋侧面＋值
框架系统的三种关系：继承关系、成员关系、关联关系
特性继承通过槽的三个侧面灵活实现 —— 卷 5 填空 3
特点：结构性、继承性、自然性；缺点：缺乏形式理论、灵活性差
经典实作题："大学教师"框架 —— 卷 2/3 简答 4（属性含学历、专业、职称）；办公室框架、计算机主机框架（讲义 2.17、2.18）

2.5 语义网络与知识图谱（讲义 2.5）

语义网络：AKO 链、ISA 链用于表达节点知识的继承性 —— 卷 4/5/6 选择
语义网络的推理方法：AKO、ISA（卷 7 填空 12）
语义网络可表达的关系类型 —— 卷 5 简答 4
表示类真题：
"苹果"知识 —— 卷 1 大题三
胡途／思源公司／清华大学篮球赛 —— 卷 4 应用 1
"某个学生读过三国演义" —— 卷 5 应用 1（要求谓词公式＋语义网络双写）
"每个学生都喜欢老师上的一门课"；树／草／水草／果树／樱桃树 —— 卷 5 解答题 2、3
知识图谱：2012 年 Google 提出；三元组（实体1，关系，实体2）；逻辑架构 = 数据层＋模式层；构建流程 = 知识获取→抽取→融合→验证→存储（讲义 2.5）

2.6 表示方法横向比较（讲义 2.6）

真题：卷 5 填空 2"目前所用的知识表示形式有（框架、语义网络、面向对象）"；卷 6 填空 6；卷 7 填空 12 必须能默写讲义 2.6 的对比表（一阶谓词逻辑／产生式／框架／语义网络／知识图谱的优点、缺点、适用范围）。

第 3 章确定性推理方法 ★★★★★（全题库第一大考点）

3.1 推理的基本概念（讲义 3.1）

推理定义与形式化：F ∧ K ⇒ C
五套分类维度：逻辑基础（演绎／归纳／默认）、确定性、单调性、是否用启发知识、控制方向（正向／逆向／混合／双向）
推理控制策略三要素：推理方向、搜索策略、冲突消解策略
冲突消解四条排序原则：针对性、新鲜性、条件个数、匹配度
真题：卷 1 填空 18；卷 2/3/6 填空"从已知事实出发，通过规则库求得结论的推理方式是（正向推理）"

3.2 自然演绎推理（讲义 3.2）

必须背下五条规则 —— 卷 4/5 选择、卷 6 填空 17、卷 2/3 填空 6：

规则	形式
假言推理	(A→B) ∧ A ⇒ B
拒取式	(A→B) ∧ ¬B ⇒ ¬A
假言三段论	(A→B) ∧ (B→C) ⇒ A→C
析取三段论	A∨B，¬A ⇒ B
合取引入／消去	A，B ⇒ A∧B；A∧B ⇒ A

3.3 谓词公式化为子句集（讲义 3.3）★★★ 必考大题

8/9 步流程（讲义 3.3.2，以 ∀x(∀yP(x,y)→¬∀y(Q(x,y)→R(x,y))) 为例）：

消去蕴含式和等价式
把否定符号移到原子公式前（德摩根定律＋量词转换律）
变量标准化（约束变元改名，保证唯一）
消去存在量词（用 Skolem 常量／Skolem 函数）
化为前束范式（全称量词移到最前）
化为 Skolem 标准形／合取范式（分配律）
消去全称量词
消去合取符号 ∧，拆成子句
更换变元名称，保证各子句变元唯一

真题：

卷 1 大题四：∃x∀y(∀z(P(z)∧¬Q(x,z))→R(x,y,f(a)))（题库附完整答案）
卷 7 简答 2 为同题
卷 3 简答 1：∀x(∀yP(x,y)→¬∀y(Q(x,y)→R(x,y)))
卷 4 简答 3：原题要求"写出 8 个步骤"（讲义第 5、7 步可合并，故有 8 步与 9 步两种写法，两种都要能答）
卷 6 填空 2、卷 6 简答 2、卷 7 填空 2：On(x,y)→Above(x,y) ⇒ ¬On(x,y)∨Above(x,y)
卷 1 填空 9、卷 5 填空 14：子句集与谓词公式的关系

3.4 鲁宾孙归结原理（讲义 3.4）★★★

归结式定义：互补文字消去后剩余部分的析取；参与归结的两子句称亲本子句
归结出空子句（NIL／□）⇒ 定理得证 —— 卷 4/5/6 选择"当前归结式是（空子句）"
谓词逻辑归结必须先用 MGU（最一般合一） 统一变元
因子与单元因子；谓词逻辑归结式的四种情况
核心定理与两个推论（归结式是亲本子句的逻辑结论；加入归结式不改变不可满足性）
归结策略 —— 卷 1 填空 15、卷 4 填空 2、卷 6 填空 15：
具完备性的三种：删除策略、支持集策略、线性归结策略
其余：宽度优先策略、单元归结策略、输入归结策略
删除策略删除的子句：含纯文字的子句、含永真式的子句、被别的子句类含（包孕）的子句

3.5 归结反演与归结求解（讲义 3.4.4、3.5）★★★ 应用大题

标准五步：

把已知前提表示为谓词公式并化为子句集 S
把待证结论否定（求问题解时写成 ¬结论 ∨ ANSWER(x)）
将②的子句并入 S
反复归结，把归结式并入 S
推出空子句 ⇒ 定理成立；得到 ANSWER 项 ⇒ 求得问题的解

真题（建议全部动手做一遍）：

卷 4 应用 3 / 卷 5 简答 5 / 卷 7 简答 6：祖孙关系（老李—大李—小李），要求注明每步置换与父子句编号，并说明如何用重言式求出具体值
卷 4 应用 2 / 卷 5 简答 5 / 卷 6 简答 8："能阅读者是识字的；海豚不识字；有些海豚聪明"⇒ 有些聪明者并不能阅读
卷 5 应用 3（卷 5 简答 2 同）："凡是清洁的东西就有人喜欢；人们都不喜欢苍蝇"⇒ 苍蝇是不清洁的
卷 1 大题七：刑侦知识，用线性归结策略求证 may-steal(John, Z)
卷 5 简答 1：用线性消解策略证明 {P∨Q, ¬P∨R, ¬Q∨R, ¬R} 可消解
卷 5 解答题 5 / 卷 6 简答 5、6：盗窃犯问题（五名侦察员证词），用消解原理＋ ANSWER 谓词求出"钱和孙是作案者"
卷 7 简答 3：某问题五条公式描述，用归结法证明 ∃xR(x)
卷 1 大题八：Shortliffe 确定性理论，求 CF(B1)、CF(B2) 的更新值

3.6 置换与 MGU（讲义 3.4.3 ＋习题）

置换的定义与表示 s = {t1/v1, …, tn/vn}
置换不可交换：E(s1·s2) ≠ E(s2·s1) —— 卷 1 大题五（E = P(x, f(y), z)，给两个置换求复合）、卷 7 简答 2（"什么是置换？置换可交换吗"）
复合置换与 MGU 求法：
卷 1 填空 13（G·ε = G，δ·ε = δ）
卷 1 填空 14：S = {P(x), P(y)} 的 MGU = {x/y} 或 {y/x}
卷 4 简答 4：S = {P(f(x), y, g(y)), P(f(x), z, g(x))} 求 MGU
卷 5 简答 4：W = {P(f(x, g(A,y)), z), P(f(x, z), z)} 求 MGU

第 4 章不确定性推理方法 ★★★★

4.1 基本概念（讲义 4.1）

不确定性来源：知识的不确定性（随机性、模糊性、不完全性、不一致性）＋证据的不确定性
高频填空题（卷 4 填空 1、卷 5 填空 4、卷 6 填空 4、卷 7 填空 7）：按性质分为随机性、模糊性、不完全性、不一致性
不确定性推理的五大基本问题：表示与度量、匹配算法及阈值、组合证据算法、传递算法、结论合成
卷 5 选择 11：不确定性推理 = 从不确定性的初始证据出发，运用不确定性的知识

4.2 可信度方法（MYCIN 确定性理论）（讲义 4.2）★★★ 应用必考

知识表示：IF E THEN H (CF(H,E))，CF ∈ [−1, 1]
CF(H,E)=1 支持；=0 无关；=−1 反对（静态强度）
CF(E) 表示证据当前的不确定性程度（动态强度）
必背公式（卷 4 填空 3、卷 5 填空 6、卷 6 填空 3 均直接考）：
CF(¬A) = −CF(A)
CF(A1∧A2) = min{CF(A1), CF(A2)}
CF(A1∨A2) = max{CF(A1), CF(A2)}
CF(H) = CF(H,E) × max{0, CF(E)}
多规则合成：CF1≥0 且 CF2≥0 → CF = CF1+CF2−CF1×CF2；两者均 <0 → CF = CF1+CF2+CF1×CF2；异号 → CF = (CF1+CF2) / (1−min{|CF1|,|CF2|})
应用真题：
卷 1 大题八：R1、R2、R3 三条规则，求执行后 CF(B1)、CF(B2)
卷 3 应用 2：JAVA 程序员招聘（判断甲、乙谁被录用＋反推某门课程至少要考到多少分）
卷 5 解答题 6：推理网络（A∧B→H, 0.7；C∨D→H, 0.9；E→H, 0.3）计算复合证据对 H 的可信度
卷 5 另一卷解答题 6：r1~r4 规则，用 MYCIN 确定性方法求 CF(H)

4.3 证据理论（D-S 理论）（讲义 4.3）

样本空间 D、命题与子集的对应
基本概率分配 M：M(∅)=0，Σ M(A)=1
信任函数 Bel(A) = Σ_{B⊆A} M(B) —— 卷 1 填空 25（求 Bel(A)、Bel(B)）
似然函数 Pl(A) = 1 − Bel(¬A)；信任区间 [Bel(A), Pl(A)]
卷 1 填空 26：信任区间为 [1,1] ⇒ 命题 A 为真（完全可信）
概率分配函数的正交和（Dempster 组合规则）M = M1 ⊕ M2 及 K 的计算
卷 5 填空 7：构成证据理论的函数 = 基本概率分配函数、信任函数、似然函数

4.4 模糊推理（讲义 4.4）

模糊集合与隶属函数 μA(x) ∈ [0,1]
三种表示法：Zadeh 表示法、序偶表示法、向量表示法
集合运算：并 max、交 min、补 1−μ
代数运算：代数积、代数和、有界和、有界积 —— 讲义例 4.5 必练（求 A·B、A+B、A⊕B、A⊗B）
模糊关系与合成：最大-最小合成法、最大-代数积合成法
模糊假言推理：B' = A' ∘ R
模糊决策三方法：最大隶属度法、加权平均判决法、中位数法
真题：卷 4 简答 1（三值逻辑表 T/F/U）；卷 5 简答 1、卷 6 简答 3（解释模糊性知识：张三体型（胖，0.9）；患者症状→疾病）
卷 5 填空 8：对模糊不确定性一般采用隶属函数或模糊集来刻划

4.5 三种方法比较（讲义 4.5）

可信度方法（经验性、计算复杂度低、适用简单专家系统）／证据理论（集合论、中、信息融合与决策分析）／模糊推理（模糊集合论、中高、控制与模式识别）

第 5 章搜索求解策略 ★★★★☆

5.1 搜索的基本概念（讲义 5.1）

搜索定义：构造一条代价较少的推理路线
搜索需解决的四个基本问题：解的存在性、最优性、时空复杂性、终止性
搜索方向：数据驱动（正向）／目的驱动（逆向）／双向
两大方式：盲目搜索（无信息）／启发式搜索（有信息）
卷 4 填空 4、卷 7 填空 4：这类核心技术称为图搜索，用图表示的称为状态空间图（状态图）

5.2 状态空间表示法（讲义 5.2）

状态、操作算子、状态空间四元组 (S, O, S0, G)
问题的解 = 有限操作算子序列；最优解不一定唯一（讲义 5.3 思考题）
状态图要素：节点、边、路径、路径代价
八数码问题：状态表示＋四个操作算子（Up／Down／Left／Right）
TSP 旅行商问题

5.3 盲目搜索（讲义 5.3）★★

回溯策略：PS（当前路径状态表）、NPS（新路径状态表）、NSS（不可解状态集）
宽度优先搜索：OPEN 表 = 队列；步骤 7 步；新状态加入 OPEN 表末尾；完备、无代价时最优、时空复杂度均 O(b^n)
深度优先搜索：步骤同上，区别在第 6 步——新状态加入 OPEN 表首部（栈）；时间 O(b^n)、空间 O(bn)；不完备、不最优
卷 1 填空 17：广度优先 OPEN 表是队列，深度优先是栈
卷 4 简答 1：深度优先方法的特点（图搜索、通用方法、深度限制不当可能找不到解、不保证最优）
改进：有界深度搜索（设定深度限 l）、迭代加深搜索
真题：
卷 2/卷 6 简答：写出树结点的深度优先／广度优先访问序列（题库答案：DFS 为 1-2-5-6-10-11-3-7-12-13-4-8-9；BFS 为 1-2-3-4-5-6-7-8-9-10-11-12-13）
卷 4/卷 5 简答：广度优先与深度优先各自特点、优缺点及适用场景（须能背对比表）

5.4 启发式搜索（讲义 5.4）★★★

启发信息三分类：陈述性／过程性／控制性
估价函数 f(x) = g(x) + h(x)
g(x)：初始节点到 x 已实际付出的代价
h(x)：x 到目标节点最优路径的估计代价（启发函数）
卷 4 填空 16、卷 6 填空 16：启发式搜索中通常用启发函数表示启发性信息
h(x)=0 时退化为盲目搜索；h(x) 越接近 h*(x) 效率越高
八数码的 h 设计：h1（位置不符的数字个数）、h2（曼哈顿距离）、h3（逆序数）、h4（组合）
A 算法：OPEN 表按 f(x) 排序，每次取 f(x) 最小者扩展；共 8 步流程；OPEN 表存已生成未扩展状态，CLOSED 表存已扩展状态
A* 算法：要求 h(x) ≤ h*(x)；三大特性——可采纳性、单调性、信息性
A 与 A* 的区别（必背对比表，卷 5 简答：何谓估价函数？A 与 A* 最显著的区别）
真题：
卷 1 大题六：加权交通图，求 A 到 E 最小费用路线，要求画出搜索树、Closed 表与 Open 表变化过程（规定不能用 Dijkstra 算法）
卷 5 简答：八数码，定义 h(x) 为与目标数码不同的位置个数，用全局择优法画出搜索过程（卷 3 简答 3 同）

5.5 博弈树与 α-β 剪枝（题库高频）

极小极大分析法：先生成博弈树，再计算倒推值
α-β 剪枝条件（卷 7 简答 2 原题）：
α 剪枝：任一极小值层节点的 β ≤ 它任一先辈极大值节点的 α（即 α(先辈) ≥ β(后继)），可中止该 MIN 节点以下搜索，其倒推值取该 β
β 剪枝：任一极大值层节点的 α ≥ 它任一先辈极小值层节点的 β（即 α(后继) ≥ β(先辈)），可中止该 MAX 节点以下搜索，其倒推值取该 α
卷 6 简答 1："剪枝方法只是极小极大方法的一种近似，剪枝可能会漏掉最佳走步"——该说法不正确。α-β 剪枝利用已搜索信息剪掉对寻找最佳走步无意义的分枝，结果与极小极大法完全一致，只是效率大幅提高。
真题：卷 4 应用 2、卷 5 应用 2、卷 6 应用题 7、卷 7 简答 4（画出博弈树 α-β 剪枝过程与各节点倒推值）

第 6 章智能计算及其应用

题库 7 套试卷中未出现直接考题。 讲义 6.1~6.8 的"重点考点总结"仍需二轮过一遍：

进化算法定义与分类（遗传算法 GA／进化规划 EP／进化策略 ES／遗传编程 GP／学习分类器系统 LCS）
遗传算法：编码（二进制／实数／整数／字符）、适应度函数设计四原则、选择（适应度比例、排序、轮盘赌、锦标赛、最佳个体保存）、交叉（一点／二点／多点／PMX 部分匹配）、变异（位点／逆转／插入／互换）
GA 六大特点：广泛适用性、高效搜索能力、鲁棒性强、全局优化能力、并行性、可扩展性；GA 基本流程 5 步
GA 改进算法：双倍体、双种群、自适应
群智能算法五大特征与"与进化算法的区别"
粒子群 PSO：速度更新公式三项含义（惯性／个体认知／社会）、位置更新、四类模型（全模型／认知模型／社会模型／无私模型）、参数（ω、φ1、φ2、Vmax、Gmax）
蚁群 ACO：转移概率公式、信息素更新公式、三种 Δτ 模型（蚂蚁圈系统／蚂蚁数量系统／蚂蚁密度系统）、α、β、ρ 参数含义

第 7 章专家系统与机器学习 ★★☆

7.1 专家系统（讲义 7.1~7.4、7.7~7.9）

定义：运用知识与推理解决只有专家才能解决的复杂问题的智能程序
六大特点：具有专家水平的专业知识、能进行有效推理、具有启发性、灵活性、透明性、交互性
十大类型：解释型（DENDRAL、PROSPECTOR）、诊断型（MYCIN、CASNET、PUFF、PIP、DART）、预测型、设计型（XCON、KBVLSI）、规划型（NOAH、SECS、TATR）、控制型（YES/MVS）、监督型（REACTOR）、修理型、教学型、调试型
一般结构六部分：人机接口、推理机、知识库、综合数据库、知识获取机构、解释机构；核心 = 知识库＋推理机
卷 2/3/4/5/6/7 选择"下列哪部分不是专家系统的组成部分（用户）"
卷 1 填空 19：专家系统结构包含人机界面、…、解释模块
卷 5 填空 5：专家系统应具备的四大要素
知识获取：四大过程（抽取→转换→输入→检测）；三种模式（非自动／半自动／自动）；知识获取是专家系统开发的"瓶颈"
开发步骤：问题识别 → 概念化 → 形式化 → 实现 → 测试 —— 卷 3 简答 2、卷 7 简答 4
骨架系统：EMYCIN（基于 MYCIN，产生式＋反向推理＋不确定性推理）、KAS（基于 PROSPECTOR，语义网络＋贝叶斯概率）
开发环境：AGE、KEE、PROLOG、LISP、CLIPS
卷 1 填空 21：开发专家系统的三大基本问题 = 知识获取、知识表示、知识运用

7.2 机器学习（讲义 7.5）

定义：使计算机通过学习自动获取知识并在实践中自我完善
按学习方法分五类：机械式学习、指导式学习、示例学习、类比学习、解释学习（各类型原理、特点、示例须能对号）
按学习能力分：监督学习、无监督学习、弱监督学习（定义、典型算法、应用场景）
真题：卷 2/3/4/5/6 选择"主要研究计算机如何自动获取知识和技能……这门分支学科叫（机器学习）"

7.3 知识发现与数据挖掘（讲义 7.6）

KDD 定义；数据挖掘是 KDD 过程中的一个重要步骤
一般过程：数据准备（选取／预处理／变换）→ 数据挖掘 → 结果解释与评价
任务：数据总结、概念描述、分类、聚类、相关性分析、偏差分析、建模
方法：统计方法、粗糙集、可视化、传统机器学习方法
对象：数据库、数据仓库、Web 信息、图像和视频数据

第 8 章人工神经网络及其应用

题库 7 套试卷中未出现直接考题。 按讲义 8.1~8.6 做概念记忆：

生物神经元四部分：细胞体、树突、轴突、突触
神经元数学模型三部分：加权求和、线性动态系统、非线性激活函数
三种激活函数：阶跃函数、S 型函数、ReLU 函数
网络结构：前馈型（BP 网络）与反馈型（Hopfield，全互连）
Hebb 学习规则
BP 神经网络：三层结构、前向传播＋误差反向传播＋梯度下降；存在三层 BP 网络可逼近任意连续函数
Hopfield：离散型（1982，能量函数与稳定性定理）、连续型（1984）、随机神经网络（玻耳兹曼机）
Hopfield 应用：联想记忆、优化计算（TSP）
深度学习前沿：CNN（局部连接、权值共享、多卷积核、池化）、胶囊网络

三、必须拿满分的"八大计算／证明题型"

序号	题型	定位章节
1	谓词公式化子句集（8~9 步）	3.3
2	求 MGU ／复合置换 E(s1·s2)	3.4.3
3	归结反演证明（须写置换与父子句编号）	3.4.4
4	归结原理求求解（ANSWER 谓词、修改证明树）	3.5
5	可信度 CF 计算（单规则＋多规则合成）	4.2
6	证据理论 Bel／Pl 计算	4.3
7	模糊集合的四种代数运算	4.4
8	搜索过程表（OPEN／CLOSED）与博弈树 α-β 剪枝	5.3~5.5

四、必背结论速查表

序号	结论	出处
1	CF(¬A) = −CF(A)；CF(A1∧A2) = min；CF(A1∨A2) = max	讲义 4.2
2	CF(H) = CF(H,E) × max{0, CF(E)}	讲义 4.2
3	归结出空子句 ⇒ 定理得证	讲义 3.4
4	具完备性的三种归结策略：删除策略、支持集策略、线性归结策略	讲义 3.4.5
5	删除策略删除：纯文字子句、永真式子句、被类含的子句	讲义 3.4.5
6	广度优先 OPEN 表 = 队列；深度优先 OPEN 表 = 栈	讲义 5.3
7	A* 要求 h(x) ≤ h*(x)；A 算法无此约束	讲义 5.4
8	α-β 剪枝不改变极小极大法的结果，只提高效率	讲义 5.4 相关
9	置换不可交换，E(s1·s2) ≠ E(s2·s1)	讲义 3.4.3
10	专家系统核心 = 知识库＋推理机	讲义 7.3
11	知识获取是专家系统开发的"瓶颈"	讲义 7.3.5
12	三大学派：符号主义、连接主义、行为主义	讲义第 1 章
13	1950 图灵测试／1956 达特茅斯会议／1997 深蓝（后者与讲义 1996 记载不同，以 1997 为准）	讲义 1.2
14	语义网络的 AKO／ISA 链表达继承性	讲义 2.5
15	不确定性按性质分：随机性、模糊性、不完全性、不一致性	讲义 4.1

五、复习优先级建议

第一轮（全力抓 70 分以上的大头）

第 3 章全章：3.1~3.6（子句集、MGU、归结反演、归结求解）
第 5 章 5.2~5.5（状态空间、盲目搜索、启发式搜索、A/A*、α-β 剪枝）
第 4 章 4.2~4.4（可信度方法、证据理论、模糊集合运算）

第二轮（补齐概念分）

第 1 章＋第 2 章的选择／填空高频点：学派、时间节点、产生式系统三要素、框架三要素、知识表示形式、AKO/ISA
第 7 章：专家系统结构六部分与十大类型、机器学习五类方法、KDD 一般过程

第三轮（兜底，防冷门）

第 6 章、第 8 章按讲义"重点考点总结"各过 1~2 遍（题库无真题，但可能出选择或填空）

附：本文档说明

"卷N"为本文档按《855 人工智能习题题库及期末题库》原文出现顺序自拟的编号，共 7 套试卷（含 1 套"26 空填空＋ 8 道大题"的试卷库卷目），非官方编号。
章节号严格对应《855 人工智能重点核心讲义》的"章—节"编号，便于回到讲义原文查证。
题库后附有《人工智能导论（第 5 版）》第二章、第五章课后思考题答案，复习时可直接对照第 2 章课后题 2.1~2.19、第 5 章课后题 5.1~5.8 使用。
讲义第 3 章中"归结反演"一节的原编号存在错位（印作 4.4），本文按规范记为 3.4.4。

# 855 人工智能 · 习题重点考查内容梳理（按讲义章节定位）

> 整理来源：《855 人工智能习题题库及期末题库》＋《855 人工智能重点核心讲义》（同为 2027 专版）
> 用途：把题库中反复出现的考点，逐条定位到讲义的"章—节"，用于反向查证与二轮复习
> 题号约定：文中"卷N"是本梳理按题库原文出现顺序对 7 套试卷的自拟编号（非官方编号）；章节号严格对应《重点核心讲义》体系

---

## 一、考查格局总览

### 1.1 题型与分值（7 套试卷的稳定结构）

| 题型   | 常见题量 | 分值区间 | 说明                                           |
| ------ | -------- | -------- | ---------------------------------------------- |
| 选择题 | 13~15 题 | 13~15 分 | 覆盖面最广，几乎全部来自第 1、2、3、7 章的概念 |
| 填空题 | 8~26 空  | 30~40 分 | 分值最高，集中在定义、公式、结论性表述         |
| 简答题 | 3~5 题   | 25~27 分 | 概念阐述 ＋ 子句集化简 ＋ MGU 等               |
| 应用题 | 2~3 题   | 30 分    | 归结证明、可信度计算、搜索与剪枝、语义网络     |

**结论：填空题 ＋ 应用题合计约 60~70 分，是拉开差距的主战场；选择题靠概念记忆稳拿分。**

### 1.2 章节权重（按 7 套试卷实际出题频度统计）

| 章节                         | 出题频度 | 主要考查形式                                       |
| ---------------------------- | -------- | -------------------------------------------------- |
| 第 3 章 确定性推理方法       | ★★★★★    | 子句集化简、MGU、归结反演证明、归结求解            |
| 第 5 章 搜索求解策略         | ★★★★☆    | OPEN/CLOSED 表、深度/广度访问序列、A/A\*、α-β 剪枝 |
| 第 2 章 知识表示与知识图谱   | ★★★★☆    | 谓词表示、产生式、框架、语义网络、知识图谱         |
| 第 4 章 不确定性推理方法     | ★★★★☆    | 可信度 CF 计算、证据理论、模糊集合运算             |
| 第 1 章 绪论                 | ★★★☆☆    | 以选择、填空为主                                   |
| 第 7 章 专家系统与机器学习   | ★★☆☆☆    | 专家系统结构/类型/开发步骤、机器学习分类           |
| 第 6 章 智能计算及其应用     | ☆        | 7 套试卷未出现直接考题                             |
| 第 8 章 人工神经网络及其应用 | ☆        | 7 套试卷未出现直接考题                             |

> 注意：第 6、8 章虽无真题，但讲义均独立成章并给出"重点考点总结"，建议按讲义结论性内容做二轮兜底记忆。

---

## 二、逐章考点清单（含真题定位）

### 第 1 章 绪论

对应讲义：1.1 基本概念 / 1.2 发展简史 / 1.3 研究内容 / 1.4 主要研究领域

1. **人工智能的学科定义**（讲义 1.1.3）
   真题：卷 5 选择"人工智能是一门（综合性交叉学科和边缘学科）"；卷 6 选择 14
   必背：智能 = 知识 ＋ 智力；AI 定义三角度（科学定义／学科定义／通俗定义）。

2. **AI 英文缩写**（讲义 1.1.3）
   真题：卷 4 选择 1、卷 5 填空 3、卷 6 填空 4 —— Artificial Intelligence

3. **发展史关键节点**（讲义 1.2）
   - 1950 年图灵提出机器智能测试模型 → 卷 2/3/4/7 选择"这个科学家是（图灵）"；卷 5 填空 1；卷 7 简答 5"图灵实验"
   - 1956 年达特茅斯会议，AI 正式诞生 → 卷 6 选择 1"人工智能产生于哪一年（1956）"
   - 1997 年 5 月"深蓝"击败卡斯帕罗夫 → 卷 4 选择 9、卷 5 填空 9、卷 6 填空 9
   - 其余需记住：1965 鲁宾孙提出归结原理；1972 PROLOG 与 MYCIN；1975 Holland《自然和人工系统中的适应性》
   - **注意**：讲义 1.2.3 把"深蓝"记为 1996 年，而题库与通行教材均为 1997 年 5 月，答题以 1997 年为准。

4. **三大学派**（第 1 章相关表述）
   真题：卷 2/6 填空"人工智能三大学派是（符号主义、连接主义、行为主义）"；卷 3/4/5 选择"不属于人工智能的学派是（机会主义）"
   易错：神经网络研究属于**连接主义**（卷 2/3/6 选择）。

5. **研究领域辨析**
   真题：卷 2/3/6 选择"下列哪个不是人工智能的研究领域（编译原理）"

6. **人工智能的基本技术**（讲义 1.3）
   真题：卷 1 填空 3、卷 6 填空 5 —— 搜索技术、推理技术、知识表示和知识库技术、归纳技术、联想技术

7. **远期／近期目标**
   真题：卷 4/5 填空、卷 6 填空 10 —— 远期 = 制造智能机器；近期 = 实现机器智能

8. **研究内容五大块**（讲义 1.3）：知识表示 / 机器感知 / 机器思维 / 机器学习 / 机器行为

9. **智能的特征**（讲义 1.1.2）：感知能力、记忆与思维能力、学习能力、行为能力

---

### 第 2 章 知识表示与知识图谱

对应讲义：2.1 概念 / 2.2 一阶谓词逻辑 / 2.3 产生式 / 2.4 框架 / 2.5 知识图谱 / 2.6 方法比较

#### 2.1 知识本身（讲义 2.1）

- 知识的定义与四大特性：**相对正确性、不确定性、可表示性、可利用性** —— 卷 4/5 填空、卷 6 填空 6
- 知识不确定性的三个来源：随机性、模糊性、经验性（讲义 2.1.1）
- 知识表示的四项要求：表示能力、可理解性、可访问性、可扩充性
- 知识的四种分类维度（按作用范围／作用及表示／结构及表现形式／确定性）—— 讲义第 2 章课后题 2.1

#### 2.2 一阶谓词逻辑（讲义 2.2）★

- 命题：非真即假的**陈述句** —— 卷 4/5 选择"命题是可以判断真假的（陈述句）"
- 谓词 / 个体 / 个体域；**函数与谓词的区别**（函数是从个体域到个体域的映射，谓词是从个体域到真值的映射）
- 谓词的项与阶（一阶谓词 = 仅个体变元被量化）—— 卷 4/5 选择
- 谓词公式与"解释"；永真性、可满足性、不可满足性（讲义 2.2.3）
- 谓词逻辑与命题逻辑的异同（讲义课后题 2.5）
- 表示三步骤：定义谓词和个体 → 变元赋值 → 用连接词连接成公式
- 四大特点：自然性、精确性、严密性、易实现性；缺点：不能表示不确定性知识、组合爆炸、效率低
- 真题：卷 1 大题二（"不存在最大的整数"形式化）、卷 7 简答 1（同题）、卷 2 简答 1.1（三个自然语言转谓词）

#### 2.3 产生式表示法（讲义 2.3）★

- 基本形式：P → Q 或 IF P THEN Q；P 为前件（条件），Q 为后件（结论或操作）
- 产生式系统三要素：**规则库 ＋ 综合数据库 ＋ 推理机** —— 卷 6 填空 7、卷 2 填空、卷 7 简答 6
- 工作过程四步：匹配 → 冲突解决 → 执行 → 终止
- 推理方式：正向推理、反向推理、双向推理 —— 卷 2/3/4/5 选择"产生式系统的推理不包括（简单推理）"
- 冲突消解策略五条：专一性排序、规则排序、数据排序、就近排序、上下文限制
- 产生式与蕴涵式的异同（讲义课后题 2.10）
- 优缺点：效率不高、不能表示结构性知识
- **产生式系统与图搜索的对比表** —— 卷 5 简答 3（原题即"补齐对比表"）

#### 2.4 框架表示法（讲义 2.4）

- 框架结构：框架名 ＋ 槽 ＋ 侧面 ＋ 值
- 框架系统的三种关系：继承关系、成员关系、关联关系
- 特性继承通过槽的三个侧面灵活实现 —— 卷 5 填空 3
- 特点：结构性、继承性、自然性；缺点：缺乏形式理论、灵活性差
- 经典实作题：**"大学教师"框架** —— 卷 2/3 简答 4（属性含学历、专业、职称）；办公室框架、计算机主机框架（讲义 2.17、2.18）

#### 2.5 语义网络与知识图谱（讲义 2.5）

- 语义网络：**AKO 链、ISA 链用于表达节点知识的继承性** —— 卷 4/5/6 选择
- 语义网络的推理方法：AKO、ISA（卷 7 填空 12）
- 语义网络可表达的关系类型 —— 卷 5 简答 4
- 表示类真题：
  - "苹果"知识 —— 卷 1 大题三
  - 胡途／思源公司／清华大学篮球赛 —— 卷 4 应用 1
  - "某个学生读过三国演义" —— 卷 5 应用 1（要求谓词公式＋语义网络双写）
  - "每个学生都喜欢老师上的一门课"；树／草／水草／果树／樱桃树 —— 卷 5 解答题 2、3
- 知识图谱：2012 年 Google 提出；三元组（实体1，关系，实体2）；逻辑架构 = 数据层＋模式层；构建流程 = 知识获取→抽取→融合→验证→存储（讲义 2.5）

#### 2.6 表示方法横向比较（讲义 2.6）

真题：卷 5 填空 2"目前所用的知识表示形式有（框架、语义网络、面向对象）"；卷 6 填空 6；卷 7 填空 12
**必须能默写讲义 2.6 的对比表**（一阶谓词逻辑／产生式／框架／语义网络／知识图谱 的优点、缺点、适用范围）。

---

### 第 3 章 确定性推理方法 ★★★★★（全题库第一大考点）

#### 3.1 推理的基本概念（讲义 3.1）

- 推理定义与形式化：F ∧ K ⇒ C
- 五套分类维度：逻辑基础（演绎／归纳／默认）、确定性、单调性、是否用启发知识、控制方向（正向／逆向／混合／双向）
- 推理控制策略三要素：推理方向、搜索策略、冲突消解策略
- 冲突消解四条排序原则：针对性、新鲜性、条件个数、匹配度
- 真题：卷 1 填空 18；卷 2/3/6 填空"从已知事实出发，通过规则库求得结论的推理方式是（正向推理）"

#### 3.2 自然演绎推理（讲义 3.2）

必须背下五条规则 —— 卷 4/5 选择、卷 6 填空 17、卷 2/3 填空 6：

| 规则           | 形式                |
| -------------- | ------------------- |
| 假言推理       | (A→B) ∧ A ⇒ B       |
| 拒取式         | (A→B) ∧ ¬B ⇒ ¬A     |
| 假言三段论     | (A→B) ∧ (B→C) ⇒ A→C |
| 析取三段论     | A∨B，¬A ⇒ B         |
| 合取引入／消去 | A，B ⇒ A∧B；A∧B ⇒ A |

#### 3.3 谓词公式化为子句集（讲义 3.3）★★★ 必考大题

**8/9 步流程**（讲义 3.3.2，以 ∀x(∀yP(x,y)→¬∀y(Q(x,y)→R(x,y))) 为例）：

1. 消去蕴含式和等价式
2. 把否定符号移到原子公式前（德摩根定律 ＋ 量词转换律）
3. 变量标准化（约束变元改名，保证唯一）
4. 消去存在量词（用 Skolem 常量／Skolem 函数）
5. 化为前束范式（全称量词移到最前）
6. 化为 Skolem 标准形／合取范式（分配律）
7. 消去全称量词
8. 消去合取符号 ∧，拆成子句
9. 更换变元名称，保证各子句变元唯一

真题：

- 卷 1 大题四：∃x∀y(∀z(P(z)∧¬Q(x,z))→R(x,y,f(a)))（题库附完整答案）
- 卷 7 简答 2 为同题
- 卷 3 简答 1：∀x(∀yP(x,y)→¬∀y(Q(x,y)→R(x,y)))
- 卷 4 简答 3：原题要求"写出 8 个步骤"（讲义第 5、7 步可合并，故有 8 步与 9 步两种写法，两种都要能答）
- 卷 6 填空 2、卷 6 简答 2、卷 7 填空 2：On(x,y)→Above(x,y) ⇒ ¬On(x,y)∨Above(x,y)
- 卷 1 填空 9、卷 5 填空 14：子句集与谓词公式的关系

#### 3.4 鲁宾孙归结原理（讲义 3.4）★★★

- 归结式定义：互补文字消去后剩余部分的析取；参与归结的两子句称亲本子句
- **归结出空子句（NIL／□）⇒ 定理得证** —— 卷 4/5/6 选择"当前归结式是（空子句）"
- 谓词逻辑归结必须先用 **MGU（最一般合一）** 统一变元
- 因子与单元因子；谓词逻辑归结式的四种情况
- 核心定理与两个推论（归结式是亲本子句的逻辑结论；加入归结式不改变不可满足性）
- **归结策略** —— 卷 1 填空 15、卷 4 填空 2、卷 6 填空 15：
  - 具完备性的三种：**删除策略、支持集策略、线性归结策略**
  - 其余：宽度优先策略、单元归结策略、输入归结策略
  - 删除策略删除的子句：含**纯文字**的子句、含**永真式**的子句、被别的子句**类含（包孕）**的子句

#### 3.5 归结反演与归结求解（讲义 3.4.4、3.5）★★★ 应用大题

标准五步：

1. 把已知前提表示为谓词公式并化为子句集 S
2. 把待证结论否定（求问题解时写成 ¬结论 ∨ ANSWER(x)）
3. 将②的子句并入 S
4. 反复归结，把归结式并入 S
5. 推出空子句 ⇒ 定理成立；得到 ANSWER 项 ⇒ 求得问题的解

真题（建议全部动手做一遍）：

- 卷 4 应用 3 / 卷 5 简答 5 / 卷 7 简答 6：**祖孙关系**（老李—大李—小李），要求注明每步置换与父子句编号，并说明如何用重言式求出具体值
- 卷 4 应用 2 / 卷 5 简答 5 / 卷 6 简答 8：**"能阅读者是识字的；海豚不识字；有些海豚聪明"⇒ 有些聪明者并不能阅读**
- 卷 5 应用 3（卷 5 简答 2 同）：**"凡是清洁的东西就有人喜欢；人们都不喜欢苍蝇"⇒ 苍蝇是不清洁的**
- 卷 1 大题七：刑侦知识，用线性归结策略求证 may-steal(John, Z)
- 卷 5 简答 1：用线性消解策略证明 {P∨Q, ¬P∨R, ¬Q∨R, ¬R} 可消解
- 卷 5 解答题 5 / 卷 6 简答 5、6：**盗窃犯问题**（五名侦察员证词），用消解原理 ＋ ANSWER 谓词求出"钱和孙是作案者"
- 卷 7 简答 3：某问题五条公式描述，用归结法证明 ∃xR(x)
- 卷 1 大题八：Shortliffe 确定性理论，求 CF(B1)、CF(B2) 的更新值

#### 3.6 置换与 MGU（讲义 3.4.3 ＋ 习题）

- 置换的定义与表示 s = {t1/v1, …, tn/vn}
- **置换不可交换**：E(s1·s2) ≠ E(s2·s1) —— 卷 1 大题五（E = P(x, f(y), z)，给两个置换求复合）、卷 7 简答 2（"什么是置换？置换可交换吗"）
- 复合置换与 MGU 求法：
  - 卷 1 填空 13（G·ε = G，δ·ε = δ）
  - 卷 1 填空 14：S = {P(x), P(y)} 的 MGU = {x/y} 或 {y/x}
  - 卷 4 简答 4：S = {P(f(x), y, g(y)), P(f(x), z, g(x))} 求 MGU
  - 卷 5 简答 4：W = {P(f(x, g(A,y)), z), P(f(x, z), z)} 求 MGU

---

### 第 4 章 不确定性推理方法 ★★★★

#### 4.1 基本概念（讲义 4.1）

- 不确定性来源：知识的不确定性（随机性、模糊性、不完全性、不一致性）＋ 证据的不确定性
- **高频填空题（卷 4 填空 1、卷 5 填空 4、卷 6 填空 4、卷 7 填空 7）：按性质分为随机性、模糊性、不完全性、不一致性**
- 不确定性推理的五大基本问题：表示与度量、匹配算法及阈值、组合证据算法、传递算法、结论合成
- 卷 5 选择 11：不确定性推理 = 从**不确定性**的初始证据出发，运用**不确定性**的知识

#### 4.2 可信度方法（MYCIN 确定性理论）（讲义 4.2）★★★ 应用必考

- 知识表示：IF E THEN H (CF(H,E))，CF ∈ [−1, 1]
  - CF(H,E)=1 支持；=0 无关；=−1 反对（静态强度）
  - CF(E) 表示证据当前的不确定性程度（动态强度）
- **必背公式**（卷 4 填空 3、卷 5 填空 6、卷 6 填空 3 均直接考）：
  - CF(¬A) = −CF(A)
  - CF(A1∧A2) = min{CF(A1), CF(A2)}
  - CF(A1∨A2) = max{CF(A1), CF(A2)}
  - CF(H) = CF(H,E) × max{0, CF(E)}
  - 多规则合成：CF1≥0 且 CF2≥0 → CF = CF1+CF2−CF1×CF2；两者均 <0 → CF = CF1+CF2+CF1×CF2；异号 → CF = (CF1+CF2) / (1−min{|CF1|,|CF2|})
- 应用真题：
  - 卷 1 大题八：R1、R2、R3 三条规则，求执行后 CF(B1)、CF(B2)
  - 卷 3 应用 2：**JAVA 程序员招聘**（判断甲、乙谁被录用 ＋ 反推某门课程至少要考到多少分）
  - 卷 5 解答题 6：推理网络（A∧B→H, 0.7；C∨D→H, 0.9；E→H, 0.3）计算复合证据对 H 的可信度
  - 卷 5 另一卷解答题 6：r1~r4 规则，用 MYCIN 确定性方法求 CF(H)

#### 4.3 证据理论（D-S 理论）（讲义 4.3）

- 样本空间 D、命题与子集的对应
- 基本概率分配 M：M(∅)=0，Σ M(A)=1
- 信任函数 Bel(A) = Σ\_{B⊆A} M(B) —— 卷 1 填空 25（求 Bel(A)、Bel(B)）
- 似然函数 Pl(A) = 1 − Bel(¬A)；信任区间 [Bel(A), Pl(A)]
  - 卷 1 填空 26：信任区间为 [1,1] ⇒ 命题 A 为真（完全可信）
- 概率分配函数的正交和（Dempster 组合规则）M = M1 ⊕ M2 及 K 的计算
- 卷 5 填空 7：构成证据理论的函数 = 基本概率分配函数、信任函数、似然函数

#### 4.4 模糊推理（讲义 4.4）

- 模糊集合与隶属函数 μA(x) ∈ [0,1]
- 三种表示法：Zadeh 表示法、序偶表示法、向量表示法
- 集合运算：并 max、交 min、补 1−μ
- **代数运算**：代数积、代数和、有界和、有界积 —— 讲义例 4.5 必练（求 A·B、A+B、A⊕B、A⊗B）
- 模糊关系与合成：最大-最小合成法、最大-代数积合成法
- 模糊假言推理：B' = A' ∘ R
- 模糊决策三方法：最大隶属度法、加权平均判决法、中位数法
- 真题：卷 4 简答 1（三值逻辑表 T/F/U）；卷 5 简答 1、卷 6 简答 3（解释模糊性知识：张三体型（胖，0.9）；患者症状→疾病）
- 卷 5 填空 8：对模糊不确定性一般采用**隶属函数**或**模糊集**来刻划

#### 4.5 三种方法比较（讲义 4.5）

可信度方法（经验性、计算复杂度低、适用简单专家系统）／证据理论（集合论、中、信息融合与决策分析）／模糊推理（模糊集合论、中高、控制与模式识别）

---

### 第 5 章 搜索求解策略 ★★★★☆

#### 5.1 搜索的基本概念（讲义 5.1）

- 搜索定义：构造一条代价较少的推理路线
- 搜索需解决的四个基本问题：解的存在性、最优性、时空复杂性、终止性
- 搜索方向：数据驱动（正向）／目的驱动（逆向）／双向
- 两大方式：盲目搜索（无信息）／启发式搜索（有信息）
- 卷 4 填空 4、卷 7 填空 4：这类核心技术称为**图搜索**，用图表示的称为**状态空间图（状态图）**

#### 5.2 状态空间表示法（讲义 5.2）

- 状态、操作算子、状态空间四元组 **(S, O, S0, G)**
- 问题的解 = 有限操作算子序列；最优解不一定唯一（讲义 5.3 思考题）
- 状态图要素：节点、边、路径、路径代价
- 八数码问题：状态表示 ＋ 四个操作算子（Up／Down／Left／Right）
- TSP 旅行商问题

#### 5.3 盲目搜索（讲义 5.3）★★

- **回溯策略**：PS（当前路径状态表）、NPS（新路径状态表）、NSS（不可解状态集）
- **宽度优先搜索**：OPEN 表 = **队列**；步骤 7 步；新状态加入 OPEN 表**末尾**；完备、无代价时最优、时空复杂度均 O(b^n)
- **深度优先搜索**：步骤同上，区别在第 6 步——新状态加入 OPEN 表**首部（栈）**；时间 O(b^n)、空间 O(bn)；**不完备、不最优**
  - 卷 1 填空 17：广度优先 OPEN 表是**队列**，深度优先是**栈**
  - 卷 4 简答 1：深度优先方法的特点（图搜索、通用方法、深度限制不当可能找不到解、不保证最优）
- 改进：有界深度搜索（设定深度限 l）、迭代加深搜索
- 真题：
  - 卷 2/卷 6 简答：写出树结点的深度优先／广度优先访问序列（题库答案：DFS 为 1-2-5-6-10-11-3-7-12-13-4-8-9；BFS 为 1-2-3-4-5-6-7-8-9-10-11-12-13）
  - 卷 4/卷 5 简答：广度优先与深度优先各自特点、优缺点及适用场景（须能背对比表）

#### 5.4 启发式搜索（讲义 5.4）★★★

- 启发信息三分类：陈述性／过程性／控制性
- **估价函数 f(x) = g(x) + h(x)**
  - g(x)：初始节点到 x 已实际付出的代价
  - h(x)：x 到目标节点最优路径的估计代价（启发函数）
  - 卷 4 填空 16、卷 6 填空 16：启发式搜索中通常用**启发函数**表示启发性信息
  - h(x)=0 时退化为盲目搜索；h(x) 越接近 h\*(x) 效率越高
- 八数码的 h 设计：h1（位置不符的数字个数）、h2（曼哈顿距离）、h3（逆序数）、h4（组合）
- **A 算法**：OPEN 表按 f(x) 排序，每次取 f(x) 最小者扩展；共 8 步流程；OPEN 表存已生成未扩展状态，CLOSED 表存已扩展状态
- **A\* 算法**：要求 **h(x) ≤ h\*(x)**；三大特性——可采纳性、单调性、信息性
- **A 与 A\* 的区别**（必背对比表，卷 5 简答：何谓估价函数？A 与 A\* 最显著的区别）
- 真题：
  - 卷 1 大题六：加权交通图，求 A 到 E 最小费用路线，要求画出搜索树、Closed 表与 Open 表变化过程（**规定不能用 Dijkstra 算法**）
  - 卷 5 简答：八数码，定义 h(x) 为与目标数码不同的位置个数，用全局择优法画出搜索过程（卷 3 简答 3 同）

#### 5.5 博弈树与 α-β 剪枝（题库高频）

- 极小极大分析法：先生成博弈树，再计算倒推值
- **α-β 剪枝条件**（卷 7 简答 2 原题）：
  - α 剪枝：任一极小值层节点的 β ≤ 它任一先辈极大值节点的 α（即 α(先辈) ≥ β(后继)），可中止该 MIN 节点以下搜索，其倒推值取该 β
  - β 剪枝：任一极大值层节点的 α ≥ 它任一先辈极小值层节点的 β（即 α(后继) ≥ β(先辈)），可中止该 MAX 节点以下搜索，其倒推值取该 α
- 卷 6 简答 1：**"剪枝方法只是极小极大方法的一种近似，剪枝可能会漏掉最佳走步"——该说法不正确**。α-β 剪枝利用已搜索信息剪掉对寻找最佳走步无意义的分枝，结果与极小极大法完全一致，只是效率大幅提高。
- 真题：卷 4 应用 2、卷 5 应用 2、卷 6 应用题 7、卷 7 简答 4（画出博弈树 α-β 剪枝过程与各节点倒推值）

---

### 第 6 章 智能计算及其应用

**题库 7 套试卷中未出现直接考题。** 讲义 6.1~6.8 的"重点考点总结"仍需二轮过一遍：

- 进化算法定义与分类（遗传算法 GA／进化规划 EP／进化策略 ES／遗传编程 GP／学习分类器系统 LCS）
- 遗传算法：编码（二进制／实数／整数／字符）、适应度函数设计四原则、选择（适应度比例、排序、轮盘赌、锦标赛、最佳个体保存）、交叉（一点／二点／多点／PMX 部分匹配）、变异（位点／逆转／插入／互换）
- GA 六大特点：广泛适用性、高效搜索能力、鲁棒性强、全局优化能力、并行性、可扩展性；GA 基本流程 5 步
- GA 改进算法：双倍体、双种群、自适应
- 群智能算法五大特征与"与进化算法的区别"
- 粒子群 PSO：速度更新公式三项含义（惯性／个体认知／社会）、位置更新、四类模型（全模型／认知模型／社会模型／无私模型）、参数（ω、φ1、φ2、Vmax、Gmax）
- 蚁群 ACO：转移概率公式、信息素更新公式、三种 Δτ 模型（蚂蚁圈系统／蚂蚁数量系统／蚂蚁密度系统）、α、β、ρ 参数含义

---

### 第 7 章 专家系统与机器学习 ★★☆

#### 7.1 专家系统（讲义 7.1~7.4、7.7~7.9）

- 定义：运用知识与推理解决只有专家才能解决的复杂问题的智能程序
- 六大特点：具有专家水平的专业知识、能进行有效推理、具有启发性、灵活性、透明性、交互性
- **十大类型**：解释型（DENDRAL、PROSPECTOR）、诊断型（MYCIN、CASNET、PUFF、PIP、DART）、预测型、设计型（XCON、KBVLSI）、规划型（NOAH、SECS、TATR）、控制型（YES/MVS）、监督型（REACTOR）、修理型、教学型、调试型
- **一般结构六部分**：人机接口、推理机、知识库、综合数据库、知识获取机构、解释机构；**核心 = 知识库 ＋ 推理机**
  - 卷 2/3/4/5/6/7 选择"下列哪部分不是专家系统的组成部分（用户）"
  - 卷 1 填空 19：专家系统结构包含人机界面、…、解释模块
  - 卷 5 填空 5：专家系统应具备的四大要素
- 知识获取：四大过程（抽取→转换→输入→检测）；三种模式（非自动／半自动／自动）；**知识获取是专家系统开发的"瓶颈"**
- 开发步骤：问题识别 → 概念化 → 形式化 → 实现 → 测试 —— 卷 3 简答 2、卷 7 简答 4
- 骨架系统：EMYCIN（基于 MYCIN，产生式＋反向推理＋不确定性推理）、KAS（基于 PROSPECTOR，语义网络＋贝叶斯概率）
- 开发环境：AGE、KEE、PROLOG、LISP、CLIPS
- 卷 1 填空 21：开发专家系统的三大基本问题 = 知识获取、知识表示、知识运用

#### 7.2 机器学习（讲义 7.5）

- 定义：使计算机通过学习自动获取知识并在实践中自我完善
- **按学习方法分五类**：机械式学习、指导式学习、示例学习、类比学习、解释学习（各类型原理、特点、示例须能对号）
- 按学习能力分：监督学习、无监督学习、弱监督学习（定义、典型算法、应用场景）
- 真题：卷 2/3/4/5/6 选择"主要研究计算机如何自动获取知识和技能……这门分支学科叫（机器学习）"

#### 7.3 知识发现与数据挖掘（讲义 7.6）

- KDD 定义；数据挖掘是 KDD 过程中的一个重要步骤
- 一般过程：数据准备（选取／预处理／变换）→ 数据挖掘 → 结果解释与评价
- 任务：数据总结、概念描述、分类、聚类、相关性分析、偏差分析、建模
- 方法：统计方法、粗糙集、可视化、传统机器学习方法
- 对象：数据库、数据仓库、Web 信息、图像和视频数据

---

### 第 8 章 人工神经网络及其应用

**题库 7 套试卷中未出现直接考题。** 按讲义 8.1~8.6 做概念记忆：

- 生物神经元四部分：细胞体、树突、轴突、突触
- 神经元数学模型三部分：加权求和、线性动态系统、非线性激活函数
- 三种激活函数：阶跃函数、S 型函数、ReLU 函数
- 网络结构：前馈型（BP 网络）与反馈型（Hopfield，全互连）
- Hebb 学习规则
- BP 神经网络：三层结构、前向传播＋误差反向传播＋梯度下降；存在三层 BP 网络可逼近任意连续函数
- Hopfield：离散型（1982，能量函数与稳定性定理）、连续型（1984）、随机神经网络（玻耳兹曼机）
- Hopfield 应用：联想记忆、优化计算（TSP）
- 深度学习前沿：CNN（局部连接、权值共享、多卷积核、池化）、胶囊网络

---

## 三、必须拿满分的"八大计算／证明题型"

| 序号 | 题型                                        | 定位章节 |
| ---- | ------------------------------------------- | -------- |
| 1    | 谓词公式化子句集（8~9 步）                  | 3.3      |
| 2    | 求 MGU ／ 复合置换 E(s1·s2)                 | 3.4.3    |
| 3    | 归结反演证明（须写置换与父子句编号）        | 3.4.4    |
| 4    | 归结原理求求解（ANSWER 谓词、修改证明树）   | 3.5      |
| 5    | 可信度 CF 计算（单规则 ＋ 多规则合成）      | 4.2      |
| 6    | 证据理论 Bel／Pl 计算                       | 4.3      |
| 7    | 模糊集合的四种代数运算                      | 4.4      |
| 8    | 搜索过程表（OPEN／CLOSED）与博弈树 α-β 剪枝 | 5.3~5.5  |

---

## 四、必背结论速查表

| 序号 | 结论                                                                                  | 出处          |
| ---- | ------------------------------------------------------------------------------------- | ------------- |
| 1    | CF(¬A) = −CF(A)；CF(A1∧A2) = min；CF(A1∨A2) = max                                     | 讲义 4.2      |
| 2    | CF(H) = CF(H,E) × max{0, CF(E)}                                                       | 讲义 4.2      |
| 3    | 归结出空子句 ⇒ 定理得证                                                               | 讲义 3.4      |
| 4    | 具完备性的三种归结策略：删除策略、支持集策略、线性归结策略                            | 讲义 3.4.5    |
| 5    | 删除策略删除：纯文字子句、永真式子句、被类含的子句                                    | 讲义 3.4.5    |
| 6    | 广度优先 OPEN 表 = 队列；深度优先 OPEN 表 = 栈                                        | 讲义 5.3      |
| 7    | A\* 要求 h(x) ≤ h\*(x)；A 算法无此约束                                                | 讲义 5.4      |
| 8    | α-β 剪枝不改变极小极大法的结果，只提高效率                                            | 讲义 5.4 相关 |
| 9    | 置换不可交换，E(s1·s2) ≠ E(s2·s1)                                                     | 讲义 3.4.3    |
| 10   | 专家系统核心 = 知识库 ＋ 推理机                                                       | 讲义 7.3      |
| 11   | 知识获取是专家系统开发的"瓶颈"                                                        | 讲义 7.3.5    |
| 12   | 三大学派：符号主义、连接主义、行为主义                                                | 讲义第 1 章   |
| 13   | 1950 图灵测试／1956 达特茅斯会议／1997 深蓝（后者与讲义 1996 记载不同，以 1997 为准） | 讲义 1.2      |
| 14   | 语义网络的 AKO／ISA 链表达继承性                                                      | 讲义 2.5      |
| 15   | 不确定性按性质分：随机性、模糊性、不完全性、不一致性                                  | 讲义 4.1      |

---

## 五、复习优先级建议

**第一轮（全力抓 70 分以上的大头）**

- 第 3 章全章：3.1~3.6（子句集、MGU、归结反演、归结求解）
- 第 5 章 5.2~5.5（状态空间、盲目搜索、启发式搜索、A/A\*、α-β 剪枝）
- 第 4 章 4.2~4.4（可信度方法、证据理论、模糊集合运算）

**第二轮（补齐概念分）**

- 第 1 章 ＋ 第 2 章的选择／填空高频点：学派、时间节点、产生式系统三要素、框架三要素、知识表示形式、AKO/ISA
- 第 7 章：专家系统结构六部分与十大类型、机器学习五类方法、KDD 一般过程

**第三轮（兜底，防冷门）**

- 第 6 章、第 8 章按讲义"重点考点总结"各过 1~2 遍（题库无真题，但可能出选择或填空）

---

## 附：本文档说明

1. "卷N"为本文档按《855 人工智能习题题库及期末题库》原文出现顺序自拟的编号，共 7 套试卷（含 1 套"26 空填空 ＋ 8 道大题"的试卷库卷目），非官方编号。
2. 章节号严格对应《855 人工智能重点核心讲义》的"章—节"编号，便于回到讲义原文查证。
3. 题库后附有《人工智能导论（第 5 版）》第二章、第五章课后思考题答案，复习时可直接对照第 2 章课后题 2.1~2.19、第 5 章课后题 5.1~5.8 使用。
4. 讲义第 3 章中"归结反演"一节的原编号存在错位（印作 4.4），本文按规范记为 3.4.4。