人工智能基础知识：学派、逻辑与搜索算法

"人工智能练习题-2.pdf" 这篇文档是一份关于人工智能的练习题，涵盖了基础知识和核心概念。以下是对这些知识点的详细说明： 1. 人工智能三大学派：符号主义、联结主义和行为主义。符号主义强调逻辑和符号处理，联结主义基于神经网络模拟人脑学习，行为主义则关注智能体的行动和环境交互。 2. 永真式：如果一个谓词公式在所有可能的论域中都能找到使其为真的实例，那么它被称为永真式。 3. 不可满足的谓词公式：谓词公式G如果对所有解释都是假的，即不存在使G为真的解释，那么G是不可满足的，也称为矛盾式。 4. 广度优先搜索和深度优先搜索：在图或树的搜索算法中，广度优先搜索使用二叉树结构的OPEN表，而深度优先搜索使用单链表。 5. 产生式系统：由综合数据库、知识库和推理机组成，推理过程包括正向推理和反向推理。正向推理是从事实出发推导结论，反向推理则从目标出发寻找支持条件。 6. 专家系统的结构：包括人机界面、知识库、推理机、动态数据库、知识库管理系统和解释模块。解释模块用于解释系统如何得出结论。 7. 知识表示方法：逻辑表示法（谓词逻辑）、框架、产生式和语义网络。在语义网络中，推理方法包括AKO（关联知道操作）和ISA（继承）。 8. 正向推理：在产生式系统中，从已知事实出发，通过规则库推导出结论。 9. AI代表Artificial Intelligence，即人工智能。 10. 谓词公式中的量词辖域：量词后面的谓词公式，约束变元是受量词直接影响的变量，自由变元不受量词约束。 11. 假言推理和假言三段论是逻辑推理的基础，如(A→B)∧A→B和(A→B)∧(B→C)→(A→C)。 12. 图搜索技术：在解决迷宫、棋类游戏等问题时，将问题状态表示为状态空间图，通过搜索最优路径。 13. 启发式搜索：在搜索过程中，启发函数提供了一种评估节点潜在价值的方法，以加速搜索过程。 14. 产生式规则的前件和后件：规则"A(x)→B(x)"中，"A(x)"是前件，"B(x)"是后件，表示由前件可以推导出后件。 15. 框架和语义网络：框架适合表示结构化的知识，语义网络适合表示复杂关系。面向对象既是知识表示方法，也是软件设计技术。 16. 产生式系统的推理方式：包括正向推理和反向推理，前者从事实推导结论，后者从目标寻找支持。 17. 产生式系统的构成：综合数据库存储当前状态，知识库包含规则库，推理机执行推理过程。 这份练习题涉及了人工智能的基础理论、逻辑推理、知识表示和搜索算法等多个方面，适合学习者巩固和检验自己的理解。