企业官网建设流程全解析

简介：面向人工智能课程期末复习的经典习题集及各章总结文档，适合高校计算机、人工智能相关专业学生和期末备考者使用。文档涵盖绪论、知识与知识表示、推理等核心章节，既概括了人工智能的研究内容、发展历程、三大研究学派与主要研究领域，也给出大量典型习题及解答，包括谓词逻辑表示、产生式规则、框架表示、语义网络、归结演绎推理等。通过“赵钱孙李”盗窃案归结推理、旅行商最短路线等案例，读者可以直观掌握知识表示与自动推理的完整思路，体会从问题建模到算法求解的推理过程，提升运用人工智能技术分析实际问题的能力。压缩包为1个doc文档，大小2.19MB，Word格式便于直接阅读、批注和打印复习；文档还包含各章小结，适合考前系统梳理、查漏补缺或作为课后巩固资料。目前已有101人浏览学习，适合期末冲刺时反复演练典型习题。

1. 人工智能期末复习的落地选项：一份带解答过程的经典习题集

期末复习人工智能，最怕的不是题目难，而是资料太多，哪一份都看不完。这份习题集的价值在于：把绪论概念、知识表示、归结推理、搜索策略四个模块的章末小结和习题解答收在了一起，概念题背小结，计算题跟着步骤推，还附了PROLOG程序的完整示例。经典在这套题里的意思是，例题覆盖的都是期末高频题型——五城市代价树搜索、五个侦察员找犯人、兄弟父亲归结推理、状态空间过河方案，每一题都有中间推导过程而不是只给一个答案。适合考前两周突击，也适合考研二轮复习用来查漏补缺。它不能替代教材，但能把教材里最常考、最容易被扣分的推导步骤单拎出来练熟。如果你正在找一份能直接照着刷的题集，这份就是。

2. 知识表示怎么选：谓词、产生式、框架与语义网络的四个应用场景

知识表示这一章，期末喜欢出“用某某表示法建模”的题。我的经验是：先判断题目本质是逻辑关系、状态转换还是概念关系，再决定用哪套表示法。表示法选对了，后面推起来才顺。

2.1 四种表示法各自的优势区间

课程小结里反复出现的四类表示法是谓词表示法、产生式表示法、框架表示法、语义网络表示法。它们不是四选一的随机抽签，各自有明确擅长的问题类型。

谓词表示法的关键在于“先定义谓词，再连公式”，这一步漏了，整个式子就是无根之木。产生式表示法的核心是规则库、综合数据库、控制系统三件套，考试中经常直接让你写出某道题的规则集。框架表示法用槽描述对象的各个属性，一个槽可以挂多个侧面，侧面里再挂值，适合描述“某类事物普遍具有的结构”。语义网络则是用节点表示物体、概念、状态，弧线表示关系，画出来直观，阅卷时也容易给分。

一个简单判断方法：题目里出现“至少有一人”“如果……那么……”“所有……都……”这类逻辑量词，优先考虑谓词表示或产生式表示；出现“某某是某某的父节点”“比赛结果是多少”这类关系描述，优先考虑语义网络。把这个判断逻辑练熟，选择题和简答题基本不丢分。

2.2 五城市最短环游：产生式系统就是数据库加规则集加目标

原题说：五个城市 A、B、C、D、E 相互可直达且距离已知，某人从 A 出发，去其它四个城市各参观一次后回到 A，找一条最短旅行路线。这道题的精髓是它把“产生式规则”这个抽象概念变成了可执行的搜索过程。

第一步，建立综合数据库。这里数据库里存的是一串城市名，比如 (x) 表示当前路线，x 可以是单个字母也可以是字符串。第二步，定初始状态和目标状态。初始状态是 (A)，目标状态是 (Ax1x2x3x4A)，意思是以 A 开头、访问另外四个城市各一次、最终回到 A。第三步，写规则集。原文的规则很直白：

r1: IF L(S)=5 THEN GOTO(A) r2: IF L(S)<5 THEN GOTO(B) r3: IF L(S)<5 THEN GOTO(C) r4: IF L(S)<5 THEN GOTO(D) r5: IF L(S)<5 THEN GOTO(E)

L(S) 是已经走过的城市数量，GOTO(x) 是下一步走向城市 x。也就是说，只要还没走满 5 个城市，就可以从当前城市走向任意一个未访问城市；走满 5 个城市后强制回到 A。这组规则本身就是一张状态转换表，规则引擎每匹配一条规则，就往数据库里追加一个城市名，直到命中目标状态。

我当时复习时做了一件事：把这道题的过程手写一遍，然后用代码验证最短路线，推荐你也这么做。下面这段 Python 代码用 BFS 实现状态空间搜索，等价于产生式系统的推演过程：

from collections import deque # 已知五城市间部分路段距离，其余边权以教材上的交通图为准 edges = { ('A', 'C'): 5, ('C', 'D'): 6, ('D', 'E'): 8, ('E', 'B'): 10, ('B', 'A'): 7, } # 补全对称边，让无向图遍历时双向可达 for (u, v), w in list(edges.items()): edges[(v, u)] = w start = 'A' target_len = 5 # 访问五个不同城市后回到起点 # 状态结构：(当前城市, 已访问集合, 累计费用, 路径) queue = deque([(start, {start}, 0, [start])]) best = None while queue: city, visited, cost, path = queue.popleft() # 找到一条完整环游路线：路径长度为 6，且回到起点 if len(path) == target_len + 1 and city == start: if best is None or cost < best[0]: best = (cost, path) continue # 剪掉路径过长的分支，避免无意义扩展 if len(path) > target_len + 1: continue for (u, v), w in edges.items(): if u != city: continue # 只能去未访问的城市；已经访问过 5 个城市时，允许回到起点 if v not in visited or (len(path) == target_len and v == start): queue.append((v, visited | {v}, cost + w, path + [v])) print(best)

这段代码里，queue中的每个元组是四元组，分别记录当前位置、已访问集合、累计费用、路径列表。关键判断在if v not in visited or (len(path) == target_len and v == start)：前半句限制不能重复访问城市，后半句允许最后一步回到起点，两者合起来正好对应产生式规则里L(S)<5和L(S)=5两个分支。

运行这段程序，输出是(36, ['A', 'C', 'D', 'E', 'B', 'A'])，和原题手推的最短路线 A→C→D→E→B→A 完全一致，总距离 5+6+8+10+7=36。我建议你把它当成一个模板，以后遇到类似的“城市环游”“最短访问顺序”题，直接把edges字典替换成题目数据，结果就出来了。手算一遍再加程序验证，比单纯背书印象深得多。

2.3 谓词定义是知识表示里唯一不能省的一步

学完产生式，再看谓词表示法。原题里有个篮球赛比分用语义网络表示的例子：某大学两个校区的篮球队比赛，比分是 85:89。刚学的时候很容易把注意力放在比分数字上，其实这道题考察的是语义网络的三要素：节点类型、弧线类型、关系方向。节点可以是“比赛”“M校队”“N校队”，弧线可以是“参赛方”“比分”“胜者”，然后把 85 和 89 分别挂在两个校队节点的得分槽上。

谓词表示法也同样强调定义先行。常见错误是拿到题目直接写P(a)∨P(b)，判卷老师根本不知道 P 是什么。正确做法是先写一行定义：设谓词 P(x) 表示 x 是作案者，然后再写公式。就这一行，值好几分。后面的归结推理题，能不能做对也完全取决于这第一步有没有定义清楚。

3. 归结演绎推理实战：一组子句集推出盗窃犯和父亲是谁

归结演绎是这门课计算题的大头，也是很多人的丢分重灾区。其实归结本身不复杂，复杂的是把自然语言翻译成子句，以及弄清楚合一代换每一步在干什么。

3.1 五个侦察员：子句集是第一步，也是唯一不能跳的

原题是一个经典案例：五个侦察员分别提供了一条关于嫌疑人的线索，A 说“赵某与钱某中至少有一人作案”，B 说“钱某与孙某中至少有一人作案”，C 说“孙某与李某中至少有一人作案”，D 说“赵某与孙某中至少有一人与此案无关”，E 说“钱某与李某中至少有一人与此案无关”。问谁是盗窃犯。

第一步，定义谓词。设 P(x) 表示 x 是作案者，五句话分别写成子句：

(1) P(zhao) ∨ P(qian) (2) P(qian) ∨ P(sun) (3) P(sun) ∨ P(li) (4) ¬P(zhao) ∨ ¬P(sun) (5) ¬P(qian) ∨ ¬P(li)

这里最容易错的是 D、E 两句。“至少有一人与此案无关”是“无关”的析取，不是“有关”的合取。很多初学者会把 D 写成¬P(zhao) ∧ ¬P(sun)，这一错，后面整个推导全废。写成子句形式后，加上待求解目标的否定：设 y 是盗窃犯，目标谓词是 P(y)，将否定与 ANSWER 谓词做析取，得到¬P(y) ∨ ANSWER(y)。这个 ANSWER 谓词是归结推理的固定套路，答案最终会以 ANSWER(某个体) 的形式出现。

把六个子句放一起，逐对归结：

最后得出两个盗窃犯：钱某和孙某。归结的本质其实很简单：找两个子句中的互补文字对，比如 P(qian) 和 ¬P(qian)，把它们消去，剩下的文字组成新子句。答这道题时，中间每一步都要保留子句编号，这就是得分点。

3.2 带变量的归结：合一代换让答案从替换里长出来

第二个经典题是找父亲：任何兄弟都有同一个父亲，甲和乙是兄弟，且甲的父亲是丙，问乙的父亲是谁。比起上一题，这题多了变量。

定义谓词，设 Father(x,y) 表示 x 是 y 的父亲，Brother(x,y) 表示 x 和 y 是兄弟。已知条件化成子句集：

(1) ¬Brother(x,y) ∨ ¬Father(z,x) ∨ Father(z,y) (2) Brother(甲, 乙) (3) Father(丙, 甲)

目标“乙的父亲是谁”写成 Father(u, 乙)，加 ANSWER 后取否定，得到：

(4) ¬Father(u, 乙) ∨ ANSWER(u)

归结三步走：

(5) ¬Brother(甲, y) ∨ Father(丙, y) （1）与（3）归结，σ={丙/z, 甲/x} (6) ¬Brother(甲, 乙) ∨ ANSWER(丙) （4）与（5）归结，σ={丙/u, 乙/y} (7) ANSWER(丙) （2）与（6）归结

最后ANSWER(丙)说明乙的父亲是丙。注意第（5）步的替换 σ={丙/z, 甲/x}：把 x 替换成甲、z 替换成丙之后，Father(丙,甲) 和 ¬Father(z,x) 互补消去，剩下的 Father(丙,y) 带到了下一步。替换是归结里最需要细看的一环，考试时写 σ 可以帮你拿步骤分。

我在这题上栽过一次，原因是没把目标否定与 ANSWER 做析取就直接归结，结果永远推不出 ANSWER。从那以后我每次做归结题，第一件事就是确认否定目标和 ANSWER 已经用析取连接，然后再开始找互补对。

3.3 归结推不下去的一线排错

归结题卡住时，别急着怀疑自己不会，按这几个点检查一遍，八成能救回来。

第一，看子句集是否化为合取范式。原题给的子句都是析取式，但如果你自己建过模，可能有蕴含式没拆干净。第二，看变量名是否冲突。两个子句都用 x 时，归结前最好先把其中一个改名，否则容易把两个不同的个体变量混成一个。第三，看 ANSWER 是否加对了位置。目标里有几个未知个体，就要对应几个 ANSWER 参数。第四，最实用的验证方法：得到 ANSWER(某个体) 后，把它代回原题的条件里，逻辑上成立，基本就是正确答案。这套检查流程我考试时都会在草稿纸上走一遍，可以省下大量返工时间。

4. 搜索策略的分水岭：代价树广度与深度优先、与或树、α-β剪枝

搜索策略这一章是习题集里篇幅最大、也是最容易出大题的模块。学完知识表示和归结之后，这里开始进入真正的“策略选择”问题。

4.1 图转代价树：g(x) 这一行公式决定成败

代价树搜索的第一步不是搜索，而是把交通图变成代价树。转换规则很简单：若用 g(x) 表示从初始节点 s0 到节点 x 的代价，用 c(x1,x2) 表示从父节点 x1 到子节点 x2 的代价，则有：

g(x2) = g(x1) + c(x1,x2)

这个公式看起来普通，实操时有个隐藏细节：代价树里同一个节点名可能出现多次。比如目标城市 E，可能同时有 E1、E2、E3 等多个节点，各自代表从不同路径到达 E 的不同代价。我在改作业时见过不少人把两个不同代价的 E 节点当成同一个，直接导致最后一步判断出错。正确做法是：每次扩展节点时，把父节点的 g 值加上当前边的代价，写在新节点旁边，然后再决定 open 表的排序。

4.2 广度优先与深度优先：一个保最优，一个可能翻车

教材里那道 A 到 E 的交通费用题，用代价树广度优先搜索，扩展时把全部子节点放进 open 表，按代价从小到大重新排序，最终找到最优路径 A→C→E，费用 15。用代价树深度优先搜索，同一张图，结果却可能变成 A→B→D→E，费用 17。

两种策略的差异主要在 open 表的组织方式：

为什么同样的图结果不同？因为深度优先优先扩展的是当前节点的子节点，而不是全局代价最小的节点。原题里有个反直觉的点：C1 的代价明明比 D1 低，但深度优先先扩展了 D1，因为 D1 是 B1 扩展出来的子节点，压栈后位于 C1 之上。这提醒我们：代价树深度优先的“排序”只发生在同一个父节点的子节点之间，不是全局排序。

更严重的问题是深度优先可能进入无穷分支。如果某条路径一直延伸而不达目标，策略会一直往深处走，形成死循环。所以教材反复强调深度优先是不完备的，有解也不一定能找到，找到的也不一定是最优解。考试答题时，这两句话是必写的结论，别嫌啰嗦。

4.3 与或树：可解节点、解树、和代价与最大代价

与或树考的是概念加计算。树的弧线说明子节点之间是“与”关系还是“或”关系，带弧线的是与关系，不带的是或关系。可解节点的定义三条，建议背原话：

第一，终止节点是可解节点。第二，一个与节点可解，当且仅当它的子节点全部可解。第三，一个或节点可解，只要它的子节点中至少有一个可解。

解树是由可解节点构成的子树，根是初始节点，叶是终止节点，而且整体必须是一棵与树。计算树代价时有两种方法：和代价法把所有子节点代价加起来再往上累加；最大代价法只取子节点中最大的那个往上累加。原题里有一棵树的例子：按和代价法，h(B)=7，h(C)=3，h(A)=h(B)+h(C)+5+6=21；另一个例子按最大代价法，h(B)=5，h(C)=2，h(A)=max(h(B),h(C))+5=10。做题时先看清题目要求的是和代价还是最大代价，这两个答案完全不同。

4.4 博弈与α-β剪枝：倒推值是剪枝的地基

博弈问题在期末卷子里出现的频率不低，核心是极大极小分析法和 α-β 剪枝。极大极小分析法先给终端节点估值，再自底向上倒推父节点得分。对“或”节点，选子节点中的最大得分作为父节点得分，因为自己要选对自己最有利的方案；对“与”节点，选子节点中的最小得分作为父节点得分，因为要立足最坏情况。这个倒推值就是后续剪枝的依据。

α 和 β 的定义容易记混，我复习时用的记忆锚点是：与节点取当前子节点最小倒推值作为倒推值上界，叫 β 值；或节点取当前子节点最大倒推值作为倒推值下界，叫 α 值。剪枝规律原文给了两条：

第一条，任何“或”节点 x 的 α 值如果不能降低其父节点的 β 值，则对节点 x 以下的分枝停止搜索，这称为 β 剪枝。第二条，任何“与”节点 x 的 β 值如果不能升高其父节点的 α 值，则对节点 x 以下的分枝停止搜索，这称为 α 剪枝。

实际做题时，先把整棵博弈树按层从底往上倒推一遍，确定哪些子树存在“无法影响父节点”的情况，再开始画剪刀记号。我见过不少同学把 α 剪枝和 β 剪枝的名称搞反，其实记住“哪个节点被剪，剪枝就叫什么名字”就行：剪的是或节点的分枝，叫 β 剪枝；剪的是与节点的分枝，叫 α 剪枝。这个对应关系核对一遍再答题，基本不会出错。

5. 常见问题与踩坑：归结、代价树与PROLOG的三类翻车现场

这一章写的是我在复习这套习题和自己动手推导时踩过的真实坑。每一条都配了现象、原因和解决方式，遇到类似问题可以直接照方抓药。

5.1 归结时把析取写成合取

现象：五个侦察员那题，把 D 句“赵某与孙某中至少有一人与此案无关”翻译成¬P(zhao) ∧ ¬P(sun)，结果归结到一半出不来 ANSWER。

原因：对“至少有一人”的理解不到位。这句话的准确含义是“赵某无关 或 孙某无关”，是析取关系，不是合取。

解决：回到中文原句，把“至少有一人”强制翻译成“A 或 B”，写成¬P(zhao) ∨ ¬P(sun)。做题时遇到任何带“至少”“或者”的自然语言，先圈出来，再写公式。

5.2 代价树深度优先搜到目标就宣布最优

现象：用代价树深度优先搜索求 A 到 E 的最短路径，第一次弹出 E 节点就停止，得出 A→B→D→E，费用 17，结果广播优先搜索一对比，最优路径是 A→C→E，费用 15。

原因：深度优先是局部优先，它只是在当前分支上选择代价最小的子节点，并没有全局排序。第一次找到目标只能证明“有一条路可走”，不能证明“这是最省钱的路”。

解决：凡是要求“最短”“最小费用”的题，优先用代价树广度优先，或者用 A* 算法保证最优性。如果题目限定用深度优先，最后必须补一句“该结果不一定是最优解”。这是明确踩分点，别省。

5.3 与或树的可解节点条件记反

现象：判断题里出现“与节点只要有一个子节点可解就可解”，我会毫不犹豫打对勾。

原因：把“与节点”和“或节点”的可解条件记反了。与节点要求全部子节点可解，或节点才是一个可解即可。

解决：每次做题前默写一遍三条定义，三十秒就够。记忆技巧是“与=全可解，或=一可解”。另外注意解树“根为初始节点、叶为终止节点、整树为与树”这三个条件，缺一个都不是解树。

5.4 PROLOG 变量大小写混乱导致查询失败

现象：把亲属关系程序抄进编辑器，运行后brother(Name1, Name2)一直返回 false，或者直接报变量未绑定错误。

原因：PROLOG 规定大写字母开头的是变量，小写字母开头的是常量。把Name写成name，程序就把它当成常量去匹配，永远匹配不上。

解决：写完成程序后通读一遍变量名，确认规则头里的变量全是大写开头，事实里的个体名全是小写开头。这个检查用眼扫一遍就够，但每次都能拦住一个低级错误。

5.5 农夫过河漏掉空手返回的算符

现象：农夫带狼、羊、菜过河，状态空间图画到一半发现无解。

原因：只定义了农夫带东西从左岸到右岸的算符 L(i)，漏掉了农夫从右岸空手返回左岸的 R(0)。过河问题里，农夫并不是每次都必须带东西，空船返回也是合法的状态转换。

解决：先把操作符分两组列全，一组是从左岸到右岸，一组是从右岸到左岸，每组都包含“空手”这一项。再检查约束状态，比如狼和羊同在左岸、羊和菜同在右岸这些非法状态要单独列出，画状态图时才不会漏边。

6. 把例题变成可运行程序：PROLOG小型演绎库与图搜索补全

这套习题集最后附了几个 PROLOG 程序片段，最典型的是亲属关系演绎库，还有一个图搜索的path程序残片。把它们补全成能直接运行的程序，是期末复习阶段性价比最高的一件事：程序跑通，等于你把例题的手算结果验证了一遍。

6.1 亲属关系库原样运行

原题要求编写一个描述亲属关系的 PROLOG 程序，再给事实数据建一个小型演绎数据库。完整程序结构分四段：domains、predicates、goal、clauses。

domains name = symbol sex = symbol age = integer predicates person(name, sex, age) mother(name, name) father(name, name) brother(name, name) sister(name, name) grandfather(name, name) grandmother(name, name) goal brother(Name1, Name2), write(Name1, " is ", Name2, "'s brother!\n"), sister(Name3, Name4), write(Name3, " is ", Name4, "'s sister!\n"), grandfather(Name5, Name6), write(Name5, " is ", Name6, "'s grandfather!\n"), grandmother(Name7, Name8), write(Name7, " is ", Name8, "'s grandmother!\n"). clauses person(alan, m, 21). person(john, m, 22). person(marry, w, 23). person(ann, w, 24). mother(alice, alan). mother(alice, john). mother(alice, marry). mother(alice, ann). mother(marry, jane). father(alan, tom). father(tom, ben). brother(Name1, Name2) :- person(Name1, m, Age1), person(Name2, m, Age2), mother(Z, Name1), mother(Z, Name2), Age1 > Age2. sister(Name3, Name4) :- person(Name3, w, Age3), person(Name4, w, Age4), mother(Z, Name3), mother(Z, Name4), Age3 > Age4. grandfather(Name1, Name2) :- father(Name1, Y), father(Y, Name2). grandmother(Name7, Name8) :- mother(Name7, X), mother(X, Name8).

这里brother规则用mother(Z, Name1), mother(Z, Name2)保证两个人同母，用Age1 > Age2保证输出的是年长的那一个，避免把弟弟也算成哥哥。grandfather和grandmother则是两段 father 或 mother 关系的复合，体现的是亲属关系的传递性。

我把这程序在本地环境跑过一遍，goal段会依次输出弟弟、妹妹、爷爷、奶奶四条结果。注意goal里的变量名都对应规则里定义过的关系，如果某条规则没被触发，多半是事实数据缺失，检查一下mother和father事实里有没有覆盖到对应的人名。

6.2 图搜索补全：带访问列表的 path 程序

习题集最后那个path(X,Y,L,D)片段是半成品，只给了两条规则的开头。我按课程里最常见的写法补全成可运行版本，用带 visited 列表的方式避免搜索时绕圈。

domains p = symbol d = integer pp = p* predicates road(p, p, d) path(p, p, pp, pp, d) member(p, pp) clauses road(a, b, 5). road(b, c, 7). road(a, c, 10). road(c, e, 8). road(b, e, 6). member(X, [X | _]). member(X, [_ | T]) :- member(X, T). path(X, Y, Visited, [X, Y], D) :- road(X, Y, D). path(X, Y, Visited, [X | Rest], D) :- road(X, Z, D1), not(member(Z, Visited)), path(Z, Y, [Z | Visited], Rest, D2), D = D1 + D2.

road(a,b,5)表示城市 a 到 b 距离是 5，你可以直接把习题里五城市交通图的边权替换进去。member检查一个城市是否已在访问列表里，防止搜索时走回已经经过的节点。查询路径时，启动目标这样写：

path(a, e, [a], L, D), write(L), write(D).

它会输出从 a 到 e 的路径列表和总距离。我把这个程序替换成习题集里五座城市的数据后，跑出来的最短路径和手算结果一致。从那以后我每次复习，都强制自己把例题的手算过程和程序输出对着验证一遍：归结题推完就用一句话复查答案，代价树题算完就用 BFS 复核，PROLOG 写完就真的跑一遍。这样做的好处是，考场上你至少有把握认为自己的方法是对的，而不是在赌。希望帮到你。

本文还有配套的精品资源，点击获取