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。资源以doc文档形式呈现共1个文件压缩包约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。已有100人学习适合需要集中复习、查漏补缺的读者。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划分、问题求解与专家系统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推理步骤与答题规范从而在考试中更从容地应对概念辨析与综合应用题。1. 从一份习题集拆起人工智能期末复习到底该刷什么期末前两周图书馆里最常见的一幕是课件翻了三遍概念还是散的真题做了一套归结反演写一半就卡住搜索树画到第三层自己都不知道 OPEN 表和 CLOSED 表该谁先动。这份《人工智能经典习题集及各章总结》就是冲着这个场景来的——它不是教材也不是科普读物而是一份按章节组织、带完整解答过程的复习资料覆盖绪论、知识表示、推理、搜索策略四大块每章前面有小结后面跟习题解答答案写到能直接抄步骤的程度。它适合两类人一类是期末需要快速把零散知识点串成答题模板的学生另一类是已经工作、想回头补一补经典 AI 理论底子的开发者。如果你指望它讲深度学习调参或者大模型微调那方向不对但如果你需要把归结演绎推理、代价树搜索、与或树求解这些“考试必考、工作里偶尔撞见”的东西重新捋顺这份材料的密度是够的。下面按“它到底包含什么 → 每类题怎么下手 → 容易在哪翻车 → 怎么用得更狠”的顺序拆开说。2. 知识表示与归结推理从谓词公式到子句集的完整链路2.1 谓词表示法的落地写法知识表示这一章的核心不是背定义而是学会把一句自然语言翻译成谓词公式再化成子句集。资料里给了两个典型题一个是“兄弟同父”推理一个是“盗窃犯”归结。两题的共同套路是——先定义谓词再用连接词组织最后消去量词得到子句。以“任何兄弟都有同一个父亲”为例标准写法是% 谓词定义 % Father(x,y): x 是 y 的父亲 % Brother(x,y): x 和 y 是兄弟 % 原始公式 % (∀x)(∀y)(∀z)(Brother(x,y) ∧ Father(z,x) → Father(z,y)) % 化成子句集后 % ¬Brother(x,y) ∨ ¬Father(z,x) ∨ Father(z,y)逻辑说明蕴含式 A→B 等价于 ¬A∨B这是化成子句的第一步。参数说明x、y 是兄弟关系中的两个人z 是父亲变量三个变量在子句中的绑定顺序会影响后续归结时的置换选择。很多人在这里翻车是因为忘了量词消去的顺序——全称量词直接去掉存在量词要用 Skolem 函数替换资料里的题恰好只涉及全称量词所以看起来简单但考试一旦混入存在量词不熟悉 Skolem 化就会卡住。2.2 归结反演的步骤拆解归结演绎推理的答题流程资料里给得很清楚我按自己的习惯重新排一遍方便直接套第一步把已知条件全部写成谓词公式化成子句集 S1。第二步把待求证的问题取否定与 ANSWER 谓词做析取化成子句集 S2。第三步合并 S1 和 S2列出所有子句并编号。第四步两两归结每次归结标注来源子句和置换。第五步归结出 ANSWER(某常量)该常量就是答案。以“盗窃犯”题为例五个侦察员的话化成六条子句后关键归结路径是% 子句列表 % (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) % (6) ¬P(y) ∨ ANSWER(y) % 归结过程部分 % (7) P(qian) ∨ ¬P(sun) 由(1)和(4)归结 % (13) P(qian) 由(2)和(7)归结 % (15) ANSWER(qian) 由(6)和(13)归结σ{qian/y}逻辑说明每次归结都是找一对互补文字消去后合并剩余文字。参数说明σ 是置换表示变量 y 被绑定为 qian。这里最容易出错的地方是归结顺序——先归结哪两条子句没有强制要求但不同的顺序会导致中间子句数量差异很大。我的习惯是优先归结含目标谓词否定的子句这样能更快逼近 ANSWER。2.3 语义网络与框架表示画图题的评分点资料里还有语义网络表示“两校篮球队比赛比分”的题。这类题看起来是画图实际上评分点很固定节点表示实体或概念弧线表示关系关系标签必须写清楚。比如“神州大学”和“东方大学”是两个节点“比赛”是一个事件节点比分 85:89 作为属性挂在事件节点上。框架表示法则要注意槽和侧面的层级——一个框架可以有多个槽每个槽可以有多个侧面每个侧面可以有多个值。答题时把槽名写全侧面值不要漏基本就能拿分。3. 搜索策略代价树、与或树和博弈树的答题模板3.1 代价树广度优先与深度优先的分水岭搜索策略这一章资料里反复出现的一类题是给一张城市交通图求最小费用路径。解题第一步永远是“把图转成代价树”第二步才是选搜索策略。代价树的广度优先搜索也叫代价一致搜索每次从 OPEN 表中取代价最小的节点扩展能保证最优解代价树的深度优先搜索每次沿一条路走到底不一定最优甚至可能不完备。以资料中五城市交通图为例广度优先的扩展顺序是初始OPEN {A(0)} 扩展 AOPEN {C1(5), B1(7)} 扩展 C1OPEN {B1(7), D1(11)} 扩展 B1OPEN {D1(11), D2(12)} 扩展 D1OPEN {D2(12), E2(19)} 扩展 D2OPEN {E2(19), E1(21)} 扩展 E2到达目标 E路径 A→C→D→E代价 19参数说明括号内数字是从起点到该节点的累计代价 g(x)。广度优先的关键操作是“每次扩展后对 OPEN 表按 g 值重新排序”这一步漏了整个搜索就退化成普通广度优先答案会错。深度优先则相反子节点按代价从小到大压栈每次取栈顶资料里特别标注了“该题两种方法结果相同只是巧合”这个提醒很实在——考试里经常故意设计成结果不同让你判断哪种策略更优。3.2 与或树的可解性判断与解树提取与或树的题核心就两件事判断根节点是否可解以及找出解树。可解节点的定义资料里写得很清楚终止节点可解与节点所有子节点可解才可解或节点任一子节点可解即可解。答题时从叶节点往上推先标终止节点再逐层判断。解树的提取有个容易忽略的点解树一定是一棵与树也就是说从根到每个叶节点的路径上所有分支关系都必须是“与”关系。如果某个或节点的多个子节点都可解选其中一个就行但选哪个会影响解树的形状。资料里的题选了包含终止节点最少的那棵这是常见做法因为解树越简洁代价计算越方便。3.3 博弈树与 α-β 剪枝的手算流程α-β 剪枝是搜索策略里最容易在考试中拉开差距的部分。资料里给了极大极小分析和剪枝的一般规律我把它翻译成手算步骤第一步画出完整博弈树标出端节点的估值。第二步从下往上倒推或节点取子节点最大值与节点取子节点最小值。第三步在倒推过程中维护 α 值和 β 值或节点的 α 是当前最大倒推值与节点的 β 是当前最小倒推值。第四步剪枝判断——或节点的 α 如果不能降低父节点的 β剪掉该节点以下分支与节点的 β 如果不能升高父节点的 α剪掉该节点以下分支。示例简化 MAX / \ MIN MIN / \ / \ 3 5 6 ?倒推到第一个 MIN 节点取 min(3,5)3父节点 MAX 的 α3。第二个 MIN 节点扩展第一个子节点得 6此时 β6因为 β6 父节点 α3继续扩展不可能让 MIN 节点的值低于 3所以第二个子节点可以剪掉。这就是 β 剪枝。手算时把 α、β 值写在节点旁边剪掉的分支画叉阅卷时一目了然。4. 避坑与排查这份习题集刷题时最容易翻车的五个地方4.1 归结时量词消去顺序搞反现象把存在量词直接去掉或者把全称量词用 Skolem 函数替换。原因记混了量词消去规则——全称量词直接消去存在量词才需要 Skolem 化。解决每次化子句集前先把公式写成前束范式量词前缀写清楚再按“从左到右全称直接去存在用函数替”的规则操作。4.2 代价树搜索忘记重排 OPEN 表现象广度优先搜索的结果和深度优先一样或者找不到最优解。原因扩展节点后没有按 g 值对 OPEN 表重新排序导致取出的不是当前代价最小的节点。解决每次扩展后强制排一次序可以在草稿纸上把 OPEN 表画成有序队列取队首扩展。4.3 与或树可解性判断漏掉“与节点全可解”条件现象某个与节点只有一个子节点可解就判定该节点可解。原因把与节点的条件和或节点搞混了。解决与节点必须所有子节点都可解才可解判断时逐个检查不要跳步。可以在节点旁边标注“与”或“或”避免视觉混淆。4.4 α-β 剪枝时 α、β 值更新时机错误现象该剪的分支没剪或者剪错了分支。原因α 值只在或节点更新β 值只在与节点更新且更新后要立即与父节点比较。解决每处理完一个子节点就更新一次当前节点的 α 或 β然后立刻判断是否能剪掉剩余子节点。不要等所有子节点都处理完再更新。4.5 谓词公式中变量命名冲突现象归结时置换搞混比如把 x 和 y 的绑定弄反。原因不同子句用了相同变量名归结时没有做变量标准化。解决在归结前把每条子句的变量重命名为唯一名称比如子句 1 用 x1、y1子句 2 用 x2、y2这样置换时不会混淆。5. 把习题集用出复利从手算到代码验证的一条捷径手算归结和搜索树最大的问题是“不知道自己算对没有”。我的习惯是每做完一道归结题用 Prolog 或 Python 写一个最小验证脚本把子句集喂进去看能不能推出同样的 ANSWER。资料里恰好给了一段 Prolog 亲属关系程序可以直接拿来改。% 验证“兄弟同父”推理 father(david, john). brother(john, peter). % 规则兄弟同父 same_father(X, Y, F) :- brother(X, Y), father(F, X). % 查询Peter 的父亲是谁 % ?- same_father(john, peter, F). % F david逻辑说明same_father 规则表示如果 X 和 Y 是兄弟且 F 是 X 的父亲那么 F 也是 Y 的父亲。参数说明brother 和 father 是事实谓词same_father 是规则谓词。运行查询时Prolog 会自动回溯匹配输出 Fdavid。这个脚本虽然简单但能帮你验证手算归结的答案是否一致。对于搜索题可以用 Python 写一个代价树广度优先的骨架import heapq def cost_uniform_search(graph, start, goal): # graph: {节点: [(邻居, 代价), ...]} open_list [(0, start, [start])] # (累计代价, 当前节点, 路径) closed set() while open_list: cost, node, path heapq.heappop(open_list) if node goal: return path, cost if node in closed: continue closed.add(node) for neighbor, edge_cost in graph.get(node, []): if neighbor not in closed: heapq.heappush(open_list, (cost edge_cost, neighbor, path [neighbor])) return None, float(inf) # 示例图 graph { A: [(C, 5), (B, 7)], C: [(D, 6)], B: [(D, 5)], D: [(E, 8)], E: [] } path, cost cost_uniform_search(graph, A, E) print(path, cost) # [A, C, D, E] 19逻辑说明用优先队列维护 OPEN 表每次弹出累计代价最小的节点。参数说明graph 是邻接表start 和 goal 是起止节点。运行结果和手算一致时说明你的扩展顺序没写错。如果不一致对比 OPEN 表的排序过程通常能定位到是哪一步忘了重排。最后一个技巧把资料里每章的“小结”部分单独抄一遍用不同颜色的笔标出“定义类”“步骤类”“对比类”三种内容。定义类背关键词步骤类背流程对比类背差异表。期末前三天只看这些标记比重新翻一遍习题快得多。从那以后我每次带人复习 AI都强制先过一遍小结再刷题顺序反了效率至少打对折。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/17 17:29:35 · 阅读 1.2k 人工智能期末复习习题集：知识表示、归结推理与搜索策略精讲
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。资源以doc文档形式呈现共1个文件压缩包约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。已有100人学习适合需要集中复习、查漏补缺的读者。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划分、问题求解与专家系统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推理步骤与答题规范从而在考试中更从容地应对概念辨析与综合应用题。1. 从一份习题集拆起人工智能期末复习到底该刷什么期末前两周图书馆里最常见的一幕是课件翻了三遍概念还是散的真题做了一套归结反演写一半就卡住搜索树画到第三层自己都不知道 OPEN 表和 CLOSED 表该谁先动。这份《人工智能经典习题集及各章总结》就是冲着这个场景来的——它不是教材也不是科普读物而是一份按章节组织、带完整解答过程的复习资料覆盖绪论、知识表示、推理、搜索策略四大块每章前面有小结后面跟习题解答答案写到能直接抄步骤的程度。它适合两类人一类是期末需要快速把零散知识点串成答题模板的学生另一类是已经工作、想回头补一补经典 AI 理论底子的开发者。如果你指望它讲深度学习调参或者大模型微调那方向不对但如果你需要把归结演绎推理、代价树搜索、与或树求解这些“考试必考、工作里偶尔撞见”的东西重新捋顺这份材料的密度是够的。下面按“它到底包含什么 → 每类题怎么下手 → 容易在哪翻车 → 怎么用得更狠”的顺序拆开说。2. 知识表示与归结推理从谓词公式到子句集的完整链路2.1 谓词表示法的落地写法知识表示这一章的核心不是背定义而是学会把一句自然语言翻译成谓词公式再化成子句集。资料里给了两个典型题一个是“兄弟同父”推理一个是“盗窃犯”归结。两题的共同套路是——先定义谓词再用连接词组织最后消去量词得到子句。以“任何兄弟都有同一个父亲”为例标准写法是% 谓词定义 % Father(x,y): x 是 y 的父亲 % Brother(x,y): x 和 y 是兄弟 % 原始公式 % (∀x)(∀y)(∀z)(Brother(x,y) ∧ Father(z,x) → Father(z,y)) % 化成子句集后 % ¬Brother(x,y) ∨ ¬Father(z,x) ∨ Father(z,y)逻辑说明蕴含式 A→B 等价于 ¬A∨B这是化成子句的第一步。参数说明x、y 是兄弟关系中的两个人z 是父亲变量三个变量在子句中的绑定顺序会影响后续归结时的置换选择。很多人在这里翻车是因为忘了量词消去的顺序——全称量词直接去掉存在量词要用 Skolem 函数替换资料里的题恰好只涉及全称量词所以看起来简单但考试一旦混入存在量词不熟悉 Skolem 化就会卡住。2.2 归结反演的步骤拆解归结演绎推理的答题流程资料里给得很清楚我按自己的习惯重新排一遍方便直接套第一步把已知条件全部写成谓词公式化成子句集 S1。第二步把待求证的问题取否定与 ANSWER 谓词做析取化成子句集 S2。第三步合并 S1 和 S2列出所有子句并编号。第四步两两归结每次归结标注来源子句和置换。第五步归结出 ANSWER(某常量)该常量就是答案。以“盗窃犯”题为例五个侦察员的话化成六条子句后关键归结路径是% 子句列表 % (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) % (6) ¬P(y) ∨ ANSWER(y) % 归结过程部分 % (7) P(qian) ∨ ¬P(sun) 由(1)和(4)归结 % (13) P(qian) 由(2)和(7)归结 % (15) ANSWER(qian) 由(6)和(13)归结σ{qian/y}逻辑说明每次归结都是找一对互补文字消去后合并剩余文字。参数说明σ 是置换表示变量 y 被绑定为 qian。这里最容易出错的地方是归结顺序——先归结哪两条子句没有强制要求但不同的顺序会导致中间子句数量差异很大。我的习惯是优先归结含目标谓词否定的子句这样能更快逼近 ANSWER。2.3 语义网络与框架表示画图题的评分点资料里还有语义网络表示“两校篮球队比赛比分”的题。这类题看起来是画图实际上评分点很固定节点表示实体或概念弧线表示关系关系标签必须写清楚。比如“神州大学”和“东方大学”是两个节点“比赛”是一个事件节点比分 85:89 作为属性挂在事件节点上。框架表示法则要注意槽和侧面的层级——一个框架可以有多个槽每个槽可以有多个侧面每个侧面可以有多个值。答题时把槽名写全侧面值不要漏基本就能拿分。3. 搜索策略代价树、与或树和博弈树的答题模板3.1 代价树广度优先与深度优先的分水岭搜索策略这一章资料里反复出现的一类题是给一张城市交通图求最小费用路径。解题第一步永远是“把图转成代价树”第二步才是选搜索策略。代价树的广度优先搜索也叫代价一致搜索每次从 OPEN 表中取代价最小的节点扩展能保证最优解代价树的深度优先搜索每次沿一条路走到底不一定最优甚至可能不完备。以资料中五城市交通图为例广度优先的扩展顺序是初始OPEN {A(0)} 扩展 AOPEN {C1(5), B1(7)} 扩展 C1OPEN {B1(7), D1(11)} 扩展 B1OPEN {D1(11), D2(12)} 扩展 D1OPEN {D2(12), E2(19)} 扩展 D2OPEN {E2(19), E1(21)} 扩展 E2到达目标 E路径 A→C→D→E代价 19参数说明括号内数字是从起点到该节点的累计代价 g(x)。广度优先的关键操作是“每次扩展后对 OPEN 表按 g 值重新排序”这一步漏了整个搜索就退化成普通广度优先答案会错。深度优先则相反子节点按代价从小到大压栈每次取栈顶资料里特别标注了“该题两种方法结果相同只是巧合”这个提醒很实在——考试里经常故意设计成结果不同让你判断哪种策略更优。3.2 与或树的可解性判断与解树提取与或树的题核心就两件事判断根节点是否可解以及找出解树。可解节点的定义资料里写得很清楚终止节点可解与节点所有子节点可解才可解或节点任一子节点可解即可解。答题时从叶节点往上推先标终止节点再逐层判断。解树的提取有个容易忽略的点解树一定是一棵与树也就是说从根到每个叶节点的路径上所有分支关系都必须是“与”关系。如果某个或节点的多个子节点都可解选其中一个就行但选哪个会影响解树的形状。资料里的题选了包含终止节点最少的那棵这是常见做法因为解树越简洁代价计算越方便。3.3 博弈树与 α-β 剪枝的手算流程α-β 剪枝是搜索策略里最容易在考试中拉开差距的部分。资料里给了极大极小分析和剪枝的一般规律我把它翻译成手算步骤第一步画出完整博弈树标出端节点的估值。第二步从下往上倒推或节点取子节点最大值与节点取子节点最小值。第三步在倒推过程中维护 α 值和 β 值或节点的 α 是当前最大倒推值与节点的 β 是当前最小倒推值。第四步剪枝判断——或节点的 α 如果不能降低父节点的 β剪掉该节点以下分支与节点的 β 如果不能升高父节点的 α剪掉该节点以下分支。示例简化 MAX / \ MIN MIN / \ / \ 3 5 6 ?倒推到第一个 MIN 节点取 min(3,5)3父节点 MAX 的 α3。第二个 MIN 节点扩展第一个子节点得 6此时 β6因为 β6 父节点 α3继续扩展不可能让 MIN 节点的值低于 3所以第二个子节点可以剪掉。这就是 β 剪枝。手算时把 α、β 值写在节点旁边剪掉的分支画叉阅卷时一目了然。4. 避坑与排查这份习题集刷题时最容易翻车的五个地方4.1 归结时量词消去顺序搞反现象把存在量词直接去掉或者把全称量词用 Skolem 函数替换。原因记混了量词消去规则——全称量词直接消去存在量词才需要 Skolem 化。解决每次化子句集前先把公式写成前束范式量词前缀写清楚再按“从左到右全称直接去存在用函数替”的规则操作。4.2 代价树搜索忘记重排 OPEN 表现象广度优先搜索的结果和深度优先一样或者找不到最优解。原因扩展节点后没有按 g 值对 OPEN 表重新排序导致取出的不是当前代价最小的节点。解决每次扩展后强制排一次序可以在草稿纸上把 OPEN 表画成有序队列取队首扩展。4.3 与或树可解性判断漏掉“与节点全可解”条件现象某个与节点只有一个子节点可解就判定该节点可解。原因把与节点的条件和或节点搞混了。解决与节点必须所有子节点都可解才可解判断时逐个检查不要跳步。可以在节点旁边标注“与”或“或”避免视觉混淆。4.4 α-β 剪枝时 α、β 值更新时机错误现象该剪的分支没剪或者剪错了分支。原因α 值只在或节点更新β 值只在与节点更新且更新后要立即与父节点比较。解决每处理完一个子节点就更新一次当前节点的 α 或 β然后立刻判断是否能剪掉剩余子节点。不要等所有子节点都处理完再更新。4.5 谓词公式中变量命名冲突现象归结时置换搞混比如把 x 和 y 的绑定弄反。原因不同子句用了相同变量名归结时没有做变量标准化。解决在归结前把每条子句的变量重命名为唯一名称比如子句 1 用 x1、y1子句 2 用 x2、y2这样置换时不会混淆。5. 把习题集用出复利从手算到代码验证的一条捷径手算归结和搜索树最大的问题是“不知道自己算对没有”。我的习惯是每做完一道归结题用 Prolog 或 Python 写一个最小验证脚本把子句集喂进去看能不能推出同样的 ANSWER。资料里恰好给了一段 Prolog 亲属关系程序可以直接拿来改。% 验证“兄弟同父”推理 father(david, john). brother(john, peter). % 规则兄弟同父 same_father(X, Y, F) :- brother(X, Y), father(F, X). % 查询Peter 的父亲是谁 % ?- same_father(john, peter, F). % F david逻辑说明same_father 规则表示如果 X 和 Y 是兄弟且 F 是 X 的父亲那么 F 也是 Y 的父亲。参数说明brother 和 father 是事实谓词same_father 是规则谓词。运行查询时Prolog 会自动回溯匹配输出 Fdavid。这个脚本虽然简单但能帮你验证手算归结的答案是否一致。对于搜索题可以用 Python 写一个代价树广度优先的骨架import heapq def cost_uniform_search(graph, start, goal): # graph: {节点: [(邻居, 代价), ...]} open_list [(0, start, [start])] # (累计代价, 当前节点, 路径) closed set() while open_list: cost, node, path heapq.heappop(open_list) if node goal: return path, cost if node in closed: continue closed.add(node) for neighbor, edge_cost in graph.get(node, []): if neighbor not in closed: heapq.heappush(open_list, (cost edge_cost, neighbor, path [neighbor])) return None, float(inf) # 示例图 graph { A: [(C, 5), (B, 7)], C: [(D, 6)], B: [(D, 5)], D: [(E, 8)], E: [] } path, cost cost_uniform_search(graph, A, E) print(path, cost) # [A, C, D, E] 19逻辑说明用优先队列维护 OPEN 表每次弹出累计代价最小的节点。参数说明graph 是邻接表start 和 goal 是起止节点。运行结果和手算一致时说明你的扩展顺序没写错。如果不一致对比 OPEN 表的排序过程通常能定位到是哪一步忘了重排。最后一个技巧把资料里每章的“小结”部分单独抄一遍用不同颜色的笔标出“定义类”“步骤类”“对比类”三种内容。定义类背关键词步骤类背流程对比类背差异表。期末前三天只看这些标记比重新翻一遍习题快得多。从那以后我每次带人复习 AI都强制先过一遍小结再刷题顺序反了效率至少打对折。希望帮到你。本文还有配套的精品资源点击获取