简介：这份资料面向备战人工智能课程期末考试的本科生与考研复习者，以经典习题解答配合各章小结的形式，帮助读者系统梳理人工智能理论体系并检验掌握程度。压缩包共1个doc文档，约2.19MB，内容按章节组织，涵盖绪论、知识表示、推理等模块，每部分先给出本章小结再附习题解答。绪论部分梳理了人工智能的定义、五个发展阶段、搜索技术与知识表示等基本内容，以及符号主义、连接主义、行为主义三大学派和问题求解、自然语言理解、专家系统等研究领域；知识表示章节结合旅行商最短路线、产生式规则、谓词与语义网络等例题展开；推理章节则以盗窃犯归结演绎、兄弟同父等经典题目演示推理过程。已有101人学习，适合需要按章复习、对照例题查漏补缺的读者使用。

1. 人工智能期末复习：先看清这张五章知识地图

人工智能这门课最让人头疼的地方，是它不像数据结构那样有一条清晰的主线，而是五六个相对独立的知识块拼在一起——绪论讲历史与学派，知识表示讲怎么把世界写进机器，推理讲怎么从已知推出未知，搜索讲怎么在解空间里找路，最后还要落到图搜索的实现和经典问题上。很多人复习时按章节顺序从头背，背到推理就卡住，因为归结演绎的谓词逻辑没打牢；再往后搜索策略的 OPEN 表和 CLOSED 表又混成一锅粥。真正高效的复习方式，是先建立一张地图：绪论负责“是什么和有哪些流派”，知识表示负责“怎么描述问题”，推理负责“怎么推导结论”，搜索负责“怎么找到答案”，图搜索与状态空间则是把前四块串起来的落地场景。这份经典习题集的价值就在于，它把每章的总结和典型题解放在一起，让你能对照着看“概念—方法—题目”三者怎么对应。适合正在系统学这门课、或者考前需要快速查漏补缺的人，把这张地图先装进脑子，再往下逐块填细节。

2. 绪论与学派：五个阶段、三大流派与研究领域的对应关系

绪论这一章看起来全是背诵内容，但梳理下来会发现，它其实是整门课的“索引”——后面每一章都能在绪论的研究内容里找到位置。复习时不要孤立地背年份，而要把发展阶段、研究学派、研究领域三者对应起来看，这样选择题和简答题都能互相印证。

2.1 发展五阶段：每个阶段的标志性技术

习题集里给出的五阶段划分是高频考点，关键不是记年份，而是记每个阶段“靠什么技术撑起来”。第一阶段是神经元网络时代，对应早期的感知机思路；第二阶段是通用方法时代，强调通用的问题求解程序；第三阶段是知识工程时代，专家系统成为主角；第四阶段是新的神经元网络时代，连接主义回潮；第五阶段是海量信息处理与网络时代，也就是当前所处的阶段。复习时把每个阶段和一种代表性技术绑定，简答题问“经历了哪些阶段”时就能顺手带出技术特征，而不是干巴巴列五个年份。

2.2 三大研究学派：符号主义、连接主义、行为主义的根本分歧

三个学派的对比是必考内容，而且容易出“下列哪项属于连接主义观点”这类辨析题。符号主义走心理学途径，认为智能的基本元素是符号，智能行为是符号运算的结果，对应数理逻辑；连接主义走生理学途径，又叫仿生学派，认为基本元素是神经元，智能产生于大量神经元的并行分布式联结，智能行为是联结计算的结果；行为主义走生物演化途径，起源于控制论，认为智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。复习时抓住“基本元素”和“智能来源”两个维度，三个学派就不会混。

提示：学派辨析题最常见的翻车点是把“符号运算”安到连接主义头上，或者把“感知—行为”说成符号主义。记的时候用一句话锚定：符号靠逻辑、连接靠网络、行为靠适应。

2.3 研究内容与研究领域：一张清单怎么背才不散

习题集里研究内容列了搜索技术、知识表示、规划方法、机器学习、认知科学、自然语言理解与机器翻译、专家系统与知识工程、定理证明、博弈、机器人、数据挖掘与知识发现、多 Agent 系统、复杂系统、足球机器人、人机交互技术等；研究领域又列了问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、神经网络、机器人学、模式识别、机器视觉、智能控制、智能检索、智能调度与指挥、分布式人工智能与 Agent、计算智能与进化计算、数据挖掘与知识发现、人工生命、系统与语言工具等。这两份清单高度重叠，硬背容易串。更省力的办法是按“感知—思维—行动”三类归档：感知类包括模式识别、机器视觉、自然语言理解；思维类包括搜索、推理、定理证明、知识表示；行动类包括机器人学、智能控制、智能调度。这样即使题目换个说法，也能归位。

3. 知识表示：四种表示法的适用场景与产生式系统的三要素

知识表示这一章的核心问题是“用什么结构把现实问题写进机器”，习题集里明确出现了谓词表示法、产生式表示法、框架表示法、语义网络表示法四种。复习时不要只背定义，而要搞清楚每种表示法“擅长什么、不擅长什么”，因为大题往往给一个场景让你选表示法并写出规则。

3.1 四种表示法的对比与选择依据

谓词表示法的做法是先定义谓词、指出每个谓词的确切含义，再用连接词把有关谓词连接成谓词公式，表达一个完整意义，优点是精确、便于归结推理，缺点是对复杂结构描述繁琐。产生式表示法用“IF 条件 THEN 动作”的规则形式，适合描述过程性知识和启发式规则。框架表示法用“槽—侧面—值”的层次结构描述事物各个方面的属性，适合描述结构化对象。语义网络用节点表示物体、概念和状态，用弧线表示节点间的关系，适合描述概念之间的关联。选择依据可以概括为：要推理选谓词，要描述规则选产生式，要描述对象结构选框架，要描述概念关系选语义网络。

3.2 产生式系统三要素与旅行路线题的规则设计

产生式系统由三个基本部分组成：规则库、综合数据库、控制系统。规则库存放 IF-THEN 规则，综合数据库存放当前状态，控制系统负责选择哪条规则并执行。习题集里那道“五个城市从 A 出发各参观一次后回到 A、找最短路线”的题，就是用产生式规则表示旅行过程：综合数据库中的 x 可以是一个字母也可以是一个字符串，初始状态是 (A)，目标状态是 (Ax1x2x3x4A)，规则集写成 r1 到 r5，条件用 L(S)（走过的城市数）判断，动作是 GOTO(城市)。这类题的易错点是目标状态写错——必须体现“回到 A”，也就是字符串首尾都是 A；另一个易错点是规则条件里 L(S) 的比较方向，小于 5 才继续走，等于 5 才回 A。

综合数据库：(x) x 为字母或字符串 初始状态：(A) 目标状态：(Ax1x2x3x4A) 规则集： 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)

上面这段规则里，L(S) 表示已经走过的城市数，GOTO(x) 表示走向城市 x。写规则时要注意：回 A 的条件必须是“已走满 5 个城市”，否则会提前回到起点；去其他城市统一用“小于 5”，保证每个城市都能被访问到。实际答题时还要把最短路线和总距离算出来，习题集给的答案是 A→C→D→E→B→A，总距离 5+6+8+10+7=36，计算过程要写清楚每段代价，不能只写结论。

3.3 语义网络画法：以比赛比分为例

语义网络题通常给一个事实让你画图，比如“两校篮球队在某地进行一场比赛，比分是 85:89”。画法是把“比赛”作为一个事件节点，用弧线连出参赛队、地点、比分等关系，比分再拆成两个数值节点。评分点在于节点和弧线的语义是否明确、关系方向是否正确。最容易漏的是把比分直接写成一个字符串节点，而没有体现“哪队得多少分”的对应关系，导致语义丢失。

4. 推理：归结演绎的完整流程与易错环节

推理这一章是整份习题集里最容易拉开差距的部分，因为归结演绎推理既有固定套路，又容易在子句化和归结选择上出错。习题集里两道经典题——盗窃犯问题和“Peter 的父亲是谁”——几乎覆盖了归结推理的全部关键步骤，把这两道题吃透，比刷十道同类题都管用。

4.1 归结演绎推理的五步流程

归结推理的固定流程可以拆成五步：第一步定义谓词并把已知条件表示成谓词公式；第二步把待求解问题表示成谓词公式，将其否定后与 ANSWER 谓词做析取；第三步把前提和问题否定式都化成子句集并合并；第四步反复应用归结原理，直到推出只含 ANSWER 的子句；第五步从 ANSWER 的参数中读出答案。这个流程的关键在于第二步——为什么要加 ANSWER 谓词？因为归结法本质是反证法，否定结论后如果推出矛盾就说明结论成立，但矛盾本身不告诉你“答案是谁”，所以用 ANSWER(y) 把答案“带”出来。

4.2 盗窃犯问题：子句集构建与归结路径

盗窃犯问题里，五个侦察员的话分别化成子句：P(zhao)∨P(qian)、P(qian)∨P(sun)、P(sun)∨P(li)、¬P(zhao)∨¬P(sun)、¬P(qian)∨¬P(li)，问题否定式加上 ANSWER 得到 ¬P(y)∨ANSWER(y)。归结时从 (1) 与 (4) 得 P(qian)∨¬P(sun)，从 (2) 与 (7) 得 P(qian)，再与 (6) 归结得 ANSWER(qian)；同理从 (2) 与 (12) 得 P(sun)，与 (6) 归结得 ANSWER(sun)。最终答案是钱和孙两人。这道题的易错点有两个：一是把“至少有一人与此案无关”错误地写成肯定式，正确写法是 ¬P(zhao)∨¬P(sun)，因为“赵与孙中至少有一人无关”等价于“赵无关或孙无关”；二是归结过程中忘记标注替换 σ，考试时替换不写清楚容易丢步骤分。

(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： (7) P(qian) ∨ ¬P(sun) (1)+(4) (13) P(qian) (2)+(7) (15) ANSWER(qian) (6)+(13), σ={qian/y}

上面这段子句集里，第 (4) 和第 (5) 条是最容易写错的地方，它们对应“至少有一人无关”的否定式表达。归结到 (13) 时得到 P(qian)，说明钱是作案者；对称地还能推出 P(sun)。答题时把两条 ANSWER 都写出来，结论写“钱和孙”，不要只写一个。

4.3 亲属关系问题：函数与谓词的区分

“任何兄弟都有同一个父亲”这道题的关键在于谓词定义：Father(x,y) 表示 x 是 y 的父亲，Brother(x,y) 表示 x 和 y 是兄弟，前提化成 ¬Brother(x,y)∨¬Father(z,x)∨Father(z,y)，加上 Brother(John,Peter) 和 Father(David,John)，问题否定式 ¬Father(u,Peter)∨ANSWER(u)。归结时先用 (1) 与 (3) 得 ¬Brother(John,y)∨Father(David,y)，再与 (2) 得 ANSWER(David)。这道题最容易翻车的地方是把“同一个父亲”理解成存在量词而不是全称量词，写成错误的公式；另一个坑是归结时替换不一致，导致推不出 ANSWER。复习时把这两道题的每一步归结都手写一遍，比看答案有效得多。

5. 搜索策略：盲目搜索、启发式搜索与博弈树的复习重点

搜索这一章内容最多，习题集里既有状态空间搜索的分类树，又有代价树搜索、与/或树搜索和博弈树剪枝。复习时先建立分类框架，再抓每类方法的“扩展顺序”和“完备性、最优性”两个判断维度，最后用具体题目验证。

5.1 搜索策略分类框架与完备性对比

搜索策略大致分为状态空间搜索和与/或树搜索两大块。状态空间搜索下分盲目搜索和启发式搜索：盲目搜索包括广度优先、深度优先、有界深度优先、代价树的广度优先和深度优先；启发式搜索包括局部择优、全局择优和 A* 算法。与/或树搜索包括广度优先、深度及有界深度优先、有序搜索，博弈问题里还有极大极小分析和 α-β 剪枝。判断一个搜索策略要看两点：完备性（有解时能否找到解）和最优性（找到的是否代价最小）。深度优先搜索不完备，因为可能误入无穷分支；代价树的深度优先搜索也不一定最优，习题集里那道 A 到 E 的题就明确说明“结果相同只是巧合”。

5.2 代价树搜索：OPEN 表排序与路径回溯

代价树搜索题的标准做法是先画代价树，再用 g(x2)=g(x1)+c(x1,x2) 计算每个节点的代价。代价树广度优先搜索把新生成的子节点放入 OPEN 表，并按代价从小到大对 OPEN 表全部节点排序；代价树深度优先搜索把子节点按代价从小到大放到 OPEN 表首部，本质是栈。习题集里第一道五城市题，两种方法结果相同，但第二道题就出现了分歧：广度优先得到 A→C→E 代价 15，深度优先得到 A→B→D→E 代价 17，不是最优解。这个对比是考试高频陷阱，题目问“用深度优先求最短费用路径”时，答案往往不是真正的最短路径，必须如实写出搜索过程和最终路径，不能想当然给最优解。

g(x2) = g(x1) + c(x1, x2) 广度优先：新子节点入 OPEN 表 → 全表按代价升序排序 → 取首节点扩展 深度优先：新子节点按代价升序放 OPEN 表首部 → 取首节点扩展（栈）

上面两个公式和规则是代价树搜索的全部核心。g(x) 是从初始节点到 x 的累计代价，c(x1,x2) 是父节点到子节点的单段代价。做题时每一步都要写出 OPEN 表和 CLOSED 表的变化，尤其是深度优先搜索，要说明“虽然某节点代价更小，但按策略仍先扩展另一节点”，这句话往往是得分点。

5.3 与/或树与博弈树：可解节点判定和 α-β 剪枝

与/或树搜索的判定规则是：终止节点是可解节点；与节点可解当且仅当其子节点全都可解；或节点可解只要其子节点至少有一个可解。解树是由可解节点形成的子树，根为初始节点、叶为终止节点，且一定是与树。博弈树部分要掌握极大极小分析法和 α-β 剪枝：或节点取子节点最大得分作为父节点得分，与节点取最小得分；α 是或节点的倒推值下界，β 是与节点的倒推值上界。剪枝规律是：或节点的 α 值如果不能降低父节点的 β 值，则停止搜索其下分枝，称为 β 剪枝；与节点的 β 值如果不能升高父节点的 α 值，则停止搜索，称为 α 剪枝。这两条规律文字相近，最容易记反，复习时用“或节点管下界、与节点管上界”来锚定。

6. 易错点排查：归结、搜索与表示法里最容易翻车的地方

这一章专门收那些“看答案觉得懂、自己做就错”的点。梳理下来会发现，人工智能习题的错误高度集中，不是概念不会，而是几个固定环节反复出问题。下面五条按“易漏点→为什么漏→怎么补”展开，每条都对应习题集里的真实题型。

易漏点一：归结推理中子句化漏掉否定。为什么漏：题目里的自然语言“至少有一人无关”“不都是”这类表述，否定范围容易判断错，直接把肯定式写进子句集。怎么补：遇到“至少有一人”“并非都”这类词，先写出自然语言的真值条件，再机械地加否定号，最后检查每个子句是否都是析取式。

易漏点二：代价树深度优先搜索误报最优解。为什么漏：平时做题习惯“搜索就是找最优”，看到一条路径就默认它最优。怎么补：凡是深度优先类策略，答题时强制写出“该策略不完备、不保证最优”的判断句，并把 OPEN 表排序过程写全，用过程证明结论。

易漏点三：产生式规则的目标状态写不完整。为什么漏：旅行路线题只关注“访问四个城市”，忘了“回到起点 A”。怎么补：目标状态写成字符串形式时，首尾都检查是否为初始城市，规则里回起点的条件单独用 L(S)=5 判断。

易漏点四：α-β 剪枝的 α、β 归属记反。为什么漏：两个符号定义文字接近，死记硬背容易混。怎么补：用“或节点取最大、所以管下界 α；与节点取最小、所以管上界 β”这句话反推，做题时先在节点旁标出 α 或 β 再判断是否剪枝。

易漏点五：语义网络把关系方向画反。为什么漏：画图时只关注节点内容，忽略弧线是有向的。怎么补：每画一条弧线，口头读一遍“从……到……表示……”，确认方向与语义一致，尤其是“父亲”“比分”这类有明确指向的关系。

注意：这五条不是并列关系，前两条属于推理与搜索的流程性错误，后三条属于表示与剪枝的细节错误。复习时按“流程题先查步骤、细节题先查符号”的顺序排查，效率更高。

7. 考前查漏补缺：一份可执行的复习清单与自测方法

到了考前一周，最有效的做法不是重新通读，而是按“题型—方法—易错点”三列做一张自测表，每道经典题都能在不看答案的情况下复现完整过程。下面这份清单按习题集的五块内容组织，每行给出自测动作和通过标准，照着走一遍就能定位薄弱环节。

自测时有一个具体技巧：把每道题的答案遮住，只留题目，用计时器限时 15 分钟手写全过程，写完再对照习题集。如果某道题卡在第一步谓词定义，说明该模块的概念没吃透；如果卡在中途归结或排序，说明流程不熟。两种情况的补法不同——概念问题回去看本章小结，流程问题把同一道题连写三遍直到不卡。另外，习题集里那些“注”和“提示”往往就是命题人埋的坑，比如“深度优先搜索是不完备的”“两种方法结果相同只是巧合”，这些句子要单独抄出来，考前最后一遍只看这些注记。

我自己的血泪经验是：第一次做归结推理题时，觉得看懂了答案就跳过手写，结果考试时子句化那一步直接写错否定式，整道大题连锁失分。从那以后我每次复习推理模块，都强制先把五步流程默写一遍再动笔做题，哪怕时间再紧也不省这一步。希望这份梳理能帮到你，把地图装进脑子，剩下的就是按清单逐项过关。

本文还有配套的精品资源，点击获取