知识表示及推理：笔记与练习解析

来源：课件《2-知识表示及推理.pptx》与章节练习题文本。答案依据课件内容和相关逻辑知识整理。

一、章节框架

本章围绕“知识如何表示、问题如何推理求解”展开，主要内容包括：

知识与知识表示
谓词逻辑表示法
状态空间表示法
自动推理与盲目搜索
不确定性推理
概率推理与贝叶斯推理

本章的核心关系可以概括为：

知识表示解决“如何把知识放进计算机”，推理解决“计算机如何利用知识得到结论”。

二、知识与智能

1. 知识是智能的基础

人类的智能活动主要体现为获得知识、组织知识和运用知识。为了让计算机具有智能，能够模拟人类智能行为，也必须让计算机拥有可以存储和使用的知识。

但人脑中的知识不能直接放入计算机，必须用某种合适的模式表示出来，形成计算机可以处理的数据结构和处理机制。

2. 知识的定义

课件中从不同角度解释知识：

角度	含义
哲学角度	人类对物质世界和精神世界探索的结果总和。
心理学角度	个体通过与环境相互作用后获得的信息。
人工智能角度	能被计算机表示、存储、推理和利用的信息结构。

3. 知识的分类

课件中提到的知识分类方式包括：

按内容分：原理知识、方法知识。
按形式分：显式知识、隐式知识。
按可靠性分：理论知识、经验知识。
从认知心理学角度分：陈述性知识、程序性知识。

其中：

陈述性知识：描述客观事物的特点和关系，例如“雪是白的”“武汉位于北京和广州之间”。
程序性知识：描述做事步骤和操作方法，主要回答“做什么”和“如何做”。

4. 知识的特性

特性	含义	例子
相对正确性	知识只在一定条件和环境下成立。	牛顿第一定律在经典力学范围内有效。
不确定性	知识并不总是非真即假，可能存在程度差异。	天气预报说“明天下雨概率 70%”。
可表示性	知识可以用一定形式表达出来。	用谓词、状态图、规则等表示知识。
可利用性	表示后的知识可以被系统调用和推理。	专家系统用规则进行诊断。

5. 确定性知识与不确定性知识

类型	含义	例子
确定性知识	可以明确判断真或假的知识。	“张三是大学生”“雪是黑色的”。
不确定性知识	不能简单用真或假描述，具有模糊、不精确、不完备等特点。	天气预报、医学诊断、战场态势估计。

三、知识表示

1. 知识表示的定义

人工智能领域的知识表示，指的是知识在计算机中的表示，是人工智能研究中最基本的问题之一。

知识表示可以理解为：

把人类知识表示成计算机可以接受的数据结构及其处理机制。

课件中给出的简洁表达是：

表示 = 数据结构 + 处理机制

这说明知识表示既要考虑知识如何存储，也要考虑知识如何被使用。

2. 知识表示的目的

知识表示的目的在于通过有效的知识表达方式，使人工智能程序能够：

利用已有知识；
作出决策；
得出结论；
支持进一步推理和问题求解。

3. 知识表示的要求

要求	含义
充分表示	能表达相关领域所需的各种知识。
充分推理	能从已有知识推出新的知识。
有效推理	能把附加信息结合到知识结构中，有利于推理。
有效获取知识	便于获取知识，并使系统具备一定的知识获取控制能力。

4. 常见知识表示方法

课件列举的知识表示方法包括：

谓词逻辑表示法
状态空间表示法
语义网络表示法
产生式表示法
框架表示法
脚本表示法
面向对象表示法

实际应用中，应根据知识类型选择合适的表示方法。

四、推理与问题求解

1. 推理的定义

推理是从一个或几个已知判断（前提）逻辑地推出一个新的判断（结论）的思维形式。

例如：

text

凡人都会死。
苏格拉底是人。
所以，苏格拉底会死。

2. 自动推理

自动推理是人工智能学科的重要研究课题，指在计算机支持下实现推理，以求解问题。

早期自动推理主要关注数学定理机器证明；后来逐渐扩展到程序自动生成、逻辑程序设计、智能系统中的推理等领域。

3. 问题表示与问题求解

在计算机中解决问题，一般包括两个环节：

环节	含义	常见方法
问题表示	把问题抽象成计算机可处理的知识结构。	状态空间法、规约法、谓词逻辑、语义网络、产生式、框架法等。
问题求解	在表示基础上找到合理求解方法。	搜索法、推理法、计算法等。

从知识确定性角度看，推理可分为：

确定性推理
不确定性推理

五、命题逻辑

1. 命题的概念

命题是具有真假意义的断言，一般用大写字母表示。

判断一个句子是否为命题，主要看两点：

是否是陈述句；
是否具有唯一真值。

例如：

句子	是否为命题	真值
2 是素数。	是	真
2 + 3 = 5。	是	真
雪是黑色的。	是	假
火星上有水。	是	有唯一真值，即使我们暂时不知道
5x + 1 > 11。	否	含变量，未指定 x 时真值不唯一
这朵花多好看呀！	否	感叹句，主观评价
明天下午开会吗？	否	疑问句
请关上门！	否	祈使句

命题的真值只有两种：

T：真
F：假

2. 简单命题与复合命题

简单命题：不能再分的原子命题，如“李平聪明”。
复合命题：由多个简单命题通过联结词组成，如“李平聪明并且用功”。

3. 常用逻辑联结词

符号	名称	含义
`～P`	否定	非 P
`P∧Q`	合取	P 且 Q
`P∨Q`	析取	P 或 Q
`P→Q`	蕴含	如果 P，则 Q
`P↔Q`	等价	P 当且仅当 Q

4. 真值运算规律

P	Q	～P	P∧Q	P∨Q	P→Q
T	T	F	T	T	T
T	F	F	F	T	F
F	T	T	F	T	T
F	F	T	F	F	T

重点记忆：

合取 P∧Q：只有 P 和 Q 都真时才真。
析取 P∨Q：只要 P 和 Q 至少一个真就真。
否定 ～P：真变假，假变真。
蕴含 P→Q：只有“前件真、后件假”时为假，其余情况为真。

5. 逻辑运算优先级

课件给出的优先级为：

text

～  >  ∧  >  ∨  >  →

同级运算一般从左到右，有括号先算括号。

6. 常用等价关系

规律	等价式
双重否定	`～(～P) ≡ P`
蕴含转换	`P→Q ≡ ～P∨Q`
析取与蕴含	`P∨Q ≡ ～P→Q`
德摩根律	`～(P∨Q) ≡ ～P∧～Q`
德摩根律	`～(P∧Q) ≡ ～P∨～Q`
分配律	`P∧(Q∨R) ≡ (P∧Q)∨(P∧R)`
分配律	`P∨(Q∧R) ≡ (P∨Q)∧(P∨R)`
交换律	`P∧Q ≡ Q∧P`，`P∨Q ≡ Q∨P`
结合律	`(P∧Q)∧R ≡ P∧(Q∧R)`，`(P∨Q)∨R ≡ P∨(Q∨R)`
逆否律	`P→Q ≡ ～Q→～P`

两个命题等价，指的是它们的真值表相同。

六、谓词逻辑表示法

1. 谓词逻辑与命题逻辑的关系

谓词逻辑是命题逻辑的扩展。它引入了谓词和量词，能够更细致地分析命题内部结构。

命题逻辑只能把“雪是白的”整体记为一个命题 A，而谓词逻辑可以表示为：

text

P(a)

其中：

P(x) 表示“x 是白的”；
a 表示“雪”。

2. 谓词、个体词与量词

概念	含义	例子
谓词	刻画客体性质或客体之间关系的符号。	`Black(x)`：x 是黑的；`Friend(x,y)`：x 和 y 是朋友。
个体词	可以独立存在的客体。	小李、武汉、北京。
全称量词 `∀`	表示“对于所有”。	`∀x`：对所有 x。
存在量词 `∃`	表示“存在某个”。	`∃x`：存在某个 x。

3. 谓词公式的一般形式

谓词公式一般写作：

text

P(x1, x2, ..., xn)

其中：

P 是谓词符号；
x1, x2, ..., xn 是参数项。

按参数个数可分为：

一元谓词：描述单个对象的性质，如 Student(x)。
二元谓词：描述两个对象之间的关系，如 Father(x,y)。
多元谓词：描述多个对象之间的关系，如 Between(x,y,z)。

4. 谓词表示例子

例 1：王童是一个三好学生

定义：

S(x)：x 是一个三好学生；
a：王童。

表示为：

text

S(a)

例 2：李新华是李兰的父亲

定义：

F(x,y)：x 是 y 的父亲；
b：李新华；
c：李兰。

表示为：

text

F(b,c)

例 3：武汉位于北京和广州之间

定义：

B(x,y,z)：x 位于 y 和 z 之间；
w：武汉；
b：北京；
g：广州。

表示为：

text

B(w,b,g)

例 4：有些人是学生

定义：

Student(x)：x 是学生。

表示为：

text

∃x Student(x)

例 5：所有人都会死

定义：

Human(x)：x 是人；
Mortal(x)：x 会死。

表示为：

text

∀x (Human(x) → Mortal(x))

5. 合式公式

合式公式是谓词演算中按规则构成的合法公式。

基本规则包括：

原子谓词公式是合式公式。
若 A 是合式公式，则 ～A 也是合式公式。
若 A 和 B 是合式公式，则 (A∧B)、(A∨B)、(A→B) 也是合式公式。
若 A 是合式公式，x 是其中自由变元，则 ∀x A 和 ∃x A 也是合式公式。

6. 谓词符号化常见句式

自然语言	常见谓词形式
所有 A 都是 B	`∀x(A(x) → B(x))`
有些 A 是 B	`∃x(A(x) ∧ B(x))`
没有 A 是 B	`～∃x(A(x) ∧ B(x))` 或 `∀x(A(x) → ～B(x))`
并且	`∧`
或者	`∨`
如果 P，则 Q	`P → Q`
除非 P，否则 Q	`～P → Q`，等价于 `～Q → P`

七、状态空间表示法

1. 状态空间法的基本思想

状态空间法是基于解答空间的问题表示和求解方法。它通过在可能的状态空间中寻找一条从初始状态到目标状态的路径来解决问题。

课件中的典型例子包括：

一家人过河问题；
十五数码问题；
旅行商问题。

2. 状态空间法的核心概念

概念	含义
状态 `State`	表示问题求解过程中某一步状况的数据结构。
算符 `Operator`	把问题从一种状态变换为另一种状态的手段，也称操作符。
状态空间 `State Space`	表示问题全部可能状态及其关系的图。
问题的解	从初始状态经过一系列算符运算到达目标状态，这一算符序列就是问题的一个解。

状态空间可记为三元组：

text

(S, F, G)

其中：

S：所有可能的问题状态集合；
F：操作符集合；
G：目标状态集合。

3. 状态描述要确定的三件事

对一个问题进行状态描述，必须确定：

状态描述方式，尤其是初始状态描述；
操作符集合及其对状态的作用；
目标状态描述的特性。

4. 一家人过河问题

课件使用变量表示人物：

text

P：警察
T：贼
F：爸爸
M：妈妈
S1、S2：两个儿子
D1、D2：两个女儿

每个变量取值：

0：在河的这边；
1：在河的对岸。

状态向量：

text

Q = [P, T, F, M, S1, S2, D1, D2]

初始状态：

text

[0, 0, 0, 0, 0, 0, 0, 0]

目标状态：

text

[1, 1, 1, 1, 1, 1, 1, 1]

操作符是“过河”，包括从这边到对岸、从对岸回到这边。每次操作必须满足船的容量、驾驶者和安全约束。

5. 十五数码问题

十五数码问题是在 4×4 棋盘上移动 15 个数字块和 1 个空格，使初始棋局变为目标棋局。

操作符包括：

空格向上移 Up
空格向左移 Left
空格向下移 Down
空格向右移 Right

状态可以用长度为 16 的向量表示，空格记为 0。

求解本质是：

从初始棋局开始，不断试探合法走步产生新状态，直到达到目标状态。

6. 状态图

把初始状态可达到的各状态所组成的空间设想为由节点组成的图，这种图称为状态图。

常用图概念：

概念	含义
图	由节点和弧线组成的数据结构。
节点	图形上的汇合点，可表示状态、事件和时间关系的汇合。
弧线	节点之间的连接线。
有向图	弧线有方向，从一个节点指向另一个节点。
后继节点	由当前节点经弧线指向的节点。
父辈节点	指向当前节点的上一级节点。
路径	节点序列，序列中相邻节点存在后继关系。
代价/权重	从一个节点到另一个节点的弧线代价。

二叉树是图的一种特殊形式，也是一种有向无环图。

八、图搜索策略与盲目搜索

1. 搜索的定义

搜索是采用某种策略，在知识库中寻找可利用的知识，从而构造一条路径，使问题得到解决的过程。

状态空间法把问题求解转化为：

在状态空间图中寻找一条从初始节点到目标节点的路径。

这种在图中寻找路径的方法称为图搜索策略。

2. 搜索中的数据结构

结构	作用
图	存放状态空间。
OPEN 表	存放待扩展节点，即还没有被搜索过的节点。
CLOSED 表	存放已扩展节点，即已经被搜索过的节点。

搜索过程就是从隐式状态空间图中不断生成显式搜索图和搜索树，直到找到目标路径。

3. 盲目搜索与启发式搜索

课件中把搜索策略分为：

盲目搜索
启发式搜索

盲目搜索不利用问题本身的启发信息，只按照固定策略展开节点。本章重点包括：

广度优先搜索，也称宽度优先搜索；
深度优先搜索。

4. 广度优先搜索

广度优先搜索按照离起始节点由近到远的顺序扩展节点。

特点：

逐层遍历；
OPEN 表按先进先出工作；
OPEN 表相当于队列；
适合寻找层数最浅的解。

算法思想：

把起始节点放入 OPEN 表；
若 OPEN 表为空，则失败；
从 OPEN 表取出第一个节点，放入 CLOSED 表；
扩展该节点；
把后继节点放到 OPEN 表末端；
如果后继节点中有目标节点，则成功；否则继续。

5. 深度优先搜索

深度优先搜索优先扩展最新产生的节点，沿一条路径尽可能向深处搜索。

特点：

纵向搜索；
OPEN 表按后进先出工作；
OPEN 表相当于堆栈；
若不设置深度限制，可能陷入过深路径或循环。

课件中的遍历例子：

text

宽度优先搜索：A B C D E F G H I J
深度优先搜索：A B D H I E J C F G

九、不确定性推理

1. 为什么需要不确定性推理

现实世界中，精确性和确定性往往只是相对的，不确定性才更普遍。课件列举的不确定性来源包括：

多种原因可能导致同一结果；
信息不完备；
背景知识不充分；
信息描述模糊；
信息中含有噪声；
推理规则本身具有模糊性；
推理能力有限；
解题方案不唯一。

例如医学诊断中，“低烧”可能由很多病因导致，医生只能结合症状和先验知识进行概率性判断。

2. 不确定性推理方法

课件列举的常见不确定性推理方法包括：

概率推理
主观贝叶斯方法
可信度方法
证据理论

本章重点涉及概率推理中的贝叶斯推理。

十、概率推理与贝叶斯推理

1. 贝叶斯推理的基本思想

贝叶斯推理是一种基于贝叶斯法则的统计推理方法。它根据已有先验知识和观察到的证据，计算假设在证据条件下成立的概率，也就是后验概率。

简单说：

贝叶斯推理 = 用新证据更新原有判断。

2. 条件概率

若事件 H 已经发生，求事件 E 发生的概率，记作：

text

P(E | H)

公式为：

text

P(E | H) = P(E∩H) / P(H)

其中 P(H) > 0。

3. 乘法公式

由条件概率公式可得：

text

P(E∩H) = P(E | H)P(H)

也可以写成：

text

P(E∩H) = P(H | E)P(E)

4. 全概率公式

若事件 B1, B2, ..., Bn 构成样本空间的一个划分，且两两互斥，则任意事件 A 的概率为：

text

P(A) = Σ P(A | Bi)P(Bi)

也就是：

text

P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + ... + P(A|Bn)P(Bn)

全概率公式用于把一个事件的发生概率分解到不同原因或不同来源上。

5. 贝叶斯公式

在给定证据 A 的情况下，假设 Bi 发生的后验概率为：

text

P(Bi | A) = P(A | Bi)P(Bi) / P(A)

结合全概率公式可写成：

text

P(Bi | A) = P(A | Bi)P(Bi) / Σ P(A | Bj)P(Bj)

其中：

P(Bi)：先验概率；
P(A | Bi)：似然概率，即假设 Bi 成立时证据 A 出现的概率；
P(Bi | A)：后验概率，即看到证据 A 后 Bi 成立的概率；
P(A)：证据的总概率。

十一、贝叶斯例题

例题 1：流水线不合格品责任分摊

题目： 某工厂有 4 条流水线生产同一种产品，4 条流水线的产量分别占总产量的 15%、20%、30%、35%，且这 4 条流水线的不合格品率依次为 0.05、0.04、0.03、0.02。

从该厂产品中任取一件，恰好抽到不合格品的概率是多少？
若任取一件产品结果为不合格品，但标志已脱落，无法知道是哪条流水线生产的。厂方如何较合理地追究责任？第 4 条流水线应承担多大责任？

解析：

设：

A：任取一件产品为不合格品；
B1, B2, B3, B4：产品分别来自第 1、2、3、4 条流水线。

已知：

text

P(B1)=0.15，P(B2)=0.20，P(B3)=0.30，P(B4)=0.35
P(A|B1)=0.05，P(A|B2)=0.04，P(A|B3)=0.03，P(A|B4)=0.02

第一问用全概率公式：

text

P(A)
= P(A|B1)P(B1) + P(A|B2)P(B2) + P(A|B3)P(B3) + P(A|B4)P(B4)
= 0.05×0.15 + 0.04×0.20 + 0.03×0.30 + 0.02×0.35
= 0.0075 + 0.008 + 0.009 + 0.007
= 0.0315

所以抽到不合格品的概率为：

text

P(A)=0.0315=3.15%

第二问用贝叶斯公式，根据“不合格品来自第 i 条流水线”的后验概率分摊责任：

text

P(Bi | A) = P(A | Bi)P(Bi) / P(A)

分别计算：

流水线	计算	后验概率	责任比例
第 1 条	`0.05×0.15 / 0.0315`	`0.2381`	23.8%
第 2 条	`0.04×0.20 / 0.0315`	`0.2540`	25.4%
第 3 条	`0.03×0.30 / 0.0315`	`0.2857`	28.6%
第 4 条	`0.02×0.35 / 0.0315`	`0.2222`	22.2%

答案：

抽到不合格品的概率是 3.15%。
可以按后验概率分摊责任。
第 4 条流水线应承担约 22.2% 的责任。

理解要点： 不合格率低不代表责任一定最小，还要结合该流水线的产量占比。贝叶斯推理会同时考虑“先验概率”和“条件概率”。

例题 2：医学专家系统中的脑膜炎判断

题目： 一个医学专家系统知道如下事实：

脑膜炎可能引起颈部僵硬；
一个人有脑膜炎的概率是 1/50000；
一个人有颈部僵硬的概率是 1/20；
脑膜炎患者出现颈部僵硬的概率是 0.5。

问：一个颈部僵硬的病人患脑膜炎的概率是多少？

解析：

设：

M：患脑膜炎；
S：出现颈部僵硬。

已知：

text

P(M)=1/50000
P(S)=1/20
P(S|M)=0.5

要求：

text

P(M|S)

使用贝叶斯公式：

text

P(M|S) = P(S|M)P(M) / P(S)

代入：

text

P(M|S)
= 0.5 × (1/50000) / (1/20)
= 0.5 × 20 / 50000
= 10 / 50000
= 1 / 5000
= 0.0002

换算成百分比：

text

0.0002 = 0.02%

答案： 一个颈部僵硬的病人患脑膜炎的概率是 0.0002，即 0.02%，也就是约 1/5000。

理解要点： 颈部僵硬虽然是脑膜炎的相关症状，但脑膜炎本身先验概率极低，因此看到颈部僵硬后，患脑膜炎的后验概率仍然不高。这是贝叶斯推理中“基础概率”很重要的典型例子。

十二、易错知识点速记

知识表示是知识在计算机中的表示，不只是“写成文字”。
知识表示 = 数据结构 + 处理机制。
命题必须是具有唯一真值的陈述句。
“你长得真漂亮！”不是命题，因为它不是陈述性真值判断。
P→Q 只有在 P=T, Q=F 时为假。
谓词逻辑是命题逻辑的扩展，而不是命题逻辑扩展谓词逻辑。
谓词逻辑引入了量词和谓词，可以描述命题内部结构。
状态空间法以状态和算符为基础。
状态空间可记为 (S,F,G)。
问题的解是从初始状态到目标状态的算符序列。
OPEN 表放待扩展节点，CLOSED 表放已扩展节点。
广度优先搜索使用队列，先进先出。
深度优先搜索使用堆栈，后进先出。
贝叶斯推理用于在给定证据后计算后验概率。
贝叶斯公式要同时考虑先验概率和条件概率。

练习题与答案解析

一、单选题

1. 命题 A=T，命题 B=F，则 A∧B 的值（）

A. T
B. F
C. 无法确定

答案：B. F

解析： 合取 A∧B 表示“A 且 B”，只有两个命题都为真时结果才为真。这里 A=T，B=F，所以 A∧B=F。

2. 命题 A=T，命题 B=F，则 A∨B 的值（）

A. T
B. F
C. 无法确定

答案：A. T

解析： 析取 A∨B 表示“A 或 B”，只要至少一个为真，结果就为真。这里 A=T，所以 A∨B=T。

3. 命题 P=T，则～P 值（）

A. T
B. F
C. 无法确定

答案：B. F

解析： 否定运算会把真变假、假变真。P=T，所以 ～P=F。

4. 命题 A=T，命题 B=F，则 A→B 的值（）

A. T
B. F
C. 无法确定

答案：B. F

解析： 蕴含 A→B 只有在前件真、后件假时为假。这里 A=T，B=F，所以 A→B=F。

5. ～(P∨Q) 等价于

A. ～P∧～Q
B. P∧～Q
C. P∧Q

答案：A. ～P∧～Q

解析： 根据德摩根律，～(P∨Q) ≡ ～P∧～Q。

6. P∧(Q∨R) 等价于

A. P∧Q
B. P∨(P∧R)
C. (P∧Q)∨(P∧R)

答案：C. (P∧Q)∨(P∧R)

解析： 根据分配律，P∧(Q∨R) ≡ (P∧Q)∨(P∧R)。

7. ～P→Q 等价于

A. P→Q
B. P∨Q
C. P∧Q

答案：B. P∨Q

解析： 蕴含转换公式为 A→B ≡ ～A∨B。令 A=～P，则：

text

～P→Q ≡ ～(～P)∨Q ≡ P∨Q

二、判断题

8. 9 是素数，这是一个命题，命题的值为假。

答案：对

解析： “9 是素数”是陈述句，具有唯一真值，因此是命题。但 9 不是素数，所以该命题为假。

9. 你长得真漂亮！这是一个命题。

答案：错

解析： 这是感叹句和主观评价，不具有确定唯一真值，因此不是命题。

10. 命题的真值有两种，真和假。

答案：对

解析： 在经典命题逻辑中，命题真值只有两种：真 T 和假 F。

11. 人工智能领域的知识表示指的是知识在计算机中的表示，是人工智能研究中最基本的问题之一。

答案：对

解析： 课件明确给出该表述。知识表示是人工智能中十分重要的研究课题。

12. 自动推理，人工智能学科的一个重要研究课题。在计算机支持下实现推理，以求解问题。

答案：对

解析： 自动推理就是在计算机支持下进行推理和问题求解，是人工智能的重要研究方向。

13. 命题逻辑是谓词逻辑的扩展，能够更细致地分析命题的内部结构。

答案：错

解析： 正确说法是：谓词逻辑是命题逻辑的扩展。谓词逻辑通过引入谓词和量词，更细致地分析命题内部结构。

14. 逻辑运算符也是有优先级的，优先级是～、∧、∨、→，同级从左到右，有括号先算括号。

答案：对

解析： 课件给出的逻辑运算符优先级为 ～ > ∧ > ∨ > →，同级从左到右，有括号先算括号。

15. 二叉树是图的一种特殊形式，是一种有向无环图。

答案：对

解析： 二叉树可看作一种特殊的图，边通常从父节点指向子节点，因此属于有向无环结构。

三、简答题

16. 谓词符号化

1. 乌鸦是黑的。

定义：

Crow(x)：x 是乌鸦；
Black(x)：x 是黑的。

符号化：

text

∀x (Crow(x) → Black(x))

解析：这句话通常表示“所有乌鸦都是黑的”，所以用全称量词。

2. 小李选了英语和高等数学。

定义：

Select(x,y)：x 选了 y；
l：小李；
e：英语；
m：高等数学。

符号化：

text

Select(l,e) ∧ Select(l,m)

解析：“和”对应合取 ∧。

3. 王丽和张宇是好朋友。

定义：

GoodFriend(x,y)：x 和 y 是好朋友；
w：王丽；
z：张宇。

符号化：

text

GoodFriend(w,z)

解析：这是二元关系，用二元谓词表示。

4. 王晶或者跑步或者游泳。

定义：

Run(x)：x 跑步；
Swim(x)：x 游泳；
j：王晶。

符号化：

text

Run(j) ∨ Swim(j)

解析：“或者”对应析取 ∨。

5. 武汉位于北京和广州之间。

定义：

Between(x,y,z)：x 位于 y 和 z 之间；
w：武汉；
b：北京；
g：广州。

符号化：

text

Between(w,b,g)

解析：这是三元关系，用三元谓词表示。

四、填空题

原题编号中未出现第 17 题，以下按 txt 中的原编号继续整理。

18. 谓词逻辑是命题逻辑的扩展，引入了词和词。

答案：量词；谓词

解析： 谓词逻辑比命题逻辑更细，核心就在于引入量词和谓词。

19. 在状态空间法中，把问题从一种状态变换为另一种状态的手段是 ______。

答案：算符（操作符）

解析： 算符是状态转换的手段，例如十五数码中的上、下、左、右移动。

20. 在状态空间法中，能表示该问题全部可能状态的是 ______。

答案：状态空间

解析： 状态空间表示问题全部可能状态及其关系。

21. 状态空间法中，从初始状态出发，经过一系列的算符运算，达到目标状态。从初始状态到目标状态所有算符的序列就构成了问题的一个 ______。

答案：解

解析： 问题的解就是从初始状态到目标状态的算符序列。

22. 把初始状态可达到的各状态所组成的空间设想为一幅由各种状态对应的节点组成的图，这种图称为 ______。

答案：状态图

解析： 状态图用节点表示状态，用弧线表示状态间转换关系。

23. 在状态图中，图形上的汇合点，用来表示状态、事件和时间关系的汇合，称为 ______。

答案：节点

解析： 图中的汇合点称为节点。

24. 采用某种策略，在知识库中寻找可利用的知识，从而构造一条路径，使得问题得到解决的过程称为 ______。

答案：搜索

解析： 搜索就是按照一定策略寻找可利用知识或路径以解决问题。

25. 状态空间法用图结构来描述问题所有可能的状态，其问题的求解过程，转化为在状态空间图中寻找一条从初始节点到目标节点的路径，这种在图中寻找路径的方法称为 ______。

答案：图搜索策略

解析： 图搜索策略就是在图中寻找路径的方法。

26. ______ 优先搜索，从顶部到底部逐层遍历二叉树，并在每一层按照从左到右的顺序访问节点。

答案：广度优先搜索（宽度优先搜索）

解析： 从顶部到底部逐层遍历，且每层从左到右访问，是广度优先搜索的典型特征。

十三、考前速背表

考点	速记
知识与智能	知识是智能的基础。
知识表示	知识在计算机中的表示。
表示公式	表示 = 数据结构 + 处理机制。
命题	具有真假意义的断言。
命题真值	真 T、假 F。
合取	`T∧F=F`，只有全真才真。
析取	`T∨F=T`，至少一真即真。
蕴含	`T→F=F`，只有前真后假才假。
德摩根律	`～(P∨Q)=～P∧～Q`。
分配律	`P∧(Q∨R)=(P∧Q)∨(P∧R)`。
谓词逻辑	命题逻辑的扩展，引入量词和谓词。
状态空间	表示全部可能状态及其关系。
算符	状态转换手段。
问题的解	从初始状态到目标状态的算符序列。
状态图	由状态节点组成的图。
OPEN 表	待扩展节点。
CLOSED 表	已扩展节点。
广度优先	队列，先进先出，逐层搜索。
深度优先	堆栈，后进先出，纵向搜索。
贝叶斯推理	用证据更新先验概率，得到后验概率。

知识表示及推理：笔记与练习解析 ​

一、章节框架 ​

二、知识与智能 ​

1. 知识是智能的基础 ​

2. 知识的定义 ​

3. 知识的分类 ​

4. 知识的特性 ​

5. 确定性知识与不确定性知识 ​

三、知识表示 ​

1. 知识表示的定义 ​

2. 知识表示的目的 ​

3. 知识表示的要求 ​

4. 常见知识表示方法 ​

四、推理与问题求解 ​

1. 推理的定义 ​

2. 自动推理 ​

3. 问题表示与问题求解 ​

五、命题逻辑 ​

1. 命题的概念 ​

2. 简单命题与复合命题 ​

3. 常用逻辑联结词 ​

4. 真值运算规律 ​

5. 逻辑运算优先级 ​

6. 常用等价关系 ​

六、谓词逻辑表示法 ​

1. 谓词逻辑与命题逻辑的关系 ​

2. 谓词、个体词与量词 ​

3. 谓词公式的一般形式 ​

4. 谓词表示例子 ​

例 1：王童是一个三好学生 ​

例 2：李新华是李兰的父亲 ​

例 3：武汉位于北京和广州之间 ​

例 4：有些人是学生 ​

例 5：所有人都会死 ​

5. 合式公式 ​

6. 谓词符号化常见句式 ​

七、状态空间表示法 ​

1. 状态空间法的基本思想 ​

2. 状态空间法的核心概念 ​

3. 状态描述要确定的三件事 ​

4. 一家人过河问题 ​

5. 十五数码问题 ​

6. 状态图 ​

八、图搜索策略与盲目搜索 ​

1. 搜索的定义 ​

2. 搜索中的数据结构 ​

3. 盲目搜索与启发式搜索 ​

4. 广度优先搜索 ​

5. 深度优先搜索 ​

九、不确定性推理 ​

1. 为什么需要不确定性推理 ​

2. 不确定性推理方法 ​

十、概率推理与贝叶斯推理 ​

1. 贝叶斯推理的基本思想 ​

2. 条件概率 ​

3. 乘法公式 ​

4. 全概率公式 ​

5. 贝叶斯公式 ​

十一、贝叶斯例题 ​

例题 1：流水线不合格品责任分摊 ​

例题 2：医学专家系统中的脑膜炎判断 ​

十二、易错知识点速记 ​

练习题与答案解析 ​

一、单选题 ​

1. 命题 A=T，命题 B=F，则 A∧B 的值（） ​

2. 命题 A=T，命题 B=F，则 A∨B 的值（） ​

3. 命题 P=T，则 ～P 值（） ​

4. 命题 A=T，命题 B=F，则 A→B 的值（） ​

5. ～(P∨Q) 等价于 ​

6. P∧(Q∨R) 等价于 ​

7. ～P→Q 等价于 ​

二、判断题 ​

8. 9 是素数，这是一个命题，命题的值为假。 ​

9. 你长得真漂亮！这是一个命题。 ​

10. 命题的真值有两种，真和假。 ​

11. 人工智能领域的知识表示指的是知识在计算机中的表示，是人工智能研究中最基本的问题之一。 ​

12. 自动推理，人工智能学科的一个重要研究课题。在计算机支持下实现推理，以求解问题。 ​

13. 命题逻辑是谓词逻辑的扩展，能够更细致地分析命题的内部结构。 ​

14. 逻辑运算符也是有优先级的，优先级是 ～、∧、∨、→，同级从左到右，有括号先算括号。 ​

15. 二叉树是图的一种特殊形式，是一种有向无环图。 ​

知识表示及推理：笔记与练习解析

一、章节框架

二、知识与智能

1. 知识是智能的基础

2. 知识的定义

3. 知识的分类

4. 知识的特性

5. 确定性知识与不确定性知识

三、知识表示

1. 知识表示的定义

2. 知识表示的目的

3. 知识表示的要求

4. 常见知识表示方法

四、推理与问题求解

1. 推理的定义

2. 自动推理

3. 问题表示与问题求解

五、命题逻辑

1. 命题的概念

2. 简单命题与复合命题

3. 常用逻辑联结词

4. 真值运算规律

5. 逻辑运算优先级

6. 常用等价关系

六、谓词逻辑表示法

1. 谓词逻辑与命题逻辑的关系

2. 谓词、个体词与量词

3. 谓词公式的一般形式

4. 谓词表示例子

例 1：王童是一个三好学生

例 2：李新华是李兰的父亲

例 3：武汉位于北京和广州之间

例 4：有些人是学生

例 5：所有人都会死

5. 合式公式

6. 谓词符号化常见句式

七、状态空间表示法

1. 状态空间法的基本思想

2. 状态空间法的核心概念

3. 状态描述要确定的三件事

4. 一家人过河问题

5. 十五数码问题

6. 状态图

八、图搜索策略与盲目搜索

1. 搜索的定义

2. 搜索中的数据结构

3. 盲目搜索与启发式搜索

4. 广度优先搜索

5. 深度优先搜索

九、不确定性推理

1. 为什么需要不确定性推理

2. 不确定性推理方法

十、概率推理与贝叶斯推理

1. 贝叶斯推理的基本思想

2. 条件概率

3. 乘法公式

4. 全概率公式

5. 贝叶斯公式

十一、贝叶斯例题

例题 1：流水线不合格品责任分摊

例题 2：医学专家系统中的脑膜炎判断

十二、易错知识点速记

练习题与答案解析

一、单选题

1. 命题 A=T，命题 B=F，则 A∧B 的值（）

2. 命题 A=T，命题 B=F，则 A∨B 的值（）

3. 命题 P=T，则～P 值（）

4. 命题 A=T，命题 B=F，则 A→B 的值（）

5. ～(P∨Q) 等价于

6. P∧(Q∨R) 等价于

7. ～P→Q 等价于

二、判断题

8. 9 是素数，这是一个命题，命题的值为假。

9. 你长得真漂亮！这是一个命题。

10. 命题的真值有两种，真和假。

11. 人工智能领域的知识表示指的是知识在计算机中的表示，是人工智能研究中最基本的问题之一。

12. 自动推理，人工智能学科的一个重要研究课题。在计算机支持下实现推理，以求解问题。

13. 命题逻辑是谓词逻辑的扩展，能够更细致地分析命题的内部结构。

14. 逻辑运算符也是有优先级的，优先级是～、∧、∨、→，同级从左到右，有括号先算括号。

15. 二叉树是图的一种特殊形式，是一种有向无环图。