人工智能智慧樹知到課后章節(jié)答案2023年下復(fù)旦大學(xué)

人工智能智慧樹知到課后章節(jié)答案2023年下復(fù)旦大學(xué)復(fù)旦大學(xué)

緒論單元測試

針對(duì)智能體的思考是否合理，所引入的指標(biāo)叫做（）

A:嚴(yán)密B:智慧C:嚴(yán)謹(jǐn)D:理性

答案:理性

第一章測試

在下圖八數(shù)碼問題中，需要通過移動(dòng)將雜亂的8個(gè)方塊按照右側(cè)的順序進(jìn)行排列，那么該問題的狀態(tài)空間的大小是（）？

A:9B:8C:9*9D:9!

答案:9!

以下無信息搜索算法中，同時(shí)具有完備性和最優(yōu)性的有（）。

A:迭代加深搜索B:廣度優(yōu)先搜索C:深度優(yōu)先搜索D:一致代價(jià)搜索

答案:迭代加深搜索;廣度優(yōu)先搜索;一致代價(jià)搜索

對(duì)于有限狀態(tài)圖上的搜索問題，以下說法正確的有（）。

A:存在廣度優(yōu)先樹搜索有解而深度優(yōu)先樹搜索無解的案例B:一致代價(jià)搜索（UCS）不一定總能找到最優(yōu)解C:深度優(yōu)先圖搜索（BFS）可以保證找到解（如果存在至少一解）D:存在深度優(yōu)先樹搜索有解而廣度優(yōu)先樹搜索無解的案例

答案:存在廣度優(yōu)先樹搜索有解而深度優(yōu)先樹搜索無解的案例;一致代價(jià)搜索（UCS）不一定總能找到最優(yōu)解;深度優(yōu)先圖搜索（BFS）可以保證找到解（如果存在至少一解）

對(duì)于一個(gè)邊損耗非負(fù)的有限圖，采用廣度優(yōu)先樹搜索可以得到最優(yōu)解，并且對(duì)每條邊加上一個(gè)相同的非負(fù)損耗c>0之后，最優(yōu)路徑保持不變。（）

A:對(duì)B:錯(cuò)

答案:對(duì)

在下圖搜索問題中，S為起始節(jié)點(diǎn)，G1、G2、G3均為目標(biāo)節(jié)點(diǎn)，則采用一致代價(jià)找到的解是（）

A:G2B:G3C:均不可能D:G1

答案:G2

第二章測試

假如一個(gè)搜索問題（有限狀態(tài)）至少有一個(gè)解，則當(dāng)A*圖搜索算法配備任意可采納的啟發(fā)式函數(shù)時(shí)，一定能保證找到一解。（）

A:對(duì)B:錯(cuò)

答案:對(duì)

當(dāng)路徑損耗非負(fù)時(shí)，一致代價(jià)搜索是A*算法的一種特例，其啟發(fā)式函數(shù)既是可采納的，又是一致的。（）

A:對(duì)B:錯(cuò)

答案:對(duì)

在如圖所示的八數(shù)碼問題中，

如果A格與B格相鄰且B為空，則A可以移動(dòng)至B。以下可以作為八數(shù)碼問題的一致啟發(fā)式函數(shù)的有（）。

A:都不正確B:數(shù)碼1、2、3、4移動(dòng)到正確位置的步數(shù)C:不在目標(biāo)位置的數(shù)碼總數(shù)D:各數(shù)碼到目標(biāo)位置的曼哈頓距離總和

答案:數(shù)碼1、2、3、4移動(dòng)到正確位置的步數(shù);不在目標(biāo)位置的數(shù)碼總數(shù);各數(shù)碼到目標(biāo)位置的曼哈頓距離總和

在上述八數(shù)碼問題中，有兩種啟發(fā)式函數(shù)，其中h1(n)為不在目標(biāo)位置的數(shù)碼總數(shù)，h2(n)為各數(shù)碼到目標(biāo)位置的曼哈頓距離總和，則h3(n)=max(h1(n),h2(n))，具有以下什么性質(zhì)（）。

A:其余兩項(xiàng)都滿足B:一致的C:其余兩項(xiàng)都不滿足D:可采納的

答案:其余兩項(xiàng)都滿足

第三章測試

對(duì)抗博弈是一種零和游戲。（）

A:錯(cuò)B:對(duì)

答案:對(duì)

極大極小值搜索算法相比于深度優(yōu)先，更接近廣度優(yōu)先搜索算法。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

alpha-beta剪枝中，兒子節(jié)點(diǎn)的擴(kuò)展順序遵循效用值遞減對(duì)MIN節(jié)點(diǎn)的值計(jì)算更高效。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

在期望最大搜索中，可能涉及什么類型的節(jié)點(diǎn)？（）。

A:隨機(jī)節(jié)點(diǎn)。B:MAX節(jié)點(diǎn)。C:兩種都有。D:兩種都無。

答案:兩種都有。

alpha-beta剪枝中，哪些說法是正確的（）。

A:對(duì)于MAX節(jié)點(diǎn)來說，當(dāng)前效用值大于beta時(shí)可以進(jìn)行剪枝。B:alpha在MIN節(jié)點(diǎn)上更新。C:中間節(jié)點(diǎn)的極大極小值在執(zhí)行完剪枝算法后可能是錯(cuò)誤的。D:alpha在MAX節(jié)點(diǎn)上更新。

答案:對(duì)于MAX節(jié)點(diǎn)來說，當(dāng)前效用值大于beta時(shí)可以進(jìn)行剪枝。;中間節(jié)點(diǎn)的極大極小值在執(zhí)行完剪枝算法后可能是錯(cuò)誤的。;alpha在MAX節(jié)點(diǎn)上更新。

第四章測試

約束滿足問題關(guān)注動(dòng)作路徑。（）

A:錯(cuò)B:對(duì)

答案:錯(cuò)

約束滿足問題的解是滿足所有約束的一組變量賦值。（）

A:錯(cuò)B:對(duì)

答案:對(duì)

任何N元約束滿足問題都可以轉(zhuǎn)化為二元約束滿足問題。（）

A:對(duì)B:錯(cuò)

答案:對(duì)

關(guān)于約束滿足問題，說法錯(cuò)誤的是（）。

A:對(duì)于任何類型的變量都可以通過枚舉的方式展現(xiàn)所有變量賦值情況。B:變量賦值往往伴隨與傾向性相關(guān)的評(píng)價(jià)。C:一元約束僅涉及一個(gè)變量。D:交通排班可以構(gòu)建成一個(gè)約束滿足問題。

答案:對(duì)于任何類型的變量都可以通過枚舉的方式展現(xiàn)所有變量賦值情況。

關(guān)于約束滿足問題的回溯搜索算法，以下說法正確的是（）。

A:賦值時(shí)，應(yīng)選擇最少限制的取值。B:應(yīng)選擇剩余賦值選擇最少的變量進(jìn)行賦值。C:應(yīng)選擇剩余賦值選擇最多的變量進(jìn)行賦值。D:賦值時(shí)，應(yīng)選擇最多限制的取值。

答案:賦值時(shí)，應(yīng)選擇最少限制的取值。;應(yīng)選擇剩余賦值選擇最少的變量進(jìn)行賦值。

第五章測試

假設(shè)馬爾可夫決策問題（MDP）的狀態(tài)是有限的，則對(duì)于，如果我們只改變獎(jiǎng)勵(lì)函數(shù)R，最優(yōu)策略會(huì)保持不變。（）

A:錯(cuò)B:對(duì)

答案:錯(cuò)

假設(shè)馬爾可夫決策問題（MDP）的狀態(tài)是有限的，若衰減因子滿足，則值迭代一定會(huì)收斂。（）

A:對(duì)B:錯(cuò)

答案:對(duì)

假設(shè)馬爾可夫決策問題（MDP）的狀態(tài)是有限的，通過值迭代找到的策略優(yōu)于通過策略迭代找到的策略。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

如果兩個(gè)MDP之間的唯一差異是衰減因子的值，那么它們一定擁有相同的最優(yōu)策略。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

當(dāng)在一個(gè)MDP中只執(zhí)行有限數(shù)量的步驟時(shí)，最優(yōu)策略是平穩(wěn)的。平穩(wěn)的策略是指在給定狀態(tài)下采取相同操作的策略，與智能體處于該狀態(tài)的時(shí)間無關(guān)。（）

A:錯(cuò)B:對(duì)

答案:錯(cuò)

第六章測試

時(shí)序差分算法是一種在線學(xué)習(xí)的方法。（）

A:錯(cuò)B:對(duì)

答案:對(duì)

F-learning可以看作Q-learning的一種健忘選擇，，也即Q-learning中的學(xué)習(xí)率。則F-learning在以下那種情況下收斂于固定的值：（）

A:從不B:相應(yīng)的Q-learning收斂時(shí)F-learning也會(huì)收斂C:具有隨機(jī)性的狀態(tài)轉(zhuǎn)移時(shí)D:具有確定性的狀態(tài)轉(zhuǎn)移時(shí)

答案:具有確定性的狀態(tài)轉(zhuǎn)移時(shí)

F-learning可以看作Q-learning的一種健忘選擇，，也即Q-learning中的學(xué)習(xí)率。則F-learning在以下那種情況下收斂于最優(yōu)q值：（）

A:具有確定性的狀態(tài)轉(zhuǎn)移時(shí)B:從不C:相應(yīng)的Q-learning收斂時(shí)F-learning也會(huì)收斂D:具有隨機(jī)性的狀態(tài)轉(zhuǎn)移時(shí)

答案:具有確定性的狀態(tài)轉(zhuǎn)移時(shí)

F-learning可以看作Q-learning的一種健忘選擇，，也即Q-learning中的學(xué)習(xí)率。則F-learning在以下那種情況下收斂于隨機(jī)策略的q值：（）

A:具有隨機(jī)性的狀態(tài)轉(zhuǎn)移時(shí)B:具有確定性的狀態(tài)轉(zhuǎn)移時(shí)C:從不D:相應(yīng)的Q-learning收斂時(shí)F-learning也會(huì)收斂

答案:從不

第七章測試

使用強(qiáng)化學(xué)習(xí)狀態(tài)的泛化表示的好處有（）。

A:復(fù)雜的計(jì)算獲得更精確的表示B:可以減少采樣C:減少內(nèi)存的消耗D:可以采樣更多的樣本

答案:可以減少采樣;減少內(nèi)存的消耗

在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，蒙特卡洛方法對(duì)梯度計(jì)算是（）。

A:B:C:D:

答案:

在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，時(shí)間差分方法對(duì)梯度計(jì)算是（）。

A:B:C:D:

答案:

在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，蒙特卡洛方法中可以使用SARSA和Q-learning進(jìn)行真值的學(xué)習(xí)（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)

強(qiáng)化學(xué)習(xí)中有有模型的方法和無模型的方法（）

A:錯(cuò)B:對(duì)

答案:對(duì)

第八章測試

隨機(jī)變量X的概率分布如下圖，則x等于（）。

A:0.5B:0.4C:0.1D:0.2

答案:0.5

貝葉斯網(wǎng)絡(luò)中，節(jié)點(diǎn)的含義是什么（）。

A:變量關(guān)系B:獨(dú)立性C:概率值D:隨機(jī)變量

答案:隨機(jī)變量

在下面的貝葉斯網(wǎng)絡(luò)中，正確的選項(xiàng)有（）。

A:P(-cavity,catch,-toothache)=P(-cavity)P(catch)P(-toothache)B:P(cavity,catch,-toothache)=P(cavity)P(catch|-cavity)P(toothache)|cavity)C:P(-cavity,catch,-toothache)=P(-cavity)P(catch|(-cavity)P(-toothache)|-cavity)D:P(cavity,-catch,-toothache)=P(cavity)P(-catch|(cavity)P(-toothache)|cavity)

答案:P(-cavity,catch,-toothache)=P(-cavity)P(catch|(-cavity)P(-toothache)|-cavity);P(cavity,-catch,-toothache)=P(cavity)P(-catch|(cavity)P(-toothache)|cavity)

在下面的貝葉斯網(wǎng)絡(luò)中，不給定Cavity和給定Cavity的情況下，Toothache和Catch的獨(dú)立性分別是（）。

A:不獨(dú)立，不獨(dú)立B:獨(dú)立，獨(dú)立C:不獨(dú)立，獨(dú)立D:獨(dú)立，不獨(dú)立

答案:不獨(dú)立，獨(dú)立

第九章測試

下面屬于精確推理的方法是（）：

A:變量消元法B:拒絕采樣法C:枚舉推理法D:似然加權(quán)法

答案:變量消元法;枚舉推理法

特征因子包括哪幾種（）：

A:選定聯(lián)合分布B:聯(lián)合分布C:單條件分布D:多條件分布

答案:選定聯(lián)合分布;聯(lián)合分布;單條件分布;多條件分布

似然加權(quán)法是重要性采樣的特殊情況，可能會(huì)生成不符合證據(jù)變量的樣本（）。

A:對(duì)B:錯(cuò)

答案:錯(cuò)

貝葉斯網(wǎng)絡(luò)中精確推理的復(fù)雜度依賴于網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)規(guī)模（）。

A:錯(cuò)B:對(duì)

答案:對(duì)

第十章測試

對(duì)于隱馬爾可夫模型（HMM），設(shè)其觀察值空間為O={o1,o2,…,oN}，狀態(tài)空間為：