人工智能智慧樹知到期末考試答案章節(jié)答案2024年復(fù)旦大學(xué)

人工智能智慧樹知到期末考試答案+章節(jié)答案2024年復(fù)旦大學(xué)在alpha-beta剪枝算法中，對于MAX節(jié)點，當(dāng)它的效用值比當(dāng)前的alpha低時可以進(jìn)行剪枝。（）

答案:錯似然權(quán)重、馬爾可夫蒙特卡洛方法這樣的隨機(jī)近似技術(shù)，可以對網(wǎng)絡(luò)的真實后驗概率進(jìn)行合理估計，并能夠比精確算法處理規(guī)模大得多的網(wǎng)絡(luò)。（）

答案:錯alpha-beta剪枝一定比單純的極大極小值算法效率高。（）

答案:錯強(qiáng)化學(xué)習(xí)中使用含參數(shù)的函數(shù)來估計狀態(tài)，是從較小的空間映射到更大的空間。（）

答案:錯

答案:消去V后得到的因子是f4(W,Y)###產(chǎn)生的最大因子維度是3在無模型設(shè)定的強(qiáng)化學(xué)習(xí)中，馬爾可夫決策過程的五元組已知部分有（）

答案:在貝葉斯網(wǎng)絡(luò)中，下面說法正確的是（）。

答案:構(gòu)建貝葉斯網(wǎng)絡(luò)不一定要遵循因果關(guān)系###使用因果關(guān)系可以使貝葉斯網(wǎng)絡(luò)的構(gòu)建更加簡單在估價函數(shù)中，對于g(x)和h(x)下面描述正確的是（）。

答案:h(x)是從節(jié)點x到目標(biāo)節(jié)點的最優(yōu)路徑的估計代價###g(x)是從初始節(jié)點到節(jié)點x的實際代價時序概率模型包含了（）。

答案:描述觀察過程的傳感器模型###描述狀態(tài)演變的轉(zhuǎn)移模型如果回溯搜索算法運行弧相容檢查并應(yīng)用MRV和LCV來選擇變量和值，那么回溯算法可能需要回溯的最大次數(shù)是多少？（）。

答案:關(guān)于約束滿足問題回溯算法中的LCV方法，說法正確的是（）。

答案:LCV提高了回溯算法的效率，因為它通常會減少搜索中的回溯次數(shù)。

答案:當(dāng)h是可采納的，則存在常數(shù)c>0使得c*h是一致的。

答案:10%估值函數(shù)不滿足的特點是（）。

答案:效用值的大小與贏得游戲的幾率無關(guān)。在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，時序差分方法對參數(shù)的更新公式是（）。

答案:在一個約束滿足問題中，有n個變量，每個變量有d個取值，求解這樣的樹結(jié)構(gòu)約束滿足問題的計算復(fù)雜度是多少（）。

答案:關(guān)于極大極小值搜索算法，以下說法正確的是（）。

答案:狀態(tài)的效用值是指當(dāng)前狀態(tài)下能得到的最大效用值。

答案:關(guān)于約束滿足問題，以下說法錯誤的是（）。

答案:約束滿足問題存在最優(yōu)解?；谀Ｐ偷膹?qiáng)化學(xué)習(xí)涉及純離線計算，而模型無關(guān)的強(qiáng)化學(xué)習(xí)需要與環(huán)境進(jìn)行在線交互。（）

答案:錯在求解約束滿足問題時應(yīng)用MRV和LCV來選擇變量和值，可以在線性時間內(nèi)求解問題。（）

答案:錯極小的衰減因子（接近0）會促使智能體選擇貪心策略。（）

答案:對深度優(yōu)先搜索的空間復(fù)雜度更小，而廣度優(yōu)先算法的時間復(fù)雜度更小，而且更健壯。（）

答案:對在圖搜索算法中，如果按估價函數(shù)f(x)=g(x)+h(x)作為Frontier中的結(jié)點排序的依據(jù)，則該算法就是深度優(yōu)先算法。（）

答案:錯

答案:錯在貝葉斯網(wǎng)絡(luò)中，當(dāng)前節(jié)點條件獨立于序號比它小的非父親節(jié)點。（）

答案:錯馬爾可夫過程一定存在穩(wěn)態(tài)分布（不動點）。（）

答案:錯

答案:配備H-1的A*搜索###配備H-1的貪心搜索若一搜索樹的樹高有限且所有單步損耗均非負(fù)，則為每條邊增加一正損耗c>0，以下樹搜索算法中（）所得搜索路徑保持不變。

答案:BFS###DFS寬度優(yōu)先搜索與深度優(yōu)先搜索有何區(qū)別是（）？

答案:寬度優(yōu)先搜索的特點是先生成的節(jié)點先擴(kuò)展###深度優(yōu)先搜索的特點是先擴(kuò)展最新產(chǎn)生的節(jié)點以下關(guān)于啟發(fā)式函數(shù)和A*算法的描述正確的是（）

答案:UCS圖搜索和樹搜索都是最優(yōu)的###UCS是A*算法的一個特殊情況###如果啟發(fā)式函數(shù)是可采納的，則A*樹搜索是最優(yōu)的###如果啟發(fā)式函數(shù)是一致的，則A*圖搜索是最優(yōu)的下列關(guān)于圖搜索策略說法正確的是（）。

答案:搜索過程中必須記住哪些點走過了###搜索過程中必須記住從目標(biāo)返回的路徑###是一種在圖中尋找路徑的方法###圖的每個節(jié)點對應(yīng)一個狀態(tài)，每條連線對應(yīng)一個操作符若一搜索樹的樹高有限且所有單步損耗均非負(fù)，則為每條邊的損耗乘上一正常數(shù)w>0，以下樹搜索算法中（）所得搜索路徑保持不變。

答案:BFS###DFS###UCS在有模型的強(qiáng)化學(xué)習(xí)中，屬于動態(tài)規(guī)劃求解的是（）。

答案:策略迭代方法###值迭代方法

答案:+a?b?c+d;+a?b?c+d;+a?b+c+d;###+a?b?c+d;+a?b?c?d;+a+b?c?d強(qiáng)化學(xué)習(xí)中，泛化表示的特點有（）。

答案:減少對經(jīng)驗的需求###降低內(nèi)存消耗時序概率模型的推理任務(wù)主要有（），其中每一個人物都可以通過遞歸實現(xiàn)，運行時間與序列長度呈線性關(guān)系。

答案:預(yù)測###平滑###最可能解釋###濾波在一個約束滿足問題中，有n個變量，每個變量有d個取值，回溯算法在找到解決方案或得出不存在任何可行方案的結(jié)論之前，可能需要回溯的最大次數(shù)（即它生成的違反約束的部分或完整賦值方案的次數(shù)）是多少？（）。

答案:理性的傾向選擇不滿足的條件是（）。

答案:行為的效用值不一定是最大化的。

答案:

答案:E若轉(zhuǎn)移矩陣是一個稀疏矩陣，且任何一個隱藏狀態(tài)只能轉(zhuǎn)移到M個可能的狀態(tài)，使用維特比算法求最可能狀態(tài)序列時可以忽略那些轉(zhuǎn)移概率為0的路徑，這時時間復(fù)雜度和空間復(fù)雜度為（）。

答案:O(TMX),O(TX)我們可以使用監(jiān)督學(xué)習(xí)或強(qiáng)化學(xué)習(xí)解決決策問題，則使用哪種方法時需要已知MDP的轉(zhuǎn)移概率（）

答案:兩者都不需要在alpha-beta剪枝中，關(guān)于alpha、beta的初始化的說法正確的是（）。

答案:alpha、beta的初始值分別為負(fù)無窮和正無窮。

答案:在采用樹搜索求解八數(shù)碼問題中,啟發(fā)函數(shù)f(x)=g(x)+h(x)中的常使用（）來定義g(x)。

答案:節(jié)點x所在層數(shù)下列關(guān)于馬爾可夫決策問題（MDP）的說法中，正確的是（）

答案:在等代價搜索算法中，總是選擇（）的節(jié)點進(jìn)行擴(kuò)展。

答案:代價最小我們可以使用監(jiān)督學(xué)習(xí)或強(qiáng)化學(xué)習(xí)解決決策問題，則使用哪種方法需要來自接近最優(yōu)策略（例如人類專家）的數(shù)據(jù)才能正常工作（）

答案:監(jiān)督學(xué)習(xí)關(guān)于零和游戲，以下說法錯誤的是（）。

答案:玩家效用值的和為0。

答案:1/3,1/3

答案:若消元順序為C->S時，求和消元后產(chǎn)生的最大因子維度為3.貝葉斯網(wǎng)絡(luò)是（）。

答案:有向無環(huán)圖對于隱馬爾可夫模型（HMM），設(shè)其觀察值空間為O={o1,o2,…,oN}，狀態(tài)空間為：S={s1,s2,…,sK}，觀測值序列為Y={y1,y2,…,yT}。如果用維特比算法(Viterbialgorithm)進(jìn)行解碼，時間復(fù)雜為（）。

答案:O(TK2)任何二階馬爾可夫過程都可以轉(zhuǎn)化為一個擴(kuò)大了狀態(tài)變量集合的一階馬爾可夫過程。（）

答案:對維特比算法的空間復(fù)雜度是O(TK)。（）

答案:對下面屬于精確推理的方法是（）：

答案:枚舉推理法###變量消元法貝葉斯網(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（）。

答案:對特征因子包括哪幾種（）：

答案:聯(lián)合分布###選定聯(lián)合分布###多條件分布###單條件分布似然加權(quán)法是重要性采樣的特殊情況，可能會生成不符合證據(jù)變量的樣本（）。

答案:錯

答案:不獨立，獨立

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)貝葉斯網(wǎng)絡(luò)中，節(jié)點的含義是什么（）。

答案:隨機(jī)變量

答案:0.5使用強(qiáng)化學(xué)習(xí)狀態(tài)的泛化表示的好處有（）。

答案:減少內(nèi)存的消耗###可以減少采樣在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，蒙特卡洛方法對梯度計算是（）。

答案:強(qiáng)化學(xué)習(xí)中有有模型的方法和無模型的方法（）

答案:對在強(qiáng)化學(xué)習(xí)值函數(shù)近似中，時間差分方法對梯度計算是（）。

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)（）

答案:錯時序差分算法是一種在線學(xué)習(xí)的方法。（）

答案:對

答案:從不

答案:具有確定性的狀態(tài)轉(zhuǎn)移時

答案:具有確定性的狀態(tài)轉(zhuǎn)移時當(dāng)在一個MDP中只執(zhí)行有限數(shù)量的步驟時，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)的時間無關(guān)。（）

答案:錯假設(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。（）

答案:錯

答案:錯

答案:對如果兩個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。（）

答案:錯約束滿足問題關(guān)注動作路徑。（）

答案:錯關(guān)于約束滿足問題，說法錯誤的是（）。

答案:對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（）。

答案:賦值時，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。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。（）

答案:對約束滿足問題的解是滿足所有約束的一組變量賦值。（）

答案:對alpha-beta剪枝中，哪些說法是正確的（）。

答案:中間節(jié)點的極大極小值在執(zhí)行完剪枝算法后可能是錯誤的。###alpha在MAX節(jié)點上更新。###對于MAX節(jié)點來說，當(dāng)前效用值大于beta時可以進(jìn)行剪枝。在期望最大搜索中，可能涉及什么類型的節(jié)點？（）。

答案:兩種都有。alpha-beta剪枝中，兒子節(jié)點的擴(kuò)展順序遵循效用值遞減對MIN節(jié)點的值計算更高效。（）

答案:錯對抗博弈是一種零和游戲。（）

答案:對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。（）

答案:錯

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

答案:其余兩項都滿足假如一個搜索問題（有限狀態(tài)）至少有一個解，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，一定能保證找到一解。（）

答案:對當(dāng)路徑損耗非負(fù)時，一致代價搜索是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。（）

答案:對

答案:G2以下無信息搜索算法中，同時具有完備性和最優(yōu)性的有（）。

答案:廣度優(yōu)先搜索###一致代