1.1解图如下：
规则顺序定义如下：
(1) 1->2 (2) 1->3 (3) 2->3 (4) 2->1 (5) 3->1 (6) 3->2
非法节点祖先节点祖先节点
( ) ) ,)(),B A (())A B ,()(,( ( ) )),(B)(A),((
( ( A B ),( ) ,( ) ) ( ( B),(A),( ) )
( ( ) ,(B A ),( ) ) ( ( ) ,(A),(B) ) ( ( ) ,( ) ,(A B ) )
( ( ) ,(A),(B) ) ( ( A),(B),( ) ) ( ( ) ,(A B ),( ) ) 非法节点 1.2
h(n)=Σ每个 W左边
B的个数；h(n)满足
A*条件；h(n)满足单调限制（大家分析）。 1.3 h1(n)=
cij，一般情况不满足
A*条件，但此题满足；ACDEBA=34; h2(n)=|cij-AVG{(cij)|，不满足 A*条件；ACBDEA=42; 1.4
此题最优步数已定，具有
A*特征的启发函数对搜索无引导作用。 1.5
此题启发式函数见 P41。 1.10
规定每次一个圆盘按固定方向（如逆时针）转动
45°；可用盲目搜索算法构造搜索树；也
可构造启发式函数如：h(n)=8个径向数字和与 12的方差。 1.11
状态空间数：9！=362880； 有用的启发信息：1）平方数为
3位数的数字：10～31；2）平方的结果数字各位不能重复： 13，14，16，17，18，19，23，24，25，27，28，29，31； 3只需校验
C13=286种状态。 3 6 1 5 2 9 7 8 4
第 2章
2.1解图：
633422121111131222111111111 2.5
后手只要拿走余下棋子-1的个数即可。 第 3章
3.18以下符号中□表示 .
(1)证明：待归结的命题公式为 P ∧.(Q →
P)，求取子句集为{P,Q,.P}，对子句集中的 子句进行归结可得可得原公式成立。
(2)证明：待归结的命题公式为（P → (Q → R)) ∧ ～(( P → Q) → (P → R))
，合取范式为： (～ P∨ ～ Q ∨ R)( ～
P ∨ Q)∧ P∧ ～R
，求取子句集为 S = ～ P∨ ～ Q ∨ R,～ P ∨ QP ,～R ，对子 ∧ { ,}
句集中的子句进行归结可得：
12345678 ～ P∨ ～ Q ∨ R ～ P ∨ Q P ～ R
Q②③归结 ～P ∨ R
①④归结 R③⑥归结
□④⑦归结
由上可得原公式成立。
(3)证明：待归结的命题公式为 (Q →～ P)∧ ～ (( Q → P) →～Q)
，合取范式为： ∧
，求取子句集为 PQ ,
，对子句集中的子句进 (～ Q∨ ～ P)( ～Q ∨ P)∧ QS = {～ Q∨ ～ P,～Q ∨ }
行归结可得：
123456 ～ Q∨ ～ P Q ～ Q ∨ P ～
P①②归结 P②③归结
□④⑤归结
由上可得原公式成立。 3.19答案 (1) mgu = {/, / yb /} a xb , z
(2) mgu = {( ())/, fv ()/ } gfv x u
(3)不可合一 (4) mgu = {/, / yb /} b xb , z
3.23证明
R1：所有不贫穷且聪明的人都快乐： .x( () ∧ Smart x () → Happy x ( )) ～ Poor x
R2：那些看书的人是聪明的：
( () → Smart x .x read x ( ))
R3：李明能看书且不贫穷： read Li () ∧ ～ Poor Li ()
R4：快乐的人过着激动人心的生活： . ( ()
→Exciting x ( )) x Happy x
结论李明过着激动人心的生活的否定： () ～
Exciting
Li
将上述谓词公式转化为子句集并进行归结如下： 由
R1可得子句： 1 Poor x ∨ () () ∨
～Smart x () Happy x 由
R2可得子句： 2 ～() ()
read y ∨ Smart y 由
R3可得子句： () 34 read Li ()
～ Poor Li 由
R4可得子句： 5 ～() ()
Happy z ∨
Exciting z
有结论的否定可得子句： 6 () ～
Exciting Li
根据以上
6条子句，归结如下： ～ Happy Li () ⑤⑥ Li/z () ∨ ～ () ⑦① Li/x
7891011 Poor Li Smart Li () ⑧④ ～ Smart Li ～ read Li () ⑨② Li/y □ ⑩③
由上可得原命题成立。 第 4章
4.9答案 有毛发有奶 哺乳动物
有羽毛会飞会下蛋 鸟 吃肉
肉食动物有蹄 有爪有犬齿眼盯 前方 有蹄动物 嚼反刍动 物 黄褐 色
身上有暗 斑点
金钱豹 黑色 条纹 虎 长脖 子长腿 长颈鹿斑马 不会 飞 鸵鸟 会游 泳 有黑 白两 色 企鹅 善飞 信天翁 4.11答案
李强副教授 计算机系某大学
Is-aWork-atPart-of北京Located-at 教师A-kind-of35岁Age 计算机系某大学
Is-aWork-atPart-of北京Located-at 教师A-kind-of35岁Age 第 5章
5.10答案 解： (5 ∨ E 6) = max{ CF E ( 6)} CF E ( 5), CF E = 0.8 CF E (5 CF E (5 (4 ∧ E
∨ E 6)) = min{ ( 4), CF E ∨ E 6)} = 0.5 ( 1) =
max{0, CF E 4 ∧ (E 5 ∨ E 6))} × ( 1, E 4 ∧ (E 5 ∨ E 6)) = 0.5 × 0.8
CF E ( CF E = 0.4 (H ) =
max{0, ( 1)} × CF H , E1) = 0.4 × 0.9 = 0.36 CF CFE ( 1 CF (H ) =
max{0, ( 2)} × CF H ,
E 2) = 0.8 × 0.6 = 0.48 CF E ( 2 CF 3(H ) =
max{0, CF E × (, E 3) = 0.6 ×. 0.5 =.0.3 ( 3)} CF H CF 12 (H ) =
1(H ) + CF (H ) . 1(H CF (H ) = 0.36 + 0.48 . 0.36 × 0.48 =
0.6672 CF ) CF 22 CF H 12 3 =
0.3672 () = CF (H ) + CF (H
) =
0.6672 . 0.3 CF (H)+ CF (H) 0.6672. 0.3 CF (H) = 12 3 == 0.5246 123 1. min{| CF 12 (H)|, |CF 3(H)|} 1.
min{0.6672,0.3} 5.15 p(E | LS) = 0.95 p(L | F) =
0 p(F) = 0.5 已知： pp ( ( EE | |. L. LS S ) ) = = 00. .89 pp ( ( SL | | F . ) F = ) = 0.19 求： p(F | E) p(E |.L.S) = 0.1
p(S |.F) = 0.1
1）求 p(E | F) p(E | F) = p(ELS | F)+ p(EL .S | F)+ p(E.LS | F)+ p(E.L.S | F) p(ELSF ) p(EL .SF) p(E.LSF )
p(E.L.SF) =+ + +
p(F) p(F) p(F)
p(F) p(ELSF ) p(E | LSF )p(LSF ) p(E | LSF )p(LS | F)p(F) ==
p(F) p(F) p(F) = p(E | LS )p(L | F)p(S | F) = 0 p(EL .SF) p(E |
L.S)p(L |
F)p(.S | F)p(F)
== 0
p(F) p(F) p(E.LSF ) = p(E |.LS )p(.L | F)p(S | F) =
0.8×1× 0.9 = 0.72
p(F)
p(E.L.SF) = p(E
|.L.S)p(.L |
F)p(.S | F) =
0.1×1× 0.1= 0.01
p(F) p(E
| F) = 0.72+ 0.01= 0.73
2）同理可求： p(E |.F)
p(E |.F) = p(ELS |.F)+ p(EL.S |.F)+ p(E.LS |.F)+ p(E.L.S |.F) p(ELS.F) p(EL.S.F) p(E.LS.F) p(E.L.S.F) =+ + +
p(.F) p(.F) p(.F) p(.F) p(ELS.F) p(E |
LS.F)p(LS.F) p(E |
LS.F)p(LS |.F)p(.F) = =
p(.F) p(.F) p(.F) = p(E
|
LS)p(L |.F)p(S |.F) =
0.95×1× 0.1= 0.095 p(EL.S.F) p(E |
L.S)p(L |.F)p(.S |.F)p(.F) =
p(.F) p(.F) = p(E |
L.S)p(L |.F)p(.S |.F) =
0.9×1× 0.9 = 0.81
p(E.LS.F) = p(E
|.LS)p(.L |.F)p(S |.F) = 0
p(.F)
p(E.L.S.F) = p(E
|.L.S)p(.L |.F)p(.S |.F) = 0
p(.F) p(E |.F) =
0.095+ 0.81= 0.905
3）利用
Bayes公式和逆事件概率公式求出 p(F | E) p(E |
F)p(F) 0.73× 0.5 0.365 由
Bayes公式： p(F | E) = p(Ep( | E
. ) F)p(. = F) p(E 0. ) 905 = × 0p . ( 5 E) 0.4525 p(.F | E) = ==
p(E) p(E) p(E)
由逆事件概率公式：
0.365 0.4525 p(F | E)+ p(.F | E) = 1 .
..→+
= 1 . ..→ p(E) =
0.8175
p(E) p(E)
0.365 0.365 最终： p(F | E) = p(E) =
0.8175 ≈ 0.4465
因篇幅问题不能全部显示，请点此查看更多更全内容