简介这是马少平、朱小燕《人工智能》教材的配套课后习题答案解析文档面向正在学习人工智能导论课程的高校学生、考研复习者以及自学者。内容以PDF单个文件呈现压缩包整体仅21KB便于快速下载与离线查阅。已有678人浏览学习。文档按教材章节编排覆盖第1章搜索策略中的规则顺序定义、A*算法与启发函数设计、盲目搜索与状态空间分析第2章博弈树相关习题第3章谓词逻辑与归结原理、子句集转换和mgu求解以及第4章知识表示、第5章不确定性推理中的可信度方法等。各题不仅给出最终答案还包含关键推理过程与归结步骤可帮助读者系统核对课后练习、理解经典人工智能题型的解题思路适合配合教材逐章巩固使用。1. 答案不是拿来对的这份PDF是人工智能入门的调试台新手学人工智能最缺的往往不是教程是反馈。刷完一章书感觉自己都懂了合上书全忘光这种翻车经历我太熟悉了。这份《人工智能(马少平朱小燕著)课后答案.pdf》就是那个把反馈成本打下来的工具。它不是用来抄的而是把每道题的标准思维链摊开让你看清楚自己卡在哪一步。适合正在学人工智能导论、准备期末或考研复试的本科生也适合靠自学补基础的转行者。核心用途很窄但很明确对照教材章节复盘搜索、知识表示、推理与机器学习模块的课后题。它能不能发挥价值不看这份PDF本身看你怎么用。2. 这本书的知识骨架搜索、知识表示与推理怎么串起来拿到PDF先别急着翻答案。我建议先做的事是把教材目录和PDF目录对一遍。马少平、朱小燕这本教材的主干很清晰搜索策略、知识表示、逻辑推理、不确定性推理最后落到机器学习。这份答案的组织方式基本跟着教材走。网上那些散装笔记要么只讲搜索要么只讲机器学习很少有人把整本书的题串起来而这恰恰是这份文档最值钱的地方。你后半程的所有复盘都可以按这个骨架来安排。2.1 搜索策略把状态空间法当成第一性原理搜索这一章是全书的骨架。教材的思路是先把问题建模成状态空间状态节点、操作算符、初始状态和目标状态然后才谈盲目搜索和启发式搜索。课后习题里反复出现的题型是给你一个具体状态转换问题让你比较深度优先、广度优先的扩展顺序或者要求用A算法求解列出open表和closed表的每一步变化。答案最值得看的就是推导过程写得细。广度优先的层数如何推进深度优先在什么条件下回溯open表里优先级怎么排序这些细节自学时最容易跳过。你心里觉得“我会了”动手一写才发现漏了一个节点。用一个典型题说明参数含义比如八数码问题估价函数写成f(n) g(n) h(n)其中g(n)表示从初始状态到当前节点n的实际代价h(n)是当前状态到目标状态的估计代价。在答案里如果h(n)取曼哈顿距离那么每一步横纵距离之和必须小于等于真实剩余步数才满足可采纳性如果取错位棋子数估价会偏低扩展节点数变多但搜索依然最优。这个选择点是评估函数设计里最核心的取舍也是答案里最容易看出学生有没有真懂的地方。我一般会建议按下面这个顺序来对照答案第一步自己画出初始状态到目标状态的状态空间图至少画两层扩展节点。第二步写出深度优先的节点扩展顺序模拟栈的行为。第三步用A算法重新推一遍注意每次扩展时open表排序的变化。第四步再打开PDF对照只看不一致的地方不看一致的地方。做完这一步你对“搜索效率”这个词的理解就不一样了。盲目搜索与启发式搜索的对比用一张表收住。维度深度优先广度优先A算法数据结构栈队列优先队列完备性可能陷入深渊完备h(n)可采纳时完备最优性不保证单位代价时最优可采纳时最优适用场景内存受限层数较浅有启发信息时2.2 知识表示产生式与语义网络的取舍逻辑知识表示章节的课后题通常不是考你背概念而是考你“把一段自然语言转成某种表示”。常见的有产生式规则、语义网络、框架表示。答案在这里的作用是给你一个转换的基准。产生式系统三个组成部分规则库、综合数据库、控制策略。自学时最容易搞混的是控制策略和2.1里的搜索策略。控制策略管的是“下一步该用哪条规则”搜索策略管的是“下一个该扩展哪个状态节点”。课后题如果问到“为什么产生式系统适合做专家系统”参考答案的落脚点通常是每条规则独立、增删方便、解释路径清晰。这类简答题的得分点不在形容词多而在于说清楚组件之间的交互关系。语义网络题的做法我一般按这几步处理。先把句子里出现的实体名词圈出来作为节点再把动词或介词短语圈出来作为边最后检查属性继承关系比如“鸟会飞”这样的默认属性在网络里怎么表达。对照答案时不需要保证节点命名一致只需要保证图和原句语义等价。这个判断标准很重要因为很多初学者一发现自己的图画得和答案不一样就觉得自己错了。框架表示则要关注槽点和默认值。如果题目要求用框架描述一个事物先写框架名再写槽和值。参考答案里常见的坑是“默认值”和“继承”两个概念被混在一起判断题爱在这里做文章。2.3 机器学习与神经网络旧教材里的新问题这本教材里的机器学习章节内容偏概念课后题主要涉及概念学习、决策树和信息增益、神经网络的基本结构。这份PDF的答案风格也比较朴素计算多一点宏大的理论阐述少一点。用这份答案时要注意知识边界。教材讨论感知器时强调线性分类和权重更新参考答案可能只要求你画出一个两层网络写出各层输入输出维度。你非要用现代深度学习里的反向传播和自动求导去改写答案方向就跑偏了。答题时先保证和教材口径一致自己的思考写在笔记里就好。信息增益的计算题是高频考点。答案里会给出具体对数计算。你用的时候要检查计算精度有的参考书用log2有的用ln底数不同算出来的熵不同会导致决策树分裂属性选择顺序不一致。这份PDF既然是配套教材的答案一般会采用和教材一致的底数。如果算出来的结果和答案差在小数点后几位先检查底数再看代入的样本量。这算是这类文档隐藏最深的一个坑。3. 用答案反推思路把“对答案”改成“对过程”3.1 三步阅读法遮答案-写要点-对照评分点很多人的用法是打开PDF看一眼题目再看一眼答案然后觉得“哦会了”。这种只看不写的习惯会把答案变成一本“爽文”。我自己的做法是三步走。第一步把题目抄在纸上遮住答案自己列要点和推导。注意是“要点”不是“完整解答”简答题列出术语和逻辑顺序计算题写出关键公式和代入过程。第二步把答案里出现的关键词和自己写的并排对照用不同颜色的笔标出你遗漏的。不需要逐字一样只需要看得分点是否覆盖。第三步把差异部分抄到单独的错题记录里抄的时候重写一遍完整的推导。这个步骤相当于给自己制造了一次“检索练习”效果远好于单纯阅读。3.2 把简答题答案拆成得分点简答题的答案通常由四层构成概念定义、性质描述、具体例子、对比说明。以“什么是启发式搜索”这类题为例完整的答案结构应该是先给出定义然后说明估价函数的组成再举一个八数码的例子最后和盲目搜索做对比。你在对照答案时可以把每一层标记出来看自己漏了哪一层。答案层作用自查问题概念定义划清讨论边界定义里有没有提到全局信息性质描述支撑论点有没有说明“不一定最优”具体例子让抽象变具体例子里的参数是否可复现对比说明体现差异认知是否说清了和盲目搜索的区别这种拆解方式对准备复试口试特别有用。老师问的问题往往是一个概念你按这四层展开讲基本不会冷场。这也是从答案文档里能带走的通用能力比背一道题划算得多。3.3 符号化与公式化答案里最容易被忽略的细节人工智能课后题里谓词逻辑、合一、归结推理这类内容对符号规范要求极高。很多人丢分不是不会推理而是符号使用不统一。比如谓词逻辑里全称量词、存在量词的顺序不能随意交换归结时一个子句里不能同时出现互补文字和新引入的变量约束。答案里这些细节都是按教材规范写的。你可以在PDF里搜索“合一”“归结”“Skolem”这些关键词把相关段落摘出来和教材对照建立自己的符号表。我一般会在练习本上专门留一页记符号约定量词顺序、否定形式、变元命名规则、函数符号和谓词符号的大小写习惯。下次做题前先扫一眼这一页错误率会明显下降。这些规范性的东西恰恰是自学者最难从视频课里学到的因为视频课很少逐字符讲解。4. 避坑PDF答案最常见的四个使用误区4.1 看着答案全会合上书全忘识别式记忆造成的假熟练现象打开PDF每一题都觉得“这不难”合上文档之后连第一步该写什么都想不起来。原因阅读答案激活的是识别式记忆大脑看到熟悉的信息会产生“我会了”的错觉但没有经过提取训练。解决强制给自己加一道工序任何一题都先遮住答案手写第一步的公式或术语写完再和答案核对。如果第一步都写不出来这题直接标记为“未掌握”不要假装读过。4.2 题号对不上版本差异导致答案“配不上”题目现象按教材章节编号找答案发现某些题号对应不上甚至某道题教材里根本没有。原因教材多次重印章节顺序、课后题编号可能调整PDF对应的是某一版次。解决不要死抠题号按章节主题来对应。比如教材里“搜索策略”一章的题就算编号往后挪了几位主题仍然是搜索。如果某道题你翻遍PDF都找不到多半是版本差异先跳过不要影响整体节奏。4.3 字面对不上等价表述不等于答错现象自己写的答案和PDF里不一样哪怕核心要点全对了仍然觉得自己不行。原因简答题的表述天然有多种等价方式PDF给出的是标准写法不是唯一写法。解决对照时只看“关键概念是否覆盖”比如有没有提到状态空间、估价函数、可采纳性而不是看有没有用一模一样的句子。如果要点都在只是措辞不同这题就算过。要是强迫自己一字不差背下来反而把思维锁死了。4.4 符号规范一张不统一的符号表引发的连锁错误现象计算题结果和答案一致但推导过程里量词顺序写反或者变量名混用最后得不到分。原因AI课程的阅卷很看重形式化表达符号不统一会直接判错。解决用3.3里说的符号表集中记录教材的符号约定。特别是谓词逻辑和归结推理部分写每一步之前先检查量词顺序和变元约束。从那以后我每次做题前都会花三十秒过一遍符号表看起来慢实际省掉了大量返工时间。5. 进阶把课后题改造成自己的项目训练题5.1 八数码搜索脚本把A算法从答案变成可运行代码如果你已经跟着PDF把八数码的搜索路径推过一遍下一步建议把它写成能跑的脚本。这不算多高端的项目实战但能把“看懂答案”和“能实现答案”之间的鸿沟补齐。import heapq goal 123456780 def manhattan(state): # 计算曼哈顿距离作为A算法的h(n) total 0 for i, ch in enumerate(state): if ch ! 0: dst goal.index(ch) cur_r, cur_c divmod(i, 3) dst_r, dst_c divmod(dst, 3) total abs(cur_r - dst_r) abs(cur_c - dst_c) return total def a_star(start): # 优先队列里存 (f值, g值, 当前局面, 已走路径) heap [(manhattan(start), 0, start, )] seen {} while heap: f, g, state, path heapq.heappop(heap) if state goal: return path, g if state in seen and seen[state] g: continue seen[state] g # 这里需要补充get_next_states(state)函数返回所有合法移动后的新局面 # 每个合法移动的代价按1计算g值因此逐层递增 for next_state, step in get_next_states(state): ng g 1 heapq.heappush(heap, (ng manhattan(next_state), ng, next_state, path step)) return None代码里最核心的参数就是f g h。其中g是已经花掉的步数从起始状态到当前局面实际走了几步h是启发式估计这里用曼哈顿距离表示每个数字离目标位置还要走几步。如果h(n)换成错位棋子数搜索照样能跑但扩展的节点会变多速度明显变慢。你可以拿PDF答案里的某个初始状态输入脚本对比一下open表扩展顺序和答案是否一致。只要发现某一步扩展顺序不一致就说明你对open表排序规则的理解有偏差这比刷十道题都管用。5.2 用答案里的推理链反向设计数据流知识表示和推理章节的答案本质上是一条推理链从初始事实出发经过规则匹配得到中间结论再匹配下一条规则直到目标。这种链式结构可以直接迁移到业务系统的规则引擎设计里。我在给一个小型工单系统做自动分单时就是把规则按优先级别排序每进来一张工单顺序匹配规则命中就结束。这个思路和产生式系统的控制策略一模一样。你可以做这样一个小练习选一道产生式系统的课后题把题目里的规则逐条编号再把答案里的推理过程拆成“事实-规则-新事实”的三元组画成数据流。对照PDF检查每一步的触发条件和结论。等到你要写规则引擎或者聊天机器人里的意图识别流程时这套从答案里拆出来的数据流能力可以直接复用。这也是为什么我一直说课后答案不是背完就扔的东西。5.3 把简答题变成口试自测一小时费曼输出另一种进阶用法是不动笔动嘴。找一道简答题给自己三分钟准备然后录音讲出来要求覆盖概念定义、性质、例子、对比四层。讲完回听录音看哪里卡壳。卡壳的地方就是你真正没懂的地方。这个方法比默写快而且能暴露那些“以为自己知道但组织不成语言”的知识点。我考研复试前就是这么练的对着PDF的答案目录随机抽题讲不顺的就回到对应章节重学效率比一遍遍抄答案高很多。一小时能过掉十几道高频题比坐在桌前磨洋工强。6. 验证学习效果三小时自测法6.1 自测流程与打分表学完一轮之后用三个小时做一次无干扰自测比反复“看答案”有效得多。找个没人打扰的时间段手机关掉桌面上只留教材、空白纸、这份PDFPDF只在最后核对时打开。三个小时的任务分配如下。时段任务通过标准第 1 小时画出全书知识骨架默写搜索、知识表示、推理的核心定义能写出至少八条可解释的术语第 2 小时重做搜索题和知识表示题各三题不查书完成率不低于八成且步骤完整第 3 小时口述两道简答题并录音回听自查每题讲满三分钟不卡壳第三个小时的录音回放尤其重要。人耳在说话时会自动脑补缺失的逻辑只有回听才会发现某个地方是跳过去的。把卡壳的时间点记下来对照PDF找对应段落那一段就是你的知识漏洞。6.2 错误归类与下一步动作自测暴露的错误要分类处理。第一类是概念漂移比如把控制策略写成搜索策略属于定义没记牢下一步动作是回到教材对应节重读并把两个概念用对比表抄在错题本上。第二类是符号生疏比如量词顺序写反或底数用错属于形式化表达不熟练下一步动作是翻开3.3节的符号表逐项核对再做两道同类题。第三类是思路断层比如知道结果是八数码目标态但写不出中间路径属于推导能力不足下一步动作是把PDF答案里的open表抄一遍自己重新推一遍。这三个小时的自测结果直接决定你接下来是翻教材还是翻答案。如果你在复盘时发现自己能推导出正确答案但不敢动手实现那第二天的练习就该改为写代码模拟搜索而不是再看一遍答案。每一步动作都对应一个具体的下一步这才算把一份PDF用到了底。我在考研复习那阵子最喜欢从答案里找自己会做的题图一个爽字。结果上考场遇到一道课后题原题居然只能写出前半段。从那以后每次用这份答案都强制先写后对草稿纸舍不得扔一张张折好收着。这个习惯帮我省了至少两轮复习时间。希望帮到你。本文还有配套的精品资源点击获取