章节测验答案，点击这里查看
【作业】第6章 进化算法及其应用 第6章 课后作业
1、 问题:1.设种群规模为4，采用二进制编码，适应度函数f(x)=x^2，初始种群如表1所示表1 初始种群编号基因型表现型适应度函数值选择概率累计选择概率选中次数S1101010 S201004 S3110012 S401117 表2 新一代种群编号基因型表现型S1’ S2’ S3’ S4’ 如果遗传操作规定如下：（1） 选择概率Pr=1，选择操作用轮盘赌算法，且依次生成的4个随机数分别为0.42，0.16，0.89和0.71；（2） 交叉概率Pc=1，交叉算法为单点交叉，交叉点为3，交叉顺序按个体在群体中的顺序；（3） 变异概率Pm=0.01请完成初始种群的选择、交叉和变异操作，并给出所得到的新一代种群。请给出计算过程。
评分规则: 【 每空正确得1分，错误不得分，累计16分
每空正确得1分，错误不得分，累计8分
步骤得分。给出交叉和变异算子的计算过程或者说明，得6分。
】
【作业】第4章 不确定性推理方法 第4章 课后作业
1、 问题:设有如下规则R1: IF E1 THEN H (0.8)R2: IF E2 THEN H (-0.1)R3: IF E3 AND E4 THEN E1 (0.5)R4: IF E5 THEN E2 (0.7)R5: IF E6 OR E7 THEN E2 (0.9)并已知初始证据的可信度为CF(E3)=0.7，CF(E4)=0.8，CF(E5)=0.9，CF(E6)=0.2，CF(E7)=0.6，用可信度方法计算CF(H)
评分规则: 【 由R3得到：CF(E1) = 0.5 ´ max{0,CF(E3 and E4)}= 0.5 ´ max{0,min{CF(E3),CF(E4)}}= 0.5 ´ {0,min{0.7,0.8}}= 0.35
由R5得到：CF5(E2) = 0.9 ´ max{0,CF(E6 or E7)}= 0.9 ´ max{0,max{ CF(E6),CF(E7)}}= 0.9 ´ max{0,max{0.2,0.6}}= 0.54
且CF4(E2) = 0.7 ´ max{0,CF(E5)} = 0.7*0.9 = 0.63则CF(E2) = (CF4(E2) + CF5(E2) – CF4(E2) * CF5(E2) = 0.83由规则R1得到：CF1(H) = 0.8 ´ max{0, CF(E1)}= 0.8 ´ max{0,0.35}= 0.28
由规则R2得到：CF2(H) = -0.1 ´ max{0, CF(E2)}= -0.1 ´ max{0,0.83}= -0.083
根据不确定性合成算法得到：CF1,2(H) = CF1(H) + CF2(H) /(1 – min{| CF1(H)|,| CF2(H) |})= (0.28 – 0.083)/(1-0.083)= 0.214 即综合可信度为CF(H) = 0.214
】
【作业】第5章 搜索求解策略 第5章 课后作业
1、 问题:
请画出完整的搜索树，并标出搜索树种每个节点的估计函数值。
评分规则: 【 搜索树结构正确 
每个节点的估计函数值(节点旁括号内的数值)计算正确。一共10个节点每个节点估计函数值计1分，累计10分。
】
2、 问题:
评分规则: 【 每个剪枝位置计1分，正确标出得1分，未标出或者标注错误不得分，累计6分，正确说明剪枝类型得4分，总计10分。
】
【作业】第8章 人工神经网络及其应用 课程论文
1、 问题:课程论文： 撰写1篇人工智能研究领域内的研究综述报告。要求： 1、不少于10个page(A4)。 2、格式按照发表论文要求。 3、参考文献不少于20篇，外文文献不少于10篇。以近3年的文献为主。 4、严禁互相抄袭，一旦发现按零分处理。 5、可以但不局限与以下方向：知识图谱、计算智能、差分进化算法及应用、 卷积神经网络(CNN)、循环神经网络(RNN)、生成对抗网络(GAN）、 蒙特卡洛博弈树搜索、蚁群算法、粒子群优化算法等。
评分规则: 【 选题新颖，有研究价值，文献查阅充分，论文分析深入，能够独立思考，提出个人观点，论文格式规范，语句通顺。
】