中国大学MOOC 人工智能导论第五章测试
以下關于狀態空間圖的說法錯誤的是
得分/總分- A.
狀態之間的連接指的是銜接、轉移、導致等關系
- B.
狀態空間圖未必一定能畫出來
- C.
將狀態和連接合在一起可以構成狀態圖
- D.
將一個復雜問題表示成多個連續的狀態
2.50/2.50
首先考慮同級別的狀態是什么搜索方法
- A.
寬度優先搜索
2.50/2.50 - B.
貪婪搜索
- C.
啟發式搜索策略
- D.
深度優先搜索
下列說法不正確的是
- A.
農夫過橋問題的狀態圖有明確的“解狀態”，即全都過河
- B.
固定深度的博弈搜索根據人們在實際對弈中往往只向前考慮幾步的情況提出
- C.
啟發式搜索中h(n)的比重過大會導致問題找不到最優解
- D.
貪婪搜索夠在“0-1背包問題”中獲得全局最優解
2.50/2.50
一下對盲目搜索幾種搜索方式的說法錯誤的是
得分/總分- A.
寬度優先搜索會首先考慮同級別狀態，然后再進入下一層繼續搜索
- B.
深度優先搜索會首先考慮縱身搜索，然后回溯上一層
- C.
貪婪搜索每一步都會選擇使當前步驟獲利最大的下一步
- D.
深度優先搜索會在最深的層次找到當前情況下最好的選擇
2.50/2.50
關于啟發式搜索的說法正確的是
- A.
啟發式函數只有一種量化方法。
- B.
啟發函數可以衡量兩個狀態孰優孰劣
2.50/2.50 - C.
啟發式函數是主觀上的評價，并在不同任務上有不同表示方法
- D.
大多數啟發式搜索都有啟發函數
以下說法錯誤的是
- A.
博弈搜索中，可以將最大化對方的得分轉化為最小化我方得分
- B.
啟發式搜索在生活中有很多應用，如語音識別等
- C.
博弈搜索考慮的是多個角色的最優路徑選擇問題
- D.
啟發函數的性能與啟發知識的數量成正比
2.50/2.50
以下說法錯誤的是
- A.
阿爾法狗的是典型的貪心算法代表
2.50/2.50 - B.
博弈搜索中角色做出決策時要考慮到自己與對手雙方的情況和反應
- C.
固定深度的博弈搜索可以看作是寬度優先的
- D.
圍棋的復雜性導致其曾在一段時間之內無法被博弈算法有效突破
關于固定深度的博弈搜索說法錯誤的是
- A.
構建出“極大極小”狀態子圖，轉化為狀態子圖上的極大極小博弈搜索。
- B.
只在當前MAX狀態下向下探索固定的層數，如五層；
- C.
棋手只考慮向下“若干步”可能出現的棋局
- D.
可以看作是“深度優先”的
2.50/2.50
說法錯誤的是
- A.
蒙特卡洛樹搜索”方式，以“信心上限決策”打分，使計算機圍棋能力得到質的提升。為后續方法奠定基礎。
- B.
Alpha Go問世，將深度學習、價值網絡、蒙特卡洛樹搜索技術融合，戰勝人類頂尖棋手
- C.
α-β剪枝使用到了寬度優先算法
2.50/2.50 - D.
α-β剪枝在很長一段時間里都是棋類算法的代表，取得一系列成就
關于盲目搜索策略的說法不正確的是
- A.
貪婪搜索的搜索速度非常快
- B.
貪婪搜索總是做出在當前看來最好的選擇
- C.
深度優先搜索首先考慮同級的狀態，寬度優先搜索首先考慮縱深探索
2.50/2.50 - D.
深度優先和寬度優先搜索的適應性強，但效率往往不高。
總結
以上是生活随笔為你收集整理的中国大学MOOC 人工智能导论第五章测试的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 中国大学MOOC 人工智能导论第四章测试
- 下一篇： 中国大学MOOC 人工智能导论第六章测试