一、考试要求

　　要求考生全面、系统地掌握人工智能的基本概念、基本原理、典型方法和若干应用实例，并且能灵活运用所学知识阐述解决实际问题的方法和途径。

　　二、考试内容

　　（1）模态逻辑

　　一般模态逻辑的系统组成、语义模型

　　知道逻辑的一般概念

　　信念逻辑的一般概念

　　（2）模糊逻辑

　　三值逻辑

　　任意多值逻辑和模糊逻辑

　　模糊集合论基本概念

　　（3）知识表示方法

　　产生式系统

　　框架结构

　　语义网络

　　（4）搜索技术

　　盲目搜索技术

　　启发式搜索技术A*算法

　　A*算法的可纳性证明

　　A*算法的性质

　　A*算法的应用

　　其他启发式搜索算法

　　（5）消解法

　　Herbrand定理及其推导

　　消解法的理论基础

　　若干消解策略及其应用

　　（6）不精确推理

　　Bayes概率推理

　　可信度方法

　　模糊推理

　　（7）机器学习方法

　　概念学习的基本过程

　　决策树方法与应用实例

　　统计学习的基本概念和思想

　　Bayes网、EM算法、核机器（SVM）

　　基于实例学习和应用实例

　　（8）自然语言理解

　　自然语言理解的概念和技术

　　语义、语境、语用等概念对于语言理解的作用

　　（9）分布式人工智能与Agent技术

　　分布式人工智能的基本概念

　　分布式问题求解

　　分布式人工智能与Agent技术之间的关系

　　Agent技术的最新发展、应用前景、主要内容

　　三、试卷结构

　　考试时间120分钟，满分100分

　　（1）题型结构

　　1）简答题（30分）

　　2）证明题（20分）

　　3）计算题（20分）

　　4）求解题（15分）

　　5）论述题（15分）

　　（2）内容结构

　　1）模态逻辑（10分）

　　2）模糊逻辑（10分）

　　3）知识表示方法（10分）

　　4）搜索技术（20分）

　　5）消解法（15分）

　　6）不精确推理（10分）

　　7）机器学习方法（15分）

　　8）自然语言理解（5分）

　　9）分布式人工智能与Agent技术（5分）

　　四、参考书目见招生简章