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
u 一般模态逻辑的系统组成、语义模型
u 知道逻辑的一般概念
u 信念逻辑的一般概念
（2）模糊逻辑
u 三值逻辑
u 任意多值逻辑和模糊逻辑
u 模糊集合论基本概念
（3）知识表示方法
u 产生式系统
u 框架结构
u 语义网络
（4）搜索技术
u 盲目搜索技术
u 启发式搜索技术A*算法
u A*算法的可纳性证明
u A*算法的性质
u A*算法的应用
u 其他启发式搜索算法
（5）消解法
u Herbrand定理及其推导
u 消解法的理论基础
u 若干消解策略及其应用
（6）不精确推理
u Bayes概率推理
u 可信度方法
u 模糊推理
（7）机器学习方法
u 概念学习的基本过程
u 决策树方法与应用实例
u 统计学习的基本概念和思想
u Bayes网、EM算法、核机器（SVM）
u 基于实例学习和应用实例
（8）自然语言理解
u 自然语言理解的概念和技术
u 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
u 分布式人工智能的基本概念
u 分布式问题求解
u 分布式人工智能与Agent技术之间的关系
u 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）
一、参考书目见招生简章