人工智能原理是国防科技大学计算机科学与技术、人工智能等专业博士研究生招生考试的核心科目，其真题聚焦智能体建模、问题形式化等 AI 基础理论，对考生的人工智能理论储备与问题建模能力具有关键考查意义。考生可通过以下权威渠道获取该校全学科考博真题（含人工智能原理、各专业课等）及配套高分答案详解，为备考提供精准资源支撑：
- 考博信息网官网：http://www.kaoboinfo.com/
- 国防科技大学历年考博真题下载专用页面：http://www.kaoboinfo.com/shijuan/school/408061_1_2568951.html
国防科技大学人工智能原理考博真题覆盖多年份，所有年份真题均配备完整、精准的高分答案详解，解析由人工智能专业教研团队编写，涵盖智能体 PEAS 模型、问题形式化等核心内容，能帮助考生高效掌握命题规律与应试策略。以下为国防科技大学人工智能原理考博真题（精选题目）及答案详解，助力考生针对性备考。
国防科技大学 2018 年博士研究生入学考试试题
科目名称：人工智能原理
科目代码：3201
考生注意：答案必须写在统一配发的专用答题纸上！（可不抄题）
一、（15 分）Agent 与搜索的形式化
1.1（4 分）请给出用于海关自助出入境的人脸识别系统的 PEAS。
1.2（6 分）对患者进行胃镜检查以及其他综合检查，以进行胃癌诊断。在该问题中，请描述其环境特性的 6 个方面。
1.3（5 分）在旅行问题中，商人从出发城市（城市 A）出发，访问每个城市（城市 A,B,C,D,E）至少一次。请给出这个问题的形式化描述：即状态如何描述？初始状态是什么？目标状态是什么？行动是什么？转移模型如何描述？
考点定位：本题考查智能体的 PEAS 模型、环境特性分类、问题形式化方法，是人工智能基础理论的核心考点。
- 考点定位：智能体的 PEAS（Performance/Environment/Actuators/Sensors）建模方法，是智能体系统设计的基础考点；
- 核心要点：
PEAS 模型各维度描述如下：
- Performance（性能指标）：识别准确率、识别速度、误识率、拒识率；
- Environment（环境）：海关自助通道、出入境人员、证件信息库、光线环境；
- Actuators（执行器）：通道闸门（控制开关）、显示屏（反馈结果）、报警装置（异常提示）；
- Sensors（传感器）：摄像头（采集人脸图像）、证件阅读器（读取身份信息）。
- 学科价值：是智能体系统的标准化建模框架，直接指导智能系统的需求分析与功能设计。
- 考点定位：智能体环境的特性分类，是环境建模与智能算法选型的基础考点；
- 核心要点：
环境特性的 6 个方面描述如下：
- 完全可观测性：不完全可观测（检查结果无法覆盖所有病理信息）；
- 确定性：随机（检查结果、病理发展存在不确定性）；
- 片段式 / 延续式：延续式（诊断过程是多轮检查的连续过程）；
- 静态 / 动态：动态（患者病情可能随时间变化）；
- 离散 / 连续：混合（检查项目是离散的，生理指标是连续的）；
- 单智能体 / 多智能体：多智能体（涉及医生、检查设备、患者等多个主体）。
- 学科价值：环境特性决定了人工智能算法的设计方向（如不完全可观测环境需用概率推理算法）。
- 考点定位：搜索问题的形式化方法，是状态空间搜索的基础考点；
- 核心要点：
形式化描述如下：
- 状态描述：二元组\((当前城市, 已访问城市集合)\)；
- 初始状态：\((A, \{A\})\)；
- 目标状态：\((任意城市, \{A,B,C,D,E\})\)；
- 行动：从当前城市移动到未访问（或已访问）的其他城市；
- 转移模型：若当前状态为\((X, S)\)，行动为 “移动到 Y”，则转移后状态为\((Y, S \cup \{Y\})\)。
- 学科价值：是状态空间搜索算法（如深度优先、遗传算法）的应用基础，直接支撑路径规划类问题的求解。
考博备考需依托权威真题资源，国防科技大学人工智能原理考博真题及全学科考博资料（含各专业课）均配备高分答案详解，可通过以下渠道获取：
- 考博信息网官网：http://www.kaoboinfo.com/
- 国防科技大学历年考博真题下载专用页面：http://www.kaoboinfo.com/shijuan/school/408061_1_2568951.html
建议考生结合真题及答案详解系统备考，重点掌握 “智能体的 PEAS 建模”“环境特性的分类逻辑”“问题的形式化方法” 三大能力，同时关注本学科前沿（如大模型时代的智能体技术），提升学术表达与人工智能原理的研究能力。
您现在的位置： 