水中鱼-花样游泳
2013201411，宋梓瑚
摘要：水中鱼花样游泳比赛采用水中机器人水球比赛仿真器2D 版（Underwater Robot Water Polo Game Simulator 2D Edition, URWPGSim2D）软件作为比赛平台。仿真器包括服务端（URWPGSim2DServer）和客户端（URWPGSim2DClient）。服务端模拟水中比赛环境，控制和呈现比赛过程及结果，向客户端发送实时比赛环境和过程信息；半分布式客户端模拟比赛队伍，加载比赛策略，完成计算决策过程，向服务端发送决策结果。
关键词：水中鱼花样游泳；计算平台；比赛服务器
本组成员：宋梓瑚，陈宣宇，王炜镝，张浩然
本人分工：水中鱼姿态编写、水中鱼代码设计
1 引言
1.1水中鱼比赛规则
2D 仿真花样游泳是由1 支队伍参与，每支队伍10 条仿真机器鱼，不规定仿真水球和仿真障碍物的非对抗性比赛项目。2D 仿真花样游泳比赛项目采用标准仿真场地（3000mm*2000mm）1.5 倍尺寸的场地。
比赛过程：初始状态是1 支队伍的10 条仿真机器鱼，位置和方向均随机分布在仿真场地上。比赛开始后，1 号仿真机器鱼在比赛场地内随机游动，不受参赛队伍的策略控制；其他9 条仿真机器鱼由参赛队伍编写策略进行控制，配合1 号仿真机器鱼进行表演，依次完成标准动作和自由动作。
（1）标准动作阶段：在标准动作阶段参赛队伍按照规则完成标准动作。标准动作为：1 个包含阿拉伯数字的造型、1 个封闭几何图形、保持所有鱼相同造型和动作 5 秒以上、两个造型之间 5 秒的画面静止。标准动作顺序不限，可以同时出现。
（2）自由动作阶段: 在自由动作阶段参赛队伍自行设计动作进行表演。
比赛时间递减到零之前，如果队伍表演完成，由参赛队伍向裁判说明，比赛结束，并由裁判根据
计分规则给出得分。比赛时间递减到零，如果队伍表演未完成，比赛结束，由裁判根据可观赏性和协作性给出得分。
本项目旨在考察策略运行结果的可观赏性和协作性。平台提供有背景音乐加载功能，可通过服务端背景音乐加载界面加入背景音乐。比赛时间为5 分钟，其中标准动作阶段3 分钟，自由动作阶段 2 分钟，比赛只进行一次，比赛过程中不得暂停。
1.2水中鱼设计思想
URWPGSim2D 的设计采用面向对象思想。从对象建模的角度看，包括仿真机器鱼、仿真环境和仿真使命（比赛或实验项目）三类模型，以仿真使命模型为中心。仿真使命包括仿真机器鱼队伍列表和仿真环境。仿真使命启动运行后，仿真循环将周期性地持续进行，直到设定的仿真时间耗完、人为/程序决定暂停/停止。并发协调运行时，MRDS 用于解决机器人软件开发中并发问题的技术和基础软件库。分布式软件服务，MRDS 用于解决机器人软件开发中异步问题的技术和基础软件库。
Simulation Mission仿真使命，即仿真比赛或实验项目，模拟机器鱼比赛或实验项目的对象。
Simulation Environment仿真环境是指仿真使命运行所处的虚拟环境，其中包括仿真场地（模拟比赛或实验用水池的对象）、零个或多个仿真水球（模拟比赛或实验用水球的对象）、零个或多个仿真方形障碍物（模拟比赛或实验用方形障碍物的对象）、零个或多个仿真圆形障碍物（模拟比赛或实验用圆形障碍物的对象）。
1.3水中鱼简介
Simulation RoboFish是仿真机器鱼，模拟比赛或实验用机器鱼的对象。Simulation Loop仿真循环是指仿真使命运行过程中所有仿真动作顺序执行一遍的过程。Simulation Cycle仿真周期，理论上考虑为比单个仿真循环所耗时间（与运行软硬件环境有关，不能精确确定，在相同环境下，每次运行也不精确相同）预估大值稍大的确定时间间隔（如100 毫秒）。当前（2011325）平台仿真循环在推荐的软硬件配置（见2开发环境）下所耗时间大约在10-20 毫秒之间，为简化线程同步，在仿真使命的公共参数类中设置了一个成员MsPerCycle，保存一个初始化仿真使命时传入的整数值，称为“每周期毫秒数”，实际运行时的仿真周期值不确定，为MsPerCycle值加上当前周期仿真循环所耗时间，通常MsPerCycle都取100 毫秒，仿真周期值大约在110-120 毫秒之间。仿真使命倒计时以根据MsPerCycle计算出来的总周期数递减的方式进行，故界面上显示的倒计时牌并不是按精确的世界时间递减。Simulation Action仿真动作包括将策略计算出来的决策命令拷贝到每支队伍每条仿真机器鱼对象本身的决策字段（后续计算都是直接使用仿真机器鱼对象自身的决策命
令）、对所有动态对象（目前包括每支队伍的所有仿真机器鱼、仿真环境中仿真水球列表的所有仿真水球）进行运动学计算、对所有对象（包括每支队伍的所有仿真机器鱼、仿真环境中所有对象）相互进行碰撞处理（包括碰撞检测和碰撞响应）。
URWPGSim2D在PC机或工作站上进行开发，其硬件配置要求如下表所示。
表1.1 URWPGSim2D 运行硬件配置表
表1.1 URWPGSim2D 运行硬件配置表
搭建开发环境所需软件（PC 机或工作站）要安装Windows XP Professional SP3 操作系统。按照默认设置安装DotNet3.5SP1（该软件包集成了SP1，且安装时不需要联网，官方网站提供的安装包安装时需要联网）和XNA3.1。按照至少保留C#开发相关组件的要求安装（建议除SQL Server数据库外的部分完全安装）Microsoft Visual Studio Team System 2008 Team Suite中文版with SP1并破解。按照默认设置安装TortoiseSVN1.6.5和VS2008 的VisualSVN插件并破解。
2 算法原理与系统设计
2.1水中鱼平台坐标
场地坐标系及点和向量定义。以矩形场地中心为坐标原点，正右为正X 轴，正下为正12 Z 轴；从正X 到负X 轴，顺时针为0~π，逆时针为0~-π。考虑与MRDS 中的三维坐标系一致，水平面用XOZ 表示，Y 轴作为第三维。程序中涉及向量和点的定义，都使用XNA 库中的Vector3 类型，用到其中的X 和Z 维，Y 维均置为0。二维点和向量与三位点和向量之间的转换，二维的X 与三维的X 对应，二维的Y 与三维的Z 对应。
2.2水中鱼定点的实现
(1)PoseToPose函数
PoseToPose 函数，也称作位姿到位姿控制函数，其作用是实现仿真机器鱼从当前位姿到目标位姿的精确控制。位姿到位姿的控制分为两个阶段：第一阶段，控制仿真机器鱼快速游动到临时目标点；第二阶段，控制仿真机器鱼游动至目标点。其中，临时目标点为终目标位姿反向延长线上的某一点，其距离阈值可以调节。
在整个鱼类的编写中我们都使用了PoseToPose（）函数，其主要功能就是函数的调用问题，在函数的调用过程中，其函数变量为
public static void PoseToPose(ref Decision decision, RoboFish fish, xna.Vector3 destPtMm, float destDirRad, float angThreshold, float disThreshold, int msPerCycle, ref int times)
函数参数表见表2.1
表2.1 函数参数表
(2)函数调用方法
A. 在策略代码Strategy 类中添加整型成员变量，并初始化为0，作为调用PoseToPose 函数的后一个参数times 的输入，如int times;。该变量用于记录算法进入第二阶段的时间。
B. 在策略代码Strategy 类的成员函数（方法）中调用PoseToPose。使用推荐参数的调用代码如下，可根据实际调试情况进行调整。
StrategyHelper.Helpers.PoseToPose(ref decisions[i], mission.TeamsRef[teamId].Fishes[i], targetPoint, targetDirection, 30.0f, 8 * b.RadiusMm, https://www.doczj.com/doc/452714235.html,monPara.MsPerCycle, ref times);
C. 需要调用者自行判断是否已经完成位姿控制目标。完成一次位姿控制目标后，若需要再次调用PoseToPose进行新的位姿到位姿控制，需要将第1步中定义的times参数的输入变量（Strategy 类的成员变量）清零。
(3)基本程序框架
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
Using xna = Microsoft.Xna.Framework;
using https://www.doczj.com/doc/452714235.html,mon; using URWPGSim2D.StrategyLoader;
namespace URWPGSim2D.Strategy {
public class Strategy : MarshalByRefObject, IStrategy {
#region reserved code never be changed or removed
///
/// override the InitializeLifetimeService to return null instead of a valid
/// to ensure this type of remote object never dies
///
///
public override object InitializeLifetimeService(){
return null;
// makes the object live indefinitely }
#endregion
///
/// 决策类当前对象对应的仿真使命参与队伍的决策数组引用第一次调用GetDecision时分配空间
///
private Decision[] decisions = null;
///
/// 获取队伍名称在此处设置参赛队伍的名称
///
///
public string GetTeamName(){
return "3VS3 Test Team"; }
///
/// 获取当前仿真使命（比赛项目）当前队伍所有仿真机器鱼的决策数据构成的数组
///
/// 服务端当前运行着的仿真使命Mission 对象
/// 当前队伍在服务端运行着的仿真使命中所处的编号
/// 用于作为索引访问Mission 对象的TeamsRef 队伍列表中代表当前队伍的元素
///
// 决策类当前对象第一次调用GetDecision 时Decision 数组引用为null if (decisions == null){
// 根据决策类当前对象对应的仿真使命参与队伍仿真机器鱼的数量分配决策数组空间
decisions = new Decision[https://www.doczj.com/doc/452714235.html,monPara.FishCntPerTeam]; } #region 决策计算过程需要各参赛队伍实现的部分
#endregion
// 请从这里开始编写代码
#endregion
return decisions; } } }
3 系统实现
3.1水中鱼寻找目标点
（1）水中鱼代码实现
我们通过调用PoToPose（）方法对个各个鱼儿的目标点进行定位，由于其实位置的坐标都是不固定的，所以我们采用水中鱼的目标点固定的方式，对于鱼的头部设置目标点，由于两个坐标点的指引，采用矢量坐标和角度固定的方式进行调整。
①PoseToPose(ref this.decisions[0], mission.TeamsRef[teamId].Fishes[0], position_Origin_0_right,
3.141593f, 0.05235988f, 0.5235988f);
②PoseToPose(ref this.decisions[1], mission.TeamsRef[teamId].Fishes[1], position_Origin_1_right,
3.141593f, 0.05235988f, 0.5235988f);
③xna.Vector3 positionSafe = new Vector3(-1230, 0, -544);
PoseToPose(ref this.decisions[1], mission.TeamsRef[teamId].Fishes[1], positionSafe, 3.141593f,
0.05235988f, 0.5235988f);
④xna.Vector3 positionSafe = new Vector3(-1230, 0, 544);
PoseToPose(ref this.decisions[1], mission.TeamsRef[teamId].Fishes[1], positionSafe, 3.141593f, 0.05235988f, 0.5235988f);
(2)图形解释
港湾才刚刚睁开惺忪的睡眼，却看见我们的队伍已然开始集结。列阵，乏味的队列训练不仅仅在陆地，也在海面。这种海军最原始的操练方式，时至今日依然是训练的重要科目，无论是直线序列还是前后编队，都需要精湛的船艺去实现，即使日复一日的训练，，风向，海浪在众多不确定因素的影响下，失误也在所难免，唯有刻苦训练，才能在这片充满未知的海域中无所畏惧。
3.2水中鱼定点图形
代码解释：
列阵，乏味的队列训练不仅仅在陆地，也在海面。这种海军最原始的操练方式，时至今日依然是训练的重要科目，无论是直线序列还是前后编队，都需要精湛的船艺去实现
一天紧张的训练即将结束，舰队缓缓驶回港湾，夕阳，映照在海面成了细碎的波光，余晖下的军人瞭望着远方的大海，平静一如往常。正是在这些平凡的日出日落里，乏味的训练是和平年代战士们唯一的工作，他们为战火而生，却期待永远的和平，这片宁静的海洋就是他们最闪耀的军功章。
代码解释：
出海，正午的阳光照的战舰一片雪白，无边的海面也带来了无边的寂寞，出海的生活辛劳而清苦，与军人们相伴的只有天边几只海鸥而已，白色的舰队，白色的海鸥，共同书写着只属于远海的寂寞。
而在这片看似宁静的海域里，还蛰伏着另一种武器——潜水艇，他悄无声息，伺机而动，在长达45天的出海训练中，除了艰苦的艇内条件外，高强度的训练挑战着潜艇兵们的身体极限，但他们必须坚强，因为在未来的战争中，攻击敌人军舰或潜艇、近岸保护、突破封锁，像一个个重担使他们不得不时刻准备。
4 实验或测试结果
在本平台中实验的阻力主要来源于两方面，第一方面是平台为了仿真效果做出来的水中阻力，第二个就是那条黄色的干扰鱼。
对于第一方面的处理，我们将采用第一实时刷新的方式，对于水中鱼的角度进行实时调整，由于水中鱼得角度刷新之后可以对现在的坐标进行重新确定，这样不断地变化自身角度，可以使角向量与角坐标定位更加的准确。
对于第二方面的处理，就如上图黄鱼所示，我们会受到黄鱼的影响而改变队形，我们采取头定位的方式进行处理。其实，水中鱼得定位可以采用两种方式，就是身子中间和头定位，头定位主要就是为了可以方便计算出角度。
5 结论
水中鱼项目虽然代码的编写简单，但是人中智能方面的项目普遍存在调试较为费劲的问题。不断调整鱼的角度是我们项目开发过程中出现的主要问题，怎么才能找到适当的时间进行刷新与更改坐标，我们进行了反复的调试。
对于算法的选择，我们也采用了路径决策问题的主要方式来进行实现，我们也精心的设计出最短的路径来对于鱼儿进行控制。
第一章 1、3 什么就是人工智能？它的研究目标就是什么？ 人工智能(Artificial Intelligence),英文缩写为AI。它就是研究、开发用于模拟、延伸与扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 研究目标:人工智能就是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理与专家系统等。 1、7 人工智能有哪几个主要学派？各自的特点就是什么？ 主要学派:符号主义,联结主义与行为主义。 1.符号主义:认为人类智能的基本单元就是符号,认识过程就就是符号表示下的符号计算, 从而思维就就是符号计算; 2.联结主义:认为人类智能的基本单元就是神经元,认识过程就是由神经元构成的网络的信 息传递,这种传递就是并行分布进行的。 3.行为主义:认为,人工智能起源于控制论,提出智能取决于感知与行动,取决于对外界复 杂环境的适应,它不需要只就是,不需要表示,不需要推理。 1、8 人工智能有哪些主要研究与应用领域？其中有哪些就是新的研究热点？ 1、研究领域:问题求解,逻辑推理与定理证明,自然语言理解,自动程序设计,专家系统,机器 学习,神经网络,机器人学,数据挖掘与知识发现,人工生命,系统与语言工具。 2、研究热点:专家系统,机器学习,神经网络,分布式人工智能与Agent,数据挖掘与知识发 现。 第二章 2、8 用谓词逻辑知识表示方法表示如下知识: (1)有人喜欢梅花,有人喜欢菊花,有人既喜欢梅花又喜欢菊花。 三步走:定义谓词,定义个体域,谓词表示 定义谓词 P(x):x就是人
人工智能大作业 学生：021151** 021151** 时间：2013年12月4号
一．启发式搜索解决八数码问题 1.实验目的 问题描述：现有一个3*3的棋盘，其中有0-8一共9个数字，0表示空格，其他的数字可以和0交换位置（只能上下左右移动）。给定一个初始状态和一个目标状态，找出从初始状态到目标状态的最短路径的问题就称为八数码问题。 例如：实验问题为
到目标状态： 从初始状态： 要求编程解决这个问题，给出解决这个问题的搜索树以及从初始节点到目标节点的最短路径。 2.实验设备及软件环境 利用计算机编程软件Visual C++ 6.0，用C语言编程解决该问题。 3.实验方法 (1).算法描述： ①.把初始节点S放到OPEN表中，计算() f S，并把其值与节点S联系 起来。 ②.如果OPEN表是个空表，则失败退出，无解。 ③.从OPEN表中选择一个f值最小的节点。结果有几个节点合格，当其 中有一个为目标节点时，则选择此目标节点，否则就选择其中任一节点作为节点i。 ④.把节点i从OPEN表中移出，并把它放入CLOSED的扩展节点表中。 ⑤.如果i是目标节点，则成功退出，求得一个解。 ⑥.扩展节点i，生成其全部后继节点。对于i的每一个后继节点j： a.计算() f j。 b.如果j既不在OPEN表中，也不在CLOSED表中，则用估价函数f
把它添加入OPEN表。从j加一指向其父辈节点i的指针，以便一旦 找到目标节点时记住一个解答路径。 c.如果j已在OPEN表或CLOSED表上，则比较刚刚对j计算过的f 值和前面计算过的该节点在表中的f值。如果新的f值较小，则 I.以此新值取代旧值。 II.从j指向i，而不是指向它的父辈节点。 III.如果节点j在CLOSED表中，则把它移回OPEN表。 ⑦转向②，即GO TO ②。 (2).流程图描述： (3).程序源代码： #include
人工智能导论大作业 姓名：XXX 学号：XXXXXXXXXXXXX 班级：XXXXX 邮箱：XXXXXXXXXXX@XXXXXXX 1摘要 本次人工智能导论课为考察课，期末上交一份人工智能相关的报告，报告内容范围要求具体见正文。需要注意的是，本次作业要求报告可读性高，亮点突出，行文流畅，图表清晰，引文标注正确。报告结构与本说明相似，建议以本说明为模版，章节标题自行修改。请在截止日期前在精品课程网站内上交作业。如有问题可联系zqw@https://www.doczj.com/doc/452714235.html,，邮件联系请注明学号，班级，姓名，主题格式如“人工智能导论大作业——XXX（姓名）”。 2正文 2.1报告范围 报告内容应与人工智能相关[1-5]，具体可见，但不限于下面所罗列的条目[4]： 1)关于当前某一领域、应用场景中的人工智能应用调研。如具体什么产品 使用了什么人工智能技术，起到什么作用，如何实现（可以是自己的合 理猜想，有一定的理由及依据）。 2)人工智能某一相关技术的研究前沿及发展趋势调研，及其应用展望等。 3)某一软硬件产品的个人设想，需要结合人工智能某一相关技术，要求人 工智能技术的应用合情合理，有清晰的功能需求描述，系统结构框图等。 如在实现过程中需要指导可邮件联系。 2.2报告撰写要求 不限字数和页数，要求将问题描述清楚，有头有尾，逻辑连贯清晰。 图表一律在文本框中编辑，范例可见下表1和图1。标点符号要合理使用中 [3]
图1：图1[2,5] 英文标点，准则是美观，工整。注意使用样式功能，以保持格式一致。 2.3评分标准 1)格式工整，语言流畅，逻辑连贯清晰，人工智能相关，报告可读性高可 获得60%～80%分数。 2)亮点突出，能体现自己的思考过程可获得另外的20%分数 3)请准时在精品课程网站上交作业，否则将酌情扣分。 参考文献 [1] 作者，期刊，出版日期，卷，页，其他属性 [2] 作者，专著名，出版社，出版日期，章节，页，其他属性 [3] 网址，日期 [4] 作者，报告名，获取途径，日期
内蒙古科技大学2012/2013 学年第一学期《人工智能》大作业 课程号：67111317 考试方式：大作业 任课教师：陈淋艳 使用专业、年级 班级： 学号： 姓名：
一、（15分）智能、智力、能力的含义是什么？什么 是人工智能？人类研究人工智能的最终目标是什 么？ 二、（15分）传教士与野人问题：有三个传教士和三 个野人来到河边，河边只有一条一次最多可供两 个人过河的小船，传教士如何用这条小船过河才 能使河两边的野人数目决不会超过传教士的数 目？ 指定状态描述的格式，开始状态和目标状态；画出状态空间图。 （只要画出河两边野人数目不会超过传教士数目的状态即可）。 三、(10分)用谓词公式表示下列语句：因为老百姓授法 律管制，所以晁盖劫了生辰纲，触犯了宋王朝的 法律，受到官府追究；而达官贵人和恶少不受法 律管制，所以高衙内强抢民女，虽然也违法，却 可以横行无忌。 四、(20分)什么是演绎推理？他的推理规则是什么？
试用谓词演算语句集合表示下面这段话；并用归 结反演的方法回答下列问题： 设TONY，|MIKE和JOHN属于ALPINE俱乐部， ALPINE俱乐部的成员不是滑雪运动员就是登山 运动员。登山运动员不喜欢下雨，而且任何不喜欢 雪的人都不是滑雪运动员。MIKE讨厌TONY所 喜欢的一切东西，而喜欢TONY所讨厌的一切东 西。TONY喜欢雨和雪。试问有没有ALPINE俱 乐部的成员，他是一个登山运动员但不是滑雪运动 员。 五、(20分)在主观Bayes推理中，LS和LN的意义是什么？ 设系统中有如下规则： R1：IF E1THEN （50 0，0.01）H1 R2 IF E2THEN （1，100）H1 R3：IF E3THEN （1000，1）H2 R4：IF H1THEN （20，1）H2 并且已知P(H1)=0.1，P(H2)=0.1，P(H3)=0.1，初始
人工智能大作业实验-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
湖南中医药大学本科课程实验教学大纲 《人工智能》 计算机科学与技术专业 执笔人：丁长松 审定人：*** 学院负责人：*** 湖南中医药大学教务处 二○一四年三月
一、课程性质和教学目的 《人工智能》是计算机专业本科生的一门专业必修课，适应于计算机科学与技术专业、医药信息工程专业。本课程是关于人工智能领域的引导性课程，通过本课程的学习，是使学生了解和掌握人工智能的基本概念、原理和方法，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 《人工智能》主要研究智能信息处理技术、开发具有智能特性的各类应用系统的核心技术。本课程主要介绍人工智能的基本理论、方法和技术，主要包括常用的知识表示、逻辑推理和问题求解方法、人工智能发展学派以及主要理论。 先修课程：高等数学、数据结构、数据库原理、算法设计与分析、数理逻辑 二、课程目标 人工智能实验应在一种为高效率开发专家系统而设计的高级程序系统或高级程序设计语言环境中进行。在目前开来，专家系统开发工具和环境可分为5种主要类型：程序设计语言、知识工程语言、辅助型工具、支持工具及开发环境。在这里主要是要求学生能用相关术语描述、表示一些问题；用程序设计语言如：C、C++、JAVA编程来实现一些基本的算法、推理、搜索等过程。 三、实验内容与要求 实验一：谓词表示 【实验内容】 设农夫、狼、山羊、白菜都在河的左岸，现在要把它们运送到河的右岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。试设计出一个确保全部都能过河的方案。
湖南中医药大学本科课程实验教学大纲 《人工智能》 计算机科学与技术专业 执笔人：丁长松 审定人：*** 学院负责人：*** 湖南中医药大学教务处 二○一四年三月
一、课程性质和教学目的 《人工智能》是计算机专业本科生的一门专业必修课，适应于计算机科学与技术专业、医药信息工程专业。本课程是关于人工智能领域的引导性课程，通过本课程的学习，是使学生了解和掌握人工智能的基本概念、原理和方法，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 《人工智能》主要研究智能信息处理技术、开发具有智能特性的各类应用系统的核心技术。本课程主要介绍人工智能的基本理论、方法和技术，主要包括常用的知识表示、逻辑推理和问题求解方法、人工智能发展学派以及主要理论。 先修课程：高等数学、数据结构、数据库原理、算法设计与分析、数理逻辑 二、课程目标 人工智能实验应在一种为高效率开发专家系统而设计的高级程序系统或高级程序设计语言环境中进行。在目前开来，专家系统开发工具和环境可分为5种主要类型：程序设计语言、知识工程语言、辅助型工具、支持工具及开发环境。在这里主要是要求学生能用相关术语描述、表示一些问题；用程序设计语言如：C、C++、JA V A编程来实现一些基本的算法、推理、搜索等过程。 三、实验内容与要求 实验一：谓词表示 【实验内容】 设农夫、狼、山羊、白菜都在河的左岸，现在要把它们运送到河的右岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。试设计出一个确保全部都能过河的方案。
内蒙古科技大学2013/2014 学年第一学期 《人工智能》大作业 课程号：67111317、76807376 考试方式：大作业 使用专业、年级：计算机2011-1，2，3，4 任课教师：陈淋艳 班级： 学号： 姓名：
一、（15分）智能、智力、能力的含义是什么？什么是人工智能？ 人类研究人工智能的最终目标是什么？ 二、（15分）传教士与野人问题：有三个传教士和三个野人来到河 边，河边只有一条一次最多可供两个人过河的小船，传教士如 何用这条小船过河才能使河两边的野人数目决不会超过传教士 的数目？ 指定状态描述的格式，开始状态和目标状态；画出状态空间图。 （只要画出河两边野人数目不会超过传教士数目的状态即可）。 三、(10分)用谓词公式表示下列语句：因为老百姓授法律管制，所 以晁盖劫了生辰纲，触犯了宋王朝的法律，受到官府追究；而 达官贵人和恶少不受法律管制，所以高衙内强抢民女，虽然也 违法，却可以横行无忌。 四、(20分)什么是演绎推理？他的推理规则是什么？ 试用谓词演算语句集合表示下面这段话；并用归结反演的方法 回答下列问题： 设TONY，|MIKE和JOHN属于ALPINE俱乐部，ALPINE俱乐部的成员不是滑雪运动员就是登山运动员。登山运动员不喜 欢下雨，而且任何不喜欢雪的人都不是滑雪运动员。MIKE讨厌TONY所喜欢的一切东西，而喜欢TONY所讨厌的一切东西。 TONY喜欢雨和雪。试问有没有ALPINE俱乐部的成员，他是一个登山运动员但不是滑雪运动员。 五、(20分)在主观Bayes推理中，LS和LN的意义是什么？
设系统中有如下规则： R1：IF E1THEN （50 0，0.01）H1 R2 IF E2THEN （1，100）H1 R3：IF E3THEN （1000，1）H2 R4：IF H1THEN （20，1）H2 并且已知P(H1)=0.1，P(H2)=0.1，P(H3)=0.1，初始证据的概率为P(E1|S1)=0.5 ，P(E2|S2)=0 ，P(E3|S3)=0.8，用主观Bayes方法求H2的后验概率P(H2|S1& S2& S3)。 六、（20分）结课报告题目：选以下题目之一或自选题目写一篇5000 字左右的报告，要有关键字，图要有图号，最后要有参考资料。 1、总结知识表达技术。（选取三种知识表达放法加以介绍，并进行比较） 2、查找两篇或三篇已发表的与人工智能理论相关的论文，从文章所论述的问题，阐述的理论，其社会效益，与原有的方法相比，他的优缺点等。 3、介绍一已有的专家系统。 4、写一篇文章介绍人工神经网络。（应用领域，人工神经元模型，学习方法） 不符合以下要求的作业不收 本试题一律使用A4纸完成，一至五题要求手写。
作业题目 摘要：机器博弈是人工智能的一个重要研究分支，本文通过设计一个五子棋智能博奕程序，采用传统的博弈树算法，利用剪枝和极大极小树搜索最佳位置，从而实现人机智能博弈。并对现有算法存在的问题进行探究改进，最后给出展示，结果表明效果比较理想。 关键词：人工智能；五子棋；博弈 本组成员： 本人分工：α-β剪枝实现 1 引言 人工智能[1]是一门综合新型的新兴边缘科学，与生物工程、空间技术并列为三大尖端技术，而机器博弈却是其一个重要的研究分支。它研究如何利用计算机去实现那些过去只能靠人的智力去完成的工作，博弈为人工智能提供了一个很好的应用场所。 博弈过程可以采用与或树进行知识表达，这种表达形式称为博弈树。α—β剪枝技术是博弈树搜索中最常采用的策略。 2 算法原理与系统设计 根据五子棋游戏规则，此次五子棋游戏我们采用基于极大极小值分析法的α—β剪枝算法来实现计算机走棋。α—β剪枝技术是博弈树搜索中最常采用的策略，α—β剪枝搜索由极大极小值分析法演变而来[2]。 极大极小分析法其基本思想或算法是： (1) 设博弈的双方中一方为MAX，另一方为MIN。然后为其中的一方(例如MAX)寻找一个最优行动方案。 (2) 为了找到当前的最优行动方案，需要对各个可能的方案所产生的后果进行比较,具体地说，就是要考虑每一方案实施后对方可能采取的所有行动，并计算可能的得分。 (3) 为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。此时估算出来的得分称为静态估值。 (4) 当端节点的估值计算出来后，再推算出父节点的得分，推算的方法是：对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案；对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。这样计算出的父节点的得分称为倒推值。 (5) 如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。 上述的极小极大分析法，实际是先生成一棵博弈树，然后再计算其倒推值，至使极小极大分析法效率较低。于是在极小极大分析法的基础上提出了α-β剪枝技术。α-β剪枝技术的基本思想或算法是，边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，即相当于剪去了博弈树上的一些分枝，从而节约了机器开销，提高了搜索效率。 具体的剪枝方法如下： (1) 对于一个与节点MIN，若能估计出其倒推值的上确界β，并且这个β值不大于MIN的父节
人工智能期末试题及答案 完整版 Prepared on 21 November 2021
xx学校 2012—2013学年度第二学期期末试卷考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。
人工智能基础 大作业 —－－－八数码难题 学院：数学与计算机科学学院 班级：计科14—1 姓名:王佳乐 学号：１2 2０1６、12、20 一、实验名称 八数码难题得启发式搜索 二、实验目得 八数码问题:在3×3得方格棋盘上,摆放着1到８这八个数码,有1个方格就是空得，其初始状态如图1所示,要求对空格执行空格左移、空格右移、空格上移与空格下移这四个操作使得棋盘从初始状态到目标状态. 要求：1、熟悉人工智能系统中得问题求解过程; 2、熟悉状态空间得启发式搜索算法得应用； 3、熟悉对八数码问题得建模、求解及编程语言得应用。 三、实验设备及软件环境 1.实验编程工具：VC＋+ 6、0 2.实验环境：Wｉndoｗs7 64位 四、实验方法：启发式搜索 1、算法描述 1.将Ｓ放入open表,计算估价函数f(ｓ)
2.判断oｐeｎ表就是否为空，若为空则搜索失败,否则，将opeｎ表中得第 一个元素加入cｌｏse表并对其进行扩展（每次扩展后加入ｏpen表中 得元素按照代价得大小从小到大排序，找到代价最小得节点进行扩展） 注:代价得计算公式ｆ(n)=d（ｎ）+ｗ（n)、其中f（n)为总代价，d(n）为节点得度,w（ｎ)用来计算节点中错放棋子得个数. 判断i就是否为目标节点,就是则成功，否则拓展i，计算后续节点f（j），利用f（j)对oｐeｎ表重新排序 2、算法流程图： 3、程序源代码： ＃ｉncluｄｅ＜stdｉｏ、ｈ> # iｎclude＜strｉng、h> # include
第一章 1.3 什么是人工智能？它的研究目标是什么？ 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 研究目标：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 1.7 人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义，联结主义和行为主义。 1.符号主义：认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从 而思维就是符号计算； 2.联结主义：认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息 传递，这种传递是并行分布进行的。 3.行为主义：认为，人工智能起源于控制论，提出智能取决于感知和行动，取决于对外界 复杂环境的适应，它不需要只是，不需要表示，不需要推理。 1.8 人工智能有哪些主要研究和应用领域？其中有哪些是新的研究热点？ 1.研究领域：问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系 统，机器学习，神经网络，机器人学，数据挖掘与知识发现，人工生命，系统与语言工具。 2.研究热点：专家系统，机器学习，神经网络，分布式人工智能与Agent，数据挖掘与 知识发现。 第二章 2.8 用谓词逻辑知识表示方法表示如下知识： (1)有人喜欢梅花，有人喜欢菊花，有人既喜欢梅花又喜欢菊花。 三步走：定义谓词，定义个体域，谓词表示 定义谓词 P(x)：x是人 L(x,y)：x喜欢y y的个体域：{梅花，菊花}。 将知识用谓词表示为： (?x)(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 不是每个计算机系的学生都喜欢在计算机上编程序。 定义谓词 S(x)：x是计算机系学生
西电人工智能大作业
八数码难题 一.实验目的 八数码难题：在3×3的方格棋盘上，摆放着1到8这八个数码，有1个方格是空的，其初始状态如图1所示，要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态到目标状态。例如： (a) 初始状态 (b) 目标状态 图1 八数码问题示意图 请任选一种盲目搜索算法（深度优先搜索或宽度优先搜索）或任选一种启发式搜索方法（A 算法或 A* 算法）编程求解八数码问题（初始状态任选），并对实验结果进行分析，得出合理的结论。 本实验选择宽度优先搜索：选择一个起点，以接近起始点的程度依次扩展节点，逐层搜索，再对下一层节点搜索之前，必先搜索完本层节点。 二.实验设备及软件环境 Microsoft Visual C++，（简称Visual C++、MSVC、VC++或VC）微软公司的C++开发工具，具有集成开发环境，可提供编辑C语言，C++以及C++/CLI 等编程语言。 三.实验方法 算法描述： （1）将起始点放到OPEN表； （2）若OPEN空，无解，失败；否则继续； （3）把第一个点从OPEN移出，放到CLOSE表； （4）拓展节点，若无后继结点，转（2）； （5）把n的所有后继结点放到OPEN末端，提供从后继结点回到n的指针； （6）若n任意后继结点是目标节点，成功，输出；否则转（2）。
流程图：
代码： #include
人工智能大作业 人工智能课程 考查论文 学号 姓名 系别 年级 专业 人工智能大作业 (1)什么是人工智能, 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速
的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。 (2)简述人工智能的研究内容与研究目标、人工智能的研究途径和 方法、人工智能的研究领域。 A. 人工智能的研究内容: 1、搜索与求解: 为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。事实上，搜索是人在求解问题时而不知现成解法的情况下所采用的一种普遍方法。许多问题(包括智力问题和实际工程问题)的求解都可以描述为或归结为对某种图或空间的搜索问题。搜索技术就成为人工智能最基本的研究内容 2、学习与发现: 学习与发现是指机器的知识学习和规律发现。事实上，经验积累能力、规律发现能力和知识学习能力都是智能的表现 3、知识与推理: 知识就是力量，知识就是智能，发现客观规律，运用知识解决问题都是有智能的表现，而且是最为基本的一种表现。发现规律和运用知识本身还需要知识，因此知识是智能的基础和源泉。研究面向机器的知识表示形式和基于各种表示的机器推理技术:知识表示要求便于计算机的接受、存储、处理和运用，机器的推理方式与知识的表示又息息相关 4、发明与创造:
一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘
研究生课程考试成绩单 （试卷封面） 任课教师签名： 日期： 注：1. 以论文或大作业为考核方式的课程必须填此表，综合考试可不填。 “简要评语”栏缺填无效。 2.任课教师填写后与试卷一起送院系研究生秘书处。 3. 学位课总评成绩以百分制计分。
一、基本技术介绍 1、智能Agent （1）概念：Agent能够通过传感器感知环境，通过执行器的动作作用于环境。在Agent的概念框架下，AI的任务就是设计和建造理性的Agent，所以人们更为关心的是理性Agent。理性Agent对每一个可能的感知序列，根据已知的感知序列提供的证据和Agent具有的先验知识，理性Agent应该选择能使其性能度量最大化的行动。 （2）特点：从感知序列到行动的理想映射，在很多情形下有可能设计一个好的、紧凑的Agent 来实现映射。一个真正的智能Agent在有足够时间去学习调整的条件下，应当在各种类型环境下做出成功的行动（自主性）。 （3）结构：从传感器中将感知送到程序，运行程序，并将程序的行动选择送到作用体，这样就完成了一次Agent的工作过程。Agent、结构和程序三者间关系为：Agent=结构+程序。（4）环境：Agent施加行动于环境中，环境反过来又为Agent提供感知。不同的环境要求用不同的Agent程序与之对应。 （5）AI与agent：在智能 agent的概念框架下，AI的任务就是设计和建造理性的、适合不同任务和环境特征的各种agent，由此将AI领域的各部分内容加以组织使它们有机联系在一起 2、基于知识的Agent （1）概念：智能获得不是靠反射机制而是对知识的内部表示进行操作的推理过程，在AI的世界里，这种智能方法体现在基于知识的Agent上。用逻辑作为支持基于知识的Agent的一类通用表示。基于知识的Agent的核心部件是知识库，知识库是一个语句集合。这些语句用知识表示语言表达。 （2）基于知识的Agent的程序概述：基于知识的Agent用感知信息作为输入，返回一个行动。Agent维护一个知识库KB，该知识库在初始化时就包括了一些背景知识。 每次调用Agent程序，做三件事。首先，Agent告诉（TELL）知识库它感知到的内容。然后询问（ASK）知识库应该执行什么行动。在恢复该查询的过程中，可能要对关于世界的当前状态、可能行动序列的执行结果进行大量推理。最后，Agent程序用TELL告诉知识库它所选择的行动，并执行该行动。 3、学习Agent （1）概念：Agent任何部件的性能都可通过从数据中进行学习，进而改进执行未来任务时的性能。改进及其改进所用的技术依赖于四个主要因素：要改进哪一个部件、Agent具备什么样的预备知识、数据和部件使用什么样的表示法、对学习可用的反馈是什么。 （2）学习的反馈：在无监督学习中，在不提供显示反馈的情况下，Agent学习输入中的模式，最常见的无监督学习任务是聚类。在强化学习中，Agent在强化序列（奖赏和惩罚组合的序列）中学习。在监督学习中，Agent观察某些“输入—输出”对，学习从输入到输出的映射函数。 4、一阶逻辑 （1）概念：一阶逻辑是一种形式推理的逻辑系统，是一种抽象推理的符号工具。功能就是将自然事物给符号化以为体系的确立奠定语言基础。 （2）命题逻辑与一阶逻辑：一阶逻辑表示语言，它比命题逻辑表达能力更强。在命题逻辑中，研究的基本单位是简单命题，对简单命题不再进行分解，并且不考虑命题之间的内在联
实现遗传算法的0-1背包问题求解 目录 摘要 (2) 一．问题描述 (2) 二．遗传算法特点介绍 (2) 三．使用基本遗传算法解决0- 1背包问题 (3) 四．基本遗传算法解决0- 1背包问题存在的不足 (4) 五．改进的遗传算法解决0- 1背包问题 (6) 六．心得体会 (9) 七．参考文献 (10) 八．程序代码 (10)
摘要：研究了遗传算法解决0-1背包问题中的几个问题： 1）对于过程中不满足重量限制条件的个体的处理,通过代换上代最优解保持种群的进化性 2）对于交换率和变异率的理解和处理方法,采用逐个体和逐位判断的处理方法 3）对于早熟性问题,引入相似度衡量值并通过重新生成个体替换最差个体方式保持种群多样性。4）一种最优解只向更好进化方法的尝试。 通过实际计算比较表明,本文改进遗传算法在背包问题求解中具有很好的收敛性、稳定性和计算效率。通过实例计算，表明本文改进遗传算法优于简单遗传算法和普通改进的遗传算法。 关键词：遗传算法；背包问题；优化 一、问题描述 0-1背包问题属于组合优化问题的一个例子，求解0-1背包问题的过程可以被视作在很多可行解当中求解一个最优解。01背包问题的一般描述如下： 给定n个物品和一个背包，物品i的重量为Wi，其价值为Vi，背包的容量为C。选择合适的物品装入背包，使得背包中装入的物品的总价值最大。注意的一点是，背包内的物品的重量之和不能大于背包的容量C。在选择装入背包的物品时，对每种物品i只有两种选择：装入背包或者不装入背包，即只能将物品i装入背包一次。称此类问题为0/1背包问题。 其数学模型为： 0-1背包问题传统的解决方法有动态规划法、分支界限法、回溯法等等。传统的方法不能有效地解决0-1背包问题。遗传算法（Genetic Algorithms）则是一种适合于在大量的可行解中搜索最优（或次优）解的有效算法。 二、遗传算法特点介绍: 遗传算法(Genetic Algorithm, GA)是1962年Holland教授首次提出了GA算法的思想是近年来随着信息数据量激增，发展起来的一种崭新的全局优化算法，它借用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。 基本遗传算法求解步骤： Step 1 参数设置：在论域空间U上定义一个适应度函数f(x)，给定种群规模N，交叉率P c 和变异率P m，代数T； Step 2 初始种群：随机产生U中的N个染色体s1, s2, …, s N，组成初始种群S={s1, s2, …, s N}，置代数计数器t=1； Step 3计算适应度：S中每个染色体的适应度f() ； Step 4 判断：若终止条件满足，则取S中适应度最大的染色体作为所求结果，算法结束。Step 5 选择-复制：按选择概率P(x i)所决定的选中机会，每次从S中随机选定1个染色体并将其复制，共做N次，然后将复制所得的N个染色体组成群体S1； Step 6 交叉：按交叉率P c所决定的参加交叉的染色体数c，从S1中随机确定c个染色体，配对进行交叉操作，并用产生的新染色体代替原染色体，得群体S2；
家族人物关系推理系统 摘要：随着新世纪的到来全国各地的宗族在大陆的分布较分散，近年来为了研究宗族现在的状况对宗族的情况进行了相关项的调查。其中以具体的家族关系调查为起始。本次课设就是做实现家族查询的系统。主要根据数据结构的原理应用树的制作进行家族查询。完成编写之后将运行出来的程序分行显示，本程序处理起来相对复杂一些但却涉及到很多方面的知识，需要使用到的数据结构有树状结构和队列。查阅有关程序设计的案例资料，进一步理解程序设计模块化的思想，并利用此思想，根据对程序设计学习编写一个家族关系查询系统。通过本设计可以加深理解利用程序设计思想开发一个查询系统的整个流程，提高分析问题、解决问题和实际动手的能力。 关键词：推理；家族图谱 本组成员： 本人分工：部分代码实现 1 引言 家族关系查询系统 1.先初始化家族任务的各个基本信息：姓名，出生日期，性别，婚姻状况等属性2.通过这些信息进行推理，比如哥哥：相同的父母，年龄较大，性别男即可推理出这个称谓。 3.最后通过界面进行可视化的便捷操作，最终实现基本功能。 2 算法原理与系统设计 2.1家族人物关系推理系统的模型 分析各种提问方式，总结出问句的基本类型可分为两种：已知两个相关人物的名字，提问他们之间的称谓；已知一个人的名字，提问另外一个与其有家族关系的人名。为了解决上面两种常见的关于家族人物关系的问题，作者然后给出该模型下知构造了一个推理系统模型，称谓是一些表现家族人物关系的称呼，如爷爷、爸爸、妈妈等。本文把提问人物之间的称谓或相关的人名，称为提问目标。本系统包括分词，句子规范化处理，句型信息处理，知识提取，对提问目标判断，知识提取，知识存储，模板匹配，语义网络结果处理等部分。 2.2家族人物关系推理系统的模型图
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，
通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计
关于人工智能技术的专业调查报告 前言: 随着现代科学技术的飞速发展，先进的技术在各个领域都得到了广泛的应用，使得生产力获得了大幅度的提高，为改善人民生活水平作出了巨大贡献。下一次生产力飞跃的突破口在哪里？目前越来越多的科学家把希望寄托于人工智能。他们认为人工智能将带来一次史无前例的技术革命。 一、人工智能定义: 人工智能（artificialintelligence，简记为AI）是当前科学技术发展中的一门前沿学科。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的综合性边缘学科。人工智能的最终研究目标是构造智能计算机。 二、人工智能简史: 人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(ArtificialIntelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系。1955年末, Newell和Simon做了一个名为"逻辑专家"(LogicTheorist)的程序.这个程序被许多人认为是第一个AI程序。70年代许多新方法被用于AI开发,其中一个标志性进展是专家系统。80年代AI被引入了市场,并显示出实用价值。可以确信,它将是通向21世纪之匙。 三、下面就由我带领大家一起一起来观看我们小组在有关人工智能调查过程中所获得的的收获： 根据调查结果我们不难看出相 对于对人工智能不了解的人数来看 对其有一定了解的人数大约占了调 查总人数的87%。根据后来跟踪采 访一部分在校被调查人员得知大部 分人是由于对人工智能的定义并不 是很了解，所以有部分人对身边一 些人工智能也缺乏判断。
人工智能大作业报告 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
人工智能课程大作业 ——基于回溯搜索的地图着色 班级： 学号： 姓名：曾江东 2014年11月26号 摘要：人工智能是20世纪50年代中期兴起的一门边缘学科。人工智能领域中，地图着色问题是一典型的优化的问题。由它引发的“四色猜想”是全世界的难题，直到1975年由三台超高速电子计算机，经过1200小时的计算才终于正明了“四色定理”。这是世界上最长的证明。本文并不是想证明，而只是想基于回溯法来给地图着色，求出最少用色。本文着重介绍利用MFC设计界面来对中国省级地图着色进行演示。计算机视觉是研究为完成在复杂的环境中运动和在复杂的场景中识别物体所需要哪些视觉信息，以及如何从图像中获取这些信息的科学领域。 关键词：地图着色；回溯搜索；MFC 本组成员：曾江东，杨星，俞洋 本人分工：本人主要基于回溯搜索算法的代码的编写。 1 引言 人，现在社会的发展中心都离不开这个人字，人是发展的本体，人类的自然智能伴随到处都是，本次实验研究什么是人工智能，人工智能又能如何的运用在生活和学习中。 人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能（ArtificialIntelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 本次实验研究的是关于人工智能中搜索的功能，实现用回溯法对地图不同地区的着色问题，地图上有不同国家（不同区域），每个国家都与其他一些国家邻接。现要求对地图着色，使所有的国家与它的邻接的国家有不同的颜色。通常由四种颜色就已足够。地图着色的算法比较多，但是切实可行的算法很少，回溯法在地图区域较大，邻接关系复杂的情况下，回溯次数将会大大增多，严重影响了程序执行效率。不过本次作业则是采用修改后的回溯法，在一定的条件下，执行效率还是很高。 本次实验是要对中国地图中的省级行政区最多使用四种颜色来进行着色，编程实现回溯算法用于地图自动着色。我负责得是改进的回溯算法的代码的编写。 2 算法原理与系统设计 回溯算法原理