人工智能实验报告
实验六基于神经网络的优化计算实验
一、实验目的：
掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。
二、实验原理
连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。
三、实验条件：
VC＋＋6.0。
四、实验内容：
1、参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。
2、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数，分析不同参数对算法结果的影响。
3、上交源代码。
五、实验报告要求：
1、画出连续Hopfield神经网络求解TSP问题的流程图。
2、根据实验内容，给出相应结果及分析。
(1)15个城市（测试文件TSP15.TXT）
tsp15.txt 最短路程371
最佳路线
→→→→→→→→→→→→→→→1914861351534712210111
(2)20个城市（测试文件TSP20.TXT）
tsp20.txt 最短路程349
最佳路线
→→→→→→→→→→→→→→→→→→→→→141618971315111735124289191610201
3、总结连续Hopfield神经网络和遗传算法用于TSP问题求解时的优缺点。
遗传算法易出现早熟收敛和收敛性差的缺点。
Hopfield算法对高速计算特别有效，但网络不稳定。
用Hopfield解TSP问题效果并不理想。相对前面的遗传算法解TSP 性能有相当大差距。
六、实验心得
通过本次实验，我基本掌握了连续Hopfield神经网络的结构和运行机制，大体理解了连续Hopfield神经网络用于优化计算的基本原理,掌握了连续Hopfield神经网络用于优化计算的一般步骤。
第一题 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显着性水平为。 1.SSE的公式 2.SSA的公式 3.将表格粘贴进Excel，然后进行数据分析，勾选标于第一行，显示在下面 P=，远小于，所以是显着的 “方差分析” “响应C1C2C3C4” “选单因素未重叠” 4.打开Minitab，复制表格， “统计” 点击“比较”勾选第一个，确定 结果:工作表3 单因子方差分析:60度,65度,70度,75度 来源自由度SSMSFP 因子误差合计 S==%R-Sq（调整）=% 平均值（基于合并标准差）的单组95%置信区间 水平N平均值标准差------+---------+---------+---------+--- 60度度度度合并标准差= Tukey95%同时置信区间 所有配对比较 单组置信水平=% 60度减自: 下限中心上限------+---------+---------+---------+--- 65度度度度减自: 下限中心上限------+---------+---------+---------+--- 70度度度减自: 下限中心上限------+---------+---------+---------+--- 75度获得结果，区间相交包含的不明显，反之明显 第二题 为研究线路板焊点拉拔力与烘烤温度、烘烤时间和焊剂量之间关系。从生产过程中收集20批数据，见下表: 1.将表格粘贴进Minitab，然后“统计”“回归”“回归”“响应，变量”“图形，四 合一” 2.P小于，显着 4.残差分析 第三题 钢片在镀锌前需要用酸洗方法除锈， 为提高除锈效率，缩短酸洗时间，需 要寻找好的工艺参数。现在试验中考 察如下因子与水平：
结构优化设计实验报告 1.实验背景 结构优化能在保证安全使用的前提下保证工程结构减重，提高工程的经济效益，这也是课程练习的有效补充。 2.实验课题 问题1：考察最速下降法、拟牛顿法（DFP，BFGS）、单纯形法的性能，使用matlab中的fminunc 和fminsearch 函数。 ●目标函数1: 目标函数，多元二次函数 其中，，,, 初值 ●目标函数2 1.3 结果分析：从上述结果可以看出牛顿法具有较好的稳定性，最速下降法和单纯形法在求解超越函数时稳定性不佳，最速下降法迭代次数最少，单纯形法
迭代次数最多。 问题2：使用matlab中的linprog和quadprog函数验证作业的正确性。 用单纯形法求解线性规划问题的最优解 ●目标函数1 6 , 运行结果： 单纯形法的解析解 用两相法求解线性规划问题的最优解 ●目标函数2 , 运行结果: 单纯形法的解析解 求解二次规划问题的最优解 ●目标函数2 , , 运行结果：
问题3：用Matlab命令函数fmincon求解非线性约束规划问题 ●目标函数1 运行结果： 迭代次数：8 ●目标函数2 运行结果： 迭代次数：16 问题4：用Matlab命令函数fmincon求解人字形钢管架优化问题。已知：2F = 600kN，2B = 6 m，T=5 mm，钢管材料E = 210 GPa，密度=, 许用应力[ ]=160MPa，根据工艺要求2m ≤ h≤6m ，20mm ≤ D≤300mm 。求h , D 使总重量W为最小。
求 目标函数1 运行结果：
迭代次数：8 问题5：修改满应力程序opt4_1.m 和齿形法程序opt4_2.m ，自行设计一个超静定桁架结构，并对其进行优化。要求: （1）设计变量数目不小于2； （2）给出应力的解析表达式； （3）建立以重量最小为目标函数、应力为约束的优化模型。 分别用满应立法和齿轮法求解图2超静定结构，已知材料完全相同， ， , 2000,1500==σσ ， 满应力法和齿轮法运行结果：
第四章计算智能（1）：神经计算模糊计算4-1 计算智能的含义是什么？它涉及哪些研究分支？ 贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。 主要的研究领域为神经计算，模糊计算，进化计算，人工生命。 4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。 计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI包含AI包含BI 4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？ 人工神经网络具有如下至关重要的特性： (1) 并行分布处理 适于实时和动态处理 (2)非线性映射 给处理非线性问题带来新的希望 (3) 通过训练进行学习 一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题 (4) 适应与集成 神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大规模和多变量系统 (5) 硬件实现 一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。 4-4 简述生物神经元及人工神经网络的结构和主要学习算法。
生物神经元 大多数神经元由一个细胞体(cell body或soma)和突(process)两部分组成。突分两类，即轴突(axon)和树突(dendrite)，轴突是个突出部分，长度可达1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。 轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。 每个人脑大约含有10^11-10^12个神经元，每一神经元又约有10^3-10^4个突触。神经元通过突触形成的网络，传递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。 人工神经网络的结构 人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法，每种连接方法对应于一个连接权系数。 人工神经网络的结构分为2类， (1)递归(反馈)网络 有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield网络，Elmman网络和Jordan网络是代表。 (2) 前馈网络 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。 人工神经网络的主要学习算法 (1) 指导式(有师)学习 根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta规则，广义Delta规则，反向传播算法及LVQ算法。 (2) 非指导(无导师)学习 训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括
试验优化设计与分析(教材) 成果总结 成果完成人：任露泉，丛茜，杨印生，李建桥，佟金成果完成单位：吉林大学 推荐等级建议：二等奖
1.立项背景 在现代社会实现过程和目标的最优化，已成为解决科学研究、工程设计、生产管理以及其他方面实际问题的一项重要原则。试验优化技术因其具有设计灵活、计算简便、试验次数少、优化成果多、可靠性高、适用面广等特点，已成为现代设计方法中一个先进的设计方法，成为发达国家企业界人士、工程技术人员、研究人员和管理人员的必备技术，它对于创造利润和提高生产率起着巨大的作用。因此在我国为了赶超世界先进水平，促进科研、生产和管理事业的发展，编著相关教材，大力推广与应用试验优化技术，不仅具有普遍的实际意义，也具有一定的迫切性。 20世纪80年代初，鉴于国民经济建设实践和科学技术研究中对试验优化技术的广泛需求，为推动教学改革、提高教学质量，任露泉教授对试验优化理论与技术进行了深入系统研究，为本科生开设了“试验设计”课程，为研究生开设了“试验优化技术”课程，并于1987年由机械工业出版社出版了教材《试验优化技术》，产生了很高的学术与技术影响。 2001年任露泉教授在《试验优化技术》一书的基础上编著了《试验优化设计与分析》教材，由吉林科技出版社出版发行。该教材是对1987年出版的《试验优化技术》的修改、补充和发展。作者根据对试验优化的教学和科研应用的多年实践与体会，为适应读者学习与使用的实际需要，调整修改了原书中的部分内容和一些方法的设计程式；补充了一些试验优化设计的新方法、新技术；增添了试验优化的一些最新应用实例；并增加了试验优化分析一篇。 本教材2001年获吉林省长白山优秀图书一等奖，2002年被遴选为教育部全国研究生教学用书，再次出版发行，2004年获吉林省教学成果一等奖。 2.教材内容 本教材万字，共分三篇二十一章。第一篇试验设计，除正交设计、干扰控制设计与数据处理等常用技术外,还介绍SN比设计、均匀设计、广义设计、调优运算及稳健设计等正交试验设计技术的拓广应用和现代发展的最新方法；第二篇回归设计，除各种回归的正交设计、旋转设计、饱和设计、多项式设计、还介绍多次变换设计、交互作用搜索设计、混料设计以及D-最优设计等回归设计技术的进一步完善与最新应用技术；在第三篇试验优化技术分析中,介绍了试验数据处理过程中经常遇到的难题及其解决办法，数据分析的最新研究成果及其应用实例。例如：有偏估计、PPR分析、探索性数据分析等；此外还介绍了试验优化的常用统计软件。 3.教材特点
优化设计实验报告
无约束非线性规划问题 ) sin(1)(min 2 2 35x e x x x x f x -+-++= fun='(x^5+x^3+x^2-1)/(exp(x^2)+sin(-x))'; ezplot(fun,[-2,2]); [xopt,fopt,exitflag,output]=fminbnd(fun,-2,2) 输出： xopt = 0.2176 fopt = -1.1312 exitflag = 1 output = iterations: 12 funcCount: 13 algorithm: 'golden section search, parabolic interpolation' message: [1x112 char]
二维无约束非线性函数最优解 )12424()(min 2212 2211++++=x x x x x e X f x fun='exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1)'; x0=[0,0]; options=optimset('largescale','off','display','iter','tolx',1e-8,'tolfun',1e-8); [x,fval,exitflag,output,grad,hessian]=fminunc(fun,x0,options) f='exp(x)*(4*x^2+2*y^2+4*x*y+2*y+1)'; ezmesh(f); First-order Iteration Func-count f(x) Step-size optimality 0 3 1 2 1 9 0.717044 0.125092 1.05 2 15 0.073904 10 1.28 3 21 0.000428524 0.430857 0.0746 4 24 0.000144084 1 0.0435 5 27 1.95236e-008 1 0.000487 6 30 6.63092e-010 1 9.82e-005 7 33 1.46436e-015 1 4.91e-008 Local minimum possible. fminunc stopped because it cannot decrease the objective function along the current search direction. Computing finite-difference Hessian using user-supplied objective function. x = 0.5000 -1.0000 fval = 1.4644e-015 exitflag = 5 output =
第九章神经网络与遗传算法习题参考解答 9.1练习题 9.1 何谓人工神经网络?它有哪些特征? 9.2 生物神经元由哪几部分构成?每一部分的作用是什么?它有哪些特性? 9.3 什么是人工神经元？它有哪些连接方式？ 9.4 B-P算法的网络结构是什么？简述B-P算法的学习过程。 9.5 什么是网络的稳定性? Hopfield网络模型分为哪两类?两者的区别是什么? 9.6 有教师学习与无教师学习的区别是什么? 请分析说明。 9.7 Hopfield模型与B-P模型的网络结构有何异同？ 9.8 简述简单遗传算法的基本原理和一般过程,说明个体选择的常用策略,以及遗传操作“交叉”和“变异”所起的作用。 9.9 遗传算法有哪些特点？在应用遗传算法时要解决的最关键问题有哪些？ 9.2习题参考解答 9.1 答: （略） 9.2 答: 生物神经元主要由三部分构成：细胞体、轴突和树突。 每一部分的作用是：（a）细胞体是神经元的新陈代谢中心，同时还用于接收并处理从其他神经元传递过来的信息。（b）轴突的作用相当于神经元的输出电缆，它通过尾部分出的许多神经末梢以及梢端的突触向其他神经元输出神经冲动。（c）树突的相当于神经元的输入端，用于接收从四面八方传来的神经冲动。 神经元的功能特性包括：（a）时空整合功能。（b）神经元的动态极化性。（c）兴奋与抑制状态。（d）结构的可塑性。（e）脉冲与电位信号的转换。（f）突触延期和不应期。（g）学习、遗忘和疲劳。 9.3 答: （略） 9.4 答: B-P算法的网络结构是一个前向多层网络。网络中不仅含有输入节点和输出节点，而且含有一层或多层隐（层）节点，网络中各处理单元间的连接如图6.16所示。当有信息向网络输入时，信息首先由输入层传递到隐层节点，经特性函数（人工神经元）作用后，再
福建农林大学金山学院实验报告 系（教研室）：信息与机电工程系专业：机械设计制造及其自动化年级：2008 实验课程：优化设计姓名：学号：实验室号：_1# 607 计算机号：实验时间：指导教师签字：成绩： 一、实验目的 通过实验教学加深学生对优化设计方法的理解，培养学生程序调试和出错处理的能力，提高学生应用优化设计方法和程序设计的能力。 本实验课程的基本要求： 1）熟悉VB集成开发环境的使用，掌握设计程序和调试程序的基本方法。 2）掌握一些重要优化算法，并具有较强的编程能力和解决实际优化问题的能力。 3）具有设计简单综合应用型程序的能力。 二、实验内容及进度安排 1、进退法2学时 2、黄金分割法2学时 3、基于最优步长的坐标轮换法2学时 4、鲍威尔法4学时 三、实验设备 微型计算机100台以上，并已安装Visual Basic 6.0。 四、实验要求 1. 设计程序总体编程结构，根据程序N-S图，设计编写出程序； 2. 完成程序调试，并进行实验结果分析； 3. 完成实验报告。 五、实验注意事项 1. 树立严肃认真、一丝不苟的工作精神，养成实验时的正确方法和良好习惯，维护国 家财产不受损失； 2. 严格遵守实验室的规章制度，注意保持实验室内整洁； 3. 上机过程中注意保存程序，以免数据丢失，结束后应存储到个人移动设备并关闭计 算机； 4. 认真做好上机前的准备工作，实验后认真完成实验报告。 六、实验操作步骤及方法 （一）.上机前的准备工作包括以下几个方面 1.复习和掌握与本次实验有关的教学内容。 2.根据实验的内容，对问题进行认真的分析，搞清楚要解决的问题是什么？给定的条件 是什么？要求的结果是什么？需要使用什么类型的数据（如整型、实型、双精度型、字符型等）？制定好程序总体编程结构。 3.根据程序N-S图，设计、编写出程序，在纸上编写好相关功能的事件代码。
第五章 神经网络课后习题及答案 一、选择题： 1. 在BP算法中，设y=f(xi)为xi的平滑函数，想知道xi对y增大变化的情况， 我们可求 ，然后进行下列的哪一项？ （ B ） A 取最小 B 取最大 C 取积分 D 取平均值 2. 对于反向传播学习，无论是在识别单个概念的学习或识别两个概念的学习中，都涉及到下列的哪一个操作？ （ A ） A 权值的修正 B 调整语义结构 C 调整阀值 D 重构人工神经元 3. 根据Hopfield网络学习的特点，能实现联想记忆和执行线性和非线性规划等求解问题其应用没有涉及到下列的哪一个内容？ （ D ） A 模糊推理模型 B 非线性辨认 C 自适应控制模型 D 图象识别 4. 对于神经网络的二级推理产生式规则由三个层次构成，它不含下列的哪一个层次？ （ C ） A 输入层 B 输出层 C 中间层 D 隐层 5. 人工神经网络借用了生理神经元功能的一些描述方式，它涉及到下列的哪一些内容？ （ ABC ） A 模拟神经元 B 处理单元为节点 C 加权有向图 D 生理神经元连接而成
6. 在应用和研究中采用的神经网络模型有许多种，下列的哪一些是具有代表性的？ （ ABD ） A 反向传递（BP） B Hopfield网 C 自适应共振 D 双向联想存储器 7. 下列的哪一些内容与反向传播学习算法有关？ （ ABCD ） A 选取比率参数 B 误差是否满足要求 C 计算权值梯度 D 权值学习修正 8. 构造初始网络后，要用某种学习算法调整它的权值矩阵，使NN在功能上满足样例集给定的输入一输出对应关系，并由此产生推理，该矩阵必须满足下列的哪一个性质？ ( A ) A 收敛性 B 对称性 C 满秩性 D 稀疏性 9. 在人工神经元的功能描述中，往往会用一激发函数来表示输出，常用的一般非线性函数有下列的哪一些项？ ( ABD ) A 阀值型 B 分段线性强饱和型 C 离散型 D S i gm oid型 10. 基于神经网络的推理，其应用中必须涉及到下列的哪一些内容？ ( ACD ) A NN的结构模型 B NN的推理规则 C NN的学习算法 D 从NN到可解释的推理网 二、填空题： 1. 前馈网络是一种具有很强学习能力的系统，结构简单，易于编程。前馈网络通
2015-2016-2试验优化设计考核题目
试验优化设计上机考核题目 2015-2016-（2）学期 制定：刘建永 （注：计算过程和思路在word文档中尽量写清楚，所用Minitab 或Excel计算过程保存，将计算所有文档保存在以学号和姓名为命名的文档内，打包提交。）
1 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显著性水平为0.05。 温度60度65度70度75度 90959691 92939690 得率（%） 88919793 89929489 92959288 ⑴写出误差离差平方和SSE和温度离差平方和SSA的计算公式； ⑵判断温度对烧碱得率是否有显著影响； ⑶用Tukey方法判断哪些水平间有显著差异？哪些水平间无显著差异？ 2 为研究线路板焊点拉拔力与烘烤温度、烘烤时间和焊剂量之间关系。从生产过程中收集20批数据，见下表:
效率，缩短酸洗时间，需要寻找好的工艺参数。现在试验中考察如下因子与水平： 1 2 3 水平 因子 A:硫酸(g/l) 300 200 250 B:洗剂OP牌海鸥牌 C：温度 60 70 80 （℃） 用L9(34)安排试验，用拟水平法将B2拟为B3,试验指标是酸洗时间（分钟）： 36 32 20 22 34 21 16 19 37 (1) 在满足等方差的正态分布前提下，对数据进行方差分析； （2）找出酸洗时间最短的水平组合，并对该水平组合下平均酸洗时间进行点估计。 4玉米淀粉改性试验，需考察两个指标：取代度、酯化率，两指标均为望大特征，试验因素和水平如下：
实验八：基于神经网络的优化计算实验 一、实验目的 掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。 二、实验原理 连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。 三、实验条件 VC＋＋6.0。 四、实验内容
1、参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。 2、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数，分析不同参数对算法结果的影响。 3、上交源代码。 五、实验报告 1、画出连续Hopfield神经网络求解TSP问题的流程图。
2、根据实验内容，给出相应结果及分析。 (1)15个城市（测试文件TSP15.TXT）
tsp15.txt 最短路程 371 最佳路线 1914861351534712210111 →→→→→→→→→→→→→→→ (2)20个城市（测试文件TSP20.TXT） tsp20.txt 最短路程349 最佳路线 →→→→→→→→→→→→→→→→→→→→→141618971315111735124289191610201 3、总结连续Hopfield神经网络和遗传算法用于TSP问题求解时的优缺点。
对如下的BP 神经网络，学习系数1=η，各点的阈值0=θ。作用函数为： ? ? ?<≥=111 )(x x x x f 。 输入样本0,121==x x ，输出节点z 的期望输出为1，对于第k 次学习得到的权值分别为1)(,1)(,1)(,2)(,2)(,0)(2122211211======k T k T k w k w k w k w ，求第k 次和1+k 次学习得到的输出节点值)(k z 和)1(+k z （写出计算公式和计算过程）。 y 2 )(11=k w 1)(22=k 102 计算如下： 1． 第k 次训练的正向过程如下： 1 )0()0210()()(12 1 11==?+?==-=∑=f f net f x w f y j j j θ ) ()(i j i j ij i net f x w f y =-=∑θ
2 )2()0112()()(22 1 22==?+?==∑==f f net f x w f y j j j 3 )3()2111()()(2 1 ==?+?==∑==f f net f y T f z l i i i 2)31(2 12 =-=E 2． 第k 次训练的反向过程如下： 212)3()31()(')(''-=?-=?-=-=f net f z z l l δ li l l i i T net f ∑=δδ)('' 1)2(01)2()0(')(''111=?-?=?-?==f T net f l δδ 2 1)2(11)2()2(')(''222-=?-?=?-?==f T net f l δδ 1 1)2(11)()()1(11111-=?-?+=+=?+=+y k T T k T k T l ηδ 3 2)2(11)()()1(22222-=?-?+=+=?+=+y k T T k T k T l ηδ 1010')()()1(111111 1111=??+=+=?+=+x k W W k W k W ηδ ) ()(l i l i li l net f y T f O =-=∑θ
实验优化设计考试答案 精选文档 TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-
第一题 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显着性水平为。 1.SSE的公式 2.SSA的公式 3.将表格粘贴进Excel，然后进行数据分析，勾选标于第一行，显示在下面 P=，远小于，所以是显着 的 4.打开Minitab，复制表 格，“统计”“方差分 析”“选单因素未重 叠”“响应 C1C2C3C4” 点击“比较”勾选第一 个，确定 结果: 工作表 3 单因子方差分析: 60度, 65度, 70度, 75度 来源自由度 SS MS F P 因子 3
误差 16 合计 19 S = R-Sq = % R-Sq（调整） = % 平均值（基于合并标准差）的单组 95% 置信区间水平 N 平均值标准差 ------+---------+---------+---------+--- 60度 5 (------*------) 65度 5 (------*------) 70度 5 (------*------) 75度 5 (------*------) ------+---------+---------+---------+--- 合并标准差 = Tukey 95% 同时置信区间 所有配对比较 单组置信水平 = % 60度减自: 下限中心上限 ------+---------+---------+---------+--- 65度 (------*------) 70度 (------*-----) 75度 (------*------) ------+---------+---------+---------+--- 65度减自: 下限中心上限 ------+---------+---------+---------+--- 70度 (------*-----) 75度 (------*------) ------+---------+---------+---------+--- 70度减自:
优化设计实验指导书 潍坊学院机电工程学院 2008年10月 目录
实验一黄金分割法 (2) 实验二二次插值法 (5) 实验三 Powell法 (8) 实验四复合形法 (12) 实验五惩罚函数法 (19)
实验一黄金分割法 一、实验目的 1、加深对黄金分割法的基本理论和算法框图及步骤的理解。 2、培养学生独立编制、调试黄金分割法C语言程序的能力。 3、掌握常用优化方法程序的使用方法。 4、培养学生灵活运用优化设计方法解决工程实际问题的能力。 二、实验内容 1、编制调试黄金分割法C语言程序。 2、利用调试好的C语言程序进行实例计算。 3、根据实验结果写实验报告 三、实验设备及工作原理 1、设备简介 装有Windows系统及C语言系统程序的微型计算机，每人一台。 2、黄金分割法(0.618法)原理 0.618法适用于区间上任何单峰函数求极小点的问题。对函数除“单峰”外不作 其它要求，甚至可以不连续。因此此法适用面相当广。 0.618法采用了区间消去法的基本原理，在搜索区间内适当插入两点和，它们把 分为三段，通过比较和点处的函数值，就可以消去最左段或最右段，即完成一次迭代。 然后再在保留下来的区间上作同样处理，反复迭代，可将极小点所在区间无限缩小。 现在的问题是：在每次迭代中如何设置插入点的位置，才能保证简捷而迅速地找到极小点。 在0.618法中，每次迭代后留下区间内包含一个插入点，该点函数值已计算过，因此以后的每次迭代只需插入一个新点，计算出新点的函数值就可以进行比较。 设初始区间[a,b]的长为L。为了迅速缩短区间，应考虑下述两个原则：（1）等比收缩原理——使区间每一项的缩小率不变，用表示(0<λ<1)。 （2）对称原理——使两插入点x1和x2，在[a,b]中位置对称，即消去任何一边区间[a,x1]或[x2,b]，都剩下等长区间。 即有 ax1=x2b 如图4-7所示，这里用ax1表示区间的长，余类同。若第一次收缩，如消去[x2,b]区间，则有：λ=(ax2)/(ab)=λL/L 若第二次收缩，插入新点x3，如消去区间[x1,x2]，则有λ=(ax1)/(ax2)=(1-λ)L/λL
人工智能实验报告 实验六基于神经网络的优化计算实验 一、实验目的： 掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。 二、实验原理 连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。 三、实验条件： VC＋＋6.0。 四、实验内容： 1、参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。 2、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数，分析不同参数对算法结果的影响。 3、上交源代码。
五、实验报告要求： 1、画出连续Hopfield神经网络求解TSP问题的流程图。 2、根据实验内容，给出相应结果及分析。 (1)15个城市（测试文件TSP15.TXT）
tsp15.txt 最短路程 371 最佳路线 →→→→→→→→→→→→→→→1914861351534712210111 (2)20个城市（测试文件TSP20.TXT） tsp20.txt 最短路程349 最佳路线 →→→→→→→→→→→→→→→→→→→→→141618971315111735124289191610201 3、总结连续Hopfield神经网络和遗传算法用于TSP问题求解时的优缺点。 遗传算法易出现早熟收敛和收敛性差的缺点。 Hopfield算法对高速计算特别有效，但网络不稳定。 用Hopfield解TSP问题效果并不理想。相对前面的遗传算法解TSP 性能有相当大差距。
1、什么是人工智能？人工智能有哪些研究领域？何时创建该学科，创始人是谁？ （1）AI（Artificial Intelligence）是利用计算机技术、传感器技术、自动控制技术、仿生技术、电子技术以及其他技术仿制人类智能机制的学科（或技术），再具体地讲就是利用这些技术仿制出一些具有人类智慧（能）特点的机器或系统 （2）人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定力证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等（3）人工智能于1956年夏季，由麦卡锡，明斯基、洛切斯特、香农等发起创建 2、产生式系统的由哪三部分组成？各部分的功能是什么？ 课本29页 （1）产生式系统由综合数据库、产生式规则和控制系统三部分组成 （2）综合数据库用于存放当前信息，包括初始事实和中间结果； 产生式规则用于存放相关知识； 控制系统用于规则的解释或执行程序。 3、设有三枚硬币，其初始状态为（反，正，反），允许每次翻转一个硬币（只翻一个硬币，必须翻一个硬币）。必须连翻三次。用知识的状态空间表示法求出到达状态（反，反，反）的通路。画出状态空间图。 课本51页 问题求解过程如下： （1）构建状态 用数组表示的话，显然每一硬币需占一维空间，则用三维数组状态变量表示这个知识：Q=（q1 , q2 , q3） 取q=0 表示钱币的正面; q=1 表示钱币的反面 构成的问题状态空间显然为： Q0=（0，0，0），Q1=（0，0，1），Q2=（0，1，0）, Q3=（0，1，1）， Q4=（1，0，0），Q5=（1，0，1），Q6=（1，1，0），Q7=（1，1，1） （2）引入操作 f1：把q1翻一面。 f2：把q2翻一面。 f3：把q3翻一面。 显然：F={f1，f2，f3} 目标状态：（找到的答案）Qg=（0，0，0）或（1，1，1） （3）画出状态图
机械优化设计 实 验 报 告 姓名：欧阳龙 学号：2007500817 班级：07机设一班
一、黄金分割法 1、 数学模型 2()2f x x x =+，56x -≤≤ 2、 黄金分割法简介 黄金分割法适用于单谷函数求极小值问题，且函数可以不连续。黄金分割法是建立在区间消去法原理基础上的试探方法，即在搜索区间[],a b 内适当插入两点1α、2α，并计算其函数值。1α、2α将区间分成三段。应用函数的单谷性质，通过函数值大小的比较，删去其中一段，使搜索区间得以缩短。然后再在保留下来的区间上作同样的处置，如此迭代下去，使搜索区间无限缩小，从而得到极小点的数值近似解。黄金分割法能使相邻两次都具有相同的缩短率0.618，故黄金分割法又称作0.618法。 3、黄金分割法程序清单 #include
第四章计算智能(1) 教学内容：本章讨论计算智能所涉及的领域和范围，计算智能的含义及它与传统的人工智能的区别。介绍人工神经网络的由来、特性、结构、模型和算法；神经网络的表示和推理。简要地介绍模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。 教学重点：计算智能；人工神经网络的结构、模型和算法，以及表示和推理。 教学难点：人工神经网络的结构、算法和推理；模糊数学的运算法则和模糊逻辑推理。 教学方法：课堂教学为主。适当提问，加深学生对概念的理解。 教学要求：通过对本章的学习，使学生掌握人工神经网络的结构、模型和算法，了解计算智能所涉及的领域和范围，了解人工神经网络的特性、表示和推理，了解模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。 4.1概述 教学内容：本节介绍计算智能所涉及的领域和范围，计算智能的含义及其与传统人工智能的区别。贝兹德克提出的“ABC”，及它与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。 教学重点：计算智能的含义及其与传统的人工智能的区别。 教学难点：“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。 教学方法：课堂教学。 教学要求：掌握计算智能的含义，了解计算智能与传统的人工智能有何区别。了解贝兹德克提出的“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。 信息科学与生命科学的相互交叉、相互渗透和相互促进是现代科学技术发展的一个显著特点。 计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展正是反映了当代科学技术多学科交叉与集成的重要发展趋势。
把神经网络（NN）归类于人工智能（AI）可能不大合适，而归类于计算智能（CI）更能说明问题实质。进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能。 计算智能取决于制造者（manufacturers）提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品（knowledge tidbits）。人工神经网络应当称为计算神经网络。 第一个对计算智能的定义是由贝兹德克（Bezdek）于1992年提出的。 尽管计算智能与人工智能的界限并非十分明显，然而讨论它们的区别和关系是有益的。马克斯（Marks）在1993年提到计算智能与人工智能的区别，而贝兹德克则关心模式识别（PR与生物神经网络（BNN）、人工神经网络（ANN）和计算神经网络（CNN）的关系，以及模式识别与其它智能的关系。忽视ANN与CNN 的差别可能导致对模式识别中神经网络模型的混淆、误解、误表示和误用。 提问：计算智能与人工智能的区别和关系如何。 贝兹德克对这些相关术语给予一定的符号和简要说明或定义。 他给出有趣的ABC： A－Artificial，表示人工的（非生物的），即人造的 B－Biological，表示物理的＋化学的＋（？？）＝生物的 C－Computational，表示数学＋计算机 图4.1表示ABC及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。
1、在神经网络模型VggNet中，使用两个级联的卷积核大小为3×3，stride=1的卷积层代替了一个5×5的卷积层，如果将stride设置 为2，则此时感受野为 A.7×7 B.9×9 C.5×5 D.8×8 正确答案：A 2、 上图是具有四个隐藏层的神经网络，该网络使用sigmoid函数作为 激活函数，训练过程出现了梯度消失问题。从图中可以判断出四个 隐藏层的先后顺序（靠近输入端的为先，靠近输出端的为后）分别 为 A.DBCA B.ABCD
D.DCBA 正确答案：D 3、在网络训练时，loss在最初几个epoch没有下降，可能原因是 A.学习率过低 B.以下都有可能 C.正则参数过高 D.陷入局部最小值 正确答案：B 4、假设有一个三分类问题，某个样本的标签为（1，0，0），模型的预测结果为（0.5，0.4，0.1），则交叉熵损失值（取自然对数结果）约等于
B.0.7 C.0.8 D.0.5 正确答案：B 5、 IoU是物体检测、语义分割领域中的结果评测指标之一，上图中A 框是物体的真实标记框，面积为8。B框是网络的检测结果，面积为7。两个框的重合区域面积为2。则IoU的值为 A.2/8 B.2/13 C.2/7 D.2/15 正确答案：B
6、Gram矩阵是深度学习领域常用的一种表示相关性的方法，在风格迁移任务中就使用风格Gram矩阵来表示图像的风格特征，以下关于风格Gram矩阵的论述正确的是 A.风格Gram矩阵的大小与输入特征图的通道数、宽、高都不相关 B.风格Gram矩阵的大小只与输入特征图的通道数相关 C.风格Gram矩阵的大小与输入特征图的通道数、宽、高都相关 D.风格Gram矩阵的大小只与输入特征图的宽、高有关 正确答案：B 7、现使用YOLO网络进行目标检测，待检测的物体种类为20种，输入图像被划分成7*7个格子，每个格子生成2个候选框，则YOLO网络最终的全连接层输出维度为 A.1078 B.980 C.1470 D.1960 正确答案：C 二、多选题 1、池化层在卷积神经网络中扮演了重要的角色，下列关于池化层的论述正确的有 A.池化操作具有平移不变性
《机械优化设计》 实验报告 班级: 机械设计（2）班 姓名：邓传淮 学号：0901102008
1 实验名称：一维搜索黄金分割法求最佳步长 2 实验目的：通过上机编程，理解一维搜索黄金分割法的原理，了解计算机在优化设计中的应用。 3 黄金分割法的基本原理 黄金分割法是用于一元函数f(x)在给定初始区间[a,b]内搜索极小点α*的一种方法。它是优化计算中的经典算法，以算法简单、收敛速度均匀、效果较好而著称，是许多优化算法的基础，但它只适用于一维区间上的凸函数[6]，即只在单峰区间内才能进行一维寻优，其收敛效率较低。其基本原理是：依照“去劣存优”原则、对称原则、以及等比收缩原则来逐步缩小搜索区间[7]。具体步骤是：在区间[a,b]内取点：a1 ，a2 把[a,b]分为三段。如果f(a1)>f(a2)，令a=a1,a1=a2,a2=a+r*(b-a)；如果f(a1) 4实验所编程序框图(1)进退发确定单峰区间的计算框图 （2）黄金分割法计算框图 5 程序源代码 （1）进退发确定单峰区间的程序源代码 #include 试验优化设计上机考核题目 2015-2016-（2）学期 制定：刘建永 （注：计算过程和思路在word文档中尽量写清楚，所用Minitab 或Excel计算过程保存，将计算所有文档保存在以学号和姓名为命名的文档内，打包提交。） 1 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显著性水平为0.05。 温度60度65度70度75度 90959691 92939690 得率（%） 88919793 89929489 92959288 ⑴写出误差离差平方和SSE和温度离差平方和SSA的计算公式； ⑵判断温度对烧碱得率是否有显著影响； ⑶用Tukey方法判断哪些水平间有显著差异？哪些水平间无显著差异？ 2 为研究线路板焊点拉拔力与烘烤温度、烘烤时间和焊剂量之间关系。从生产过程中收集20批数据，见下表: ⑴试建立拉拔力与各元素之间的回归模型； ⑵在显著性水平为0.05下，对回归模型进行ANOV A分析，并解释说明分析结果； ⑶从总效果方面度量回归模型的优劣，解释各项含义； ⑷对回归模型进行残差诊断。 3钢片在镀锌前需要用酸洗方法除锈，为提高除锈效率，缩短酸洗时间，需要寻找好的工艺参数。现在试验中考察如下因子与水平： 用L9(3)安排试验，用拟水平法将B2拟为B3,试验指标是酸洗时间（分钟）： 36 32 20 22 34 21 16 19 37 (1) 在满足等方差的正态分布前提下，对数据进行方差分析； （2）找出酸洗时间最短的水平组合，并对该水平组合下平均酸洗时间进行点估计。 4玉米淀粉改性试验，需考察两个指标：取代度、酯化率，两指标均为望大特征，试验因素和水平如下： (2)用综合评分法对试验数据进行直观分析，其中酯化率权重取0.6，取代度权重取0.4； 5 某钢厂生产一种合金，为降低合金的硬度需要进行退火处理，希望通过实验寻找合理的退火工艺参数，以降低硬度。现考察如下因子与水平： 88 （2）利用改造好的L8(4×24)安排试验，指标为洛氏硬度（HRc），8次试验结果为：31.6 31.0 31.6 30.5 31.2 31.0 33.0 30.3，利用折算系 数法对试验数据进行直观分析，要求找出最优水平组合，指明各因子显 著程度的顺序，画出各因子对指标的影响趋势图； 用Excel或Minitab对试验数据进行方差分析，要求写出各因子的离差平方和（SS）的计算公式，说明计算结果的各项含义，并根据方差分析结果说明各因子的2015-2016-2试验优化设计考核题目
相关主题
文本预览