课程:人工智能课程设计报告
班级:
姓名: 学号:
指导教师:赵曼
2015年11月
人工智能课程设计报告
课程背景
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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
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三大尖端技术（基因工程、纳米科学、人工智能）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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
题目二：n皇后问题
一.问题描述
分别用回溯法（递归）、GA算法和CSP的最小冲突法求解n皇后问题。
即如何能够在n×n 的国际象棋棋盘上放置n个皇后，使得任何一个皇后都无法直接吃掉其他的皇后？为了达到此目的，任两个皇后都不能处于同一条横行、纵行或斜线上。
要求：
ⅰ. 输入n，并用运行时间比较几种算法在相同规模的问题时的求解效率，并列表给出结果。ⅱ. 比较同一算法在n不相同时的运行时间，分析算法的时间复杂性，并列表给出结果。
如八皇后问题的一个解
二.设计分析
1.算法分析
1)回溯法（递归）
回溯法解题的一般步骤编辑
（1）针对所给问题，定义问题的解空间；
（2）确定易于搜索的解空间结构；
（3）以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。
引入一个整型一维数组col[]来存放最终结果，col[i]就表示在棋盘第i列、col[i]行有一个皇后，为了使程序再找完了全部解后回到最初位置，设定col[0]的初值为0，即当回溯到第0列时，说明以求得全部解，结束程序运行。为了方便算法的实现，引入三个整型数组来表示当前列在三个方向上的状态：
a[] a[i]=0表示第i行上还没有皇后；
b[] b[i]=0表示第i列反斜线/上没有皇后；
c[] c[i]=0表示第i列正斜线\上没有皇后。
棋盘中同一反斜线/上的方格的行号与列号相同；同一正斜线\上的方格的行号与列号之差均相同，这就是判断斜线的依据。
初始时，所有行和斜线上都没有皇后，从第1列的第1行配置第一个皇后开始，在第m列，col[m]行放置了一个合理的皇后，准备考察第m+1列时，在数组a[]，b[]和c[]中为第m列，col[m]行的位置设定有皇后的标志；当从第m列回溯到m-1列时，并准备调整第m-1列的皇后配置时，清除在数组a[],b[]和c[]对应位置的值都为1来确定。
2)遗传算法
遗传算法的基本运算过程如下：
a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。
b)个体评价：计算群体P(t)中各个个体的适应度。
遗传算法
遗传算法
c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。
d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。
e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。
群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。
f)终止条件判断:若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。
3）csp最小冲突法
（1）初始化N个皇后的一个放置，允许有冲突
（2）考虑某一行的某个皇后，她可能与x个皇后冲突，然后看看将这个皇后移动到这一行的哪个空位能使得与其冲突的皇后个数最少，就移动到那里。（也可以考虑列，是等价的）
（3）不断执行（2），直到没有冲突为止
2.数据结构
使用数组结构存储相关数据
一维数组：
二维数组：
3.算法设计
1）//回溯搜索
void Function1::DFS(int t,bool isShowTime)
{
if (t == n)//说明已经排了n行了（从0开始的），即排列结束了
{
for (int i = 0; i { rec[i] = board[i]; } if (! isShowTime )PrintChessBoard();//输出棋局 count++; return; } for (int i = 0; i { //有冲突 if (ver[i] == 1||ru[i - t + n] == 1||rd[i + t] == 1) continue; //没有冲突 ver[i] = 1; ru[i - t + n] = 1; rd[i + t] = 1; board[t] = i; DFS(t + 1, isShowTime);//深搜递归 //后退处理 rd[i + t] = 0; ru[i - t + n] = 0; ver[i] = 0; } return; } 2）遗传算法 void CGAQueen::PrintChessBoard(bool PrintChessBoard) { bool DisplayAllAnsures=PrintChessBoard;//是否输出所有棋盘结果 int g = 0, num = 0; InitialPopulation(); while (g == 0 && num < this->Iteration) { num++; g = 0; for (int k = 0; k < this->Population ; k++) { this->FillArea(k); this->CostMatrix[k] = this->CostFunc(k); } this->PopulationSort(); if (this->CostMatrix[0] == 0)//已经完成计算 g = 1; if (DisplayAllAnsures) { PrintTheBestAnsure(); /*for (i = 0; i <= ChessBoradLenght - 1; i++) { cout << "row:" << i << " col:" << this->ChromosomeMatrix[i][0] << endl; } cout << endl;*/ } this->GenerateCrossOverMatrix(); this->Mating(); this->ApplyMutation(); } cout << "实际迭代：" << num <<" 次"<< endl; if (DisplayAllAnsures) { cout << "最佳答案为：" << endl; this->PrintTheBestAnsure(); } } 3）CSP最小冲突算法 //用最小冲突算法调整第row行的皇后的位置（初始化时每行都有一个皇后，调整后仍然在第row行） //调整过后check一下看看是否已经没有冲突，如果没有冲突（达到终止状态），返回true bool CSP_Queens::Adjust_row(int row) { int cur_col = R[row]; int optimal_col = cur_col;//最佳列号，设置为当前列，然后更新 //计算总冲突数 int min_conflict = col[optimal_col] + pdiag[GetP(row, optimal_col)] - 1 + cdiag[GetC(row, optimal_col)] - 1;//对角线冲突数为当前对角线皇后数减一,三次重叠了 //逐个检查第row行的每个位置，看看是否存在冲突数更小的位置 for (int i = 0; i < N; i++) { if (i == cur_col) continue; int conflict = col[i] + pdiag[GetP(row, i)] + cdiag[GetC(row, i)]; if (conflict < min_conflict) { min_conflict = conflict; optimal_col = i; } } //如果最佳列位置改变，则皇后移向新的最小冲突位置，要更新col,pdiag,cdiag， if (optimal_col != cur_col) { col[cur_col]--; pdiag[GetP(row, cur_col)]--; cdiag[GetC(row, cur_col)]--; col[optimal_col]++; pdiag[GetP(row, optimal_col)]++; cdiag[GetC(row, optimal_col)]++; R[row] = optimal_col; if (col[cur_col] == 1 && col[optimal_col] == 1 && pdiag[GetP(row, optimal_col)] == 1 && cdiag[GetC(row, optimal_col)] == 1) { return Qualify();//qualify相对更耗时，所以只在满足上面基本条件后才检查} } //否则当前点就是最佳点，一切都保持不变 return false;//如果都没变的话，肯定不满足终止条件，否则上一次就应该返回true并终止了 } //检查冲突 bool CSP_Queens::Qualify() { for (int i = 0; i < N; i++){ if (col[R[i]] != 1 || pdiag[GetP(i, R[i])] != 1 || cdiag[GetC(i, R[i])] != 1) { return false; } } return true; } //最终用户调用函数，numOfQueens为输入皇后数，PrintChessBoard判断是否输出棋盘表示 int CSP_Queens::CSPAlgorithms(bool PrintChessBord) { srand((unsigned)time(NULL)); Init(); if (Qualify()) {//运气很好，初始化后就满足终止条件 if (PrintChessBord)Print_result(); return 0; } bool end = false; while (!end) { for (int i = 0; i < N; i++) { if (Adjust_row(i)) { end = true; break; } } } if (PrintChessBord)Print_result(); return 0; } 四.运行结果及分析 1.递归算法 2.遗传算法 3.CSP最小冲突算法 4.n=4时不同算法的比较 5.n=8时不同算法比较 结果分析 回溯法在皇后数目较小的，很占优势，它的速度非常的快，但随着皇后数目的增加，回溯法显得很不实用，在n=35时，用回溯法已不能较好的解决n皇后问题。 遗传算法优点是能很好的处理约束，能很好的跳出局部最优，最终得到全局最优解，全局搜索能力强；缺点是收敛较慢，局部搜索能力较弱，运行时间中等，且容易受n值的影响。遗传算法的运行时间在n很小时没有回溯法快，但是随着n值的增加，遗产算法的优点也就显现出来，它能够解决回溯法不能解决的问题。 CSP最小冲突法是一种始终都比较快的算法，它的运行时间与皇后是个数没有必然的联系，而且在n很大时，它显现出来运行时间短，效率高的优势，但它的缺点是会出现山脊、高原，86%的时间会卡住。总的来说，CSP最小冲突法较简单，也比较快，在皇后的个数较多时体现出来效率最高，处理多约束大规模问题时往往不能得到较好的解。 总的来说，回溯在n值很小时，效率很高，但其求解范围很小，超过35基本就解不出来，遗传算法求解范围适中。在n值很大(>100)时，前两者都不能再解决，此时，CSP最小冲突法的效率最高，且与n值没有必然的联系。 总结 通过此次课程实习不仅大大加深了我对几种经典搜索算法的理解，而且帮助我很好的复习了队列、堆栈、图、文件读写这几部分的内容，使我对几种基本的数据结构类型的运用更加熟练。在解决这些问题的过程中我不但很好的巩固了数据结构的相关知识，而且提高了编程及程序调试能力，增强了自己编程的信心。 总之，在这次课程实习过程中我是实实在在学到了一些课堂上学不到的东西，同时也提高了实践能力。同时在这个过程中也暴露了自己的不少问题，在今后的学习过程成也会更加有针对性。最后还要感谢老师的悉心指导，解答我编程过程中的疑问、指出我程序中的不足，及提出可行的解决方法，让我的程序的功能更加完善。 CSP算法源代码： //CSPAlgorithms.h #pragma once class CSP_Queens { public: //构造函数，numOfQueens为输入皇后数， CSP_Queens(int numOfQueens); ~CSP_Queens(); private: //row[i]表示当前摆放方式下第i行的皇后数， int *row; //col[i]表示当前摆放方式下第i列的皇后冲突数 int *col; int N; //放置N个皇后在N*N棋盘上 //从左上到右下的对角线上row-col值是相同的，但是这个值有可能是负值，最小为 -(N-1)， //所以可以做个偏移，统一加上N-1，这样这个值就在[0,2*N-2]范围内，将这个值作为该对角线的编号 //pdiag[i]表示当前摆放方式下编号为i的对角线上的皇后数 int *pdiag;//principal diagonal,主对角线，左上到右下（表示和主对角线平行的2N-1条对角线） //从右上到左下的对角线row+col的值相同，取值范围为[0, 2 * N - 2]，2*N-1条，作为对角线编号 //cdiag[i]表示编号为i的对角线上的皇后数 int *cdiag;//counter diagonal,副对角线 //R[]用来存储皇后放置位置，R[row] = col表示(row,col)处,即“第row行第col列”有个皇后 int *R; public: int swap(int &a, int &b); //给定二维矩阵的一个点坐标，返回其对应的左上到右下的对角线编号 int GetP(int row, int col); //给定二维矩阵的一个点坐标，返回其对应的右上到左下的对角线编号 int GetC(int row, int col); //返回begin, begin + 1, ... , end - 1 这end - begin个数中的随机的一个int My_rand(int begin, int end);//左闭右开[begin, end) //原地shuffle算法，算法导论中的randomize in place算法 void Randomize(int a[], int begin, int end);// 左闭右开 //初始化皇后的摆放，同时初始化row,col,pdiag,cdiag数组 void Init(); //用最小冲突算法调整第row行的皇后的位置（初始化时每行都有一个皇后，调整后仍然在第row行） //调整过后check一下看看是否已经没有冲突，如果没有冲突（达到终止状态），返回true bool Adjust_row(int row); bool Qualify(); void Print_result(); //最终用户调用函数 PrintChessBoard判断是否输出棋盘表示 int CSPAlgorithms(bool PrintChessBord); }; //CSPAlgorithms.cpp #include"CSPAlgorithms.h" #include #include #include #include using namespace std; CSP_Queens::CSP_Queens(int numOfQueens) { srand((unsigned)time(NULL)); N = numOfQueens; row = new int[N]; col = new int[N]; pdiag=new int[2 * N]; cdiag=new int[2 * N]; R=new int[N]; } CSP_Queens::~CSP_Queens() { if (NULL != row)delete[]row; if (NULL != col)delete[]col; if (NULL != pdiag)delete[]pdiag; if (NULL != cdiag)delete[]cdiag; if (NULL != R)delete[]R; } int CSP_Queens::swap(int &a, int &b) { int t = a; a = b; b = t; return 0; } // int CSP_Queens::GetP(int row, int col) { return row - col + N - 1; } int CSP_Queens::GetC(int row, int col) { return row + col; } //返回begin, begin + 1, ... , end - 1 这end - begin个数中的随机的一个int CSP_Queens::My_rand(int begin, int end)//左闭右开[begin, end) { return rand() % (end - begin) + begin; } //原地shuffle算法，算法导论中的randomize in place算法 void CSP_Queens::Randomize(int a[], int begin, int end)// 左闭右开 { for (int i = begin; i <= end - 2; i++){ int x = My_rand(i, end); swap(a[i], a[x]); } } //初始化皇后的摆放，同时初始化row,col,pdiag,cdiag数组 void CSP_Queens::Init() { for (int i = 0; i < N; i++){//首先全部安放在主对角线上 R[i] = i; } //下面随机抽取调换两行皇后位置 Randomize(R, 0, N);//初始化N个皇后对应的R数组为0~N-1的一个排列， //此时即没有任意皇后同列，也没有任何皇后同行 for (int i = 0; i < N; i++){ row[i] = 1;//每行恰好一个皇后 col[i] = 0; } for (int i = 0; i < 2 * N - 1; i++){ pdiag[i] = 0; cdiag[i] = 0; } //初始化当前棋局的皇后所在位置的各个冲突数 for (int i = 0; i < N; i++){ col[R[i]]++; pdiag[GetP(i, R[i])]++; cdiag[GetC(i, R[i])]++; } } //用最小冲突算法调整第row行的皇后的位置（初始化时每行都有一个皇后，调整后仍然在第 row行） //调整过后check一下看看是否已经没有冲突，如果没有冲突（达到终止状态），返回true bool CSP_Queens::Adjust_row(int row) { int cur_col = R[row]; int optimal_col = cur_col;//最佳列号，设置为当前列，然后更新 int min_conflict = col[optimal_col] + pdiag[GetP(row, optimal_col)] - 1 + cdiag[GetC(row, optimal_col)] - 1;//对角线冲突数为当前对角线皇后数减一 for (int i = 0; i < N; i++) {//逐个检查第row行的每个位置 if (i == cur_col) { continue; } int conflict = col[i] + pdiag[GetP(row, i)] + cdiag[GetC(row, i)]; if (conflict < min_conflict) { min_conflict = conflict; optimal_col = i; } } if (optimal_col != cur_col) {//要更新col,pdiag,cdiag col[cur_col]--; pdiag[GetP(row, cur_col)]--; cdiag[GetC(row, cur_col)]--; col[optimal_col]++; pdiag[GetP(row, optimal_col)]++; cdiag[GetC(row, optimal_col)]++; R[row] = optimal_col; if (col[cur_col] == 1 && col[optimal_col] == 1 && pdiag[GetP(row, optimal_col)] == 1 && cdiag[GetC(row, optimal_col)] == 1) { return Qualify();//qualify相对更耗时，所以只在满足上面基本条件后才检查 } } //当前点就是最佳点，一切都保持不变 return false;//如果都没变的话，肯定不满足终止条件，否则上一次就应该返回true 并终止了 } //检查冲突 bool CSP_Queens::Qualify() { for (int i = 0; i < N; i++){ if (col[R[i]] != 1 || pdiag[GetP(i, R[i])] != 1 || cdiag[GetC(i, R[i])] != 1) { return false; } } return true; } void CSP_Queens::Print_result() { cout << "-------结果为:" << endl; cout << endl; for (int j = 0; j < N; j++) { for (int k = 0; k < N; k++) { if (R[j] == k) cout << "Q"; else cout << "+"; cout << " "; } cout << endl; } } //最终用户调用函数，numOfQueens为输入皇后数，PrintChessBoard判断是否输出棋盘表 示 int CSP_Queens::CSPAlgorithms(bool PrintChessBord) { srand((unsigned)time(NULL)); Init(); if (Qualify()) {//运气很好，初始化后就满足终止条件 Print_result(); return 0; } bool end = false; while (!end) { for (int i = 0; i < N; i++) { if (Adjust_row(i)) { end = true; break; } } } Print_result(); return 0; } //Source.cpp #include #include #include"CSPAlgorithms.h" using namespace std; int main(int argc, const char *argv[]) { bool end = false; while (!end) { cout << "-----------CSPAlgorithms---------" << endl; cout << "--------------请输入皇后数："; int N; cin >> N; int time1 = clock(); CSP_Queens myQueens(N); myQueens.CSPAlgorithms(end); int time2 = clock(); cout << "---"<< N << "皇后问题耗时："<< time2 - time1 << " ms"<< endl; char p; cout << "是否继续测试？(y/n):"; cin >> p; if (p == 'n')break; } return 0; } 计算机科学与技术学院 《人工智能》课程设计报告设计题目：动物识别系统 设计人员：学号： 学号： 学号： 学号： 学号： 学号： 指导教师： 2015年7月 目录 目录 (1) 摘要 (2) Abstract (2) 一、专家系统基本知识 (3) 1.1专家系统实际应用 (3) 1.2专家系统的开发 (3) 二、设计基本思路 (4) 2.1知识库 (4) ....................................................................................................... 错误!未定义书签。 2.1.2 知识库建立 (4) 2.1.3 知识库获取 (5) 2.2 数据库 (6) ....................................................................................................... 错误!未定义书签。 ....................................................................................................... 错误!未定义书签。 三、推理机构 (7) 3.1推理机介绍 (7) 3.1.1 推理机作用原理 (7) ....................................................................................................... 错误!未定义书签。 3.2 正向推理 (7) 3.2.1 正向推理基本思想 (7) 3.2.2 正向推理示意图 (8) 3.2.3 正向推理机所要具有功能 (8) 3.3反向推理 (8) ....................................................................................................... 错误!未定义书签。 3.3.2 反向推理示意图 (8) ....................................................................................................... 错误!未定义书签。 四、实例系统实现 (9) 人工智能试卷（B） 试题部分： 一、选择题（15小题，共15分） 1、97年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（A） A）深蓝B）IBM C）深思D）蓝天 2、下列不在人工智能系统的知识包含的4个要素中D A)事实B)规则C)控制和元知识D)关系 3、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘, 若σ是互补文字的（最一般）合一置换，则其归结式C=（A ） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 4、或图通常称为D A）框架网络B)语义图C)博亦图D)状态图 5、不属于人工智能的学派是B A)符号主义B)机会主义C)行为主义D)连接主义。 6、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是C A)明斯基B).扎德C)图林D)冯.诺依曼 7、要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（B ）。 A)专家系统B)机器学习C)神经网络D)模式识别 8、下列哪部分不是专家系统的组成部分（A） A.）用户B）综合数据库C）推理机D）知识库 9、产生式系统的推理不包括（D ） A）正向推理B）逆向推理C）双向推理D）简单推理 10、C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的B A)可信度B)信度C)信任增长度D)概率 11、AI的英文缩写是B A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 12、反演归结（消解）证明定理时，若当前归结式是（C）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 13、在公式中?y?xp(x,y))，存在量词是在全称量词的辖域内，我们允许所存在的x可能依赖于y值。令这种依赖关系明显地由函数所定义，它把每个y值映射到存在的那个x。这种函数叫做（B ） A. 依赖函数 B. Skolem函数 C. 决定函数 D. 多元函数 14、子句~P∨Q和P经过消解以后，得到（B ） A. P B. Q C. ~P D.P∨Q 人工智能实验报告大 全 人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034 目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5) 课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78) 人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00 实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题 四、源代码 #include 人工智能课程设计报告-罗马尼亚度假 问题 1 2 3 2020年5月29日 课 程 :人工智能课程设计报告 班 级: 姓 名: 学 号: 指导教师:赵曼 11月 人工智能课程设计报告 课程背景 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。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,能够设想,未来人工智能带来的科技产品,将会是人类智慧的”容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些一般需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种”复杂工作”的理解是不同的。 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三大尖端技术(基因工程、纳米科学、人工智能)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 - 1 - 2020年5月29日 《人工智能导论》课程研究总结题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日 本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。 IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。 一、选择题答案1、b 2、A 3、A 二、填空题答案 1、在修正的A算法中，fm的含义是到当前为止，扩展的节点中，f的最大值 2、对任意节点n，设m是n的子节点，当h满足条件h(n)-h(m) ≤ C(n, m), h(t) = 0时，称h是单调的。 三、问答题答案 第1题 答：当问题有解时，A*算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对A*算法加以改进，使用修正的A*算法进行搜索，则可以减少重复扩展节点问题。 第2题 答：回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索，而回溯搜索则不是图搜索。在回溯搜索中，只保留了从初始节点到当前节点的搜索路径。而深度优先搜索，则保留了所有的已经搜索过的路径。 第3题 答：化子句集如下： 归结树如下： 修改证明树： 得到问题的解答：R(h(f(g(c, a)))) 第4题 第5题 答：搜索图如图所示，其中括号内标出的是节点的f值，圆圈内的数字是扩展的次序。F(16) 得到的解路径为：S-B-F-J-T 第6题 答：如下的知识可以帮助求解该问题： （1）序列中，偶数在偶数位置，奇数在奇数位置； （2）第五个数为5。 综合数据库： 用一个1到9的序列表示：N = {x}，其中x为1到9的数字之一。规则集： r1: IF len(N)=4 THEN {x}∪{5} r2: IF len(N)为偶数and n=In(1, 3, 7, 9) THEN {x}∪{n} r3: IF len(N)为奇数and n=In(2, 4, 6, 8) THEN {x}∪{n} 其中len(N)为求序列的长度，In(a, b, c, d)为取a、b、c、d之一。初始状态：{} 结束条件：得到的序列N前i个数组成的整数能被i整除。 实验四有限状态机实验 实验报告 一、实验目的 通过蚂蚁世界实验掌握游戏中追有限状态机算法 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 1）制作菜单 设置参数：点击会弹出对话框，设置一些参数，红、黑蚂蚁的家会在地图上标记出来 运行：设置好参数后点击运行，毒药、食物、水会在地图上随机显示 下一步：2只红蚂蚁和2只黑蚂蚁会随机出现在地图上，窗口右方还会出现红、黑蚂蚁当前数量的统计 不断按下一步，有限状态机就会不断运行，使蚁群产生变化 2）添加加速键 资源视图中 下方 选择ID和键值 3）新建头文件def.h 在AntView.cpp中加入#include"def.h" 与本实验有关的数据大都是在这里定义的 int flag=0; #define kForage 1 #define kGoHome 2 #define kThirsty 3 #define kDead 4 #define kMaxEntities 200 class ai_Entity{ public: int type; int state; int row; int col; ai_Entity(); ~ai_Entity() {} void New (int theType,int theState,int theRow,int theCol); void Forage(); void GoHome(); void Thirsty(); void Dead(); }; ai_Entity entityList[kMaxEntities]; #define kRedAnt 1 #define kBlackAnt 2 一、填空： 1.人工智能的研究途径有（1）、（2）和行为模拟。 2.任意列举人工智能的四个应用性领域（3）、（4）、（5）、（6）。 3.人工智能的基本技术包括（7）、（8）、（9）归纳技术、联想技术。 4.谓词逻辑是一种表达能力很强的形式语言，其真值的特点和命题逻辑的区别是 （10）。 5.谓词逻辑中，重言式（tautlogy）的值是（11）。 6.设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（12）。 7.在著名的医疗专家系统MYCIN中规定，若证据A的可信度CF（A）=0，则意味 着13 ，CF（A）=-1，则意味着（14），CF（A）=1，则意味着（15）。 8.谓词公式G是不可满足的，当且仅当对所有的解释（16）。 9.谓词公式与其子句集的关系是（17）。 10.利用归结原理证明定理时，若得到的归结式为（18），则结论成立。 11.若C1=┐P∨Q，C2=P∨┐Q，则C1和C2的归结式R（C1，C2）= （19）。 12.若C1=P(x) ∨Q(x)，C2=┐P(a) ∨R(y)，则C1和C2的归结式R（C1，C2）= （20）。 13.有谓词公式G，置换δ，则G·ε= （21），δ·ε= （22）。 14.有子句集S=｛P(x),P(y)｝，其MGU= （23）。 15.在归结原理中，几种常见的归结策略并且具有完备性的是（24），（25），（26）。 16.状态图启发式搜索算法的特点是（27）。 17.广度优先搜索算法中，OPEN表的数据结构实际是一个（28），深度优先搜索算 法中，OPEN表的数据结构实际是一个（29）。 18.产生式系统有三部分组成（30），（31）和推理机。其中推理可分为（32）和 （33）。 19.专家系统的结构包含人机界面、（34），（35），（36），（37）和解 释模块。 人工智能课程设计报告 课班姓学程:人工智能课程设计报告级 : 名: 号: 指导教师:赵曼 2015年11月 人工智能课程设计报告 人工智能课程设计报告 课程背景 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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 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三大尖端技术（基因工程、纳米科学、人工智能）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。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 三子棋问题 一目的 运用所学课程的知识来研究、解决一些具有一定综合性问题的专业课题。通过课程设计提高学生综合运用所学知识来解决实际问题及进行科学实验或技术设计的初步能力。 二需求分析 1、该程序主要为设计简单的三子棋游戏； 2、三子棋问题即在3 * 3的二维数组上下棋，只要有棋子在行、列或对角线连成一线即取得胜利。 3、可实现玩家与电脑对弈。 三概要设计 1、主函数模块 int main() { do{ 开始新的对弈； }while(玩家选择停止游戏); return 0; } 2、调用函数模块 ①int chess(); /*函数功能：开始对弈 函数参数：无 函数返回值：return 0*/ { 初始化棋局； 选择玩家或电脑先行； do{ //开始下棋 输出当前棋局； if(该玩家走棋) { do{ 玩家输出走棋位置； 检查走棋位置的合法性； }while(玩家输入合法的位置); } else if(电脑走棋) { 调用函数使电脑走棋 } 判断是否有一方胜出； }while(有一方胜出或平局); printf("最终棋局：\n"); 输出最终棋局； if(平局) 输出平局; } ②int check(char *chess,char sign); /*函数功能：使用了指针，判断位置可行则走棋，不可行则返回值为1 函数参数：使用指针传递棋局，以及欲走棋的位置 函数返回值：0代表可以走棋，1代表不可走棋 */ { 判断走棋位置是否合法； 不合法则返回1； 否则返回0； } ③int judge(char *chess); /*函数功能：判断是否有胜出 函数参数：当前棋局 函数返回值：0代表未有胜出，1代表玩家胜出，2代表电脑胜出*/ { for(行检查) { if(某行三子连线) { if(连线棋子为‘O’) 玩家胜出； else 电脑胜出； } } for(列检查)//思想同上 if(对角三字连线检查)//思想同上 人工智能导论在线作业集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN] 答：决策树是一种数据挖掘分类算法、是直观运用概率分析的一种图解法、是一个预测模型。 基本方法： 决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图由左向右，由简到繁展开，组成一个树状网络图。 步骤： a.绘制决策树图。从左到右的顺序画决策树，此过程本身就是对决策问题的再分析过程。 b.按从右到左的顺序计算各方案的期望值，并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。 c.对比各方案的期望值的大小，进行剪枝优选。在舍去备选方案枝上，用“=”记号隔断。 2、什么是知识它有哪些特性列举至少六种知识表示方法 答：经过国内外学者的共同努力，目前已经有许多知识表示方法得到了深入的研究，目前使用较多的知识表示方法主要有：谓词逻辑表示法，产生式表示法、框架表示法、语义网络表示法、表示法、基于本体的知识表示法等。本文将介绍这些知识表示方法的特征和优缺点，进行一些分析和比较。 （1）词逻辑表示法。谓词逻辑表示法是指各种基于（ormalogic）知识表示方式，用逻辑公式描述对象、性质、状况和关系，例如“在轨道上”可以描述成：（npaceshiporbit）它是领域中使用最早和最广泛的知识表示方法之一。其根本目的在于把数学中的逻辑论证符号化，能够采用数学演绎的方式，证明一个新语句是从哪些已知正确的语句推导出来的，那么也就能够断定这个新语句也是正确的。 在这种方法中，识库可以看成一组逻辑公式的集合，识库的修改是增加或删除逻辑公式。使用逻辑法表示知识，将以描述的知识通过引入谓词、函数来加以形式描述，得有关的逻辑公式，而以机器内部代码表示。在逻辑法表示下可采用归结法或其它方法进行准确的推理。 人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034 目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5) 课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78) 人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00 实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题 四、源代码 #include 《人工智能导论》课程研究总结 题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日 本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。 X：输入数据。 T：输出数据。 Pi：初始化输入层条件。 Ai：初始化输出层条件。 net：训练好的网络。 tr：训练过程记录。 福州大学2014～2015学年第2学期考试A卷 课程名称人工智能导论考试日期2015-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。 4. 产生式系统由3个部分组成：一个总数据库、、。 5. ANN中文意义是。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是，则定理得证。 8. 子句和P经过消解以后，得到。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。 10. 语义网络下的推理是通过和实现的。 11. 被成为人工智能之父，曾提出一个机器智能的测试模型。 12. 谓词公式(?x)(?y)(?z)(P(x,y)∨Q(y,z)W(z))消去存在量词后，可以化为 。 13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个 变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 8. 在遗传算法中，变量x的定义域为 [-2，5]，要求其精度为10-6，现用二进制进行编码， 人工智能课程报告 题目： 深 度 优 先 算 法 班级：XXXXXXXXXXX 学号：XXXXXXXXXXX 姓名：XXXXXXXXXXX 【摘要】结合生活中解决搜索问题所常用的思考方法与解题方法，从深度优先探讨了提高程序效率的适用技巧。 【关键词】1搜索顺序；2搜索对象；3搜索优化； 一、深度优先搜索的优化技巧 我们在做事情的时候，经常遇到这类问题——给出约束条件，求一种满足约束条件的方案，这类问题我们叫它“约束满足”问题。对于约束满足问题，我们通常可以从搜索的顺序和搜索的对象入手，进而提高程序的效率。 二、搜索的顺序及对象： 在解决约束满足问题的时候，问题给出的约束条件越强，对于搜索就越有利。之所以深度优先搜索的效率在很大程度上优于穷举，就是因为它在搜索过程中很好的利用了题目中的约束条件进行优化，达到提高程序效率的目的。 显然，在同样的一棵搜索树中，越在接近根接点的位置利用约束条件优化效果就越好。如何在搜索中最大化的利用题目的约束条件为我们提供剪枝的依据，是提高深度优先搜索效率的一个很重要的地方。而不同的搜索顺序和搜索对象就直接影响到我们对于题目约束条件的运用。 三、搜索特点 1.由于深度搜索过程中有保留已扩展节点，则不致于重复构造不必要的子树系统。 2.深度优先搜索并不是以最快的方式搜索到解，因为若目标节点在第i层的某处，必须等到该节点左边所有子树系统搜索完毕之后，才会访问到该节点，因此，搜索效率还取决于目标节点在解答树中的位置。 3.由于要存储所有已被扩展节点，所以需要的内存空间往往比较大。 4.深度优先搜索所求得的是仅仅是目前第一条从起点至目标节点的树枝路径，而不是所有通向目标节点的树枝节点的路径中最短的路径。 5.适用范围：适用于求解一条从初始节点至目标节点的可能路径的试题。若要存储所有解答路径，可以再建立其它空间，用来存储每个已求得的解。若要求得最优解，必须记下达到目前目标的路径和相应的路程值，并与前面已记录的值进行比较，保留其中最优解，等全部搜索完成后，把保留的最优解输出。 四、算法数据结构描述 深度优先搜索时，最关键的是结点扩展（ＯＰＥＮ）表的生成，它是一个栈，用于存放目前搜索到待扩展的结点，当结点到达深度界限或结点不能再扩展时，栈顶结点出栈，放入CLOSE表（存放已扩展节点），继续生成新的结点入栈OPEN 表，直到搜索到目标结点或OPEN栈空为止。 具体算法如下： ①把起始结点S放到非扩展结点OPEN表中(后进先出的堆栈)，如果此结点为一目标结点，则得到一个解。 ②如果OPEN为一空表，则搜索失败退出。 ③取OPEN表最前面(栈顶)的结点，并把它放入CLOSED的扩展结点表中，并冠以顺序编号ｎ。 ④如果结点ｎ的深度等于最大深度，则转向２。 ⑤否则，扩展结点ｎ，产生其全部子结点，把它们放入OPEN表的前头(入栈)，并配上指向ｎ的返回指针；如果没有后裔，则转向２。 ⑥如果后继结点中有任一个为目标结点，则求得一个解，成功退出；否则，转向２。 信息科学与工程学院 智能科学与技术专业本科培养方案 一、培养目标 培养具备良好的科学素质，系统地掌握智能科学与技术的基本理论、基本知识和基本技能与方法，在智能科学与工程领域具有较强的知识获取能力、知识工程能力和创新创业能力的宽口径复合型高质量以及具有计算机、自动化、电子等交叉学科基础的人才，能在企业、事业、科研部门、教育单位和行政部门等单位从事智能系统、智能信息处理、智能行为决策等方面的科学研究、开发设计、工程应用、决策管理和教学等工作。 二、培养要求 本专业学生主要学习智能科学技术及相关信息科学技术的基础理论和专业知识。学生接受从事科学研究、工程技术开发、教学、管理及应用等方面所需要的基本训练，具备从事智能系统、智能信息处理、智能行为决策等方面研究、开发、应用及管理的综合能力。 毕业生应获得以下几个方面的知识和能力： 1、具有较扎实的自然科学基础，较好的人文社会科学基础和外语能力。 2、系统掌握本专业领域必需的科学技术基础理论知识，主要包括电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、数据库技术、网络工程等。 3、较好地掌握智能系统、智能信息处理等方面的专业知识，具有本专业领域1～2个方向的专业知识和技能，了解本专业学科的前沿和发展趋势，获得较好的工程实践训练，具有熟练的计算机应用能力。 4、具有本专业的科学研究、科技开发和组织决策管理能力，具有较强的工作适应能力。 5、能将智能技术与计算机技术、信息处理、控制技术有机结合应用于工程实践，具有创新意识和一定的创新能力。 三、主干学科 控制科学与控制工程、电气工程、计算机科学与技术 四、主要课程和特色课程 本专业主干课程主要包括：电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、Web程序设计、语音信号处理、决策支持技术、运筹学、虚拟现实与智能游戏、智能优化算法及其应用、生物特征识别等。 课程名称人工智能导论考试日期2007-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是符号主义，连接主义，行为主义、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。状态，操作符 4. 产生式系统由3个部分组成：一个总数据库、一套规则，一个控制策略 、。 5. ANN中文意义是人工神经元网络 。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， 将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差信号减至最小 ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是空子句 ，则定理得证。 8. 子句和P经过消解以后，得到 Q 。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。→W或L1∨L2→W，L为单文字 2006～2007学年第2学期考试A卷 13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个零均方差的高斯随机变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 实验报告 1.对CLIPS和其运行及推理机制进行介绍 CLIPS是一个基于前向推理语言，用标准C语言编写。它具有高移植性、高扩展性、 强大的知识表达能力和编程方式以及低成本等特点。 CLIPS由两部分组成：知识库、推理机。它的基本语法是： (defmodule< module-n ame >[< comme nt >]) CLIPS的基本结构： （1）.知识库由事实库（初始事实+初始对象实例）和规则库组成。 事实库： 表示已知的数据或信息，用deftemplat，deffact定义初始事实表FACTLIS，由关系名、后跟 零个或多个槽以及它们的相关值组成，其格式如下： 模板： （deftemplate 物理与电子工程学院 《人工智能》 课程设计报告 课题名称 专业 班级 学生姓名 学号 指导教师崔明月 成绩 2014年6月18日 题目 摘要： 关键词： 1.引言 正文 结论 参考文献：（文献10篇以上，参考下面的文献列写格式） [1]徐国华,谭民.移动机器人的发展现状及其趋势[J]. 机器人技术与应用, 2001(3):7~14. [2]H.F Durrant Whyte. Where am I? A tutorial on mobile vehicle localization. Industrial Robot, 1994, 21(2):11~16. [3]彭文刚,彭宝林,柳胜.移动机器人导航系统的研究现状与发展趋势[J]. 机电信 息, 2009(36):69~70. [4]高峰, 黄玉美, 林义忠等.自主移动机器人的模糊导航[J]. 西安理工大学 报,2005,21(4):337~341. 一、报告内容： 就下面的一方面或几方面的内容写一篇报告综述，包括目的、意义，基本概念、定义，主要的控制方法以及结果分析等，最后给出小节及自己的学习心得，要有图表，严禁抄袭，如若发现本课程按零分计！ 1.模糊控制系统设计 2.神经网络控制系统 3.遗传算法在系统辨识、控制中的应用 4.模糊控制综述 5.神经网络控制综述 注：题目自拟，也可以自选题目。 二、格式与字体要求： 正文开头的每段开头空2个字符，正文小四号字，22磅行距。大小标题加黑，标题后空一行，一级标题三号字，二级标题四号字，三级标题小四号字（不按格式要求做扣分处理）。 封面见前面示例，单面打印。人工智能课程设计报告--动物识别系统
《人工智能导论》试卷B
人工智能实验报告大全
人工智能课程设计报告-罗马尼亚度假问题
《人工智能导论》课程研究总结
人工智能导论试卷一答案 (上海交大)
游戏人工智能实验报告四
《人工智能导论》试卷
人工智能课程设计报告-n皇后问题解读
三子棋c代码
人工智能导论在线作业
人工智能实验报告大全
《人工智能导论》课程研究总结
福州大学《人工智能导论》试卷
人工智能深度优先算法课程设计报告
智能科学与技术专业培养方案及教学计划10级
人工智能导论试卷 (2)
人工智能实验报告
人工智能课程报告封面
相关主题
文本预览