概要
人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此时此刻可能是下一个AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，这个变化的原因有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。
这个AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。虽然深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的Alexa 和Google 的图像识别，但是AI 不仅仅是「科技技术」（tech for tech），也就是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。
例如，在医疗保健中，图像识别技术可以提高癌症诊断的准确性。在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量。在制药业中，深度学习可以用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开辟新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发现其可被利用场景的早期阶段，这些必要的技术会通过基于
云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中创造新的赢家和输家。
AI 的广泛应用让我们得出了一个结论：它是一种可以变革全球经济的技术，是提高生产力并结束美国生产率停滞增长的驱动力。结合GS 首席经济学家Jan Hatzius 的研究，我们明确了资本深化目前的停滞及其对美国生产率的相关
影响。我们相信，AI 技术将会驱动生产力的提高，就像20 世纪90 年代那样，驱动企业投资更多的资本和劳动密集型项目，加快发展的脚步，提高盈利能力以及提高股票的估值。
启示
虽然我们看到了人工智能可以及时地影响到每个公司、行业和一部分经济，但对投资者而言，我们认为这其中有四个影响最为显著。
生产率。AI 和机器学习具有激发生产率增长周期的潜力，这会有利于经济的增长，提升企业的盈利能力，资本回报率和资产估值。根据GS 首席经济学家Jan Hatzius 所说：「大体上而言，AI 看起来似乎比上一次创新浪潮更有可能在统计数据中捕捉到更有价值的东西，人工智能可以降低成本，减少对高附加值生产类型的劳动投入。举个例子，这些在商
业部门成本节约上的创新可能比在iPhone 中增加应用程
序的可用性和多用性更利于统计学家去捕获有价值的东西。考虑人工智能对商业部门的成本结构的广泛影响，我有理由相信它会被统计学家接受，并且会出现在整体生产力数据中。
尖端技术。AI 和机器学习在速度上的价值有利于构建一种在建设数据中心和网络服务时让硬件更便宜的趋势。我们认为这可能推动硬件，软件和服务支出的市场份额的大幅度改变。例如，在「标准」数据中心计算资源上运行的AWS 工作负载的成本低至$ 0.0065 /小时，而在使用AI 优化过的GPU 上运行的成本为0.900 美元一小时。
竞争优势。我们看到了AI 和机器学习具有重新调整每个行业的竞争秩序的潜力。未能投资和利用这些技术的管理团队在和受益于战略智能的企业竞争时，有很大可能会被淘汰掉，因为这些技术可以让企业的生产力提高，并为它们创造资本效益。在第41 页开始的短文中，我们将研究这些竞争优势是如何在医疗保健、能源、零售、金融和农业等领域发展起来的。
创办新公司。我们发现了150 多家在过去十年中创建
的人工智能和机器学习公司（附录69-75）。虽然我们相信人工智能的大部分价值都掌握在具有资源、数据和投资能力
的大公司手中，但我们也期望风险投资家、企业家和技术专家可以继续推动新公司的创立，从而促进实质性的创新和价值创造，即使最后创业公司会被收购。当然我们也不能忽视人工智能巨头（人工智能领域的谷歌或Facebook）的出现。
在接下来的篇幅中，我们将深入探讨AI 的技术，历史，机器学习的生态系统以及这些技术在行业和领头公司中的
应用。
什么是人工智能？
人工智能是做出能够以人类智能的方式学习并解决问
题的智能机器和计算机程序的理工科。传统而言，该领域包括自然语言处理与翻译、视觉感知与模式识别，以及决策制定。但该领域以及应用的复杂度都在急剧扩展。
在此报告中，我们的大部分分析集中在机器学习（人工智能的一个分支）与深度学习（机器学习的分支）上。我们强调两点：
简言之，机器学习是从样本和经验（即数据集）中进行学习的算法，而不是依靠硬编码和预先定义的规则。换言之，也就是开发者不再告诉程序如何区分苹果和橘子，而是向算法输入数据（训练），然后自己学习如何区分苹果和橘子。
深度学习的重大发展是人工智能拐点背后的主要驱动。深度学习是机器学习的一个子集。在大部分传统的机器学习方法中，特征（即有预测性的输入或属性）由人来设计。特征工程是一大瓶颈，需要大量的专业知识。在无监督学习中，重要特征并非由人预定义，而是由算法学习并创造。
为了更加明了，我们不注重真人工智能、强人工智能或通用人工智能这样的概念，它们意味着复制人类智能，也经常出现在流行文化中。虽然已经有了一些有潜力的突破，比如谷歌DeepMind 的AlphaGo 系统，我们还是更注重立即有实在经济的人工智能发展。
为何人工智能发展加速？
深度学习能力的极大发展是如今人工智能拐点背后的
催化剂之一。深度学习的底层技术框架——神经网络，已经存在了数十年，但过去 5 到10 年的 3 种东西改变了深度学习：
1.数据。随着全球设备、机器和系统的连接，大量
的无结构数据被创造出来。神经网络有了更多的数据，就变得更为有效，也就是说随着数据量增加，机器学习
能够解决的问题也增加。手机、IoT 、低成本数据存储
和处理（云）技术的成熟使得可用数据集的大小、结构都有了极大增长。
例如，特斯拉收集了780mn 英里的驾驶数据，而且通过他们的互连汽车，每10 小时就能增加100 万英里的数据。此外，Jasper 有一个平台，能让多家汽车制造商和电信公司进行机器间的交流，这家公司于今年 2 月份被Cisco 收购。Verizon 在8 月份做了类似的投资，宣布收购Fleetmatics，Fleetmatics 做的是将汽车上的远程传感器通过无线网络连接到云软件。
未来，5G 网络的上线将会加速数据生成与传输的速率。据IDC 的Digital Universe Report 显示，年度数据生成预期到2020 年达到44zettabytes，表明我们正在见证应用这些技术的使用案例。
图1：年度数据生成预期到2020 年达到44zettabytes
2. 更快的硬件。GPU 的再次使用、低成本计算能力的普遍化，特别是通过云服务，以及建立新的神经网络模型，已经极大的增加了神经网络产生结果的速度与准确率。GPU 和并行架构要比传统的基于数据中心架构的CPU 能更快
的训练机器学习系统。通过使用图像芯片，网络能更快的迭代，能在短期内进行更准确的训练。同时，特制硅的发展，比如微软和百度使用的FPGA，能够用训练出的深度学习系统做更快的推断。另外，从1993 年开始超级计算机的原计算能力有了极大发展（图2）。在2016 年，单张英伟达游戏显卡就有了类似于2002 年之前最强大的超级计算机拥
有的计算能力。
图2：全球超级计算机的原计算性能，以GFLOPs 测
试
成本也有了极大的降低。英伟达GPU（GTX 1080）有9 TFLOPS 的性能，只要700 美元，意味着每GFLOPS 只要8 美分。在1961 年，串够IBM 1620s 每提供 1 GFLOPS 需要的钱超过9 万亿。
图3：每单位计算的价格有了极大下降
3. 更好、更普遍可用的算法。更好的输入（计算和数据）使得更多的研发是面向算法，从而支持深度学习的使用。例如伯克利的Caffe、谷歌的TensorFlow 和Torch 这样的开源框架。比如，刚开源一周年的TensorFlow，成为了GitHub 上有最多forked repositories 的框架。虽然不是所
有的人工智能发生于普遍可用的开源框架中，但开源确实在加速发展，而且也有更多先进的工具正在开源。
方向
虽然本报告的重点是人工智能的发展方向以及公司如
何把握这个方向，但是了解人工智能对我们生活的影响程度也是很重要的。
在线搜索。就在一年多以前，谷歌透露，它们已经开始将大量的搜索工作移植到了RankBrain（一个人工智能系统），使其和链接（links）以及内容（content）成为了谷歌搜索算法的三个最重要的标志。
推荐引擎。Netflix，亚马逊和Pandora 都在使用人工智能来确定推荐什么样的电影和歌曲，突出哪些产品。5 月，亚马逊开源了它们的深度可扩展稀疏传感网络引擎（the Deep Scalable Sparse Tensor Network Engine（DSSTNE），简称「Destiny」），它被用于产品推荐，同时可以被扩展以实现超越语言和语言理解以及异议识别的目的。
人脸识别。Google（FaceNet）和Facebook（DeepFace）都投入了大量的技术来确定您的照片中的人脸和真实的人
脸是不是几乎完全吻合。1 月，苹果采取了进一步措施，购买了Emotient（一个致力于通过读取人的面部表情来确定其
情绪状态的AI 创业公司）显然，这些技术远远不止于对照片进行标记。
虽然个人助理应用产品有无数的用户，比如苹果的Siri，信用贷，保险风险评估，甚至天气预测。在接下来的篇幅中，我们探讨企业该如何使用这些技术来加速增长，降低成本和控制风险。从这些技术及其使用这些技术的应用的发展速度来看，它们充其量不过可以为公司和投资者提供一些方向，以保持他们的竞争力。
加强未来的生产率
美国的劳动生产率在90 年代中期的快速增长和过去
十年的缓慢增长和之后，近年来已经停止增长了。我们认为，就像20 世纪90 年代互联网技术被广泛采用那样，消费类机器学习和人工智能的扩散有可能大幅度地改变全球产业
的生产范式。
在整个行业中，我们发现在自动化的促使下，劳动时间减少了约0.5％-1.5％，同时，由于AI / ML 技术带来的效率增益，到2025 年，这些技术将对生产力增长产生高达51-1154 个基点（bps）的影响。虽然我们期望AI / ML 可以随着时间同时提高生产率的分母和分子，不过我们认为最重要的是，早期的影响将是低工资任务的自动化，即以更少
的劳动时间推动类似的产出增长水平。我们的基本案例AI / ML 驱动提高了97 个基点，这意味着2025 年的增长生产率中的 1.61％将由IT 贡献，比1995 - 2004 年高出11 个基点（图9,10）。
图9：生产力分析；单位百万美元，假设2019 年之后
GDP 线性增长
生态系统：云服务，开源在未来的AI 投资周期中的关键受益人
我们相信，在未来的几年中，一个公司利用人工智能技术的能力将成为体现公司在所有主要行业竞争力的一个属性。虽然战略会因公司规模和行业而有所不同，但如果管理团队不会把重心放在领导人工智能和在此基础上的利益上，那么未来产品创新、劳动效率和资本杠杆都会存在落后的风险。因此，我们认为公司需要投资这些新技术以保持竞争力，同时这将导致对人工智能所以依赖的人才、服务和硬件的空前的需求。
作为比较，20 世纪90 年代技术驱动的生产力繁荣推动了相应的激增。增加对技术的资本支出导致了新的企业和
业务的增加来捕获这些资本支出。在不可避免的行业整合发生之前，成立软件、硬件和网络公司开始发生转变。下图13 突出了软件行业内的这种模式。在1995 - 1999 年期间，在通货膨胀调整后，市值在20 亿美元到50 亿美元之间的公共软件公司的数量几乎增加了两倍，在2000 年代中期才得到巩固。
图13：伴随20 世纪90 年代生产力激增的驱动者生
态系统（enabler ecosystem）
图14：这十年来，投资人工智能的风险资本出现了暴
增
我们看到了由AI 驱动的生产率具有产生下一个相似的繁荣周期的潜力，可以通过利用这些潜力，把软件、硬件、数据和服务提供商作为商业投资来创造价值。如上图14 所反映的那样，与AI 相关的初创企业的风险投资在这十年中急剧增加。AI 企业投资的繁荣现象的巨大潜力也开始推动整合。尤其是云平台对AI 相关人才进行了大量投入，自2014 年以来，谷歌、亚马逊、微软和Salesforce 共进行了17 项与AI 相关的收购（下图）。
在上下文中对AI 和ML 技术的发展和历史技术周期的比较中，我们看到了前者的一些益处。与过去50 年的其他主要技术的周期一样，计算（和摩尔定律）一直是进步的抑制剂和推动者。
例如，在系统架构方面，我们目睹了从大型机系统转变为客户端-服务器模型的整个过程，并且近年来已经开始被云/移动模式所取代。这种进化的驱动因素是计算能力、存储容量和带宽的改进。每个转换都伴随着应用开发的转变，包括各种新编程语言的出现和演变（见图表15）和各种可能的应用程序各种的类型。如上下文中所提及的一样，AI 这个概念已经存在几十年了，其中神经网络的概念出现在20 世纪
60 年代，虽然直到最近几年，计算能力才开始让神经网络
能在实际环境中使用。
我们相信我们正处于AI 平台的早期阶段，就如同20 世纪50 年代大型机才开始商业化到21 世纪的智能手机
和云的商业化。随着平台曲线的变化（我们认为它正在发生），应用程序、工具和服务驱动者（enabler）会爆炸式增长，我们将在下面更详细地讨论。
图15：人工智能的发展可以与历史上的系统架构和编
程语言的采用的技术革命相比，尽管我们认为我们目前仍然处在人工智能发展和应用的早期阶段
stack 的演变过程以及和AI 之间的对应关系
蓝色=专有供应商，橙色=开源，绿色=云服务（注意：一些供应商，如IBM 和Microsoft 都是专有服务和云服务）
图17：生产中的机器学习：如何在机器学习管道中利
用各种开源和云技术
图18：机器学习管道中的关键开源项目。可用的项目\
支持公司和风险投资
图表20：人工智能即服务（AI-as-a-Service（AI-aaS））概览：机器学习API 正在被开发以解决水平和垂直使用案
例
游戏人工智能实验报告记录四
————————————————————————————————作者：————————————————————————————————日期：
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();
概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。
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
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
手机行业地产业分析 产业分析是指企业对特定行业地市场结构和市场行为进行调查与分析，为企业制定科学有效地战略规划提供依据地活动.一个行业地特征和背景对企业制定和采取何种经营战略具有重要地影响作用，所以它常常是企业在制定企业经营战略时最要考虑地方法. 年，国际金融危机影响渐渐消散，随着中国经济地快速发展，带动了居民收入地提高和消费地扩大.目前，中国是世界上第一大手机市场，所以手机是很有市场前景地，手机已经成为了人们地必须地生活工具，人们生活水平地提高，体现在物质地提高，享受生活，为手机市场发展提供了良好地契机. 一、产业定位分析 （一）产业趋势 （）销量.近年来中国手机市场销量持续增长，但环比增长率低于预期.自年第三季度以来中国手机市场销量环比增长率连续三个季度呈下降走势，整体来看，中国手机市场处于销量增长、但增速放缓地阶段.同时发展势头非常良好地中国本土品牌都在积极地联合运营商从多方面争抢日益发展起来地智能手机市场份额.年华为、中兴、联想、酷派四大本土品牌在以运营商主导市场崛起，占据了中国千元智能手机地绝大多数市场份额.年中国华为、中兴、联想、酷派将更加发力，年销量都将在几千万台以上. （）性能.随着移动互联网覆盖范围地不断扩大，能够为用户带来全新上网、阅读、应用体验地大屏幕、高分辨率、高像素手机，尤其是智能、手机，成为消费者地新宠，用户关注比例持续攀升.统计数据显示，年中国手机市场上，英寸以上大屏手机用户关注度累计达到，且呈现出继续扩大之势.另外，年，万及以上高像素手机地用户关注度更是已经高达，手机摄像头像素正在向万级迈进. （二）产业特点 手机产品同时具有功能特性和时尚特性.两重特性决定了手机产品地多样性.
手机行业发展分析报告 经贸112班 刘强、邵安琪、尹晓晗 手机，移动电话，较广范围内可以使用的便携式电话终端。中国的手机行业从上个世纪九十年代发展的现状呈现出“外资品牌占主导，民族品牌略微弱势”的特点。 一、我国手机行业发展概况 1983年，10月13日，世界上第一台手机在美国诞生。1987年，第一台手机进入中国。1999年，第一台全中文手机诞生。 手机最早来自美国的IT老大-摩托罗拉 1.1市场定义 手机是普遍使用的便携式电话终端，现在全球范围内使用最广的第二代手机，数字制式的。 在现在市场中，多分为智能手机和非智能手机。一般智能手机的性能比非智能手机好，智能手机的主频较高，运行速度快，但是非智能手机比智能手机稳定。 1.2市场概述 近二十年来,手机行业技术发展迅速,市场急剧扩张。随着手机市场需求的平稳增长，全球手机行业年出货量也是递增的，并且这种快速增长趋势有望保持到2012年。
由图得，09-11年，全球手机市场出货量呈增长趋势，增长率较高，预测，12-14年，增长率有所下降，但出货量仍然很庞大，仍然呈现增长趋势。 1.3我国手机行业发展历程 目前我国手机产业在市场快速发展的依托下，继续保持了高速增长的发展势头。不仅独资、合资企业继续保持较好的市场业绩，国产品牌手机也取得了群体性突破，打破了长期以来外资企业垄断国内市场的局面，成为国民经济新的增长点。同时，国内品牌手机原有竞争优势正在逐渐丧失，增长乏力。渠道、价格和熟悉本土市场情况等原有竞争优势日渐弱化后，资本、技术等方面的缺陷就成为制约我国国内品牌手机企业进一步发展的主要因素，主要表现在产业扩张太快、新款手机上市速度较慢、产品质量问题较多、企业利润下降甚至亏损等。 1.4我国手机行业销售状况
计算机科学与技术1341901301 陈敏 实验一：知识表示方法 一、实验目的 状态空间表示法是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验通过牧师与野人渡河的问题，强化学生对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。 二、问题描述 有n个牧师和n个野人准备渡河，但只有一条能容纳c个人的小船，为了防止野人侵犯牧师，要求无论在何处，牧师的人数不得少于野人的人数(除非牧师人数为0)，且假定野人与牧师都会划船，试设计一个算法，确定他们能否渡过河去，若能，则给出小船来回次数最少的最佳方案。 三、基本要求 输入：牧师人数(即野人人数)：n；小船一次最多载人量：c。 输出：若问题无解，则显示Failed，否则，显示Successed输出一组最佳方案。用三元 组(X 1, X 2 , X 3 )表示渡河过程中的状态。并用箭头连接相邻状态以表示迁移过程：初始状态-> 中间状态->目标状态。 例：当输入n=2，c=2时，输出：221->110->211->010->021->000 其中：X 1表示起始岸上的牧师人数；X 2 表示起始岸上的野人人数；X 3 表示小船现在位置(1表 示起始岸，0表示目的岸)。 要求：写出算法的设计思想和源程序，并以图形用户界面实现人机交互，进行输入和输出结果，如： Please input n: 2 Please input c: 2 Successed or Failed?: Successed Optimal Procedure: 221->110->211->010->021->000 四、算法描述
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
2020年手机产业分析 报告 2020年2月
目录 一、寻找黑夜中星光：换机与品牌 (5) 二、多摄渗透加速，TOF与潜望式镜头未来可期 (8) 1、技术延伸，5G时代也是多摄时代 (8) 2、双摄时代，人像模式 (9) 3、三摄时代，开启长焦模式 (10) 4、四摄时代，暂以TOF为标杆，潜望式长焦亦是看点 (11) 5、从高到中，从后到前，从安卓到苹果，多摄加速渗透 (12) 三、高画质需要多种要素，传感器与镜头值得关注 (15) 1、像素一高再高，高像素不等于高画质 (15) 2、CIS头部企业加速扩产，有望带动上下游产业 (17) 3、玻塑混合镜片有望成为新趋势 (21) 四、3D Sensing之TOF，开启未来AR/VR之路 (24) 1、3D Sensing多种方案，TOF脱颖而出 (24) （1）结构光 (24) （2）ToF (25) （3）双目立体视觉 (26) 2、TOF不仅为了拍照，更是为了未来应用 (28) 3、3D Sensing市场景气上扬 (29) 3、3D Sensing核心部件：VCSEL (30) 五、极致的全面屏方案：屏下摄像技术 (31) 六、相关企业 (34)
1、CIS供应商 (36) 2、镜头 (36) 3、红外截至滤光片 (36) 4、摄像头模组 (36) 5、晶圆体封装 (36) 6、ToF镜头 (37) 七、主要风险 (37) 1、原材料等价格上涨 (37) 2、宏观经济环境变化 (37)
多摄渗透加速，TOF与潜望式镜头未来可期。2019年，虽然手机市场表现疲软，但是5G带来的换机潮已经开始进行。同时头部手机厂商的市场份额也得到了进一步的增加，头部手机厂商在市场的影响力继续增强。 手机市场的疲弱并未影响到手机多摄渗透的快速进行，手机摄像头模组不断出货量同比上升。预计在头部手机厂商的带动下，手机多摄的渗透率会进一步加强，手机摄像头模组市场维持景气，手机摄像头模组内部的零部件也会同样受益。 高画质需要多种要素，传感器与镜头值得关注。虽然高像素成为手机厂商宣传销售的产品的一大特点，但是高像素不等于高画质。影响画质的其中两个要素是传感器与镜头。虽然高像素不等于高画质，但是能实现高像素的摄像头却已经从高端机型渗透到中端机型。由于下游消费电子需求日益旺盛，导致面对多摄加速渗透的行业形势，CIS供应出现紧张，CIS供应商正在扩产。镜头是实现高画质的另一要素。目前手机镜头主要用的是塑料镜片。面对手机轻薄化、手机零部件成本增加、塑料镜片热稳性较低等一系列问题，在长焦镜头成为高端、中高端手机必备要素的今天，玻塑混合镜片已经成为了解决上述问题的一大方案。 3D Sensing之TOF，开启未来AR/VR之路。在多摄渗透的过程中，ToF镜头也走进了消费者中。ToF作为3D Sensing中的其中一种方案，由于其测量距离长，成本低，功耗不高的等优势，已经被多个手机品牌在获得被使用。目前ToF被使用最多的是在拍照与解锁方面。然而，
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
（二零一二年十二月） 2020-2025年中国人工智能行业市场突围战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……
报告目录 第一章企业市场突围战略概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节研究企业市场突围战略的意义 (9) 第二章市场调研：2019-2020年中国人工智能行业市场深度调研 (10) 第一节人工智能走向产业应用 (10) 一、人工智能行业图谱 (10) 二、人工智能的商业模式 (12) 第二节人工智能助力企业数字化转型 (13) 一、人工智能价值创造的三个层次 (13) 二、人工智能助力企业业务智能化 (14) 第三节2019-2020年人工智能行业发展情况分析 (15) 一、美国规定10项AI监管原则 (16) 二、发展人工智能各国争先 (16) 三、人工智能以人为本 (18) 四、2019年人工智能发展的热点透视 (18) 五、人工智能将在回归理性中走向新的飞跃 (23) 第四节2020年人工智能行业发展展望 (25) 一、2020年形势的基本判断 (26) （一）从产业链建设看 (26) （二）从政策推动来看 (26) （三）从投融资情况看 (26) （四）从外部形势看 (27) 二、2020年新一代人工智能将围绕五大方向持续攻关 (27) 三、需要关注的几个问题 (28) （一）我国人工智能领域的基础创新投入严重不足 (28) （二）我国人工智能产业的算力算法核心基础相对薄弱 (28) （三）以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响 (29) 四、应采取的对策建议 (29) （一）以算力为核心加强人工智能基础能力建设 (29) （二）体系化梳理我国人工智能产业供应链现状 (29) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力 (29) （四）在国际社会上提出发展“负责任的人工智能” (29) 第五节全球主要经济体人工智能发展战略 (30) 一、美国：政府高度重视，旨在继续“全面领先” (30) 二、欧盟：伦理价值观引领，协同合作推进战略 (32) 三、英国：积极推动产业创新发展 (33) 四、德国：借势工业4.0打造国家品牌 (34) 五、日本：以人工智能构建“超智能社会” (35)
人工智能实验报告 学号： 姓名： 实验名称：遗传算法 实验日期：2016.1.5
【实验名称】遗传算法 【实验目的】 掌握遗传算法的基本原理，熟悉遗传算法的运行机制，学会用遗传算法来求解问题。 【实验原理】 遗传算法（ Genetic Algorithm ）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化， 如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来 越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学 的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。 遗传算法程度流程图为：
【实验名称】遗传算法 【实验目的】 掌握遗传算法的基本原理，熟悉遗传算法的运行机制，学会用遗传算法来求解问题。 【实验原理】 遗传算法（ Genetic Algorithm ）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化， 如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来 越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学 的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。 遗传算法程度流程图为：
理工大学信息工程与自动化学院学生实验报告 （ 2013 — 2014 学年第 1 学期） 课程名称：人工智能开课实验室：信自楼445 2013 年12月 20日 一、上机目的及容 1.上机容 用确定性推理算法求解教材65-66页介绍的八数码难题。 2.上机目的 （1）复习程序设计和数据结构课程的相关知识，实现课程间的平滑过渡； （2）掌握并实现在小规模状态空间中进行图搜索的方法； （3）理解并掌握图搜索的技术要点。 二、实验原理及基本技术路线图（方框原理图或程序流程图） （1）设计并实现程序，求解出正确的解答路径； （2）对所设计的算法采用大O符号进行时间复杂性和空间复杂性分析； （3）对一般图搜索的技术要点和技术难点进行评述性分析。 三、所用仪器、材料（设备名称、型号、规格等或使用软件） 1台PC及VISUAL C++6.0软件 四、实验方法、步骤（或：程序代码或操作过程）
建立工程后建立5个source Files文件分别为 1.AttributeValue.cpp #include "AttributeValue.h" #include "base.h" AttributeValue::AttributeValue(std::string const& instring) : m_value(instring) { } bool AttributeValue::GetType() { if (m_value == "P") { return true; } else if (m_value == "N") { return false; } else { throw DataErrException(); } } 2.basefun.cpp #include
人工智能课程项目报告 姓名： 班级：二班
一、实验背景 在新的时代背景下，人工智能这一重要的计算机学科分支，焕发出了他强大的生命力。不仅仅为了完成课程设计，作为计算机专业的学生， 了解他，学习他我认为都是很有必要的。 二、实验目的 识别手写字体0~9 三、实验原理 用K-最近邻算法对数据进行分类。逻辑回归算法（仅分类0和1）四、实验内容 使用knn算法： 1.创建一个1024列矩阵载入训练集每一行存一个训练集 2. 把测试集中的一个文件转化为一个1024列的矩阵。 3.使用knnClassify（）进行测试 4.依据k的值，得出结果 使用逻辑回归： 1.创建一个1024列矩阵载入训练集每一行存一个训练集 2. 把测试集中的一个文件转化为一个1024列的矩阵。 3. 使用上式求参数。步长0.07，迭代10次 4.使用参数以及逻辑回归函数对测试数据处理，根据结果判断测试数 据类型。 五、实验结果与分析 5.1 实验环境与工具 Window7旗舰版+ python2.7.10 + numpy（库）+ notepad++（编辑）
Python这一语言的发展是非常迅速的，既然他支持在window下运行就不必去搞虚拟机。 5.2 实验数据集与参数设置 Knn算法： 训练数据1934个，测试数据有946个。
数据包括数字0-9的手写体。每个数字大约有200个样本。 每个样本保持在一个txt文件中。手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下图所 示 建立一个kNN.py脚本文件，文件里面包含三个函数，一个用来生成将每个样本的txt文件转换为对应的一个向量：img2vector(filename):，一个用 来加载整个数据库loadDataSet():，最后就是实现测试。
2015年上半年手机发展趋势 分析报告 院系：信息科学与技术学院 组长：陈斌13351002 组员： 杨凯13351058 孙云起13349102 董涛13351009 王子瑞13348097 温卓锐13348098 陈俊达13349007 陈远杰13349014 吴君豪13348103 2015年9月
目录 一、我国手机行业发展概况 (3) 1.1市场定义 (3) 1.2市场概述 (3) 1.3我国手机行业发展历程 (4) 1.4我国手机行业销售状况 (4) 二、手机行业生产特点 (5) 2.1生产规模扩大，市场竞争更激烈 (5) 2.2手机电脑化，行业网络化 (5) 2.3产品类别增多，差异度有限 (5) 2.4市场结构呈现四大模块 (6) 2.5产品同质化 (6) 2.6市场进入壁垒低 (6) 2.7产品更新频率加快 (6) 三、手机行业销售策略研究 (7) 3.1 差异化战略 (7) 3.2目标集聚战略 (7) 3.3战略同盟 (7) 四、手机行业消费分析 (8) 4.1需求 (8) 4.2偏好 (8) 4.3外部信息刺激 (13) 五、行业发展趋势预测 (13) 1.供应商的讨价还价能力（suppliers bargaining power） (14) 2.购买者的讨价还价能力(buyer bargaining power) (14) 3.新进入者的威胁(potential new entrants) (15) 4.替代品的威胁( Threat substitute product) (15) 5.行业内现有竞争者的竞争(The rivalry among competing sellers) (15) 六、敢问路在何方--我国手机产业出路何在？ (16) 1.优势（strengths） (16) 2.劣势（weaknesses） (16) 3.机会（opportunities） (16) 4.威胁（threats） (17)
标准文档 《人工智能》课外实践报告 项目名称：剪枝法五子棋 所在班级： 2013级软件工程一班 小组成员：李晓宁、白明辉、刘小晶、袁成飞、程小兰、李喜林 指导教师：薛笑荣 起止时间： 2016-5-10——2016-6-18
项目基本信息项目名称五子棋 项目简介 智力小游戏作为人们日常休闲娱乐的工具已经深入人们的生活，五子棋更成为了智力游戏的经典，它是基于AI的αβ剪枝法和极小极大值算法实现的人工智能游戏，让人们能和计算机进行对弈。这个项目我们实现了当人点击“开始”按钮时，开始下棋，当人的棋子落时，计算机会根据算法进行最佳路径计算，然后落子下棋。任何一方赢了都会弹出哪方赢了。然后单击重新开始。 任务分工李晓宁 130904021 白明辉 130904001：负责界面实现和估值函数设计文档整理 刘小晶 130904032 袁成飞 130904051：负责极小极大值算法的设计与实现 李喜林 130904019 程小兰 130904004：负责αβ剪枝法的设计与实现 一、系统分析 1.1背景
1.1.1 设计背景 智力小游戏作为人们日常休闲娱乐的工具已经深入人们的生活，五子棋更成为了智力游戏的经典，它是基于AI的αβ剪枝法和极小极大值算法实现的人工智能游戏，让人们能和计算机进行对弈。能使人们在与电脑进行对弈的过程中学习五子棋，陶冶情操。并且推进人们对AI的关注和兴趣。 1.1.2可行性分析 通过研究，本游戏的可行性有以下三方面作保障 （1）技术可行性 本游戏采用Windows xp等等系统作为操作平台，使用人工智能进行算法设计，利用剪枝法进行编写，大大减少了内存容量，而且不用使用数据库，便可操作，方便可行，因此在技术上是可行的。 （2）经济可行性 开发软件：SublimText （3）操作可行性 该游戏运行所需配置低、用户操作界面友好，具有较强的操作可行性。 1.2数据需求 五子棋需要设计如下的数据字段和数据表： 1.2.1 估值函数：
人工智能行业研究报告 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的运算机，到运算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了庞大的阻碍。尽管现在此刻可能是下一个AI 冬季（图8）到来之前的「给予承诺又让人败兴」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的运算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使运算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的Alexa 和Google 的图像识别，然而AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情形下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识别技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开创新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于
《一人工智能方向实习一》 实习报告 专业：计算机科学与技术 班级：12419013 学号: 姓名: 江苏科技大学计算机学院 2016年3月
实验一数据聚类分析 一、实验目的 编程实现数据聚类的算法。 二、实验内容 k-means聚类算法。 三、实验原理方法和手段 k-means算法接受参数k ;然后将事先输入的 n个数据对象划分为 k个聚类以便使得 所获得的聚类满足：同一聚类中的对象相似度较高 四、实验条件 Matlab2014b 五、实验步骤 (1)初始化k个聚类中心。 (2)计算数据集各数据到中心的距离，选取到中心距离最短的为该数据所属类别。 (3)计算(2)分类后，k个类别的中心(即求聚类平均距离) (4)继续执行(2)(3)直到k个聚类中心不再变化(或者数据集所属类别不再变化) 六、实验代码 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % mai n.m % k-mea ns algorithm % @author matcloud %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear; close all ; load fisheriris ; X = [meas(:,3) meas(:,4)]; figure; plot(X(:,1),X(:,2), 'ko' ,'MarkerSize' ,4); title( 'fisheriris dataset' , 'FontSize' ,18, 'Color' , 'red'); [idx,ctrs] = kmea ns(X,3); figure; subplot(1,2,1); plot(X(idx==1,1),X(idx==1,2), 'ro' , 'MarkerSize' ,4); hold on;
人工智能 九宫格重移——搜索 成员：赵春杰 2009210665 羊森 2009210653 黄鑫 2009210 周成兵 2009210664 王素娟 2009210644
1.问题描述： 八数码问题也称为九宫问题。在3×3的棋盘，摆有八个棋子，每个棋子上标有1至8的某一数字，不同棋子上标的数字不相同。棋盘上还有一个空格，与空格相邻的棋子可以移到空格中。要求解决的问题是：给出一个初始状态和一个目标状态，找出一种从初始转变成目标状态的移动棋子步数最少的移动步骤。所谓问题的一个状态就是棋子在棋盘上的一种摆法。棋子移动后，状态就会发生改变。解八数码问题实际上就是找出从初始状态到达目标状态所经过的一系列中间过渡状态。 2.九宫重移有无答案检查（逆序数） 我们把每个9宫格横向展开，如第一个123456789，我们把左边数大于右边数的组数称为这个九宫格的逆序数，显然123456789的逆序数为0；考虑横向平移，那么逆序数的增量为2或0或-2；纵向平移，逆序数的增量为4或0或-4；但147258369的逆序数为奇数。所以147258369是无解的情况。由此也可以类推当将9宫格展开后，如果数据序列的逆序数为奇数，则此数据序列对应的九宫格是无解的。 3.BFS算法 队列： Queue open = new Queue();存放待扩展的节点 List： List
手机行业分析报告 目录
第一章 行业规模： 三星手机：全球第二大生产商韩国周二预计，2013年全球手机市场规模增长9%，全球手机市场规模约为12亿只。 三星电子部副主管YoungchoChi表示，预计第二季度全球手机市场销量环比将增加4%—5%。2008年三星电子的销售目标是2亿只，较2007年销售的亿只增加25%。第一季度售出手机4630万只，与去年第四季度的销售纪录持平，手机的单位利润率从第四季度的11%提高至16%。 手机制造商昨日表示，预计全球手机行业今年第二季度和下半年将面临强劲需求。该公司的全球营销主管JamesMarshall表示，公司仍保持对今年全球手机市场10%的增长预测。 小米手机：2013年手机的销量目标是1500万。这个数字的表层含义是小米手机2013年销售规模将翻倍。 但从深层次来讲它将引发小米发展由量变到质变的阶段性变化，具体而言，随着小米市场规模的扩大，未来小米在策略、产品策略和市场策略上都会有大的变化。 苹果手机：苹果公司昨日发布2013财年第四财季业绩。报告显示，苹果公司第四财季营收为亿美元，比去年同期的亿美元增长4%；净利润为亿美元，比去年同期的亿美元下滑9%。统计显示：目前全球市场占有率，三星第一苹果第二，中国华为居第三。 平均利润水平 三星手机：韩国三星电子今日公布了2013年第一季度财务报告。财报显
示，2013Q1（1、2、3三个月）共实现营收万亿韩元（约合476亿美元），同比增长%。实现净利润万亿韩元（约合64亿美元），同比大涨%。 之前根据彭博调查的36名分析师平均预测，三星电子2013年第一季度净利润应为万亿韩元，此次财报再一次超出了分析师的预测，三星电子已经连续六个季度实现利润增长。 此外，据市场分析师预计，三星电子在第一季度可能售出了6800万到7000万部智能手机，去年第四季度公司智能手机销量为6300万部。但三星并未公布具体的销量数字。 在三星电子所有部门中，三星移动业务部第一季度的利润同比大涨56%，达到创纪录的亿韩元，几乎占公司该季度全部利润的四分之三，其次是半导体芯片部门，此外数据显示三星还占有全球27%左右的电视机市场份额。三星3月底已经开始在全球范围内部署GALAXYS4智能手机的发布和预售，预计会带来新一轮的销售膨胀。此次财报显然不含S4的销售成绩，接下来的一个季度，三星电子可能还会保持迅猛增长的态势。而在4月24日发布的苹果2013Q2（1、2、3三个月）财务报告显示，苹果公司第二季度全球总营收436亿美元，营收额不如三星的476亿美元，净利润95亿美元，环比2013Q1的131亿美元大降%，而且还是十年来的首次下滑。 小米手机：小米手机成本的主要构成包括元器件采购成本；海关税、海关代征增值税、进口代理费等、汇率成本；代工厂加工成本、包装材料费用；生产损耗；供应商研发费、模具等一次性成本摊销；售后服务费用；销售费用（仓储物流费、收款费用及保险等）；高通专利费；增值税、教育附加税、城建附加税及印花税；软硬件研发成本分摊；公司成本、人工费用
****大学 人工智能基础课程实验报告 （2011-2012学年第一学期） 启发式搜索王浩算法 班级： *********** 学号： ********** 姓名： ****** 指导教师： ****** 成绩： 2012年 1 月 10 日
实验一 启发式搜索算法 1. 实验内容： 使用启发式搜索算法求解8数码问题。 ⑴ 编制程序实现求解8数码问题A *算法，采用估价函数 ()()()() w n f n d n p n ??=+???， 其中：()d n 是搜索树中结点n 的深度；()w n 为结点n 的数据库中错放的棋子个数；()p n 为结点n 的数据库中每个棋子与其目标位置之间的距离总和。 ⑵ 分析上述⑴中两种估价函数求解8数码问题的效率差别，给出一个是()p n 的上界的()h n 的定义，并测试使用该估价函数是否使算法失去可采纳性。 2. 实验目的 熟练掌握启发式搜索A *算法及其可采纳性。 3. 实验原理 使用启发式信息知道搜索过程，可以在较大的程度上提高搜索算法的时间效率和空间效率； 启发式搜索的效率在于启发式函数的优劣，在启发式函数构造不好的情况下，甚至在存在解的情形下也可能导致解丢失的现象或者找不到最优解，所以构造一个优秀的启发式函数是前提条件。 4.实验内容 1.问题描述 在一个3*3的九宫格 里有1至8 八个数以及一个空格随机摆放在格子中，如下图： 初始状态 目标状态 现需将图一转化为图二的目标状态，调整的规则为：每次只能将空格与其相邻的一个数字进行交换。实质是要求给出一个合法的移动步骤，实现从初始状态到目标状态的转变。 2.算法分析 (1)解存在性的讨论 对于任意的一个初始状态，是否有解可通过线性代数的有关理论证明。按数组存储后，算出初始状态的逆序数和目标状态的逆序数，若两者的奇偶性一致，则表明有解。 （2）估价函数的确定