一、实验目的
1、加深理解专家系统的结构原理与实际应用。
2、初步掌握知识获取的基本方法。
3、掌握产生式规则知识表示方法及其编程实现方法。
4、初步掌握知识库的组建方法。
5、加深理解推理机的算法原理并初步掌握其编程实现方法。
二、实验环境
1、硬件环境：微机
2、软件环境：Windows ＸＰ；Microsoft Visual C++6.0 集成开发环境。
三、实验原理
三、实验内容
运用下列规则，设计并实现一个小型动物分类专家系统。
规则1：
如果：动物有毛发
则：该动物是哺乳动物
规则2：
如果：动物有奶
则：该单位是哺乳动物
规则3:
如果：该动物有羽毛
则：该动物是鸟
规则4：
如果：动物会飞，且会下蛋
则：该动物是鸟
规则5：
如果：动物吃肉
则：该动物是肉食动物
规则6：
如果：动物有犬齿，且有爪，且眼盯前方
则：该动物是食肉动物
规则7：
如果：动物是哺乳动物，且有蹄
则：该动物是有蹄动物
规则8：
如果：动物是哺乳动物，且是反刍动物
则：该动物是有蹄动物
规则9：
如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点则：该动物是豹
规则10：
如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹则：该动物是虎
规则11：
如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类
则：该动物是长颈鹿
规则12：
如果：动物有黑条纹，且是有蹄类动物
则：该动物是斑马
规则13：
如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞
则：该动物是鸵鸟
规则14：
如果：动物是鸟，且不会飞，且会游泳，且是黑色的
则：该动物是企鹅
规则15：
如果：动物是鸟，且善飞
则：该动物是信天翁
（1）知识获取：
（2）知识表示：
提示：
动物分类专家系统由15条规则组成，可以识别七种动物，在15条规则中，共出现30个概念（也称作事实），共30个事实，每个事实给一个编号，从编号从1到30，在规则对象中不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，事实与规则的数据以常量表示，其结构如下：
Char *str{}={"chew_cud","hooves","mammal","forward_eyes","claws",
"pointed_teeth","eat_meat","lay_eggs","fly","feathers","ungulate", "carnivore","bird","give_milk","has_hair","fl y_well",
"black&white_color","can_swim","long_legs","long_neck",
"black_stripes","dark_spots","tawny_color","albatross",
"penguin","ostrich","zebra","giraffe","tiger","cheetah","\0"}
程序用编号序列的方式表达了产生式规则，如资料中规则15，如果动物是鸟，且善飞，则该动物是信天翁。相应的规则数组第七条是{16，13，0，0，0，0}，第十三个是“bird”（鸟），如果事实成立，询问使用者下一个事实，第十六个“fly_well”（善飞），如果也成立，则查找结论断言编号数组{30,29,28,27,26,25,24,3,3,13,12,12,11, 11,0}中第七个“24”，这里24对应事实数组中的“albatross”（信天翁）。
（3）推理机设计：
正向推理原理:
正向推理又称数据驱动推理，是按照由条件推出结论的方向进行的推理方式，它从一组事实出发，使用一定的推理规则，来证明目标事实或命题的成立。一般的推理过程是先向综合数据库提供一些初始已知事实，控制系统利用这些数据与知识库中的知识进行匹配，被触发的知识，将其结论作为新的事实添加到综合数据库中。重复上述过程，用更新过的综合数据库中的事实再与知识库中另一条知识匹配，将其结论更新至综合数据库中，直到没有可匹配的新知识和不再有新的事实加入到综合数据库中为止。然后测试是否得到解，有解则返回解，无解则提示运行失败。
正向推理的步骤
1）将用户提供的初始已知事实送入综合数据库；
2）检查综合数据库中是否已经包含问题的解，若有则求解结束，否则执行下一步；
3）将初始已知事实与知识库中的知识做匹配，若有，则转4），否则转6）；
4）将所有的匹配成功的知识构建成一个知识集；
5）若知识集不为空，则按某种冲突消解策略选择一条规则进行推理，并将其推出的新事实更新至综合数据库，然后转2）；若知识集为空，则转6）
6）询问用户是否可提供新的事实，若有则将其添加至综合数据库，转3）；否则表示问题求解失败，退出。
正向推理的流程图
（4）实验代码
#include
#include
#include
#include
#define True 1
#define False 0
#define DontKnow -1
char
*str[]={"chew_cud","hooves","mammal","forward_eye s",
"claws","pointed_teeth","eat_meat","lay_eggs","fly", "feathers","ungulate","carnivore","bird","give_milk", "has_hair","fly_well","black&white_color","can_swim ",
"long_legs","long_neck","black_stripes","dark_spots", "tawny_color","albatross","penguin","ostrich","zebra", "giraffe","tiger","cheetah",0};
int
rulep[][6]={{22,23,12,3,0,0},{21,23,12,3,0,0},{22,19, 20,11,0,0},
{21,11,0,0,0,0},{17,19,20,13,-9,0},{17,18,13,-9,0,0},{ 16,13,0,0,0,0},
{15,0,0,0,0,0},{14,0,0,0,0,0},{10,0,0,0,0,0},{8,7,0,0,0, 0},
{7,0,0,0,0,0},{4,5,6,0,0,0},{2,3,0,0,0,0},{1,3,0,0,0,0}} ;
int
rulec[]={30,29,28,27,26,25,24,3,3,13,13,12,12,11,11,0 };
class fact
{private:
int Number;
char Name[21];
int Active;
int Succ;
public:
fact *Next;
fact(int Num,char *L)
{
strcpy(Name,L);
Number=Num;
Active=False;
Succ=DontKnow;
Next=NULL;
}
char *GetName()
{
char *L;
L=new char[21];
strcpy(L,Name);
return L;
}
int GetNumber()
{
return Number;
}
int GetAct()
{
return Active;
}
int GetSucc()
{
return Succ;
}
void PutAct(const int Act0,int Suc0)
{
Active=Act0;
Succ=Suc0;
}
};
fact *Fact;
class list
{private:
int Number;
public:
list *Next;
list(int Num)
{
Number=Num;
Next=NULL;
}
int GetNumber()
{
return Number;
}
};
class rule
{
char *Name;
list *Pre;
int Conc;
public:
rule *Next;
rule(char *N,int P[],int C);
~rule();
int Query();
void GetName()
{
cout< } }; rule::~rule() { list *L; while(Pre) { L=Pre->Next; delete Pre; Pre=L; } delete Name; } rule::rule(char *N,int P[],int C) { int i; list *L; Pre=NULL; Next=NULL; Name=new char[strlen(N)+1]; strcpy(Name,N); i=0; while(P[i]!=0) { L=new list(P[i++]); L->Next=Pre; Pre=L; } Conc=C; } int rule::Query() { char c; int Tag=0; list *L; fact *F; F=Fact; L=Pre; if(L==NULL) cout<<"\nError"; while(L!=NULL) { F=Fact; for(;;) { if(abs(L->GetNumber())==F->GetNumber()) break; F=F->Next; } if(L->GetNumber()>0) { if((F->GetSucc())==True) { L=L->Next; continue; } if((F->GetSucc())==False) return False; } else { if((F->GetSucc())==True) return False; if((F->GetSucc())==False) { L=L->Next; continue; } } cout< c=getchar(); flushall(); if((c=='Y')||(c=='y')) { if(L->GetNumber()>0) F->PutAct(1,True); if(L->GetNumber()<0) { F->PutAct(1,True); Tag=-1; return False; } } else { if(L->GetNumber()<0) F->PutAct(-1,False); else { F->PutAct(-1,False); Tag=-1; return False; } } L=L->Next; } F=Fact; for(;;) { if(Conc==F->GetNumber()) break; F=F->Next; } if(Conc<24) { F->PutAct(1,True); return False; } if(Tag!=-1) { F=Fact; for(;;) { if(Conc==F->GetNumber()) break; F=F->Next; } if(Conc<24) { F->PutAct(1,True); return False; } cout<<"\nThis aniamal is "< } return False; } int main() { fact *F,*T; rule *Rule,*R; char ch[8]; int i=1; Fact=NULL; while(str[i-1]) { F=new fact(i,str[i-1]); F->Next=Fact; Fact=F; i++; } F=Fact; Fact=NULL; while(F) { T=F; F=F->Next; T->Next=Fact; Fact=T; } i=0; ch[0]='R'; ch[1]='U'; ch[2]='L'; ch[3]='E'; ch[4]='_'; ch[5]='a'; ch[6]='\0'; Rule=NULL; for(i=0;i<15;i++) { R=new rule(ch,rulep[i],rulec[i]); R->Next=Rule; Rule=R; ch[5]++; } R=Rule; for(;;) { i=R->Query(); if((i==1)||(i==-1)) break; R=R->Next; if(!R) break; } if(!R) cout<<"I don't know."< return True; } * （3）实验结果 四、实验思考题： 2、请以图示的方式画出事实库与知识库的数据结构 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 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。 第三章搜索推理技术 3-1什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么? 图搜索的一般过程如下： (1) 建立一个搜索图G(初始只含有起始节点S)，把S放到未扩展节点表中（OPEN表）中。 (2) 建立一个已扩展节点表（CLOSED表），其初始为空表。 (3) LOOP：若OPEN表是空表，则失败退出。 (4) 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。称此节点为节 点n，它是CLOSED表中节点的编号 (5) 若n为一目标节点，则有解并成功退出。此解是追踪图G中沿着指针从n到S这条路径 而得到的(指针将在第7步中设置) (6) 扩展节点n，生成不是n的祖先的那些后继节点的集合M。将M添入图G中。 (7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一 个通向n的指针，并将它们加进OPEN表。 对已经在OPEN或CLOSED表上的每个M成员，确定是否需要更改通到n的指针方向。 对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。 (8) 按某一任意方式或按某个探试值，重排OPEN表。 (9) GO LOOP。 重排OPEN表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。 重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN表。 3-2 试举例比较各种搜索方法的效率。 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 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 《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月 前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月 目录 实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三A*算法实验I (9) 实验四A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24) 实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1产生式系统应用VC++设计知识库，实现系统识别或 分类等。 2设计课内 2模糊推理系统应用Matlab1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2验证课内 3A*算法应用I VC++设计与实现求解N数码问题的 A*算法。 2综合课内4A*算法应用II VC++设计与实现求解迷宫问题的A* 算法。 2综合课内5遗传算法应用I Matlab1）求某一函数的最小值； 2）求某一函数的最大值。 2验证课内6遗传算法应用II VC++设计与实现求解不同城市规模 的TSP问题的遗传算法。 2综合课内 7基于神经网络的模式识别Matlab1）基于BP神经网络的数字识 别设计； 2）基于离散Hopfiel神经网络 的联想记忆设计。 2验证课内 8基于神经网络的 优化计算 VC++设计与实现求解TSP问题的连2综合课内 四、实验成绩评定 实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。 课程实验报告 学年学期2015—2016年第一学期课程名称人工智能原理与技术实验名称PROLOG语言编程练习实验室无 专业年级电气134 学生姓名赵倩 学生学号2013011989 提交时间2015.12.28 成绩 任课教师樊强 水利与建筑工程学院 第一章PROLOG语言编程练习 1.1实验目的 加深学生对逻辑程序运行机理的理解，使学生掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。 （1）熟悉PROLOG语言编程环境的使用； （2）了解PROLOG语言中常量、变量的表示方法； （3）了解利用PROLOG进行事实库、规则库的编写方法； 1.2实验环境 计算机，Turbo PROLOG教学软件。 1.3预习要求 实验前应阅读实验指导书，了解实验目的、预习PROLOG语言的相关知识。 1.4实验内容 （1）学习使用Turbo PROLOG，包括进入PROLOG主程序、编辑源程序、修改环境目录、退出等基本操作。（2）在Turbo prolog集成环境下调试运行简单的Turbo PROLOG程序，如描述亲属关系的PROLOG程序或其他小型演绎数据库程序等。 1.5实验方法和步骤 （1）启动Windows XP操作环境。 （2）打开文件目录，执行prolog应用程序，启动Turbo prolog，并按空格键(SPACE)进入集成开发环境。（3）选择Setup项，打开下拉菜单，选择Directories项，进行工作目录修改，按Esc键退出，选择Save Configuration项，保存修改。 （4）选择Files项，打开下拉菜单，选择New file项，进入源程序输入和编辑，或选择Load项，选择要打开的示例程序，再选择Edit项，可以进行编辑源程序。 （5）编辑之后，可以选择Run项，执行程序，可以在Dialog窗口进行询问，即外部目标的执行，查看程序运行结果，分析程序之功能。 （6）仿前例，可以选择其他程序并运行，分析程序功能。 （7）退出，选择Quit项，可以退出Turbo Prolog程序，返回到Windows XP环境。 1.6示例程序 逻辑电路模拟程序。该程序以逻辑运算“与”、“或”、“非”的定义为基本事实，然后在此基础上定义了“异或”运算。那么，利用这些运算就可以对“与”、“或”、“非”和“异或”等逻辑电路进行模拟。事实上，在此基础上也可以对其他任一逻辑门电路进行模拟。 domains d=integer predicates not_(d,d) and_(d,d,d) or_(d,d,d) xor_(d,d,d) clauses not_(1,0). not_(0,1). and_(0,0,0). and_(0,1,0). and_(1,0,0). and_(1,1,1). 人工智能及其应用总结 1、感知能力、 2、记忆与思维能、 3、学习能力、 4、行为能力（表达能力）人工智能的研究内容：知识表示、机器感知、机器思维、机器学习、机器行为人工智能的研究目标：近期目标：使现有的电子数字计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。建造智能机器人代替人类的部分智力劳动。远期目标：用自动机模仿人类的思维过程和智能行为。最终目标：机器智能实现生物智能的各项功能。智能行为：感知、推理、学习、通信和复杂环境下的动作行为知识发现的处理过程：数据挖掘、数据选择、知识评价人工智能的主要学派：符号主义、连接主义和行为主义人工智能的研究途径：心理模拟、生理模拟和行为模拟人工智能的应用领域：智能控制、智能管理、智能决策、智能仿真。人工智能的基本技术：表示、运算、搜索归纳技术、联想技术人工智能（机器智能）、学科和能力：（书）所谓人工智能就是用人工的方法在机器(计算机)上实现的智能，或者说是人们使机器具有类似于人的智能。从学科角度来看：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能。对认知 行为进行研究：心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。人工智能新的研究热点：新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现 (超市市场商品数据分析)，人工生命第二章：知识表示方法知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示的要求：表示能力、可利用性、可实现性、可组织性、可维护性、自然性、可理解性状态空间法的三要素：状态、算符、状态空间方法问题求解技术：问题的表示和求解的方法二种不确定性：关于证据的不确定性和关于结论的不确定性原子公式：由若干谓词符号和项组成问题的状态空间包含三种说明的集合：初始状态集合S、操作符集合以及目标状态集合“我听音乐或者绘画”的谓词表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子变换成子句形式：(x)｛P(x)→P(x)｝ (ANY x) { P(x)P(x) } (ANY x) {~P(x) 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。 第二章知识表示方法 2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点? 答：状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。一般用状态空间法来表示下述方法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。 问题规约法：已知问题的描述，通过一系列变换把此问题最终变成一个子问题集合：这些子问题的解可以直接得到，从而解决了初始问题。问题规约的实质：从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把出示问题规约为一个平凡的本原问题集合。 谓词逻辑法：采用谓词合式公式和一阶谓词算法。要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演莱证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。 语义网络法：是一种结构化表示方法，它由节点和弧线或链组成。节点用于表示物体、概念和状态，弧线用于表示节点间的关系。语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。语义网络可用于表示多元关系，扩展后可以表示更复杂的问题 2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去? 用S i(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况： 1. nC=0 2. nC=3 3. nC=nY>=0 (当nC不等于0或3) 用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。当i为偶数时，dC,dY同时为非负数，表示船驶向对岸，i为奇数时，dC, dY同时为非正数，表示船驶回岸边。 《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; 《人工智能及其应用》实验指导书 《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月 前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月 目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (6) 实验三 A*算法实验I (11) 实验四 A*算法实验II (14) 实验五遗传算法实验I (16) 实验六遗传算法实验II (21) 实验七基于神经网络的模式识别实验 (24) 实验八基于神经网络的优化计算实验 (28) 实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台 实验内容学 时 类型教学 要求 1 产生式系统应 用VC++ 设计知识库，实现系统识 别或分类等。 2 设计课内 2 模糊推理系统 应用Matlab 1）设计洗衣机的模糊控制 器； 2）设计两车追赶的模糊控 制器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问 题的A*算法。 2 综合课内4 A*算法应用II VC++ 设计与实现求解迷宫问题 的A*算法。 2 综合课内 5 遗传算法应用 I Matlab 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用 II VC++ 设计与实现求解不同城市 规模的TSP问题的遗传算 法。 2 综合课内 7 基于神经网络 的模式识别Matlab 1）基于BP神经网络的数 字识别设计； 2）基于离散Hopfiel神经 网络的联想记忆设计。 2 验证课内 8 基于神经网络 的优化计算VC++ 设计与实现求解TSP问题 的连续Hopfield神经网 络。 2 综合课内 四、实验成绩评定 《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月 前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月 目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (7) 实验三A*算法实验I (13) 实验四A*算法实验II (17) 实验五遗传算法实验I (19) 实验六遗传算法实验II (26) 实验七基于神经网络的模式识别实验 (29) 实验八基于神经网络的优化计算实验 (35) 实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1 产生式系统应用VC++ 设计知识库，实现系统识别或 分类等。 2 设计课内 2 模糊推理系统应 用Matla b 1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问题的 A*算法。 2 综合课内 4 A*算法应用II VC++ 设计与实现求解迷宫问题的A* 算法。 2 综合课内 5 遗传算法应用I Matla b 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用II VC++ 设计与实现求解不同城市规模 的TSP问题的遗传算法。 2 综合课内7 基于神经网络的Matla1）基于BP神经网络的数字识 2 验证课内 人工智能技术基础 PROLOG语言编程练习 实验报告 一、实验目的： 加强对逻辑程序运行机能的理解，更好地掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。 二、实验要求： （1）程序自选，但必须是描述某种逻辑关系的小程序。 （2）跟踪程序的运行过程，理解逻辑程序的特点。 （3）对原程序可作适当修改，以便熟悉程序的编辑、编译和调试过程。 三、实验内容： 在Turbo PROLOG或Visual Prolog集成环境下调试运行简单的PROLOG程序，如描述亲属关系的PROLOG程序或其他小型演绎数据库程序等。 四、实验结果： （1）验证题1源程序 domains d=integer predicates not_(D,D) and_(D,D,D) or_(D,D,D) xor(D,D,D) clauses not_(1,0). not_(0,1). and_(0,0,0). and_(0,1,0). and_(1,0,0). and_(1,1,1). or_(0,0,0). or_(0,1,1). or_(1,0,1). or_(1,1,1). xor(Input1,Input2,Output):- not_(Input1,N1),/*（1，0）*/ not_(Input2,N2),/*（0，1）*/ and_(Input1,N2,N3), and_(Input2,N1,N4), or_(N3,N4,Output). （2）验证题2源程序 predicates student(integer,string,real) grade goal grade. clauses student(1,"zhang",90.2). student(2,"li",95.5). student(3,"wang",96.4). grade:-write("Please input name:"),readln(Name), student(_,Name,Score), nl,write(Name,"grade is",Score). grade:-write("Sorry,the student cannot find!"). WORD格式 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（GeneticAlgorithm）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】 ：已知f(x)=x*sin(x)+1，x[0,2],求f(x)的最大值和最小值。 数据结构： structpoptype { doublegene[length];//染色体 doublerealnumber;//对应的实数x doublefitness;//适应度 doublerfitness;//相对适应度 doublecfitness;//累计适应度 }; structpoptypepopulation[popsize+1];//最后一位存放max/min structpoptypenewpopulation[popsize+1];// 染色体编码： x [ 因此 ，染色体由2 3位字节的二进制矢X 与二进）2之 间的映射如下： 22 i bb......bb2x '; 222102i i010 xx' 2 23 21 适应度函数： 由于要求f (x )的最值,所以适应 度函数即可为f (x )。但为了确保每个个体都有被选中的可能性，因此需要将所有适应为大于0的值。因此，设计 求最大值的适应度函数如下： eval max f(x)5xsinx6; 将最小化为求-f(x)的最大值，同理，设计最小值的适应度函数如下： evalfxxx min()5sin4; 种群大小： 本50，再进行种群初始化。 实验参数： 主要有迭代数，交叉概率，变异概率这三个参数。一般交叉概率在0.6-0.9范围内， 变异概率在0.01-0.1范主要代码如下： voidinitialize()//种群初始化 { srand(time(NULL)); 实验二线性神经网络的MATLAB实现 16电子1 胡恒 2016329600013 指导老师：陈秋妹一．实验目的 1.了解线性神经元的模型结构 2.进一步理解线性神经元网络的特性 3.线性神经学习网络的学习方法 4.熟练掌握上节课的train函数等使用 二．实验内容 原先的代码是错误的， 更改后： time=1:0.0025:5; p=sin(sin(time).*time.*10); t=p*2+2; plot(time, p, time, t) title('Input and Target Signals') xlabel('Time') ylabel('Input Target') 结果如图： 2.要求设计一个线性神经网络，寻找给定数据之间的线性关系。P=[1.1 -1.3]; T=[0.6 1]; 设置网络训练后的目标误差为0.0001 P=[1.1 -1.3]; >> T=[0.6 1]; >> net=newlin(minmax(P),1,0,0.01); >> net=init(net); >> net.trainParam.goal=0.0001; >> net=train(net,P,T); >> y=sim(net,P); >> E=mse(y-T) 三．本实验的心得体会 本次实验涉及到的线性神经网络的函数主要有初始化函数，设计函数，仿真 函数，训练函数，尤其是训练函数，trainwh( )和adaptwh( )。其中函数trainwh 可以对线性神经网络进行离线训练；而函数adaptwh( ) 可以对线性神经网络进行在线自适应训练。 利用trainwh( )函数可以得到网络的权矩阵w，阀值向量b，实际训练次数te 以及训练过程中网络的误差平方和lr。 ****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 试验1：用谓词表示猴子摘香蕉问题 实验内容： 利用一阶谓词逻辑求解猴子摘香蕉问题：房内有一个猴子，一个箱子，天花板上挂了一串香蕉，其位置如图所示，猴子为了拿到香蕉，它必须把箱子搬到香蕉下面，然后再爬到箱子上。请定义必要的谓词，列出问题的初始化状态（即下图所示状态），目标状态（猴子拿到了香蕉，站在箱子上，箱子位于位置b）。写出所用谓词的定义，并给出每个谓词的功能及变量的个体域，然后编程实现。 实验目的： 通过此实验加深对谓词逻辑和谓词知识表示的理解。 实验报告要求： 所撰写的实验报告必须包含以下内容： 1. 所用谓词的定义以及每个谓词的功能及变量的个体域； 2. 实验结果；（可截图） 3. 提供全部源程序及软件的可执行程序。（打印） 实验2：八数码问题 实验内容： 八数码问题：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。 2 5 4 1 2 3 3 7 8 4 1 8 6 7 6 5 (a) 初始状态(b) 目标状态 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。 实验目的： 1. 熟悉人工智能系统中的问题求解过程； 2. 熟悉状态空间的盲目搜索和启发式搜索算法的应用； 3. 熟悉对八数码问题的建模、求解及编程语言的应用。 实验报告要求 所撰写的实验报告必须包含以下内容： 1. 算法基本原理和流程框图； 2. 基本数据结构分析和实现； 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(X1, X2, X3)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：X1表示起始岸上的牧师人数；X2表示起始岸上的野人人数；X3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、实验组织运行要求 本实验采用集中授课形式，每个同学独立完成上述实验要求。 五、实验条件 每人一台计算机独立完成实验。 六、实验代码 Main.cpp #include人工智能实验报告大全
最新人工智能大作业实验
《人工智能及其应用》(蔡自兴)课后习题答案第3章
人工智能实验报告
人工智能实验报告大全
《人工智能及其应用》实验指导书Word版
人工智能实验报告_2
人工智能及其应用总结
人工智能实验报告
人工智能及其应用(蔡自兴)课后答案
人工智能实验报告
《人工智能及其应用》实验指导书上课讲义
《人工智能及其应用》实验指导书
人工智能实验一
人工智能遗传算法实验报告
人工智能实验二
人工智能实验报告
人工智能实验1-2
人工智能_实验报告
//船 class Boat { public: static int c; int pastor;//牧师 int savage;//野人 Boat(int pastor, int savage); }; //河岸状态 class State
相关主题
文本预览