下载文档原格式
《人工智能及其应用》教学讲义第一章人工智能概论第一章人工智能概论一、人工智能的基本概念人工智能（Artificial Intelligence，简称AI）这一术语是1956年在美国的Dartmouth大学召开的世界第一次AI会议上由麻省理工学院的青年数学教师John McCarthy提议而使用的。
AI这一学科至今已有50多年的历史，在国际上已确认AI是当代高科技的核心之一。
AI是一个广义词，各有说法，很难给出准确的定义或一般性的定义。
其基本含义是：AI是用机器（计算机或智能机）来模仿人类的智能行为。
AI也叫机器智能，是研究如何使机器具有认识问题与解决问题的能力，研究如何使机器具有感知功能（如视、听、嗅）、思维功能（如分析、综合、计算、推理、联想、判断、规划、决策）、行为功能（如说、写、画）及学习、记忆等功能。
所以，如果一个计算机系统具有某种学习能力，能够对有关问题给出正确的答案，而使用的方法与人类相似，还能解释系统的智能活动，那么，这种计算机系统便认为具有某种智能。
人工智能用计算机技术的概念和方法对智能进行研究，因此，它从根本上提供了一个全新的理论基础。
作为一门学科，人工智能的目的是了解使智能得以实现的原理；作为一门技术，它的最终目的是设计出完全与人类智能相媲美的智能计算机系统。
到目前为止，计算机作为一种最有效的信息处理工具，人们已片刻离不开它。
但是，与人脑相比，计算机的智能在许多方面还不及婴幼儿。
如果计算机具有一定的智能，能够模拟人类的智能活动，成为人脑的延伸，那么计算机对人类的贡献和作用将产生不可估量的影响，人类将步入智能机器人的时代。
尽管科学家们尚未达到这个目的，但在使计算机更加智能化方面已经取得了很大的进展，许多AI 计算机系统在不少领域实际上已超出了高水平的人类技艺，如计算机可以下出极高水平的象棋，用来诊断某种疾病，用来发现数学概念。
AI是使技术适应于人类的钥匙，是自动化技术向智能技术方向发展的关键，也是揭示人类智能和人脑奥秘的有力工具。
人工智能与机器学习应用作业指导书第1章人工智能与机器学习基础 (3)1.1 人工智能概述 (3)1.1.1 定义与分类 (3)1.1.2 发展历程 (3)1.1.3 应用领域 (3)1.2 机器学习基本概念 (3)1.2.1 定义 (3)1.2.2 学习类型 (3)1.2.3 评估指标 (4)1.3 数据预处理 (4)1.3.1 数据清洗 (4)1.3.2 特征工程 (4)1.3.3 数据变换 (4)1.3.4 数据采样 (4)第2章线性回归 (4)2.1 线性回归原理 (4)2.2 最小二乘法 (4)2.3 梯度下降法 (5)第3章逻辑回归与分类 (5)3.1 逻辑回归 (5)3.1.1 基本原理 (5)3.1.2 模型构建与优化 (6)3.2 模型评估指标 (6)3.2.1 准确率（Accuracy） (6)3.2.2 精确率（Precision） (6)3.2.3 召回率（Recall） (7)3.2.4 F1分数（F1 Score） (7)3.3 其他分类算法 (7)3.3.1 支持向量机（Support Vector Machine，SVM） (7)3.3.2 决策树（Decision Tree） (7)3.3.3 随机森林（Random Forest） (7)3.3.4 神经网络（Neural Networks） (7)第4章决策树与随机森林 (7)4.1 决策树基本原理 (7)4.2 特征选择 (8)4.3 随机森林 (8)第5章支持向量机 (8)5.1 支持向量机原理 (9)5.1.1 最大间隔分类 (9)5.1.2 硬间隔与软间隔 (9)5.1.3 对偶问题 (9)5.2 核函数 (9)5.2.1 常见核函数 (9)5.2.2 核函数的选择 (9)5.3 支持向量回归 (9)5.3.1 ε支持向量回归 (10)5.3.2SVR的优化目标 (10)5.3.3SVR的核函数 (10)第6章人工神经网络 (10)6.1 神经元模型 (10)6.1.1 神经元结构 (10)6.1.2 激活函数 (10)6.2 感知机 (10)6.2.1 感知机模型 (11)6.2.2 感知机学习算法 (11)6.3 反向传播算法 (11)6.3.1 算法原理 (11)6.3.2 算法流程 (11)第7章深度学习 (11)7.1 卷积神经网络 (11)7.1.1 基本原理 (12)7.1.2 结构与特点 (12)7.1.3 应用场景 (12)7.2 循环神经网络 (12)7.2.1 基本原理 (12)7.2.2 结构与特点 (12)7.2.3 应用场景 (12)7.3 对抗网络 (13)7.3.1 基本原理 (13)7.3.2 结构与特点 (13)7.3.3 应用场景 (13)第8章集成学习 (13)8.1 集成学习概述 (13)8.2 Bagging算法 (13)8.3 Boosting算法 (14)第9章聚类分析 (14)9.1 聚类基本概念 (14)9.2 K均值聚类 (14)9.3 层次聚类 (15)第10章机器学习应用实践 (15)10.1 数据挖掘与可视化 (15)10.2 文本分类与情感分析 (16)10.3 语音识别与合成 (16)10.4 计算机视觉与图像识别 (16)第1章人工智能与机器学习基础1.1 人工智能概述1.1.1 定义与分类人工智能（Artificial Intelligence，）是指使计算机系统模拟人类智能行为，进行感知、推理、学习和解决问题的技术。
山西财经大学信息管理学院王保忠编《人工智能实验指导书》适用专业：计算机科学与技术信息管理与系统信息科学与计算一、学时与学分总学时：48；总学分：4；实验学时：16；实验学分：1二、实验课的任务、性质与目的本实验课程是计算机专业、信息管理与系统学生的一门专业课程，通过实验软件环境提供的大量演示性、验证性和开发设计性实验，帮助学生更好地熟悉和掌握人工智能的基本原理和方法；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对人工智能的相关理论有更深刻的认识。
三、基本原理本实验涉及人工智能的经典理论和方法，以及计算智能的部分分支和实现方法，主要包括以下内容：1. 产生式系统实验2. 搜索策略实验3. 神经网络实验4. 自动规划实验四、实验方式与基本要求本实验目的是使学生进一步加深对人工智能的基本原理和方法的认识，通过实践了解人工智能的实现手段。
实验方式：1. 实验共16学时；2. 由指导教师讲解实验的基本要求，提示算法的基本思想；3. 实验一人一组，独立完成实验的演示、验证和开发设计；4. 学生在完成预习报告后才能进入实验室进行实验。
五、实验项目的设置与内容提要《人工智能实验指导书》实验名称实验目的内容简介1 产生式系统实验熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法主要包括产生式系统的正、反向推理、基于逻辑的搜索等10余个相关演示性、验证性和开发性设计实验。
2 搜索策略实验熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。
主要包括盲目式、启发式搜索类的10余个相关演示性、验证性和开发性设计实验。
3 神经网络实验理解反向传播网络的结构和原理，掌握反向传播算法对神经元的训练过程，了解反向传播公式。
通过构建BP网络实例，熟悉前馈网络的原理及结构。
主要包括以BP网为代表的ANN的验证性实验及设计性实验。
并包括用BP网解决一些非线性问题的典型设计实验（如异或问题、布尔代数及非线性函数模拟等）4 自动规划实验理解自动规划的基本原理，掌握为活动实体（人、组织、机器）设计合理的行为、按时间顺序的活动序列等基本技术。
人工智能原理及其应用授课对象：计算机科学技术与应用课程类型：限选学时数：36学时学分数： 3先修课程：C++，JAVA，数据结构，计算方法基本要求：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。
一、实验项目总表二、实验项目内容及要求：实验1：用谓词表示农夫、狼、山羊、白菜问题实验内容：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。
试规划出一个确保全部都能过河的计划。
实验目的：通过此实验让学生加深对谓词逻辑和谓词知识表示的理解。
实验要求：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，然后编程来实现。
实验2：一个用于动物识别的产生式系统实验内容：设计该系统，让其实现可以识别老虎、金钱豹、斑马、长颈鹿、企鹅、信天翁这6种动物。
实验目的：通过此实验让学生进一步加深对产生式系统的认识和理解。
实验要求：其规则库中应包含至少15条规则，假设推理开始时综合数据库中存放有以下事实：动物有暗斑，有长脖子，有长腿，有奶，有蹄实验3：写出一个“教师框架”实验内容：给出一个用来描述计算机系教师有关情况的具体框架。
实验目的：通过此实验让学生熟悉框架的基本结构。
实验要求：至少写出12个槽，同时写出侧面附加说明信息。
实验4：“激动人心的生活”问题实验内容：假设：所有不贫穷并且聪明的人都是快乐的。
那些看书的人是聪明的。
李明能看书且不贫穷。
快乐的人过着激动人心的生活。
求证：李明过着激动人心的生活。
实验目的：通过此实验让学生进一步加深对谓词逻辑归结的理解。
《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 (12)实验四A*算法实验II (15)实验五遗传算法实验I (17)实验六遗传算法实验II (23)实验七基于神经网络的模式识别实验 (26)实验八基于神经网络的优化计算实验 (31)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。
《人工智能及应用》课程教学大纲
课程编号：08150070
课程名称：人工智能及应用/Artificial Intelligence and Applications
总学时/学分：32/2.0（其中理论24学时，实验8学时）
适用专业：计算机科学与技术
一、课程目标
通过本课程学习，学生应达到如下目标：
目标1：针对应用场景，设计人工智能解决方案。
目标2：对解决方案，编写程序，分析结果，得出结论，形成报告。
二、教学过程安排
三、实验或上机内容
四、课程目标达成方法
五、考核标准
本门课程考核包括6个部分，分别为考试、作业、实验、讨论、测验、大作业。
具体要求及评分方法如下：
4、课堂讨论
要求学生须事先按照讨论题目分组查阅资料，归纳总结，课堂汇报。
5、测验
随堂测验，老师给出题目，学生回答。
具体由任课老师给出评分标准。
六、教材及主要参考资料
[1] 李长河，人工智能及其应用，北京：机械工业出版社，2016.7
[2] .Stuart Russell，Peter Norvig. 人工智能：一种现代的方法（第3版），清华大学出版社，
2013.
[3] 史蒂芬•卢奇，丹尼•科佩克著，人工智能（第2版），人民邮电出版社，2018.9
[4] 卢格. 人工智能复杂问题求解的结构和策略（原书第6版），机械工业出版社，2010.1
[5] 蔡自兴等，人工智能及其应用（第5版）清华大学出版社，2016。
人工智能及其应用,教材以下是一本关于人工智能及其应用的教材大纲示例：第一章：人工智能的简介1.1 人工智能的定义和概念1.2 人工智能的历史发展1.3 人工智能的基本原理1.4 人工智能的分类和研究领域第二章：机器学习与人工智能2.1 机器学习的基本概念和分类2.2 监督学习算法及其应用2.3 无监督学习算法及其应用2.4 强化学习算法及其应用2.5 机器学习在人工智能中的应用案例第三章：深度学习与人工智能3.1 深度学习的基本原理和算法3.2 卷积神经网络及其应用3.3 递归神经网络及其应用3.4 生成对抗网络及其应用3.5 深度学习在人工智能中的应用案例第四章：自然语言处理与人工智能4.1 自然语言处理的基本概念和技术4.2 语言模型与文本分类4.3 机器翻译与情感分析4.4 信息抽取与问答系统4.5 自然语言处理在人工智能中的应用案例第五章：计算机视觉与人工智能5.1 计算机视觉的基本概念和技术5.2 图像分类与目标识别5.3 图像分割与图像生成5.4 视频分析与动作识别5.5 计算机视觉在人工智能中的应用案例第六章：人工智能与大数据6.1 大数据的概念和特点6.2 大数据的挖掘和分析方法6.3 人工智能与大数据的结合6.4 大数据在人工智能中的应用案例第七章：人工智能的伦理与法律7.1 人工智能的伦理问题7.2 人工智能的法律问题7.3 人工智能的社会影响及风险7.4 人工智能的发展趋势和展望该教材的内容涵盖了人工智能的基本知识、机器学习与深度学习、自然语言处理、计算机视觉、大数据与人工智能的关系以及人工智能的伦理与法律问题等。
教材以案例为基础，旨在帮助学生理解人工智能的理论基础和应用实践。
同时，教材还探讨了人工智能的发展趋势和可能的社会影响，引导学生思考人工智能对社会的挑战与机遇。
《人工智能课程实验》指导书一、《人工智能课程实验》的必备知识●“消解原理”和“合一算法”是人工智能的重要基本原理和方法之一，要求学生重点掌握和理解它们的核心内容，并且能够融会贯通。
●专家系统的核心部件是知识库和推理机，能够较灵活地模拟特定领域的专家解决问题，是AI中发展较成熟的一个应用领域。
要求学生熟练掌握专家系统的结构、工作原理、开发方法和开发工具，能够开发简单的专家系统。
●LISP是函数型语言，PROLOG 是逻辑型语言，这两种语言是重要的AI语言。
要求学生认识函数型语言和逻辑型语言的特点，初步掌握两种语言的基本用法。
●具备上机编辑、调试、测试程序的基本方法和技巧。
二、《人工智能课程实验》的方法提示不少学生在上机实习时，总觉得无从下手，做起来特别费劲。
实际上，实验中的内容和教科书的内容是密切相关的，解决题目要求所需的各种方法和技术大多可从教科书中找到，因此，需要首先正确理解和熟练掌握书本中的相关知识，仔细体会，融会贯通。
只有通过反复实践的过程才能真正掌握所学知识。
通过分析、设计、编码、调试等各环节的训练，才能深刻理解、牢固掌握所用到的一些技术和方法。
三、《人工智能课程实验》的软/硬件环境硬件环境：IBM-PC系列，●主机PII/266以上。
●内存128M以上。
●VGA或分辨率更高的监视器。
●Microsoft鼠标或兼容的定点设备。
软件环境：Windows2000环境下，安装以下软件：●LISP系统软件。
●PROLOG系统软件。
四、《人工智能课程实验》的步骤课程实验共18学时，要求完成以下三个题目：实习一消解原理（6学时）步骤1：通过课堂学习和课后练习，熟练掌握“消解原理”的核心内容。
步骤2：学会用LISP或PROLOG语言编程。
步骤3：“消解原理”算法的设计与分析。
步骤4：用LISP或PROLOG语言编写实现“消解原理”算法的程序。
步骤5：上机编辑、调试程序，反复进行，直到程序通过为止。
实习二表达式合一算法（3学时）步骤1：通过课堂学习和课后练习，熟练掌握“合一算法”的核心内容。
人工智能及应用实验指导书前言《人工智能及应用》课程实验的目的是为了配合课堂教学，进一步强化对人工制能的不同实现途径的理解。
实验的任务是要结合相关的人工智能语言平台（PROLOG语言），熟练掌握和深入理解课堂教学内容。
帮助学生更好地学习本课程，理解和掌握人工智能算法设计与实现所需的技术，为整个专业学习打好基础，要求运用所学知识，上机解决一些典型问题，通过分析、设计等各环节的训练，使学生深刻理解、牢固掌握所用到的一些原理与技术。
实验中的内容和教科书的内容是密切相关的，在反复实践的过程中才能掌握。
使学生在掌握抽象人工智能理论的基础之上学到更多可操作性很强的智能算法技术及实践经验。
目录实验一 Prolog语言及逻辑程序设计 (1)实验二搜索策略实验 (3)实验三专家系统实验 (6)实验一 Prolog语言及逻辑程序设计一、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。
二、实验环境计算机，Visual PROLOG教学软件。
三、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。
四、实验内容1、学习使用Visual 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Visual prolog集成环境下调试运行简单的Visual PROLOG程序。
3、编写一个描述亲属关系的PROLOG程序，然后再给出一些事实数据，建立一个小型演绎数据库。
可以以父亲和母亲为基本关系（作为基本谓词），再由此来描述祖父、祖母、兄弟、姐妹以及其他亲属关系。
4、修改教材2.2节例2.9的程序，使其能输出图中所有路径（path）。
五、实验方法和步骤1、启动Windows 操作环境。
《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。
《⼈⼯智能及其应⽤》实验指导书讲解《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 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。
《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。
评定各级成绩时，可参考以下标准：（一）优秀能正确理解实验的目的要求，能独立、顺利而正确地完成各项实验操作，会分析和处理实验中遇到的问题，能掌握所学的各项实验技能，能较好地完成实验报告及其它各项实验作业，有一定创造精神和能力。
有良好的实验室工作作风和习惯。
（二）良好能理解实验的目的和要求，能认真而正确地完成各项实验操作，能分析和处理实验中遇到的一些问题。
能掌握所学实验技能的绝大部分，对难点较大的操作完成有困难。
能一般完成实验报告和其它实验作业。
有较好的实验习惯和工作作风。
（三）中等能粗浅理解实验目的要求，能认真努力进行各项实验操作，但技巧较差。
能分析和处理实验中一些较容易的问题，掌握实验技能的大部分。
有30%掌握得不好。
能一般完成各项实验作业和报告。
处理问题缺乏条理。
工作作风较好。
能认真遵守各项规章制度。
学习努力。
（四）及格只能机械地了解实验内容，能一般按图、或按实验步骤“照方抓药”完成实验操作，能完成60%所学的实验技能，有些虽作但不准确。
遇到问题常常缺乏解决的办法，在别人启发下能作些简单处理，但效果不理想。
能一般完成实验报告，能认真遵守实验室各项规章制度，工作中有小的习惯性毛病（如工作无计划，处理问题缺乏条理）。
（五）不及格盲目地“照方抓药”，只掌握50%的所学实验技能。
有些实验虽能作，但一般效果不好，操作不正确。
工作忙乱无条理。
一般能遵守实验室规章制度，但常有小的错误。
实验报告较多的时候有结果，遇到问题时说不明原因，在教师指导下也较难完成各项实验作业。
或有些小聪明但不努力，不求上进。
实验一产生式系统实验一、实验目的：熟悉一阶谓词逻辑和产生式表示法，掌握产生式系统的运行机制，以及基于规则推理的基本方法。
二、实验内容运用所学知识，设计并编程实现一个小型人工智能系统（如分类、诊断、预测等类型）。
三、实验条件：产生式系统实验程序，如下图1所示。
图1 产生式系统实验程序界面四、实验要求1. 具体应用领域自选，具体系统名称自定；但所做系统绝对不能雷同。
2. 用一阶谓词逻辑和产生式规则作为知识表示，利用如图1所示的产生式系统实验程序，建立知识库，分别运行正、反向推理。
3. 系统完成后，提交实验报告。
五、实验步骤：1. 基于如图1所示的产生式系统实验程序，设计并实现一个小型人工智能系统：1）系统设置，包括设置系统名称和系统谓词，给出谓词名及其含义。
2）编辑知识库，通过输入规则或修改规则等，完成整个规则库的建立。
3）建立事实库（综合数据库），输入多条事实或结论。
4）运行推理，包括正向推理和反向推理，给出相应的推理过程、事实区和规则区。
2. 撰写实验报告。
六、实验报告下面是实验报告的基本内容和书写格式。
递交的报告文件名：班级_学号_姓名_实验名称———————————————————————实验名称班级：学号：姓名：一、实验目的二、实验内容三、实验步骤四、实验结果1. 系统名称及谓词定义2. 系统知识库3. 系统正、反向推理过程、事实区和规则区。
五、实验总结———————————————————————实验二 模糊推理系统实验一、实验目的理解模糊逻辑推理的原理及特点，熟练应用模糊推理，了解可能性理论。
二、实验原理模糊推理所处理的事物自身是模糊的，概念本身没有明确的外延，一个对象是否符合这个概念难以明确地确定，模糊推理是对这种不确定性，即模糊性的表示与处理。
模糊逻辑推理是基于模糊性知识(模糊规则)的一种近似推理，一般采用Zadeh 提出的语言变量、语言值、模糊集和模糊关系合成的方法进行推理。
三、实验条件Matlab 7.0 的Fuzzy Logic Tool 。
四、实验内容及要求1. 设计洗衣机洗涤时间的模糊控制。
已知人的操作经验为：“污泥越多，油脂越多，洗涤时间越长”； “污泥适中，油脂适中，洗涤时间适中”； “污泥越少，油脂越少，洗涤时间越短”。
要求：（1）假设污泥、油脂、洗涤时间的论域分别为[0,100]、[0,100]和[0,120]，设计相应的模糊推理系统，给出输入、输出语言变量的隶属函数图，模糊控制规则表和推论结果立体图。
（2）假定当前传感器测得的信息为00(60,70x y ==污泥）（油脂），采用面积重心法反模糊化，给出模糊推理结果，并观察模糊推理的动态仿真环境，给出其动态仿真环境图。
提示：模糊控制规则如下表1所示，其中SD （污泥少）、MD （污泥中）、LD （污泥多）、NG （油脂少）、MG （油脂中）、LG （油脂多）、VS（洗涤时间很短）、S （洗涤时间短）、M （洗涤时间中等）、L （洗涤时间长）、VL （洗涤时间很长）。
图1 洗衣机的模糊控制规则表 x y z SD NG VS SD MG M SD LG L MD NG S MD MG M MD LG L LD NG M LD MG L LD LG VL2．假设两汽车均为理想状态，即2Y()4U()20.724s s s s =+⨯⨯+，Y 为速度，U 为油门控制输入。
（1）设计模糊推理系统控制2号汽车由静止启动，追赶200m 外时速90km 的1号汽车并与其保持30m 的距离。
（2）在25时刻1号汽车速度改为时速110km 时，仍与其保持30m 距离。
（3）在35时刻1号汽车速度改为时速70km 时，仍与其保持30m 距离。
要求：（1）如下图1所示，设计两输入一输出的模糊推理系统作为2号汽车的模糊控制器，其中输入为误差e 和误差的变化e &，输出为1号汽车的油门控制u ，采用面积等分法反模糊化，给出输入、输出语言变量的隶属函数图，模糊控制规则表，推论结果立体图和模糊推理的动态仿真环境图。
相对距离e图1 两车追赶的模糊控制系统框图（2）用SIMULINK 仿真两车追赶的模糊控制系统，给出目标车（1号汽车）的速度曲线图，以及追赶车（2号汽车）的速度曲线图和与目标车（1号汽车）相对距离变化图。
提示：模糊控制规则如下表2r 、θ和油门控制u 的论域分别为[0,1]、[-3,3]和表2 模糊控制规则表r \θ NB ZE PB PB ZE NM NB PM ZE PM PB ZE ZE PM PB NM ZE NM NB NBZE NM NB图2 r的隶属函数图五、实验报告要求：1. 按照实验要求，给出相应结果。
2．分析隶属度、模糊关系和模糊规则的相互关系。
下面是实验报告的基本内容和书写格式。
实验名称班级：学号：姓名：一、实验目的二、实验内容三、实验结果按照实验要求，给出相应结果。
四、实验总结1. 分析隶属度、模糊关系和模糊规则的相互关系。
2. 总结实验心得体会——————————————————————————————————实验三 A*算法实验I一、实验目的熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。
二、实验原理A*算法是一种启发式图搜索算法，其特点在于对估价函数的定义上。
对于一般的启发式图搜索，总是选择估价函数f值最小的节点作为扩展节点。
因此，f是根据需要找到一条最小代价路径的观点来估算节点的，所以，可考虑每个节点n的估价函数值为两个分量：从起始节点到节点n的实际代价g(n)以及从节点n到达目标节点的估价代价h(n),且)h ，)(*nh为n节点到目的nh(*)(n结点的最优路径的代价。
八数码问题是在3×3的九宫格棋盘上，摆有8个刻有1～8数码的将牌。
棋盘中有一个空格，允许紧邻空格的某一将牌可以移到空格中，这样通过平移将牌可以将某一将牌布局变换为另一布局。
针对给定的一种初始布局或结构（目标状态），问如何移动将牌，实现从初始状态到目标状态的转变。
如下图1表示了一个具体的八数码问题求解。
图1 八数码问题的求解三、实验内容1. 参考A*算法核心代码，以8数码问题为例实现A*算法的求解程序（编程语言不限），要求设计两种不同的估价函数。
