中南大学人工智能实验报告

人工智能实验报告指导老师：陈白帆学生班级：xx学生姓名：xx学生学号：xx实验一搜索策略实验群姓名陈继宏年级计科0908班指导老师陈白帆日期2012年11月15日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。搜索图使用的是实验环境中已经建立好的“多重路径修建”搜索图算法比较深度优先BestFirst（贪婪算法）A*算法Open表{0}{1.3.4}{3.4.2}{4.2.6}{2.6.5.7.8}{6.5.7.8}{5.7.8}{7.8}{8}{空}{0}{1.3.4}{3.4.2}{4.2.6}{2.6.5.7.8}{6.5.7.8}{5.7.8}{7.8}{8}{空}{0}{1.3.4}{3.4.2}{4.2.6}{2.6.5.7.8}{6.5.7.8}{5.7.8}{7.8}{8}{空}Close表{空}{0}{0.1}{0.1.3}{0.1.3.4}{0.1.3.4.2}{0.1.3.4.2.6}{0.1.3.4.2.6.5}{0.1.3.4.2.6.5.7}{0.1.3.4.2.6.5.7.8}{空}{0}{0.1}{0.1.3}{0.1.3.4}{0.1.3.4.2}{0.1.3.4.2.6}{0.1.3.4.2.6.5}{0.1.3.4.2.6.5.7}{0.1.3.4.2.6.5.7.8}{空}{0}{0.1}{0.1.3}{0.1.3.4}{0.1.3.4.2}{0.1.3.4.2.6}{0.1.3.4.2.6.5}{0.1.3.4.2.6.5.7}{0.1.3.4.2.6.5.7.8}估价函数f(x)=g(x)f(x)=h(x)f(x)*=g(x)*+h(x)*搜索节点次序记录节点0-节点1-节点3-节点4-节点2-节点4-节点6-节点4-节点7-节点5-节点6-节点8节点0-节点1-节点3-节点4-节点2-节点4-节点6-节点4-节点7-节点5-节点6-节点8节点0-节点1-节点3-节点4-节点2-节点4-节点6-节点5-节点7-节点6-节点8观测结果最终路径是节点0-节点4-节点8最终路径是节点0-节点4-节点8最终路径是节点0-节点4-节点8学生结论广度优先搜索算法是一种搜索策略，与之相对应的还有深度优先搜索算法。广度优先是指从图G中的某点为始点出发，标记出所有与之相邻的点，并再以所有与之相邻的点为始点，搜索所有与这些点相邻的点，从而逐层向下扩展，实现对图的遍历。同理，深度优先搜索是指从某点出发，逐层向下扩展，直到无路可扩展时向上回溯，它是优先考虑图的深度（指从某点的扩展深度），而广度优先则优先考虑图的广度（指从某点的可扩展量）。贪婪算法是一种不追求最优解，只希望得到较为满意解的方法。贪婪算法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪算法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况，所以贪婪法不要回溯。A*算法结合了启发式方法（这种方法通过充分利用图给出的信息来动态地作出决定而使搜索次数大大降低）和形式化方法（这种方法不利用图给出的信息，而仅通过数学的形式分析，如Dijkstra算法）。它通过一个估价函数（HeuristicFunction）f(h)来估计图中的当前点p到终点的距离(带权值)，并由此决定它的搜索方向，当这条路径失败时，它会尝试其它路径。我们说如果在一般的图搜索算法中应用了上面的估价函数对OPEN表进行排序的，就称A算法。在A算法之上，如果加上一个条件，对于所有的结点x，都有h(x)=h*(x)，那就称为A*算法。如果取h(n)=0同样是A*算法，这样它就退化成了有序算法。A*算法是否成功，也就是说是否在效率上胜过蛮力搜索算法，就在于h(n)的选取，它不能大于实际的h*(n)，要保守一点，但越接近h*(n)给我们的启发性就越大，是一个难把握的东西。实验二产生式系统姓名陈继宏年级班级计科0908班指导老师陈白帆日期2012年11月29日实验目的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。掌握人工智能的知识表示技术，能用产生式表示法表示知识。推理方法□正向推理□反向推理建立规则库建立事实库%cs_course(C)istrueifcourseCisofferedin%thecomputersciencedepartmentcs_course(C)-department(C,comp_science).%math_course(C)istrueifcourseCisofferedin%themathematicsdepartmentmath_course(C)-department(C,math).%cs_or_math_course(C)istrueifcourseCisofferedin%eitherthecomputersciencedepartmentorthe%mathematicsdepartmentcs_or_math_course(C)-cs_course(C).cs_or_math_course(C)-math_course(C).%in_dept(S,D)istrueifstudentSisenrolled%inacourseofferedindeparmentDin_dept(S,D)-enrolled(S,C)&department(C,D)&student(S)&course(C).%course(C)istrueifCisauniversitycoursecourse(322).course(315).%department(C,D)istrueifcourseCisofferedindepartmentD.department(322,comp_science).department(315,math).%student(S)istrueifSisastudentenrolled(john,322).student(john).%enrolled(S,C)istrueifstudentSisenrolledincourseCenrolled(john,315).预测结果Quest为“in_dept(john,math)”,最后能够得到求证。实验过程及1、首先从规则库取出第一条规则r1,将r1中的前提部分与初始备注(原因等)结果(注意观测规则的匹配过程和方法)事实集中的事实相比较，匹配失败；于是继续取第二条规则再试，匹配失败…直到r5才得到enrolled(john,C)、department(C,math)、student(john)course(C)，暂取C=322，构造出假设事实集！于是假设事实集为：enrolled(john,322)、department(322,math)、student(john)、course(322)初始事实集为：course(315)、department(315,math)、student(john)、enrolled(john,315)。2、可见，假设集与事实集匹配不成功，说明先前的取值有问题，返回再次取值。3、取C=315，构造出假设事实集！于是假设事实集为：enrolled(john,315)、department(315,math)、student(john)、course(315)初始事实集为：course(315)、department(315,math)、student(john)、enrolled(john,315)。4、此后，一一匹配，均与事实集匹配。5、能够证明——in_dept(john,math)学生结论运用正向和反向推理，产生式系统能够完成有一定难度的推理问题。指导老师意见实验三神经网络实验群姓名陈继宏指导老师:陈白帆日期:2012年12月20日实验目的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。网络拓朴图训练数据集（输入节点0，输入节点1，输入节点2，输入节点5）（0,0,0,0）（0,0,1,0）（0,1,1,1）（1,0,0,0）（1,0,1,1）（1,1,0,1）（1,1,1,1）（输入节点0，输入节点1，输入节点4）（0,0,0）（0,1,0）（1,0,1）（Known，New，Short，Home,Reads）（1,1,0，1,0）（0,1,1，0,1）（0,0,0,0,0）（1,0,0,1,0）（1,1,1,1,1）（1,0,0,0,0）（0,0,1,0,0）（0,1,1,0,1）（1,0,0,1,0）（1,1,0,0,0）（0,0,1,1,0）（1,1,0,0,0）（1,0,1,1,1）（1,1,1,0,1）（1,1,1,1,1）（1,0,1,0,1）（1,1,1,1,1）（0,1,1,0,1）训练误差第1代误差1.68第51代误差0.52第101代误差0.11第151代误差0.05第201代误差0.03第1代误差0.018第51代误差0.010第101代误差0.010第151代误差0.010第201代误差0.010第1代误差4.67第51代误差0.66第101代误差0.12第151代误差0.06第201代误差0.03模拟的问题或函数多数赞成表决器异或问题MailReading（邮件信息识别）观测结果经过200代的进化，误差以明显的阶梯型降低由于初始误差比较低，故经过50代的进化，误差已经极大地降低，几乎不再变化经过200代的进化，误差极大地降低学生结论神经计算能够实现“多数赞成表决器”功能单层的神经网络无法实现异或问题，但是含有中间层的BP网络却可以很好的解决异或问题经过训练的BP网络可以进行邮件识别，解决信息识别的难题，可以极大地提高生产力实验四自动规划实验群姓名：年级：计科0908指导老师：陈白帆日期：2012年11月20号实验目的熟悉和掌握自动规划的基本原理,方法和主要技术。实验原理规划是一种问子题求解技术，它从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操作序列，直到求得目标状态为止。简而言之，规划是一个行动过程的描述。一个总规划可以含有若干个子规划。实验步骤：1进入实验环境，选择装载相关源文件。2选择不同的算法，观察搜索过程。3设置不同属性，观察实验过程的变化。4观察运行过程和搜索顺序，理解启发式搜索的原理。5根据程序运行过程画出算法框图。观测结果学生结论熟悉了自动规划的原理和方法。应用实验部分一、实习目的和意义理解和掌握状态空间搜索的策略。二、实习内容在一个3*3的九宫中有1~8个数及一个空格随机地摆放在其中的个子里，现在要求实现这个问题；将该九宫格调整为某种有序的形式。调整的规则是，每次只能将空格左上右下移动，试编程实现这一问题的求解。三、实习要求用你们学过的某种语言编写程序，利用不同的搜索策略进行状态空间搜索（如宽度优先搜索、深度优先搜索、有界深度优先搜索、启发式搜索等）。四、实验总结【实验测试结果】测试中的一组数据：请输入初始位置（其中输入0代表空白块，例如：283104765）：283104765请输入目标位置（其中输入0代表空白块，例如：283140765）：283140765深度优先搜索：深度优先搜索方法路径！28310476528301476528371406528371460528371465028371065428370165428307165428367105428367150428367154028367054128360754128306754128356704128356740128356741028356041728350641728305641728345601728345610728345617028345017628340517628304517628314507628314570628314576028