人工智能试验

#/6实验一利用问题归约法实现Hanoi塔问题（一）教学要求理解问题归约法的原理和方法，掌握用问题归约表示问题的步骤，并能够对实际问题给出具体的实现。（二）知识点提示主要知识点：分解、归约、本原问题、与树、或树、与或树、等价变换、用与或树表示问题的步骤。重点：用与或树表示问题的步骤、Hanoi塔问题的实现。难点：问题归约法的实现。（三）教学内容利用问题归约法实现Hanoi塔，主要包括主函数、函数hanoi与搬移函数move,要求在主函数中接收盘子数目并调用hanoi函数。（四）思考题.当盘子数目越来越多时，运行时间有何变化？.什么是本原问题？实验二利用状态空间搜索法实现八数码问题（一）教学要求理解状态空间知识表示方法，掌握搜索方法的基本原理，并能够对八数码问题给出具体的实现。（二）知识点提示主要知识点：状态、状态空间、算符、用状态空间表示问题的步骤、用状态空间求解问题的过程、搜索、宽度优先搜索、有界深度优先搜索、启发式搜索。重点：状态空间、用状态空间求解问题的过程、宽度优先搜索、有界深度优先搜索、启发式搜索。难点：用状态空间法求解八数码问题的实现过程。（三）教学内容用状态空间搜索法求解问题的基本思想是将适用的算符作用于初始状态，以产生新的状态；然后再把一些适用的算符作用于新的状态，重复该过程，直至产生的状态为目标状态为止。实验内容包括：1．定义状态的描述形式，并给出初始状态和目标状态；2．定义一组算符；.利用搜索算法对状态不断扩展，直至得到目标状态为止。（四）思考题.如何使用产生式表示该问题中的算符？.使用不同搜索算法求解该问题的性能如何？实验三机器人搬盒子问题（一）教学要求理解谓词逻辑知识表示的方法，掌握一阶谓词逻辑知识表示的基本原理，能够利用归结原理求解简单问题。（二）知识点提示主要知识点：谓词、原子公式、谓词公式、子句、子句集、空子句、归结原理。重点：谓词公式、子句集和归结原理的实现。难点：归结原理的实现。（三）教学内容机器人搬盒子问题：设在一个房间里，有一个机器人ROBOT,一个壁橱ALCOVE,一个积木块BOX,两个桌子A和B。开始时，机器人ROBOT在壁橱ALCOVE旁边，且两手空空，桌子A放着积木块BOX，桌子B是空的。机器人可把积木块BOX从一种状态桌子A上变换成另一种状态桌子B上，然后回到壁橱。用归结原理方法求解该问题？实验内容包括：1．用谓词公式表示问题的初始状态、目标状态以及机器人操作；2．将谓词公式转换为子句集；.利用归结原理对子句集中的子句进行归结。（四）思考题.如何将谓词公式转换为子句集？.谓词公式与子句集等值吗？实验四ID3判定树学习算法的实现（一）教学要求掌握判定树的基本思想，了解判定树算法的特点，掌握ID3判定树学习算法，并能够对实际模式样本正确分类的ID3算法程序。（二）知识点提示主要知识点：判定树、单个概念、机器学习、例子集、最大熵、信息增益、ID3算法。重点：用程序设计语言实现ID3算法。难点：ID3算法的实现。（三）教学内容编写ID3算法程序，实现对不同对象的分类。（四）思考题1．什么是最大熵？引入最大熵的目的是什么？2.如何对连续属性离散化？常用的方法有哪些？实验五用BP神经网络实现XOR分类问题（一）教学要求理解前馈神经网络的工作原理，掌握BP算法的基本思想，认识影响算法性能的因素，能够编写对实际模式样本正确分类的程序。（二）知识点提示主要知识点：神经网络、前馈神经网络、感知器、XOR问题。重点：用BP神经网络实现XOR分类的程序。难点：XOR分类的实现。（三）教学内容给定4个样本，分别为｛（0，0），（0，1），（1，0），（1，1）｝，利用BP神经网络解决这4个样本的分类，即要求4个样本的输出分别是0、1、1和0。首先构造输入层为2个神经元，隐含层为2个神经元，输出层为1个神经元的BP神经网络；然后利用给定的4个样本对神经网络训练；最后使用得到的神经网络对样本分类。（四）思考题L使用单层神经网络能够解决XOR分类吗？2.用多层神经网络解决XOR问题时，隐含层至少需要多少个神经元？实验六用遗传算法求函数的最大值问题（一）教学要求掌握遗传算法的基本思想，编写能对实际问题求解的遗传算法程序，通过实现遗传算法程序，可进一步理解遗传算法的基本机理。（二）知识点提示主要知识点：遗传算法的原理、个体、群体、交换、突变、适应度。重点：适应度函数。难点：适应度函数。（三）教学内容选择测试用的目标函数，设计有效的遗传算子，分别编写初始化函数、