人工智能实验指导

人工智能实验指导实验一传教士和野人渡河问题目的：利用已经学习的某种搜索算法，编写状态空间搜索程序内容：使用某个编程工具编写解决问题的程序要求：程序必须把状态空间的搜索路径输出算法参考：1, OPEN:=(s), f(s):=g(s)+h(s);2, LOOP: IF OPEN=( ) THEN EXIT(FAIL);3, n:=FIRST(OPEN);4, IF GOAL(n) THEN EXIT(SUCCESS);5, REMOVE(n, OPEN), ADD(n, CLOSED);6, EXPAND(n) →{m i},计算f(n, m i):=g(n, m i)+h(m i);ADD(m j, OPEN), 标记m j到n的指针；IF f(n, m k)<f(m k) THEN f(m k):=f(n, m k),标记m k到n的指针；IF f(n, m l)<f(m l) THEN f(m l):=f(n, m l),标记m l到n的指针,ADD(m l, OPEN);7, OPEN中的节点按f值从小到大排序；8, GO LOOP；实验二逻辑关系模拟程序目的：在PIE中体会Prolog语言的推理，熟悉SWI-Prolog或Visual Prolog编程工具。

内容：在Visual Prolog自带的实例PIE中调试运行简单的逻辑关系推理程序。

要求：程序自选，但必须是描述某种逻辑关系的程序。

示例程序：(1)在PIE代码窗口输入以下事实和规则：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,Inuput2,Output):-not_(Input1,N1),not_(Input2,N2),and_(Input1,N2,N3),and_(Input2,N1,N4),or_(N3,N4,Output).(2)在Dialog窗口中输入类似于”xor(1,0,X).”这样的目标语句让PIE求解,观察求解的结果是否正确。

实验三递归规则实现目的：利用Prolog实现简单路径判断。

内容：判断给定图的任意结点间路径是否存在。

要求：使用递归方法定义路径。

给定图：示例程序：road(a,b).road(a,c).road(b,d).road(c,d).road(d,e).road(b,e).path(X,Y):-road(X,Y).path(X,Y):-path(X,Z),path(Z,Y).实验四家庭关系模拟程序目的：加深学生对Prolog语言推理的理解。

内容：编写，调试，运行一个简单逻辑关系推理程序。

要求：能够正确显示出家族中人员之间的关系。

理解逻辑程序的特点。

示例程序：(1)在visual prolog中新建一个项目，这里名字以family1为例，注意UI Strategy选项中要选择Console项。

(2)选择Build-Build命令,在项目窗口中找到main.pro文件，将其中代码改成：implement mainopen coreconstantsclassName = "main".classV ersion = "$JustDate: 2007-09-24 $$Revision: 1 $".clausesclassInfo(className, classVersion).domainsgender = female(); male().class facts - familyDBperson : (string Name, gender Gender).parent : (string Person, string Parent).class predicatesfather : (string Person, string Father) nondeterm anyflow.clausesfather(Person, Father) :-parent(Person, Father),person(Father, male()).class predicatesgrandFather : (string Person, string GrandFather) nondeterm (o,o).clausesgrandFather(Person, GrandFather) :-parent(Person, Parent),father(Parent, GrandFather).class predicatesancestor : (string Person, string Ancestor) nondeterm (i,o).clausesancestor(Person, Ancestor) :-parent(Person, Ancestor).ancestor(Person, Ancestor) :-parent(Person, P1),ancestor(P1, Ancestor).class predicatesreconsult : (string FileName).clausesreconsult(FileName) :-retractFactDB(familyDB),file::consult(FileName, familyDB).clausesrun():-console::init(),stdIO::write("Load data\n"),reconsult("..\\fa.txt"),stdIO::write("\nfather test\n"),father(X, Y),stdIO::writef("% is the father of %\n", Y, X),fail.run():-stdIO::write("\ngrandFather test\n"),grandFather(X, Y),stdIO::writef("% is the grandfather of %\n", Y, X),fail.run():-stdIO::write("\nancestor of Pam test\n"),X = "Pam",ancestor(X, Y),stdIO::writef("% is the ancestor of %\n", Y, X),fail.run():-stdIO::write("End of test\n").end implement maingoalmainExe::run(main::run).(3)选择File New命令，新建一个文本文件(Text File)fa.txt，注意选择存放路径与family1工程所在的路径的exe文件夹相同。

(4)在fa.txt文件中输入以下内容：clausesperson("Judith",female()). person("Bill",male()).person("John",male()).person("Pam",female()). parent("John","Judith"). parent("Bill","John").parent("Pam","Bill").(5)运行程序，观察求解结果。

实验五设计一个神经网络感知器目的：能够掌握神经网络感知器的原理和构造方法内容：利用Matlab或者其它编程工具构造一个神经网络感知器。

要求：构造出的神经网络可以分类样本数据。

单层感知器神经元模型图：图5．1 感知器神经元模型F.Roseblatt已经证明，如果两类模式是线性可分的（指存在一个超平面将它们分开），则算法一定收敛。

感知器特别适用于简单的模式分类问题，也可用于基于模式分类的学习控制中。

感知器的网络结构图5．2 感知器的网络结构根据网络结构，可以写出第i个输出神经元(i＝1，2，…，s)的加权输入和ni及其输出ai为：感知器的输出值是通过测试加权输入和值落在阈值函数的左右来进行分类的，即有：阈值激活函数如下图所示。

图5．3 阈值激活函数图由感知器的网络结构，我们可以看出感知器的基本功能是将输入矢量转化成0或1的输出。

这一功能可以通过在输入矢量空间里的作图来加以解释。

感知器权值参数的设计目的，就是根据学习法则设计一条W*P+b＝0的轨迹，使其对输入矢量能够达到期望位置的划分。

以输入矢量r＝2为例，对于选定的权值w1、w2和b，可以在以p1和p2分别作为横、纵坐标的输入平面内画出W*P+b＝w1 p1十w2 p2十b＝0的轨迹，它是一条直线，此直线上的及其线以上部分的所有p1、p2值均使w1 p1十w2 p2十b＞0，这些点若通过由w1、w2和b构成的感知器则使其输出为1；该直线以下部分的点则使感知器的输出为0。

所以当采用感知器对不同的输入矢量进行期望输出为0或1的分类时，其问题可转化为：对于已知输入矢量在输入空间形成的不同点的位置，设计感知器的权值W和b，将由W*P+b ＝0的直线放置在适当的位置上使输入矢量按期望输出值进行上下分类。

图5．4 输入矢量平面图感知器设计训练的步骤可总结如下：1)对于所要解决的问题，确定输入矢量X，目标矢量O，并由此确定各矢量的维数以及确定网络结构大小的神经元数目：r，s和q；2)参数初始化：a)赋给权矢量w在(-1，1)的随机非零初始值；b)给出最大训练循环次数max_epoch；3)网络表达式：根据输入矢量X以及最新权矢量W，计算网络输出矢量X；4)检查：检查输出矢量X与目标矢量O是否相同，如果是，或已达最大循环次数，训练结束，否则转入5)；5)学习：根据感知器的学习规则调整权矢量，并返回3)。