人工智能实验报告

“人工智能”实验报告Artificial

Intelligence

******

班级：物联网1201

学号：**********

******

日期：2014.4.15

目录

一、搜索策略实验群 (4)

二、产生式系统实验群 (5)

三、神经网络实验群 (6)

四、实验心得和体会 (9)

实验一：

搜索策略实验群

姓名钱晓雪年级物联网

1201班

指导老师刘丽珏日期2014年4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

算法比

较

广度优先启发式（1）启发式（2）

Open 表Open{S}

Open{1, 2}

Open{3, 4, 2}

Open{7, 4, 2}

Open{4, 2}

Open{8，2}

Open{2}

Open{5, 6}

Open{9, G, 6}

Open{G, 6}

Open{S}

Open{1, 2}

Open{5, 6, 1}

Open{3, 4, 5, 6}

Open{9, G, 3, 4, 6}

Open{10, 9, G, 3, 4}

Open{8, 10, 9, G, 3}

}

Open{S}

Open{2}

Open{5,}

Open{G}

Close

表

S 1 2 3 4 5 6 7 8 9S 1 3 7 4 8 5 9S 2 5

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S-1-2-3-5-6-7-8-9-G 初始节点s-1-3-7-4-8-2-5-9-目

标节点G

S-2-5-G

观测结果

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（Heuristic F

unction）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

实验二：

神经网络实验群

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）