智能信息处理课内实验_实验指导书.docVIP

实 验 指 导 书  目 录 1 实验二 模拟退火算法解决函数优化问题 3 实验三 智能优化算法解决TSP问题 5 实验四 简单感知器模型 7 实验五 BP网络 9 实验六 神经网络工具箱的应用 11 实验七 模糊控制洗衣机 13 实验八 基于遗传算法的图像几何畸变校正 17 实验九 模糊C均值聚类算法 20 实验一 遗传算法解决函数优化问题 一、实验目的 掌握遗传算法的基本原理和步骤。 复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。 二、实验设备 微机 三、实验原理 遗传算法是一类随机优化算法，但它不是简单的随机比较搜索，而是通过对染色体的评价和对染色体中基因的作用，有效地利用已有信息来指导搜索有希望改善优化质量的状态。标准遗传算法主要步骤可描述如下： 随机产生一组初始个体构成初始种群计算每一个体的适配值（fitness value，也称为适应度）。适应度值是对染色体(个体)进行评价的一种指标，是GA进行优化所用的主要信息，它与个体的目标值存在一种对应关系。判断算法收敛准则是否满足，若满足，则输出搜索结果；否则执行以下步骤。根据适应度值大小以一定方式执行复制操作（也称为选择操作）。按交叉概率pc执行交叉操作。按变异概率pm执行变异操作。返回步骤②。四、预习要求 认真阅读教材中遗传算法的基本原理与步骤。 复习VB、VC的基本概念、基本语法和编程方法。 五、实验内容及步骤 上机编写程序 调试程序。 根据实验结果，。 图.1 标准遗传算法流程图 六、实验报告 给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。 利用实验。。分析遗传算法的优缺点，并提出改进意见。本实验的心得体会。 实验二 模拟退火算法 一、实验目的 掌握模拟退火算法的基本原理和步骤。 复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。 二、实验设备 微机 三、实验原理 模拟退火算法是基于Monte Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理退火过程与组合优化之间的相似性，模拟退火算法由某一较高初温开始，利用具有概率突跳特性的Metropolis抽样策略在解空间中进行随机搜索，伴随温度的不断下降重复抽样过程，最终得到问题的全局最优解。 标准模拟退火算法的一般步骤可描述如下： (1) 令=0，给定初温t，随机产生初始状态s； (2) Repeat；；(2.1) Repeat；(2.1.1) 产生新状态 (2.1.2) 若min{1, exp[(C(sold)-C(snew))/tm]}(random[0, 1]，sold=snew； (2.1.3) Until抽样稳定准则满足；(2.2) 退温tm+1=update(tm)，s=sold，=m+1； (3) Until算法终止准则满足； (4) 输出算法搜索结果。四、预习要求 认真阅读教材中模拟退火算法的基本原理与步骤。 复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤 上机编写程序 调试程序。 根据实验结果，写实验报告。 图2.六、实验报告 给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。 利用实验。 。。分析模拟退火算法的优缺点，并提出改进意见。本实验的心得体会。 实验算法 一、实验目的 掌握模拟退火算法的基本原理和步骤。复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写程序。 二、实验设备 微机 三、实验原理 Traveling Salesperson Problem）。—遗传算法》。 四、预习要求 认真阅读教材中模拟退火算法的基本原理与步骤。模拟退火算法 复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤 上机编写程序退火算法调试程序。 根据实验结果，写实验报告。六、实验报告 给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。 分析用模拟退火算法解决函数优化问题和组合优化问题中时算法的不同。 。 本实验的心得体会。—遗传算法》。 实验 简单感知器模型 一、实验目的 掌握简单感知器模型的基本原理。 复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写简单感知器模型程序。 二、实验设备 微机 三、实验原理 简单感知器模型的基本：将样本矢量X输入到感知器中，得到实际输出y，再用y与期望输出d的差来修正下一步的权值。神经元： 感知器的连接权定义为可变化的，感知器的训练（学习）是通过监督学习过程来实现的。简单感知器引入的学习算法称为误差学习算法该算法①选择一组初始权值wi(0)； ②计算输入样本X所对应的实际输出期望输出d的误差(dj-y(t)|；③如果(小于值，⑤步；否则继续； ④更新权值：式中，w