启发式搜索a星算法的八数码实现报告.docxVIP

请简述人工智能概念于何时何地由何人第一次正式提出? 答：1956年夏，在美国的达特茅斯(Dartmouth )学院，由McCarthy (斯坦福大学， MIT )、Min sky (哈佛大学数学和神经学家)、 Lochester ( IBM公司)、Sha nnon (贝尔 实验室)四人共同发起，邀请 IBM公司的Moore、Samuel，MIT的Selfridge、Solomonff， 还有Sim on、Newell等人参加学术讨论班，在一起共同学习和探讨用机器模拟智能的各种 问题，在会上，经 McCarthy提议，决定使用 人工智能”一词来概括这个研究方向。这次具 有历史意义的会议标志着人工智能这个学科的正式诞生。 当前人工智能有哪些学派？简述它们在人工智能理论上有何不同之处？ a?符号主义：起源于数理逻辑 基于逻辑推理 认知是符号的处理过程 ，推理是问题求解 过程(核心是知识表示)无法表示不确知事物和常识问题 Nilsson b.连接主义：起源于仿生学 基于神经网络 思维是神经元的连接活动而不是符号运算过 程(学习算法和网络结构)用大量非线性并行处理器模拟大脑 Newell 目标状态?行为主义： 目标状态: 2 3 4 1 8 7 6 5 定义估价函数：f(x) = d(x) + h(x),其中：d(x)表示节点x的深度，h(x)表示节点x的棋局与 目标节点棋局距离的度数。 (1)使用以上估价函数进行全局择优搜索，列出头三步搜索中的 OPEN表和CLOSED表 中的节点。 搜索步骤 OPEN表 CLOSE［表 初始 S \ 1 S1,S2,S3,S4 SO 2 S2,S3,S4,S5,S6 S0,S1 3 S8,S3,S9,S4,S7,S5,S6 S0,S1,S2 全局择优搜索过程如下: 把初始节点 S0放入OPEN表，f(SO)。 如果OPEN表为空，则问题无解，退出。 ⑶把OPEN表的第一个节点(记为节点n)取出放入CLOSED表。 (4)考察节点n是否为目标节点。若是，则求得了问题的解，退出。 ⑸若节点n不可扩展，则转第(2)步。 (6)扩展节点n,用估价函数f(x)计算每个子节点的估价值， 并为每个子节点配置指向父 节点的指针，把这些子节点都送入 OPEN表中，然后对OPE N表中的全部节点按估价值从小 到大的顺序进行排序，然后转第 （2）步。 ⑵ 画出完整的搜索树并给出搜索树中每个节点的估价函数。 S1(4)S2⑷S3⑷S4(5)S5⑹S6(6)S7(5)S8(3) S1(4) S2⑷ S3⑷ S4(5) S5⑹ S6(6) S7(5) S8(3) S9⑷ S11(2) S11(2) S10(4) 4.不稳定性推理 有下列一组知识: r1: IF E THEN E(0.6) r2: IF E AND E THEN E r3: IF E THEN H (0.8) r4: IF E THEN H (0.9) 且已知 CF (EJ=0.5, CF(E)=0.6, CF(E)=0.7。 求 CF(H)=? 遗传算法 用遗传算法求解函数f(x) = x2 + x的最大值。其中 xe[1.0 , 4.0],种群规模 pop_size = 4,交叉概率 Pn = 1, 变异概率Pm = 0.01。 要求：1、给出编码方式和生成初始群体，精确到小数 点后1位； 2、设计适应度函数并计算每一个个体适应度和 选择概率； 3、根据选择概率执行一次选择操作， rand1 = 0.1， rand2 = 0.3, rand3 = 0.5, rand4 = 0.9 供选择时 使用。 4、 根据选择后的结果，执行一次交叉操作， 5、 第一次遗传迭代是否需要执行变异操作？ 人工神经网络 图1给出一个两层神经元网络，经过适当训练， 输出响应为 ° 二 °95 02 _0.05 增广输入模式为_ 增广输入模式为 _zJ Z2 网络的初始权值如图所示，试分析初始化网络 前向和反向传播步骤，求下列各值： 求输入层到隐含层连接权矩阵 V和隐含 层到输出层连接权矩阵 W 计算隐含层节点 A和节点B的输入和输 出 计算输出层节点 C的输入和输出 转移 函数 f(x) = 1 二 1 +e (4)计算输出层节点C的局部梯度! 考试覆盖范围： 人工智能绪论 启发式搜索 不确定性推理(CF模型) 遗传算法(编码方式，遗传算子) 人工神经网络(BP学习方法，正向传播和反向传播) 例如：有下列一组知识： ri： if Ei then H (0.8) 「2： if E2 then H (0.6) r3： if E3 then H(-0.5) 「4： if E4 a nd (E5 or E6)then Ei (0.7) 「5： if E7 and E