【正文】 用，為人工智能后續(xù)環(huán)節(jié)的課程奠定基礎(chǔ)。用三元組(X1, X2, X3)表示渡河過程中的狀態(tài)。五、實(shí)驗(yàn)條件每人一臺(tái)計(jì)算機(jī)獨(dú)立完成實(shí)驗(yàn)。()。RiverCrossing::ShowInfo()。int pastor。bool move(State *nowState, Boat *boat)。//檢查某狀態(tài)節(jié)void print(State *endState)。//求解問題 std::list openList, closeList。//獲得此岸總?cè)藬?shù) bool check()。State , iSavage1)。 = this。return false。//從當(dāng)前狀態(tài)開始決策if(nowStateiBoatAtSide == 1){//船在此岸} //過河的人越多越好，且野人優(yōu)先int count = nowStategetTotalCount()。capticy){} //把船開回來的人要最少，且牧師優(yōu)先for(int capticy = 1。boat))return true。coutcout七、實(shí)驗(yàn)結(jié)果實(shí)驗(yàn)二：九宮重排一、實(shí)驗(yàn)?zāi)康腁*算法是人工智能領(lǐng)域最重要的啟發(fā)式搜索算法之一，本實(shí)驗(yàn)通過九宮重排問題，強(qiáng)化學(xué)生對(duì)A*算法的理解與應(yīng)用，為人工智能后續(xù)環(huán)節(jié)的課程奠定基礎(chǔ)。六、實(shí)驗(yàn)代碼 include include “” using namespace std。coutend。 pragma once include include include using namespace std。//九宮格狀態(tài) class State { public:int moves。grid, State *pPrevious = NULL)。//檢查是否可以移動(dòng) string grid。State takeMove(Move move)。 include “” include include include using namespace std。NineGrid(string amp。//求解問題 //用于排序static bool greater_than(const State *state1, const State *state2)。//進(jìn)行一次決策State* findInList(vector amp。//打印結(jié)果 vector openList, closeList。if(thispPrevious)thismoves = pPreviousmoves + 1。for(int i = 0。++j){} if(AT(grid, i, j)== SPACE){} x = i。if(x1 0)return false。case DOWN: case LEFT: case RIGHT:} int destX, destY。AT(tGrid, x, y)= t。destX = x。ii 3。int g = moves, h = 0。j 3。}}}} } } thisvalue = g + h。start, string amp。for(int i = 0。for(int j = 0。return false。if(nowStatecheck(move)){} if(takeMove(nowState, move))return true。(nowState)。} else { ()。symptom){ }//診斷函數(shù)void Expert::diagnosis(){cout請(qǐng)輸入癥狀:（或”不確定“以開始模糊搜索）”symptomInput。disease(symptom)。return amp。//是否從findList列表中排除本疾病for(unsigned int j = 0。break。++i){ } //添加有此癥狀的疾病到findList列表中for(unsigned int i = 0。m_DiseaseList[i]。(amp。remove = true。} else { cout} cout知識(shí)庫中未找到匹配的記錄！”根據(jù)已有的知識(shí)庫，可能的疾病為：”for(unsigned int i = 0。question){coutoption。y39。: case 39。 [疾病1] 癥狀A(yù) 癥狀B 癥狀C 癥狀D[疾病2] 癥狀A(yù) 癥狀B 癥狀C[疾病3] 癥狀A(yù) 癥狀B 癥狀D 癥狀E[疾病4] 癥狀A(yù) 癥狀C 癥狀D[疾病5] 癥狀B 癥狀C 癥狀D 癥狀E[疾病6] 癥狀A(yù) 癥狀B[疾病7] 癥狀A(yù) 癥狀C 癥狀E[疾病8] 癥狀A(yù) 癥狀D[疾病9] 癥狀B 癥狀C 癥狀E[疾病10] 癥狀B 癥狀D[疾病11] 癥狀C 癥狀D 癥狀E六、實(shí)驗(yàn)結(jié)果第三篇：人工智能TSP旅行商問題實(shí)驗(yàn)報(bào)告人工智能實(shí)驗(yàn)三實(shí)驗(yàn)報(bào)告班級(jí)： 姓名： 學(xué)號(hào)：一 實(shí)驗(yàn)題目TSP問題的遺傳算法實(shí)現(xiàn)旅行商問題（Traveling Salesman Problem, TSP），又譯為旅行推銷員問題、貨擔(dān)郎問題，簡(jiǎn)稱為TSP問題，是最基本的路線問題。三 實(shí)驗(yàn)要求掌握遺傳算法的基本原理、各個(gè)遺傳操作和算法步驟； 2 要求求出問題最優(yōu)解，若得不出最優(yōu)解，請(qǐng)分析原因； 對(duì)實(shí)驗(yàn)中的幾個(gè)算法控制參數(shù)進(jìn)行仔細(xì)定義，并能通過實(shí)驗(yàn)選擇參數(shù)的最佳值；要求界面顯示每次迭代求出的局部最優(yōu)解和最終求出的全局最優(yōu)解。//記錄適應(yīng)度double p。//記錄適應(yīng)度double p。適應(yīng)值高的函數(shù)被選作新一代個(gè)體的可能性就會(huì)大。in1= RanSeTi [i].city[j1]。//每條染色體的路徑總和biggestsum+=sumdistance。for(i=1。ifor(i=0。point2=rand()%cities。}for(j=temp1+1。point1=point2。//斷點(diǎn)之間的基因產(chǎn)生映射for(k=point1。k{temp=group[temp1].city[k]。k{temp=group[temp1].city[k]。k{for(kk=point1。k{for(kk=point1。k{for(kk=point1。k{for(kk=point1。} 3）變異操作TSP問題中，經(jīng)常采取的變異操作主要有：位點(diǎn)變異、逆轉(zhuǎn)變異、對(duì)換變異、插入變異。bianyip[i]/=100。t++。temp2=rand()%10。}} 實(shí)驗(yàn)中采用的算法參數(shù)的最佳選擇值是多少define cities 10/30 //城市的個(gè)數(shù)define MAXX 150 //迭代次數(shù) define pc //交配概率 define pm //變異概率 define num 20 //種群的大小六 實(shí)驗(yàn)結(jié)果 要求有實(shí)驗(yàn)運(yùn)行結(jié)果截圖，以及必要的說明以上部分是每次迭代的步驟結(jié)果，通過染色體群體中個(gè)體的交配、變異，從而更改染色體的具體基因組成，通過不斷進(jìn)行適應(yīng)度計(jì)算、存活率的計(jì)算，更新已有數(shù)值；以上部分為迭代之后的總結(jié)果，輸出最終的種群評(píng)價(jià)，從染色體種群里面取出最佳的染色體，并進(jìn)行輸出。(5)按概率Pm進(jìn)行變異操作。若失敗，分析可得失敗原因?yàn)椋弘S機(jī)生成的cities個(gè)城市之間的相互距離、隨機(jī)產(chǎn)生初試群有可能不存在適應(yīng)度值最優(yōu)的染色體七 實(shí)驗(yàn)總結(jié)及體會(huì)：對(duì)于此類旅行者問題，原在數(shù)據(jù)結(jié)構(gòu)和算法課中學(xué)過迪杰斯特拉算法，也可以高效快速的解決給定好初值的最短路徑問題；在本課中，有學(xué)到了新的算法：TSP算法，此算法從遺傳學(xué)角度，開辟了一個(gè)新的視野。：課堂上講解的遺傳算法較為簡(jiǎn)單基礎(chǔ)，對(duì)于理論學(xué)習(xí)而言，十分適合。第四篇：人工智能實(shí)驗(yàn)報(bào)告八數(shù)碼 《人工智能》實(shí)驗(yàn)一題目實(shí)驗(yàn)一啟發(fā)式搜索算法：使用啟發(fā)式搜索算法求解8數(shù)碼問題。pn239。熟練掌握啟發(fā)式搜索A算法及其可采納性。struct Node * parent。struct Chess * Parent。搜索過程如下：（1）、把原棋盤壓入隊(duì)列；（2）、從棋盤取出一個(gè)節(jié)點(diǎn)；（3）、判斷棋盤估價(jià)值，為零則表示搜索完成，退出搜索；（4）、擴(kuò)展子節(jié)點(diǎn)，即從上下左右四個(gè)方向移動(dòng)棋盤，生成相應(yīng)子棋盤；（5）、對(duì)子節(jié)點(diǎn)作評(píng)估，是否為優(yōu)越節(jié)點(diǎn)（子節(jié)點(diǎn)估價(jià)值小于或等于父節(jié)點(diǎn)則為優(yōu)越節(jié)點(diǎn)），是則把子棋盤壓入隊(duì)列，否則拋棄；（5）、跳到步驟（2）；算法的評(píng)價(jià) 完全能解決簡(jiǎn)單的八數(shù)碼問題，但對(duì)于復(fù)雜的八數(shù)碼問題還是無能為力。由于采用倒鏈表的搜索樹結(jié)構(gòu)，簡(jiǎn)化了數(shù)據(jù)結(jié)構(gòu)，但有部分被拋棄節(jié)點(diǎn)的內(nèi)存沒有很好的處理，所以會(huì)造成內(nèi)存泄漏； 采用了屏蔽方向，有效防止往回搜索（節(jié)點(diǎn)的回推），但沒能有效防止循環(huán)搜索，所以不能應(yīng)用于復(fù)雜度較大的八數(shù)碼問題；源碼：include include include typedef struct Node {//節(jié)點(diǎn)結(jié)構(gòu)體int data[9]。typedef struct Stack {//OPEN CLOSED 表結(jié)構(gòu)體Node * npoint。Node * minx。} minx = minnpoint。return minx。i++)for(j = 0。 sucdata[j]!= 0)a++。} if(a%2 == b%2)return 1。i ++)if(sucdata[i]!= goaldata[i])return 0。while(temp!= NULL){if(Equal(suc,tempnpoint))return temp npoint。temp =(Stack *)malloc(sizeof(Stack))。}///////////////計(jì)算f值部分開始////////////////////////////// double Fvalue(Node suc, Node goal, int m){//計(jì)算f值switch(m){ case 1:{int error(Node,Node)。} case 2:{double Distance(Node,Node,int)。return p + 。w=0。} double Distance(Node suc, Node goal, int i){//計(jì)算方格的錯(cuò)位距離int k,h1,h2。if([k] == i)h2 = k。if((Belong(*suc,Open)!= NULL)||(Belong(*suc,Closed)!= NULL)){if(Belong(*suc,Open)!= NULL)temp = Belong(*suc,Open)。tempf =(*suc)f。} return flag。i++)if([i] == 0)break。break。break。for(i = 0。i 9。else if(n==2)loc = i%31+(i/3)*3。childdata[loc] = 0。i 4。//子節(jié)點(diǎn)父指針指向父節(jié)點(diǎn)Spreadchild(child, i)。//判斷OPEN表是否為空，為空則失敗退出Node * minf = Minf(Open)。minf, Open, Closed, **goal, m)。for(int i = 0。j 3。return n+1。 39。 amp。)。j++)if(sucdata[j] == sucdata[i])flag =2。}if(flag {if(flag 0){if(flag ==1)printf(“含有非法字符或數(shù)字!n請(qǐng)重新輸入:n”)。flag = 0。} return k。Closednext = NULL。orgg =1。char c。n”)。printf(“請(qǐng)輸入目標(biāo)狀態(tài)(08 9個(gè)數(shù)字以空格隔開回車表示輸入結(jié)束):n”)。m)。Open)。Open, amp。k=meassure(Closed)。while((c = getchar())!= 10)?！緦?shí)驗(yàn)原理】產(chǎn)生式系統(tǒng)用來描述若干個(gè)不同的以一個(gè)基本概念為基礎(chǔ)的系統(tǒng)，這個(gè)基本概念就是產(chǎn)生式規(guī)則或產(chǎn)生式條件和操作對(duì)。 ①首先建立事實(shí)庫事實(shí)庫是在程序的開始直接輸入的，用戶根據(jù)需要選擇，即要求用戶先輸入特征個(gè)數(shù)，然后輸入動(dòng)物的特征，進(jìn)行識(shí)別。本算法共有15種規(guī)則，如下：R1: 如果動(dòng)物有奶，則它是哺乳動(dòng)物 R2: 如果動(dòng)物有毛發(fā)，則它是哺乳動(dòng)物 R3: 如果動(dòng)物有羽毛，則它是鳥 R4: 如果動(dòng)物會(huì)飛且生蛋，則它是鳥 R5: 吃肉的哺乳動(dòng)物是食肉動(dòng)物R6: 有爪有犬齒木釘前方的哺乳動(dòng)物是食肉動(dòng)物R7: 有蹄的哺乳動(dòng)物是有蹄動(dòng)物 R8: 反芻食物的有蹄動(dòng)物是偶蹄動(dòng)物 R9: 黃褐色有黑條紋的食肉動(dòng)物是老虎 R10:黃褐色有黑色斑點(diǎn)的食肉動(dòng)物是金錢豹R11:長(zhǎng)腿長(zhǎng)脖子有黃褐色暗斑點(diǎn)的有蹄動(dòng)物是長(zhǎng)頸鹿R12:有黑白條紋的有蹄動(dòng)物是斑馬 R13:不會(huì)飛長(zhǎng)腿長(zhǎng)脖的鳥是鴕鳥 R14:不會(huì)飛會(huì)游泳黑白色的鳥是企鵝③正向推理過程從已知事實(shí)出發(fā)，通過規(guī)則庫求得結(jié)論，或稱數(shù)據(jù)驅(qū)動(dòng)方式。 從匹配規(guī)則集合中選擇一條規(guī)則作為使用規(guī)則。 重復(fù)這個(gè)過程直至達(dá)到目標(biāo)。R1的前提是“有奶”，但事實(shí)庫中無此事實(shí)，故匹配失??；然后取R2，匹配失敗；接著取R3，該前提與已知事實(shí)“有羽毛”相匹配，故R3被執(zhí)行，并將其結(jié)論“鳥”作為新的事實(shí)加入到事實(shí)庫中。int num。printf(“1有奶2有毛發(fā)3有羽毛4會(huì)飛20黑白色n21會(huì)游泳22善飛23不怕風(fēng)浪n”)。printf(“請(qǐng)輸入對(duì)這只動(dòng)物的特征描述的序號(hào)(按序號(hào)由小到大):n”)。a)。printf(“使用規(guī)則1,新增加的 }}//********************************k=0。temp[1]==5){fact[num]=25。temp[k]=fact[