【正文】 2表示起始岸上的野人人數(shù)；X3表示小船現(xiàn)在位置(1表示起始岸，0表示目的岸)。五、實驗條件每人一臺計算機獨立完成實驗。//主函數(shù) void main(){} system(“pause”)。()。coutn。RiverCrossing::ShowInfo()。//河岸狀態(tài) class State Boat(int pastor, int savage)。int pastor。//野人{ public:}。bool move(State *nowState, Boat *boat)。listToCheck, State amp。//檢查某狀態(tài)節(jié)void print(State *endState)。RiverCrossing(int n, int c)。//求解問題 std::list openList, closeList。State(int pastor, int savage, int boatAtSide)。//獲得此岸總?cè)藬?shù) bool check()。//檢查是否安全State operator +(Boat amp。State , iSavage1)。return ret。 = this。} (new State(State::n, State::n, 1))。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()。for(int capticy = count。capticy){} //把船開回來的人要最少，且牧師優(yōu)先for(int capticy = 1。i } Boat boat(capticyi)。boat))return true。if(nowStateiBoatAtSide == 1){} destState = new State(*nowState1iPastoriSavageiBoatAtSide。coutcout七、實驗結(jié)果實驗二：九宮重排一、實驗?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，本實驗通過九宮重排問題，強化學(xué)生對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)。如：三、基本要求輸入：九宮格的初始狀態(tài)和目標(biāo)狀態(tài) 輸出：重排的過程，即途徑的狀態(tài)四、實驗組織運行要求本實驗采用集中授課形式，每個同學(xué)獨立完成上述實驗要求。六、實驗代碼 include include “” using namespace std。} string start, end。coutend。()。 pragma once include include include using namespace std。039。//九宮格狀態(tài) class State { public:int moves。//價值State *pPrevious。grid, State *pPrevious = NULL)。//獲取逆序數(shù) void evaluate()。//檢查是否可以移動 string grid。//空格所在位置 static State *pEndState。State takeMove(Move move)。state){ return grid == 。 include “” include include include using namespace std。/*=======================Methods for class “State”=======================*/ //構(gòu)造函數(shù)State::State(string amp。NineGrid(string amp。dest)。//求解問題 //用于排序static bool greater_than(const State *state1, const State *state2)。//顯示信息 bool pareReversed()。//進行一次決策State* findInList(vector amp。State)。//打印結(jié)果 vector openList, closeList。clock_t startTime。if(thispPrevious)thismoves = pPreviousmoves + 1。elsethisvalue = 0。for(int i = 0。++i){} for(int j = 0。++j){} if(AT(grid, i, j)== SPACE){} x = i。return。if(x1 0)return false。if(y + 1 = 3)return false。case DOWN: case LEFT: case RIGHT:} int destX, destY。char t = AT(tGrid, destX, destY)。AT(tGrid, x, y)= t。destX = x1。destX = x。break。ii 3。jj 3。int g = moves, h = 0。i 3。j 3。if(AT(grid, i, j)== SPACE)continue。}}}} } } thisvalue = g + h。//所有棋子的逆序總數(shù)為逆序數(shù)。start, string amp。} if(grid[i] grid[j])++count。for(int i = 0。++i){if(grid[i] == SPACE)continue。for(int j = 0。++j){{}//當(dāng)初始狀態(tài)和目標(biāo)狀態(tài)的逆序數(shù)的奇偶性相同時，問題才有解 bool NineGrid::pareReversed(){ 2。return false。i 4。if(nowStatecheck(move)){} if(takeMove(nowState, move))return true。while(!()){//獲取一個狀態(tài)為當(dāng)前狀態(tài)State *nowState = ()。(nowState)。listToCheck, State amp。} else { ()。//添加一個疾病，返回此疾病信息的指針Disease* Expert::addDisease(const string amp。symptom){ }//診斷函數(shù)void Expert::diagnosis(){cout請輸入癥狀:（或”不確定“以開始模糊搜索）”symptomInput。//用戶有的癥狀和沒有的癥狀vector symptomHave, symptomNotHave。disease(symptom)。 = name。return amp。for(vector::iterator ite = ()。//是否從findList列表中排除本疾病for(unsigned int j = 0。++j){Disease *pDisease = *ite。break。){ if(symptomInput == “不確定”){} //添加所有疾病到findList列表中for(unsigned int i = 0。++i){ } //添加有此癥狀的疾病到findList列表中for(unsigned int i = 0。++i){} //添加輸入的癥狀到symptomHave列表中 (symptomInput)。m_DiseaseList[i]。j pDisease()。(amp。} else { pDiseasesymptomList[j])!= ()){ } else if(find((), ()，//在symptomHave，symptomNotHave列表中不存在這個癥狀，則詢問 if(optionSelect(“是否有癥狀”“ + pDiseasesymptomList[j] +} //詢問得知有此癥狀，添加癥狀到symptomHave列表中 (pDiseasesymptomList[j])。remove = true。pDiseasesymptomList[j])== ()){ ”“?n(y/n): ”)){ } else { 此疾病}} } } if(remove){} //需要排除此疾病ite = (ite)。} else { cout} cout知識庫中未找到匹配的記錄！”根據(jù)已有的知識庫，可能的疾病為：”for(unsigned int i = 0。++i){} coutname。question){coutoption。Y39。y39。case 39。: case 39。: } return false。 [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、實驗結(jié)果第三篇：人工智能TSP旅行商問題實驗報告人工智能實驗三實驗報告班級： 姓名： 學(xué)號：一 實驗題目TSP問題的遺傳算法實現(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，簡稱為TSP問題，是最基本的路線問題。應(yīng)用遺傳算法求解30/10個節(jié)點的TSP（旅行商問題）問題，求問題的最優(yōu)解。三 實驗要求掌握遺傳算法的基本原理、各個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，請分析原因； 對實驗中的幾個算法控制參數(shù)進行仔細定義，并能通過實驗選擇參數(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。struct RanSeTi //染色體的個體的定義方法 { int city[cities]。//記錄適應(yīng)度double p。//用數(shù)組來存儲染色體群體方法五 實驗算法 說明算法中對染色體的編碼方法，適應(yīng)度函數(shù)定義方法1)染色體的編碼方法:即為染色體個體定義過程中生成的基因排列（路徑中城市的順序）struct RanSeTi //染色體的個體的定義方法 { int city[cities]。//記錄適應(yīng)度double p。//用數(shù)組來存儲染色體群體方法2)適應(yīng)度函數(shù)定義方法：評價函數(shù)即適應(yīng)度函數(shù)，在遺傳算法中用來計算一個染色體優(yōu)劣的函數(shù)。適應(yīng)值高的函數(shù)被選作新一代個體的可能性就會大。d(x,xii=1n1i+1)+d(xn+x1)其中，N是個調(diào)節(jié)參數(shù)，根據(jù)實驗情況進行確定。in1= RanSeTi [i].city[j1]。sumdistance+=distance[n1][n2]。//每條染色體的路徑總和biggestsum+=sumdistance。f(xj=1j)本題中具體使用的是期望值方法 for(i=0。for(i=1。//第i個位置存放第j個染色體break。ifor(i=0。部分匹配交叉、順序交叉、改進的啟發(fā)式順序交叉 //temp1號染色體和temp2染色體交配for(i=0。point2=rand()%cities。jif(jiaopeiflag[j]==1){temp1=j。}for(j=temp1+1。break。point1=point2。}memset(map1,1,sizeof(map1))。//斷點之間的基因產(chǎn)生映射for(k=point1。map2[group[temp2].city[k]]=group[temp1].city[k]。k{temp=group[temp1].city[k]。group[temp2].city[k]=temp。k{temp=group[temp1].city[k]。group[temp2].city[k]=temp。k{for(kk=point1。break。k{for(kk=point1。break。k{for(kk=point1。break。k{for(kk=point1。break。} 3）變異操作TSP問題中，經(jīng)常采取的變異操作主要有：位點變異、逆轉(zhuǎn)變異、對換變異、插入變異。for(i=0。bianyip[i]/=100。for(i=0。t++。for(i=0。temp2=rand()%10。group[i].city[temp1]=group[i].city[temp2]。}} 實驗中采用的算法參數(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 實驗結(jié)果 要求有實驗運行結(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，通過不斷進行適應(yīng)度計算、存活率的計算，更新已有數(shù)值；以上部分為迭代之后的總結(jié)果，輸出最終的種群評價，從染色體種群里面取出最佳的染色體，并進行輸出。(2)計算群體上每個個體的適應(yīng)度值。(5)按概率Pm進行變異操作。(3)按由個體適應(yīng)度值所決定的某個規(guī)則選擇將進入下一代的個體。若失敗，分析可得失敗原因為：隨機生成的cities個城市之間的相互距離、隨機產(chǎn)生初試群有可能不存在適應(yīng)度值最優(yōu)的染色體七 實驗總結(jié)及體會：對于此類旅行者問題，原在數(shù)據(jù)結(jié)構(gòu)和算法課中學(xué)過迪杰斯特拉