《人工智能》实验二 图搜索问题求解
淮海工学院计算工程学院
实验报告书
课程名： 《 人工智能》
题目：实验二：图搜索问题求解 班级： D软件081
学号： 510856106
姓名：汪晓骏
评语：
成绩：指导教师：
批阅时间：年月日
实验二图搜索问题求解
实验目的和要求
1、熟悉Prolog程序编写环境。
2、掌握图搜索问题求解的基本方式。
3、完成实验，并自己编写程序。
实验重点
1、 自己编写程序。
2、 掌握头搜索实现方法。
实验难点
自己编写程序。
实验环境
Windows XP prolog
实验学时
3学时，必做实验
实验内容及实验步骤：
实验内容：有一农夫带一只狼、一只羊和一筐菜欲从河的左岸乘船到右岸，但受下列条件限制：
1) 船太小，农夫每次只能带一样东西过河。
2) 如果没有农夫看管，则狼要吃羊，样要吃菜。
请设计一个国和方案，使得农夫、狼、羊、菜都能不受损失地过河。画出相应的状态空间图。
提示：
1) 用四元组（农夫、狼、羊、菜）表示状态，其中每个元素都可为0或1，用0表示在左岸，用以表示在右岸。
2) 把每次过河的一种安排作为一个算符，每次过河都必须有农夫，因为只有他可以划船。
实验步骤：
DOMAINS
LOC = east ; west /*定义河的两岸*/
STATE = state(LOC,LOC,LOC,LOC) /*定义一个状态表示河两岸的
情况*/
PATH = STATE* /*状态改变的列表*/ PREDICATES
go(STATE,STATE) /* 开始状态 */
path(STATE,STATE,PATH,PATH) /* 记录过河路径 */
move(STATE,STATE) /* 移动一个对象 */
opposite(LOC,LOC) /*可能的位置 */
unsafe(STATE) /* 安全状态检查 */
member(STATE,PATH) /* 检查是否记录过此状态 */
write_path(PATH)
write_move(STATE,STATE)
GOAL
write("press any key for each step of solution"),
go(state(east,east,east,east),state(west,west,west,west)),
write("solved press any key to continue"),
readchar(_),
exit.
CLAUSES
go(S,G):-
path(S,G,[S],L),
nl,write("A solution is:"),nl,
write_path(L),
fail.
go(_,_).
path(S,G,L,L1):- move(S,S1),
not( unsafe(S1) ),
not( member(S1,L) ),
path( S1,G,[S1|L],L1),!.
path(G,G,T,T):- !. /* 最终状态 */
move(state(X,X,G,C),state(Y,Y,G,C)):-opposite(X,Y). /* FARMER and
WOLF */
move(state(X,W,X,C),state(Y,W,Y,C)):-opposite(X,Y). /* FARMER and GOAT */
move(state(X,W,G,X),state(Y,W,G,Y)):-opposite(X,Y). /* FARMER and CABBAGE */
move(state(X,W,G,C),state(Y,W,G,C)):-opposite(X,Y). /* FARMER */ opposite(east,west).
opposite(west,east):-!.
unsafe( state(F,X,X,_) ):- opposite(F,X). /* 狼和羊不安全 */
unsafe( state(F,_,X,X) ):- opposite(F,X). /* 山羊和卷心菜不安全 */ member(X,[X|_]).
member(X,[_|L]):-member(X,L).
write_path( [H1,H2|T] ) :- !,
readchar(_),
write_move(H1,H2),
write_path([H2|T]).
write_path( [] ).
write_move( state(X,W,G,C), state(Y,W,G,C) ) :-!,
write(" farmer crosses the river from ",X," to ",Y),nl.
write_move( state(X,X,G,C), state(Y,Y,G,C) ) :-!,
write(" farmer and Wolf cross rive from ",X," to ",Y),nl.
write_move( state(X,W,X,C), state(Y,W,Y,C) ) :-!,
write(" farmer and Goat cross rive from",X," to ",Y),nl.
write_move( state(X,W,G,X), state(Y,W,G,Y) ) :-!,
write(" farmer and cabbage cross rive from ",X," to ",Y),nl.
实验体会
通过这次实验更加加深了我对prolog使用的理解，对于代码的编写也有了更进一步的认识，虽然在这次的编写中也遇到了很多困难，但是我还是克服了，完成了代码的运行！
游戏人工智能实验报告记录四
游戏人工智能实验报告记录四
————————————————————————————————作者：————————————————————————————————日期：
实验四有限状态机实验 实验报告 一、实验目的 通过蚂蚁世界实验掌握游戏中追有限状态机算法 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 1）制作菜单 设置参数：点击会弹出对话框，设置一些参数，红、黑蚂蚁的家会在地图上标记出来 运行：设置好参数后点击运行，毒药、食物、水会在地图上随机显示 下一步：2只红蚂蚁和2只黑蚂蚁会随机出现在地图上，窗口右方还会出现红、黑蚂蚁当前数量的统计 不断按下一步，有限状态机就会不断运行，使蚁群产生变化 2）添加加速键
资源视图中下方 选择ID和键值
3）新建头文件def.h 在AntView.cpp中加入#include"def.h" 与本实验有关的数据大都是在这里定义的 int flag=0; #define kForage 1 #define kGoHome 2 #define kThirsty 3 #define kDead 4 #define kMaxEntities 200 class ai_Entity{ public: int type; int state; int row; int col; ai_Entity(); ~ai_Entity() {} void New (int theType,int theState,int theRow,int theCol); void Forage(); void GoHome(); void Thirsty(); void Dead();
最新人工智能大作业实验
湖南中医药大学本科课程实验教学大纲 《人工智能》 计算机科学与技术专业 执笔人：丁长松 审定人：*** 学院负责人：*** 湖南中医药大学教务处 二○一四年三月
一、课程性质和教学目的 《人工智能》是计算机专业本科生的一门专业必修课，适应于计算机科学与技术专业、医药信息工程专业。本课程是关于人工智能领域的引导性课程，通过本课程的学习，是使学生了解和掌握人工智能的基本概念、原理和方法，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 《人工智能》主要研究智能信息处理技术、开发具有智能特性的各类应用系统的核心技术。本课程主要介绍人工智能的基本理论、方法和技术，主要包括常用的知识表示、逻辑推理和问题求解方法、人工智能发展学派以及主要理论。 先修课程：高等数学、数据结构、数据库原理、算法设计与分析、数理逻辑 二、课程目标 人工智能实验应在一种为高效率开发专家系统而设计的高级程序系统或高级程序设计语言环境中进行。在目前开来，专家系统开发工具和环境可分为5种主要类型：程序设计语言、知识工程语言、辅助型工具、支持工具及开发环境。在这里主要是要求学生能用相关术语描述、表示一些问题；用程序设计语言如：C、C++、JA V A编程来实现一些基本的算法、推理、搜索等过程。 三、实验内容与要求 实验一：谓词表示 【实验内容】 设农夫、狼、山羊、白菜都在河的左岸，现在要把它们运送到河的右岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。试设计出一个确保全部都能过河的方案。
人工智能实验报告大全
人工智能实验报告大 全
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034 目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5)
课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题
四、源代码 #include
人工智能实验报告大全
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034
目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5) 课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题 四、源代码 #include
游戏人工智能的发展与展望
XXXX大学 人工智能专题研究 游戏人工智能的发展与展望 学院计算机科学与技术学院 学生姓名 学号 指导教师姓名 2011年12月26日
目录 课题研究背景及问题的提出 (3) 一、人工智能及游戏人工智能简介 (4) 1、人工智能简介 (4) 2、游戏人工智能简介 (4) 二、游戏AI设计目的 (4) 1、增加游戏的挑战性 (5) 2、增加游戏可玩性 (5) 3、帮助展开游戏情节 (5) 三、定性与非定性AI (5) 1、定性的游戏AI (5) 2、非定性的游戏AI (6) 四、现有的一些游戏AI技术 (6) 五、从一些具体的游戏实例中看游戏AI (7) 1、魔兽世界的一些小AI (7) 2、即时战略强大的AI (7) 3、战棋类AI和即时战略AI的比较 (7) 六、游戏AI的展望 (8) 1、我所希望的游戏AI的改观 (8) 2、未来的游戏AI发展 (8) 七、总结 (9) 参考资料 (9)
课题研究背景及问题的提出 1、游戏产业的飞速发展 游戏是一项新兴事物，但游戏的发展十分迅速。在国外，游戏开发经历了20余年的风雨，现在已成为一个高技术，高利润和高速发展的行业。在中国，游戏特别是网络游戏，构成了IT 行业中新型的利润增长点，中国游戏产业也开始蓬勃发展。由于中国拥有最大数量的游戏玩家和用户，使得中国游戏市场已经成为全球最关注的市场。 2、游戏离不开人工智能 我们从小就接触了电子游戏，可以说是见证了游戏业的不断发展与进步。我们玩的游戏越来越高级，越来越精彩。从最早的俄罗斯方块，到小霸王，到魔兽，到现在的纷繁的令人眼花缭乱的各种单机游戏以及网络游戏。我们不禁要问：这些游戏吸引我们的是什么，为什么有的游戏经久不衰，令人乐此不疲，一遍又一遍的玩；有的却索然无味，最多玩两遍就不去再碰？毫无疑问，游戏人工智能是极其重要的一个方面。 我们最早开始知道游戏人工智能存在应该是在即时战略类游戏中，与电脑操纵的部队进行战斗。在魔兽争霸出现之前，国外玩家就很热衷于与电脑进行即时战略对战，那类的游戏也是各种各样层出不穷。但当魔兽争霸出现后立即占领了市场，因为它允许玩家进行局域网联机对战，也就是说，玩家更倾向于“与人斗其乐无穷”，而不是那些死板的，摸透了的，低级的“电脑”----它们需要进化。可以看出，正是玩家的需求促使了游戏人工智能的前进。 3、问题的提出 在游戏业长久的发展中，游戏人工智能在不断进步，带给我们一个又一个惊喜。作为一个电脑游戏爱好者以及计算机专业的学生，使得我对游戏人工智能在游戏中的作用，玩家需要什么样的游戏人工智能及未来的人工智能将会是什么样的产生了极大的兴趣。因此我对这方面进行了一些简单的研究。 关键字：人工智能游戏AI 发展非定性
AI游戏人工智能浓缩版(袖珍考试参考)
一．追逐与闪躲 Bresenham算法的原理是，计算每一点与终点之间的的横轴与纵轴，然后比较两轴的长度，哪个轴比较长，就往该方向前进，如果两轴等长，则往斜边前进。 if (deltaCol > deltaRow) { fraction = deltaRow * 2 - deltaCol; while (nextCol != endCol) { if (fraction >= 0) { nextRow += stepRow; fraction -= deltaCol; } nextCol += stepCol; fraction += deltaRow; pathRow[currentStep] = nextRow; pathCol[currentStep] = nextCol; currentStep++; }} else { fraction = deltaCol * 2 - deltaRow; while (nextRow != endRow) { if (fraction >= 0) { nextCol += stepCol; fraction -= deltaRow; } nextRow += stepRow; fraction += deltaCol; pathRow[currentStep] = nextRow; pathCol[currentStep] = nextCol; currentStep++; }}} 连续环境中的视线算法：在函数中定义了4的局部变量。u和v是Vector类型的，Vector类是一个自定义类（见附录A），负责处理基本向量算术，比如向量加法，减法，数量积，交叉乘积，和其他操作。另两个局部变量是一对布尔变量，left和right。它们是用来分析哪个操纵力启动，两个初始都是false。定义局部变量的下一行是计算从掠夺者到被掠夺者的视线。实际上，这条线不仅仅是计算线的位置。它还会计算宏观上掠夺者到被掠夺者之间相对位置的向量，通过使用代码 (Prey.vPosition - Predator.vPosition) ，然后把结果向量传递给VRotate2D函数，把它转换成掠夺者本地，本体坐标。VRotate2D 表现成一个标准的结合系统，把有关earth-fixed的系统转换成body-fixed对应系统方向（看下边的“全局与局部坐标系统”）。结果保存在u里，然后规格化u即(u.Normalize()),把它转换成单位长度向量。最后一行代码调用刚性体类的SetThrusters成员函数，在模拟循环的当前反复中为掠夺者提供转向力。 void DoLineOfSightChase(void) { Vector u, v; bool left = false; bool right = false; u = VRotate2D(-Predator.fOrientation, (Prey.vPosition - Predator.vPosition)); u.Normalize(); if (u.x < -_TOL) left = true; else if (u.x > _TOL) right = true; Predator.SetThrusters(left, right); } 二．群聚规则 首先根据角度检测，对于不同的视野检测方法是不同的（比如，宽视野，窄视野），下面的例子是对于宽广视野的检测 ·计算d=目标单位位置-当前单位位置，w为d以目标单位反方向的坐标系中的向量坐标。 ·如果w.y>0，则目标单位必然在视野范围内。 ·如果w.y<0，则要看x，y坐标构成的线段斜率，是否在设定的视野区域之外，如果 fabs(w.x)>fab(w.y)*_BACK_VIEW_ANGLE_FACTOR，则目标单位在视野范围内。其中的 _BACK_VIEW_ANGLE_FACTOR就是视野角度系数。该系数等于1时，视野弧线的直线与x轴夹角是45度，该系数越大，两条线越接近x轴，不可见区域越大，反之，系数越小，两条线越接近y轴，不可见区域越小。 视野检查 if (WideView) //宽广视野的检查 {InView=((w.y>0)||((w.y<0)&&(fabs(w.x) >fabs(w.y)*BACK_VIEW_ANGLE_FACTOR))) ;
人工智能实验报告_2
课程实验报告 学年学期2015—2016年第一学期课程名称人工智能原理与技术实验名称PROLOG语言编程练习实验室无 专业年级电气134 学生姓名赵倩 学生学号2013011989 提交时间2015.12.28 成绩 任课教师樊强 水利与建筑工程学院
第一章PROLOG语言编程练习 1.1实验目的 加深学生对逻辑程序运行机理的理解，使学生掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。 （1）熟悉PROLOG语言编程环境的使用； （2）了解PROLOG语言中常量、变量的表示方法； （3）了解利用PROLOG进行事实库、规则库的编写方法； 1.2实验环境 计算机，Turbo PROLOG教学软件。 1.3预习要求 实验前应阅读实验指导书，了解实验目的、预习PROLOG语言的相关知识。 1.4实验内容 （1）学习使用Turbo PROLOG，包括进入PROLOG主程序、编辑源程序、修改环境目录、退出等基本操作。（2）在Turbo prolog集成环境下调试运行简单的Turbo PROLOG程序，如描述亲属关系的PROLOG程序或其他小型演绎数据库程序等。 1.5实验方法和步骤 （1）启动Windows XP操作环境。 （2）打开文件目录，执行prolog应用程序，启动Turbo prolog，并按空格键(SPACE)进入集成开发环境。（3）选择Setup项，打开下拉菜单，选择Directories项，进行工作目录修改，按Esc键退出，选择Save Configuration项，保存修改。 （4）选择Files项，打开下拉菜单，选择New file项，进入源程序输入和编辑，或选择Load项，选择要打开的示例程序，再选择Edit项，可以进行编辑源程序。 （5）编辑之后，可以选择Run项，执行程序，可以在Dialog窗口进行询问，即外部目标的执行，查看程序运行结果，分析程序之功能。 （6）仿前例，可以选择其他程序并运行，分析程序功能。 （7）退出，选择Quit项，可以退出Turbo Prolog程序，返回到Windows XP环境。 1.6示例程序 逻辑电路模拟程序。该程序以逻辑运算“与”、“或”、“非”的定义为基本事实，然后在此基础上定义了“异或”运算。那么，利用这些运算就可以对“与”、“或”、“非”和“异或”等逻辑电路进行模拟。事实上，在此基础上也可以对其他任一逻辑门电路进行模拟。 domains d=integer predicates not_(d,d) and_(d,d,d) or_(d,d,d) xor_(d,d,d) clauses not_(1,0). not_(0,1). and_(0,0,0). and_(0,1,0). and_(1,0,0). and_(1,1,1).
游戏人工智能实验报告四
实验四有限状态机实验 实验报告 一、实验目的 通过蚂蚁世界实验掌握游戏中追有限状态机算法 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 1）制作菜单 设置参数：点击会弹出对话框，设置一些参数，红、黑蚂蚁的家会在地图上标记出来 运行：设置好参数后点击运行，毒药、食物、水会在地图上随机显示 下一步：2只红蚂蚁和2只黑蚂蚁会随机出现在地图上，窗口右方还会出现红、黑蚂蚁当前数量的统计 不断按下一步，有限状态机就会不断运行，使蚁群产生变化 2）添加加速键 资源视图中 下方
选择ID和键值 3）新建头文件def.h 在AntView.cpp中加入#include"def.h" 与本实验有关的数据大都是在这里定义的 int flag=0; #define kForage 1 #define kGoHome 2 #define kThirsty 3 #define kDead 4 #define kMaxEntities 200 class ai_Entity{ public: int type; int state; int row; int col; ai_Entity(); ~ai_Entity() {} void New (int theType,int theState,int theRow,int theCol); void Forage(); void GoHome(); void Thirsty(); void Dead(); }; ai_Entity entityList[kMaxEntities]; #define kRedAnt 1 #define kBlackAnt 2
人工智能实验报告
实验报告 1.对CLIPS和其运行及推理机制进行介绍 CLIPS是一个基于前向推理语言，用标准C语言编写。它具有高移植性、高扩展性、 强大的知识表达能力和编程方式以及低成本等特点。 CLIPS由两部分组成：知识库、推理机。它的基本语法是： (defmodule< module-n ame >[< comme nt >]) CLIPS的基本结构： （1）.知识库由事实库（初始事实+初始对象实例）和规则库组成。 事实库： 表示已知的数据或信息，用deftemplat，deffact定义初始事实表FACTLIS，由关系名、后跟 零个或多个槽以及它们的相关值组成，其格式如下： 模板： （deftemplate
人工智能实验报告
人工智能课程项目报告 姓名： 班级：二班
一、实验背景 在新的时代背景下，人工智能这一重要的计算机学科分支，焕发出了他强大的生命力。不仅仅为了完成课程设计，作为计算机专业的学生， 了解他，学习他我认为都是很有必要的。 二、实验目的 识别手写字体0~9 三、实验原理 用K-最近邻算法对数据进行分类。逻辑回归算法（仅分类0和1）四、实验内容 使用knn算法： 1.创建一个1024列矩阵载入训练集每一行存一个训练集 2. 把测试集中的一个文件转化为一个1024列的矩阵。 3.使用knnClassify（）进行测试 4.依据k的值，得出结果 使用逻辑回归： 1.创建一个1024列矩阵载入训练集每一行存一个训练集 2. 把测试集中的一个文件转化为一个1024列的矩阵。 3. 使用上式求参数。步长0.07，迭代10次 4.使用参数以及逻辑回归函数对测试数据处理，根据结果判断测试数 据类型。 五、实验结果与分析 5.1 实验环境与工具 Window7旗舰版+ python2.7.10 + numpy（库）+ notepad++（编辑）
Python这一语言的发展是非常迅速的，既然他支持在window下运行就不必去搞虚拟机。 5.2 实验数据集与参数设置 Knn算法： 训练数据1934个，测试数据有946个。
数据包括数字0-9的手写体。每个数字大约有200个样本。 每个样本保持在一个txt文件中。手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下图所 示 建立一个kNN.py脚本文件，文件里面包含三个函数，一个用来生成将每个样本的txt文件转换为对应的一个向量：img2vector(filename):，一个用 来加载整个数据库loadDataSet():，最后就是实现测试。
新兴人工智能应用(练习一：人工智能游戏)
新兴人工智能应用（练习一：人工智能游戏） 1、(单选，10分) 井字棋游戏，是一种在（）格子上进行的连珠游戏？ A、2*2 B、3*3 C、4*4 D、5*5 答案：B 2、(单选，10分) 美国科学家经过18年的努力，构建了一个无法被击败的西洋跳棋人工智能程序是（），就是最顶尖的跳棋选手也只能和它打成平手。 A、Tic-Tac-Toe B、TD-Gammon C、Chinook D、深蓝 答案：C 3、(单选，10分) 人工智能游戏用到的主要技术错误的是（） A、决策树 B、有限状态机 C、神经网络 D、区块链 答案：D
决策树通常有（）个步骤 A、二 B、三 C、四 D、五 答案：B 5、(单选，10分) 有限状态机有（）个要素 A、二 B、三 C、四 D、五 答案：C 6、(单选，10分) 神经网络的组成层次中错误的是（） A、输入层 B、隐藏层 C、中间层 D、输出层 答案：C
OpenAI 使用一种称为（）的方法来训练AI，这种技术看似简单，却能让AI 学习复杂的行为。 A、决策树 B、有限状态机 C、神经网络 D、强化学习 答案：D 8、(单选，10分) AlphaStar之所以能战胜人类，错误的原因是（） A、使用深度增强学习来实现训练模型，包含了强化学习和深度学习 B、高度可伸缩的分布式训练系统 C、AI的反应较快，视野较好，不会墨守成规 D、AlphaStar运气好 答案：D 9、(单选，10分) AlphaStar与两位《星际争霸2》人类职业选手进行了11场比赛对决演示，人类取得了0场胜利。 A、正确 B、错误 答案：B 10、(单选，10分) 人工智能游戏可以应用到兵棋推演、战术推演、模拟驾驶和军事训练中。
人工智能实验报告
《一人工智能方向实习一》 实习报告 专业：计算机科学与技术 班级：12419013 学号: 姓名: 江苏科技大学计算机学院 2016年3月
实验一数据聚类分析 一、实验目的 编程实现数据聚类的算法。 二、实验内容 k-means聚类算法。 三、实验原理方法和手段 k-means算法接受参数k ;然后将事先输入的 n个数据对象划分为 k个聚类以便使得 所获得的聚类满足：同一聚类中的对象相似度较高 四、实验条件 Matlab2014b 五、实验步骤 (1)初始化k个聚类中心。 (2)计算数据集各数据到中心的距离，选取到中心距离最短的为该数据所属类别。 (3)计算(2)分类后，k个类别的中心(即求聚类平均距离) (4)继续执行(2)(3)直到k个聚类中心不再变化(或者数据集所属类别不再变化) 六、实验代码 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % mai n.m % k-mea ns algorithm % @author matcloud %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear; close all ; load fisheriris ; X = [meas(:,3) meas(:,4)]; figure; plot(X(:,1),X(:,2), 'ko' ,'MarkerSize' ,4); title( 'fisheriris dataset' , 'FontSize' ,18, 'Color' , 'red'); [idx,ctrs] = kmea ns(X,3); figure; subplot(1,2,1); plot(X(idx==1,1),X(idx==1,2), 'ro' , 'MarkerSize' ,4); hold on;
人工智能遗传算法实验报告
WORD格式 人工智能实验报告 学号： 姓名： 实验名称：遗传算法 实验日期：2016.1.5
【实验名称】遗传算法 【实验目的】 掌握遗传算法的基本原理，熟悉遗传算法的运行机制，学会用遗传算法来求解问题。【实验原理】 遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。 遗传算法程度流程图为：
【 实】 ：已知f(x)=x*sin(x)+1，x[0,2],求f(x)的最大值和最小值。 数据结构： structpoptype { doublegene[length];//染色体 doublerealnumber;//对应的实数x doublefitness;//适应度 doublerfitness;//相对适应度 doublecfitness;//累计适应度 }; structpoptypepopulation[popsize+1];//最后一位存放max/min structpoptypenewpopulation[popsize+1];// 染色体编码： x [ 因此 ，染色体由2 3位字节的二进制矢X 与二进）2之 间的映射如下： 22 i bb......bb2x '; 222102i i010 xx' 2 23 21 适应度函数： 由于要求f (x )的最值,所以适应 度函数即可为f (x )。但为了确保每个个体都有被选中的可能性，因此需要将所有适应为大于0的值。因此，设计 求最大值的适应度函数如下： eval max f(x)5xsinx6; 将最小化为求-f(x)的最大值，同理，设计最小值的适应度函数如下： evalfxxx min()5sin4; 种群大小： 本50，再进行种群初始化。 实验参数： 主要有迭代数，交叉概率，变异概率这三个参数。一般交叉概率在0.6-0.9范围内， 变异概率在0.01-0.1范主要代码如下： voidinitialize()//种群初始化 { srand(time(NULL));
web搜索引擎基于人工智能的应用
web搜索引擎基于人工智能的应用班级：计算机应用２班姓名：邢朝阳学号：07120547 目前，Internet上的搜索引擎大致可分为3种类型：（1）基于人工建立的搜索引擎，如Yahoo。它是利用大量的人力浏览Internet页面，将其编制成HTML 文件，对其进行分类，并按某种次序加以排列组合，使用户通过索引进行查阅。其优点是比较精确，缺点是编辑人员难以跟上Internet海量信息的更替步伐，建立的搜索索引覆盖面也受到限制。（2）基于搜索引擎即软件Robot自动在Internet 上搜寻数据资源，并自动建立索引，如AltaVista、Lycos、Excitd等。这种方法速度快，自动生成的索引覆盖面广，但精确度差，人们往往要花很大的精力从庞杂的反馈中过滤出所需的信息。（3）元搜索引擎，如MetaCrawler。它实际上是一种本身不具备搜索引擎，而依靠其他原始引擎的索引或搜索接口来完成其搜索任务的引擎。尽管目前的搜索引擎给人们搜寻信息资源带来了很大的便利，但是从信息资源的覆盖面、检索精度、检索结果的可视化、可维护性等诸多方面看来，其效果远不能令人满意。 知识发现近几年来随着数据库和人工智能发展起来的一门新兴的数据库技术，帮助人们从庞大的目标数据集合中抽取出可信的、新颖的、有效的并被人们理解的知识模式，以满足人们不同的应用需要。本文提出的web搜索引擎框架就是以知识发现为基础的，它具有如下特点： （１）通过综合多个搜索引擎的结果，扩大了信息资源覆盖面； （２）对各个搜索引擎返回的结果进行知识发现“再加工”，大大地提高了检索质量； （３）对用户提交的查询，通过分析影响性能的时间因素和经验因素，优化选择效益好的搜索引擎进行信息检索，从而充分利用信息资源； （４）不需要维护庞大的数据库，开发者可以将主要精力放在查询请求的分发和返回结果的处理上。 一、系统结构 基于知识发现的web搜索引擎系统框架主要由用户接口Agent、变换调度管理模块、web文档搜集模块、知识发现模块及各web搜索引擎所组成。 （１）用户接口Agent。在搜索引擎系统中，用户接口在用户与信息资源之间起着桥梁作用。由于Internet信息资源的大容量、动态性和复杂性，传统的人机交互方式显得无能为力。基于Agent的用户接口被认为是解决人机交互问题的一个突破口，它为用户提供可视化接口，将用户的请求转化为专用语言传递给变换管理模块，并将知识发现所处理的文档展示给用户。在用户看来，用户接口Agent 是一个半自主的应用程序，一方面，它了解用户的需求 和爱好，能够代表用户智能地完成某个任务，并具有学习和适应能力；另一方面，它受用户的控制，用户可以观察它的活动状态，也可以临时性地暂停或恢复其活动，甚至将它永久性地撤消。 （２）变换调度管理模块。接受来自用户接口Agent的用户查询请求，将其变换为各个搜索引擎所能识别的格式，并利用中介索引信息，对用户提交的查询，通过分析影响性能的时间因素（最佳查询时间）和经验因素（即某一个搜索引擎搜索某一类信息最佳），优化选择效益好的搜索引擎进行信息检索。此外，可根
2020年新兴人工智能应用试题及答案
2020年新兴人工智能应用试题及答案 练习一：人工智能游戏 1、(单选，10分) 井字棋游戏，是一种在（）格子上进行的连珠游戏？ A、2*2 B、3*3 C、4*4 D、5*5 答案：B 2、(单选，10分) 美国科学家经过18年的努力，构建了一个无法被击败的西洋跳棋人工智能程序是（），就是最顶尖的跳棋选手也只能和它打成平手。 A、Tic-Tac-Toe B、TD-Gammon C、Chinook D、深蓝 答案：C 3、(单选，10分) 人工智能游戏用到的主要技术错误的是（） A、决策树 B、有限状态机 C、神经网络 D、区块链 答案：D
4、(单选，10分) 决策树通常有（）个步骤 A、二 B、三 C、四 D、五 答案：B 5、(单选，10分) 有限状态机有（）个要素 A、二 B、三 C、四 D、五 答案：C 6、(单选，10分) 神经网络的组成层次中错误的是（） A、输入层 B、隐藏层 C、中间层 D、输出层 答案：C 7、(单选，10分) OpenAI 使用一种称为（）的方法来训练 AI，这种技术看似简单，却能让 AI 学习复杂的行为。 A、决策树
B、有限状态机 C、神经网络 D、强化学习 答案：D 8、(单选，10分) AlphaStar之所以能战胜人类，错误的原因是（） A、使用深度增强学习来实现训练模型，包含了强化学习和深度学习 B、高度可伸缩的分布式训练系统 C、AI的反应较快，视野较好，不会墨守成规 D、AlphaStar运气好 答案：D 9、(单选，10分) AlphaStar与两位《星际争霸2》人类职业选手进行了11场比赛对决演示，人类取得了0场胜利。 A、正确 B、错误 答案：B 10、(单选，10分) 人工智能游戏可以应用到兵棋推演、战术推演、模拟驾驶和军事训练中。 A、正确 B、错误 答案：A 练习二：人工智能安全 1、(单选，10分)
人工智能技术在游戏中的应用解读
人工智能技术在游戏中的应用 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2012年6月22 日
人工智能技术在游戏中的应用 前言：人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸 和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机 科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出 反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系 统等，研究成果已经广泛地用于了各行各业，当然也包括游戏。 我们玩电脑游戏，主要是为了得到一种放松、一种享受、以及在现实生活中无法得到的一种快感。这需要电脑游戏能制作得符合玩家的口味，游戏的主题能够吸引玩家深入，游戏的规则和结果能够使得玩家满意。而在这一切中，人工智能技术扮演了相当重要的角色。摘要：本文探讨了当前人工智能游戏中的应用状况，阐述了游戏AI的应用技术，并列举。 关键词：游戏；人工智能；有限状态自动机；模糊逻辑；产生式系统；决策树；人工生命； 专家系统；神经网络；遗传算法 1. 电脑游戏与人工智能的关系 电脑游戏从诞生以来，由于其强大的模拟现实作用，越来越受到人们的喜爱。随着现代计算机、网络、虚拟现实、人工智能等技术的发展，游戏的拟人化越来越逼真。高度的拟人化使得现代电脑游戏能够模仿人类社会中的各种情形，并把这些情形通过视觉、听觉、甚至触觉等多种感官反映到人的大脑，从而对人们的现实生活产生巨大冲击。 无论是什么游戏，游戏玩家都希望在游戏中能够体验到现实中无法体验到的刺激，得到现实中无法得到的满足。这些刺激和满足主要表现在特定的挑战、社会化、幻想、情感等方面。 人们在玩电脑游戏的时候，也希望游戏中的其他角色能够拥有某些程度上的智能。这些智能可以使得人们能够在游戏的同时得到满足，它可以使人在进行游戏中不觉得孤单。然而，这种智能必须得到控制。如果游戏中的机器角色的智能明显高于玩家的能力，玩家会有很强烈的挫败感，之后便会放弃这样的游戏。所以，人工愚蠢(Artificial Stupidity)技术也是必不可少的。在游戏中，太强或太弱的人工智能都是不合适的。 那何种程度的人工智能才是合适的呢？回答这个问题首先要考虑怎样的机器可以算作智能机器。这里就不能不提人工智能之父图灵。图灵在1950年提出了“图灵实验”的概念，他认为能够通过图灵实验的机器是具有智能的。其实，在游戏中也是一样的。“图灵实验”在游戏中可以这样描述：当玩家和其他玩家同诸多机器在同时游戏时，如果这个玩家通过游戏规则中的任何方式都无法分辨游戏中的其他角色哪个是其他玩家，哪个是机器的线程，那么我们可以说这个游戏通过了“游戏中的图灵测试”。一般来说，通过了“游戏中的图灵测试”的游戏是最适合玩家娱乐的。 最近网络游戏大量流行，我觉得，网络游戏也许是人工智能最佳的实验场合。因为网游是现实社会的一个简化版本，这在里，大量需要各种处理问题的知识与技巧，需要各种类
人工智能实验1-2
试验1：用谓词表示猴子摘香蕉问题 实验内容： 利用一阶谓词逻辑求解猴子摘香蕉问题：房内有一个猴子，一个箱子，天花板上挂了一串香蕉，其位置如图所示，猴子为了拿到香蕉，它必须把箱子搬到香蕉下面，然后再爬到箱子上。请定义必要的谓词，列出问题的初始化状态（即下图所示状态），目标状态（猴子拿到了香蕉，站在箱子上，箱子位于位置b）。写出所用谓词的定义，并给出每个谓词的功能及变量的个体域，然后编程实现。 实验目的： 通过此实验加深对谓词逻辑和谓词知识表示的理解。 实验报告要求： 所撰写的实验报告必须包含以下内容： 1. 所用谓词的定义以及每个谓词的功能及变量的个体域； 2. 实验结果；（可截图） 3. 提供全部源程序及软件的可执行程序。（打印） 实验2：八数码问题 实验内容： 八数码问题：在3×3的方格棋盘上，摆放着1到8这八个数码，有1个方格是空的，其初始状态如图1所示，要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态到目标状态。 2 5 4 1 2 3 3 7 8 4 1 8 6 7 6 5 (a) 初始状态(b) 目标状态 请任选一种盲目搜索算法（深度优先搜索或宽度优先搜索）或任选一种启发式搜索方法（A 算法或A* 算法）编程求解八数码问题（初始状态任选），并对实验结果进行分析，得出合理的结论。 实验目的： 1. 熟悉人工智能系统中的问题求解过程； 2. 熟悉状态空间的盲目搜索和启发式搜索算法的应用； 3. 熟悉对八数码问题的建模、求解及编程语言的应用。 实验报告要求 所撰写的实验报告必须包含以下内容： 1. 算法基本原理和流程框图； 2. 基本数据结构分析和实现；
游戏AI介绍
期末作品报告 课程名称：专业英语 学号： 姓名： 班别：
填写须知 一、个人独立完成作品和报告，不得抄袭。 二、报告字体用小四号宋体，单倍行距，要求统一用A4纸双面打印。
1.全文翻译 游戏AI介绍 在广义上说，大多数游戏都包含一些人工智能（AI）的运用。例如，开发人员多年来都使用AI来给游戏中无数的人物以生命力，从经典的街机游戏Pac Man的鬼魂到第一人称射击游戏中的机器人，还有很多其他游戏。各种各样的游戏类型和游戏人物对什么是游戏AI给出了一个相当广泛的解释。事实上，AI也在其他传统的科学领域得到广泛的运用。 一些开发商认为路径搜索是游戏AI的一部分，有些则认为碰撞检测是游戏AI 的一部分。显然，广义上来说游戏AI是无处不在的。我们要继续解释什么是游戏AI，包括从简单的追逐和逃避在内的一切运动模式，以及神经网络和遗传算法。游戏AI 属于弱AI的范畴是最适合的，但是，在某个意义上，你可以想象游戏AI应用领域的广泛程度。 在游戏中，我们不一定对给参与游戏的机器方以人水平的智能感兴趣。也许我们可通过写代码来控制非人类的生物，比如龙、机器人，甚至老鼠。另外，谁说我们必须赋予机器方智慧呢？不赋予机器方智慧以增加游戏内容的多样性和丰富性。虽然游戏AI经常被呼吁解决相当复杂的问题，但我们可以利用AI去尝试给机器方以个性模样、不同的性格，或塑造情感和各种性情，如，害怕，焦虑，等等。 游戏AI的定义是相当广泛和灵活的。凡是能够产生适当水平的智能从而让游戏更加逼真，有挑战性，最重要的是使游戏变得更加有趣的东西，都可以被当做为游戏AI。正像在游戏中使用真实的物理现象那样，优良的AI增加了游戏的沉浸性，吸引游戏者，使他们一度置身于虚拟世界中。 定性与非定性的AI 游戏AI技术一般有两种形式：定性和非定性。 定性 定性的行为表现是具有指定和可预见性。不含有任何的不确定性。一个简单的追逐算法就是定性行为的一个例子。您可以在代码中设定机器方角色朝某一目标点沿x 和y坐标轴推进，直到角色的X和Y坐标与目标位置一致。 非定性 非定性行为和定性行为正好相反。这些行为具有一定程度的不确定性并且是不可预测性（不确定性的程度取决于AI方法的应用以及这些方法的执行情况）。机器方学习并适应玩家的战斗策略就是一个非定性行为的例子。这种学习方法可以使用神经网络算法、贝叶斯算法，或遗传算法完成。
人工智能实验二
实验二线性神经网络的MATLAB实现 16电子1 胡恒 2016329600013 指导老师：陈秋妹一．实验目的 1.了解线性神经元的模型结构 2.进一步理解线性神经元网络的特性 3.线性神经学习网络的学习方法 4.熟练掌握上节课的train函数等使用 二．实验内容 原先的代码是错误的，
更改后： time=1:0.0025:5; p=sin(sin(time).*time.*10); t=p*2+2; plot(time, p, time, t) title('Input and Target Signals') xlabel('Time') ylabel('Input Target') 结果如图： 2.要求设计一个线性神经网络，寻找给定数据之间的线性关系。P=[1.1 -1.3]; T=[0.6 1]; 设置网络训练后的目标误差为0.0001 P=[1.1 -1.3]; >> T=[0.6 1]; >> net=newlin(minmax(P),1,0,0.01); >> net=init(net);
>> net.trainParam.goal=0.0001; >> net=train(net,P,T); >> y=sim(net,P); >> E=mse(y-T) 三．本实验的心得体会 本次实验涉及到的线性神经网络的函数主要有初始化函数，设计函数，仿真
函数，训练函数，尤其是训练函数，trainwh( )和adaptwh( )。其中函数trainwh 可以对线性神经网络进行离线训练；而函数adaptwh( ) 可以对线性神经网络进行在线自适应训练。 利用trainwh( )函数可以得到网络的权矩阵w，阀值向量b，实际训练次数te 以及训练过程中网络的误差平方和lr。