人工智能實(shí)驗(yàn)報(bào)告解讀.doc

1、人工智能課內(nèi)實(shí)驗(yàn)報(bào)告主觀貝葉斯方法的研究一、 實(shí)驗(yàn)題目主觀 Bayes 方法的研究。二、 實(shí)驗(yàn)?zāi)康脑谧C據(jù)不確定的情況下，根據(jù)充分性量度 LS、必要性量度 LN、E 的先驗(yàn)概率 P(E) 和 H 的先驗(yàn)概率 P(H) 作為前提條件，分析 P(H/S) 和 P(E/S) 的關(guān)系。三、 實(shí)驗(yàn)原理1、 證據(jù)不確定性的表示1. 在主觀 Bayes 方法中，證據(jù)的不確定性用概率表示。 對(duì)于證據(jù) E，由用戶根據(jù)觀察 S 給出 P(E|S) ，即動(dòng)態(tài)強(qiáng)度。用 P(E|S) 描述證據(jù)的不確定性 （證據(jù) E 不是可以直接觀測(cè)的） 。2. 證據(jù)肯定存在時(shí)， P(E|S)=1 ；3. 證據(jù)肯定不存在時(shí)， P(E|S)

2、=0 ；4. 證據(jù)具有不確定性時(shí)， 0P(E|S)1且 LN1的取值因?yàn)椋?LS1：表明證據(jù) E 是對(duì) H 有利的證據(jù)。LN1：表明證據(jù) ?E 是對(duì) H有利的證據(jù)。3. 不能出現(xiàn) LS1且 LN1的取值因?yàn)椋?LS1: 表明證據(jù) E 是對(duì) H不利的證據(jù)。LN1， LN1。3 、證據(jù)不確定的情況在現(xiàn)實(shí)中，證據(jù)肯定存在和肯定不存在的極端情況是不多的，更多的是介于二者之間的不確定情況。對(duì)初始證據(jù)來說，由于用戶對(duì)客觀事物或現(xiàn)象的觀察不是很精確， 因而所提供的證據(jù)是不確定的； 另外，一條知識(shí)的證據(jù)往往來源于另一條知識(shí)推出的結(jié)論，一般也具有某種程度的不確定性。 所以我們要在 S 對(duì) E 的觀察的先驗(yàn)概率

3、0P(E/S)1 的情況下確定 H 的后驗(yàn)概率 P(H/S) 。在證據(jù)確定的情況下， 我們因該用杜達(dá)等人1976 年證明了的公式來進(jìn)一步討論：P(H / S)P(H / E)* P(E / S)P(H /E)* P( E / S)分四種情況討論這個(gè)公式：1. P(E/S)=1當(dāng) P(E/S)=1 時(shí)， P(-E/S)=0 。此時(shí)公式變成 ( 肯定存在的情況 ) ：LS* P(H )P(H / S)P(H / E)(LS1)* P(H )12. P(E/S)=0當(dāng) P(E/S)=0 時(shí)， P(-E/S)=1. 此時(shí)公式變成 ( 肯定不存在的情況 ) ：LN * P(H)P(H / S)P(H /

4、E)(LN1)* P(H )13. P(E/S)=P(E)當(dāng) P(E/S)=P(E) 時(shí)，表示 E 與 S 無關(guān)。利用全概率公式就將公式變?yōu)椋篜(H / S) P(H / E)* P(E) P(H / E)* P( E) P(H )4. 當(dāng) P(E/S) 為其它值時(shí)，通過分段線性插值就可得到計(jì)算P(H/S) 的公式：P(H /E)P(H )P(H / E) * P(E / S),若0P(E / S) P(E)P(H / S)P(E)P(H / E)P(H ) * P(E / S) P(E), 若P( E) P(E / S) 1P(H )1 P(E)該公式稱為 EH公式或 UED公式。四、實(shí)驗(yàn)程

5、序ls=input(ls=);ln=input(ln=);ph=input(ph=);pe=input(pe=);phe=(ls*ph)/(ls-1)*ph+1);phfe=(ln*ph)/(ln-1)*ph+1);phs=;for pes=0:0.01:1if pesM （ mi）， G： =ADD （ mi ，G）針對(duì) M 中子節(jié)點(diǎn)的不同情況，分別進(jìn)行如下處理：對(duì)于那些未曾在G 中出現(xiàn)過的 M 成員設(shè)置一個(gè)指向父節(jié)點(diǎn) （ n）的指針， 并把它放入 OPEN表；對(duì)于那些先前已在G 中出現(xiàn)過的 M 成員，確定是否要修改指向父節(jié)點(diǎn)的指針；對(duì)于那些先前已在 G 中出現(xiàn)，并且已經(jīng)擴(kuò)展了的M 成員，確

6、定是否需要修改其后繼結(jié)點(diǎn)指向父節(jié)點(diǎn)的指針。（6) 按某種搜索策略對(duì) OPEN 表中的節(jié)點(diǎn)進(jìn)行排序（7)轉(zhuǎn)第 2 步。 2.2.2A* 算法我在實(shí)驗(yàn)中采用A* 算法實(shí)現(xiàn)重排九宮格。 A* 算法是一種全局擇優(yōu)的啟發(fā)式算法，可以證明它具有最優(yōu)性。A* 算法可以描述為f(n） =h（ n）+g （ n）的形式。其中，h（ n）被稱作啟發(fā)函數(shù)，是當(dāng)前結(jié)點(diǎn)到目標(biāo)結(jié)點(diǎn)的代價(jià)描述；而 g（ n）是代價(jià)函數(shù)， 描述了起始結(jié)點(diǎn)到當(dāng)前結(jié)點(diǎn)的代價(jià)；f（ n）是估價(jià)函數(shù)。 A* 算法是不回溯的，每次都選擇f 值最小的路徑推進(jìn)。在程序中，我按如下思路實(shí)現(xiàn)了A* 算法。其中，啟發(fā)函數(shù)h（n）我選取的是當(dāng)前結(jié)點(diǎn)和目標(biāo)結(jié)點(diǎn)狀態(tài)

7、不同的個(gè)數(shù)。（1）建立一個(gè)鏈表，計(jì)算初始結(jié)點(diǎn)的估價(jià)函數(shù)f ，并將初始結(jié)點(diǎn)入表，設(shè)置鏈表頭和尾指針。（ 2）取出頭（頭指針?biāo)福┙Y(jié)點(diǎn)，如果該結(jié)點(diǎn)是目標(biāo)結(jié)點(diǎn)，則輸出路徑，程序結(jié)束。否則對(duì)結(jié)點(diǎn)進(jìn)行擴(kuò)展。（ 3）檢查擴(kuò)展出的新結(jié)點(diǎn)是否與鏈表中的結(jié)點(diǎn)重復(fù)，若與不能再擴(kuò)展的結(jié)點(diǎn)重復(fù)（位于頭指針之前），則將它拋棄； 若新結(jié)點(diǎn)與待擴(kuò)展的結(jié)點(diǎn)重復(fù)（位于頭指針之后） ，則比較兩個(gè)結(jié)點(diǎn)的估價(jià)函數(shù)中 g 的大小，保留較小 g 值的結(jié)點(diǎn)。跳至第五步。（4）如果擴(kuò)展出的新結(jié)點(diǎn)與鏈表中的結(jié)點(diǎn)不重復(fù)，則按照它的估價(jià)函數(shù)f 大小將它插入頭結(jié)點(diǎn)后待擴(kuò)展結(jié)點(diǎn)的適當(dāng)位置，使它們按從小到大的順序排列，最后更新尾指針。（ 5）如果頭結(jié)點(diǎn)

8、還可以擴(kuò)展，直接返回第二步。否則將頭指針指向下一結(jié)點(diǎn)，再返回第二步。四、實(shí)驗(yàn)程序#include #include #include #include /#includeusing namespace std;const int ROW = 3;/ 行數(shù)const int COL = 3;/ 列數(shù)const int MAXDISTANCE = 10000;/ 最多可以有的表的數(shù)目 const int MAXNUM = 10000;typedef struct _Nodeint digitROWCOL;int dist;/ distance between one state and the d

9、estination 一個(gè)表和目的表的距離int dep;/ the depth of node 深度/ So the comment function = dist + dep. 估價(jià)函數(shù)值int index; / point to the location of parent父節(jié)點(diǎn)的位置 Node;Node src, dest;/ 父節(jié)表目的表vector node_v;/ store the nodes 存儲(chǔ)節(jié)點(diǎn)bool isEmptyOfOPEN() /open表是否為空for (int i = 0; i node_v.size(); i+) if (node_vi.dist != M

10、AXNUM)return false;return true;bool isEqual(int index, int digitCOL) /判斷這個(gè)最優(yōu)的節(jié)點(diǎn)是否和目的節(jié)點(diǎn)一樣for (int i = 0; i ROW; i+)for (int j = 0; j COL; j+) if (node_vindex.digitij != digitij)return false;return true;ostream& operator(ostream& os, Node& node)for (int i = 0; i ROW; i+) for (int j = 0; j COL; j+)os n

11、ode.digitij ;os endl;return os;void PrintSteps(int index, vector& rstep_v)/輸出每一個(gè)遍歷的節(jié)點(diǎn)深度遍歷rstep_v.push_back(node_vindex);index = node_vindex.index;while (index != 0)rstep_v.push_back(node_vindex);index = node_vindex.index;cout - = 0; i-)/輸出每一步的探索過程cout step： rstep_v.size() - i endl rstep_vi endl-endl

12、;void Swap(int& a, int& b)int t;t = a;a = b;b = t;void Assign(Node& node, int index)for (int i = 0; i ROW; i+)for (int j = 0; j COL; j+)node.digitij = node_vindex.digitij;int GetMinNode() /找到最小的節(jié)點(diǎn)的位置即最優(yōu)節(jié)點(diǎn)int dist = MAXNUM;int loc;/ the location of minimize nodefor (int i = 0; i node_v.size(); i+)if

13、(node_vi.dist = MAXNUM)continue;else if (node_vi.dist + node_vi.dep) dist) loc = i;dist = node_vi.dist + node_vi.dep;return loc;bool isExpandable(Node& node)for (int i = 0; i node_v.size(); i+) if (isEqual(i, node.digit)return false;return true;int Distance(Node& node, int digitCOL)int distance = 0;

14、bool flag = false;for(int i = 0; i ROW; i+)for (int j = 0; j COL; j+)for (int k = 0; k ROW; k+) for (int l = 0; l COL; l+) if (node.digitij = digitkl) distance += abs(i - k) + abs(j - l);flag = true;break;elseflag = false;if (flag)break;return distance;int MinDistance(int a, int b)return (a b ? a :

15、b);void ProcessNode(int index)int x, y;bool flag;for (int i = 0; i ROW; i+) for (int j = 0; j 0)Swap(node_up.digitxy, node_up.digitx - 1y);if (isExpandable(node_up)dist_up = Distance(node_up, dest.digit);node_up.index = index;node_up.dist = dist_up;node_up.dep = node_vindex.dep + 1;node_v.push_back(

16、node_up);Node node_down;Assign(node_down, index);/ 向下擴(kuò)展的節(jié)點(diǎn)int dist_down = MAXDISTANCE;if (x 0)Swap(node_left.digitxy, node_left.digitxy - 1);if (isExpandable(node_left)dist_left = Distance(node_left, dest.digit);node_left.index = index;node_left.dist = dist_left;node_left.dep = node_vindex.dep + 1;n

17、ode_v.push_back(node_left);Node node_right;Assign(node_right, index);/ 向右擴(kuò)展的節(jié)點(diǎn)int dist_right = MAXDISTANCE;if (y 2)Swap(node_right.digitxy, node_right.digitxy + 1);if (isExpandable(node_right)dist_right = Distance(node_right, dest.digit);node_right.index = index;node_right.dist = dist_right;node_rig

18、ht.dep = node_vindex.dep + 1;node_v.push_back(node_right);node_vindex.dist = MAXNUM;int main() /主函數(shù)int number;cout 起始九宮格： endl;for (int i = 0; i ROW; i+)/輸入初始的數(shù)據(jù)for (int j = 0; j number;src.digitij = number;src.index = 0;src.dep = 1;cout 目標(biāo)九宮格： endl;/ 輸入目的數(shù)據(jù)for (int m = 0; m ROW; m+)for (int n = 0;

19、n number;dest.digitmn = number;node_v.push_back(src);/ 在容器的尾部加一個(gè)數(shù)據(jù)clock_t start = clock();while (1)if (isEmptyOfOPEN()cout 無解！ endl;return -1;elseint loc; / the location of the minimize node 最優(yōu)節(jié)點(diǎn)的位置 loc = GetMinNode();if(isEqual(loc, dest.digit)vector rstep_v;cout 起始的九宮格為： endl;cout src endl;PrintSt

20、eps(loc, rstep_v);cout 成功！ endl;break;elseProcessNode(loc);return 0;五、實(shí)驗(yàn)結(jié)果六、實(shí)驗(yàn)總結(jié)這次實(shí)驗(yàn)讓我對(duì)狀態(tài)空間的搜索問題有了更深刻的了解，對(duì)于學(xué)好人工智能這門課程幫助頗大讀書報(bào)告- 各種各樣的知識(shí)表示方法及其應(yīng)用知識(shí)是人類進(jìn)行一切活動(dòng)的基礎(chǔ)。具有相對(duì)性，不確定性，可表示性與可利用性。人類的智能活動(dòng)過程是一個(gè)獲取知識(shí)并運(yùn)用知識(shí)的過程；人工智能問題求解是以知識(shí)為基礎(chǔ)；知識(shí)的獲取、知識(shí)的表示和運(yùn)用知識(shí)進(jìn)行推理是人工智能學(xué)科要研究的主要問題。人工智能研究的目的是要建立一個(gè)模擬人類智能行為的系統(tǒng)，為達(dá)到這個(gè)目的就必須研究人類智能行為

21、在計(jì)算機(jī)上的表示形式，只有這樣才能把知識(shí)存儲(chǔ)到計(jì)算機(jī)中去。知識(shí)表示是研究用計(jì)算機(jī)表示知識(shí)的可能性、有效性的一般方法，是一種數(shù)據(jù)結(jié)構(gòu)與控制結(jié)構(gòu)的統(tǒng)一體，既考慮知識(shí)的存儲(chǔ)又考慮知識(shí)的作用。知識(shí)表示實(shí)際上就是對(duì)人類知識(shí)的一種描述，以把人類知識(shí)表示成計(jì)算機(jī)能夠處理的數(shù)據(jù)結(jié)構(gòu)。對(duì)知識(shí)進(jìn)行表示的過程就是把知識(shí)編碼成某種數(shù)據(jù)結(jié)構(gòu)的過程。按照人們從不同角度進(jìn)行探索以及對(duì)問題的不同理解，知識(shí)表示方法可分為陳述性知識(shí)表示和過程性知識(shí)表示兩大類。對(duì)同一知識(shí)， 一般都可以用多種方法進(jìn)行表示，不同的方法對(duì)同一知識(shí)的表示效果是不一樣的，有時(shí)需要把幾種表示模式結(jié)合起來，作為一個(gè)整體來表示領(lǐng)域知識(shí)。 知識(shí)的表示方法多種多樣，

22、但目前還沒有哪種表示方法可以適應(yīng)于一切知識(shí)系統(tǒng)，不同的知識(shí)表示方法各有特色，適用于不同的領(lǐng)域。知識(shí)的常見表示方法有：一、經(jīng)典邏輯表示法一階謂詞邏輯表示法：謂詞邏輯是一種知識(shí)表示方法，是到目前為止能夠表達(dá)人類思維活動(dòng)規(guī)律的一種最精確的形式語言；謂詞邏輯與人類的自然語言較接近，又可方便的存儲(chǔ)到計(jì)算機(jī)中，并被計(jì)算機(jī)做精確處理。 謂詞邏輯是一種最早應(yīng)用于人工智能中的知識(shí)表示方法。知識(shí)的謂詞邏輯表示法：1、 人類的一條知識(shí)一般可以由具有完整意義的由一句話或幾句話表示出來，而這些知識(shí)要用謂詞表示出來，一般是一個(gè)謂詞公式；2、 謂詞公式是用謂詞聯(lián)接符號(hào)將一些謂詞聯(lián)接起來所形成的公式；3、 用謂詞公式既可以表

23、示事物的狀態(tài)、屬性、概念等事實(shí)性的知識(shí)，也可以表示事物間具有確定因果關(guān)系的規(guī)則性知識(shí)。4、 對(duì)事實(shí)性知識(shí)，謂詞邏輯的表示法通常是由以合取符號(hào)（）和析取符號(hào)（）聯(lián)接形成的謂詞公式表示。一階謂詞邏輯是一種形式語言系統(tǒng)， 它用數(shù)理邏輯的方法研究推理的規(guī)律， 即條件和結(jié)論之間的蘊(yùn)含關(guān)系。 特點(diǎn)是：1）、 自然性。2）、 適宜于精確性知識(shí)的表示，而不適宜不確定性知識(shí)的表示。3）、 易實(shí)現(xiàn)。4）、 有與謂詞邏輯表示法相對(duì)應(yīng)的推理方法（歸結(jié)推理方法或消解法）二、產(chǎn)生式表示法“產(chǎn)生式”是1943 年由美國(guó)數(shù)學(xué)家Post 首先提出，他根據(jù)“串替代”規(guī)則提出了一種稱為 Post機(jī)的計(jì)算模型， 模型中的每一條規(guī)則稱

24、為一個(gè)產(chǎn)生式 （產(chǎn)生式表示法又稱為產(chǎn)生式規(guī)則表示法）。 1972 年， A.Newell 和 Simon 在研究人類的認(rèn)知模型中開發(fā)了基于規(guī)則的產(chǎn)生式系統(tǒng)。 目前，產(chǎn)生式表示法已成為人工智能中應(yīng)用最多的一種知識(shí)表示方法。1、 可表示的知識(shí)種類適合于表示事實(shí)性知識(shí)和規(guī)則性知識(shí)。在表示事實(shí)性知識(shí)時(shí)又可根據(jù)知識(shí)是確定性的還是不確定性的分別進(jìn)行表示。2、產(chǎn)生式的基本形式產(chǎn)生式通常用于表示因果關(guān)系的知識(shí)，基本形式為PQ 或者IF P THEN Q其中， P 是產(chǎn)生式的前提，用于指出該產(chǎn)生式是否可用的條件；Q 是一組結(jié)論或操作，用于指出前提P 所指示的條件被滿足時(shí)，應(yīng)該得出的結(jié)論或應(yīng)該執(zhí)行的操作。3、產(chǎn)生

25、式與謂詞邏輯中蘊(yùn)含式的區(qū)別（ 1） 產(chǎn)生式的基本形式與謂詞邏輯中的蘊(yùn)含式具有相同的形式。蘊(yùn)含式只是產(chǎn)生式的一個(gè)特殊情況。（ 2） 蘊(yùn)含式只能表示精確性的知識(shí)。（ 3） 產(chǎn)生式不僅可以表示精確性的知識(shí)，而且可以表示不精確性知識(shí)。（ 4） 在產(chǎn)生式表示知識(shí)的智能系統(tǒng)中，決定一條知識(shí)是否可用，只要前提條件與已知事實(shí)的相似度達(dá)到某個(gè)指定的范圍，就認(rèn)為是可匹配的。（ 5） 在謂詞邏輯中，蘊(yùn)含式前提條件的匹配總是要求精確匹配。4、產(chǎn)生式系統(tǒng)的組成把一組產(chǎn)生式放在一起，讓它們互相配合，協(xié)同作用， 一個(gè)產(chǎn)生式生成的結(jié)論可以供另一個(gè)產(chǎn)生式作為已知事實(shí)使用，以求得問題的解決，這樣的系統(tǒng)稱為產(chǎn)生式系統(tǒng)。產(chǎn)生式系統(tǒng)由

26、三個(gè)基本部分組成：規(guī)則庫(kù)、綜合數(shù)據(jù)庫(kù)和推理機(jī)。規(guī)則庫(kù)是用于描述某領(lǐng)域內(nèi)知識(shí)的產(chǎn)生式集合。綜合數(shù)據(jù)庫(kù)又稱為事實(shí)庫(kù)，用于存放輸入的事實(shí)、 外部數(shù)據(jù)庫(kù)輸入的事實(shí)以及中間結(jié)果（事實(shí)）和最后結(jié)果的工作區(qū)推理機(jī)是一個(gè)或一組程序，用來控制和協(xié)調(diào)規(guī)則庫(kù)與綜合數(shù)據(jù)庫(kù)的運(yùn)行，包含了推理方式和控制策略?？刂撇呗缘淖饔镁褪谴_定選用什么規(guī)則或如何應(yīng)用規(guī)則。5、產(chǎn)生式系統(tǒng)推理機(jī)的推理方式有正向推理、反向推理、雙向推理。6、產(chǎn)生式表示的特點(diǎn)(1) 清晰性。 產(chǎn)生式表示格式固定，形式簡(jiǎn)單， 規(guī)則間相互較為獨(dú)立。(2) 模塊性。知識(shí)庫(kù)與推理機(jī)是分開的。(3)自然性。產(chǎn)生式表示法用“如果, ，則 , ”的形式表示知識(shí)， 是人們常

27、用的表示因果關(guān)系的知識(shí)表示形式。產(chǎn)生式既可以表示確定性知識(shí)又可以表示不確定性知識(shí)，更符合人們?nèi)粘Ｒ姷降膯栴}。三、層次結(jié)構(gòu)表示法1、框架理論：1957 年美國(guó) 著名的人工智能學(xué)者明斯基在其論文“A framework for representing knowledge ”中提出了框架理論，并把它作為理解視覺、自然語言對(duì)話及其它復(fù)雜行為的基礎(chǔ)。該理論認(rèn)為人們對(duì)現(xiàn)實(shí)世界中各種事物的認(rèn)識(shí)都是以一種類似于框架的結(jié)構(gòu)存儲(chǔ)在記憶中的，當(dāng)面臨一個(gè)新事物時(shí)， 就從記憶中找出一個(gè)合適的框架，并根據(jù)實(shí)際情況對(duì)其細(xì)節(jié)加以修改、補(bǔ)充，從而形成對(duì)當(dāng)前事物的認(rèn)識(shí)。2、框架的定義及組成框架是一種描述所論對(duì)象的數(shù)據(jù)結(jié)構(gòu)；所論的對(duì)象可以是一個(gè)事物、一個(gè)事件或者一個(gè)概念。一個(gè)框架由若干個(gè)“槽”組成，每個(gè)“槽”又可劃分為若干個(gè)“側(cè)面”。槽”用于描述所論及對(duì)象某一方面的屬性?！皞?cè)面”用于描述相應(yīng)屬性的一個(gè)方面。槽和側(cè)面所具有的屬性值稱為槽值和側(cè)面值；槽值可以是邏輯型或數(shù)字型的，具體的值可以是程序、條件、默