题目：遗传算法在图像处理中的应用研究课程: 计算智能
姓名：
学号：
专业：模式识别与智能系统
遗传算法在图像处理中的应用
摘要
遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力，广泛应用在生物信息学、系统发生学、计算科学、工程学、经济学、化学、制造、数学、物理、药物测量学和其他领域之中，这种算法受到了国内外学者的广泛关注，尤其是在计算机科学人工智能领域中。本文介绍了遗传算法基本理论，描述了它的主要特点和基本性质；重点综述遗传算法在图像处理中的主要应用，特别是在图像分割、图像压缩、图像增强等方面的作用；深入研究目前遗传算法在图像处理领域中存在的问题，并结合自己的研究方向，对这些问题提出了一些深刻的见解，展望了今后遗传算法在图像处理应用的发展方向。
关键词：遗传算法，数字图像处理
1.背景介绍
遗传算法(Genetic Algorithm,GA)是一种自适应启发式群体型概率性迭代式的全局收敛搜索算法,其基本思想来源于生物进化论和群体遗传学,体现了适者生存、优胜劣汰的进化原则。使用遗传算法求解科学研究工作和工程技术中各种组合搜索和优化计算问题这一基本思想早在20世纪60年代初期就由美国Michigan大学的Holland教授提出,其数学框架也于20世纪60年代中期形成。由于GA的整体搜索策略和优化计算不依赖于梯度信息,所以它的应用范围非常广泛,尤其适合于处理传统方法难以解决的高度复杂的非线性问题。它在自适应控制、组合优化、模式识别、机器学习、规划策略、信息处理和人工生命等领域的应用中越来越展示出优越性。
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。图像处理是计算机视觉中德一个重要研究领域，然而，在图像处理过程中，如扫描、特征提取、图像分割等不可避免地会存在一些误差，从而影响图像的效果。于是，研究者就开始探索怎么样才能使这些误差最小从而使计算机视觉达到实用化的重要要求，最终，遗传算法凭借其在这些图像处理中的优化计算方面独特的优势成为各种算法的佼佼者，得到了广泛的应用。
2.遗传算法的原理和基本步骤
遗传算法是一个不断迭代过程的搜索算法，它的基本处理流程如下图所示。
由上图可知，遗传算法模拟了自然选择和遗传进化中发生的繁殖、交配和突变现象，从任意一个初始种群出发，通过随机选择、交叉和变异操作，产生新的更适应环境的个体，使群体进化到搜索空间中越来越好的区域。这样一代一代不断繁殖、进化，最后收敛到一群最适应环境的个体上，求得问题的最优解。遗传算法对于复杂的优化问题无需建模和复杂运算，只要利用遗传算法的三种算子就能得到最优解。
GA 结构较为简单，算法也不复杂，但是又具有良好的选择效果，具有自适应性、子组织性和自学习性等特点，具有许多其它算法没有的优点，主要有：
（1）GA 是对参数编码进行操作, 而非对参数本身, 减少约束条件的限制, 如连续性、可导性、单峰性等。
（2）GA 是多点搜索, 减少了陷于局部优解的风险。
（3）GA 仅用适应度函数来指导搜索, 不需要其他推导和附加信息, 对问题依赖性小。
（4） GA 的寻优规则是概率性的而非确定性的。
研究者们在应用GA 过程中也不断研究改进GA 的性能，使GA 更能满足时代的需要，比如在选择策略中提出了精英选择、稳态选择和竞争选择等新的机制; 在变异环节提出了两点、多点和一致变异作为传统一点变异的改进和补充; 在编码环节中应用格雷码和动态编码等克服传统二进制编码和定点十进制整数编码所就带来的问题; 此外, 还提出自适应技术动态改变GA 控制参数, 克服采取传统的静态控制参数策略引起的多样性和收敛性不均衡问题, 以及用梯度方法、单纯型法或模拟退火方法精细调整的混合GA, 以提高算法的收敛速度; 用均匀分布的初始群体代替随机产生的初始种群; 研究了分布式GA 、迁徙GA 和并行GA 等, 进一步推动了GA 的发展。
3.遗传算法在图像处理中的应用
3.1基于遗传算法的图像增强
图像增强技术是将不清晰的图像经过优化处理变成一张比之前更加清楚，或者变成一张使得特点更加鲜明的照片，以便于对图像再进行后期的加工。目前图像增强方法主要包括将图像进行某种变换的频域法和对直接对原始图像进行处理的空域法两种。而基于遗传算法的图像增强技术的实现则是利用遗传的选择方法找到一个最优或者局部最优的方法。具体的操作方法是，首先将每一个目标值设置一个基位，用实数进行编码，这样问题就转化成求解这个目标基位组合的题目。然后，对适应度进行设计，适应度设计为个体进化提供动力，在设置适应度的时候既要考虑图像的整体和局部的质量问题，也要将结构和细节考虑进去。再后，对遗传算子进行设计，先根据前面设置的适应度值将个体从大到小进行排列，从中选择优秀的个体进入下一个程序当中；为了防止遗传算法在计算的过程中过早收敛，对种群的多样性进行保护，在计算过程中采用交叉操作的方法产生新的个体；对进化方向进行微调，采用变异操作的方法，对一个被选中的变异操作来说，就是采用“1”→“0”和“1”→“0”的方式进行变异。最后，设置算法的结束条件，一般算法的结束条件就是迭代次数达到了最大进化代数或者最大适应度的值变化不明显。
例如，对于一幅数字图像f(.),f(x,y)是图像在x 行y 列的像素值。f ’(x,y)为增强后的图像在对应点的像素值。则有：
()()()()()'(,)g m x,y k f x,y m x,y f x y =+-
其中g(.)是一个对比度扩展函数。m(x,y)为x 行y 列处像素值占在它的某个邻域内的
局部均值。K>0是一个控制参数，其大小直接影响到图像的处理质量。
因此，数字图像的增强过程可以转化为寻找求最优参数k 的过程。进而，可用遗传算法按照上述过程进行寻优。
3.2基于遗传算法的图像恢复
图像恢复就是把一个退化(或劣化)图像尽量恢复到它的原始面目, 是数字图像处理中的一个重要分支。目前已提出许多有效的图像恢复方法, 如逆滤波法、维纳滤波法、奇异值分解伪逆法、最大熵恢复法等 。由于引起图像退化的原因未知或不能用函数表达, 使得上述方法面临较多的约束问题或是计算量过大问题, 由于难以确定退化函数h, 限制了其实际应用的效果。
GA 用于灰度图像的恢复, 一般将染色体编码成以各像素的灰度值为元素的2维矩阵, 即一个染色体就代表一幅图像, 每个基因对应一个像素, 采用自然数编码。每个个体的适应度函数中f i 为个体i 代表的推测恢复图像, g 为观测到的退化图像, h 为退化过程, 函数值越大表示个体越好。在交叉操作时一般采用窗口交叉, 即在父代染色体矩阵中选择相同大小的窗口, 进行交换。变异操作采用临近小范围内的平均值替换需要变异的某一基因值。此外，GA 也用于彩色图像的恢复，并且取得了很好的效果。
基于GA 的图像恢复方式, 突破了原有的理论,而且其开放的结构易于与其他方式融合, 如与模糊逻辑相结合的模糊GA 等。利用GA 恢复图像不仅较好的克服了噪声的影响, 而且使图像更平滑, 边缘没有条纹效应, 视觉效果好。强大的全局搜索能力是遗传算法图像恢复方法行之有效的主要原因。
3.3 基于遗传算法的图像分割
图像分割是自动目标识别的关键和首要步骤，其目的是将目标和背景分离，为计算机视觉的后续处理提供依据。目前图像分割的方法很多，常用的包括阈值法、边缘检测法和区域跟踪法。其中域值法是图像分割的最常用方法。
当前常用的域值分割方法如最小误差阈值法、最大类别方差法（Otsu 法）以及最佳直方图熵法。下面我们以Kapur 等人提出的最佳熵法（KSW 熵法）为例讨论遗传算法在图像分割中的应用。KSW 熵法是一种不需要先验知识，而且对于非理想双峰直方图的图像也可以较好分割的方法。其缺点是在确定阈值时，尤其是确定多阈值时，计算量很大。将信息论中Shannon 熵概念用于图像分割时，测量图像灰度直方图的熵，由此找出最佳阈值，其出发点是使图像中目标与背景的信息量最大。
根据shannon 熵的概念，对于灰度范围{0,1,?,255}的直方图，其熵测量为
1T i 0H =-l i i
p Lnp -=∑
其中pi 为第i 个灰度出现的概率。设阈值t 将图像划分为目标与背景两类，则令 0t t i i p p ==∑ 0ln t t i i i H p p ==-∑
由阈值t 分为A,B 两类后，两类的概率分布分别为p0/pt, pt, ? ,pl/pl; pt+1/(1-pt),pt-2/(1-pt), ?, pt-1/(1-pt), 与每个分布有关的熵分别为HA(t)和HB(t)
01()ln ln t i t t A t i t t t p p H H t p p p p =-=-=+∑
0123'(,)y x y b b x b y b xy =+++
11()ln ln(1)111l i i T t B t i t t t t
p p H H H t p p p p -=+-=-
=-+---∑ 图像的总熵H(t)为HA(t)和HB(t)之和，即：
()ln (1)1t T t t t t t H H H H t p p p p -=-++-
当该函数取最大值时即为图像的最佳分割，因此将其作为遗传算法中的适应度函数。
(1) 编码。我们选取有255 个灰度级的灰度图，由于图像灰度值在0-255 之间，故将各个染色体编码为8 位二进制编码，代表某个分割阈值。初始代个体的值为随即产生，其对应的适应度值也各有高低。
(2) 群体体模型。若个体数过多，则每一代适应度值的计算机过大，因此个体数应设置合理。我们在此将个体数设为10, 最大繁殖代数为50.
(3) 解码。对二进制染色体数组解密为0-255 之间的值，以求其适应度值。
(4) 适应度函数。采用H （t ）式作为适应度函数。
(5) 算法的基本操作：选择：遗传算法的收敛定义指出保留最优个体（精英策略的遗传算法全局收敛。因此本文在进行选择操作时，先进行轮盘赌选择法（蒙特卡罗法），再采用精英策略。交叉：交叉互换的目的是产生不同于父体的子体。交叉率越大，交叉操作的可能性也越大；如果交叉率太低，收敛速度可能降低。单阈值分割由于只有一个参数，所以采用单点交叉，在此设交叉率为0.6。变异：变异是子代基因按小概率扰动产生的变化。本文选取变异概率为0.1。终止准则：规定算法执行到最大代数（50 代）或经过某些代进化，群体的最高适应度不再发生变化（稳定条件），算法停止，具有最高适应度值的个体即为分割阈值。
3.4 基于遗传算法的图像压缩
图像压缩技术最主要的原理就是将拥有自相似性的对象用这一组简单的代数关系式进行表达的过程。将互相不重叠的小块定义为值域块，然后进行编码，并使经过映射后的定义域块与值域块的距离在某种度量值下最小，在分解和处理过程中，由于值域块的数量过于庞大，压缩搜索过程任务繁重，遗传算法的强大全局搜索能力就能很好的派上用场，发挥良好的效果。
有研究者用区域块左上角的坐标x, y 和区域块的旋转变换z (共有8 种旋转)进行染色体编码，在搜索最优定义域块时使用的两个参数是定义域块相对于值域块位移的水平和垂直分量( xi, yi ), 用10位二进制串对其进行编码, 每个参数用5位编码;有一种带分类的编码法, 这样的编码具有特征集中, 搜索速度快的特点,能够改进遗传算法的速度, 克服压缩中分类匹配算法的局部最优和随机搜索问题。
3.5 基于遗传算法的图像匹配
图像匹配是图像处理中一个重要的课题,在计算机视觉、运动目标跟踪与识别、序列图像压缩中运动补偿、医学图像处理等领域有广阔的应用前景.在对图像的理解中,匹配技术起着重要的作用,是实现图像理解的基础。下面介绍一种基于遗传算法的图像校准函数辨识方法。
假设灰度图像A 上一点（x ，y ）的灰度为A （x ，y ）。定义下面的非线性变换：
0123x '(,)x y a a x a y a xy =+++
0123'(,)y x y b b x b y b xy =+++
经过以上变换，得到图像A ’。现在要考虑的是确定系数a0，a1，a2，a3，和b0，b1，b2，b3，使图像A ’与歪斜图像B 之间的误差最小，则我们根据获得的变换图像推断歪斜图像B 中发生了变化的部分。将遗传算法应用于变换函数的辨识， 考虑对系数
(a0,a1,a2,a3,b0,b1,b2,b3)进行个体染色体编码，个体的适应度可根据其系数计算变换后图像A ’与歪斜图像B 之间的误差进行评价，误差值可按下式计算。个体的误差值越小，则其适应度越大。
2x ''
('(',')(x ','))y A x y B y -∑∑ 由于未考虑歪斜图像灰度的变化（除局部的变化外），在对于歪斜之外的变化很大的场合，用这种方法进行图像校准是不合适的。
4.遗传算法在图像处理中的缺陷及改进
（1）遗传算法用于图像增强技术能够很好的达到预期效果，但是在时间上进行考量，目前的方法在寻找最优解方面速度好比较慢，可以考虑在运算过程中使用并行遗传算法，是未来遗传算法在这个领域的发展方向。
（2）在图像恢复技术中，遗传算法的计算量相对较大，而且解不止一个，未来要在编码技术上多投入精力，解决遗传算法早熟的问题。
（3）遗传算法在图像重建过程中还没能形成一个成熟的算法，目前拥有的算法都具有一些问题，如速度较慢，处理出的图像边缘不清晰等，需要进行更多有效的探索。
（4）在图形压缩技术方面，由于遗传算法在寻找最优解和分形计算时间上具有一定的优势，但是控制参数一般都是经验获得的，如何自适应的控制这些参数是未来发展的趋势，也是增强压缩和解码质量的一个重要手段，遗传算法与分形结构的结合具有良好的发展前景。
随着理论研究的深入，可以肯定，GA以其特有的算法特点使其在图像处理问题中的应用会越来越广；同时，广泛的数学方法和强大的计算机模拟工具的出现，必将使GA研究取得长足的进展，使GA在图像处理中的作用更趋完善。
（计算智能大作业） 应用蚁群算法求解TSP问题
目录 蚁群算法求解TSP问题 (3) 摘要： (3) 关键词： (3) 一、引言 (3) 二、蚁群算法原理 (4) 三、蚁群算法解决ＴＳＰ问题 (7) 四、解决ｎ个城市的TSP问题的算法步骤 (9) 五、程序实现 (11) 六、蚁群算法优缺点分析及展望 (18) 七、总结 (18)
采用蚁群算法解决TSP问题 摘要：蚁群算法是通过蚂蚁觅食而发展出的一种新的启发算法，该算法已经成功的解决了诸如TSP问题。本文简要学习探讨了蚂蚁算法和TSP问题的基本内容，尝试通过matlab 仿真解决一个实例问题。 关键词：蚁群算法；TSP问题；matlab。 一、引言 TSP（Travelling Salesman Problem）又称货郎担或巡回售货员问题。TSP问题可以描述为：有N个城市，一售货员从起始城市出发，访问所有的城市一次，最后回到起始城市，求最短路径。TSP问题除了具有明显的实际意义外，有许多问题都可以归结为TSP问题。目前针对这一问题已有许多解法，如穷举搜索法（Exhaustive Search Method）, 贪心法（Greedy Method）, 动态规划法（Dynamic Programming Method）分支界定法（Branch-And-Bound），遗传算法（Genetic Agorithm）模拟退火法(simulated annealing),禁忌搜索。本文介绍了一种求解TSP问题的算法—蚁群算法，并通过matlab仿真求解50个城市之间的最短距离，经过仿真试验，证明是一种解决TSP问题有效的方法。
几何模型图 为空心矩形截面，梁2和3为工字型截面，梁4和梁5为空心圆柱形截面，各梁截面具体参数如下： 1米，高0.6米，厚度均为60毫米； X Y Z
有限元模型示意图： 所有梁单元示意图： 梁截面2（紫色）和3（红色）与路面（绿色）相对位置示意图 1 X Y Z JUL 17 2015 21:15:04 ELEMENTS SEC NUM 1 X Y Z JUL 17 2015 21:17:43 ELEMENTS SEC NUM
1）用文字及必要图片叙述主要建模过程及思路 a)生成几何模型 使用创建矩形创建一个15*56的底面出来，然后将（3,0,0）、（53,0,0）和（28,0,1）的点标记出来，以三点绘出圆弧线，节点连线平分10份 标记关键点，做这些关键点上方Z轴坐标高过弧线的各点连接它们，并用这些线以用Divide里的Line by Line函数来划分圆弧线以得到截点，连接节点与平面上的点来得到平行的竖杆，对另一侧进行同样的处理后，调整坐标至对称点位置，之后采用Reflect来镜像图形，得到全图。
b) 定义参数 根据题意，选择梁和版单元，其中，梁选用BEAM188单元，板使用SHELL181单元。输入材料常数E=2.1E11Pa,ν=0.3,密度为7800kg/m2。参数定义梁截面性质（Sections>>Beam>>Common Sections），定义板厚
c) 划分网格 首先分别赋予单元属性，后利用Mesh Tool划分网格。梁单元在每条线上均设定为10个单元，将剖分面单元的大小设为0.5。 2）静力分析，要求贴出结构的Mises应力及合成位移的云图
武汉理工大学 数据采集与智能仪器大作业
《数据采集与智能仪器》课程考核（大作业） 武汉理工大学信息学院 参考书赵茂泰《智能仪器原理及应用》（第三版）电子工业出版社 程德福《智能仪器》（第二版）机械工业出版社 第1章概述 本章要求掌握的内容：智能仪器分类、基本结构及特点、智能仪器设计的要点 考试题（10分） 1 智能仪器设计时采用CPLD/FPGA有哪些优点？ 第2章数据采集技术 本章要求掌握的内容：数据采集系统的组成结构、模拟信号调理、A/D转换技术、高速数据采集与传输、D/A转换技术、数据采集系统设计 考试题（30分） 1 设计一个MCS-51单片机控制的程控增益放大器的接口电路。已知输入信号小于10mv,要求当输入信号小于1mv时，增益为1000，而输入信号每增加1mv时，其增益自动减少一倍，直到100mv为止。（15分） 评分标准：正确设计硬件电路图（5分）；正确编写控制程序（5分）；完成仿真调试，实现基本功能（5分）； 2 运用双口RAM或FIFO存储器对教材中图2-22所示的高速数据采集系统进行改造，画出采集系统电路原理图，简述其工作过程。（15分） 评分标准：正确设计硬件电路图（10分）；正确描述工作过程（5分）； 第3章人机接口 本章要求掌握的内容：键盘；LED、LCD、触摸屏 考试题（30分）
1 设计8031单片机与液晶显示模块LCM-512-01A的接口电路，画出接口电路图并编写上下滚动显示XXGCXY(6个大写英文字母)的控制程序（包含程序流程图）。 评分标准：正确设计硬件电路图（10分）；正确画出程序流程图（5分）；正确编写控制程序（5分）；完成仿真调试（10分） 第4章数据通信 本章要求掌握的内容：RS232C、RS485串行总线，USB通用串行总线，PTR2000无线数据传输 考试题（30分） 1 设计PC机与MCS-51单片机的RS232C数据通信接口电路（单片机端含8位LED 显示），编写从PC机键盘输入数字，在单片机的6位LED上左右滚动显示的通信与显示程序。 评分标准：正确设计硬件电路图（5分）；正确画出程序流程图（5分）；正确编写单片机通信程序（5分）；在开发系统上运行，实现基本功能（10分）；制作实物,实现基本功能，效果良好（5分）。
第五章 神经网络课后习题及答案 一、选择题： 1. 在BP算法中，设y=f(xi)为xi的平滑函数，想知道xi对y增大变化的情况， 我们可求 ，然后进行下列的哪一项？ （ B ） A 取最小 B 取最大 C 取积分 D 取平均值 2. 对于反向传播学习，无论是在识别单个概念的学习或识别两个概念的学习中，都涉及到下列的哪一个操作？ （ A ） A 权值的修正 B 调整语义结构 C 调整阀值 D 重构人工神经元 3. 根据Hopfield网络学习的特点，能实现联想记忆和执行线性和非线性规划等求解问题其应用没有涉及到下列的哪一个内容？ （ D ） A 模糊推理模型 B 非线性辨认 C 自适应控制模型 D 图象识别 4. 对于神经网络的二级推理产生式规则由三个层次构成，它不含下列的哪一个层次？ （ C ） A 输入层 B 输出层 C 中间层 D 隐层 5. 人工神经网络借用了生理神经元功能的一些描述方式，它涉及到下列的哪一些内容？ （ ABC ） A 模拟神经元 B 处理单元为节点 C 加权有向图 D 生理神经元连接而成
6. 在应用和研究中采用的神经网络模型有许多种，下列的哪一些是具有代表性的？ （ ABD ） A 反向传递（BP） B Hopfield网 C 自适应共振 D 双向联想存储器 7. 下列的哪一些内容与反向传播学习算法有关？ （ ABCD ） A 选取比率参数 B 误差是否满足要求 C 计算权值梯度 D 权值学习修正 8. 构造初始网络后，要用某种学习算法调整它的权值矩阵，使NN在功能上满足样例集给定的输入一输出对应关系，并由此产生推理，该矩阵必须满足下列的哪一个性质？ ( A ) A 收敛性 B 对称性 C 满秩性 D 稀疏性 9. 在人工神经元的功能描述中，往往会用一激发函数来表示输出，常用的一般非线性函数有下列的哪一些项？ ( ABD ) A 阀值型 B 分段线性强饱和型 C 离散型 D S i gm oid型 10. 基于神经网络的推理，其应用中必须涉及到下列的哪一些内容？ ( ACD ) A NN的结构模型 B NN的推理规则 C NN的学习算法 D 从NN到可解释的推理网 二、填空题： 1. 前馈网络是一种具有很强学习能力的系统，结构简单，易于编程。前馈网络通
X X X X大学 研究生考查课 作业 课程名称：智能控制理论与技术 研究生姓名：学号： 作业成绩： 任课教师(签名) 交作业日时间：2010年12月22日
人工神经网络(artificial neural network，简称ANN)是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能元件(即人工神经元)，按各种不同的联结方式组成的一个网络。模拟大脑的某些机制，实现某个方面的功能，可以用在模仿视觉、函数逼近、模式识别、分类和数据压缩等领域，是近年来人工智能计算的一个重要学科分支。 人工神经网络用相互联结的计算单元网络来描述体系。输人与输出的关系由联结权重和计算单元来反映，每个计算单元综合加权输人，通过激活函数作用产生输出，主要的激活函数是Sigmoid函数。ANN有中间单元的多层前向和反馈网络。从一系列给定数据得到模型化结果是ANN的一个重要特点，而模型化是选择网络权重实现的，因此选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法就能得到包含学习训练样本范围的输人和输出的关系。如果用于学习训练的样本不能充分反映体系的特性，用ANN也不能很好描述与预测体系。显然，选用合适的学习训练样本、优化网络结构、采用适当的学习训练方法是ANN的重要研究内容之一，而寻求应用合适的激活函数也是ANN研究发展的重要内容。由于人工神经网络具有很强的非线性多变量数据的能力，已经在多组分非线性标定与预报中展现出诱人的前景。人工神经网络在工程领域中的应用前景越来越宽广。 1人工神经网络基本理论[1] 1.1神经生物学基础 可以简略地认为生物神经系统是以神经元为信号处理单元,通过广泛的突触联系形成的信息处理集团,其物质结构基础和功能单元是脑神经细胞即神经元(neu ron)。(1)神经元具有信号的输入、整合、输出三种主要功能作用行为。突触是整个神经系统各单元间信号传递驿站,它构成各神经元之间广泛的联接。(3)大脑皮质的神经元联接模式是生物体的遗传性与突触联接强度可塑性相互作用的产物,其变化是先天遗传信息确定的总框架下有限的自组织过程。 1.2建模方法 神经元的数量早在胎儿时期就已固定,后天的脑生长主要是指树突和轴突从神经细胞体中长出并形成突触联系,这就是一般人工神经网络建模方法的生物学依据。人脑建模一般可有两种方法:①神经生物学模型方法,即根据微观神经生物学知识的积累,把脑神经系统的结构及机理逐步解释清楚,在此基础上建立脑功能模型。②神经计算模型方法,即首先建立粗略近似的数学模型并研究该模型的动力学特性,然后再与真实对象作比较(仿真处理方法)。 1.3概念 人工神经网络用物理可实现系统来模仿人脑神经系统的结构和功能,是一门新兴的前沿交叉学科,其概念以T.Kohonen.Pr的论述最具代表性:人工神经网络就是由简单的处理单元(通常为适应性)组成的并行互联网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 1.4应用领域 人工神经网络在复杂类模式识别、运动控制、感知觉模拟方面有着不可替代的作用。概括地说人工神经网络主要应用于解决下述几类问题:模式信息处理和模式识别、最优化问题、信息的智能化处理、复杂控制、信号处理、数学逼近映射、感知觉模拟、概率密度函数估计、化学谱图分析、联想记忆及数据恢复等。 1.5理论局限性 (1)受限于脑科学的已有研究成果由于生理试验的困难性,目前对于人脑思维与记忆机制的认识尚很肤浅,对脑神经网的运行和神经细胞的内部处理机制还没有太多的认识。 (2)尚未建立起完整成熟的理论体系目前已提出的众多人工神经网络模型,归纳起来一般都是一个由节点及其互连构成的有向拓扑网,节点间互连强度构成的矩阵可通过某种学
计算方法上机报告 姓名： 学号： 班级： 上课班级：
说明： 本次上机实验使用的编程语言是Matlab 语言，编译环境为MATLAB 7.11.0，运行平台为Windows 7。 1. 对以下和式计算： ∑ ∞ ? ?? ??+-+-+-+=0681581482184161n n n n S n ，要求： ① 若只需保留11个有效数字，该如何进行计算； ② 若要保留30个有效数字，则又将如何进行计算； （1） 算法思想 1、根据精度要求估计所加的项数，可以使用后验误差估计，通项为： 1421114 16818485861681 n n n a n n n n n ε??= ---<< ?+++++??； 2、为了保证计算结果的准确性，写程序时，从后向前计算； 3、使用Matlab 时，可以使用以下函数控制位数： digits(位数)或vpa(变量，精度为数) （2）算法结构 1. ;0=s ?? ? ??+-+-+-+= 681581482184161n n n n t n ； 2. for 0,1,2,,n i =??? if 10m t -≤ end; 3. for ,1,2,,0n i i i =--??? ;s s t =+
（3）Matlab源程序 clear; %清除工作空间变量 clc; %清除命令窗口命令 m=input('请输入有效数字的位数m='); %输入有效数字的位数 s=0; for n=0:50 t=(1/16^n)*(4/(8*n+1)-2/(8*n+4)-1/(8*n+5)-1/(8*n+6)); if t<=10^(-m) %判断通项与精度的关系break; end end; fprintf('需要将n值加到n=%d\n',n-1); %需要将n值加到的数值 for i=n-1:-1:0 t=(1/16^i)*(4/(8*i+1)-2/(8*i+4)-1/(8*i+5)-1/(8*i+6)); s=s+t; %求和运算 end s=vpa(s,m) %控制s的精度 （4）结果与分析 当保留11位有效数字时，需要将n值加到n=7， s =3.1415926536； 当保留30位有效数字时，需要将n值加到n=22, s =3.14159265358979323846264338328。 通过上面的实验结果可以看出，通过从后往前计算，这种算法很好的保证了计算结果要求保留的准确数字位数的要求。
智能仪器大作业
课程名称：数据采集与智能仪器姓名： 学号： 班级：
《数据采集与智能仪器》课程考核（大作业） 武汉理工大学信息学院 参考书赵茂泰《智能仪器原理及应用》（第三版）电子工业出版社 程德福《智能仪器》（第二版）机械工业出版社 第1章概述 本章要求掌握的内容：智能仪器分类、基本结构及特点、智能仪器设计的要点 考试题（10分） 1 智能仪器设计时采用CPLD/FPGA有哪些优点？ 第2章数据采集技术 本章要求掌握的内容：数据采集系统的组成结构、模拟信号调理、A/D转换技术、高速数据采集与传输、D/A转换技术、数据采集系统设计 考试题（30分） 1 设计一个MCS-51单片机控制的程控增益放大器的接口电路。已知输入信号小于10mv,要求当输入信号小于1mv时，增益为1000，而输入信号每增加1mv 时，其增益自动减少一倍，直到100mv为止。（15分） 评分标准：正确设计硬件电路图（5分）；正确编写控制程序（5分）；完成仿真调试，实现基本功能（5分）； 2 运用双口RAM或FIFO存储器对教材中图2-22所示的高速数据采集系统进行改造，画出采集系统电路原理图，简述其工作过程。（15分） 评分标准：正确设计硬件电路图（10分）；正确描述工作过程（5分）； 第3章人机接口
本章要求掌握的内容：键盘；LED、LCD、触摸屏 考试题（30分） 1 设计8031单片机与液晶显示模块LCM-512-01A的接口电路，画出接口电路图并编写上下滚动显示XXGCXY(6个大写英文字母)的控制程序（包含程序流程图）。 评分标准：正确设计硬件电路图（10分）；正确画出程序流程图（5分）；正确编写控制程序（5分）；完成仿真调试（10分） 第4章数据通信 本章要求掌握的内容：RS232C、RS485串行总线，USB通用串行总线，PTR2000无线数据传输 考试题（30分） 1 设计PC机与MCS-51单片机的RS232C数据通信接口电路（单片机端含8位LED显示），编写从PC机键盘输入数字，在单片机的6位LED上左右滚动显示的通信与显示程序。 评分标准：正确设计硬件电路图（5分）；正确画出程序流程图（5分）；正确编写单片机通信程序（5分）；在开发系统上运行，实现基本功能（10分）；制作实物,实现基本功能，效果良好（5分）。 第1章概述 考试题（10分） 1 智能仪器设计时采用CPLD/FPGA有哪些优点？
作业一 1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论 该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。 【Answer】 性能度量：翻译的正确率 环境：电话线路 传感器：麦克风 执行器：音响 完全可观察的，单agent，确定的(无噪音条件下)，片段的，静态的，离散的。 2.考虑一个医疗诊断系统的agent，讨论该agent最合适的种类(简单agent,基于模型的agent, 基于目标的agent和基于效用的agent)并解释你的结论。 【Answer】 utility-based agent。 能够治愈病人的方法有很多种，系统必须衡量最优的方法来推荐给病人 3.先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态 的距离，然后用以下方法表示如何进行搜索。 (a).深度优先； (b).宽度优先； (c).爬山法； (d).最佳优先； 图一 【Answer】: 建立树：
深度: 宽度： 爬山法： 优先搜索：
4.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到 达目标结点的启发式函数的代价值，假定当前状态位于结点A。 (a)用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 1.贪婪最佳优先搜索 2.一致代价搜索 3.A*树搜索 (b)讨论以上三种算法的完备性和最优性。 【Answer】: 贪婪最佳优先：如果h(B)>5,首先访问叶子结点C,如果h(B)<=5,首先访问B,再访问C 一致代价搜索：B,D,E,F,G,H,C A*树搜索：如果h(B)>15,首先访问D 如果h(B)<=15,首先访问B,在E,G,D,H,F,C 图二 5.给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是 可采纳的。 【Answer】: 假设n为任意一个状态，G是任意一个目标状态。n,n1,n2,....,nm,G为从状态n到达状态G的一条最优路径，我们已知 评估代价f(n)=g(n)+h(n)
大数据处理技术研究 姓名：；学号：1502；专业：模式识别与智能系统 摘要：本文详细介绍了大数据的相关概念及其对应的处理方法，列举了大数据处理技术在当代计算机处理中的应用，并简要的解释了Hadoop的相关概念，展望了大数据处理技术的发展方向。 关键词：大数据 Hadoop高性能计算 1.研究背景： 大数据浪潮汹涌来袭，与互联网的发明一样，这绝不仅仅是信息技术领域的革命，更是在全球范围启动透明政府、加速企业创新、引领社会变革的利器。 大数据，IT行业的又一次技术变革，大数据的浪潮汹涌而至，对国家治理、企业决策和个人生活都在产生深远的影响，并将成为云计算、物联网之后信息技术产业领域又一重大创新变革。未来的十年将是一个“大数据”引领的智慧科技的时代、随着社交网络的逐渐成熟，移动带宽迅速提升、云计算、物联网应用更加丰富、更多的传感设备、移动终端接入到网络，由此而产生的数据及增长速度将比历史上的任何时期都要多、都要快。 2.大数据定义： “大数据”是一个涵盖多种技术的概念，简单地说，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。IBM将“大数据”理念定义为4个V，即大量化(Volume)、多样化(Variety)、快速化(Velocity)及由此产生的价值(Value)。如下图;
3.大数据技术的发展： 大数据技术描述了一种新一代技术和构架，用于以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值，而且未来急剧增长的数据迫切需要寻求新的处理技术手段。 在“大数据”(Big data)时代，通过互联网、社交网络、物联网，人们能够及时全面地获得大信息。同时，信息自身存在形式的变化与演进，也使得作为信息载体的数据以远超人们想象的速度迅速膨胀。 云时代的到来使得数据创造的主体由企业逐渐转向个体，而个体所产生的绝大部分数据为图片、文档、视频等非结构化数据。信息化技术的普及使得企业更多的办公流程通过网络得以实现，由此产生的数据也以非结构化数据为主。预计到2012年，非结构化数据将达到互联网整个数据量的75%以上。用于提取智慧的“大数据”，往往是这些非结构化数据。传统的数据仓库系统、BI、链路挖掘等应用对数据处理的时间要求往往以小时或天为单位。但“大数据”应用突出强调数据处理的实时性。在线个性化推荐、股票交易处理、实时路况信息等数据处理时间要求在分钟甚至秒级。 而“大数据”的多样性决定了数据采集来源的复杂性，从智能传感器到社交网络数据，从声音图片到在线交易数据，可能性是无穷无尽的。选择正确的数据来源并进行交叉分析可以为企业创造最显著的利益。随着数据源的爆发式增长，
作业计算题参考答案 1.某一类建筑工程人工开挖基坑土方项目，砼基础尺寸为 2.2m×4.2m，砼垫层厚100mm且每边比基础宽100mm，基础埋深1.8m，室内外高差450mm，三类干土，单轮车弃土150m，共40个基坑。计算该项目的费用并完成清单计价表。 答： V 1 =2.4×4.4×1.9×40=802.56m3 （已知条件） (1)按省计价表计算含量 h=1.8+0.1=1.9m a=2.4+0.3×2=3m b=4.4+0.3×2=5m A=3+2×1.9×0.33=4.254m B=5+2×1.9×0.33=6.254m V 2 =1.9/6×[3×5+4.254×6.254+(3+4.254)×(5+6.254)]×40=1561.05m3 含量=V 2/V 1 =1561.05/802.56=1.945 (2)按省计价表计算综合单价 ①人工开挖基坑土方： 1-60换 64.96×1.945=126.35元/m3 ②双轮车运土150m： 1-92换 20.92×1.945=40.69元/m3 1-95换 4.40×2×1.945=17.12元/m3 综合单价为： 126.35+40.69+17.12=209.83元/m3 (3)计算总费用 209.83×802.56=168401.16元
2.某工程现场搅拌砼钻孔灌注桩，土壤类别为三类，桩顶设计标高-2.6m，桩底设计标高-1 3.6m，设计室内外高差为450mm，桩直径400mm，砼强度等级C30(粒级20mm、42.5级水泥)，泥浆外运5公里以内，共计100根桩。计算该项目的费用并完成清单计价表。 答： 清单工程量=100根（已知条件） (1)按省计价表计算含量 ①钻土孔： 含量=3.14×0.22×(13.6-0.45)×100/100=1.652 ②土孔内灌注混凝土： 含量=3.14×0.22×(13.6-2.6+0.4)×100/100=1.432 ③泥浆外运：同钻土孔，含量=1.652 ④砖砌浆池：同土孔内灌注混凝土，含量=1.432 (2)按省计价表计算综合单价 ①钻土孔： 3-28 300.96×1.652=497.19元/根 ②土孔内灌注混凝土： 3-39换 466.85×1.432=668.53元/根 ③泥浆外运： 3-41 112.21×1.652=185.37元/根 ④砖砌浆池： 2.00×1.432=2.86元/根 ⑤综合单价为： 497.19+668.53+185.37+2.86=1353.95元/根 (3)计算总费用 1353.95×100=135395.00元
智能仪表课程大作业题目：PID控制算法在变频调速中的应用 班级： 姓名： 学号： 指导教师： 开课时间: 2015 至2016 学年第 1 学期
摘要 P ID控制是工业工程中应用最为广泛,最有效率的控制理论,从它的出现到现在已经经历了很长的时间, 今天它依然在工业控制中占有不可替代的地位, 相信在以后的很长一段时间 P I D控制还会有很强的生命力。现代工业的高速发展使原始,单一的控制技术已经很难适应现代控制的要求,将新型的控制理论,与传统的 P I D 控制技术相结合在未来的控制领域内会有广阔的前景。 针对目前自动称重配料系统中采用传统 PID控制的不足、系统误差不稳定、动态特性不理想，提出了一种基于模糊 PID控制的算法。将模糊控制与传统的 PID控制技术结合起来，共同应用于实际系统的调节当中。系统采用可编程逻辑控制器（PLC）实现模糊 PID双模控制，大大加快了系统的响应速度， PLC模拟输出控制变频器调节皮带电机转速，从而达到控制物料流量的目的。经过实际系统的仿真试验，系统控制性能良好，有效解决了系统运行中误差不稳定和动态特性不理想的问题。 关键词：模糊 PID；控制算法；变频调速；自动配料系统
Abstract PID control is the most widely applied in industrial engineering, the most efficient control theory, from its emergence to now has experienced a very long time, today it still occupies an irreplaceable position in the industry control, believe in the future for a long time of PID control will also have the very strong vitality. With the rapid development of modern industry makes original, single control technology has been difficult to adapt to the requirement of modern control, the new type of control theory, combined with the traditional PID control technology in the future will have broad prospect of control field. In view of the present automatic weighing ingredients for the system’s lack of traditional PID control，instability often system error， the dynamic characteristics were not ideal． A fuzzy PID control algorithm was pro- posed． Fuzzy control and conventional PID control combined together were used in the regulation of the actual system． System used PLC to achieve dual-mode fuzzy PID control， greatly speeding up the system response speed， PLC analog output adjustment belt drive motor speed control to achieve control of material flow purposes． After a system simula- tion test， the system had good dynamic and static performance， to meet the requirements of actual control． Effectively solved the problem of the system operation error instability and dynamic characteristics was not ideal．Key words： fuzzy PID； control algorithm； variable frequency speed regulation； automatic batching system
《计算思维与人工智能基础》课程教学质量标准 32学时 2学分 “计算思维与人工智能基础”是高校计算机基础教育的第一门公共基础必修课，在培养学生的计算思维水平以及人工智能基础理论方面具有基础性和先导性的重要作用，适用于非计算机专业学生。该课程主要讲述计算机与计算思维、互联网与物联网、计算机求解问题基础、人工智能基础和计算问题案例。通过该课程的学习，使学生对计算思维和人工智能学科有一个整体的认识，掌握计算机软硬件的基础知识，计算机求解问题的基本方法以及人工智能的基本知识，以培养学生的信息素养和计算思维能力，运用计算机解决实际问题的能力，进一步提高学生对人工智能的整体认知和应用水平。 一、课程目标 通过本课程学习，使学生了解计算机发展趋势，认识计算机在现代社会中的地位和作用，理解计算思维的概念、本质及应用，掌握计算机的基本工作原理，掌握人工智能学科的基本知识，熟悉计算机求解问题的基本方法，熟悉典型的计算机操作环境及工作平台，具备使用常用软件工具处理日常事务的能力。该课程应培养学生利用计算机分析问题、解决问题的意识与能力，并为学生学习计算机的后续课程打下坚实的基础。 二、课程内容、要求及学时分配 主要教学内容
5 第5章 大数据与云计 算 1）理解大数据的特点。 2）了解大数据对于科学研究和思维方式的影响。 3）理解大数据应用案例。 4）理解云计算的概念。 5）了解云计算的关键技术。 6）理解云计算的应用。 2 6 第6章计算机 求解问题基础 —算法 1）理解算法的概念。 2）了解如何设计算法。 3）掌握算法的主要描述工具。 4）掌握枚举算法的基本原理。 5）掌握递推算法的基本原理。 6）了解递归算法的基本原理。 7）熟练运用枚举算法和递推算法解决实际问题。 8）理解冒泡排序、选择排序算法。 6 7 第7章 人工智能概述1）了解智能、人工智能的概念； 2）了解人工智能的发展历程； 3）理解图灵测试的基本原理； 4）了解人工智能当前主要的应用领域； 5）理解人工智能+的概念； 4
Adaptive Evolutionary Artificial Neural Networks for Pattern Classification 自适应进化人工神经网络模式分类 Abstract—This paper presents a new evolutionary approach called the hybrid evolutionary artificial neural network (HEANN) for simultaneously evolving an artificial neural networks (ANNs) topology and weights. Evolutionary algorithms (EAs) with strong global search capabilities are likely to provide the most promising region. However, they are less efficient in fine-tuning the search space locally. HEANN emphasizes the balancing of the global search and local search for the evolutionary process by adapting the mutation probability and the step size of the weight perturbation. This is distinguishable from most previous studies that incorporate EA to search for network topology and gradient learning for weight updating. Four benchmark functions were used to test the evolutionary framework of HEANN. In addition, HEANN was tested on seven classification benchmark problems from the UCI machine learning repository. Experimental results show the superior performance of HEANN in fine-tuning the network complexity within a small number of generations while preserving the generalization capability compared with other algorithms. 摘要——这片文章提出了一种新的进化方法称为混合进化人工神经网络(HEANN),同时提出进化人工神经网络(ANNs)拓扑结构和权重。进化算法(EAs)具有较强的全局搜索能力且很可能指向最有前途的领域。然而,在搜索空间局部微调时，他们效率较低。HEANN强调全局搜索的平衡和局部搜索的进化过程，通过调整变异概率和步长扰动的权值。这是区别于大多数以前的研究，那些研究整合EA来搜索网络拓扑和梯度学习来进行权值更新。四个基准函数被用来测试的HEANN进化框架。此外,HEANN测试了七个分类基准问题的UCI机器学习库。实验结果表明在少数几代算法中，HEANN在微调网络复杂性的性能是优越的。同时，他还保留了相对于其他算法的泛化性能。 I. INTRODUCTION Artificial neural networks (ANNs) have emerged as a powerful tool for pattern classification [1], [2]. The optimization of ANN topology and connection weights training are often treated separately. Such a divide-and-conquer approach gives rise to an imprecise evaluation of the selected topology of ANNs. In fact, these two tasks are interdependent and should be addressed simultaneously to achieve optimum results. 人工神经网络(ANNs)已经成为一种强大的工具被用于模式分类[1],[2]。ANN 拓扑优化和连接权重训练经常被单独处理。这样一个分治算法产生一个不精确的评价选择的神经网络拓扑结构。事实上,这两个任务都是相互依存的且应当同时解决以达到最佳结果。
计算器设计 专业：电子信息工程 设计者：
摘要 本文介绍了一个简单的计算器的设计，该设计采用了现场可编程逻辑器件FPGA设计，并基于VHDL语言实现加减乘除功能，并用十进制显示在数码管上。系统由计算部分、输入部分、选择部分、输出部分组成，计算部分为加法器、减法器、乘法器和除法器组成。使用Altera公司的QuartusII开发软件进行功能仿真并给出仿真波形，并下载到试验箱,用实验箱上的按键开关模拟输入，用数码管显示十进制计算结果。通过外部按键可以完成四位二进制数的加、减、乘、除四种运算功能，其结果简单，易于实现。 关键字：VHDL，计算器，QuartusII
目录 一．实验目的 (4) 二、流程图 (4) 三．顶层原理图 (5) 四、各个模块 (6) (1)加法器模块 (6) 1、封装元件 (6) 2、加法器程序 (7) 3、仿真结果 (7) （2）减法器模块 (8) 1、封装元件 (8) 2、减法器程序 (9) 3、仿真结果 (10) 4、硬件运行结果 (11) （3）乘法器模块 (12) 1、封装元件 (12) 2、乘法器的设计思想 (12) 3、乘法器程序 (13) 4、仿真结果 (14) 5、硬件运行结果 (14) （4）除法器模块 (15) 1、封装元件 (15) 2、除法器设计思想 (15) 3、除法器程序 (16) 4、仿真结果 (16) 5、硬件运行结果 (17) （5）8位除法器 (18) 1、封装元件 (18) 2、8位除法器设计思想 (18) 3、8位除法器程序 (19) 4、仿真结果 (21) （6）数码管七段译码电路 (22) 1、封装元件 (22) 2、共阴极七段显示码十六进制转换表 (22) 3、七段译码器程序 (23) 4、仿真结果 (23) （7）选择模块 (24) 1、封装元件 (24) 2、程序 (25) 五、管脚锁定 (25) 六、小结与收获 (26)
智能仪器考试题型：名词解释、简答、简述、综合 没有给重点，但是老师说考题都是由课后习题凝练出来的，所以我将大部分课后习题答案整理出来，仅供参考。难免有错误，望大家谅解并指出。 课后习题参考 第一章 1-1 你在学习和生活中，接触、使用或了解了哪些仪器仪表？它们分别属于哪种类型？指出他们的共同之处与主要区别。选择一种仪器，针对其存在的问题或不足，提出改进设想（课堂作业）。 解：就测量仪器而言，按测量各种物理量不同可划分为八种：几何量计量仪器、热工量计量仪器、机械量计量仪器、时间频率计量仪器、电磁计量仪器、无线电参数测量仪器、光学与声学测量仪器、电离辐射计量仪器。 1-2 结合你对智能仪器概念的理解，讨论“智能化”的层次。 解：P2 智能仪器是计算机技术和测量仪器相结合的产物，是含有微型计算机或微处理器的测量（或检测）仪器。由于它拥有对数据的存储、运算、逻辑判断及自动化操作等功能，具有一定智能的作用（表现为智能的延伸或加强等），因而被称为智能仪器。 P5- P6 智能仪器的四个层次：聪敏仪器、初级智能仪器、模型化仪器和高级智能仪器。 聪敏仪器类是以电子、传感、测量技术为基础（也可能计算机技术和信号处理技术）。特点是通过巧妙的设计而获得某一有特色的功能。初级智能仪器除了应用电子、传感、测量技术外，主要特点是应用了计算机及信号处理技术，这类仪器已具有了拟人的记忆、存储、运算、判断、简单决策等功能。模型化仪器是在初级智能仪器的基础上应用了建模技术和方法，这类仪器可对被测对象状态或行为作出评估，可以建立对环境、干扰、仪器参数变化作出自适应反映的数学模型，并对测量误差（静态或动态误差）进行补偿。高级智能仪器是智能仪器的最高级别，这类仪器多运用模糊判断、容错技术、传感融合、人工智能、专家系统等技术。有较强的自适应、自学习、自组织、自决策、自推理能力。 1-3 仪器仪表的重要性体现在哪些方面？P3-5
作业题目 摘要：机器博弈是人工智能的一个重要研究分支，本文通过设计一个五子棋智能博奕程序，采用传统的博弈树算法，利用剪枝和极大极小树搜索最佳位置，从而实现人机智能博弈。并对现有算法存在的问题进行探究改进，最后给出展示，结果表明效果比较理想。 关键词：人工智能；五子棋；博弈 本组成员： 本人分工：α-β剪枝实现 1 引言 人工智能[1]是一门综合新型的新兴边缘科学，与生物工程、空间技术并列为三大尖端技术，而机器博弈却是其一个重要的研究分支。它研究如何利用计算机去实现那些过去只能靠人的智力去完成的工作，博弈为人工智能提供了一个很好的应用场所。 博弈过程可以采用与或树进行知识表达，这种表达形式称为博弈树。α—β剪枝技术是博弈树搜索中最常采用的策略。 2 算法原理与系统设计 根据五子棋游戏规则，此次五子棋游戏我们采用基于极大极小值分析法的α—β剪枝算法来实现计算机走棋。α—β剪枝技术是博弈树搜索中最常采用的策略，α—β剪枝搜索由极大极小值分析法演变而来[2]。 极大极小分析法其基本思想或算法是： (1) 设博弈的双方中一方为MAX，另一方为MIN。然后为其中的一方(例如MAX)寻找一个最优行动方案。 (2) 为了找到当前的最优行动方案，需要对各个可能的方案所产生的后果进行比较,具体地说，就是要考虑每一方案实施后对方可能采取的所有行动，并计算可能的得分。 (3) 为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。此时估算出来的得分称为静态估值。 (4) 当端节点的估值计算出来后，再推算出父节点的得分，推算的方法是：对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案；对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。这样计算出的父节点的得分称为倒推值。 (5) 如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。 上述的极小极大分析法，实际是先生成一棵博弈树，然后再计算其倒推值，至使极小极大分析法效率较低。于是在极小极大分析法的基础上提出了α-β剪枝技术。α-β剪枝技术的基本思想或算法是，边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，即相当于剪去了博弈树上的一些分枝，从而节约了机器开销，提高了搜索效率。 具体的剪枝方法如下： (1) 对于一个与节点MIN，若能估计出其倒推值的上确界β，并且这个β值不大于MIN的父节
人工智能基础 大作业 —－－－八数码难题 学院：数学与计算机科学学院 班级：计科14—1 姓名:王佳乐 学号：１2 2０1６、12、20 一、实验名称 八数码难题得启发式搜索 二、实验目得 八数码问题:在3×3得方格棋盘上,摆放着1到８这八个数码,有1个方格就是空得，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、空格上移与空格下移这四个操作使得棋盘从初始状态到目标状态. 要求：1、熟悉人工智能系统中得问题求解过程; 2、熟悉状态空间得启发式搜索算法得应用； 3、熟悉对八数码问题得建模、求解及编程语言得应用。 三、实验设备及软件环境 1.实验编程工具：VC＋+ 6、0 2.实验环境：Wｉndoｗs7 64位 四、实验方法：启发式搜索 1、算法描述 1.将Ｓ放入open表,计算估价函数f(ｓ)
2.判断oｐeｎ表就是否为空，若为空则搜索失败,否则，将opeｎ表中得第 一个元素加入cｌｏse表并对其进行扩展（每次扩展后加入ｏpen表中 得元素按照代价得大小从小到大排序，找到代价最小得节点进行扩展） 注:代价得计算公式ｆ(n)=d（ｎ）+ｗ（n)、其中f（n)为总代价，d(n）为节点得度,w（ｎ)用来计算节点中错放棋子得个数. 判断i就是否为目标节点,就是则成功，否则拓展i，计算后续节点f（j），利用f（j)对oｐeｎ表重新排序 2、算法流程图： 3、程序源代码： ＃ｉncluｄｅ＜stdｉｏ、ｈ> # iｎclude＜strｉng、h> # include