第一篇：人工智能大作業(yè)解讀

實(shí)現(xiàn)遺傳算法的0-1背包問題求解

目錄

摘要.........................................................................................................2 一．問題描述..........................................................................................2 二．遺傳算法特點(diǎn)介紹...........................................................................2 三．使用基本遺傳算法解決0-1背包問題..............................................3 四．基本遺傳算法解決0-1背包問題存在的不足...................................4 五．改進(jìn)的遺傳算法解決0-1背包問題..................................................6 六．心得體會(huì)..........................................................................................9 七．參考文獻(xiàn).........................................................................................10 八．程序代碼.........................................................................................10

摘要：研究了遺傳算法解決0-1背包問題中的幾個(gè)問題：

1）

對(duì)于過程中不滿足重量限制條件的個(gè)體的處理,通過代換上代最優(yōu)解保持種群的進(jìn)化性 2）對(duì)于交換率和變異率的理解和處理方法,采用逐個(gè)體和逐位判斷的處理方法

3）對(duì)于早熟性問題,引入相似度衡量值并通過重新生成個(gè)體替換最差個(gè)體方式保持種群多樣性。4）一種最優(yōu)解只向更好進(jìn)化方法的嘗試。

通過實(shí)際計(jì)算比較表明,本文改進(jìn)遺傳算法在背包問題求解中具有很好的收斂性、穩(wěn)定性和計(jì)算效率。通過實(shí)例計(jì)算，表明本文改進(jìn)遺傳算法優(yōu)于簡(jiǎn)單遺傳算法和普通改進(jìn)的遺傳算法。關(guān)鍵詞：遺傳算法；背包問題 ；優(yōu)化

一、問題描述

0-1背包問題屬于組合優(yōu)化問題的一個(gè)例子，求解0-1背包問題的過程可以被視作在很多可行解當(dāng)中求解一個(gè)最優(yōu)解。01背包問題的一般描述如下：

給定n個(gè)物品和一個(gè)背包，物品i的重量為Wi，其價(jià)值為Vi，背包的容量為C。選擇合適的物品裝入背包，使得背包中裝入的物品的總價(jià)值最大。注意的一點(diǎn)是，背包內(nèi)的物品的重量之和不能大于背包的容量C。在選擇裝入背包的物品時(shí)，對(duì)每種物品i只有兩種選擇：裝入背包或者不裝入背包，即只能將物品i裝入背包一次。稱此類問題為0/1背包問題。其數(shù)學(xué)模型為：

0-1背包問題傳統(tǒng)的解決方法有動(dòng)態(tài)規(guī)劃法、分支界限法、回溯法等等。傳統(tǒng)的方法不能有效地解決0-1背包問題。遺傳算法（Genetic Algorithms）則是一種適合于在大量的可行解中搜索最優(yōu)（或次優(yōu)）解的有效算法。

二、遺傳算法特點(diǎn)介紹:

遺傳算法(Genetic Algorithm, GA)是1962年Holland教授首次提出了GA算法的思想是近年來隨著信息數(shù)據(jù)量激增，發(fā)展起來的一種嶄新的全局優(yōu)化算法，它借用了生物遺傳學(xué)的觀點(diǎn)，通過自然選擇、遺傳、變異等作用機(jī)制，實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高?；具z傳算法求解步驟：

Step 1 參數(shù)設(shè)置：在論域空間U上定義一個(gè)適應(yīng)度函數(shù)f(x)，給定種群規(guī)模N，交叉率Pc和變異率Pm，代數(shù)T；

Step 2 初始種群：隨機(jī)產(chǎn)生U中的N個(gè)染色體s1, s2, …, sN，組成初始種群S={s1, s2, …, sN}，置代數(shù)計(jì)數(shù)器t=1；

Step 3 計(jì)算適應(yīng)度：S中每個(gè)染色體的適應(yīng)度f()；

Step 4 判斷：若終止條件滿足，則取S中適應(yīng)度最大的染色體作為所求結(jié)果，算法結(jié)束。Step 5 選擇-復(fù)制：按選擇概率P(xi)所決定的選中機(jī)會(huì)，每次從S中隨機(jī)選定1個(gè)染色體并將其復(fù)制，共做N次，然后將復(fù)制所得的N個(gè)染色體組成群體S1；

Step 6 交叉：按交叉率Pc所決定的參加交叉的染色體數(shù)c，從S1中隨機(jī)確定c個(gè)染色體，配對(duì)進(jìn)行交叉操作，并用產(chǎn)生的新染色體代替原染色體，得群體S2；

Step 7 變異：按變異率Pm所決定的變異次數(shù)m，從S2中隨機(jī)確定m個(gè)染色體，分別進(jìn)行變異操作，并用產(chǎn)生的新染色體代替原染色體，得群體S3；

Step 8 更新：將群體S3作為新一代種群，即用S3代替S，t=t+1，轉(zhuǎn)步3；

遺傳算法是一種仿生算法, 即模擬生命演化的算法，它從一個(gè)代表問題初始解的初始種群出發(fā), 不斷重復(fù)執(zhí)行選擇, 雜交和變異的過程, 使種群進(jìn)化越來越接近某一目標(biāo)既最優(yōu)解，如果視種群為超空間的一組點(diǎn), 選擇、雜交和變異的過程即是在超空間中進(jìn)行點(diǎn)集之間的某種變換, 通過信息交換使種群不斷變化，遺傳算法通過模擬達(dá)爾文“優(yōu)勝劣汰, 適者生存”的原理激勵(lì)好的結(jié)構(gòu), 同時(shí)尋找更好的結(jié)構(gòu), 作為一種隨機(jī)的優(yōu)化與搜索方法, 遺傳算法有著其鮮明的特點(diǎn)。

—遺傳算法一般是直接在解空間搜索, 而不像圖搜索那樣一般是在問題空間搜索, 最后才找到解(如果搜索成功的話)。

—遺傳算法的搜索隨機(jī)地始于搜索空間的一個(gè)點(diǎn)集, 而不像圖搜索那樣固定地始于搜索空間的初始節(jié)點(diǎn)或終止節(jié)點(diǎn), 所以遺傳算法是一種隨機(jī)搜索算法。

—遺傳算法總是在尋找優(yōu)解(最優(yōu)解或次優(yōu)解), 而不像圖搜索那樣并非總是要求優(yōu)解, 而一般是設(shè)法盡快找到解(當(dāng)然包括優(yōu)解), 所以遺傳算法又是一種優(yōu)化搜索算法。

—遺傳算法的搜索過程是從空間的一個(gè)點(diǎn)集(種群)到另一個(gè)點(diǎn)集(種群)的搜索,而不像圖搜索那樣一般是從空間的一個(gè)點(diǎn)到另一個(gè)點(diǎn)地搜索。因而它實(shí)際是一種并行搜索, 適合大規(guī)模并行計(jì)算, 而且這種種群到種群的搜索有能力跳出局部最優(yōu)解。

—遺傳算法的適應(yīng)性強(qiáng), 除需知適應(yīng)度函數(shù)外, 幾乎不需要其他的先驗(yàn)知識(shí)。

—遺傳算法長于全局搜索, 它不受搜索空間的限制性假設(shè)的約束,不要求連續(xù)性, 能以很大的概率從離散的、多極值的、含有噪聲的高維問題中找到全局最優(yōu)解。

三、使用基本遺傳算法解決0-1背包問題：

1: 打開數(shù)據(jù)文件

2: 設(shè)置程序運(yùn)行主界面 3: 調(diào)用初始化種群模塊

3-1: 按照一定的種群規(guī)模和染色體長度以基因?yàn)閱挝挥秒S機(jī)產(chǎn)生的0-1對(duì)個(gè)體賦值 3-2: 調(diào)用計(jì)算適應(yīng)度函數(shù)

4: 以最大進(jìn)化代數(shù)為循環(huán)終止條件開始進(jìn)行循環(huán) 4-1: 調(diào)用產(chǎn)生新一代個(gè)體的函數(shù) 4-1-1: 調(diào)用選擇函數(shù) 4-1-2: 調(diào)用交叉函數(shù) 4-1-3: 調(diào)用變異函數(shù)

4-1-4: 調(diào)用計(jì)算適應(yīng)度函數(shù)

5: 調(diào)用計(jì)算新一代種群統(tǒng)計(jì)數(shù)據(jù)函數(shù) 6: 調(diào)用輸出新一代統(tǒng)計(jì)數(shù)據(jù)函數(shù) 7: 返回到第四步, 直至循環(huán)結(jié)束

四、基本遺傳算法解決0-1背包問題存在的不足：

1.對(duì)于過程中不滿足重量限制條件的個(gè)體的處理

在用基本遺傳算法解決0-1背包問題的時(shí)候，在初始化或者交叉變異后可能會(huì)產(chǎn)生不滿足重量約束條件的偽解，而對(duì)于這些偽解，基本遺傳算法沒有給出一個(gè)很好的處理方法，而只是又隨機(jī)生成了一個(gè)滿足約束條件的解作為新的個(gè)體從而替換掉原來的個(gè)體。根據(jù)遺傳算

法的根本思想“優(yōu)勝劣汰，適者生存”的原則，可以將不滿足條件的個(gè)體用已有的最優(yōu)個(gè)體來進(jìn)行替換，這樣，既使得種群中所有的個(gè)體均滿足重量的約束條件，又保留了較優(yōu)解，符合遺傳算法的思想。具體做法為：

在程序中加入一個(gè)變量保存每代的最優(yōu)解，當(dāng)前代在進(jìn)行選擇、復(fù)制、交叉、變異后如果有不滿足約束條件的個(gè)體，則在種群更新時(shí)采用這個(gè)最優(yōu)值作為替代。

具體做法為：在每代遺傳后通過函數(shù)FindBestandWorstIndividual()找到當(dāng)前最優(yōu)值并保存bestindividual中，在計(jì)算適應(yīng)度函數(shù)CalculateFitnessValue()中加入：

if(w>KW)X[i]=bestindividual;

//如果不是解，找最好的一個(gè)解代之

其中w為當(dāng)前個(gè)體的總重量，KW為背包最大承重量，X[i]表示種群中第i個(gè)個(gè)體，bestindividual為保存的個(gè)體最優(yōu)解。

2.對(duì)于交換率和變異率的理解和處理方法

根據(jù)遺傳算法的基本步驟的交叉和變異操作

Step 6 交叉：按交叉率Pc所決定的參加交叉的染色體數(shù)c，從S1中隨機(jī)確定c個(gè)染色體，配對(duì)進(jìn)行交叉操作，并用產(chǎn)生的新染色體代替原染色體，得群體S2；

Step 7 變異：按變異率Pm所決定的變異次數(shù)m，從S2中隨機(jī)確定m個(gè)染色體，分別進(jìn)行變異操作，并用產(chǎn)生的 新染色體代替原染色體，得群體S3； 可以有兩種處理方法：

其一，采用先確定數(shù)目在隨機(jī)選取的方法，步驟如下：

對(duì)于交叉操作： 對(duì)于變異操作：

1,根據(jù)交叉率確定應(yīng)該交叉的個(gè)體數(shù)目1,根據(jù)變異率確定應(yīng)該變異的染色體數(shù)n 目n 2,在種群中進(jìn)行n次循環(huán) 2,在種群中進(jìn)行n次循環(huán) 2-1隨機(jī)選中種群中的一個(gè)個(gè)體a 2-1隨機(jī)選中種群中的一個(gè)個(gè)體的染2-2隨機(jī)選中種群中異于a的一個(gè)個(gè)色體a 體b

2-2隨機(jī)選中染色體a的某位基因

2-3隨機(jī)確定交叉位數(shù) 2-4進(jìn)行交叉

2-3對(duì)進(jìn)行0-1互換變異

其二，采用對(duì)每個(gè)操作單元分別進(jìn)行特定概率下處理的方法，步驟如下：

對(duì)于交叉操作：

1,在種群中進(jìn)行S次循環(huán),其中S代表種群中個(gè)體的數(shù)量

2,對(duì)于每一個(gè)個(gè)體X[i]（X為種群數(shù)組）做如下操作

2-1生成隨機(jī)數(shù)p[0,1],判斷p與的大小關(guān)系 2-2如果p說明X[i]需要交換

對(duì)于變異操作：

1,在種群中進(jìn)行S次循環(huán),其中S代表種群中個(gè)體的數(shù)量

2,對(duì)每一個(gè)個(gè)體X[i]做N次循環(huán)，其中N為染色體位數(shù)

2-1對(duì)染色體的每一位

3-1生成隨機(jī)數(shù)q[0,1],判斷q與 的大小關(guān)系

說明需要進(jìn)行0-1互換說明不需要變

2-2-1 隨機(jī)在種群中找到異于X[i]的另一個(gè)體進(jìn)行交換 2-3如果p 說明X[i]不需要交換

3-2如果q

變異2-3如果q分析這兩種處理方法可知：方法一沒有很好地體現(xiàn)隨機(jī)機(jī)會(huì)均等的思想，因?yàn)樵诓襟E1中確

定的需要操作的數(shù)目n后，總體上是保證了交叉或者變異的數(shù)目，但不是對(duì)于每一個(gè)個(gè)體而言的，因而會(huì)出現(xiàn)有的個(gè)體被選擇交叉或者變異多次而有的沒有機(jī)會(huì)交叉或者變異的情況，而如果采用方法二，就體現(xiàn)了機(jī)會(huì)的均等性，即要求對(duì)每一個(gè)單元操作目標(biāo)進(jìn)行概率的驗(yàn)證，以確定是否變異或者交叉。在程序中具體的實(shí)現(xiàn)方法體現(xiàn)在交叉和變異函數(shù)中：

void CrossoverOperator(void)//交叉操作 for(i=0;i

q=rand()%S;}while(p==q);

int w=1+rand()%N;//[1,N]交換的位數(shù)

double p=(rand()%1001)/1000.0;if(p<=Pc)

for(j=0;j

void MutationOperator(void)//變異操作

for(i=0;i

for(j=0;j

q=(rand()%1001)/1000.0;//產(chǎn)生q[0,1] if(q

if(X[i].chromsome[j]==1)X[i].chromsome[j]=0;else X[i].chromsome[j]=1;1.對(duì)于算法早熟性的分析及解決方法

遺傳算法中種群中的個(gè)體由初始化時(shí)的具有多樣性，可能會(huì)由于在進(jìn)化過程中一些超常個(gè)體限制其它個(gè)體的進(jìn)化——這個(gè)個(gè)體的適應(yīng)度大大優(yōu)于種群內(nèi)的其它值，由于適者生存原則這個(gè)個(gè)體被不斷復(fù)制從而充滿了整個(gè)種群，使得種群的多樣應(yīng)大大降低，進(jìn)化停滯，從而出現(xiàn)算法收斂于局部最優(yōu)解的現(xiàn)象，稱為早熟現(xiàn)象。早熟現(xiàn)象的可能解法：

1）通過提高變異率來增加種群的多樣性，以期更優(yōu)解的出現(xiàn)，這也是最簡(jiǎn)單基本遺傳算法中不添加相關(guān)操作的情況下唯一的一種方法，然而這種方法有明顯的弊端：在提高變異率獲得多樣性種群的同時(shí)，個(gè)體變異的機(jī)會(huì)增加，使得較優(yōu)解發(fā)生變異，從而遺傳算法喪失了其優(yōu)于其它算法的優(yōu)越性，所以這種方法不是很好地解決方法。2）引入多樣性衡量和處理

基本思路：在出現(xiàn)進(jìn)化停滯現(xiàn)象時(shí)要引入新的個(gè)體來增強(qiáng)種群的多樣性。做法：1,判斷是否達(dá)到早熟現(xiàn)象

對(duì)于種群中S個(gè)個(gè)體，判斷等位基因的相等程度，即引入一個(gè)參數(shù)值same,如果same達(dá)到一定的 理論值大小就可以認(rèn)為達(dá)到了早熟現(xiàn)象。

2,早熟現(xiàn)象的處理，即引入新的個(gè)體。

處理過程中應(yīng)該不違反適者生存的原則，所以應(yīng)該保留較好的個(gè)體，所以首先選中適應(yīng)度最小的 個(gè)體執(zhí)行刪除操作，然后隨機(jī)生成一個(gè)新的符合重量限制且打破早熟現(xiàn)象的新個(gè)體。

具體實(shí)現(xiàn)見函數(shù)：void checkalike(void)

//相似度校驗(yàn) for(i=0;i

for(j=0;j

if(temp!=X[k].chromsome[j])

break;if(j==N)same++;if(same>N*0.5)//大于50%作為判定為早熟

//確定最小

int minindex=0;for(intn=0;n

if(X[n].fitness

bool m=(rand()%10<5)?0:1;X[minindex].chromsome[j]=m;X[minindex].weight+=m*weight[j];//個(gè)體的總重量

X[minindex].fitness+=m*value[j];

//個(gè)體的總價(jià)值

2.一種最優(yōu)解只向更好進(jìn)化方法的嘗試

基本思路為：每一組的最優(yōu)解是一個(gè)獨(dú)特的個(gè)體，我們求解的問題最終的最優(yōu)解或者近似解都產(chǎn)生于這個(gè)特殊的個(gè)體，最優(yōu)解只向更好進(jìn)化方法中規(guī)定：每代中選出一個(gè)最優(yōu)解并做好相應(yīng)的記錄或者標(biāo)記，最優(yōu)解參與交叉和變異，只是在交叉或者變異時(shí)對(duì)最優(yōu)解進(jìn)行前后適應(yīng)度的比較，如果發(fā)現(xiàn)交叉或者變異后適應(yīng)度大于操作前適應(yīng)度，則保存操作后的結(jié)果，如果發(fā)現(xiàn)交叉或者變異后適應(yīng)度小于操作前適應(yīng)度，則禁止最優(yōu)解的操作，而不禁止與最優(yōu)解進(jìn)行交叉的個(gè)體的變化。這樣，每一代中的最優(yōu)解的特性可以通過交叉?zhèn)鬟f給同代中的其它個(gè)體，而保證種群一定會(huì)向更好的方向進(jìn)化。做法在交叉后和變異后調(diào)用以下函數(shù)判斷：

int comp(individual bestindividual,individual temp)//比較函數(shù) {

} int fit=0,w=0;//第一種不變:操作后不滿足重量函數(shù)，第二種:操作后適應(yīng)度小于操作前 for(int i=0;iKW)return-1;return(bestindividual.fitness>fit?-1:1);//如果小于原來值或者不滿足重量函數(shù)，則返回-1

五、改進(jìn)的遺傳算法解決0-1背包問題：

1、參數(shù)設(shè)置：

#define S

500 #define Pc

0.8 #define Pm

0.01 #define KW

878 #define N

#define T

1000

//種群的規(guī)模

//交叉概率

//突變概率

//背包最大載重

//物體總數(shù)

//最大換代數(shù)

2個(gè)體的表示和染色體編碼

用變量i代表物件, i = 1, 2, ,n 定義變量xi，其含義為： xi= 1表示：第i個(gè)物件被選入背包, xi = 0表示第i個(gè)物件沒有被選入背包?？紤]n 個(gè)物件的選擇與否, 就可以得到一個(gè)長度為n的0, 1序列。由此可見遺傳算法應(yīng)用于上述背包問題時(shí),采用簡(jiǎn)單二進(jìn)制編碼較為適宜1 每一組編碼即為某一個(gè)個(gè)體的基因表示, 稱其為染色體, 染色體長度取決于待分配的物件的個(gè)數(shù)n.在編碼形式的表示方法中,形如二進(jìn)制編碼 10010101 表示為一個(gè)待分配的物件的個(gè)數(shù)為8（編碼長度）的一個(gè)背包問題的一個(gè)解, 則該個(gè)體對(duì)應(yīng)于選擇了物件1, 4, 6, 8，即第1, 4, 6, 8個(gè)物品被放入了背包。用數(shù)據(jù)格式表示為：

struct individual

{ bool chromsome[N];double fitness;

double weight;};

//個(gè)體結(jié)構(gòu)體

//染色體編碼

//適應(yīng)度//即本問題中的個(gè)體所得價(jià)值 //總重量

2產(chǎn)生初始種群

n個(gè)待分配的物件隨機(jī)產(chǎn)生S個(gè)長度為n的二進(jìn)制串, 即種群中個(gè)體的染色體編碼的每一位按等概率在0與1中選擇S 指的是種群規(guī)模, 即種群中的個(gè)體數(shù)目.void GenerateInitialPopulation(void);//初始種群 3適應(yīng)度函數(shù)

背包內(nèi)物件的總重量為a1x1 + a2x2 + ,anxn, 物件的總價(jià)值為c1x1 + c2x2 + , + cn xn 0-1背包問題中采用每個(gè)個(gè)體的總價(jià)值作為適應(yīng)度，在滿足背包容量的條件下，價(jià)值越大，適應(yīng)度越高。所以適應(yīng)度求解方法為：

f i = c1x1 + c2x2 + , + cnxn(當(dāng)t a1x1 + a2x 2 + , + anxn < = c，xj = 0, 1)考慮到會(huì)有不不滿足容量條件的個(gè)體則：

f i = 0(當(dāng)a1x1 + a2x2 + , + anxn > c，xj = 0, 1)

上述適應(yīng)度函數(shù)基于一個(gè)考慮違背約束條件的懲罰處理，根據(jù)上述具體問題適應(yīng)度函數(shù)值不可能為零, 所以當(dāng)隨機(jī)產(chǎn)生的某個(gè)個(gè)體違背約束條件時(shí), 通過把其適應(yīng)度函數(shù)值罰為0而達(dá)到淘汰該個(gè)體的目的。4選擇-復(fù)制操作

參照適應(yīng)度函數(shù)值和約束條件用賭輪選擇法進(jìn)行模擬，具體為: 

(1)根據(jù)適應(yīng)度函數(shù)值和約束條件, 罰掉部分個(gè)體（前述不滿足容量條件的個(gè)體）

(2)對(duì)于滿足約束條件的個(gè)體, 根據(jù)適應(yīng)度函數(shù)值計(jì)算個(gè)體被選中的概率,稱為選擇概率：

公式為:

P =

p()稱為染色體xi(i=1, 2, …, n)的選擇概率

(3)根據(jù)輪盤賭累計(jì)公式為：

iq?P(xj)

i

?

j?1

稱為染色體xi(i=1, 2, …, n)的積累概率

(4)對(duì)已得到的累計(jì)概率作如下處理，完成選擇操作：

1）在［0, 1］區(qū)間內(nèi)產(chǎn)生一個(gè)均勻分布的偽隨機(jī)數(shù)r。2）若r≤q1,則染色體x1被選中。

3）若qk-1

(1)隨機(jī)產(chǎn)生一個(gè)交叉點(diǎn)的位置

(2)隨機(jī)選取當(dāng)前代中的兩個(gè)個(gè)體作為父?jìng)€(gè)體

(3)根據(jù)交叉點(diǎn)的位置, 做單點(diǎn)交叉 6變異操作: 根據(jù)變異率Pm

(1)隨機(jī)產(chǎn)生變異點(diǎn)的位置

(2)在變異點(diǎn)位置作0-1翻轉(zhuǎn)

8、算法終止

程序中定義了一個(gè)最優(yōu)值，stop=

一般情況下這個(gè)最優(yōu)值達(dá)不到，一旦程序在執(zhí)行過程中達(dá)到此最優(yōu)值，也就沒有必要在執(zhí)行下去，因?yàn)檫@必定是最好的解，所以保存最優(yōu)值和最優(yōu)解，結(jié)束。

如果程序的最優(yōu)值達(dá)不到理想情況下的stop，那么根據(jù)最大換代次數(shù)來結(jié)束程序，在結(jié)束后的種群中找到一個(gè)最好的解作為本問題的最優(yōu)解，程序結(jié)束。

4算例

1.小規(guī)模問題的算例：

算例1-1：設(shè)定物品價(jià)值value={50,30,60,80,20}重量weight{35,40,40,20,15}背包的最大承重量為100 遺傳算法中參數(shù)：群體大小S=5，交叉率Pc=0.8,變異率Pm=0.05,最大換代次數(shù)T=20, 通過多次試驗(yàn)比較本文改進(jìn)后遺傳算法和其他得到結(jié)果如下表所示：

本文改進(jìn)的遺傳算法： 實(shí)驗(yàn)總次數(shù)：30 達(dá)到全局最優(yōu)解次數(shù)：27 未達(dá)到全局最優(yōu)解：3

由實(shí)驗(yàn)結(jié)果可知在小規(guī)模算例中，本文改進(jìn)的遺傳算法優(yōu)于前兩者。2．較大規(guī)模問題求解算例： 遺傳算法中參數(shù)：

群體大小S=5，交叉率Pc=0.8,變異率Pm=0.05,最大換代次數(shù)T=800，相似度取5% 實(shí)例1：

價(jià)值value：{ 92,4,43,83,84,68,92,82,6,44,32,18,56,83,25,96,70,48,14,58} 重量weight：{ {44,46,90,72,91,40,75,35,8,54,78,40,77,15,61,17,75,29,75,63}} 背包的最大承重量：878 實(shí)例2：

價(jià)值value： {220,208,198,192,180,180,165,162,160,158,155,130,125,122,120,118,115,110,105,101,100,100,98,96,95,90,88, 82,80,77,75,73,72,70,69,66,65,63,60,58,56,50,30,20,15,10,8,5,3,1};

重量weight: {80,82,85,70,72,70,66,50,55,25,50,55,40,48,50,32,22,60,30,32,40,38,35,32,25,28,30,22,25,30,45,30,60,50,20,65, 20,25,30,10,20,25,15,10,10,10,4,4,2,1};

背包最大承重量：1000

本文改進(jìn)遺傳算法實(shí)驗(yàn)結(jié)果：

實(shí)例1：

實(shí)例2：

由此得出結(jié)論：遺傳算法優(yōu)于前兩種。

六.心得體會(huì)：

遺傳算法是一種模擬生物進(jìn)化在解中求解最優(yōu)值的方法，實(shí)現(xiàn)起來方便，適于處理大宗數(shù)據(jù)，然而基于簡(jiǎn)單基本遺傳算法在求解不同問題時(shí)應(yīng)該具體問題具體分析，找的結(jié)合所解問題的優(yōu)化方法，例如本文分析的遺傳算法解決0-1背包問題，雖然簡(jiǎn)單基本遺傳算法可以求出一個(gè)比較好的解出來，但是分析可知，結(jié)果并不令人滿意，在對(duì)問題進(jìn)行細(xì)致的分析、查閱相關(guān)資料和深入思考后，我提出了自己認(rèn)為比較好的改進(jìn)方法并通過實(shí)踐結(jié)合具體的算例把改進(jìn)后的遺傳算法和與原來的簡(jiǎn)單遺傳算法和參考文獻(xiàn)中的一種改進(jìn)方法進(jìn)行了比較，結(jié)果顯示本文改進(jìn)的遺傳算法無論在小規(guī)模數(shù)據(jù)處理還是較大規(guī)模數(shù)據(jù)處理方面均優(yōu)于前兩者，這一點(diǎn)很令人高興。通過本次實(shí)踐，我也深刻體會(huì)到對(duì)于算法分析和改進(jìn)的重要性，往往一個(gè)算法經(jīng)過認(rèn)真地分析和合理的改進(jìn)后會(huì)獲得性能上的提高時(shí)間復(fù)雜度或者空間復(fù)雜度的降低，而且能夠獲得更好的解。

七.參考文獻(xiàn)：

《用基本遺傳算法解決0-1背包問題》

八.程序?qū)崿F(xiàn)：

已通過vc6.0編譯后運(yùn)行 #include #include #include #include /*小規(guī)模*********************************************************************** #define S

//種群的規(guī)模 #define N

//物體總數(shù) #define Pc

0.8

//交叉概率 #define Pm

0.05 //突變概率 #define KW

//背包最大載重 #define T

//最大換代數(shù) #define ALIKE

0.05 //判定相似度 int stop=0;

//初始化函數(shù)中初始化為所有價(jià)值之和 int t=0;

//目前的代數(shù) int weight[]={35,40,40,20,15};

//物體重量 int value[]={50,30,60,80,20};

//物體價(jià)值

/*實(shí)例1*********************************************************************** #define S

//種群的規(guī)模 #define N

//物體總數(shù) #define Pc

0.8

//交叉概率 #define Pm

0.05 //突變概率 #define KW

878

//背包最大載重 #define T

800

//最大換代數(shù) #define ALIKE

0.05 //判定相似度 int stop=0;

//初始化函數(shù)中初始化為所有價(jià)值之和 int t=0;

//目前的代數(shù)

int weight[]={44,46,90,72,91,40,75,35,8,54,78,40,77,15,61,17,75,29,75,63};//物體重量 int value[]={92,4,43,83,84,68,92,82,6,44,32,18,56,83,25,96,70,48,14,58};//物體價(jià)值

/*實(shí)例2*********************************************************************** #define S

//種群的規(guī)模 #define Pc

0.8

//交叉概率 #define Pm

0.05 //突變概率 #define KW

1000

//背包最大載重1000 #define N

//物體總數(shù) #define T

800

//最大換代數(shù) #define ALIKE

0.05 //判定相似度 int

stop=0;

//初始化函數(shù)中初始化為所有價(jià)值之和 int

t=0;

//目前的代數(shù) int vaue[]={ 220,208,198,192,180,180,165,162,160,158,155,130,125,122,120,118,115,110,105,101,100,100,98,96,95,90,88,82,80,77,75,73,72,70,69,66,65,63,60,58,56,50,30,20,15,10,8,5,3,1};int weight[]={ 80,82,85,70,72,70,66,50,55,25,50,55,40,48,50,32,22,60,30,32,40,38,35,32,25,28,30,22,25,30,45,30,60,50,20,65,20,25,30,10,20,25,15,10,10,10,4,4,2,1};/*實(shí)例3***********************************************************************/

#define S

//種群的規(guī)模 #define Pc

0.8

//交叉概率 #define Pm

0.05 //突變概率 #define KW

6718 //背包最大載重1000 #define N

//物體總數(shù) #define T

800

//最大換代數(shù) #define ALIKE

0.05 //判定相似度 int

stop=0;

//初始化函數(shù)中初始化為所有價(jià)值之和 int

t=0;

//目前的代數(shù) int vaue[]={ 597,596,593,586,581,568,567,560,549,548,547,529,529,527,520,491,482,478,475,475,466,462,459,458,454,451,449,443,442,421,410,409,395,394,390,377,375,366,361,347,334,322,315,313,311,309,296,295,294,289,285,279,277,276,272,248,246,245,238,237,232,231,230,225,192,184,183,176,171,169,165,165,154,153,150,149,147,143,140,138,134,132,127,124,123,114,111,104,89,74,63,62,58,55,48,27,22,12,6,250};Int weight[]={ 54,183,106,82,30,58,71,166,117,190,90,191,205,128,110,89,63,6,140,86,30,91,156,31,70,199,142,98,178,16,140,31,24,197,101,73,16,73,2,159,71,102,144,151,27,131,209,164,177,177,129,146,17,53,64,146,43,170,180,171,130,183,5,113,207,57,13,163,20,63,12,24,9,42,6,109,170,108,46,69,43,175,81,5,34,146,148,114,160,174,156,82,47,126,102,83,58,34,21,14};/************************************************************************/ struct individual {

//個(gè)體結(jié)構(gòu)體

bool chromsome[N];//染色體編碼

double fitness;

//適應(yīng)度//即本問題中的個(gè)體所得價(jià)值

double weight;

//總重量 };int best=0;int same=0;individual X[S],Y[S],bestindividual;// /************************************************************************/ int comp(individual bestindividual,individual temp);//比較函數(shù) void checkalike(void);

//檢查相似度函數(shù) void GenerateInitialPopulation(void);

//初始種群 void CalculateFitnessValue(void);

//適應(yīng)度 void SelectionOperator(void);

//選擇 void CrossoverOperator(void);

//交叉 void MutationOperator(void);

//變異 void FindBestandWorstIndividual(void);

//尋找最優(yōu)解 void srand(unsigned int seed);

//隨機(jī)生成

/************************************************************************/ int comp(individual bestindividual,individual temp)//比較函數(shù) { int fit=0,w=0;//第一種不變:操作后不滿足重量函數(shù)，第二種:操作后適應(yīng)度小于操作前

for(int i=0;iKW)return-1;return(bestindividual.fitness>fit?-1:1);//如果小于原來值或者不滿足重量函數(shù)，則返回-1 } /************************************************************************/

void Checkalike(void){ int i=0,j=0;

for(i=0;i

if(temp!=X[k].chromsome[j])

break;} } if(j==N)same++;} if(same>N*ALIKE)//大于ALIKE作為判定為早熟 { int minindex=0;for(int n=0;n

if(X[n].fitness

X[minindex].weight+=m*weight[j];//個(gè)體的總重量

X[minindex].fitness+=m*value[j];//個(gè)體的總價(jià)值

}

} } /************************************************************************/ void GenerateInitialPopulation(void)//初始種群,保證每個(gè)值都在符合條件的解 { int i=0,j=0;bool k;

for(i=0;i

k=(rand()%10<5)?0:1;

X[i].chromsome[j]=k;

w+=k*weight[j];//個(gè)體的總重量

v+=k*value[j];//個(gè)體的總價(jià)值

} if(w>KW)i--;

//如果不是解，重新生成else

{ X[i].fitness=v;X[i].weight=w;

if(v==stop){bestindividual=X[i];return;}//這種情況一般不會(huì)發(fā)生

} } } /************************************************************************/ void CalculateFitnessValue(){ int i=0,j=0;

for(i=0;i

int w=0,v=0;

for(j=0;j

{

w+=X[i].chromsome[j]*weight[j];//個(gè)體的總重量

v+=X[i].chromsome[j]*value[j];//個(gè)體的總價(jià)值

}

X[i].fitness=v;

X[i].weight=w;

if(v==stop){bestindividual=X[i];return;}//符合條件情況下最優(yōu)解這種情況一般不會(huì)發(fā)生

if(w>KW)X[i]=bestindividual;

//如果不是解，找最好的一個(gè)解代之

} } /************************************************************************/ void SelectionOperator(void){ int i, index;double p, sum=0.0;double cfitness[S];//選擇、累積概率

individual newX[S];for(i=0;i

for(i=0;i

for(i=1;i

for(i=0;i

p=(rand()%1001)/1000.0;//產(chǎn)生一個(gè)[0,1]之間的隨機(jī)數(shù)

index=0;

while(p>cfitness[index])//輪盤賭進(jìn)行選擇

{

index++;

}

newX[i]=X[index];} for(i=0;i

void CrossoverOperator(void)//交叉操作 { int i=0, j=0,k=0;individual temp;

for(i=0;i

int p=0,q=0;

do

{

p=rand()%S;//產(chǎn)生兩個(gè)[0，S]的隨機(jī)數(shù)

q=rand()%S;

}while(p==q);

int w=1+rand()%N;//[1,N]表示交換的位數(shù)

double r=(rand()%1001)/1000.0;//[0,1]

if(r<=Pc)

{

for(j=0;j

{

temp.chromsome[j]=X[p].chromsome[j];//將要交換的位先放入臨時(shí)空間

X[p].chromsome[j]=X[q].chromsome[j];

X[q].chromsome[j]=temp.chromsome[j];

}

}

if(p==best)

if(-1==comp(bestindividual,X[p]))//如果變異后適應(yīng)度變小

X[p]=bestindividual;

if(q==best)

if(-1==comp(bestindividual,X[q]))//如果變異后適應(yīng)度變小

X[q]=bestindividual;} } /************************************************************************/ void MutationOperator(void){ int i=0, j=0,k=0,q=0;double p=0;for(i=0;i

{

for(j=0;j

{

p=(rand()%1001)/1000.0;

if(p

{

if(X[i].chromsome[j]==1)X[i].chromsome[j]=0;

else X[i].chromsome[j]=1;

}

}

if(i==best)

if(-1==comp(bestindividual,X[i]))//如果變異后適應(yīng)度變小

X[i]=bestindividual;} } /************************************************************************/ void FindBestandWorstIndividual(void){ int i;bestindividual=X[0];for(i=1;i

if(X[i].fitness>bestindividual.fitness)

{

bestindividual=X[i];

best=i;

} } } /*主函數(shù)*****************************************************************/ void main(void){

srand((unsigned)time(0));

t=0;

GenerateInitialPopulation();//初始群體包括產(chǎn)生個(gè)體和計(jì)算個(gè)體的初始值

while(t<=T)

{

FindBestandWorstIndividual();//保存當(dāng)前最優(yōu)解

SelectionOperator();

//選擇

CrossoverOperator();

//交叉

MutationOperator();

//變異

Checkalike();

//檢查相似度

CalculateFitnessValue();//計(jì)算新種群適應(yīng)度

t++;

}

FindBestandWorstIndividual();

//找到最優(yōu)解

cout<

<

for(int k=0;k

cout<

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第二篇：人工智能發(fā)展史解讀

人工智能學(xué)科誕生于20世紀(jì)50年代中期，當(dāng)時(shí)由于計(jì)算機(jī)的產(chǎn)生與發(fā)展，人們開始了具有真正意義的人工智能的研究。（雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ),但直到50年代早期人們才注意到人類智能與機(jī)器之間的聯(lián)系.Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器.它將收集到的房間溫度與希望的溫度比較,并做出反應(yīng)將加熱器開大或關(guān)小,從而控制環(huán)境溫度.這項(xiàng)對(duì)反饋 回路的研究重要性在于: Wiener從理論上指出,所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果.而反饋機(jī)制是有可 能用機(jī)器模擬的.這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大。）

1956年夏，美國達(dá)特莫斯大學(xué)助教麥卡錫、哈佛大學(xué)明斯基、貝爾實(shí)驗(yàn)室申龍、IBM公司信息研究中心羅徹斯特、卡內(nèi)基——梅隆大學(xué)紐厄爾和赫伯特.西蒙、麻省理工學(xué)院塞夫里奇和索羅門夫，以及IBM公司塞繆爾和莫爾在美國達(dá)特莫斯大學(xué)舉行了以此為其兩個(gè)月的學(xué)術(shù)討論會(huì)，從不同學(xué)科的角度探討人類各種學(xué)習(xí)和其他職能特征的基礎(chǔ)，并研究如何在遠(yuǎn)離上進(jìn)行精確的描述，探討用機(jī)器模擬人類智能等問題，并首次提出了人工智能的術(shù)語。從此，人工智能這門新興的學(xué)科誕生了。這些青年的研究專業(yè)包括數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論和電腦科學(xué)，分別從不同角度共同探討人工智能的可能性。他們的名字人們并不陌生，例如申龍是《信息論》的創(chuàng)始人，塞繆爾編寫了第一個(gè)電腦跳棋程序，麥卡錫、明斯基、紐厄爾和西蒙都是“圖靈獎(jiǎng)”的獲獎(jiǎng)?wù)摺?/p>

這次會(huì)議之后，在美國很快形成了3個(gè)從事人工智能研究的中心，即以西蒙和紐威爾為首的卡內(nèi)基—梅隆大學(xué)研究組，以麥卡錫、明斯基為首的麻省理工學(xué)院研究組，以塞繆爾為首的IBM公司研究組。隨后，這幾個(gè)研究組相繼在思維模型、數(shù)理邏輯和啟發(fā)式程序方面取得了一批顯著的成果：

（1）1956年，紐威爾和西蒙研制了一個(gè)“邏輯理論家“（簡(jiǎn)稱LT）程序，它將每個(gè)問題都表示成一個(gè)樹形模型,然后選擇最可能得到正確結(jié)論的那一枝來求解問題，證明了懷特黑德與羅素的數(shù)學(xué)名著《數(shù)學(xué)原理》的第2章中52個(gè)定理中的38個(gè)定理。1963年對(duì)程序進(jìn)行了修改，證明了全部定理。這一工作受到了人們的高度評(píng)價(jià)，被認(rèn)為是計(jì)算機(jī)模擬人的高級(jí)思維活動(dòng)的一個(gè)重大成果，是人工智能的真正開端。

（2）1956年，塞繆爾利用對(duì)策論和啟發(fā)式搜索技術(shù)編制出西洋跳棋程序Checkers。該程序具有自學(xué)習(xí)和自適應(yīng)能力，能在下棋過程中不斷積累所獲得的經(jīng)驗(yàn)，并能根據(jù)對(duì)方的走步，從許多可能的步數(shù)中選出一個(gè)較好的走法。這是模擬人類學(xué)習(xí)過程第一次卓有成效的探索。這臺(tái)機(jī)器不僅在1959年擊敗了塞繆爾本人，而且在1962年擊敗了美國一個(gè)州的跳棋冠軍，在世界上引起了大轟動(dòng)。這是人工智能的一個(gè)重大突破。

（3）1958年，麥卡錫研制出表處理程序設(shè)計(jì)語言LISP，它不僅可以處理數(shù)據(jù)，而且可以方便的處理各種符號(hào)，成為了人工智能程序語言的重要里程碑。目前，LISP語言仍然是研究人工智能何開發(fā)智能系統(tǒng)的重要工具。

（4）1960年紐威爾、肖和西蒙等人通過心理學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)人在解題時(shí)的思維過程大致可以分為3個(gè)階段：1。首先想出大致的解題計(jì)劃；2。根據(jù)記憶中的公理、定理和解題規(guī)劃、按計(jì)劃實(shí)施解題過程；3.在實(shí)施解題過程中，不斷進(jìn)行方法和目標(biāo)分析，修改計(jì)劃。這是一個(gè)具有普遍意義的思維活動(dòng)過程，其中主要是方法和目的的分析。（也就是人們?cè)谇蠼鈹?shù)學(xué)問題通常使用試湊的辦法進(jìn)行的試湊是不一定列出所有的可能性，而是用邏輯推理來迅速縮小搜索范圍的辦法進(jìn)行的），基于這一發(fā)現(xiàn)，他們研制了“通用問題求解程序GPS”，用它來解決不定積分、三角函數(shù)、代數(shù)方程等11種不同類型的問題，并首次提出啟發(fā)式搜索概念，從而使啟發(fā)式程序具有較普遍的意義。

（5）1961年，明斯基發(fā)表了一篇名為《邁向人工智能的步驟》的論文，對(duì)當(dāng)時(shí)人工智能的研究起了推動(dòng)作用。

正是由于人工智能在20世紀(jì)50年代到60年代的迅速發(fā)展和取得的一系列的研究成果，使科學(xué)家們歡欣鼓舞，并對(duì)這一領(lǐng)域給予了過高的希望。紐威爾和西蒙在1958年曾作出以下預(yù)言：

①不出十年，計(jì)算機(jī)將成為世界象棋冠軍，除非規(guī)定不讓它參加比賽；

②.不出十年，計(jì)算機(jī)將發(fā)現(xiàn)并證明那時(shí)還沒有被證明的數(shù)學(xué)定理；

③.不出十年，計(jì)算機(jī)將譜寫出具有較高美學(xué)價(jià)值并得到評(píng)論家認(rèn)可的樂曲；

④不出十年，大多數(shù)心理學(xué)家的理論將采用計(jì)算機(jī)程序來形成。

非常遺憾的是，到目前為止，這樣的預(yù)言還沒有一個(gè)得到完全的實(shí)現(xiàn)，人工智能的研究狀況比紐威爾和西蒙等科學(xué)家的設(shè)想要復(fù)雜和艱難的多。事實(shí)上，到了20世紀(jì)70年代初，人工智能在經(jīng)歷一段比較快速的發(fā)展時(shí)期后，很快就遇到了許多問題。這些問題主要表現(xiàn)在：

（1）1965年魯賓遜發(fā)明了歸結(jié)（消解）原理，曾被認(rèn)為是一個(gè)重大的突破，可是很快這種歸結(jié)法能力有限，證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)，推證了十萬步竟還沒有得證。

（2）塞繆爾的下棋程序，贏得了周冠軍后，沒能贏全國冠軍。

（3）機(jī)器翻譯出了荒謬的結(jié)論。如從英語→俄語→英語的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力不足)，結(jié)果變成了”The wine is good but the meat is spoiled”(酒是好的，肉變質(zhì)了)，鬧出了笑話。

（4）大腦約有10的15次方以上的記憶容量，此容量相當(dāng)于存放幾億本書的容量，現(xiàn)有的技術(shù)條件下在機(jī)器的結(jié)構(gòu)上模擬人腦是不大可能的。

（5）來自心理學(xué)、神經(jīng)生理學(xué)、應(yīng)用數(shù)學(xué)、哲學(xué)等各界的科學(xué)家們對(duì)人工智能的本質(zhì)、基本原理、方法及機(jī)理等方面產(chǎn)生了質(zhì)疑和批評(píng)。

由于人工智能研究遇到了困難，使得人工智能在20世紀(jì)70年代初走向低落。但是，人工智能的科學(xué)家沒有被一時(shí)的困難所嚇倒，他們?cè)谡J(rèn)真總結(jié)經(jīng)驗(yàn)教訓(xùn)的基礎(chǔ)上，努力探索使人工智能走出實(shí)驗(yàn)室，走向?qū)嵱没男侣纷?，并取得了令人鼓舞的進(jìn)展。特別是專家系統(tǒng)的出現(xiàn)，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探索走向?qū)ｉT知識(shí)應(yīng)用的重大突破，是人工智能發(fā)展史上的重大轉(zhuǎn)折，將人工智能的研究推向了新高潮。下面是幾個(gè)又代表性的專家系統(tǒng)：

（1）1968年斯坦福大學(xué)費(fèi)根鮑姆教授和幾位遺傳學(xué)家及物理學(xué)家合作研制了一個(gè)化學(xué)質(zhì)譜分析系統(tǒng)（DENDARL），該系統(tǒng)能根據(jù)質(zhì)譜儀的數(shù)據(jù)和核磁諧振的數(shù)據(jù)，以及有關(guān)化學(xué)知識(shí)推斷有機(jī)化合物的分子結(jié)構(gòu)，達(dá)到了幫助化學(xué)家推斷分子結(jié)構(gòu)的作用。這是第一個(gè)專家系統(tǒng)，標(biāo)志著人工之能從實(shí)驗(yàn)室走了出來，開始進(jìn)入實(shí)際應(yīng)用時(shí)代。

（2）繼DENDARAL系統(tǒng)之后，費(fèi)根鮑姆領(lǐng)導(dǎo)的研究小組又研制了診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)MYCIN。經(jīng)專家小組對(duì)醫(yī)學(xué)專家、實(shí)習(xí)醫(yī)師以及MYCIN行為進(jìn)行正式測(cè)試評(píng)價(jià)，認(rèn)為MYCIN的行為超過了其他所有人，尤其在診斷和治療菌血癥和腦膜炎方面，顯示了該系統(tǒng)作為臨床醫(yī)生實(shí)際助手的前途。從技術(shù)的角度來看，該系統(tǒng)的特點(diǎn)是：1。使用了經(jīng)驗(yàn)性知識(shí)，用可信度表示，進(jìn)行不精確推理。2.對(duì)推理結(jié)果具有解釋功能，時(shí)系統(tǒng)是透明的。3.第一次使用了知識(shí)庫的概念。正是由于MYCIN基本解決了知識(shí)表示、知識(shí)獲取、搜索策略、不精確推理以及專家系統(tǒng)的基本結(jié)構(gòu)等重大問題（是怎樣解決的呢？），對(duì)以后的專家系統(tǒng)產(chǎn)生了很大的影響。

（3）1976年，斯坦福大學(xué)國際人工智能中心的杜達(dá)等人開始研制礦藏勘探專家系統(tǒng)PROSPECTOR，它能幫助地質(zhì)學(xué)家解釋地質(zhì)礦藏?cái)?shù)據(jù)，提供硬巖石礦物勘探方面的咨詢，包括勘探測(cè)評(píng)，區(qū)域資源估值，鉆井井位選擇等。該系統(tǒng)用語義網(wǎng)絡(luò)表示地質(zhì)知識(shí)，擁有15中礦藏知識(shí)，采用貝葉斯概率推理處理不確定的數(shù)據(jù)和知識(shí)。PROSPECTOR系統(tǒng)于1981年開始投入實(shí)際使用，取得了巨大的經(jīng)濟(jì)效益。例如1982年，美國利用該系統(tǒng)在華盛頓發(fā)現(xiàn)一處礦藏，據(jù)說實(shí)用價(jià)值可能超過1億美元。

（4）美國卡內(nèi)基—梅隆大學(xué)于20世紀(jì)70年代先后研制了語音理解系統(tǒng)HEARSAY-I加入HEARSAY-II，它完成從輸入的聲音信號(hào)轉(zhuǎn)換成字，組成單詞，合成句子，形成數(shù)據(jù)庫查詢語句，再到情報(bào)數(shù)據(jù)庫中去查詢資料。該系統(tǒng)的特點(diǎn)是采用“黑板結(jié)構(gòu)”這種新結(jié)構(gòu)形式，能組合協(xié)調(diào)專家的知識(shí)，進(jìn)行不同抽象級(jí)的問題求解。

在這一時(shí)期，人工智能在新方法、程序設(shè)計(jì)語言、知識(shí)表示、推理方法等方面也取得了重大進(jìn)展。例如70年代許多新方法被用于AI開發(fā),著名的如Minsky的構(gòu)造理論.另外David Marr提出了機(jī)器視覺方面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信息,可以推斷出圖像可能是什么，法國馬賽大學(xué)的柯爾麥倫和他領(lǐng)導(dǎo)的研究小組于1972年研制成功的第一個(gè)PROLOG系統(tǒng)，成為了繼LISP語言之后的另一種重要的人工智能程序語言；明斯基1974年提出的框架理論；紹特里夫于1975年提出并在MYCIN中應(yīng)用的不精確推理；杜達(dá)于1976年提出并在PROSPECTOR中應(yīng)用的貝葉斯方法；等等

人工智能的科學(xué)家們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，總結(jié)出一般原理與技術(shù)，使人工智能又從實(shí)際應(yīng)用逐漸回到一般研究。圍繞知識(shí)這一核心問題，人們重新對(duì)人工智能的原理和方法進(jìn)行了探索，并在知識(shí)獲取、知識(shí)表示以及知識(shí)在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。1977年，在第五屆國際人工智能聯(lián)合會(huì)（IJCAI）的會(huì)議上，費(fèi)根鮑姆教授在一篇題為《人工智能的藝術(shù)：知識(shí)工程課題及實(shí)例研究》的特約文章中，系統(tǒng)的闡述了專家系統(tǒng)的思想，并提出了知識(shí)工程（KnowledgeEngineering）的概念。費(fèi)根鮑姆認(rèn)為，知識(shí)工程是研究知識(shí)信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供了求解的途徑。恰當(dāng)?shù)倪\(yùn)用專家知識(shí)的獲取、表示、推理過程的構(gòu)成與解釋，是設(shè)計(jì)基于知識(shí)的系統(tǒng)的重要技術(shù)問題。至此，圍繞著開發(fā)專家系統(tǒng)而開展的相關(guān)理論、方法、技術(shù)的研究形成了知識(shí)工程學(xué)科。知識(shí)工程的研究使人工智能的研究從理論轉(zhuǎn)向應(yīng)用，從基于推理的模型轉(zhuǎn)向基于知識(shí)的模型。

為了適應(yīng)人工智能和知識(shí)工程發(fā)展的需要，在政府的大力支持下，日本于1982年開始了為期10年的“第五代計(jì)算機(jī)的研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS”，總共投資4.5億美元。它的目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那樣快。日本的這一計(jì)劃形成了一股熱潮，推動(dòng)了世界各國的追趕浪潮。美國、英國、歐共體、蘇聯(lián)等都先后制訂了相應(yīng)的發(fā)展計(jì)劃。隨著第五代計(jì)算機(jī)的研究開發(fā)和應(yīng)用，人工智能進(jìn)入一個(gè)興盛時(shí)期，人工智能界一派樂觀情緒。

然而，隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識(shí)獲取難、知識(shí)領(lǐng)域窄、推理能力弱、只能水平低、沒有分布式功能、實(shí)用性差等等問題逐步暴露出來。日本、美國、英國和歐洲所制訂對(duì)那些針對(duì)人工智能的大型計(jì)劃多數(shù)執(zhí)行到20世紀(jì)80年代中期就開始面臨重重困難，已經(jīng)看出達(dá)不到預(yù)想的目標(biāo)。進(jìn)一步分析便發(fā)現(xiàn)，這些困難不只是個(gè)別項(xiàng)目的制訂又問題，而是涉及人工智能研究的根本性問題。總的來講是兩個(gè)問題：一是所謂的交互（Interaction）問題，即傳統(tǒng)方法只能模擬人類深思熟慮的行為，而不包括人與環(huán)境的交互行為。另一個(gè)問題是擴(kuò)展（Scaling up）問題，即所謂的大規(guī)模的問題，傳統(tǒng)人工智能方法只適合于建造領(lǐng)域狹窄的專家系統(tǒng)，不能把這種方法簡(jiǎn)單的推廣到規(guī)模更大、領(lǐng)域更寬的復(fù)雜系統(tǒng)中去。這些計(jì)劃的失敗，對(duì)人工智能的發(fā)展是一個(gè)挫折。

盡管經(jīng)歷了這些受挫的事件,AI仍在慢慢恢復(fù)發(fā)展.新的技術(shù)在日本被開發(fā)出來,如在美國首創(chuàng)的模糊邏輯,它可以從不確定的條件作出決策;還有神經(jīng)網(wǎng)絡(luò),被視為實(shí)現(xiàn)人工智能的可能途徑.1982年后，人工神經(jīng)網(wǎng)絡(luò)像雨后春筍一樣迅速發(fā)展起來，給人們帶來了新的希望。人工神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)是信息的分布存儲(chǔ)和信息處理的并行化，并具有自組織自學(xué)習(xí)能力，這使人們利用機(jī)器加工處理信息有了新的途徑和方法，解決了一些符號(hào)方法難以解決的問題，使人工智能的學(xué)術(shù)界興起了神經(jīng)網(wǎng)絡(luò)的熱潮。1987年美國召開了第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣布新學(xué)科的誕生。1988年以后，日本和歐洲各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐步增加，促進(jìn)了該領(lǐng)域的研究。但是隨著應(yīng)用的深入，人們又發(fā)現(xiàn)人工神經(jīng)元網(wǎng)絡(luò)模型和算法也存在問題。

20世紀(jì)80年代末，以美國麻省理工學(xué)院布魯克斯（R.A.Brooks）教授為代表的行為主義學(xué)派提出了“無須表示和推理”的智能，認(rèn)為智能只在與環(huán)境的交互中表現(xiàn)出來，并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲”比空想智能機(jī)器人要好。以后，人工智能學(xué)術(shù)界充分認(rèn)識(shí)到已有的人工智能方法僅限于在模擬人類智能活動(dòng)中使用成功的經(jīng)驗(yàn)知識(shí)處理簡(jiǎn)單的問題，開始在符號(hào)機(jī)理與神經(jīng)網(wǎng)機(jī)理的結(jié)合及引入Agent系統(tǒng)等方面進(jìn)一步開展研究工作。20世紀(jì)90年代，所謂的符號(hào)主義、連接主義和行動(dòng)主義3種方法并存。對(duì)此，中國學(xué)者認(rèn)為這3種方法各有優(yōu)缺點(diǎn)，他們提出了綜合集成的方法，即不同的問題用不同的方法來解決，或用聯(lián)合（混合、融合）的方法來解決，再加上人工智能系統(tǒng)引入交互機(jī)制，系統(tǒng)的智能水平將會(huì)大為提高。

總而言之，盡管人工智能的發(fā)展經(jīng)歷了曲折的過程，但它在自動(dòng)推理、認(rèn)知建模、機(jī)器學(xué)習(xí)、神經(jīng)元網(wǎng)絡(luò)、自然語言處理、專家系統(tǒng)、智能機(jī)器人等方面的理論和應(yīng)用上都取得了稱得上具有“智能”的成果。許多領(lǐng)域?qū)⒅R(shí)和智能思想引入到自己的領(lǐng)域，使一些問題得以較好的解決。應(yīng)該說，人工智能的成就是巨大的，影響是深遠(yuǎn)的。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠(yuǎn)不晚。——高爾基

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆。——孔子

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第三篇：人工智能論文解讀

人工智能結(jié)課論文

系別：計(jì)算機(jī)科學(xué)與技術(shù)系

班級(jí)：姓名：于靜學(xué)號(hào)：

13計(jì)算機(jī)專接本一班

知識(shí)處理

***0

摘要：進(jìn)入2l 世紀(jì)，計(jì)算機(jī)硬件和軟件更新的速度越來越快，計(jì)算機(jī)這個(gè)以往總給人以冷冰冰的機(jī)器的形象也得到了徹底的改變。人機(jī)交互的情形越來越普遍，計(jì)算機(jī)被人類賦予了越來越多的智能因素。伴隨著人類把最新的計(jì)算機(jī)技術(shù)應(yīng)用于各個(gè)學(xué)科，對(duì)這些學(xué)科的認(rèn)知也進(jìn)入了日新月異的發(fā)展階段，促使大量的新的研究成果不斷涌現(xiàn)。例如：“人機(jī)大戰(zhàn)”中深藍(lán)計(jì)算機(jī)輕松的獲勝、人類基因組排序工作的基本完成、人類大腦結(jié)構(gòu)性解密、單純器官性克隆的成功實(shí)現(xiàn)等等。隨著計(jì)算機(jī)這個(gè)人類有史以來最重要的工具的不斷發(fā)展，伴隨著不斷有新理論的出現(xiàn)，人類必須重新對(duì)它們進(jìn)行分析和審視。知識(shí)處理是人工智能這一科學(xué)領(lǐng)域的關(guān)鍵問題。本文對(duì)知識(shí)處理的核心問題之——識(shí)的表示進(jìn)行了全面的綜述目前流行的知識(shí)表達(dá)方式不下十種，在此只介紹一階謂詞邏輯、產(chǎn)生式、語義網(wǎng)絡(luò)、框架、混合等目前最常用的知識(shí)表示方法。并對(duì)其進(jìn)行了優(yōu)缺點(diǎn)分析及簡(jiǎn)單對(duì)比。最后對(duì)知識(shí)表示的發(fā)展趨向作出了展望。

關(guān)鍵詞：知識(shí)

人工智能（AI）

知識(shí)表達(dá)式

一階謂詞邏輯

產(chǎn)生式 語義網(wǎng)絡(luò)

框架

一、知識(shí)和知識(shí)的表示

1、知識(shí)的概念

知識(shí)是人類世界特有的概念，他是人類對(duì)客觀世界的一種比較準(zhǔn)確、全面的認(rèn)識(shí)和理解的結(jié)晶。(1)知識(shí)只有相對(duì)正確的特性。常言道：實(shí)踐出真理。只是源于人們生活、學(xué)習(xí)與工作的實(shí)踐，知識(shí)是人們?cè)谛畔⑸鐣?huì)中各種實(shí)踐經(jīng)驗(yàn)的匯集、智慧的概括與積累。只是愛源于人們對(duì)客觀世界運(yùn)動(dòng)規(guī)律的正確認(rèn)識(shí)，是從感知認(rèn)識(shí)上升成為理性認(rèn)識(shí)的高級(jí)思維勞動(dòng)過程的結(jié)晶，故相應(yīng)于一定的客觀環(huán)境與條件下，只是無疑是正確的。然而當(dāng)客觀環(huán)境與條件發(fā)生改變時(shí)，知識(shí)的正確性就接受檢驗(yàn)，必要時(shí)就要對(duì)原來的認(rèn)識(shí)加以修改和補(bǔ)充，一至全部更新而取而代之。例如知道1543年哥白尼學(xué)說問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個(gè)關(guān)于“瞎子摸象”的故事，它通俗地說明了完整的只是形式是一個(gè)復(fù)雜的智能過程。通常人們獲取知識(shí)的重要手段是：利用信息，把各種信息提煉、概括并關(guān)聯(lián)在一起，就形成了知識(shí)。而利用信息關(guān)聯(lián)構(gòu)成知識(shí)的形式有多種多樣。

(2)知識(shí)的確定與不確定性如前說述，知識(shí)有若干信息關(guān)聯(lián)的結(jié)構(gòu)組成，但是，其中有的信息是精確的，有的信息卻是不精確的。這樣，則由該信息結(jié)構(gòu)形成的知識(shí)也有了確定與不確定的特征。例如，在我國中南地區(qū)，根據(jù)天上出現(xiàn)彩虹的方向及其位置，可以預(yù)示天氣的變化。有諺語曰：“東邊日（晴天），西邊雨?！钡?，這只是一種常識(shí)性經(jīng)驗(yàn)，并不能完全肯定或否定。再如：家有一頭秀發(fā)，一時(shí)兩鬢如霜。我們則認(rèn)為家一定是年輕人，乙就是老年人嘛？不能完全肯定，因?yàn)橄喾吹氖吕呛芏嗟?。比如，?dāng)年的白毛女就不是老人，而現(xiàn)在六十多歲的演員有一頭黑發(fā)也不足為奇。

2、知識(shí)表達(dá)及其映像原理

智能機(jī)器系統(tǒng)如同智能生物一樣，在運(yùn)用知識(shí)進(jìn)行信息交流或只能問題求解時(shí)，都需要預(yù)先進(jìn)行知識(shí)表示。進(jìn)而實(shí)現(xiàn)知識(shí)調(diào)用，達(dá)到利用知識(shí)求解問題的目的。因而只是表示是知識(shí)信息處理系統(tǒng)必不可少的關(guān)鍵環(huán)節(jié)。對(duì)智能機(jī)器系統(tǒng)而言只是表示，實(shí)際上就是對(duì)知識(shí)的一種描述或約定。其本質(zhì)，就是采用某種技術(shù)模式，八所要求解決的問題的相關(guān)知識(shí)，映射為一種便于找到該問題解的數(shù)據(jù)結(jié)構(gòu)。對(duì)知識(shí)進(jìn)行表示的過程，實(shí)質(zhì)上就是把相關(guān)只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數(shù)據(jù)結(jié)構(gòu)的過程。如圖1。

圖1 只是表達(dá)及其映射原理

如圖，其目標(biāo)是要對(duì)復(fù)雜的智能性問題實(shí)現(xiàn)機(jī)器求解，但機(jī)器直接對(duì)原始問題求解難度很大，可采用知識(shí)表達(dá)的映射原理，把原始問題映射為它的一種同構(gòu)或同態(tài)問題，然后在對(duì)同構(gòu)或同態(tài)問題求出它的解答，則相對(duì)容易而方便。順便指出：同構(gòu)解答與原始問題有相同的形式解，然而對(duì)于同態(tài)問題，如果得到原始解，只需對(duì)同臺(tái)解答再施行反運(yùn)算即可。在自然科學(xué)實(shí)際應(yīng)用研究中，利用映射（稱之為變換）原理迂回求解的思想，是一種非常有效而廣為使用的重要手段。目前比較常見的知識(shí)表達(dá)方法主要有：常用的知識(shí)表示方法：一階謂詞邏輯表示法，產(chǎn)生式表示法，框架表示法，語義網(wǎng)絡(luò)表示法，腳本表示法，過程表示法，面向?qū)ο蟊硎痉?，神?jīng)網(wǎng)絡(luò)表示法。如圖2

二、常用知識(shí)表示法：

2.1一階謂詞邏輯表示法：

一階謂詞邏輯表示法是目前應(yīng)用最廣的方法之一，在AI系統(tǒng)上已經(jīng)得到了應(yīng)用。它是通過分析命題內(nèi)容和謂詞邏輯，盡可能正確地表述它的各種意境的過程。知識(shí)的謂詞邏輯表示符合人的思維習(xí)慣，可讀性好，邏輯關(guān)系表達(dá)簡(jiǎn)便。使用謂詞邏輯既便于表達(dá)概念、狀態(tài)、屬性等事實(shí)性知識(shí)，又能方便地采用謂詞公式的表達(dá)形式，進(jìn)行各種智能行為的過程性描述與演繹推理。一階謂詞的一般形式為P(x1，x2，?，xn)其中P是謂詞名，xi為個(gè)體常量、變?cè)蚝瘮?shù)。例如：STUDENT(zhangsan)：zhangsan是學(xué)生

STUDENT(x)：x是學(xué)生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父親是教師。在一階謂詞表示法中連接詞是非常重要的其中： 連接詞：?、∨、∧、→、? 量詞：?、?

(?x)P(x)為真、為假的定義

(?x)P(x)為真、為假的定義

結(jié)合具體事例可以看到一階謂詞邏輯在知識(shí)表示法中的優(yōu)越性： 李明是計(jì)算機(jī)系的學(xué)生，但他不喜歡編程。定義謂詞：

COMPUTER(x):x是計(jì)算機(jī)系的 學(xué)生

LIKE(x,y):x喜歡y 謂詞公式為：

LIKE(liming，programming)COMPUTER(liming)∧

謂詞邏輯是一種傳統(tǒng)經(jīng)典也是最基本的形式化方法。謂詞邏輯知識(shí)表示規(guī)范性嚴(yán)，邏輯性強(qiáng)，自然性好，推理過程嚴(yán)密，易于實(shí)現(xiàn)。這些優(yōu)良特性使得謂詞邏輯最早用于人工智能機(jī)器定理證明，并獲得了成功。但是必須看到，謂詞邏輯屬于標(biāo)準(zhǔn)的二值（T與F）邏輯，難以直接進(jìn)行不確定性問題的處理。對(duì)于復(fù)雜系統(tǒng)的求解問題，容易陷入冗長演繹推理中，常常不可避免地帶來求解效率低,甚至產(chǎn)生“組合爆炸”問題。因此，針對(duì)謂詞邏輯，尚待人們不斷加以改進(jìn)，以尋求自然性好而效率更高的技術(shù)方法。

2.2產(chǎn)生式表示法

目前，產(chǎn)生式表示方法是專家系統(tǒng)的第一選擇的知識(shí)表達(dá)方式。是美國數(shù)學(xué)家Post在1943年提出了一種計(jì)算形式體系里所使用的術(shù)語。產(chǎn)生式表示的基本形式為：（1）確定性知識(shí)的表示：

產(chǎn)生式形式：P→Q或者IF P THEN Q 它的含義：如果前提P滿足，則可以推出結(jié)論Q或執(zhí)行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果積木B上是空的，且機(jī)械手空，則機(jī)械手從桌面上抓起積木B。（2）不確定知識(shí)的表示：

產(chǎn)生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不確定推理中，當(dāng)已知事實(shí)與前提P不能精確匹配時(shí)，只要按照“置信度”的要求達(dá)到一定的相似度，就認(rèn)為已知事實(shí)與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結(jié)論Q。

產(chǎn)生式表示法其優(yōu)點(diǎn)在于模塊性。規(guī)則與規(guī)則之間相互獨(dú)立靈活性。知識(shí)庫易于增加、修改、刪除自然性。方便地表示專家的啟發(fā)性知識(shí)與經(jīng)驗(yàn)透明性。易于保留動(dòng)作所產(chǎn)生的變化、軌跡，但仍有不少缺點(diǎn)：知識(shí)庫維護(hù)難。效率低。為了模塊一致性理解難。由于規(guī)則一致性彼此之間不能調(diào)用。

2.3 語義網(wǎng)絡(luò)表達(dá)式

語義網(wǎng)絡(luò)是人工智能常用的知識(shí)表示法之一。是一種使用概念及其語義關(guān)系來表達(dá)知識(shí)的有向圖。它作為人類聯(lián)想記憶的一個(gè)顯示心理學(xué)模型，是由J.R.Quillian于1968年在他的博士論文中首先提出，并用于自然語言處理。語義網(wǎng)絡(luò)結(jié)構(gòu)共使用了三種圖形符號(hào)：框、帶箭頭及文字標(biāo)識(shí)的線條和文字標(biāo)識(shí)線。分別稱為:（1）節(jié)(結(jié))點(diǎn);弧(又叫做邊或支路);指針。

（2）節(jié)點(diǎn)(Node)：也稱為結(jié)點(diǎn)。用圓形、橢圓、菱形或長方形的框圖來表示，用來表示事物的名稱、概念、屬性、情況、動(dòng)作、狀態(tài)等。

（3）弧(Arc)：這是一種有向弧，又稱之為支路（Branch）。節(jié)點(diǎn)之間用帶箭頭及文字標(biāo)識(shí)的有向線條來聯(lián)結(jié)，用以表示事物之間的結(jié)構(gòu)，即語義關(guān)系。

（4）指針(Pointer)：也叫指示器。是在節(jié)點(diǎn)或者弧線的旁邊，另外附加必要的線條及文字標(biāo)識(shí)，用來對(duì)節(jié)點(diǎn)、弧線和語義關(guān)系作出相宜的補(bǔ)充、解釋與說明。

語義網(wǎng)絡(luò)是一種結(jié)構(gòu)化知識(shí)表示方法，具有表達(dá)直觀，方法靈活，容易掌握和理解的特點(diǎn)。概括起來，主要優(yōu)點(diǎn)在于采用語義關(guān)系的有向圖來連接，語義、語法、詞語應(yīng)用兼顧，具有描述生動(dòng)，表達(dá)自然，易于理解等。

雖然語義網(wǎng)絡(luò)知識(shí)表示和推理具有較大的靈活性和多樣性，但是沒有公認(rèn)嚴(yán)密的形式表達(dá)體系，卻不可避免地帶來了非一致性和程序設(shè)計(jì)與處理上的復(fù)雜性，這也是語義網(wǎng)絡(luò)知識(shí)表示尚待深入研究解決的一個(gè)課題。

2.4．框架表式式

框架表示法誕生于1975年，這也是一種結(jié)構(gòu)化的知識(shí)表示方法，并已在多種系統(tǒng)中得到成功的應(yīng)用。框架理論是由人工智能科學(xué)創(chuàng)始人之一，美國著名的人工智能學(xué)者M(jìn).L.Minsky(明斯基)提出來的。

自然界各種事物都可用框架(Frame)組織構(gòu)成。每個(gè)被定義的框架對(duì)象分別代表著不同的特殊知識(shí)結(jié)構(gòu)，從而可在大腦或計(jì)算機(jī)中表示、存儲(chǔ)并予以認(rèn)識(shí)、理解和處理?？蚣苁且环N被用來描述某個(gè)對(duì)象（諸如一個(gè)事物、一個(gè)事件或一個(gè)概念）屬性知識(shí)的數(shù)據(jù)結(jié)構(gòu)。下面是一個(gè)關(guān)于“大學(xué)教師”的框架設(shè)計(jì)模式。

n

框架名：

〈大學(xué)教師〉 n

姓名：

單位（姓，名）n

年齡：

單位（歲）

n

性別：

范圍(（男，女）缺?。耗?n

學(xué)歷：

范圍（學(xué)士，碩士，博士）

n

職稱：

范圍(（教授，副教授，講師，助教）缺?。褐v師)n

部門：

范圍（學(xué)院（或系、處）n

住址：

〈住址框架〉 n

工資：

〈工資框架〉 n

參加工作時(shí)間：

單位（年，月）

n

健康狀況：

范圍（健康，一般，較差）n

其它：

范圍（〈個(gè)人家庭框架〉，〈個(gè)人經(jīng)濟(jì)狀況框架〉）

上述框架共有十一個(gè)槽，分別描述了關(guān)于“大學(xué)教師”的十一個(gè)方面的知識(shí)及其屬性。在每個(gè)槽里都指定了一些說明性的信息，表明了相關(guān)槽的值的填寫要有某些限制?？蚣鼙硎痉ㄖС稚蠈涌蚣芨拍畛橄蠛拖聦涌蚣苄畔⒗^承共享的思想，不僅減少了框架信息和屬性知識(shí)表達(dá)的冗余，而且保證了上、下層框架知識(shí)表達(dá)的一致性。

主要缺點(diǎn)：框架表示法過于死板，難以描述諸如機(jī)器人糾紛等類問題的動(dòng)態(tài)交互過程生動(dòng)性。

三、各知識(shí)表達(dá)式的比較與展望

以上若知識(shí)表達(dá)方法，絕大多數(shù)在應(yīng)用中得到了很好的應(yīng)用。但實(shí)際工作中，如果要建立一個(gè)人工智能系統(tǒng)、專家系統(tǒng)時(shí)，還是要根據(jù)具體情況提出一個(gè)混合性的知識(shí)表達(dá)方式。每一種知識(shí)表示方法各有特點(diǎn)，而且適用的領(lǐng)域也不同：

（1）謂詞邏輯方法只適用于確定性、陳述性、靜態(tài)性知識(shí)，而對(duì)動(dòng)態(tài)的、變化性、模糊性知識(shí)則很難表示。

（2）產(chǎn)生式規(guī)則方法推理方法太單一，如果前提條件太多，或規(guī)則條數(shù)太多，則推理的速度將慢得驚人。

（3）語義網(wǎng)絡(luò)方法表達(dá)的知識(shí)面比較窄。（4）框架方法表示的知識(shí)橫向關(guān)系不太明確。（縱向從屬繼承關(guān)系很明確）

因此，對(duì)于復(fù)雜的、深層次的知識(shí)，應(yīng)根據(jù)需要表示知識(shí)的特征，來決定用二種或三種方法聯(lián)合表示，例如：

（1）邏輯與框架：框架里的槽值可以對(duì)應(yīng)于謂詞項(xiàng)。

（2）語義網(wǎng)絡(luò)與框架：結(jié)點(diǎn)對(duì)應(yīng)與框架，結(jié)點(diǎn)的參數(shù)就是框架的槽值。

（3）產(chǎn)生式與框架：框架的槽值對(duì)應(yīng)于一條產(chǎn)生式規(guī)則。與神經(jīng)網(wǎng)絡(luò)結(jié)合。

參考文獻(xiàn)：

[1] 蔡之華；模糊Petri網(wǎng)及知識(shí)表示 [J];計(jì)算機(jī)應(yīng)用與軟件；1994年03期 [2].張科杰,袁國華,彭穎紅； 知識(shí)表示及其在機(jī)械工程設(shè)計(jì)中的應(yīng)用探討[J];

機(jī)械設(shè)計(jì)；2004年06期。

[3].劉曉霞。新的知識(shí)表示方法——概念圖［Ｊ］。航空計(jì)算技術(shù)。1997（4）。[4].王永慶人工智能原理與方法［Ｍ］。西安交通大學(xué)出版社。1998。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第四篇：人工智能心得體會(huì)大作業(yè)

我眼中的人工智能

人，沒有熊一樣的力量，卻能把熊關(guān)進(jìn)籠子，這籠子的鑰匙，叫智慧。人類一直在思考如何讓自然界的其它事物為自己所用，而不是只想著如何獲取食物來填飽肚子，人類之所以會(huì)凌駕于食物鏈頂端，就在于對(duì)于資源的使用。為了減輕胃的消化負(fù)擔(dān)，人類開始學(xué)會(huì)使用火，讓蛋白質(zhì)在進(jìn)入胃之前就變質(zhì)而變得更好消化易于吸收。經(jīng)歷了漫長的手工制造業(yè)歷程，為了提高生產(chǎn)效率，也為了減輕工人手工勞作的負(fù)擔(dān)，人們開始了工業(yè)革命，無數(shù)的機(jī)器流水線取代了效率低下的廉價(jià)勞動(dòng)力，也正是從此刻起，人類使用資源的能力有了質(zhì)的發(fā)展，由使用已有資源，到創(chuàng)造新的資源。第一臺(tái)計(jì)算機(jī)應(yīng)運(yùn)而生，人類開啟了無限創(chuàng)造的時(shí)代。時(shí)至今日，計(jì)算機(jī)技術(shù)幾乎延伸到了生活的每個(gè)領(lǐng)域，甚至成了人們的生活必需品。計(jì)算機(jī)能幫助人們完成人類不可能完成的計(jì)算，但一直致力于創(chuàng)造的人們當(dāng)然不會(huì)停止對(duì)計(jì)算機(jī)的要求。人們不光需要計(jì)算機(jī)做人類做不了的計(jì)算，還漸漸開始要求計(jì)算機(jī)做人類能做的事，這便催生了人工智能。人類就是這樣一步步用自己的智慧讓自己過上傻瓜一樣的生活。

人工智能目前還沒有在人們生活中普及，但是已經(jīng)出現(xiàn)萌芽。最典型是的一些語音識(shí)別系統(tǒng)，如蘋果公司的Siri可能是目前人們接觸最多的基于人工智能和云計(jì)算技術(shù)的產(chǎn)品，相信這種人機(jī)交互系統(tǒng)的雛形經(jīng)過時(shí)間的磨練會(huì)在未來形成一套完善的從界面到內(nèi)核的智能體系。在社會(huì)生活方面，與數(shù)字圖像處理技術(shù)緊密結(jié)合的人工智能已經(jīng)開始應(yīng)用于攝像頭的圖像捕捉和識(shí)別，而模式識(shí)別技術(shù)的發(fā)展則使得人工智能在更廣闊的領(lǐng)域得以實(shí)現(xiàn)成為了可能。一些大公司在人工智能領(lǐng)域的投入和研究對(duì)于推動(dòng)人工智能的發(fā)展起到了很大的作用，最值得一提的就是谷歌。谷歌的免費(fèi)搜索表面上是為了方便人們的查詢，但這款搜索引擎推出的初衷，就是為了幫助人工智能的深度學(xué)習(xí)，通過上億的用戶一次又一次地查詢，來鍛煉人工智能的學(xué)習(xí)能力，由于我的水平還很低，對(duì)于深度學(xué)習(xí)還不敢妄自拽測(cè)。但是，近年來谷歌公司在人工智能方面的突破一項(xiàng)接著一項(xiàng)，為人們熟知的便是智能汽車。不得不說，人工智能想要進(jìn)一步發(fā)展，必須依靠這些大公司的研究和不斷推廣，由經(jīng)濟(jì)促創(chuàng)新。

縱覽時(shí)間長河，很多新生的技術(shù)在一開始都是舉步維艱的，人工智能也不例外，但幸運(yùn)的是，人們接受和學(xué)會(huì)使用新技術(shù)所需要的時(shí)間越來越短，對(duì)于人工智能產(chǎn)品的投入市場(chǎng)是有益的。因此，在我看來，將已開發(fā)出來但還需完善的人工智能產(chǎn)品投放市場(chǎng)，使其進(jìn)入人們的生活只是時(shí)間的問題，但要想真正掌握人工智能，開發(fā)出完全符合研發(fā)人想法的智能產(chǎn)品還需各方面的努力。至于現(xiàn)在討論熱烈的“人工智能統(tǒng)治人類”的問題，我的看法是，人工智能的開發(fā)和應(yīng)用是需要監(jiān)管的，但并不能阻止人工智能即將影響世界的趨勢(shì)。

由于我對(duì)于人工智能的理解還只是皮毛，對(duì)于文中出現(xiàn)的紕漏和錯(cuò)誤還希望老師指正！

第五篇：人工智能作業(yè)1

通過學(xué)習(xí)《高中信息技術(shù)“人工智能初步”模塊教學(xué)研究》課程，分析您教學(xué)中學(xué)生的專家系統(tǒng)作品（或課程學(xué)習(xí)的參考資料的學(xué)生作品），就學(xué)生作品中存在的問題，談?wù)勛约涸诮虒W(xué)中如何更好地開展人工智能的教學(xué)。

通過學(xué)習(xí)《高中信息技術(shù)“人工智能初步”模塊教學(xué)研究》課程，談?wù)勀趯?shí)施該模塊教學(xué)過程中遇到的問題及解決方法，未實(shí)施過該模塊教學(xué)的教師可談?wù)勯_展人工智能模塊教學(xué)的設(shè)想。

按教材的順序，應(yīng)該先講人工智能的基本概念，然后講解知識(shí)及其表示的理論知識(shí)，再講解推理與專家系統(tǒng)和人工智能語言。但是這種傳統(tǒng)教學(xué)方法對(duì)于中學(xué)生來說太晦澀難懂了，教師還沒把理論知識(shí)講完，學(xué)生已對(duì)人工智能徹底失去興趣了。所以我們?cè)谥v理論知識(shí)的過程中，要加入有趣的實(shí)例。所以我們要打破常規(guī)的教學(xué)順序，對(duì)教材進(jìn)行重組。盡量減少概念和純理論知識(shí)的講解時(shí)間，通過讓學(xué)生制作一個(gè)有實(shí)用價(jià)值的個(gè)性化的簡(jiǎn)易專家系統(tǒng)來帶動(dòng)人工智能的理論知識(shí)學(xué)習(xí)。在“做”的過程中，掌握知識(shí)的表達(dá)及推理機(jī)制等理論知識(shí)。讓學(xué)生在完成一個(gè)簡(jiǎn)單專家系統(tǒng)作品的過程中，不知不覺中學(xué)習(xí)了相應(yīng)的理論知識(shí)。我們要做到通過人工智能教學(xué)，能夠吸引更多的學(xué)生能投身于人工智能的研究中。

通過對(duì)學(xué)生作品—疾病診斷治療專家系統(tǒng)的分析，我覺得在以后的人工智能教學(xué)中，要做到以下幾個(gè)方面：

（1）教師要以平等友好的心態(tài)，微笑溫和的話語與學(xué)生交流，尊重、理解每個(gè)學(xué)生的權(quán)利、價(jià)值觀和感覺，保全學(xué)生的面子，杜絕直接的批評(píng)、奚落、嘲弄、諷刺，保證學(xué)生在課堂上的情緒安全感。

（2）盡量減少概念和純理論知識(shí)的講解時(shí)間，通過讓學(xué)生制作一個(gè)有實(shí)用價(jià)值的個(gè)性化的簡(jiǎn)易專家系統(tǒng)來帶動(dòng)人工智能的理論知識(shí)學(xué)習(xí)。在“做”的過程中，掌握知識(shí)的表達(dá)及推理機(jī)制等理論知識(shí)。讓學(xué)生在完成一個(gè)簡(jiǎn)單專家系統(tǒng)作品的過程中，不知不覺中學(xué)習(xí)了相應(yīng)的理論知識(shí)。

（3）展人工智能的教學(xué)，重點(diǎn)要放在讓學(xué)生能夠體驗(yàn)，老師最好能以現(xiàn)實(shí)中的例子來給學(xué)生做講演,有直觀的印象,學(xué)起來更容易現(xiàn)解。

（4）在教學(xué)中要利用好因特網(wǎng)這個(gè)大資源庫，并以小組合作學(xué)習(xí)的形式，相互交流，相互幫助，老師再及時(shí)指導(dǎo)與評(píng)價(jià)。