#/6實驗一利用問題歸約法實現Hanoi塔問題（一）教學要求理解問題歸約法的原理和方法，掌握用問題歸約表示問題的步驟，并能夠對實際問題給出具體的實現。（二）知識點提示主要知識點：分解、歸約、本原問題、與樹、或樹、與或樹、等價變換、用與或樹表示問題的步驟。重點：用與或樹表示問題的步驟、Hanoi塔問題的實現。難點：問題歸約法的實現。（三）教學內容利用問題歸約法實現Hanoi塔，主要包括主函數、函數hanoi與搬移函數move,要求在主函數中接收盤子數目并調用hanoi函數。（四）思考題.當盤子數目越來越多時，運行時間有何變化？.什么是本原問題？實驗二利用狀態(tài)空間搜索法實現八數碼問題（一）教學要求理解狀態(tài)空間知識表示方法，掌握搜索方法的基本原理，并能夠對八數碼問題給出具體的實現。（二）知識點提示主要知識點：狀態(tài)、狀態(tài)空間、算符、用狀態(tài)空間表示問題的步驟、用狀態(tài)空間求解問題的過程、搜索、寬度優(yōu)先搜索、有界深度優(yōu)先搜索、啟發(fā)式搜索。重點：狀態(tài)空間、用狀態(tài)空間求解問題的過程、寬度優(yōu)先搜索、有界深度優(yōu)先搜索、啟發(fā)式搜索。難點：用狀態(tài)空間法求解八數碼問題的實現過程。（三）教學內容用狀態(tài)空間搜索法求解問題的基本思想是將適用的算符作用于初始狀態(tài)，以產生新的狀態(tài)；然后再把一些適用的算符作用于新的狀態(tài)，重復該過程，直至產生的狀態(tài)為目標狀態(tài)為止。實驗內容包括：1．定義狀態(tài)的描述形式，并給出初始狀態(tài)和目標狀態(tài)；2．定義一組算符；.利用搜索算法對狀態(tài)不斷擴展，直至得到目標狀態(tài)為止。（四）思考題.如何使用產生式表示該問題中的算符？.使用不同搜索算法求解該問題的性能如何？實驗三機器人搬盒子問題（一）教學要求理解謂詞邏輯知識表示的方法，掌握一階謂詞邏輯知識表示的基本原理，能夠利用歸結原理求解簡單問題。（二）知識點提示主要知識點：謂詞、原子公式、謂詞公式、子句、子句集、空子句、歸結原理。重點：謂詞公式、子句集和歸結原理的實現。難點：歸結原理的實現。（三）教學內容機器人搬盒子問題：設在一個房間里，有一個機器人ROBOT,一個壁櫥ALCOVE,一個積木塊BOX,兩個桌子A和B。開始時，機器人ROBOT在壁櫥ALCOVE旁邊，且兩手空空，桌子A放著積木塊BOX，桌子B是空的。機器人可把積木塊BOX從一種狀態(tài)桌子A上變換成另一種狀態(tài)桌子B上，然后回到壁櫥。用歸結原理方法求解該問題？實驗內容包括：1．用謂詞公式表示問題的初始狀態(tài)、目標狀態(tài)以及機器人操作；2．將謂詞公式轉換為子句集；.利用歸結原理對子句集中的子句進行歸結。（四）思考題.如何將謂詞公式轉換為子句集？.謂詞公式與子句集等值嗎？實驗四ID3判定樹學習算法的實現（一）教學要求掌握判定樹的基本思想，了解判定樹算法的特點，掌握ID3判定樹學習算法，并能夠對實際模式樣本正確分類的ID3算法程序。（二）知識點提示主要知識點：判定樹、單個概念、機器學習、例子集、最大熵、信息增益、ID3算法。重點：用程序設計語言實現ID3算法。難點：ID3算法的實現。（三）教學內容編寫ID3算法程序，實現對不同對象的分類。（四）思考題1．什么是最大熵？引入最大熵的目的是什么？2.如何對連續(xù)屬性離散化？常用的方法有哪些？實驗五用BP神經網絡實現XOR分類問題（一）教學要求理解前饋神經網絡的工作原理，掌握BP算法的基本思想，認識影響算法性能的因素，能夠編寫對實際模式樣本正確分類的程序。（二）知識點提示主要知識點：神經網絡、前饋神經網絡、感知器、XOR問題。重點：用BP神經網絡實現XOR分類的程序。難點：XOR分類的實現。（三）教學內容給定4個樣本，分別為｛（0，0），（0，1），（1，0），（1，1）｝，利用BP神經網絡解決這4個樣本的分類，即要求4個樣本的輸出分別是0、1、1和0。首先構造輸入層為2個神經元，隱含層為2個神經元，輸出層為1個神經元的BP神經網絡；然后利用給定的4個樣本對神經網絡訓練；最后使用得到的神經網絡對樣本分類。（四）思考題L使用單層神經網絡能夠解決XOR分類嗎？2.用多層神經網絡解決XOR問題時，隱含層至少需要多少個神經元？實驗六用遺傳算法求函數的最大值問題（一）教學要求掌握遺傳算法的基本思想，編寫能對實際問題求解的遺傳算法程序，通過實現遺傳算法程序，可進一步理解遺傳算法的基本機理。（二）知識點提示主要知識點：遺傳算法的原理、個體、群體、交換、突變、適應度。重點：適應度函數。難點：適應度函數。（三）教學內容選擇測試用的目標函數，設計有效的遺傳算子，分別編寫初始化函數、