图搜索问题求解--实验报告
实验报告|
|
实验名称图搜索问题求解
课程名称人工智能
|
|
验证性、综合性实验报告应含的主要容：
一、实验目的及要求
二、所用仪器、设备
三、实验原理
四、实验方法与步骤
五、实验结果与数据处理
六、讨论与结论（对实验现象、实验故障及处理方法、实验中存在的问题等进行分析和讨论，对实验的进一步想法或改进意见）
七、所附实验输出的结果或数据
设计性实验报告应含的主要容：
一、设计要求
二、选择的方案
三、所用仪器、设备
四、实验方法与步骤
五、实验结果与数据处理
六、结论（依据“设计要求”）
七、所附实验输出的结果或数据
* 封面左侧印痕处装订
结果输出
过河问题数据
结果输出。
图搜索问题求解(二)
0
1
1
1
1
0
0
1
1
1
0
0
0
1
0
1
1
1
0
0
0
0
0
0
[实现提示]
可使用回溯方法，即从入口出发，顺着某一个方向进行探索，若能走通，则继续往前进；
否则沿着原路退回，换一个方向继续探索，直至出口位置，求得一条通路。假如所有可能的
通路都探索到而未能到达出口，则所设定的迷宫没有通路。
二实验过程记录：
1、打开Eclipse，新建一个public Position文件，输入如下函数代码：
pos =stack.pop();
newPos.push(pos);
}
}
/*
*图形化输出路径
* */
String resault[][]=newString[row+1][col+1];
for(intk=0;k<row;++k){
for(intt=0;t<col;++t){
resault[k][t]=(maze[k][t])+"";
p[i - 1][j] =true;
stack.push(newPosition(i - 1, j));
i--;
}else{
stack.pop();
if(stack.empty()){
break;
}
i =stack.peek().row;
j =stack.peek().col;
}
}
Stack<Position> newPos =newStack<Position>();
图的搜索与应用实验报告(附源码)(word文档良心出品)
哈尔滨工业大学计算机科学与技术学院实验报告课程名称：数据结构与算法课程类型：必修实验项目名称：图的搜索与应用实验题目：图的深度和广度搜索与拓扑排序设计成绩报告成绩指导老师一、实验目的1.掌握图的邻接表的存储形式。
2.熟练掌握图的搜索策略，包括深度优先搜索与广度优先搜索算法。
3.掌握有向图的拓扑排序的方法。
二、实验要求及实验环境实验要求：1.以邻接表的形式存储图。
2.给出图的深度优先搜索算法与广度优先搜索算法。
3.应用搜索算法求出有向图的拓扑排序。
实验环境：寝室+机房+编程软件（NetBeans IDE 6.9.1）。
三、设计思想（本程序中的用到的所有数据类型的定义，主程序的流程图及各程序模块之间的调用关系）数据类型定义：template <class T>class Node {//定义边public:int adjvex;//定义顶点所对应的序号Node *next;//指向下一顶点的指针int weight;//边的权重};template <class T>class Vnode {public:T vertex;Node<T> *firstedge;};template <class T>class Algraph {public:Vnode<T> adjlist[Max];int n;int e;int mark[Max];int Indegree[Max];};template<class T>class Function {public://创建有向图邻接表void CreatNalgraph(Algraph<T>*G);//创建无向图邻接表void CreatAlgraph(Algraph<T> *G);//深度优先递归搜索void DFSM(Algraph<T>*G, int i);void DFS(Algraph<T>* G);//广度优先搜索void BFS(Algraph<T>* G);void BFSM(Algraph<T>* G, int i);//有向图的拓扑排序void Topsort(Algraph<T>*G);/得到某个顶点内容所对应的数组序号int Judge(Algraph<T>* G, T name); };主程序流程图：程序开始调用关系：主函数调用五个函数 CreatNalgraph(G)//创建有向图 DFS(G) //深度优先搜索 BFS(G) //广度优先搜索 Topsort(G) //有向图拓扑排序 CreatAlgraph(G) //创建无向图其中 CreatNalgraph(G) 调用Judge(Algraph<T>* G, T name)函数；DFS(G)调用DFSM(Algraph<T>* G , int i)函数；BFS(G) 调用BFSM(Algraph<T>* G, int k)函数；CreatAlgraph(G) 调选择图的类型无向图有向图深 度 优 先 搜 索广度优先搜索 深 度 优 先 搜 索 广度优先搜索拓 扑 排 序程序结束用Judge(Algraph<T>* G, T name)函数。
图像检索实验报告
Project 4（一）实验方法：1. （构造样本库）对每一幅图像利用DoG 算子寻找关键点，每个关键点处构造SIFT 向量，该幅图像的所有关键点的SIFT 矢量构成该图像的特征矢量集。
所有图像的特征矢量集构成样本库特征矢量集；2. （匹配检索）求出需要检索的图像的特征矢量集，用ANN 搜索算法，与样本库特征矢量集进行相似度匹配并输出最相似的前K 张图。
（二）实验算法原理：1. 图像的多尺度表示：利用SIFT 算法提取特征时的尺度不变性，对图像的SIFT 特征构成样本库。
构建尺度空间，在尺度空间内找到稳定的关键点。
尺度空间定义为：(,,)(,,)(,)L x y G x y I x y σσ=*其中222()/221(,,)2x y G x y eσσπσ-+=是尺度可变的高斯函数核。
2. 关键点的构造：为得到关键点，构建高斯差分尺度空间：(,,)[(,,)(,,)](,)(,,)(,,)D x y G x y k G x y I x y L x y k L x y σσσσσ=-*=-检测(,,)D x y σ的局部极值点作为候选关键点。
极值点定义为，检测点和它同尺度的八个相邻点和上下相邻尺度对应的9*2共26个点相比较，若是最小值或者最大值，就认为该点是该尺度下的特征点。
为增强匹配稳定性，提高抗噪声能力，需要剔除不良特征点，即： 1） 低对比度的关键点 2） 不稳定的边缘响应点。
具体剔除方法为：1）对(,,)D x y σ在候选点x 处进行泰勒展开式到二次项：221(x)2T T D DD D x x x x x∂∂=++∂∂ 对其求极值得到212ˆD D x x x -∂∂=-∂∂，计算1ˆˆ()2DD x D x x ∂=+∂，若ˆ|()|0.3D x<则剔除。
2）计算Hessen 矩阵：边缘响应点剔除通过Hessen 矩阵来确定是否剔除：xxxy yx yy D D H D D ⎡⎤=⎢⎥⎣⎦222222(),(),()()()(1)()xx yy xx yy xy Tr H D D Det H D D D Tr H r r Det H r rαβαβαβαβαββ=+=+=-=+++===若该点不满足22()(1)()Tr H r Det H r+<则剔除。
深度优先搜索实验报告
深度优先搜索实验报告引言深度优先搜索（Depth First Search，DFS）是图论中的一种重要算法，主要用于遍历和搜索图的节点。
在实际应用中，DFS被广泛用于解决迷宫问题、图的连通性问题等，具有较高的实用性和性能。
本实验旨在通过实际编程实现深度优先搜索算法，并通过实际案例验证其正确性和效率。
实验中我们将以迷宫问题为例，使用深度优先搜索算法寻找从入口到出口的路径。
实验过程实验准备在开始实验之前，我们需要准备一些必要的工具和数据。
1. 编程环境：我们选择使用Python语言进行编程实验，因其语法简洁而强大的数据处理能力。
2. 迷宫地图：我们需要设计一个迷宫地图，包含迷宫的入口和出口，以及迷宫的各个路径和墙壁。
实验步骤1. 首先，我们需要将迷宫地图转化为计算机可处理的数据结构。
我们选择使用二维数组表示迷宫地图，其中0表示墙壁，1表示路径。
2. 接着，我们将编写深度优先搜索算法的实现。
在DFS函数中，我们将使用递归的方式遍历迷宫地图的所有路径，直到找到出口或者遇到墙壁。
3. 在每次遍历时，我们将记录已经访问过的路径，以防止重复访问。
4. 当找到出口时，我们将输出找到的路径，并计算路径的长度。
实验结果经过实验，我们成功地实现了深度优先搜索算法，并在迷宫地图上进行了测试。
以下是我们的实验结果：迷宫地图：1 1 1 1 11 0 0 0 11 1 1 0 11 0 0 0 11 1 1 1 1最短路径及长度：(1, 1) -> (1, 2) -> (1, 3) -> (1, 4) -> (2, 4) -> (3, 4) -> (4, 4) -> (5, 4)路径长度：7从实验结果可以看出，深度优先搜索算法能够准确地找到从入口到出口的最短路径，并输出了路径的长度。
实验分析我们通过本实验验证了深度优先搜索算法的正确性和有效性。
然而，深度优先搜索算法也存在一些缺点：1. 只能找到路径的一种解，不能确定是否为最优解。
常见算法设计实验报告(3篇)
第1篇一、实验目的通过本次实验，掌握常见算法的设计原理、实现方法以及性能分析。
通过实际编程，加深对算法的理解，提高编程能力，并学会运用算法解决实际问题。
二、实验内容本次实验选择了以下常见算法进行设计和实现：1. 排序算法：冒泡排序、选择排序、插入排序、快速排序、归并排序、堆排序。
2. 查找算法：顺序查找、二分查找。
3. 图算法：深度优先搜索（DFS）、广度优先搜索（BFS）、最小生成树（Prim算法、Kruskal算法）。
4. 动态规划算法：0-1背包问题。
三、实验原理1. 排序算法：排序算法的主要目的是将一组数据按照一定的顺序排列。
常见的排序算法包括冒泡排序、选择排序、插入排序、快速排序、归并排序和堆排序等。
2. 查找算法：查找算法用于在数据集中查找特定的元素。
常见的查找算法包括顺序查找和二分查找。
3. 图算法：图算法用于处理图结构的数据。
常见的图算法包括深度优先搜索（DFS）、广度优先搜索（BFS）、最小生成树（Prim算法、Kruskal算法）等。
4. 动态规划算法：动态规划算法是一种将复杂问题分解为子问题，通过求解子问题来求解原问题的算法。
常见的动态规划算法包括0-1背包问题。
四、实验过程1. 排序算法（1）冒泡排序：通过比较相邻元素，如果顺序错误则交换，重复此过程，直到没有需要交换的元素。
（2）选择排序：每次从剩余元素中选取最小（或最大）的元素，放到已排序序列的末尾。
（3）插入排序：将未排序的数据插入到已排序序列中适当的位置。
（4）快速排序：选择一个枢纽元素，将序列分为两部分，使左侧不大于枢纽，右侧不小于枢纽，然后递归地对两部分进行快速排序。
（5）归并排序：将序列分为两半，分别对两半进行归并排序，然后将排序好的两半合并。
（6）堆排序：将序列构建成最大堆，然后重复取出堆顶元素，并调整剩余元素，使剩余元素仍满足最大堆的性质。
2. 查找算法（1）顺序查找：从序列的第一个元素开始，依次比较，直到找到目标元素或遍历完整个序列。
第3章 图搜索与问题求解
第 3 章 图搜索与问题求解
第 3 章 图搜索与问题求解
3.1.4 启发式搜索 1. 问题的提出
2. 启发性信息 按其用途划分, 启发性信息可分为以下三类： (1) 用于扩展节点的选择, 即用于决定应先扩展哪一个节 点, 以免盲目扩展。 (2) 用于生成节点的选择,即用于决定应生成哪些后续节点, 以免盲目地生成过多无用节点。 (3) 用于删除节点的选择,即用于决定应删除哪些无用节点, 以免造成进一步的时空浪费。
第 3 章 图搜索与问题求解
代价树的搜索。所谓代价,可以是两点之间的距离、交 通费用或所需时间等等。通常用g(x)表示从初始节点So到 节点x的代价, 用c(xi,xj)表示父节点xi到子节点xj的代价,即边 (xi,xj)的代价。从而有
g(xj)＝g(xi)＋c(xi, xj)
而 g(So)＝0
第 3 章 图搜索与问题求解 2.深度优先搜索
第 3 章 图搜索与问题求解
深度优先搜索算法： (1) 把初始节点So放入OPEN表中。 (2) 若OPEN表为空, 则搜索失败, 退出。 (3) 取OPEN表中前面第一个节点N放入CLOSED表中,并 冠以顺序编号n。 (4) 若目标节点Sg=N, 则搜索成功,结束。 (5) 若N不可扩展, 则转步(2)。 (6) 扩展N, 将其所有子节点配上指向N的返回指针依次放 入OPEN表的首部, 转步(2)。
第 3 章 图搜索与问题求解
3. 最近择优法(瞎子爬山法) 把局部择优法算法中的h(x)换成g(x)就可得最近择优 法的算法。 例：用代价树搜索求解例3-6中给出的问题。 用分支界限法得到的路径为
人工智能实验报告,包括八数码问题八皇后问题和tsp问题
八数码问题（一）问题描述在一个3*3的方棋盘上放置着1,2,3,4,5,6,7,8八个数码,每个数码占一格,且有一个空格。
这些数码可以在棋盘上移动，其移动规则是：与空格相邻的数码方格可以移入空格。
现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。
该问题称八数码难题或者重排九宫问题。
（二）问题分析八数码问题是个典型的状态图搜索问题。
搜索方式有两种基本的方式，即树式搜索和线式搜索。
搜索策略大体有盲目搜索和启发式搜索两大类。
盲目搜索就是无“向导”的搜索，启发式搜索就是有“向导”的搜索。
1、启发式搜索由于时间和空间资源的限制，穷举法只能解决一些状态空间很小的简单问题，而对于那些大状态空间的问题，穷举法就不能胜任，往往会导致“组合爆炸”。
所以引入启发式搜索策略。
启发式搜索就是利用启发性信息进行制导的搜索。
它有利于快速找到问题的解。
由八数码问题的部分状态图可以看出，从初始节点开始，在通向目标节点的路径上，各节点的数码格局同目标节点相比较，其数码不同的位置个数在逐渐减少，最后为零。
所以，这个数码不同的位置个数便是标志一个节点到目标节点距离远近的一个启发性信息，利用这个信息就可以指导搜索。
即可以利用启发信息来扩展节点的选择，减少搜索范围，提高搜索速度。
启发函数设定。
对于八数码问题，可以利用棋局差距作为一个度量。
搜索过程中，差距会逐渐减少，最终为零，为零即搜索完成，得到目标棋局。
（三）数据结构与算法设计该搜索为一个搜索树。
为了简化问题，搜索树节点设计如下：struct Chess//棋盘{int cell[N][N];//数码数组int Value;//评估值Direction BelockDirec;//所屏蔽方向struct Chess * Parent;//父节点};int cell[N][N]; 数码数组：记录棋局数码摆放状态。
int Value; 评估值：记录与目标棋局差距的度量值。
Direction BelockDirec; 所屏蔽方向：一个屏蔽方向，防止回推。
人工智能九宫格重移——搜索的实验报告
人工智能九宫格重移——搜索1.问题描述：八数码问题也称为九宫问题。
在3×3的棋盘，摆有八个棋子，每个棋子上标有1至8的某一数字，不同棋子上标的数字不相同。
棋盘上还有一个空格，与空格相邻的棋子可以移到空格中。
要求解决的问题是：给出一个初始状态和一个目标状态，找出一种从初始转变成目标状态的移动棋子步数最少的移动步骤。
所谓问题的一个状态就是棋子在棋盘上的一种摆法。
棋子移动后，状态就会发生改变。
解八数码问题实际上就是找出从初始状态到达目标状态所经过的一系列中间过渡状态。
2.九宫重移有无答案检查（逆序数）我们把每个9宫格横向展开，如第一个123456789，我们把左边数大于右边数的组数称为这个九宫格的逆序数，显然123456789的逆序数为0；考虑横向平移，那么逆序数的增量为2或0或-2；纵向平移，逆序数的增量为4或0或-4；但147258369的逆序数为奇数。
所以147258369是无解的情况。
由此也可以类推当将9宫格展开后，如果数据序列的逆序数为奇数，则此数据序列对应的九宫格是无解的。
3.BFS算法队列： Queue open = new Queue();存放待扩展的节点List： List<Bfstr> closed = new List<Bfstr>();存放已被扩展过的节点ArrayList map = new ArrayList();//存放答案HashTale： Hashtable table = new Hashtable();构造哈希表以方便查找3.1．BFS算法介绍广度优先搜索算法BFS基本思想：从图中某顶点v出发，逐层对节点进行拓展，并考察是否为目标节点，在第n层节点没有全部扩展并考察前，不对第n+1层节点进行扩展。
对九宫重排问题，即构造广度优先搜索树，从初始状态，利用广度优先搜索算法逐步找到目标状态的节点。
3.2．状态空间表示状态空间用一维数组表示，每个节点存放在Bfstr结构体中的字符now中，从第一行开始从左往右给九宫格标号0……8，字符串now元素下标代表格子位置，而now数组中对应数组的值代表九宫格中存放的数码，用数值9代表空格。
产生式实验报告
产生式实验报告一、引言产生式（Production）是一种用于表示语法规则的形式化工具，它在人工智能领域具有广泛的应用。
本实验报告旨在介绍产生式的基本概念、产生式的应用领域以及在实验中如何使用产生式来实现推理和搜索。
二、产生式的基本概念1. 产生式的定义产生式是一种形式化的表示语法规则的工具。
它由一个左部（Left-hand side）和一个右部（Right-hand side）组成，左部表示一个非终结符号，右部则表示一串终结符号和非终结符号的序列。
2. 产生式的形式产生式的形式通常为：左部 -> 右部，其中右部由终结符和非终结符组成，可以为空。
3. 产生式的应用产生式在人工智能领域有广泛的应用，例如在自然语言处理中，可以使用产生式来表示句子的语法结构；在专家系统中，可以使用产生式来表示知识库中的规则；在编译原理中，可以使用产生式来描述语言的语法规则等。
三、产生式的应用领域1. 自然语言处理在自然语言处理中，产生式被广泛应用于句子的语法分析、语义分析以及机器翻译等任务。
通过定义一系列产生式规则，可以构建一个语法分析器，用于自动识别和分析句子的结构和意义。
2. 专家系统专家系统是一种基于知识库的智能系统，其中的知识被表示为一组产生式规则。
通过使用产生式来表示知识和推理规则，专家系统可以根据用户提供的问题和条件进行推理和决策，给出相应的解答和建议。
3. 编译原理编译原理是计算机科学中的一个重要领域，其中的产生式被广泛应用于编译器的前端处理，用于描述语言的语法规则和语义规则。
通过使用产生式和对应的语法分析算法，可以将源代码转化为中间代码或目标代码。
四、产生式在实验中的应用在实验中，我们可以使用产生式来实现推理和搜索。
以人工智能领域的经典问题“图搜索”为例，我们可以使用产生式规则来描述搜索的过程。
1. 初始状态假设我们需要解决一个迷宫问题，迷宫可以表示为一个二维矩阵，其中的元素可以是墙壁、路径或终点。
20101910072-卢富毓-搜索算法实验
云南大学数学与统计学院实 验 报 告一、实验目的编程实现查找一个图是否联通以熟悉掌握图的搜索算法。
二、实验环境 VS2010（C++） 三、实验内容查找一个图是否联通，判断有几个联通子图，同时找出从任意点出发得到的路。
找出以下两图中的所有连通分支图2四、实验过程 A 、搜索算法的思想判断一个图是否联通并输出子联通图。
课堂上老师给了一种算法：用一个辅助队列来存储具有同属性的顶点（两点联通）。
这里我用的是另一种方法，即：若两个顶点相v 1 1 1v 6 v 7v 8连，那么必定属于同一个集合或者是同一个分支。
对所有图中的顶点来说，必定会属于一个分支，所以对所有的顶点进行一次遍历筛选，就能得到所有的联通分支，若分支为1，则代表此图联通，否则就是不联通，存在多个分支。
B、算法实现后的结果如下：a、第一个图的测试实现：初始化：得到有向图：判断是否为联通分支，以及输出分支中的顶点：b、第二个图的测试结果如下图：判断是否为联通分支，以及输出分支中的顶点：最后得到的结果与手算例题所得的结果完全吻合。
所以所编写的算法可以得到联通图的算法。
五、实验总结通过对寻找连通图的搜索算法的编写，不仅加强了程序编写能力，同时在思考问题的的时候不一定要局限于书本的知识。
原本是按照老师说的方法来编写的，突然感觉写起程序来代码可能要长一些，感觉“麻烦”。
所以后来用了本实验的算法，核心代码也就十行左右。
所以得到的经验就是在编写一个算法时，不仅要求得到所要的结果，还要对代码进行优化，这也可以提高程序的运行速度吧！六、源代码源代码如下：#include<iostream>#include<string>using namespace std;#define Max_num 100//构造一个图的节点class Vertex{public:string vexsName;//节点名字int branch; //联通子分支bool m_bCheck;//判断是否检查};//构造一个有向图的类//有属性如下：//顶点数弧数顶点弧//有方法如下//创建有向图搜索算法class Graphics{public:int vexNum;//顶点数int arcNum; //弧数Vertex vexs[Max_num];//记下顶点标号int arcs[Max_num][Max_num];//存储边 0,1,-1public:void CreateGraphics(Graphics &G);//创建一个图int LocateIndex(Graphics G, string v); // 寻找下标void ConnectSearch(Graphics &G);//搜索连通图};//找到相应顶点的下标int Graphics::LocateIndex(Graphics G, string v){int i=0;for(i=0; i<G.vexNum; i++){if(G.vexs[i]pare(v) == 0){return i;}}return -1;}//创建一个有向图void Graphics::CreateGraphics(Graphics &G){int i,j,k;string Vi,Vj;cout<<"-------------------------创建有向图的存储-------------------------------"<<endl;cout<<"请输入顶点数:";cin>>G.vexNum;cout<<"请输入图的边数:";cin>>G.arcNum;cout<<"请输入顶点名:";for(i=0; i<G.vexNum; i++){ //初始化顶点cin>>G.vexs[i].vexsName;G.vexs[i].branch = -1;G.vexs[i].m_bCheck = false;}for(i=0; i<G.vexNum; i++){ //初始化边for(j=0; j<G.vexNum; j++){G.arcs[i][j] = 0;}}for(k=0; k<G.arcNum; k++){cout<<"请输入第"<<k+1<<"条边相连的顶点Vi，Vj:";cin>>Vi>>Vj;i = LocateIndex(G,Vi);j = LocateIndex(G,Vj);if(i == -1 || j == -1){cout<<"输入错误！请检查..."<<endl;return;}G.arcs[i][j] = 1;G.arcs[j][i] = -1;}cout<<endl;cout<<"各顶点的关系："<<endl;for(i=0; i<G.vexNum; i++){if(i==0){cout<<"\t\t"<<G.vexs[i].vexsName<<" ";}else {cout<<"\t"<<G.vexs[i].vexsName<<" ";}}cout<<endl;for(i=0; i<G.vexNum; i++){ //初始化边cout<<"\t"<<G.vexs[i].vexsName<<" ";for(j=0; j<G.vexNum; j++){cout<<"\t"<<G.arcs[i][j]<<" ";}cout<<endl;}cout<<endl<<"有向图创建完毕！"<<endl;}//搜索连通图void Graphics::ConnectSearch(Graphics &G){int m_branch = 0;string str;Vertex m_Vertex;int i = 0;for(i=0; i<G.vexNum; i++){//遍历每一个节点if(G.vexs[i].branch == -1){//如果还没有被检查到m_branch++;G.vexs[i].branch = m_branch;}for(int j=0; j<G.vexNum; j++){if(G.arcs[i][j] == 1 || G.arcs[i][j] == -1){if(G.vexs[j].branch == -1){G.vexs[j].branch = G.vexs[i].branch;} else {G.vexs[j].branch = G.vexs[j].branch > G.vexs[i].branch ?G.vexs[i].branch : G.vexs[j].branch;}}}}/*==========================输出分支联通子图=============================*/ if(m_branch == 1){cout<<"这是一个连通图!"<<endl;} else {cout<<"这不是一个连通图!"<<endl;}cout<<"图中有"<<m_branch<<"个分支联通子图！"<<endl;cout<<"分别为："<<endl;for(i=1; i<=m_branch; i++){cout<<"第"<<i<<"分支节点有： ";for(int j=0; j<G.vexNum; j++){if(G.vexs[j].branch == i){cout<<G.vexs[j].vexsName<<" ";}}cout<<endl;}/*===================测试查询部分=======================*/ do{cout<<"请输入初始查询顶点名字:";cin>>m_Vertex.vexsName;int index = LocateIndex(G,m_Vertex.vexsName);cout<<"分支为："<<G.vexs[index].branch<<endl;cout<<"是否继续查询？【y/n】";cin>>str;} while(pare("n"));}void main(){Graphics G;G.CreateGraphics(G);G.ConnectSearch(G);}。