智能信息处理课内实验_实验指导书

实验指导书目录实验一遗传算法解决函数优化问题..........................................................1实验二模拟退火算法解决函数优化问题..................................................3实验三智能优化算法解决TSP问题.........................................................5实验四简单感知器模型..............................................................................7实验五BP网络............................................................................................9实验六神经网络工具箱的应用................................................................11实验七模糊控制洗衣机............................................................................13实验八基于遗传算法的图像几何畸变校正............................................17实验九模糊C均值聚类算法...................................................................20《智能信息处理及应用》课内实验指导书1实验一遗传算法解决函数优化问题一、实验目的1．掌握遗传算法的基本原理和步骤。2．复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。二、实验设备微机三、实验原理遗传算法是一类随机优化算法，但它不是简单的随机比较搜索，而是通过对染色体的评价和对染色体中基因的作用，有效地利用已有信息来指导搜索有希望改善优化质量的状态。标准遗传算法流程图如图1.1所示，主要步骤可描述如下：①随机产生一组初始个体构成初始种群。②计算每一个体的适配值（fitnessvalue，也称为适应度）。适应度值是对染色体(个体)进行评价的一种指标，是GA进行优化所用的主要信息，它与个体的目标值存在一种对应关系。③判断算法收敛准则是否满足，若满足，则输出搜索结果；否则执行以下步骤。④根据适应度值大小以一定方式执行复制操作（也称为选择操作）。⑤按交叉概率pc执行交叉操作。⑥按变异概率pm执行变异操作。⑦返回步骤②。四、预习要求1．认真阅读教材中遗传算法的基本原理与步骤。2．复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1．上机编写程序，解决以下函数优化问题：221min10iiifxxX2．调试程序。3．根据实验结果，撰写实验报告。《智能信息处理及应用》课内实验指导书2图1.1标准遗传算法流程图六、实验报告撰写要求1．给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。2．利用实验数据，分析并解答以下问题，a)遗传算法中变异概率的设置对求解结果的影响。b)遗传算法中交叉概率的设置对求解结果的影响。c)遗传算法中种群规模的设置对求解结果的影响。3．对遗传算法的终止准则进行分析。4．分析遗传算法的优缺点，并提出改进意见。5．本实验的心得体会。NN计算各个体的适配值（适应度）算法收敛准则满足？Yrandom[0,1]Pc?复制（选择）输出搜索结果交叉Yrandom[0,1]Pm?变异N随机产生初始种群Y《智能信息处理及应用》课内实验指导书3实验二模拟退火算法解决函数优化问题一、实验目的1.掌握模拟退火算法的基本原理和步骤。2.复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。二、实验设备微机三、实验原理模拟退火算法是基于MonteCarlo迭代求解策略的一种随机寻优算法，其出发点是基于物理退火过程与组合优化之间的相似性，模拟退火算法由某一较高初温开始，利用具有概率突跳特性的Metropolis抽样策略在解空间中进行随机搜索，伴随温度的不断下降重复抽样过程，最终得到问题的全局最优解。标准模拟退火算法的一般步骤可描述如下：(1)令m=0，给定初温tm，随机产生初始状态sm；(2)Repeat；sold=sm；(2.1)Repeat；(2.1.1)产生新状态：snew=Generate(sold)；(2.1.2)若min{1,exp[(C(sold)-C(snew))/tm]}random[0,1]，则sold=snew；(2.1.3)Until抽样稳定准则满足；(2.2)退温：tm+1=update(tm)，sm+1=sold，m=m+1；(3)Until算法终止准则满足；(4)输出算法搜索结果：sm。四、预习要求1.认真阅读教材中模拟退火算法的基本原理与步骤。2.复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1.上机编写程序，解决以下函数优化问题：221min10iiifxxX《智能信息处理及应用》课内实验指导书42.调试程序。3.根据实验结果，写实验报告。图2.1标准模拟退火算法流程图六、实验报告撰写要求1.给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。2.利用实验数据，分析并解答以下问题，a)模拟退火算法中初温对求解结果的影响。b)模拟退火算法中初始状态对求解结果的影响。c)Metropolis抽样准则在模拟退火算法中的作用。d)波尔茨曼常数对求解结果的影响。3.分析模拟退火算法的优缺点，并提出改进意见。4.本实验的心得体会。tm+l=update(tm)sm+l=soldm=m+1Nm=0，确定初始温度t0，给定初始解s0算法收敛？Y输出结果smYNYNMetropolis抽样稳定准则满足否？由当前状态产生新状态，snew=Generate(sold)sold=snewmin{1,exp[(C(sold)-C(snew))/tm]}≧random[0,1]？sold=sm《智能信息处理及应用》课内实验指导书5实验三智能优化算法解决TSP问题一、实验目的1.了解TSP问题的基本概念，解决TSP问题的难点是什么？2.掌握模拟退火算法、遗传算法的基本原理和步骤。3.复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写程序。二、实验设备微机三、实验原理TSP问题即旅行商问题（TravelingSalespersonProblem）。该问题给定n个城市和两两城市之间的距离，要求确定一条经过各城市当且仅当一次的最短路线。其图论描述为：给定图G=(V,A)，其中V为顶点集，A为各顶点相互连接组成的边集，已知各顶点间的连接距离，要求确定一条长度最短的Hamilton回路，即遍历所有顶点当且仅当一次的最短回路。其他详见《智能信息处理及应用实验讲义--智能优化算法解决TSP问题--模拟退火算法》和《智能信息处理及应用实验讲义--智能优化算法解决TSP问题—遗传算法》。四、预习要求1.认真阅读教材中模拟退火算法和遗传算法的基本原理与步骤。2.分析用模拟退火算法和遗传算法解决TSP问题时的编码方式、新解产生的方法等内容。3.复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1.上机编写程序，利用退火算法和遗传算法解决27城市TSP问题。27城市的坐标为：4194；3784；5367；2562；764；299；6858；7144；5462；8369；6460；1854；2260；8346；9138；2538；2442；5869；7171；7478；8776；1840；1340；827；6232；5835；4521。2.调试程序。3.根据实验结果，写实验报告。六、实验报告撰写要求1.给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。2.分析用模拟退火算法解决函数优化问题和组合优化问题中时算法的不同。《智能信息处理及应用》课内实验指导书63.分析用遗传算法解决函数优化问题和组合优化问题中时算法的不同。4.分析比较模拟退火算法和遗传算法各自的特点。5.本实验的心得体会。6.其它要求详见《智能信息处理及应用实验讲义--智能优化算法解决TSP问题--模拟退火算法》和《智能信息处理及应用实验讲义--智能优化算法解决TSP问题—遗传算法》。《智能信息处理及应用》课内实验指导书7实验四简单感知器模型一、实验目的1.掌握简单感知器模型的基本原理。2.复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写简单感知器模型程序。二、实验设备微机三、实验原理简单感知器模型的基本原理：将样本矢量X输入到感知器中，得到实际输出y，再用y与期望输出d的差来修正下一步的权值。感知器中神经元定义如下：0001000,1niiiutytfutfwtvtutwttvt感知器的连接权定义为可变化的，感知器的训练（学习）是通过监督学习过程来实现的。简单感知器引入的学习算法称为误差学习算法，该算法步骤如下：①选择一组初始权值wi(0)；②计算输入样本Xj所对应的实际输出y(t)与期望输出dj的误差j=|dj-y(t)|；③如果j小于阈值T1，转第⑤步；否则继续；④更新权值：111ijiiiiwtdytvtwtwtwt。式中，wi(t)是第t步时神经元间的连接权，阈值可视为输入恒为-1的一个权值；η称为学习步长，是区间(0,1)上的一个数，它的取值与训练速度和w收敛的稳定性有关，η可以是常数，但为了改进收敛速度，也可以采用变步长。01()()2niiiwtvt式中，是一个正的常数。⑤若所有样本都学习完成，计算所有样本误差之和jjE，如果E小于阈值T2，学习结束；否则，转到第②步。《智能信息处理及应用》课内实验指导书8四、预习要求1.认真阅读教材中简单感知器模型的基本原理。2.复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1.上机编写程序，在简单感知器上，，用误差学习算法实现以下真值表。x1x2y1=x1x2y2=x1x2y3=x1000010101110010111102.调试程序。3.根据实验结果，写实验报告。六、实验报告撰写要求1.给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。2.利用实验数据，分析并解答以下问题，a)误差学习算法中学习步长η的取值，对感知器训练的影响。b)误差学习算法中α的取值，对感知器训练的影响。c)当神经网络稳定时，与真值表中y1、y2、y3分别对应的权值是多少？3.试分析误差学习算法中误差δ是否应设置为0，为什么？4.试分析如何根据已知条件，进行感知器结构设计。5.本实验的心得体会。《智能信息处理及应用》课内实验指导书9实验五BP网络一、实验目的1.掌握BP网络的基本原理。2.复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写BP网络程序。二、实验设备微机三、实验原理误差反向传播算法步骤如下：①置各权值或阈值的初始值：wji(0)，θi(0)为小的随机数值；②提供训练样本：输入矢量Xk，k=1，2，…，P，期望输出Tk，k=1，2，…，P，对每个输入样本进行下面③~⑤的迭代；③计算网络的实际输出及隐层单元的状态：kiikiijikjijofNetfwo；④计算训练误差，对于网络输出层：1kikikikikiooto；对于网络中间层：1kikikikmmimoow。⑤修正权值和阈值：