哈工大人工智能導論實驗報告

1、人工智能導論實驗報告學院：計算機科學與技術學院專業(yè)：計算機科學與技術目錄人工智能導論實驗報告錯誤!未定義書簽。一、簡介（對該實驗背景，方法以及目的的理解）錯誤!未定義書簽。實驗背景錯誤!未定義書簽。實驗方法錯誤!未定義書簽。實驗目的錯誤!未定義書簽。二、方法（對每個問題的分析及解決問題的方法）錯誤味定義書簽。Q1: Depth First Search錯誤!未定義書簽。Q2: Breadth First Search錯誤!未定義書簽。Q3: Uniform Cost Search錯誤!未定義書簽。Q4: A* Search錯誤!未定義書簽。Q5: Corners Problem: Repres

2、entation 錯誤!未定義書簽。Q6: Corners Problem: Heuristic 錯誤!未定義書簽。Q7: Eating All The Dots: Heuristic錯誤!未定義書簽。Q8: Suboptimal Search 錯誤味定義書簽。三、實驗結果（解決每個問題的結果）錯誤!未定義書簽。Q1: Depth First Search錯誤!未定義書簽。Q2: Breadth First Search 錯誤!未定義書簽。Q3: Uniform Cost Search 錯誤!未定義書簽。Q4: A* Search錯誤!未定義書簽。Q5: Corners Problem: Re

3、presentation 錯誤味定義書簽。Q6: Corners Problem: Heuristic 錯誤味定義書簽。Q7: Eating All The Dots: Heuristic錯誤!未定義書簽。Q8: Suboptimal Search錯誤!未定義書簽。自動評分錯誤!未定義書簽。四、 總結及討論（對該實驗的總結以及任何該實驗的啟發(fā)）.錯誤!未定義書簽。簡介（對該實驗背景，方法以及目的的理解）實驗背景1）自人工智能概念被提出，人工智能的發(fā)展就受到了很大的關注，取得了長足的發(fā)展，成 為一門廣泛的交叉和前沿科學。到目前，弱人工智能取得了長足的發(fā)展，而強人工智能 則暫時處于瓶頸。2）吃豆人

4、Pacman居住在亮藍色的世界里，在這個世界有彎曲的走廊和美味佳肴。游戲的 目的就是控制游戲的主角小精靈吃掉藏在迷宮內(nèi)所有的豆子，并且不能被幽靈抓到。高 效地瀏覽世界將是吃豆人掌握世界的第一步。3）通過本學期的學習我們已經(jīng)初步掌握了人工智能的基本知識，在實驗中則應用這些知識 使用人工智能操縱吃豆人游戲。實驗方法1）在本實驗中，Pacman智能體將找到通過迷宮世界的路徑，既包括到達一個指定的位 置，也包括高效地搜集食物。我們編輯文件和，編寫一系列吃豆人程序，包括到達指定 位置以及有效的吃豆，并將其應用到Pacman場景，完成對相關人工智能功能的完善。2）在本實驗中，我們對下面8個問題進行研究，針

5、對每個問題提出解決方法，逐步完成吃 豆人游戲：Q1: Depth First SearchQ2: Breadth First SearchQ3: Uniform Cost SearchQ4: A* SearchQ5: Corners Problem: RepresentationQ6: Corners Problem: HeuristicQ7: Eating All The Dots: HeuristicQ8: Suboptimal Search實驗目的1）完成實驗報告中的問題，編寫一系列吃豆人程序，包括到達指定位置以及有效的吃豆;2）通過分析吃豆人游戲鞏固課堂上所學內(nèi)容；3）復習python

6、語言的使用。二、方法（對每個問題的分析及解決問題的方法）Q1: Depth First Search應用深度優(yōu)先算法找到一個特定的位置的豆，我們通過depthFirstSearch函數(shù)實現(xiàn)深度優(yōu) 先搜索的功能。深度優(yōu)先遍歷的方法是，從圖中某頂點v出發(fā)：1）訪問頂點v；2）依次從v的未被訪問的鄰接點出發(fā)，對圖進行深度優(yōu)先遍歷；直至圖中和v有路徑相通 的頂點都被訪問；3）若此時圖中尚有頂點未被訪問，則從一個未被訪問的頂點出發(fā)，重新進行深度優(yōu)先遍歷，直到圖中所有頂點均被訪問過為止。深度優(yōu)先搜索的順序如下圖所示:深度優(yōu)先搜索在depthFirstSearch中，由于搜索過程中火重復訪問到部分節(jié)點，所以

7、需要對于每個節(jié)點 設置標記，以指示該節(jié)點是否被訪問過。先將每個后繼節(jié)點壓入搜索棧中，然后以深度優(yōu) 先的順序進行搜索，判定是否符合目標狀態(tài)，并將符合結果的節(jié)點放入結果集。Q2: Breadth First Search應用寬度優(yōu)先算法找到一個特定的位置的豆，我們通過breadthFirstSearch函數(shù)實現(xiàn)深度 優(yōu)先搜索的功能。廣度優(yōu)先搜索算法的思想是：從圖中某頂點v出發(fā)，在訪問了 v之后依次訪問v的各個未曾 訪問過的鄰接點，然后分別從這些鄰接點出發(fā)依次訪問它們的鄰接點，并使得“先被訪問的 頂點的鄰接點先于后被訪問的頂點的鄰接點被訪問，直至圖中所有已被訪問的頂點的鄰接點 都被訪問到。如果此時圖

8、中尚有頂點未被訪問，則需要另選一個未曾被訪問過的頂點作為新 的起始點，重復上述過程，直至圖中所有頂點都被訪問到為止。如下圖：在breadthFirstSearch中，大體的搜索思路與深度優(yōu)先算法一致，只是搜索的次序發(fā)生了 變化。在這里注意，在深度優(yōu)先搜索和廣度優(yōu)先搜索方法中，我們使用的圖搜索算法是一樣的，但 是涉及到具體的數(shù)據(jù)結構卻是不同的。在深度優(yōu)先搜索算法中，我們使用棧進行操作，在深 度優(yōu)先搜索算法中，我們使用隊列進行操作，如下圖所示。這兩種數(shù)據(jù)結構的不同之處就在 于其中元素的輸出次序，在深度優(yōu)先搜索中需要按照壓棧順序的逆序進行搜索，咋子廣度優(yōu) 先搜索中需要按照入隊順序的順序進行搜索。de

9、f depthFirstSearch(probt.errr):#深虎優(yōu)先瘦索149searchstack = util.Stack() def breadthFirstSearchtfirotitejTT):#廣夏優(yōu)先搜索* YOUR CODE HERE *1S8search_Queue = util.Queue()Q3: Uniform Cost Search很多情況下，路徑中的代價是可以改變的，在這個問題中，我們完成代價一致搜索方法。代價一致搜索，其實就是一個貪心搜索，取代擴展深度最淺的節(jié)點，代價一致搜索擴展的是 路徑消耗最低的節(jié)點n。如果所有單步耗散都相等的話，這種算法就和廣度優(yōu)先搜索算

10、法是 一樣的。不過，這樣在擴展到一個具有能返回到同一狀態(tài)的零耗散行動的節(jié)點時就會陷入無 限循環(huán)。在uniformCostSearch函數(shù)中，我們計算每條路徑的總代價，將總代價作為優(yōu)先級進行搜索， 待搜索序列存儲于隊列中。對于每個節(jié)點，使用代價函數(shù)getCostOfActions計算其所產(chǎn)生 的代價，并依次作為搜索的優(yōu)先級進行搜索。同樣的，對于每個節(jié)點添加是否被訪問的標記。Q4: A* SearchA*算法是一種靜態(tài)路網(wǎng)中求解最短路最有效的直接搜索方法，也是許多其他問題的常用啟發(fā) 式算法，對代價一致搜索算法進行了改進，加入了一個估計代價h。公式表示為：f(n)=g(n)+h(n),其中f(n)是

11、從初始狀態(tài)經(jīng)由狀態(tài)n到目標狀態(tài)的代價估計，g(n)是在狀 態(tài)空間中從初始狀態(tài)到狀態(tài)n的實際代價，h(n)是從狀態(tài)n到目標狀態(tài)的最佳路徑的估計 代價(對于路徑搜索問題，狀態(tài)就是圖中的節(jié)點，代價就是距離)。在本實驗中，我們使用曼哈頓距離作為啟發(fā)函數(shù)。在aStarSearch函數(shù)中，我們首先搜索具 有最低組合成本和啟發(fā)式的節(jié)點。類似于問題三，我們計算每個節(jié)點的代價，并以此為依據(jù) 搜索產(chǎn)生結果集，在搜索的過程中，還需要標記節(jié)點是否已經(jīng)被訪問過。Q5: Corners Problem: Representation找到所有的角落，在角落迷宮的四個角上面有四個豆，通過這個函數(shù)找到一條訪問所有四個 角落的最

12、短的路徑。 在CornersProblem類中，我們使用_init_函數(shù)存儲墻壁的位置，吃豆人的起點和角落位 置，定義新的函數(shù)getStartState用于獲得節(jié)點起始狀態(tài)，isGoalState函數(shù)判斷當前節(jié)點 是否為目標節(jié)點，getSuccessors函數(shù)返回后繼狀態(tài)，所需的操作以及代價， getCostOfActions函數(shù)計算動作序列所需的代價。查找后繼節(jié)點時，在四個方向一次遍歷，使用directionToVector移動位置，如果沒有墻， 則把下一個的狀態(tài)，動作，花費的步數(shù)加入下一節(jié)點Q6: Corners Problem: Heuristic構建合適的啟發(fā)函數(shù)，完成問題5中的角落搜

13、索問題。在問題五使用的CornersProblem類中定義cornersHeuristic函數(shù)，為角落問題構造啟發(fā)函 數(shù)。在cornersHeuristic函數(shù)中使用了 GetNextNodes函數(shù)獲取下一個節(jié)點，isGoal函數(shù) 判斷是否為目標。Q7: Eating All The Dots: Heuristic用盡可能少的步數(shù)吃掉所有的豆子。這個問題利用之前A*算法可以很容易找到解，此種方 法在這里不再詳述。下面在FoodSearchProblem類中定義函數(shù)foodHeuristic，構建合適的啟發(fā)函數(shù)完成豆子搜 索（啟發(fā)式）問題。Q8: Suboptimal Search次最優(yōu)搜索，定

14、義一個優(yōu)先吃最近的豆子的函數(shù)，以此來提高搜索速度。補充AnyFoodSearchProblem目標測試函數(shù)，并在ClosestDotSearchAgent當中添加findPathToClosestDot函數(shù)，用于尋找最近的豆子。實驗結果（解決每個問題的結果）Q1: Depth First Searchpython -l tinyMaze -p SearchAgentE : . T智能導準.實驗0打巾_寄耕.=中般卜r.y-.hnn pa CTTisn. py -1 +i ryVaTR 一口 Rarc-：? Agpnt. rMpAr.-：hg=!T-it.| ng fi nc+.i nn rip

15、p+.-iFi Ts-tSipaTcl-i ITSearch.ssntl using ?rotl&m tvpe ?o=itionSearc?iPrcblenPs.th with ccst of ID in C. C secondsearch nodes eipandei： 20Picnan emerges vic-orious! Score: 53CAverageScore: 500.0Scores:500.0in Rate：1/1(1. 3C；Record：Winpython -l mediumMaze -p SearchAgentIE:，人工智能導論、實驗search_C de -iZ：已

16、；-r:z：h/pythun pacnan. py -1 nediuirMaze -p Sear匚:hA,目已nt SearchAgent using Junerion dsprirEitSearch SearchAgent using problem type PositionGearchProbl em Path famid with total cost, of 1E：O in j. C seconds Search njdes expanded： lb2P a eman mer 3 日 vic + zirious ! S c or 9 : 2 E 0AverageScore: JUL,

17、JSzores:3S0.Jf_in Rate：1 門(1.0)；Record;Win瀏 CSTfiB 七口丫5SCORE: -69python -l bigMaze -z .5 -p SearchAgent|E:八二智器界論、奏股LIlli- .it-iLiii. uv -1- . 5 阮妃ihAuwi：EEarcliAgent _i5 i 115 fjnLtioii de liF i r s t S e ar ch LEcaxchAgcntJ .13iprDslcm 口 Poci-ionEcc.xXTi=: L-iHFacnan 日merm日m victori yis Score: 300v

18、hiatiScuLti； 333.)Eccres :333.)hjin Rate：1/1Q. DD)p.eccrc. ：JinSCORE: -58Q2: Breadth First Searchpython -l mediumMaze -p SearchAgent -a fn=bfsE:Mssarch_Codeearchpythen pacman. py -1 nueiiiinrl酒白-p SearctiAgent -a fn=bfsSearcliAgent using function bfHSearcliAgent using problem type PositionSearchProb

19、ieniPath louiid tfith total cost of 6E inL。secondsSearch nodes expanded; 269Pacman erarg&s victorious! Score; 442Score: 442- 0Scores:442- 0Win Rate;L/l fl. 00)Kecord:VlnSCORE: -30python -l bigMaze -p SearchAgent -a fn=bfs -z .5|l：廣、I 音Wk導炬任-er 】_： ,11fi-.：，：iuylh，：. paejran. py -1 bi glaze p SearchA

20、gent -a fn=bfE -z . 5 LSgarchAgBntJ using function bfslESearchAgentl using problem type Positi onSearchProblemPath found with total cost of 210 in 1. 0 secondsSearch nodes expanded： 620Paciruan emerges victorious! -pYthan pacman. pt -1 EEdii-inJlaze -p Se：archAgent -a fn=tiSearchAgent using function

21、 licc SearchAgent using prob lam type P de l t l onSa ar chPr ob L emPath found with total czist of 6E in C. 1 secondsEe：arch nadss sspanded： 269Pacman emerges victorious! Score： 442 TOC o 1-5 h z AverageScare: 442.0 HYPERLINK l bookmark92 o Current Document Scores:442.0pn Rate:1/1(L iTlRecord：VI np

22、ython -l mediumDottedMaze -p StayEastSearchAgentE: sea1, ch_C o des earchpytlion pacmarL py -1 ffiedimnD o tte dlaza -p EtayE as t S earcliAgentWarning： this does not look like a regular :-earch mazePath found vith total cost of 1 in 0- 0 secondsEear ch node ezn-anded： 136F板匚man emerge e vi ctoriDLi

23、s! S匚口re I 646.verageScora; 646.0Scores!646.(Ikn Rate;1/1(1. 00.)Tscord：Win74 CS1BB F占izn inSCORE: 72python -l mediumScaryMaze -p StayWestSearchAgentB ： 人工智能導論 ，A驗日四匚匚 11_?？谌?、三日* 匚Dpythcin pacraan. py T 住 diumS匚aryN 日工已-p StayWestSearchAg.ent Path found with total cost of 6E719479864 in 0. 0 seconds

24、Searc?. nades expanded.： 108Paciran emerges victor! ous! Score : 418erageScore; 41S. 0Scores：418. 0in Rate：1/1 (1. 110)Eficord:TinT3 CSiiSO PiemanSCORE;pectird:ictoriinijs! Score: 300 3Q0. 0 300. 0(1.00)SCORE： -12Q4: A* Searchpython -l bigMaze -z .5 -p SearchAgent -a fn=astar,heuristic=manhattanHeur

25、isticE-:than paenan. py -1 bigflaze -z . 5 -p SearchAgent -a fn=8Star：1 heuristic=iTarijatt3r neairistic SBarzhAgen.t using. protlem type PasitinSearchProbleni Path :found with total cost- af 210 in 0. 4 seconds Search nodes expanded: 549 racmanQ5: Corners Problem: Representationpython -l tinyCorner

26、s -p SearchAgent -a fn=bfs,prob=CornersProblempython -l mediumCorners -p SearchAgent -a fn=bfs,prob=CornersProblemE:X/3&sMrth_Coi=ise：arclipythQn patnen. py -1 nedrunCcimere -p SearchAg.en.t -a fn=bfs：1 prob =CornersProbiem SearchAgent UEing function bis SBsrchf.EBnt using prctlem type ComersPrablen

27、i Path found with tota 1 cost of 106 in i . 1 secondsSearch nodeE exj：and&dl i960Faenan energ.es victorious! Score: 434Average Score： 43i0Scores:434 0lin Rate:1/1(1. Ld)Rjsc ord：I inQ6: Corners Problem: Heuristicpython -l mediumCorners -p AStarCornersAgent -z，人.工智能導論實驗粕日口能柘瞬pacnsn. py T mediunCorija

28、rs -p AStarCDTij&rsA.gant -2 0. 5 Path found irith total cost af 106 in 0. 3 senndsEearcti nodSL： gpmdsd： 692Facman Bmerges victari dus ! Score : 434veraEEcore： 434. Q TOC o 1-5 h z HYPERLINK l bookmark71 o Current Document Scores:4340NJn ?7t-：1/1 .-i.Kecurd;VinQ7: Eating All The Dots: Heuristicpython -l trickySearch -p AStarFood