Artificial Intelligence Projects

人工智能课程项目

项目要求

环境

python >= 3.0

启动方法：

初次启动

安装依赖

cd ArtificialIntelligenceProjects
pip install -r requirements.txt

同步数据库

cd AI_Web
python manage.py makemigrations # 生成新增数据表命令，第一个新增的人运行即可
python manage.py migrate # 运行新增数据表命令，所有人均需运行
python manage.py shell < init.py

启动本地服务器
```
python manage.py runserver
```

后续启动
```
python manage.py runserver
```

Simulated Annealing(模拟退火)

在 TSPLIB，(其他网站还可以找到有趣的art TSP 和 national TSP)中选一个大于100个城市数的TSP问题

采用多种邻域操作的局部搜索 local search 策略求解；
在局部搜索策略的基础上，加入模拟退火 simulated annealing 策略，并比较两者的效果；
要求求得的解不要超过最优值的10％，并能够提供可视化，观察路径的变化和交叉程度。

A* Algorithm

以八数码问题为对象，编程解决

利用 A* 算法求解八数码问题，在输出界面上动态显示 OPEN 表的结点数和评估函值最小的结点
比较两种启发函数(上课和书上讲到的 h1(n)和 h2(n))的搜索效率，在输出界面上动态显示 OPEN 表的结点数、总扩展的结点数和评估函值最小的结点
输出 OPEN 表中在最佳路径上的结点及其评估函数值。
验证凡A*算法挑选出来求后继的点 n 必定满足: f(n)≤f*(S0)
验证 h1(n) 的单调性，显示凡 A* 算法挑选出来求后继的点 ni 扩展的一个子结点nj，检查是否满足: h(ni)≤1+h(nj)
如果将空格看作0，即九数码问题，利用相似的启发函数 h1(n) 和 h2(n)，求解相同的问题的搜索图是否相同？
写出能否达到目标状态的判断方法

Alpha-Beta

编写一个**象棋博弈程序，要求用 alpha-beta 剪枝算法，可以实现人机对弈。棋局评估方法可以参考已有文献，要求具有下棋界面，界面编程也可以参考网上程序，但正式实验报告要引用参考过的文献和程序。

Genetic Algorithm

用遗传算法求解TSP问题（问题规模等和模拟退火求解TSP实验同），要求：

设计较好的交叉操作，并且引入多种局部搜索操作（可替换通常遗传算法的变异操作）
和之前的模拟退火算法（采用相同的局部搜索操作）进行比较
得出设计高效遗传算法的一些经验，并比较单点搜索和多点搜索的优缺点。

Back Propagation Neural Network

构造一个三层的BP神经网络，完成手写0-9数字的识别：

设计网络的结构，比如层数，每层的神经元数，单个神经元的输入输出函数；
根据数字识别的任务，设计网络的输入和输出；
实现BP网络的错误反传算法，完成神经网络的训练和测试，最终识别率达到70%以上；
数字识别训练集可以自己手工制作，也可以网上下载。

项目描述

由于小组采用 Django 完成可视化页面开发，所以前4个实验均集成于一个项目中，代码目录结构略微不同。

模拟退火算法源代码 ./ArtificialIntelligenceProjects/AI_Web/SA/views/LocalSearch.py ./ArtificialIntelligenceProjects/AI_Web/SA/views/SimulatedAnnealing.py
AStar算法源代码 ./ArtificialIntelligenceProjects/AI_Web/static/js/Astar/Astar.js
Alpha-Beta算法源代码 ./ArtificialIntelligenceProjects/AI_Web/static/js/ChineseChess/AI.js
遗传算法源代码 ./ArtificialIntelligenceProjects/AI_Web/GA/views/GeneticAlgorithm.py
BP神经网络源代码 ./ArtificialIntelligenceProjects/AI_Web/NumRecognition/model/neuralNetwork.py

运行实验

前四个实验均在 WEB 页面中可视化输出，运行方法见前文描述
BP神经网络使用终端交互，运行方法如下:

前往./ArtificialIntelligenceProjects/AI_Web/NumRecognition/model 文件目录

在终端运行如下命令:

pip install numpy # 安装依赖，若有 numpy 则无需运行
python main.py

分工

徐伟元(xwy27)
- Alpha-Beta剪枝算法实验及报告
- BP神经网络算法实验(信息正向传播过程代码)
- 全部实验的 WEB 页面代码编写及项目文档编制
熊永琦(SiskonEmilia)
- 模拟退火算法实验及报告
- BP神经网络算法实验及报告(学习反向传播过程代码与数据导入代码)
李天译(Cynthiasky)
- AStar算法实验及报告
- 遗传算法实验及报告

联系

如果上述描述有不清晰或者在运行过程遇到问题，可以邮件联系 xuwy27@mail2.sysu.edu.cn，长期在线。

xwy27/ArtificialIntelligenceProjects