به نام خداوند بخشنده ی مهربان
This presentation is the property of its rightful owner.
Sponsored Links
1 / 76

به نام خداوند بخشنده ی مهربان PowerPoint PPT Presentation


  • 130 Views
  • Uploaded on
  • Presentation posted in: General

به نام خداوند بخشنده ی مهربان. هوش مصنوعی Artificial Intelligence. By M. Joudaki. هوش مصنوعی. منابع و مراجع هوش مصنوعی نویسندگان: استوارت. جی راسل و پیتر نورویگ مترجمان: سعید راحتی، محمد بهداد، حمید تیموری روی وبلاگ Artificial Intelligence A Modern Approach

Download Presentation

به نام خداوند بخشنده ی مهربان

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


4896493

به نام خداوند بخشنده ی مهربان


Artificial intelligence

هوش مصنوعیArtificial Intelligence

By M. Joudaki


4896493

هوش مصنوعی

  • منابع و مراجع

    • هوش مصنوعی

      • نویسندگان: استوارت. جی راسل و پیتر نورویگ

      • مترجمان: سعید راحتی، محمد بهداد، حمید تیموری

    • روی وبلاگ Artificial Intelligence A Modern Approach

      • Stuart J. Russell and Peter Norvig

    • Artificial Intelligence

      • Elaine Rich


4896493

هوش مصنوعی

  • ارزیابی

    • امتحان میان ترم

    • پروژه

    • تمرین

    • امتحان پایان ترم

    • جزییات بیشتر در آینده

  • ارتباط من با شما

    • کلاس درس

    • وبلاگ درس http://mylectures.blogfa.com

  • ارتباط شما با من

    • پست الکترونیک درس [email protected]


4896493

نکات قابل توجه در کلاس درس

  • حضور به موقع

    • حضور من

    • حضور شما

    • عواقب

  • خاموش کردن تلفن همراه

    • عواقب

  • رعایت احترام


4896493

فصل اول

معرفی


4896493

مقدمه

  • نام علمی انسان، Homo Sapiensبه معنای انسان خردمند

  • تلاش بشر برای فهمیدن:

    • فکر کردن

    • حس کردن

    • پیش بینی کردن

    • کنترل محیط اطراف

  • هوش مصنوعی : همه کارهای بالا، فراتر رفتن و ساختن موجودات هوشمند


4896493

هوش مصنوعی ؟

  • سیستم عقلانی

    • سیستم بر اساس دانسته هایش ”کار درست“ را انجام دهد.

  • تعاریفی در مورد هوش مصنوعی

    • فکر و استدلال

    • تفکر انسان

    • عملکرد انسان

    • مفهوم ایده آل هوشمندی


4896493

هوش مصنوعی ؟

  • فکر و استدلال

تفکر خردمندانه

تفکر انسان گونه

  • مفهوم ایده آل

  • هوشمندی

  • عملکرد انسان

رفتار خردمندانه

رفتار انسان گونه

رفتار


4896493

هوش مصنوعی(عملکرد انسان گونه)

  • آزمون تورینگ(Turing Test 1950)


4896493

هوش مصنوعی(عملکرد انسان گونه) (ادامه...)

  • آزمون تورینگ(Turing Test)

    • پردازش زبان طبیعی(Natural Language Processing)

    • بازنمایی دانش(Knowledge Representation)

    • استدلال خودکار(Automated Reasoning)

    • یادگیری ماشین(Machine Learning)

  • آزمون جامع تورینگ(Total Turing Test)

    • همه موارد بالا

    • بینایی کامپیوتر(Computer Vision)

    • علم رباتیک(Robotic)


4896493

هوش مصنوعی(تفکر انسان گونه)

  • انسان چگونه فکر میکند؟

    • درونگری: ثبت افکار در حالی که می گذرند.

    • روانشناسی

  • علم شناخت(Cognitive Modeling)

    • مدل های کامپیوتری هوش مصنوعی + فنون تجربی روانشناسی ← طرز کار ذهن

    • مثال GPS (Global Problem Solver ) آلن نیوول - هربرت سیمون


4896493

هوش مصنوعی(تفکر خردمندانه)

  • ارسطو ، قیاس صوری: فرض درست ← نتیجه درست

    • A is B and B is C → A is C

    • منطق(Logic)

    • امید به پیدا کردن برنامه های اصطلاحا منطق گرا در زمینه هوش مصنوعی و در نتیجه خلق سیستم های هوشمند.

    • دو تا مشکل؟

      • بیان دانش غیر رسمی با استفاده از کلمات رسمی نظام علامت گذاری منطق کار آسانی نیست.

      • بین توانایی حل یک مساله از دیدگاه نظری و انجام این کار در عمل تفاوت بسیار زیادی وجود دارد.

    • مسائل مهار نشدنی - عدم توقف برنامه ؟؟؟


4896493

هوش مصنوعی(عملکرد خردمندانه)

  • عامل(Agent): هر چیزی که کاری را انجام می دهد.

  • فرق عامل ها با برنامه های کامپیوتری معمولی

    • عمل با کنترل خودمختار

    • درک محیط

    • استمرار در طول زمان

    • انطباق با تغییرات

    • توانایی پیگیری هدف یک عامل دیگر

  • عامل عقلانی

    • رسیدن به بهترین نتیجه و در صورت عدم قطعیت پیدا کردن بهترین نتیجه ممکن


4896493

هوش مصنوعی(عملکرد خردمندانه) (ادامه...)

  • عقلانیت: استنتاج صحیح + اقدام

  • مواقعی که هیچ کار صحیح قابل اثباتی وجود ندارد ولی اقدامی باید صورت گیرد.

  • اجاق گاز، عمل واکنشی، عدم استدلال، نتیجه بهتر از تفکر

  • مطالعه هوش مصنوعی از این دیدگاه دو مزیت دارد:

    • بسیار کلی تر از تفکر خردمندانه، به دلیل داشتن عقلانیت

    • نسبت به رفتار و تفکر انسان بسیار بیشتر تابع پیشرفت علمی است

      • استاندارد عقلانیت به وضوح تعریف شده است.

      • وابستگی رفتار انسان به محیط خاص.

      • نقش فرایند تکامل در شکل گیری رفتار.


4896493

علوم مرتبط و مبانی هوش مصنوعی

هوش مصنوعی، دانشی میان رشته ای

مطالعه بیشتر (کتاب و منابع مطالعاتی...)


4896493

فصل دوم

عامل های هوشمند


4896493

رئوس مطالب

عامل ها و محیط ها

عقلانیت(Rationality)

معیار کارآیی، محیط، عمل کننده ها، حسگرها PEAS

انواع محیط

انواع عامل


4896493

عامل ها و محیط ها

عامل: انسان، ربات، عامل نرم افزاری، ترموستات و غیره

تابع عامل(agent function): رشته ادراکات را به یک اقدام نگاشت می کند.

برنامه عامل(agent program): بر روی یک معماری فیزیکی برای تولید f در حال اجرا است.


4896493

دنیای جارو برقی

ادراکات(percepts): موقعیت و محتوا. مثال: [A, Dirty]

اقدام: Left, Right, Suck, NoOp


4896493

یک عامل جارو برقی

مقادیر متفاوت در ستون سمت راست ← عامل های مختلف.

عامل خوب یا بد و یا احمق ؟؟؟


4896493

عقلانیت

  • عامل عقلانی: عاملی که کار درست انجام می دهد.

  • کار درست: اقدامی است که باعث می شود عامل موفق ترین باشد.

  • معیار موفقیت؟

  • معیار کارایی میزان موفقیت یک عامل را نشان می دهد.

  • معیار موفقیت برای همه عامل ها ثابت نیست.

    • در زمان T به ازای هر مربع که تمیز می شود یک امتیاز داده شود.

    • امتیاز مثبت برای هر مربع که تمیز می شود و امتیاز منفی برای تولید سروصدا و مصرف برق.

    • امتیاز منفی برای مربع های کثیف.

  • عامل عقلانی بر اساس شواهد حاصل از رشته ادراکات و دانش درونی خود، اقدامی را انتخاب می کند که مقدار معیار کارایی مورد انتظار را افزایش دهد.


4896493

عقلانیت(ادامه...)

  • عقلانیت ≠ همه چیز دانی

    • ادراکات همه ی اطلاعات مرتبط را فراهم نمی کنند.

    • عقلانیت کارایی مورد انتظار را بیشینه می کند، در حالی که کمال کارایی واقعی را .

  • محیط های متغیر

    • یادگیری.

    • مثال سوسک و زنبور

  • خودمختاری

    • استفاده از ادراکات برای اصلاح دانش غلط یا ناقص قبلی

    • دانش اولیه در عامل = غریزه در حیوانات

  • اکتشاف + یادگیری + خودمختاری ← عقلانیت


4896493

PEAS

  • برای طراحی یک عامل عقلانی ابتدا باید محیط کار آن را در حد امکان به صورت کامل تعیین کنیم.

  • مثال: راننده خودکار تاکسی

    • معیار کارایی؟ امنیت، مقصد، مصرف بهینه، احترام به قانون، راحتی مسافران

    • محیط؟ خیابان ها و بزرگراه ها، ترافیک، عابران پیاده، شرایط آب و هوا

    • اقدام گرها؟ فرمان اتومبیل، پدال گاز، ترمز، بوق، بلندگو و صفحه نمایش برای ارتباط

    • حسگرها؟ تصویری، سرعت سنج، سنسور مقدار سوخت، حسگرهای موتور، GPS


4896493

PEAS(ادامه...)

  • مثال دیگر: عامل خرید اینترنتی

    • معیار کارایی؟ قیمت، کیفیت، تناسب، کارایی

    • محیط؟ صفحات وب جاری و صفحاتی که در آینده ملاقات می شوند، فروشنده، حمل کننده

    • اقدام گرها؟ نمایش به کاربر، دنبال کردن لینک ها، پر کردن فرم ها

    • حسگرها؟ صفحات HTML(متن ها، گرافیک، اسکریپت ها)


4896493

محیط

S = {1, 2, 3, 4, 5, 6, 7, 8}

  • هر محيط داراي مجموعه اي از حالت ها مي باشد:

    • محيط در هر لحظه فقط در يكي از اين حالت ها مي باشد.

  • مثال: دنیای جاروبرقی


4896493

عامل و محیط

  • در لحظه شروع، محيط در يكي از حالت هاي ممكن مي باشد.

    • عمل عامل در محيط، باعث تغيير حالت محيط مي شود.

    • حالت فعلي : Si

    • عمل عامل : Action

    • حالت بعدي : Sj

  • مثال: دنیای جاروبرقی


4896493

انواع محیط

كاملا قابل مشاهده (در مقابل مشاهده پذير جزئي)

قطعي (در مقابل اتفاقي)

اپیزودیک (در مقابل ترتيبي)

ايستا (در مقابل پويا)

گسسته (در مقابل پيوسته)

تك عاملي (در برابر چند عاملي)


4896493

انواع محیط(ادامه...)

[LEFT, CLEAN]

  • كاملا قابل مشاهده (در مقابل مشاهده پذير جزئي): محيطي كه در آن در هر لحظه از زمان حسگرهاي عامل به آن امكان دستيابي به حالت كامل محيط را مي دهند.

  • مثال: دنياي جاروبرقی - حسگرها: [ location, status]

    • تشخيص مكان : چپ يا راست

    • تشخیص وضعیت: تمیز ویا کثیف


4896493

انواع محیط(ادامه...)

مکش

مکش

قطعی

اتفاقی

؟؟؟

  • قطعي (در مقابل اتفاقي): حالت بعدي محيط كاملا بوسيله حالت فعلي و عمل انجام شده توسط عامل قابل تعيين مي باشد.

    • اگر محيط به جز در مورد عمل عامل هاي ديگر قطعي باشد، آنگاه محيط استراتژيك مي باشد.


4896493

انواع محیط(ادامه...)

اپيزوديك (در مقابل ترتيبي): تجربه عامل به ”دوره های“غيرقابل تجزيه تقسيم مي شود (هر دوره شامل ادراك عامل و سپس انجام يك عمل مي باشد) و انتخاب عمل در هر دوره تنها به خود همان دوره بستگي دارد.

مثال: روبات كنترل كننده كيفيت


4896493

انواع محیط(ادامه...)

ايستا (در مقابل پويا): محيط در حين سنجش عامل (براي انتخاب عمل) تغيير نمي كند.

اگر خود محيط با گذشت زمان تغيير نكند ولي معيار كارآيي عامل تغيير كند، آنگاه محيط نيمه پويا مي باشد(شطرنج با ساعت)


4896493

انواع محیط(ادامه...)

– State = {1, 2, …, 8}

– Action = {Left, Right, Suck, NoOp}

– Percept = {[Left, Clean], [Left, Dirty], [Right, Clean], …}

گسسته (در مقابل پيوسته): محيطي كه در آن تعداد محدود و متمايزي از ادراك و عمل هاي كاملا واضح تعريف شده باشد.

در محيط گسسته، مجموعه حالات محيط يك مجموعه گسسته مي باشد و حالات بسادگي قابل تمايز مي باشند.

مثال: محيط دنياي جاروبرقی


4896493

انواع محیط(ادامه...)

تك عاملي (در برابر چند عاملي): يك عامل خودش به تنهايي در محيط عمل مي كند.

مثال: محيط عامل حل كننده جدول كلمات متقاطع و دنياي مكش

چند عاملي: تعدادي عامل كه با يكديگر در تعامل مي باشند.

مثال: شطرنج (رقابتي)، روبوكاپ (بين اعضاي يك تيم همياري و بين اعضاي دو تيم رقابتي)، محيط تاكسي خودكار (هميياري جزيي)


4896493

انواع محیط(ادامه...)

نوع محیط تاثیر بسیار زیادی بر طراحی عامل خواهد گذاشت.

دنیای واقعی: مشاهده پذير جزئي، اتفاقي، ترتيبي، پويا، پيوسته و چندعاملي


4896493

توابع و برنامه هاي عامل

  • يك عامل كاملا بوسيله تابع عامل مشخص مي شود.

    • يادآوري: تابع عامل دنباله ادراكي را به عمل نگاشت مي كند.

  • يك تابع عامل (يا يك كلاس هم ارزي كوچك) منطقي (rational) مي باشد.

  • هدف: يافتن روشي به منظور پياده سازي تابع عامل منطقي به طور مختصر و مفيد


4896493

عامل مبتني بر جدول جستجو

يك روش به منظور توصيف تابع عامل

نشان دهنده فعاليت مناسب براي هر دنباله ادراكي ممكن

مثال: جدول دنياي جاروبرقي


4896493

برنامه عامل مبتني بر جدول جستجو


4896493

عامل مبتني بر جدول جستجو(ادمه...)

  • معايب:

    • جدول بسيار عظيم (مثلا در شطرنج 10150 سطر، اتم ها در دنیای واقعی کمتر از 1080 )

    • زمان بسيار زياد براي ايجاد جدول و احتمال بالاي خطا

    • عدم خود مختاري

    • حتي با قابليت يادگيري، نياز به زمان بسيار زيادي براي يادگيري مداخل جدول دارد.


4896493

انواع عامل ها

  • چهار نوع اصلي به ترتيب افزايش عموميت :(Generality)

    • عامل هاي واكنشي ساده (Simple reflex)

    • عامل هاي واكنشي مبتني بر مدل (Model-based reflex)

    • عامل هاي مبتني بر هدف (Goal-based)

    • عامل هاي مبتني بر سودمندي (Utility-based)


4896493

عامل هاي واكنشي ساده

ساده ترين نوع عامل

در هر لحظه، عمل تنها بر اساس درك فعلي انتخاب مي شود

مثال:

شامل قوانين شرط- عمل مانند:

“اگر چراغ ترمز اتومبيل جلويي روشن شد، آنگاه ترمز كن”


4896493

ساختار عامل هاي واكنشي ساده


4896493

برنامه عامل واكنشي ساده


4896493

عامل هاي واكنشي مبتني بر مدل (حافظه دار)

  • عامل واكنشي ساده در صورتي كار مي كند كه محيط كاملا قابل مشاهده باشد

  • اگر محيط مشاهده پذير جزئي باشد، پيگيري تغييرات دنيا لازم است

  • مثال: تاكسي اتوماتيك

  • مستلزم دو نوع دانش

    • نحوه تغيير دنيا

    • تاثير اعمال عامل بر دنيا


4896493

عامل هاي واكنشي مبتني بر مدل(ادامه...)


4896493

برنامه عامل هاي واكنشي مبتني بر مدل


4896493

عامل هاي مبتني بر هدف

  • اطلاعات لازم براي تصميم گيري در مورد عملي كه بايد انجام شود:

    • اطلاعات مربوط به حالت فعلي

    • اطلاعات هدف (توصيف موقعيت مطلوب)

  • مثال:

    • عمل مناسب براي تاكسي اتوماتيك در يك چهار راه كدام است؟ (بالا، پايين چپ، راست)

  • اگر براي رسيدن به هدف نياز به چندين عمل باشد

    • جستجو(Search)

    • برنامه ریزی(Planning)


4896493

عامل هاي مبتني بر هدف


4896493

مثال: عامل هدف گرا


4896493

مثال: عامل هدف گرا(ادامه...)

[UP, UP, UP, RIGHT]

[RIGHT, RIGHT, RIGHT, UP, UP, UP, LEFT, LEFT]


4896493

عامل هاي سودمند

  • در بسياري از محيط ها اهداف براي توليد رفتاري با كيفيت بالا مناسب نيستند

  • مثال: تاكسي اتوماتيك

    • ممكن است چندين مسير براي رسيدن به مقصد موجود باشد، اما بعضي از آنها سريعتر، امن تر، مطمئن تر و يا ارزانتر از بقيه مي باشند

  • اهداف ملاكي خام براي توصيف وضعيت ها هستند (مطلوب و نامطلوب)

  • تابع سودمندي: حالت ( يا دنباله اي از حالات) را به يك عدد حقيقي نگاشت مي كند كه درجه مطلوبيت آن را توصيف مي كند

  • امكان تصميم گيري در مواردي كه:

    • اهداف متناقض باشند

    • چندين هدف وجود دارد ولي رسيدن به هيچ يك قطعي نيست


4896493

عامل هاي مبتني بر سودمندي


4896493

عامل هاي يادگيرنده

  • تورينگ ( 1950 ): ايده برنامه نويسي واقعي هوشمند به صورت دستي

    • نياز به روشهاي سريعتر

    • ساخت ماشين هاي يادگيرنده و آموزش به آنها

  • مولفه هاي عامل يادگيرنده

    • عنصر يادگيرنده : براي ايجاد بهبود

    • عنصر كارآيي: انتخاب فعاليت هاي خارجي

    • منتقد: توليد بازخورد با توجه به استاندارد كارآيي براي عنصر يادگيرنده

    • مولد مساله: پيشنهاد فعاليت هاي اكتشافي

  • مثال: تاكسي اتوماتيك

    • عنصر كارآيي: حركت سريع از خط 3 به خط 1

    • منتقد: دريافت شكايت راننده هاي ديگر

    • ايجاد یک قانون، بيانگر بد بودن اين عمل و اصلاح عنصر كارآيي


4896493

عامل هاي يادگيرنده(ادامه...)

  • انواع دانشي كه عنصر يادگيرنده مي تواند ياد بگيرد:

    • يادگيري مستقيم از دنباله ادراكي

    • يادگيري نحوه تغييرات دنيا: مشاهده دو حالت متوالي

    • يادگيري در مورد تاثير عمل عامل: مشاهده نتايج فعاليت عامل

      • مثال: نحوه ترمز كردن در جاده هاي خيس

  • پاداش و جريمه(کیفیت رفتار عامل)


4896493

عامل هاي يادگيرنده(ادامه...)


4896493

فصل سوم

حل مسائل توسط جستجو


4896493

مقدمه

عامل هاي حل مسأله

انواع مسأله

فرموله سازي مسأله

مسائل نمونه

الگوريتم هاي ابتدايي جستجو


4896493

عامل هاي حل مسأله

فرضيات در مورد محيط: ايستا، قابل مشاهده، گسسته و قطعي


4896493

مثال: روماني

Arad → Sibiu → Fagaras → Bucharest

  • مكان فعلي شهرآراد، حرکت و رسیدن به شهر بخارست

  • فرموله سازي هدف:

    • بودن در بخارست

  • فرموله سازي مسأله:

    • حالت ها: شهرهاي مختلف

    • عمليات: رفتن از شهري به شهر ديگر

  • يافتن پاسخ:

    • دنباله اي از شهرها، مانند:


4896493

مثال: روماني


4896493

انواع مسأله

  • قطعي، كاملا مشاهده پذير ← مسائل تك-حالته

    • عامل دقيقا مي داند در چه حالتي خواهد بود؛ راه حل يك دنباله مي باشد.

  • قطعي، مشاهده پذير جزئي ← مسائل چند-حالته

    • ممكن است عامل ايده اي درباره اينكه كجاست نداشته باشد؛ راه حل يك دنباله است.

  • غير قطعي و/يا مشاهده پذير جزئي ← مسائل احتمالی

    • ادراك اطلاعات جديدي درباره حالت فعلي فراهم مي كند.

    • در حين اجرا بايد از حسگرها استفاده كند.

    • راه حل به صورت يك درخت

    • اغلب جستجو و اجرا به صورت يك در ميان (Interleave)

  • فضاي حالت ناشناخته ← مسائل اکتشافی (online)


4896493

مثال: دنياي جاروبرقی

  • تك-حالته، شروع در #5

    • راه حل ؟ [Right, Suck]

  • چند-حالته، شروع از حالت های

    {1, 2, 3, 4, 5, 6, 7, 8}

    • راه حل؟[Right, Suck, Left, Suck]

  • احتمالي

    • غير قطعي: مكش مي تواند يك فرش تميز را كثيف كند.

    • درك محلي: گرد و خاك در محل فعلي

    • ادراک: [left, clean] یعنی شروع در #5 یا #7

    • راه حل؟ [Right, if dirty then Suck]


4896493

فرموله سازي مسائل تك -حالته

  • يك مسأله بوسيله چهار مورد تعريف مي شود:

    • حالت اوليه مثلاً بودن در شهر Arad

    • اقدامات يا تابع حالت بعدي(پسین)

      • S(x) = مجموعه اي از زوج هاي عمل- حالت

      • مثال: S(Arad) = {<Arad→Zerind, Zerind>,…}

    • تابع تست هدف

      • صریح x = "at Bucharest”

      • ضمنی NoDirt(x)

    • تابع هزينه مسير :

      • مثال: مجموع فواصل، تعداد عمل هاي انجام شده و ...

      • هزينه گام (step cost): c(x, a, y)≥0

  • راه حل: دنباله اي از حرکت ها كه از حالت اوليه شروع و به حالت هدف ختم مي شود.


4896493

انتخاب يك فضاي حالت

  • دنياي واقعي به شدت پيچيده مي باشد.

    • بنابراين، براي حل مسأله بايد فضاي حالت انتزاعي باشد.

  • حالت( انتزاعي) = مجموعه اي از حالت هاي واقعي

  • عمل ( انتزاعي) = تركيبي پيچيده از عمل هاي واقعي

    • مثلا عمل Arad→Zerindمي تواند مجموعه اي پيچيده از اعمال باشد.

  • راه حل ( انتزاعي) = مجموعه اي از مسيرهاي واقعي كه در دنياي واقعي راه حل مي باشند.

  • هر عمل انتزاعي بايد از مسأله اصلي ساده تر باشد!


4896493

مثال: گراف فضاي حالت دنياي جاروبرقی

حالات؟وجود گرد و خاك و مكان عامل(بدون در نظر گرفتن مقدار گرد و خاك)

اعمال؟ حرکت های Left, Right, Suck, NoOp

تست هدف؟ نبودن گرد و خاك

هزینه مسیر؟ بازاء هر عمل 1(صفر برای NoOp)


4896493

مثال: معماي هشت

حالات؟ اعداد صحيح بيانگر محل كاشي ها

اعمال؟ حركت خانه خالي به چپ، بالا، راست و پايين

تست هدف؟ حالت هدف( داده شده)

هزینه مسیر؟ بازاء هر حركت 1

]توجه: راه حل بهينه خانواده معماي n یک مساله NP-Hard می باشد[


4896493

مثال: روبات اسمبل كننده

حالات؟ زاويه مفاصل روبات، مختصات قطعات

اعمال؟ حركت پيوسته مفاصل روبات

تست هدف؟ سرهم بندي كامل

هزينه مسير؟ زمان اجرا


4896493

مسأله هشت وزير

حالات؟ ترتيب 8 وزير هر كدام در يك ستون {1, 3, 5, 7, 2, 4, 6, 8}

اعمال؟ انتقال يك وزير داراي برخورد به مربع ديگري در همان ستون

تست هدف؟ 8 وزير روي صفحه شطرنج كه با هم برخورد ندارند.

هزينه مسير؟ زمان اجرا


4896493

الگوريتم هاي جستجوي درخت

ایده اصلی: کاوش offlineو شبيه سازي شده فضاي حالت، بوسيله توليد حالات بعدي حالت هايي كه تا كنون توليد شده اند.


4896493

مثال جستجوي درخت


4896493

مثال جستجوي درخت


4896493

پياده سازي: حالت و گره

يك حالت ( بيانگر) يك پيكره بندي فيزيكي مي باشد

يك گره يك ساختار داده اي تشكيل دهنده بخشي از درخت جستجو شامل: پدر، فرزندان، عمق و هزينه مسير g(x) است.

حالت ها : پدر، فرزند، عمق و هزينه مسير ندارند!

تابع EXPANDگره هاي جديد ايجاد مي كند، فيلدهاي مختلف را مقدار مي دهد و با استفاده از تابع SuccessorFnمسأله، حالت هاي مربوطه ايجاد مي شود.


4896493

پياده سازي: جستجوي عمومي درخت


4896493

استراتژي هاي جستجو

  • يك استراتژي بوسيله ترتيب گسترش گره ها تعريف مي شود.

  • ابعاد ارزيابي استراتژي ها:

    • كامل بودن- آيا در صورت وجود راه حل، هميشه راه حلي پيدا مي كند؟

    • پيچيدگي زماني- تعداد گره هاي توليد شده/گسترش يافته.

    • پيچيدگي حافظه- حداكثر تعداد گره ها در حافظه.

    • بهينگي- آيا هميشه كم هزينه ترين راه حل را پيدا مي كند؟

  • پيچيدگي زمان و فضا برحسب پارامترهاي زير سنجيده مي شوند:

    • b: حداكثر فاكتور انشعاب درخت جستجو.

    • d: عمق كم هزينه ترين راه حل.

    • m: حداكثر عمق فضاي حالت ( ممكن است ∞ باشد).


4896493

استرتژي هاي جستجوي ناآگاهانه

استراتژي هاي ناآگاهانه(Uninformed) تنها از اطلاعات موجود در تعريف مسأله استفاده مي كنند.

جستجوي اول-سطح (BFS)Breadth-rst search

جستجوي هزينه- يكنواخت (UCS)Uniform-cost search

جستجوي اول-عمق ( عمقي) (DFS)Depth-first search

جستجوي با عمق محدود (DLS)Depth-limited search

جستجوي عميق كننده تكراري (IDS)Iterative deepening search


  • Login