WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI"

Transkrypt

1 POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul

2 6. GRY POSZUKIWANIA W OBECNOŚCI PRZECIWNIKA

3 Gry Pokażemy, w jaki sposób agent może osiągnąć zamierzony cel jeżeli musi kooperować lub konkurować albo nawet walczyć z innymi agentami.

4 6.1. Czym są gry? Gry są to zadania poszukiwania z wieloma agentami działającymi (i konkurującymi) w tym samym środowisku. Gry: służą do zabawy ale i hazardu; są łatwe do sformułowania; agenci mogą zwykle wykonywać niewiele działań; są to zagadnienia interesujące, ale często bardzo trudne; Analiza gier może służyć ogólniejszym celom np. budowie robotów które mają działać w środowisku nieprzyjaznym;

5 6.1. Gry Relacja gier i poszukiwań Poszukiwania nie ma przeciwnika. Rozwiązanie jest heurystyczną metodą osiągnięcia celu. Heurystyki mogą znaleźć rozwiązanie optymalne. Funkcja szacująca - oszacowanie kosztu przejścia od startu do celu poprzez dany węzeł. Przykłady: planowanie dróg, opracowywanie harmonogramów. Gry są przeciwnicy. Rozwiązanie jest strategią gry, czyli odpowiedzią na każde działanie przeciwnika; Ograniczenia czasowe gry wymuszają znajdywanie rozwiązań przybliżonych. Funkcja szacująca oszacowanie dobroci sytuacji. Przykłady: szachy, warcaby, brydż, poker, trik-trak, kółko i krzyżyk, Go,...

6 6.1. Gry Klasyfikacja gier Informacja pełna Informacja niepełna Deterministyczne Szachy, Warcaby, Go, Kółko i krzyżyk Hazardowe Trik-trak (backgammon), Monopoly Brydż, Poker, Scrabble, wojna atomowa

7 6.2. Definicja gry W grze uczestniczą dwaj gracze: MAX i MIN. grę rozpoczyna MAX; ruchy wykonują naprzemian aż do zakończenia gry; zwycięzca otrzymuje nagrodę, przegrany ponosi karę. Gra jako poszukiwanie rozwiązania Stan początkowy: np. ustawienie szachów na szachownicy; Funkcja następnika: lista ruchów (stanów) spełniających reguły gry; Test końca: np. mat w szachach. Funkcja użyteczności - definiuje wartości stanów końcowych, np. zwycięzca (+1), przegrany (-1) lub remis(0). Do wyznaczenia następnego ruchu gracze używają algorytmu przeszukiwania drzewa.

8 6.2. Definicja gry Drzewo gry w kółko i krzyżyk

9 6.2. Definicja gry Drzewo gry w kółko i krzyżyk

10 6.2. Definicja gry Drzewo gry w kółko i krzyżyk

11 6.2. Definicja gry Drzewo gry w kółko i krzyżyk

12 6.2. Definicja gry Drzewo gry w kółko i krzyżyk Dla każdego stanu s drzewo gry określa możliwe ścieżki działań prowadzące do wygranej.

13 6.2. Definicja gry Strategie optymalne Znaleźć strategię warunkową dla gracza MAX przy założeniu, że MIN jest przeciwnikiem nieomylnym. Założenie - obaj gracze grają optymalnie. Znając drzewo gry można wyznaczyć strategię optymalną na podstawie wartości minimax dla każdego węzła. Należy wybrać ruch do węzła który ma największą wartość minimax. Odpowiada to uzyskaniu najkorzystniejszego wyniku przy najlepszej grze.

14 6.2. Definicja gry Algorytm MINIMAX Zasada algorytmu minimax dla dwóch graczy MAX i MIN Drzewo gry dla dwóch przeciwników.

15 6.2. Definicja gry Algorytm MINIMAX Zasada algorytmu minimax dla dwóch graczy MAX i MIN Wartości funkcji kosztu dla węzłów końcowych. Gracz MAX dąży do uzyskania największej wartości funkcji kosztu, zaś gracz MIN - najmniejszej.

16 6.2. Definicja gry Algorytm MINIMAX Zasada algorytmu minimax dla dwóch graczy MAX i MIN MIN wybiera posunięcia odpowiadające wartościom najmniejszym...

17 6.2. Definicja gry Algorytm MINIMAX Zasada algorytmu minimax dla dwóch graczy MAX i MIN Wybór minimax zaś MAX posunięcia odpowiadające wartościom największym. Algorytm minimax maksymalizuje więc najgorszy wynik gracza MAX.

18 6.2. Definicja gry Własności algorytmu MINIMAX Zupełność Tak, jeżeli drzewo jest skończone. Czas O(b m ) Pamięć O(bm) (poszukiwanie w głąb) Optymalność Tak (przeciwko grającemu optymalnie przeciwnikowi) Największą wadą algorytmu MINIMAX jest wykładniczy wzrost czasu wyznaczania rozwiązania ze wzrostem liczby ruchów. Rozwiązaniem problemu jest zastosowanie algorytmów obcinania gałęzi drzewa poszukiwań.

19 6.3. Algorytm przycinania α β 6.3. Algorytm przycinania α β Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. Zasada ogólna przycinania α - β Rozważmy węzeł v leżący gdzieś na drzewie. Jeżeli gracz MAX może dokonać lepszego wyboru w węźle rodzica lub gdziekolwiek wyżej (α) węzeł v nigdy nie biędzie osiągnięty. Gałąź z węzłem v może być przycięta.

20 6.3. Algorytm przycinania α β Przykład Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. Zakres możliwych wartości [-,+ ] [-, + ]

21 6.3. Algorytm przycinania α β Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. [-,+ ] [-,3]

22 6.3. Algorytm przycinania α β Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. [-,+ ] [-,3]

23 6.3. Algorytm przycinania α β Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. [3,+ ] [3,3]

24 6.3. Algorytm przycinania α β Idea: odrzcanie (przycinanie) tych gałęzi drzewa poszukiwań, które są nieperspektywiczne. [3,+ ] Ten węzeł jest gorszy dla MAX [3,3] [-,2]

25 6.3. Algorytm przycinania α β Własności algorytmu przycinania α - β Przycinanie nie wpływa na końcowy wynik gry. Przycinać można całe poddrzewa. Właściwa kolejność ruchów zwiększa efektywność przycinania. Czas obliczeń przy idealnym uporządkowaniu ruchów ~O(b m/2 ). Pozwala to podwoić głębokość poszukiwań.

26 6.4. Gry z niepełną informacją Algorytmy MINMAX i przycinania α - β wymagają jednak zbyt wielu oszacowań wartości na gałęziach, co zajęłoby za dużo czasu w grach rzeczywistych. Poprawa efektywności algorytmów gier (Shannon, 1950) Wprowadzenie ustalonej głębokości poszukiwań tak, aby nie przekroczyć limitu czasu ustalonego w danej grze (CUTOFF-TEST); Zastąpienie testu końcowego (TERMINAL-TEST) przez test obcięcia; Zastosowanie heurystycznej funkcji EVAL w przycinaniu α - β zamiast funkcji użyteczności końcowej UTILITY: UTILITY informacja tylko NA KOŃCU gry EVAL informacja o sytuacji także W TRAKCIE gry.

27 6.4. Gry z niepełną informacją Heurystyczna funkcja szacująca EVAL Idea: oszacowanie przewidywanego wyniku gry począwszy od aktualnego stanu. Efektywność gry zależy od jakości funkcji EVAL: funkcja EVAL powinna porządkować węzły kończące grę w taki sam sposób jak funkcja UTILITY, obliczenia nie mogą trwać zbyt długo, dla stanów niekońcowych funkcja EVAL powinna być silnie skorelowana z aktualną szansą wygranej. W szachach EVAL jest zazwyczaj liniową sumą ważoną, np.: EVAL(s) = w 1 f 1 (s) + w 2 f 2 (s) + + w n f n (s) Funkcje stanu f k (s) opisują różne elementy konfiguracji szachowych: starszeństwo figur, specyficzne układy figur, itp., np.: f k (s) = (liczba białych królowych) (liczba czarnych królowych) Współczynniki w k mogą być określone przez ekspertów mistrzów szachowych lub też mogą być wyuczone. Addytywność funkcji EVAL zakłada niezależność sytuacji szachowych.

28 6.4. Gry z niepełną informacją Efekty nieliniowe - wyjście poza horyzont Funkcja EVAL w postaci liniowej kombinacji sytuacji jest jednak użyteczna tylko dla stanów zmieniających się umiarkowanie. Poszukiwania o ustalonej głębokości nie zauważą możliwej zmiany pionka na królową - zmiana ta jest mocno nieliniowa! Użycie nieliniowej funkcji szacującej EVAL(s) = NLIN( f 1 (s), f 2 (s),, f n (s) ) pozwala lepiej szacować interakcje pomiędzy własnościami.

29 6.4. Gry z niepełną informacją Jak to działa w praktyce gry w szachy? Załóżmy, że na jeden ruch mamy 100 sekund, a możemy sprawdzać 10 4 węzłów/s. Możemy zatem sprawdzać 10 6 węzłów na jeden ruch. b = 35, b m = 10 6 m = 4 posunięcia naprzód Analiza mniej niż czterech posunięć cechuje jednak gracza bardzo słabego! 4 ruchy - nowicjusz, 8 ruchów - mistrz, komputer PC, 12 ruchów - arcymistrz Kasparow, komputer Deep Blue. Dla typowej partii szachów: b ~ 35, m ~ 100 co oznacza, że rozwiązanie ścisłe jest zupełnie nieosiągalne, ~ ~ Dla porównania liczba atomów we Wszechświecie ~10 80

30 6.5. Gry z losowością W wielu grach występują elementy losowe, odzwierciedlające nieprzewidywalność rzeczywistości. Gra Trik-Trak (Backgammon) zawiera losowość w postaci rzutów kostką Wynik rzutów kostką: 5, 6. Możliwe ruchy pionków: (5-10,5-11), (5-11,19-24), (5-10,10-16), (5-11,11-16)

31 6.5. Gry z losowością Do analizy gier losowych nie wystarcza drzewo MAX MIN. Należy je uzupełnić węzłami losowymi (chance nodes). C W węzłach losowych wyboru gałęzi dokonuje się na podstawie prawdopodobieństw poszczególnych możliwości. Algorytm EXPECTIMINMAX wykorzystuje wartość oczekiwaną obliczaną dla wszystkich możliwych zdarzeń. Problem gigantyczny koszt O(b m n m ).

32 6.5. Gry z losowością Karty gry losowe z niepełną informacją Gry w karty są interesujące, gdyż występują w nich zarówno losowość jak i niepełność informacji: początkowy rozkład kart jest losowy (losowość występuje tylko na początku gry), gracze nie znają rozkładu kart przeciwników - można wykorzystywać tylko tę informację, która jest dostępna w danej chwili. Do analizy gier w karty można użyć algorytmu MINIMAX. Idea: obliczyć wartości MINIMAX dla każdego ruchu w każdym rozdaniu i wybrać ruchy z największymi wartościami oczekiwanymi. Tak działa mistrzowski program GIB do gry w brydża: generuje sto rozdań zgodnych z licytacją, wybiera te ruchy, które wygrają więcej lew.

33 6.6. Osiągnięcia programów AI dla gier Szachy W roku 1997 komputer Deep Blue pokonał arcymistrza świata Garego Kasparowa w sześciu partiach. DeepBlue analizował sześć milionów pozycji w ciągu sekundy używając bardzo wyszukanego szacowania oraz pewnych metod tajnych, co umożliwiło przedłużanie ścieżek poszukiwań nawet do 40 ruchów naprzód.

34 6.6. Osiągnięcia programów AI dla gier Warcaby W roku 1994 program Chinook zakończył czterdziestoletnie panowanie geniusza warcabów, wielokrotnego mistrza świata, dr Mariona Tinsleya. Chinook używał w tym celu bazy danych zawierającej wstępnie obliczone końcówki gry opisujące 444,000,000,000 pozycji dla ośmiu lub mniejszej liczby pionków.

35 6.6. Osiągnięcia programów AI dla gier Othello (Reversi) Mistrzowie odrzucają grę z komputerami, gdyż są one zbyt dobre. Program Logistello wygrał mistrzostwa świata w roku 1997 wynikiem 6:0. Go Mistrzowie odrzucają grę z komputerami, gdyż są one za słabe. W tej grze b > 361 więc większość programów używa baz wiedzy które sugerują możliwe ruchy. Najlepsze programy: Goemate i Go4++, osiągają zaledwie poziom słabych amatorów. Brydż Program Bridge Baron wygrał po raz pierwszy mistrzostwa świata w roku 1997, a ogółem - pięciokrotnie. Program GIB wygrał mistrzostwa świata w roku Trik-Trak (Backgammon) Program TD-GAMMON uważany jest za jednego z trzech najlepszych graczy na świecie.

36 Podsumowanie Gry są przyjemne (ale czasami niebezpieczne...) W grach dwóch graczy o sumie zerowej z pełną informacją algorytm MINIMAX pozwala wyznaczyć ruchy optymalne. Niemożność analizy całego drzewa zmusza do użycia funkcji szacujących użyteczności stanów w grze. Gry ilustrują wiele ważnych kwestii dotyczących AI: gra perfekcyjna jest nieosiągalna, konieczna jest aproksymacja; niepewność wymaga użycia metod statystycznych. Gry dorównują mistrzom w wielu przypadkach: szachach, warcabach, Othello, Trik-Traku i innych. Uważa się, że gry są tym dla sztucznej inteligencji, czym wyścigi Grand Prix Formuły I są dla rozwoju automobilizmu.

37 Wątpliwość Wprawdzie programy AI są w stanie pokonać nawet arcymistrzów, ale muszą one korzystać z heurystyk wymyślonych przez człowieka. Czy zatem można uważać, że są to rzeczywiście byty cechujące się sztuczną inteligencją?

38 Poziomy sztucznej inteligencji Sztuczna świadomość? Uczenie się Planowanie i podejmowanie decyzji Uwzględnianie niepewności Wnioskowanie logiczne Rozwiązywanie problemów

Sztuczna Inteligencja i Systemy Doradcze

Sztuczna Inteligencja i Systemy Doradcze Sztuczna Inteligencja i Systemy Doradcze Przeszukiwanie przestrzeni stanów gry Przeszukiwanie przestrzeni stanów gry 1 Gry a problemy przeszukiwania Nieprzewidywalny przeciwnik rozwiązanie jest strategią

Bardziej szczegółowo

SID Wykład 4 Gry Wydział Matematyki, Informatyki i Mechaniki UW

SID Wykład 4 Gry Wydział Matematyki, Informatyki i Mechaniki UW SID Wykład 4 Gry Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Gry a problemy przeszukiwania Nieprzewidywalny przeciwnik rozwiazanie jest strategia specyfikujac a posunięcie dla każdej

Bardziej szczegółowo

Algorytmy dla gier dwuosobowych

Algorytmy dla gier dwuosobowych Algorytmy dla gier dwuosobowych Wojciech Dudek Seminarium Nowości Komputerowe 5 czerwca 2008 Plan prezentacji Pojęcia wstępne (gry dwuosobowe, stan gry, drzewo gry) Algorytm MiniMax Funkcje oceniające

Bardziej szczegółowo

Wyznaczanie strategii w grach

Wyznaczanie strategii w grach Wyznaczanie strategii w grach Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Definicja gry Teoria gier i konstruowane na jej podstawie programy stanowią jeden z głównych

Bardziej szczegółowo

Heurystyki. Strategie poszukiwań

Heurystyki. Strategie poszukiwań Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja

Bardziej szczegółowo

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 5. ROZWIĄZYWANIE PROBLEMÓW Z OGRANICZENIAMI Problemy z ograniczeniami

Bardziej szczegółowo

Partition Search i gry z niezupełną informacją

Partition Search i gry z niezupełną informacją MIMUW 21 stycznia 2010 1 Co to jest gra? Proste algorytmy 2 Pomysł Algorytm Przykład użycia 3 Monte Carlo Inne spojrzenie Definicja Co to jest gra? Proste algorytmy Grą o wartościach w przedziale [0, 1]

Bardziej szczegółowo

Gry. wykład 5. dr inż. Joanna Kołodziejczyk. Zakład Sztucznej Inteligencji ISZiMM. ESI - wykład 5 p. 1

Gry. wykład 5. dr inż. Joanna Kołodziejczyk. Zakład Sztucznej Inteligencji ISZiMM. ESI - wykład 5 p. 1 Gry wykład 5 dr inż. Joanna Kołodziejczyk jkolodziejczyk@wi.ps.pl Zakład Sztucznej Inteligencji ISZiMM ESI - wykład 5 p. 1 Plan wykładu Adversarial search jak postępować, gdy inni agenci sa naszymi przeciwnikami,

Bardziej szczegółowo

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul Poziomy sztucznej inteligencji Sztuczna świadomość? Uczenie się

Bardziej szczegółowo

TEORIA GIER DEFINICJA (VON NEUMANN, MORGENSTERN) GRA. jednostek (graczy) znajdujących się w sytuacji konfliktowej (konflikt interesów),w

TEORIA GIER DEFINICJA (VON NEUMANN, MORGENSTERN) GRA. jednostek (graczy) znajdujących się w sytuacji konfliktowej (konflikt interesów),w TEORIA GIER GRA DEFINICJA (VON NEUMANN, MORGENSTERN) Gra składa się z zestawu reguł określających możliwości wyboru postępowania jednostek (graczy) znajdujących się w sytuacji konfliktowej (konflikt interesów),w

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji

Wstęp do Sztucznej Inteligencji Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -

Bardziej szczegółowo

METODY SZTUCZNEJ INTELIGENCJI 2 Opis projektu

METODY SZTUCZNEJ INTELIGENCJI 2 Opis projektu Kamil Figura Krzysztof Kaliński Bartek Kutera METODY SZTUCZNEJ INTELIGENCJI 2 Opis projektu Porównanie metod uczenia z rodziny TD z algorytmem Layered Learning na przykładzie gry w warcaby i gry w anty-warcaby

Bardziej szczegółowo

Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH

Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp

Bardziej szczegółowo

Teoria gier. Wykład7,31III2010,str.1. Gry dzielimy

Teoria gier. Wykład7,31III2010,str.1. Gry dzielimy Wykład7,31III2010,str.1 Gry dzielimy Wykład7,31III2010,str.1 Gry dzielimy ze względu na: liczbę graczy: 1-osobowe, bez przeciwników(np. pasjanse, 15-tka, gra w życie, itp.), Wykład7,31III2010,str.1 Gry

Bardziej szczegółowo

Teoria gier. Teoria gier. Odróżniać losowość od wiedzy graczy o stanie!

Teoria gier. Teoria gier. Odróżniać losowość od wiedzy graczy o stanie! Gry dzielimy ze względu na: liczbę graczy: 1-osobowe, bez przeciwników(np. pasjanse, 15-tka, gra w życie, itp.), 2-osobowe(np. szachy, warcaby, go, itp.), wieloosobowe(np. brydż, giełda, itp.); wygraną/przegraną:

Bardziej szczegółowo

Wykład 7 i 8. Przeszukiwanie z adwersarzem. w oparciu o: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach

Wykład 7 i 8. Przeszukiwanie z adwersarzem. w oparciu o: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach (4g) Wykład 7 i 8 w oparciu o: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach P. Kobylański Wprowadzenie do Sztucznej Inteligencji 177 / 226 (4g) gry optymalne decyzje w grach algorytm

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

Metody przeszukiwania

Metody przeszukiwania Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania

Bardziej szczegółowo

Narzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)

Narzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Bardziej szczegółowo

Heurystyczne metody przeszukiwania

Heurystyczne metody przeszukiwania Heurystyczne metody przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Pojęcie heurystyki Metody heurystyczne są jednym z ważniejszych narzędzi sztucznej inteligencji.

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona

Bardziej szczegółowo

11. Gry Macierzowe - Strategie Czyste i Mieszane

11. Gry Macierzowe - Strategie Czyste i Mieszane 11. Gry Macierzowe - Strategie Czyste i Mieszane W grze z doskonałą informacją, gracz nie powinien wybrać akcję w sposób losowy (o ile wypłaty z różnych decyzji nie są sobie równe). Z drugiej strony, gdy

Bardziej szczegółowo

10. Wstęp do Teorii Gier

10. Wstęp do Teorii Gier 10. Wstęp do Teorii Gier Definicja Gry Matematycznej Gra matematyczna spełnia następujące warunki: a) Jest co najmniej dwóch racjonalnych graczy. b) Zbiór możliwych dezycji każdego gracza zawiera co najmniej

Bardziej szczegółowo

CZYM JEST SZTUCZNA INTELIGENCJA? REPREZENTACJA WIEDZY SZTUCZNA INTELIGENCJA PROJEKTOWANIE ALGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI

CZYM JEST SZTUCZNA INTELIGENCJA? REPREZENTACJA WIEDZY SZTUCZNA INTELIGENCJA PROJEKTOWANIE ALGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI PROJEKTOWANIE ALGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI CZYM JEST SZTUCZNA INTELIGENCJA? Jak działa ludzki mózg? SZTUCZNA INTELIGENCJA Jak zasymulować ludzki mózg? Co to kogo obchodzi zróbmy coś pożytecznego

Bardziej szczegółowo

Teoria Gier - wojna, rybołówstwo i sprawiedliwość w polityce.

Teoria Gier - wojna, rybołówstwo i sprawiedliwość w polityce. Liceum Ogólnokształcące nr XIV we Wrocławiu 5 maja 2009 1 2 Podobieństwa i różnice do gier o sumie zerowej Równowaga Nasha I co teraz zrobimy? 3 Idee 1 Grać będą dwie osoby. U nas nazywają się: pan Wiersz

Bardziej szczegółowo

Rachunek prawdopodobieństwa w grach losowych.

Rachunek prawdopodobieństwa w grach losowych. Rachunek prawdopodobieństwa w grach losowych. Lista zawiera kilkadziesiąt zadań dotyczących różnych gier z użyciem kart i kości, w tym tych najbardziej popularnych jak brydż, tysiąc itp. Kolejne zadania

Bardziej szczegółowo

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 9 PRZESZUKIWANIE GRAFÓW Z

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Definicja gry o sumie zerowej Powiemy, że jest grą o

Bardziej szczegółowo

W którym rozważamy problemy pojawiające się, gdy próbujemy planować z góry w świecie zawierającym wrogiego agenta.

W którym rozważamy problemy pojawiające się, gdy próbujemy planować z góry w świecie zawierającym wrogiego agenta. Rozdział 5 Gry W którym rozważamy problemy pojawiające się, gdy próbujemy planować z góry w świecie zawierającym wrogiego agenta. 5.1 Wprowadzenie: gry jako problemy szukania Gry angażowały zdolności intelektualne

Bardziej szczegółowo

Adam Meissner. SZTUCZNA INTELIGENCJA Gry dwuosobowe

Adam Meissner. SZTUCZNA INTELIGENCJA Gry dwuosobowe Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Gry dwuosobowe Literatura [1] Sterling

Bardziej szczegółowo

Luty 2001 Algorytmy (4) 2000/2001

Luty 2001 Algorytmy (4) 2000/2001 Mając dany zbiór elementów, chcemy znaleźć w nim element największy (maksimum), bądź najmniejszy (minimum). We wszystkich naturalnych metodach znajdywania najmniejszego i największego elementu obecne jest

Bardziej szczegółowo

Planowanie drogi robota, algorytm A*

Planowanie drogi robota, algorytm A* Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy

Bardziej szczegółowo

Rozwiązywanie problemów metodą przeszukiwania

Rozwiązywanie problemów metodą przeszukiwania Rozwiązywanie problemów metodą przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Reprezentacja problemu w przestrzeni stanów Jedną z ważniejszych metod sztucznej

Bardziej szczegółowo

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. GRY (część 1) Zastosowanie: Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. Najbardziej znane modele: - wybór strategii marketingowych przez konkurujące ze sobą firmy

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 12. PRZESZUKIWANIE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska ROZWIĄZYWANIE PROBLEMÓW JAKO PRZESZUKIWANIE Istotną rolę podczas

Bardziej szczegółowo

Alfa-beta Ulepszenie minimax Liczba wierzchołk ow w drzewie gry. maksymalnie wd. minimalnie wbd/2c + wdd/2e Algorytmy przeszukiwania drzewa gry 5

Alfa-beta Ulepszenie minimax Liczba wierzchołk ow w drzewie gry. maksymalnie wd. minimalnie wbd/2c + wdd/2e Algorytmy przeszukiwania drzewa gry 5 Zastosowanie metody Samuela doboru współczynników funkcji oceniajacej w programie grajacym w anty-warcaby Daniel Osman promotor: dr hab. inż. Jacek Mańdziuk 1 Spis treści Algorytmy przeszukiwania drzewa

Bardziej szczegółowo

Układy stochastyczne

Układy stochastyczne Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.

Bardziej szczegółowo

Temat 1: Pojęcie gry, gry macierzowe: dominacje i punkty siodłowe

Temat 1: Pojęcie gry, gry macierzowe: dominacje i punkty siodłowe Temat 1: Pojęcie gry, gry macierzowe: dominacje i punkty siodłowe Teorię gier można określić jako teorię podejmowania decyzji w szczególnych warunkach. Zajmuje się ona logiczną analizą sytuacji konfliktu

Bardziej szczegółowo

Podstawy sztucznej inteligencji

Podstawy sztucznej inteligencji wykład II Problem solving 03 październik 2012 Jakie problemy możemy rozwiązywać? Cel: Zbudować inteligentnego agenta planującego, rozwiązującego problem. Szachy Kostka rubika Krzyżówka Labirynt Wybór trasy

Bardziej szczegółowo

GRY I ZABAWY UMYSŁOWO- LOGICZNE JAKO FORMA UPOWSZECHNIANIA KULTURY. Donata Fraś

GRY I ZABAWY UMYSŁOWO- LOGICZNE JAKO FORMA UPOWSZECHNIANIA KULTURY. Donata Fraś GRY I ZABAWY UMYSŁOWO- LOGICZNE JAKO FORMA UPOWSZECHNIANIA KULTURY Donata Fraś Gry umysłowe To gry towarzyskie, których rezultat zależy wyłącznie od świadomych decyzji podejmowanych przez partnera Wymagają:

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 12 Teoria gier II Spis treści Wstęp Oligopol, cła oraz zbrodnia i kara Strategie mieszane Analiza zachowań w warunkach dynamicznych Indukcja wsteczna Gry powtarzane

Bardziej szczegółowo

Archipelag Sztucznej Inteligencji

Archipelag Sztucznej Inteligencji Archipelag Sztucznej Inteligencji Istniejące metody sztucznej inteligencji mają ze sobą zwykle niewiele wspólnego, więc można je sobie wyobrażać jako archipelag wysp, a nie jako fragment stałego lądu.

Bardziej szczegółowo

Sztuczna inteligencja w programowaniu gier

Sztuczna inteligencja w programowaniu gier ztuczna inteligencja w programowaniu gier Algorytmy przeszukiwania przestrzeni rozwiązań Krzysztof Ślot Wprowadzenie Ogólna charakterystyka zagadnienia Cel przeszukiwania: znaleźć element będący rozwiązaniem

Bardziej szczegółowo

Algorytmy i struktury danych

Algorytmy i struktury danych POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Algorytmy i struktury danych www.pk.edu.pl/~zk/aisd_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 5: Algorytmy

Bardziej szczegółowo

Zaawansowane algorytmy i struktury danych

Zaawansowane algorytmy i struktury danych Zaawansowane algorytmy i struktury danych u dr Barbary Marszał-Paszek Opracowanie pytań teoretycznych z egzaminów. Strona 1 z 12 Pytania teoretyczne z egzaminu pisemnego z 25 czerwca 2014 (studia dzienne)

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu. SYLLABUS na rok akademicki 01/013 Tryb studiów Studia stacjonarne Kierunek studiów Informatyka Poziom studiów Pierwszego stopnia Rok studiów/ semestr /3 Specjalność Bez specjalności Kod katedry/zakładu

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

Wykorzystanie algorytmów mrówkowych w dynamicznym problem

Wykorzystanie algorytmów mrówkowych w dynamicznym problem Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 14 czerwca 2013 Przedmiot i cele pracy dyplomowej

Bardziej szczegółowo

Instrukcja obsługi programu

Instrukcja obsługi programu Instrukcja obsługi programu 1. Wstęp Korzystając z aplikacji Reversi.NET moŝesz grać w grę Reversi (alt. Othello). Program pozwala na grę pomiędzy dwiema osobami uŝywającymi tego samego komputera, poprzez

Bardziej szczegółowo

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r.

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r. mgr inż. Anna Skowrońska-Szmer Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością 04.01.2012r. 1. Cel prezentacji 2. Biznesplan podstawowe pojęcia 3. Teoria gier w

Bardziej szczegółowo

Instytut Informatyki Uniwersytet Wrocławski. Dane w sieciach. (i inne historie) Marcin Bieńkowski

Instytut Informatyki Uniwersytet Wrocławski. Dane w sieciach. (i inne historie) Marcin Bieńkowski Dane w sieciach (i inne historie) Marcin Bieńkowski Jak przechowywać dane w sieciach (strony WWW, bazy danych, ) tak, żeby dowolne ciągi odwołań do (części) tych obiektów mogły być obsłużone małym kosztem?

Bardziej szczegółowo

Informatyka Systemów Autonomicznych

Informatyka Systemów Autonomicznych Grzegorz Bartoszek 148326 Informatyka Systemów Autonomicznych Systemy informatyczne działające w świecie statycznym, quasi-statycznym i dynamicznym Prowadzący: dr inż. Marek Piasecki 1.Wstęp Systemy komputerowe

Bardziej szczegółowo

ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe

ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe opracował:

Bardziej szczegółowo

Algorytmy i schematy blokowe

Algorytmy i schematy blokowe Algorytmy i schematy blokowe Algorytm dokładny przepis podający sposób rozwiązania określonego zadania w skończonej liczbie kroków; zbiór poleceń odnoszących się do pewnych obiektów, ze wskazaniem porządku,

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO D. Miszczyńska, M.Miszczyński KBO UŁ GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO Gra w sensie niżej przedstawionym to zasady którymi kierują się decydenci. Zakładamy, że rezultatem gry jest wypłata,

Bardziej szczegółowo

Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).

Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ). Algorytm A* Opracowanie: Joanna Raczyńska 1.Wstęp Algorytm A* jest heurystycznym algorytmem służącym do znajdowania najkrótszej ścieżki w grafie. Jest to algorytm zupełny i optymalny, co oznacza, że zawsze

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ TEORI GIER W EKONOMII WYKŁD 5: GRY DWUOSOOWE KOOPERCYJNE O SUMIE NIESTŁEJ dr Robert Kowalczyk Katedra nalizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwumacierzowe Skończoną grę dwuosobową o

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ

TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwuosobowe z kooperacją Przedstawimy

Bardziej szczegółowo

Dobble? Co to takiego?

Dobble? Co to takiego? SZALONA GRA WYMAGAJĄCA REFLEKSU OD 2 DO 8 GRACZY OD 6. ROKU ŻYCIA GWIEZDNE WOJNY ZASADY GRY Dobble? Co to takiego? Gra Dobble składa się z 55 kart. Na każdej z nich znajduje się 8 różnych symboli z puli

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

TEORIA GIER HISTORIA TEORII GIER. Rok 1944: powszechnie uznana data narodzin teorii gier. Rok 1994: Nagroda Nobla z dziedziny ekonomii

TEORIA GIER HISTORIA TEORII GIER. Rok 1944: powszechnie uznana data narodzin teorii gier. Rok 1994: Nagroda Nobla z dziedziny ekonomii TEORIA GIER HISTORIA TEORII GIER Rok 1944: powszechnie uznana data narodzin teorii gier Monografia: John von Neumann, Oskar Morgenstern Theory of Games and Economic Behavior (Teoria gier i postępowanie

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Przeszukiwanie Przeszukiwanie przestrzeni stanów Motywacja Rozwiązywanie problemów: poszukiwanie sekwencji operacji prowadzącej do celu poszukiwanie

Bardziej szczegółowo

Techniki sztucznej inteligencji w programach grających

Techniki sztucznej inteligencji w programach grających Techniki sztucznej inteligencji w programach grających Jakub Pawlewicz 27 luty 2010 1 Wprowadzenie Sztuczna inteligencja w grach jest bardzo atrakcyjną dziedziną badań, gdyż wymyślone metody można łatwo

Bardziej szczegółowo

ZASADY PROGRAMOWANIA KOMPUTERÓW ZAP zima 2014/2015. Drzewa BST c.d., równoważenie drzew, kopce.

ZASADY PROGRAMOWANIA KOMPUTERÓW ZAP zima 2014/2015. Drzewa BST c.d., równoważenie drzew, kopce. POLITECHNIKA WARSZAWSKA Instytut Automatyki i Robotyki ZASADY PROGRAMOWANIA KOMPUTERÓW ZAP zima 204/205 Język programowania: Środowisko programistyczne: C/C++ Qt Wykład 2 : Drzewa BST c.d., równoważenie

Bardziej szczegółowo

Wybrane podstawowe rodzaje algorytmów

Wybrane podstawowe rodzaje algorytmów Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych

Bardziej szczegółowo

Uczeń: -podaje przykłady ciągów liczbowych skończonych i nieskończonych oraz rysuje wykresy ciągów

Uczeń: -podaje przykłady ciągów liczbowych skończonych i nieskończonych oraz rysuje wykresy ciągów Wymagania edukacyjne PRZEDMIOT: Matematyka KLASA: III Th ZAKRES: zakres podstawowy Poziom wymagań Lp. Dział programu Konieczny-K Podstawowy-P Rozszerzający-R Dopełniający-D Uczeń: 1. Ciągi liczbowe. -zna

Bardziej szczegółowo

Szachy INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt.

Szachy INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. INSTRUKCJA Szachy rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. Partia szachowa jest rozgrywana między dwoma przeciwnikami, którzy wykonują posunięcia bierkami na kwadratowej tablicy, zwanej szachownicą.

Bardziej szczegółowo

SZACHY mini INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt.

SZACHY mini INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. INSTRUKCJA SZACHY mini rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. Partia szachowa jest rozgrywana między dwoma przeciwnikami, którzy wykonują posunięcia bierkami na kwadratowej tablicy, zwanej

Bardziej szczegółowo

WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH. Sposoby sprawdzania wiedzy i umiejętności uczniów

WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH. Sposoby sprawdzania wiedzy i umiejętności uczniów WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH Sposoby sprawdzania wiedzy i umiejętności uczniów 1. Odpowiedzi ustne. 2. Sprawdziany pisemne. 3. Kartkówki. 4. Testy.

Bardziej szczegółowo

Teoria gier matematyki). optymalności decyzji 2 lub więcej Decyzja wpływa na wynik innych graczy strategiami

Teoria gier matematyki). optymalności decyzji 2 lub więcej Decyzja wpływa na wynik innych graczy strategiami Teoria gier Teoria gier jest częścią teorii decyzji (czyli gałęzią matematyki). Teoria decyzji - decyzje mogą być podejmowane w warunkach niepewności, ale nie zależą od strategicznych działań innych Teoria

Bardziej szczegółowo

Systemy Wspomagania Decyzji

Systemy Wspomagania Decyzji Teoria decyzji Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności February 5, 2016 1 Definicje 2 Normatywna teoria decyzji 3 Opisowa teoria decyzji 4 Naturalistyczny model podejmowania decyzji

Bardziej szczegółowo

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 4 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

ATOLL. Wykonali: Aleksandra Kuchta, Łukasz Wójcik, Sztuczna Inteligencja, Semestr trzeci, Kierunek Informatyka, Wydział Informatyki i Zarządzania,

ATOLL. Wykonali: Aleksandra Kuchta, Łukasz Wójcik, Sztuczna Inteligencja, Semestr trzeci, Kierunek Informatyka, Wydział Informatyki i Zarządzania, Sztuczna Inteligencja, Semestr trzeci, Kierunek Informatyka, Wydział Informatyki i Zarządzania, Politechnika Poznańska ATOLL Wykonali: Aleksandra Kuchta, WFT, PP, nr 76690, rok IV Łukasz Wójcik, WIiZ,

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości; WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP Liczby. TEMAT Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie liczb dodatnich. Mnożenie i dzielenie

Bardziej szczegółowo

INFORMATYKA POZIOM ROZSZERZONY

INFORMATYKA POZIOM ROZSZERZONY EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi

Bardziej szczegółowo

Wysokie Napięcie: Roboty

Wysokie Napięcie: Roboty Wysokie Napięcie: Roboty To rozszerzenie umożliwia grę tylko z posiadanym zestawem podstawowym gry Wysokie Napięcie. Podstawowe zasady gry pozostają niezmienione. Następne paragrafy opisują tylko zmiany

Bardziej szczegółowo

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 2 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 01 Modele obliczeń Jarosław Miszczak IITiS PAN Gliwice 05/10/2016 1 / 33 1 2 3 4 5 6 2 / 33 Co to znaczy obliczać? Co to znaczy obliczać? Deterministyczna maszyna Turinga

Bardziej szczegółowo

Rozkład materiału nauczania

Rozkład materiału nauczania Dział/l.p. Ilość godz. Typ szkoły: TECHNIKUM Zawód: TECHNIK USŁUG FRYZJERSKICH Rok szkolny 2015/2016 Przedmiot: MATEMATYKA Klasa: III 2 godz/tyg 30 = 60 godzin Rozkład materiału nauczania Temat I. LOGARYTMY

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD V: Agent wciąż szuka rozwiązania (choć już nie na ślepo)

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD V: Agent wciąż szuka rozwiązania (choć już nie na ślepo) Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD V: Agent wciąż szuka rozwiązania (choć już nie na ślepo) Poprzednio: węzeł reprezentowany jest jako piątka: stan odpowiadający węzłowi rodzic węzła

Bardziej szczegółowo

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar

Bardziej szczegółowo

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym Plan wynikowy lasa III Technikum ekonomiczne. ształcenie ogólne w zakresie rozszerzonym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania

Bardziej szczegółowo

ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO KONSTRUKCJI

ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO KONSTRUKCJI ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO KONSTRUKCJI FUNKCJI OCENIAJĄCEJ W GRZE OTHELLO Tomasz Dąbrowski, Halina Kwaśnicka, Maciej Piasecki Wydziałowy Zakład Informatyki, Politechnika Wrocławska, ul. Wybrzeże

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Algorytm genetyczny (genetic algorithm)-

Algorytm genetyczny (genetic algorithm)- Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie

Bardziej szczegółowo

Mikroekonomia. O czym dzisiaj?

Mikroekonomia. O czym dzisiaj? Mikroekonomia Joanna Tyrowicz jtyrowicz@wne.uw.edu.pl http://www.wne.uw.edu.pl/~jtyrowicz 1.12.2007r. Mikroekonomia WNE UW 1 O czym dzisiaj? Macierze wypłat, czyli ile trzeba mieć w razie się straci...

Bardziej szczegółowo

Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych

Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej

Bardziej szczegółowo

Czym jest użyteczność?

Czym jest użyteczność? Czym jest użyteczność? W teorii gier: Ilość korzyści (czy też dobrobytu ), którą gracz osiąga dla danego wyniku gry. W ekonomii: Zdolność dobra do zaspokajania potrzeb. Określa subiektywną przyjemność,

Bardziej szczegółowo

8. Podejmowanie Decyzji przy Niepewności

8. Podejmowanie Decyzji przy Niepewności 8. Podejmowanie Decyzji przy Niepewności Wcześniej, losowość (niepewność) nie była brana pod uwagę (poza przypadkiem ubezpieczenia życiowego). Na przykład, aby brać pod uwagę ryzyko że pożyczka nie zostanie

Bardziej szczegółowo

Zadanie 1: Piętnastka - uzupełnienie

Zadanie 1: Piętnastka - uzupełnienie Informatyka, studia dzienne, inż. I st. semestr VI Sztuczna Inteligencja i Systemy Ekspertowe 2010/2011 Prowadzący: mgr Michał Pryczek piątek, 12:00 Data oddania: Ocena: Grzegorz Graczyk 150875 Marek Rogalski

Bardziej szczegółowo

Zadanie 1: Piętnastka

Zadanie 1: Piętnastka Informatyka, studia dzienne, inż. I st. semestr VI Sztuczna Inteligencja i Systemy Ekspertowe 2010/2011 Prowadzący: mgr Michał Pryczek piątek, 12:00 Data oddania: Ocena: Grzegorz Graczyk 150875 Marek Rogalski

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna wykład 1: Indukcja i zależności rekurencyjne Gniewomir Sarbicki Literatura Kenneth A. Ross, Charles R. B. Wright Matematyka Dyskretna PWN 005 J. Jaworski, Z. Palka, J. Szymański Matematyka

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności

Bardziej szczegółowo

Opis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć

Opis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć Załącznik nr 5 do Uchwały nr 1202 Senatu UwB z dnia 29 lutego 2012 r. nazwa SYLABUS A. Informacje ogólne Tę część wypełnia koordynator (w porozumieniu ze wszystkimi prowadzącymi dany przedmiot w jednostce)

Bardziej szczegółowo

Wymagania egzaminacyjne z matematyki. Klasa 3C. MATeMATyka. Nowa Era. Klasa 3

Wymagania egzaminacyjne z matematyki. Klasa 3C. MATeMATyka. Nowa Era. Klasa 3 Wymagania egzaminacyjne z matematyki. lasa 3C. MATeMATyka. Nowa Era. y są ze sobą ściśle powiązane ( + P + R + D + W), stanowiąc ocenę szkolną, i tak: ocenę dopuszczającą (2) otrzymuje uczeń, który spełnił

Bardziej szczegółowo

Kognitywne podejście do gry w szachy kontynuacja prac

Kognitywne podejście do gry w szachy kontynuacja prac Kognitywne podejście do gry w szachy kontynuacja prac Stanisław Kaźmierczak Opiekun naukowy: prof. dr hab. Jacek Mańdziuk 2 Agenda Motywacja Kilka badań Faza nauki Wzorce Generowanie ruchów Przykłady Pomysły

Bardziej szczegółowo

OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA

OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000

Bardziej szczegółowo