Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, wgłąb
|
|
- Kazimierz Morawski
- 5 lat temu
- Przeglądów:
Transkrypt
1 POLITECHNIKA WROCŁAWSKA WYDZIAŁ ELEKTRONIKI INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, wgłąb AUTOR: Krzysztof Górski Indeks: PROWADZĄCY: Dr inŝ. Marek Piasecki OCENA PRACY: Wrocław 2007
2 Spis treści 1. WPROWADZENIE GENEZA PROBLEMU TERMINOLOGIA METODY PRZESZUKIWANIA PRZESZUKIWANIE NA ŚLEPO PRZESZUKIWANIE WSZERZ STRATEGIA JEDNOLITEGO KOSZTU PRZESZUKIWANIE WGŁĄB PRZESZUKIWANIE OGRANICZONE WGŁĄB PRZESZUKIWANIE ITERACYJNIE POGŁĘBIANE PRZESZUKIWANIE DWUKIERUNKOWE ZASTOSOWANIE PODSUMOWANIE...12 LITERATURA
3 1. Wprowadzenie 1.1 Geneza problemu Na co dzień, często nie zastanawiając się nad tym, spotykamy się z problemami, które staramy się rozwiązać i uzyskać jak najlepszy wynik, który pozwoli nam zaoszczędzić czas lub cenne dla nas środki, bądź osiągnąć satysfakcję. MoŜe to być próba dostania się na drugi koniec miasta z dobrym rozplanowaniem przesiadek, bądź próba pokonania przeciwnika w jakiejś grze. Często nie jesteśmy sami w stanie objąć całej złoŝoności problemu, kierujemy się intuicją i wybrane przez nas rozwiązanie nie jest najlepszym z moŝliwych. Często jest na tyle dobre, Ŝe zaprzątanie sobie głowy rozwaŝaniami czy istnieje lepsze, nie ma sensu. Czasem jednak znalezienie rozwiązania optymalnego jest konieczne, bądź decyzja o wybraniu określonego rozwiązania musi posiadać uzasadnienie. W tej sytuacji, w celu rozwiązania problemu naleŝy się zwrócić ku metodom formalnym. 1.2 Terminologia Chcąc rozwiązać dany, rzeczywisty problem naleŝy określić co ma kluczowe znaczenie dla jego opisu, a które elementy nie są istotne lub nie mają znaczącego wpływu na jego istotę. Świat rzeczywisty jest zbyt skomplikowany aby odwzorowywać go w sposób jak najbardziej zbliŝony do rzeczywistości. Dlatego jednym z podstawowych zadań w trakcie formułowania problemu jest określenie modelu świata odpowiadającego potrzebie odwzorowania problemu w sposób moŝliwie precyzyjny, upraszczając lub pomijając niektóre aspekty. W celu przedstawienia reprezentacji problemu określa się jego następujące cechy: stany reprezentujące opisy roŝnych stanów świata rzeczywistego, akcje określające działania, które zmieniają stan bieŝący, koszt akcji w sytuacji gdy interesuje nas jakość rozwiązania, a akcje charakteryzują się roŝnymi kosztami ich wykonania. Ze względu na konieczność wykorzystania formalnych środków w celu rozwiązania problemu, przestrzeń stanów musi być niejako abstrakcyjna, wyrwana 3
4 z rzeczywistości, akcje natomiast reprezentują złoŝone operacje rzeczywiste. Zbiór stanów i akcji składa się na przestrzeń rozwiązań rozwaŝanego problemu. Gdy zdefiniowane zostały juŝ środki do opisu reprezentacji problemu, naleŝy określić pojęcia, które pozwolą na jego formalne sformułowanie: Stan początkowy stan przed rozwiązaniem problemu. Cel stan docelowy, lub zbiór stanów spełniających warunki postawionego zadania. Rozwiązanie ścieŝka bądź zbiór akcji prowadzących ze stanu początkowego do stanu docelowego. Koszt rozwiązania suma kosztów akcji składających się na rozwiązanie danego problemu. W zaleŝności od wybranego zadania, moŝemy szukać rozwiązania o najniŝszym lub najwyŝszym koszcie. Gdy po etapach określenia reprezentacji problemu i jego sformułowaniu, wybrana zostanie metoda rozwiązania, nim przystąpi się do jej implementacji warto zwrócić uwagę na pojęcie węzła. Węzeł jest strukturą danych i stanowi część przeszukiwanego drzewa. Charakteryzuje się poprzednikiem (rodzicem), następnikami (potomkami), głębokością oraz kosztem ścieŝki od korzenia. Elementów tych nie posiadają stany, a dane te są niezwykle waŝne przy implementacji przeszukiwania przestrzeni rozwiązań. 1.3 Metody przeszukiwania Istnieje wiele strategii przeszukiwania przestrzeni rozwiązań, a róŝnice pomiędzy nimi są związane z kolejnością ekspansji stanów, kierunkiem poruszania się po drzewie rozwiązań. Kolejny podział na podgrupy metod przeszukiwania moŝna przeprowadzić ze względu na rodzaj informacji wykorzystywanej przez daną metodę, w celu znalezienia rozwiązania. Strategie wykorzystujące informacje zawarte tylko w definicji problemu nazywane są ślepymi i zostaną szczegółowo opisane w tym opracowaniu. Do strategii ślepych zaliczają się: Przeszukiwanie wszerz 4
5 Strategia jednolitego kosztu Przeszukiwanie wgłąb Przeszukiwanie ograniczone wgłąb Przeszukiwanie iteracyjnie pogłębiane Przeszukiwanie dwukierunkowe Strategie wykorzystujące dodatkowe informacje dotyczące problemu i jego rozwiązania, jak oszacowania kosztu rozwiązania od stanu bieŝącego do celu, czyli próby określenia trafności wyboru przyjętego kierunku poszukiwań, zaliczają się do metod heurystycznych. Przykładami tych metod są: Algorytmy genetyczne Symulowane wyŝarzanie Tabu search Przeszukiwanie zachłanne i wiele innych W celu określenia wad i zalet poszczególnych metod przeszukiwania i dokonania oceny dostarczanych przez nich rozwiązań, wykorzystuje się następujące kryteria: Zupełność czy dana metoda zawsze znajduje rozwiązanie, w sytuacji gdy ono istnieje? ZłoŜoność czasowa dotyczy całkowitej liczby wygenerowanych węzłów, co jednoznacznie przekłada się na czas potrzebny na te operacje. ZłoŜoność pamięciowa maksymalna liczba węzłów przechowywanych w jednej chwili w pamięci. Optymalność czy metoda pozwala znaleźć rozwiązanie optymalne (o minimalnym, bądź maksymalnym koszcie) W opisach powyŝszych kryteriów, przedstawionych w dalszej części, występują symbole: b maksymalne rozgałęzienie drzewa przeszukiwań, liczba akcji; d głębokość rozwiązania optymalnego; m maksymalna głębokość drzewa przeszukiwania; 5
6 2. Przeszukiwanie na ślepo Metody przeszukiwania na ślepo charakteryzują się wykorzystaniem tylko informacji zawartych w definicji problemu. Dzielą się one na trzy grupy: strategie warstwowe dokonujące ekspansji poziomej drzewa, strategie wgłębne eksplorujące drzewa w pionie oraz strategie łączące elementy z obu grup. 2.1 Przeszukiwanie wszerz Przeszukiwanie wszerz jest strategią warstwową. Rozpoczyna swoje działanie od węzła korzenia i wykonuje ekspansję najpłytszego węzła, ze zbioru węzłów do tej pory nie rozszerzonych. Rys. 1. Przeszukiwanie wszerz Metoda ta zawsze dostarcza rozwiązania o ile liczba akcji jaka moŝe zostać wykonana na danym stanie jest skończona. ZłoŜoność czasowa jest wykładnicza względem głębokości rozwiązania optymalnego i jest opisana wzorem: 1+b+b 2 +b 3 + +b d +b(b d -1)=O(b d+1 ) W pamięci przechowywany jest kaŝdy odwiedzony do tej pory węzeł, stąd złoŝoność pamięciowa równieŝ jest zaleŝnością wykładniczą O(b d+1 ). O ile koszt kaŝdej akcji jaką moŝna wykonać jest taki sam, strategia ta dostarcza optymalne rozwiązanie. 6
7 2.2 Strategia jednolitego kosztu Metoda ta jest modyfikacją przeszukiwania wszerz, stosowaną w sytuacji, gdy akcje jakie moŝna wykonać charakteryzują się róŝnymi kosztami. Polega ona na ekspansji węzła o najmniejszym koszcie g spośród węzłów do tej pory nie rozwiniętych. Rys. 2. Strategia jednolitego kosztu O ile koszt wszystkich akcji jest większy lub równy od pewnego ε > 0, to metoda ta dostarcza rozwiązania. ZłoŜoność czasowa jest opisana liczbą węzłów, których koszt g jest mniejszy od kosztu C* optymalnego rozwiązania i jest rzędu O(b C*/ε ). Podane oszacowanie opisuje równieŝ złoŝoność pamięciową tej metody. Strategia dostarcza optymalnego rozwiązania, gdyŝ porządkuje węzły w kolejności rosnącej względem g(n). 7
8 2.3 Przeszukiwanie wgłąb Jest to strategia wgłębna. Polega na ekspansji najgłębszego węzła, ze zbioru węzłów jeszcze nie rozszerzonych. Rys. 3. Przeszukiwanie wgłąb Strategia ta zawodzi w sytuacji, gdy przeszukiwana przestrzeń rozwiązań ma nieskończoną głębokość lub zawierających pętle. Po spełnieniu warunków eliminacji stanów powtarzających się wzdłuŝ ścieŝki i skończoności przestrzeni rozwiązań, metoda dostarcza rozwiązania. ZłoŜoność czasowa wynosi O(b m ) i jest wykładnicza względem maksymalnej głębokości drzewa przeszukiwania. Metoda charakteryzuje się liniową złoŝonością pamięciową, która wynosi O(bm), jednak nie dostarcza ona optymalnego rozwiązania. 2.4 Przeszukiwanie ograniczone wgłąb Jest modyfikacją strategii przeszukiwania wgłąb. Przeszukiwanie ma ograniczoną głębokość l, czyli węzły na głębokości l nie mają potomków. Metoda znajduje rozwiązanie, o ile głębokość rozwiązania d jest mniejsza lub równa głębokości l. ZłoŜoność czasową opisuje O(b l ), a złoŝoność pamięciową O(bl) liniowa zaleŝność od ograniczenia głębokości. Tak samo jak w przypadku zwykłego przeszukiwania wgłąb, metoda ta nie dostarcza optymalnego rozwiązania. 8
9 2.5 Przeszukiwanie iteracyjnie pogłębiane W metodzie tej powtarzane jest przeszukiwanie wgłąb, przy czym ograniczenie na głębokość przeszukiwania l rośnie. Rys. 4. Przeszukiwanie iteracyjnie pogłębiane Strategia dostarcza rozwiązania, charakteryzuje się złoŝonością czasową zaleŝną wykładniczo od głębokości rozwiązania, opisaną wzorem: (d+1)b 0 +db 1 +(d-1)b 2 + +b d =O(b d ) ZłoŜoność pamięciowa jest liniowa i wynosi O(bd). Strategia dostarcza optymalnego rozwiązania, jęsli wszystkie akcje mają taki sam koszt. W przeciwnym wypadku, aby metoda dawała rozwiązanie optymalne, moŝna ją przekształcić do postaci, aby analizowała drzewo jednolitego kosztu. 9
10 2.6 Przeszukiwanie dwukierunkowe Strategia ta moŝe wykorzystywać dowolną z opisanych metod. Wykonuje ona równolegle dwa przeszukiwania: wprzód od stanu początkowego i w tył od stanu końcowego. Rys. 5. Przeszukiwanie dwukierunkowe Metoda zawsze dostarcza rozwiązania, o ile wykorzystano metodę przeszukiwania wszerz. PoniewaŜ w tej metodzie najwaŝniejsze jest znalezienie węzła naleŝącego do ścieŝki rozwiązania, leŝącego w jej połowie, złoŝoność czasową i pamięciową opisuje O(b d/2 ). Strategia dostarcza optymalnego rozwiązania w tych samych sytuacjach jak przeszukiwanie wszerz i zastosowanie strategii jednolitego kosztu, o ile odpowiednie strategie zostały zastosowane przy przeszukiwaniu w obu kierunkach. 10
11 3. Zastosowanie Metody przeszukiwania przestrzeni rozwiązań znajdują zastosowanie w implementacji sztucznej inteligencji w wielu grach, które da się reprezentować w postaci przestrzeni stanów i operatorów. Dotyczy to gier typu kółko i krzyŝyk, warcaby, szachy, puzzle 8 i 15 elementowe, NIM. W ich przypadku reprezentacja stanu gry i akcji moŝliwych do wykonania w pełni opisuje całą grę. W zaleŝności od rozmiaru drzewa gry, moŝliwa jest analiza całej przestrzeni rozwiązań lub tylko interesującego w danej chwili fragmentu. Często ograniczenia czasowe sprawiają, Ŝe nie jesteśmy w stanie zanalizować całego drzewa, wtedy w sukurs przychodzi nam metoda przeszukiwania ograniczonego wgłąb. Parametrem maksymalnej głębokości przeszukiwania przestrzeni rozwiązań moŝemy sterować szybkością reakcji komputerowego gracza, bądź poziomem jego umiejętności. Im przeciwnik dłuŝej myśli, tym trudniejszy do pokonania. Innym aspektem związanym z przeszukiwaniem przestrzeni rozwiązań jest wyszukiwanie najkrótszej ścieŝki w grafie lub na planszy (mapie). Problem ten tyczy tylko jednego aspektu całej gry (np. strategicznej), jest jednak niezmiernie waŝny dla jakości rozgrywki z komputerowym graczem. Ilość stanów w przypadku tego problemu moŝe być ogromna, więc prawie zawsze przeszukiwanie całej przestrzeni rozwiązań nie wchodzi w rachubę. Dodatkowo teren na mapie moŝe być zróŝnicowany, więc przejścia między poszczególnymi stanami mogą się charakteryzować róŝnymi kosztami. To wskazuje na potencjalną moŝliwość wykorzystania strategii jednolitego kosztu. Natomiast zastosowanie metody przeszukiwania z ograniczoną głębokością, nie tylko przyspieszy reakcje przeciwnika, lecz równieŝ zasymuluje ograniczoną widoczność na mapie, co wyrówna szanse gracza i komputera oraz pozytywnie wpłynie na realizm rozgrywki. 11
12 4. Podsumowanie W zbiorze przedstawionych metod przeszukiwania przestrzeni rozwiązań znajdują się strategie o róŝnych własnościach, złoŝoności czasowej i zapotrzebowaniu na pamięć. Od charakterystyki problemu zaleŝy, która strategia jest w danym przypadku najlepsza. Algorytm przeszukiwania wszerz jest prosty i dostarcza optymalnego rozwiązania (gdy koszty akcji są jednakowe), lecz jego złoŝoność czasowa i pamięciowa w zasadzie eliminują go jako metodę przeszukiwania duŝych przestrzeni rozwiązań. Strategia jednolitego kosztu znajduje zastosowanie gdy akcje charakteryzują się róŝnymi wartościami kosztów. Przeszukiwanie wgłąb ma mniejsze zapotrzebowanie na pamięć, lecz nie zawsze dostarcza optymalnego rozwiązania i jest wraŝliwe na pętle i stany powtarzające się. Zabezpieczeniem przed fiaskiem tej metody w powyŝszym przypadku jest zastosowanie metody z ograniczoną głębokością. Przeszukiwanie dwukierunkowe pozwala na szybsze znalezienie rozwiązania, przy zuŝyciu mniejszej ilości zasobów, a dodatkowo pozwala zastosować metodę odpowiednią do rozwiązywanego problemu.. Bardzo interesujące z punktu widzenia złoŝoności czasowej i pamięciowej jest przeszukiwanie z iteracyjnym pogłębianiem. Liniowe zapotrzebowanie na pamięć, złoŝoność czasowa na poziomie pozostałych metod oraz fakt, Ŝe dostarcza optymalnego rozwiązania, sprawia, Ŝe jest to najlepsza metoda z przedstawionych w tym opracowaniu. Główną wadą wszystkich przedstawionych metod jest wykładnicza złoŝoność czasowa. Chcąc znajdować rozwiązania szybciej naleŝy zwrócić się w kierunku strategii heurystycznych, które co prawda nie dostarczają zawsze optymalnego rozwiązania, ale szybkość ich działania oraz jakość rozwiązania zbliŝona do najlepszego, sprawiają, Ŝe doskonale nadają się do przeszukiwania rozległych przestrzeni rozwiązań. 12
13 Literatura A. Wojna, Przeszukiwanie przestrzeni stanów, S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall 2003, wydanie drugie G. Luger, Artificial Intelligence: structures and strategies for complex problem solving, Addison Wesley 2005, wydanie piąte T. Mitchell, Machine Learning, McGraw Hill
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 szczegółowoHeurystyki. Strategie poszukiwań
Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Przeszukiwanie przestrzeni stanów algorytmy ślepe Przeszukiwanie przestrzeni stanów algorytmy ślepe 1 Strategie slepe Strategie ślepe korzystają z informacji dostępnej
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoUniwersytet 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 szczegółowoWstęp 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 szczegółowoĆWICZENIE 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 szczegółowoRozwiązywanie 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 szczegółowoWykład2,24II2010,str.1 Przeszukiwanie przestrzeni stanów powtórka
Wykład2,24II2010,str.1 Przeszukiwanie przestrzeni stanów powtórka DEFINICJA: System produkcji M zbiórst.zw.stanów wyróżnionys 0 St.zw.stanpoczątkowy podzbiórg St.zw.stanówdocelowych zbiórot.zw.operacji:
Bardziej szczegółowoWprowadzenie do Sztucznej Inteligencji
Wprowadzenie do Sztucznej Inteligencji Wykład Informatyka Studia InŜynierskie Przeszukiwanie przestrzeni stanów Przestrzeń stanów jest to czwórka uporządkowana [N,[, S, GD], gdzie: N jest zbiorem wierzchołków
Bardziej szczegółowoWprowadzenie do Sztucznej Inteligencji
Wprowadzenie do Sztucznej Inteligencji Wykład Informatyka Studia InŜynierskie Przeszukiwanie przestrzeni stanów Przestrzeń stanów jest to czwórka uporządkowana [N,, S, GD], gdzie: N jest zbiorem wierzchołków
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
ztuczna Inteligencja i ystemy Doradcze Przeszukiwanie przestrzeni stanów Przeszukiwanie przestrzeni stanów 1 Postawienie problemu eprezentacja problemu: stany: reprezentują opisy różnych stanów świata
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
Instytut Automatyki, Robotyki i Informatyki Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Literatura SZTUCZNA INTELIGENCJA Modelowanie problemów za
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 2 Strategie przeszukiwania - ślepe i heurystyczne 27 październik 2011 Plan wykładu 1 Strategie czyli jak znaleźć rozwiązanie problemu Jak wykonać przeszukiwanie Przeszukiwanie przestrzeni stanów
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowoWPROWADZENIE 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 szczegółowoSZTUCZNA 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 szczegółowoAlgorytmy i str ruktury danych. Metody algorytmiczne. Bartman Jacek
Algorytmy i str ruktury danych Metody algorytmiczne Bartman Jacek jbartman@univ.rzeszow.pl Metody algorytmiczne - wprowadzenia Znamy strukturę algorytmów Trudność tkwi natomiast w podaniu metod służących
Bardziej szczegółowoZastosowania algorytmów heurystycznych do sterowania systemami autonomicznymi
Wrocław, 16.06.2009 Zastosowania algorytmów heurystycznych do sterowania systemami autonomicznymi Opracował: Janusz Taterka 1. Wstęp W systemach autonomicznych spotykamy się z zadaniami planowania działań.
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Przeszukiwanie Przeszukiwanie przestrzeni stanów Motywacja Rozwiązywanie problemów: poszukiwanie sekwencji operacji prowadzącej do celu poszukiwanie
Bardziej szczegółowoHeurystyczne 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 szczegółowoPlanowanie 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 szczegółowoWyznaczanie 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 szczegółowoSztuczna 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 szczegółowoRekurencje. Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie:
Rekurencje Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie: T(n) = Θ(1) (dla n = 1) T(n) = 2 T(n/2) + Θ(n) (dla n
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoKrzysztof Jakubczyk. Zadanie 2
Zadanie 2 Krzysztof Jakubczyk Moje rozwiązanie nie znajduje strategii pozycyjnej w znaczeniu zdefiniowanym na wykładzie (niezaleŝnie od pozycji startowej), gdyŝ takowa nie istnieje. Przykład: 1 1 0 Środkowa
Bardziej szczegółowoLaboratorium Programowanie Obrabiarek CNC. Nr H04
Politechnika Poznańska Instytut Technologii Mechanicznej Laboratorium Programowanie Obrabiarek CNC Nr H04 Programowanie zarysów swobodnych FK Opracował: Dr inŝ. Wojciech Ptaszyński Poznań, 06 stycznia
Bardziej szczegółowoLABORATORIUM 2: Przeszukiwanie grafów cz. 2 strategie heurystyczne
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 2: Przeszukiwanie grafów cz. 2 strategie heurystyczne
Bardziej szczegółowoAlgorytm 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 szczegółowoAiSD zadanie trzecie
AiSD zadanie trzecie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 5 czerwca 2008 1 Wstęp Celem postawionym przez zadanie trzecie było tzw. sortowanie topologiczne. Jest to typ sortowania
Bardziej szczegółowoElementy 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 szczegółowoDziałanie 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 szczegółowoPodstawy Informatyki. Metody dostępu do danych
Podstawy Informatyki c.d. alina.momot@polsl.pl http://zti.polsl.pl/amomot/pi Plan wykładu 1 Bazy danych Struktury danych Średni czas odszukania rekordu Drzewa binarne w pamięci dyskowej 2 Sformułowanie
Bardziej szczegółowoOptymalizacja. Wybrane algorytmy
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Bardziej szczegółowoElementy kognitywistyki II:
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD IV: Agent szuka rozwiązania (na ślepo) Poprzednio: etapy rozwiązywania problemu sformułowanie celu sformułowanie problemu stan początkowy (initial
Bardziej szczegółowoZadanie 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 szczegółowoAlgorytmy 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 szczegółowoSpis treści. I. Czym jest Indeks Haseł 3 II. Wyszukiwanie hasła 4. 1) Alfabetyczna lista haseł 4 2) Wyszukiwarka haseł 4 3) Grupy haseł 6
Spis treści I. Czym jest Indeks Haseł 3 II. Wyszukiwanie hasła 4 1) Alfabetyczna lista haseł 4 2) Wyszukiwarka haseł 4 3) Grupy haseł 6 III. Dokumenty powiązane z wybranym hasłem 7 IV. Moje hasła 10 1)
Bardziej szczegółowoTworzenie gier na urządzenia mobilne
Katedra Inżynierii Wiedzy Teoria podejmowania decyzji w grze Gry w postaci ekstensywnej Inaczej gry w postaci drzewiastej, gry w postaci rozwiniętej; formalny opis wszystkich możliwych przebiegów gry z
Bardziej szczegółowoREPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH
REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia I stopnia rok akademicki 2012/2013 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Pojęcie
Bardziej szczegółowoProgramowanie deklaratywne
Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoSystemy ekspertowe. System ekspertowy wspomagający wybór zestawu komputerowego w oparciu o ontologie i system wnioskujący RacerPro
Systemy ekspertowe System ekspertowy wspomagający wybór zestawu komputerowego w oparciu o ontologie i system wnioskujący RacerPro Autorzy: 1 Wstęp Wybór zestawu komputerowego, ze względu na istnienie wielu
Bardziej szczegółowoĆWICZENIE 1: Przeszukiwanie grafów strategie heurystyczne
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE studia niestacjonarne ĆWICZENIE 1: Przeszukiwanie grafów strategie
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Wprowadzenie Wprowadzenie 1 Program przedmiotu Poszukiwanie rozwiązań w przestrzeni stanów Strategie w grach Systemy decyzyjne i uczenie maszynowe Wnioskowanie
Bardziej szczegółowoSztuczna 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 szczegółowoPorównanie czasów działania algorytmów sortowania przez wstawianie i scalanie
Więcej o sprawności algorytmów Porównanie czasów działania algorytmów sortowania przez wstawianie i scalanie Załóżmy, że możemy wykonać dane zadanie przy użyciu dwóch algorytmów: jednego o złożoności czasowej
Bardziej szczegółowoPodstawy 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 szczegółowo3. MINIMAX. Rysunek 1: Drzewo obrazujące przebieg gry.
3. MINIMAX. Bardzo wygodną strukturą danych pozwalającą reprezentować stan i przebieg gry (szczególnie gier dwuosobowych) jest drzewo. Węzły drzewa reprezentują stan gry po wykonaniu ruchu przez jednego
Bardziej szczegółowoSortowanie. Kolejki priorytetowe i algorytm Heapsort Dynamiczny problem sortowania:
Sortowanie Kolejki priorytetowe i algorytm Heapsort Dynamiczny problem sortowania: podać strukturę danych dla elementów dynamicznego skończonego multi-zbioru S, względem którego są wykonywane następujące
Bardziej szczegółowoAnaliza ilościowa w przetwarzaniu równoległym
Komputery i Systemy Równoległe Jędrzej Ułasiewicz 1 Analiza ilościowa w przetwarzaniu równoległym 10. Analiza ilościowa w przetwarzaniu równoległym...2 10.1 Kryteria efektywności przetwarzania równoległego...2
Bardziej szczegółowoZadania laboratoryjne i projektowe - wersja β
Zadania laboratoryjne i projektowe - wersja β 1 Laboratorium Dwa problemy do wyboru (jeden do realizacji). 1. Water Jug Problem, 2. Wieże Hanoi. Water Jug Problem Ograniczenia dla każdej z wersji: pojemniki
Bardziej szczegółowoZaawansowane 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 szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoNajprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Bardziej szczegółowo9.9 Algorytmy przeglądu
14 9. PODSTAWOWE PROBLEMY JEDNOMASZYNOWE 9.9 Algorytmy przeglądu Metody przeglądu dla problemu 1 r j,q j C max były analizowane między innymi w pracach 25, 51, 129, 238. Jak dotychczas najbardziej elegancka
Bardziej szczegółowoZofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1
Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem
Bardziej szczegółowoSID Wykład 1 Wprowadzenie
SID Wykład 1 Wprowadzenie Wydział Matematyki, Informatyki i Mechaniki UW slezak@mimuw.edu.pl Program przedmiotu algorytmy heurystyczne problemy optymalizacyjne strategie w grach wnioskowanie w logice planowanie
Bardziej szczegółowoBadania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Dokładne algorytmy optymalizacji Maciej Hapke maciej.hapke at put.poznan.pl Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem minimalizacji
Bardziej szczegółowoCo to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu,
wprowadzenie Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu, w przepisie tym podaje się opis czynności, które trzeba wykonać, oraz dane, dla których algorytm będzie określony.
Bardziej szczegółowoTeraz bajty. Informatyka dla szkoły podstawowej. Klasa VI
1 Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI 1. Obliczenia w arkuszu kalkulacyjnym Rozwiązywanie problemów z wykorzystaniem aplikacji komputerowych obliczenia w arkuszu kalkulacyjnym wykonuje
Bardziej szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowooperacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.
Problem porządkowania zwanego również sortowaniem jest jednym z najważniejszych i najpopularniejszych zagadnień informatycznych. Dane: Liczba naturalna n i ciąg n liczb x 1, x 2,, x n. Wynik: Uporządkowanie
Bardziej szczegółowoWPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 6. GRY POSZUKIWANIA W OBECNOŚCI PRZECIWNIKA Gry Pokażemy, w jaki
Bardziej szczegółowoMateriały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ.
Materiały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ. Jolanta Zimmerman 1. Wprowadzenie do metody elementów skończonych Działanie rzeczywistych
Bardziej szczegółowoINFORMATYKA W SZKOLE. Podyplomowe Studia Pedagogiczne. Dr inż. Grażyna KRUPIŃSKA. D-10 pokój 227
INFORMATYKA W SZKOLE Dr inż. Grażyna KRUPIŃSKA grazyna@fis.agh.edu.pl D-10 pokój 227 Podyplomowe Studia Pedagogiczne 2 Algorytmy Nazwa algorytm wywodzi się od nazwiska perskiego matematyka Muhamed ibn
Bardziej szczegółowoWprowadzenie do złożoności obliczeniowej
problemów Katedra Informatyki Politechniki Świętokrzyskiej Kielce, 16 stycznia 2007 problemów Plan wykładu 1 2 algorytmów 3 4 5 6 problemów problemów Plan wykładu 1 2 algorytmów 3 4 5 6 problemów problemów
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoProblem straŝaka w drzewach. Agnieszka Skorupka Matematyka Stosowana FTiMS
Problem straŝaka w drzewach Agnieszka Skorupka Matematyka Stosowana FTiMS Problem StraŜaka: Co to jest? Problem StraŜaka: Co to jest? Problem StraŜaka: Co to jest? Problem StraŜaka: Co to jest? Problem
Bardziej szczegółowoPodstawy Informatyki. Sprawność algorytmów
Podstawy Informatyki Sprawność algorytmów Sprawność algorytmów Kryteria oceny oszczędności Miara złożoności rozmiaru pamięci (złożoność pamięciowa): Liczba zmiennych + liczba i rozmiar struktur danych
Bardziej szczegółowoDefinicja pochodnej cząstkowej
1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem
Bardziej szczegółowoWyszukiwanie binarne
Wyszukiwanie binarne Wyszukiwanie binarne to technika pozwalająca na przeszukanie jakiegoś posortowanego zbioru danych w czasie logarytmicznie zależnym od jego wielkości (co to dokładnie znaczy dowiecie
Bardziej szczegółowoKOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA PROJEKTAMI W PRZEDSIĘBIORSTWIE
KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA PROJEKTAMI W PRZEDSIĘBIORSTWIE Seweryn SPAŁEK Streszczenie: Zarządzanie projektami staje się coraz bardziej powszechne w przedsiębiorstwach produkcyjnych, handlowych
Bardziej szczegółowoPODSTAWY SZTUCZNEJ INTELIGENCJI
Katedra Informatyki Stosowanej Politechnika Łódzka PODSTAWY SZTUCZNEJ INTELIGENCJI Laboratorium PROGRAMOWANIE SYSTEMÓW EKSPERTOWYCH Opracowanie: Dr hab. inŝ. Jacek Kucharski Dr inŝ. Piotr Urbanek Cel ćwiczenia
Bardziej szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej szczegółowoGramatyki, wyprowadzenia, hierarchia Chomsky ego. Gramatyka
Gramatyki, wyprowadzenia, hierarchia Chomsky ego Teoria automatów i języków formalnych Dr inŝ. Janusz Majewski Katedra Informatyki Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną gdzie: G =
Bardziej szczegółowoAlgorytm selekcji Hoare a. Łukasz Miemus
Algorytm selekcji Hoare a Łukasz Miemus 1 lutego 2006 Rozdział 1 O algorytmie 1.1 Problem Mamy tablicę A[N] różnych elementów i zmienną int K, takie że 1 K N. Oczekiwane rozwiązanie to określenie K-tego
Bardziej szczegółowoWykorzystanie 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 szczegółowoWykład 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 szczegółowoWYKORZYSTANIE WEWNĘTRZNYCH GENERATORÓW RC DO TAKTOWANIA MIKROKONTROLERÓW AVR
kpt. mgr inŝ. Paweł HŁOSTA kpt. mgr inŝ. Dariusz SZABRA Wojskowy Instytut Techniczny Uzbrojenia WYKORZYSTANIE WEWNĘTRZNYCH GENERATORÓW RC DO TAKTOWANIA MIKROKONTROLERÓW AVR W niektórych aplikacjach mikroprocesorowych,
Bardziej szczegółowoEGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew
1. ( pkt) Dany jest algorytm, który dla dowolnej liczby naturalnej n, powinien wyznaczyd sumę kolejnych liczb naturalnych mniejszych od n. Wynik algorytmu jest zapisany w zmiennej suma. Algorytm i=1; suma=0;
Bardziej szczegółowoIP Instytucje Pośredniczące. Z uwagi na złoŝoność procesu realizacji PI i PWP, wymagającego zaangaŝowania takŝe innych podmiotów w szczególności ROEFS
Konsultacje dokumentu Działania informacyjno-promocyjne na rzecz projektów innowacyjnych i współpracy ponadnarodowej PO KL. Rekomendacje Krajowej Instytucji Wspomagającej dla Instytucji Pośredniczących
Bardziej szczegółowoOgólne wiadomości o grafach
Ogólne wiadomości o grafach Algorytmy i struktury danych Wykład 5. Rok akademicki: / Pojęcie grafu Graf zbiór wierzchołków połączonych za pomocą krawędzi. Podstawowe rodzaje grafów: grafy nieskierowane,
Bardziej szczegółowoDodatkowo planowane jest przeprowadzenie oceny algorytmów w praktycznym wykorzystaniu przez kilku niezależnych użytkowników ukończonej aplikacji.
Spis Treści 1. Wprowadzenie... 2 1.1 Wstęp... 2 1.2 Cel pracy... 2 1.3 Zakres pracy... 2 1.4 Użyte technologie... 2 1.4.1 Unity 3D... 3 2. Sztuczna inteligencja w grach komputerowych... 4 2.1 Zadanie sztucznej
Bardziej szczegółowoOptymalizacja. Przeszukiwanie lokalne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Idea sąsiedztwa Definicja sąsiedztwa x S zbiór N(x) S rozwiązań, które leżą blisko rozwiązania x
Bardziej szczegółowoWymagania edukacyjne z informatyki dla uczniów klas VI SP nr 53 w Krakowie w roku szkolnym 2019/2020
Prowadzący: Elwira Kukiełka Ewa Pawlak-Głuc 1 Opracowano na podstawie: 1. Podstawa programowa(dz.u. z 017r. poz. ) Rozporządzenie Ministra Edukacji Narodowej z dnia 1 lutego 017 r. w sprawie podstawy programowej
Bardziej szczegółowoProgramowanie dynamiczne
Programowanie dynamiczne Patryk Żywica 5 maja 2008 1 Spis treści 1 Problem wydawania reszty 3 1.1 Sformułowanie problemu...................... 3 1.2 Algorytm.............................. 3 1.2.1 Prosty
Bardziej szczegółowobo od managera wymaga się perfekcji
bo od managera wymaga się perfekcji MODELOWANIE PROCESÓW Charakterystyka modułu Modelowanie Procesów Biznesowych (BPM) Modelowanie procesów biznesowych stanowi fundament wdroŝenia systemu zarządzania jakością
Bardziej szczegółowoAlgorytmy i struktury danych Matematyka III sem.
Algorytmy i struktury danych Matematyka III sem. 30 godz. wykł. / 15 godz. ćw. / 15 godz. projekt dr inŝ. Paweł Syty, 413GB, sylas@mif.pg.gda.pl, http://sylas.info Literatura T.H. Cormen i inni, Wprowadzenie
Bardziej szczegółowoATOLL. 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 szczegółowoTeoria automatów i języków formalnych. Określenie relacji
Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego
Bardziej szczegółowoAlgorytmy 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 szczegółowoJednostki informacji. Bajt moŝna podzielić na dwie połówki 4-bitowe nazywane tetradami (ang. nibbles).
Wykład 1 1-1 Informatyka nauka zajmująca się zbieraniem, przechowywaniem i przetwarzaniem informacji. Informacja obiekt abstrakcyjny, który w postaci zakodowanej moŝe być przechowywany, przesyłany, przetwarzany
Bardziej szczegółowoKolejka priorytetowa. Często rozważa się kolejki priorytetowe, w których poszukuje się elementu minimalnego zamiast maksymalnego.
Kolejki Kolejka priorytetowa Kolejka priorytetowa (ang. priority queue) to struktura danych pozwalająca efektywnie realizować następujące operacje na zbiorze dynamicznym, którego elementy pochodzą z określonego
Bardziej szczegółowoĆwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A
Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Zadanie do wykonania 1) Utwórz na pulpicie katalog w formacie Imię nazwisko, w którym umieść wszystkie pliki związane z
Bardziej szczegółowoMetody Kompilacji Wykład 3
Metody Kompilacji Wykład 3 odbywa się poprzez dołączenie zasad(reguł) lub fragmentów kodu do produkcji w gramatyce. Włodzimierz Bielecki WI ZUT 2 Na przykład, dla produkcji expr -> expr 1 + term możemy
Bardziej szczegółowoRunda 5: zmiana planszy: < < i 6 rzutów.
1. Gry dotyczące systemu dziesiętnego Pomoce: kostka dziesięciościenna i/albo karty z cyframi. KaŜdy rywalizuje z kaŝdym. KaŜdy gracz rysuje planszę: Prowadzący rzuca dziesięciościenną kostką albo losuje
Bardziej szczegółowo