WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
|
|
- Kazimiera Sobolewska
- 8 lat temu
- Przeglądów:
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 Przeszukiwanie przestrzeni stanów gry Przeszukiwanie przestrzeni stanów gry 1 Gry a problemy przeszukiwania Nieprzewidywalny przeciwnik rozwiązanie jest strategią
Bardziej szczegółowoSID 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 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 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 szczegółowoHeurystyki. Strategie poszukiwań
Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja
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 szczegółowoWPROWADZENIE 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 szczegółowoPartition 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 szczegółowoGry. 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 szczegółowoTEORIA 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 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 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 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 szczegółowoMETODY 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 szczegółowoMarcel 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 szczegółowoTeoria 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 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 szczegółowoTeoria 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 szczegółowoTeoria 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 szczegółowoAutomatyczne Diagnozy Partii Szachowych nowa funkcja Zestawienie Ruchów.
Kalkulator Szachowy 2na2 - Nowości Wersji 1.1 Automatyczne Diagnozy Partii Szachowych nowa funkcja Zestawienie Ruchów. Program Kalkulator Szachowy 2na2 umożliwia: - rozwiązywanie logicznych zadań szachowych,
Bardziej szczegółowoNarzędzia 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 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 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 szczegółowoMODELOWANIE 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 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 szczegółowoRachunek 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 szczegółowoMODELOWANIE 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 szczegółowo11. 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 szczegółowo10. 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 szczegółowoBadania operacyjne egzamin
Imię i nazwisko:................................................... Nr indeksu:............ Zadanie 1 Załóżmy, że Tablica 1 reprezentuje jeden z kroków algorytmu sympleks dla problemu (1)-(4). Tablica
Bardziej szczegółowoTeoria 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 szczegółowoTEORIA 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 szczegółowoMetody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2
Metody teorii gier ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier Cel: Wyprowadzenie oszacowania dolnego na oczekiwany czas działania dowolnego algorytmu losowego dla danego problemu.
Bardziej szczegółowoLuty 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 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 szczegółowoW 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 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 szczegółowoModelowanie 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 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 szczegółowoAdam 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 szczegółowoCZYM 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 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 szczegółowoAlfa-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 szczegółowoTemat 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 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 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 szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
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 szczegółowoGRY 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 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 szczegółowoUkłady 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 szczegółowoAlgorytmy z powrotami. Algorytm minimax
Algorytmy z powrotami. Algorytm minimax Algorytmy i struktury danych. Wykład 7. Rok akademicki: 2010/2011 Algorytm z powrotami rozwiązanie problemu budowane jest w kolejnych krokach, po stwierdzeniu (w
Bardziej szczegółowoUniwersytet 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 szczegółowoElementy 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 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 szczegółowoArchipelag 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 szczegółowoInformatyka 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 szczegółowoPropozycje tematów zadań
Propozycje tematów zadań 1. WARCABY Opracować program do gry w warcaby dla dwu graczy. Program ma umożliwiać przesuwanie kursora na zmianę po polach białych lub czarnych, wskazywanie początku końca ruchu.
Bardziej szczegółowoSkowrońska-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 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 szczegółowoZagadnienia 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 szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoPlan 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 szczegółowoPOŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI
POŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI mgr inż. Karol Walędzik k.waledzik@mini.pw.edu.pl prof. dr hab. inż. Jacek
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska
SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania
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 szczegółowoAlgorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne
Algorytmy mrówkowe H. Bednarz Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne 13 kwietnia 2015 1 2 3 4 Przestrzeń poszukiwań Ograniczenia
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 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 szczegółowoInstrukcja 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 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 szczegółowoInstytut 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 szczegółowoZASADY 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 szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoAlgorytmy 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 szczegółowoTEORIA 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 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 szczegółowoD. 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 szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoJeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze,
Oznaczenia: Jeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze, to interesuje nas złożoność obliczeniowa
Bardziej szczegółowoPDF 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 szczegółowoTEORIA 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 szczegółowoDobble? 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 szczegółowoMikroekonomia. 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 szczegółowoAlgorytmy klasyfikacji
Algorytmy klasyfikacji Konrad Miziński Instytut Informatyki Politechnika Warszawska 6 maja 2015 1 Wnioskowanie 2 Klasyfikacja Zastosowania 3 Drzewa decyzyjne Budowa Ocena jakości Przycinanie 4 Lasy losowe
Bardziej szczegółowoUczeń: -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 szczegółowoTeoria 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 szczegółowoWYMAGANIA 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 szczegółowoSzachy 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 szczegółowoWYMAGANIA 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 szczegółowoSZACHY 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 szczegółowoRisk-Aware Project Scheduling. SimpleUCT
Risk-Aware Project Scheduling SimpleUCT DEFINICJA ZAGADNIENIA Resource-Constrained Project Scheduling (RCPS) Risk-Aware Project Scheduling (RAPS) 1 tryb wykonywania działań Czas trwania zadań jako zmienna
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 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 szczegółowoWABOT CZYM JEST SZTUCZNA INTELIGENCJA? SZTUCZNA INTELIGENCJA REPREZENTACJA WIEDZY KNOWLEDGE SOUP PROBLEM
PROJEKTOWANIE ALGORYTMÓW I METODY SZTUCZNEJ INTELIGENCJI SZTUCZNA INTELIGENCJA WABOT Organista Ichiro Kato, Waseda University Tokyo Wykład dr inż. Łukasz Jeleń Część slajdów pochodzi z wykładu prof. Christiana
Bardziej szczegółowoIndukowane Reguły Decyzyjne I. Wykład 3
Indukowane Reguły Decyzyjne I Wykład 3 IRD Wykład 3 Plan Powtórka Grafy Drzewa klasyfikacyjne Testy wstęp Klasyfikacja obiektów z wykorzystaniem drzewa Reguły decyzyjne generowane przez drzewo 2 Powtórzenie
Bardziej szczegółowoINFORMATYKA 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 szczegółowoSystemy 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 szczegółowoRozkład 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