Wstęp do Sztucznej Inteligencji

Podobne dokumenty
Heurystyki. Strategie poszukiwań

Rozwiązywanie problemów metodą przeszukiwania

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

Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH

Podstawy Sztucznej Inteligencji (PSZT)

ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA

Wykład2,24II2010,str.1 Przeszukiwanie przestrzeni stanów powtórka

Elementy kognitywistyki II:

Heurystyczne metody przeszukiwania

Porównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta

Sztuczna Inteligencja i Systemy Doradcze

Wprowadzenie do Sztucznej Inteligencji

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

Sztuczna Inteligencja i Systemy Doradcze

Metody przeszukiwania

LABORATORIUM 2: Przeszukiwanie grafów cz. 2 strategie heurystyczne

Wprowadzenie do Sztucznej Inteligencji

Schemat programowania dynamicznego (ang. dynamic programming)

Wprowadzenie do Sztucznej Inteligencji

Optymalizacja. Przeszukiwanie lokalne

Podstawy sztucznej inteligencji

ĆWICZENIE 1: Przeszukiwanie grafów strategie heurystyczne

prowadzący dr ADRIAN HORZYK /~horzyk tel.: Konsultacje paw. D-13/325

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

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

Sztuczna inteligencja w programowaniu gier

Optymalizacja. Wybrane algorytmy

Wykład 3. Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Algorytmy i str ruktury danych. Metody algorytmiczne. Bartman Jacek

Wybrane podstawowe rodzaje algorytmów

Wyznaczanie strategii w grach

Programowanie obiektowe

Twój wynik: 4 punktów na 6 możliwych do uzyskania (66,67 %).

Techniki optymalizacji

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje w roku akademickim 2012/2013. Algorytmy i struktury danych

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Instrukcje dla zawodników

Kilka zagadnień dotyczących Sztucznej inteligencji.

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013

Podstawy Sztucznej Inteligencji (PSZT)

Złożoność obliczeniowa klasycznych problemów grafowych

Metody Programowania

Zaawansowane programowanie

Programowanie obiektowe

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

1. Algorytmy przeszukiwania. Przeszukiwanie wszerz i w głąb.

Algorytmy i struktury danych

AiSD zadanie trzecie

Środowisko programowe do nauki podstawowych algorytmów sztucznej inteligencji

Planowanie drogi robota, algorytm A*

Meta-uczenie co to jest?

Zadanie 1: Piętnastka

Temat: Algorytm kompresji plików metodą Huffmana

Rozdział 8 PROGRAMOWANIE SIECIOWE

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

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Generowanie i optymalizacja harmonogramu za pomoca

Wstęp do programowania. Listy. Piotr Chrząstowski-Wachtel

Zadania laboratoryjne i projektowe - wersja β

Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe.

Digraf o V wierzchołkach posiada V 2 krawędzi, zatem liczba różnych digrafów o V wierzchołkach wynosi 2 VxV

Wykład 10 Grafy, algorytmy grafowe

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

Wysokość drzewa Głębokość węzła

Algorytmy grafowe. Wykład 2 Przeszukiwanie grafów. Tomasz Tyksiński CDV

Matematyczne Podstawy Informatyki

Metody Optymalizacji: Przeszukiwanie z listą tabu

Wstęp do programowania. Drzewa. Piotr Chrząstowski-Wachtel

Algorytmy metaheurystyczne podsumowanie

Ogólne wiadomości o grafach

Tabu Search (Poszukiwanie z zakazami)

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle

Efektywność algorytmów

Inteligentne Multimedialne Systemy Uczące

Metoda Tablic Semantycznych

O ALGORYTMACH I MASZYNACH TURINGA

JAKIEGO RODZAJU NAUKĄ JEST

9.9 Algorytmy przeglądu

a) 7 b) 19 c) 21 d) 34

Znajdowanie wyjścia z labiryntu

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

Programowanie liniowe metoda sympleks

M T E O T D O ZI Z E E A LG L O G R O Y R TM

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

ANALIZA ALGORYTMÓW. Analiza algorytmów polega między innymi na odpowiedzi na pytania:

EGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew

SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Algorytmiczna teoria grafów

Metody Kompilacji Wykład 3

Wyrażenia regularne.

KARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Algorytmy i struktury danych, C3

Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, wgłąb

Transkrypt:

Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki

Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu - zbiór stanów świata spełniających cel. Sformułowanie problemu - wybór rozważanych akcji i stanów. Znalezienie rozwiązania - ciąg akcji do wykonania. Wykonanie.

Definiowanie problemów Problemy z pełną / niepełną informacją o stanie początkowym. Stan początkowy / zbiór stanów początkowych, zbiór akcji (operatorów), funkcja celu (pozwala stwierdzić, czy dany stan jest stanem końcowym), funkcja kosztu (mierzy efektywność rozwiązania).

Podstawowe pojęcia Przestrzeń stanów problemu: Zbiór wszystkich stanów osiągalnych ze zbioru stanów początkowych w wyniku wykonywania wszystkich możliwych ciągów akcji. Zasada abstrakcji: Problem powinien być opisany na właściwym poziomie abstrakcji. Należy unikać zarówno zbyt szczegółowego, jak i zbyt ogólnego opisu.

Stany Stanem nazywamy reprezentację elementów w przestrzeni wszystkich możliwych rozwiązań problemu w danym momencie. Problem jest definiowany przez te elementy i relacje zachodzące pomiędzy nimi. W każdym rozważanym problemie, elementy mają swoje deskryptory i relacje; deskryptory informują o tym jak dokonywana jest selekcja elementów podczas rozwiązywania problemu. Dwa podstawowe stany: stan początkowy- punkt startowy stan końcowy- cel

Przestrzeń stanów Przestrzeń stanów zawiera wszystkie stany wygenerowane przez zastosowanie dowolnej kombinacji operatorów lub obiektów. Inaczej jest to zbiór wszystkich stanów osiągalnych ze stanu początkowego poprzez ciąg akcji W Przestrzeni Stanów, Ścieżka jest sekwencją stanów wygenerowana poprzez ciąg akcji Rozwiązanie problemu jest procesem, który polega na znalezieniu optymalnej ścieżki w Przestrzeni Stanów zgodnie z przyjętymi ograniczeniami i kryteriami.

Reprezentacja przestrzeni stanów Przestrzeń Stanów może być reprezentowana za pomocą grafów skierowanych, gdzie wierzchołki reprezentują stany a krawędzie i ścieżki reprezentują operatory określone dla transformacji stanów

Przeszukiwanie przestrzeni stanów Przeszukiwanie jest to proces eksploracji Przestrzeni Stanów poprzez zastosowanie specjalnych reguł powiązanych ze zdefiniowanymi dla problemu strategiami kontrolnymi, aż do momentu wygenerowania ścieżki ze stanu początkowego do stanu końcowego. Przeszukiwanie (Search) to fundamentalna metoda rozwiazywania problemów. Przeszukiwanie może być używane w przypadku, gdy konwencjonalne metody rozwiązywania problemu i znane szablony nie mogą być używane lub w ogóle zdefiniowane.

Drzewo przeszukiwań

Strategie przeszukiwania Kryteria oceny strategii: Pełność czy zawsze znajduje rozwiązanie, o ile istnieje. Złożoność czasowa. Złożoność pamięciowa. Optymalność czy znalezione rozwiązanie jest rozwiązaniem optymalnym (w sensie funkcji kosztu). Istnieją dwa typy strategii: strategie ogólne i strategie heurystyczne.

Strategie przeszukiwania-taksonomia

Ogólne strategie przeszukiwania Przeszukiwanie wszerz (breadth-first) Wierzchołki o głębokości d konstruowane są zawsze przed wierzchołkami o głębokości d+1. Zalety przeszukiwania wszerz: Pełność. Optymalne rozwiązanie, o ile funkcja kosztu zwiększa się wraz z długością drogi.

Ogólne strategie przeszukiwania Wady przeszukiwania wszerz: Bardzo duża złożoność pamięciowa. Jeśli współczynnik rozgałęzienia drzewa wynosi b, a rozwiązanie problemu wymaga drogi o długości d, to maksymalna liczba skonstruowanych wierzchołków wynosi 1+b+b 2 + +b d Dla b = 10

Ogólne strategie przeszukiwania Przeszukiwanie w głąb (depth-first search) Rozszerza zawsze wierzchołek o największej głębokości. Zalety: Bardzo mała złożoność pamięciowa. Wady: Strategia niepełna.

Przeszukiwanie dwukierunkowe Pomysł: Idziemy do przodu począwszy od stanu początkowego i do tyłu począwszy od stanu końcowego. Kończymy kiedy obie drogi spotkają się.

Dlaczego to ma sens? Dla b = 10 i d = 6, strategia wszerz wymaga wygenerowania 1 111 111 wierzchołków, podczas gdy strategia dwukierunkowa tylko 2 222. Problemy Co to znaczy iść od stanu końcowego w tył? Dla niektórych problemów znalezienie poprzedników może być bardzo trudne. Co zrobić, jeśli istnieje wiele stanów końcowych, które nie są explicite dane? Musimy umieć efektywnie stwierdzić, że obie drogi przeszukiwania spotkały się.

Przykłady problemów