Zadanie 1: Piętnastka - uzupełnienie

Podobne dokumenty
Zadanie 1: Piętnastka

Zadanie 3: Liczenie winogron

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy sztucznej inteligencji

Heurystyki. Strategie poszukiwań

Inteligentna analiza danych

Michał Kazimierz Kowalczyk rok 1, semestr 2 nr albumu indeksu: Algorytmy i struktury danych. Problem połączeń

Planowanie drogi robota, algorytm A*

Wstęp do Sztucznej Inteligencji

Heurystyczne metody przeszukiwania

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

ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe

Wyznaczanie długości fali świetlnej za pomocą spektrometru siatkowego

Jeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze,




Algorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne

Optymalizacja. Wybrane algorytmy

Sprawozdanie z realizacji efektów kształcenia na kierunku Informatyka w roku akademickim 2012/2013

Zachowania odbiorców. Grupa taryfowa G

Analiza porównawcza sposobu pomiaru jakości spalania gazu w palnikach odkrytych

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

Metoda aktywnych konturów

Rozwiązywanie problemów metodą przeszukiwania

STUDENCI I ABSOLWENCI W OSTATNIEJ DEKADZIE - W ZALEŻNOŚCI OD KIERUNKU, TYPU SZKOŁY i TRYBU STUDIOWANIA

Algorytmy metaheurystyczne podsumowanie

ALHE. prof. Jarosław Arabas semestr 15Z

Sytuacja demograficzna a szkolnictwo wyższe w Polsce

Metody przeszukiwania

Demografia członków PAN

dr inż. Jarosław Forenc

Podstawy systemów kryptograficznych z kluczem jawnym RSA

Problem Komiwojażera - algorytmy metaheurystyczne

Dominik Matuszek, V Liceum Ogólnokształcące w Bielsku-Białej. Liczby pierwsze

Miejscem pomiarów była gmina Kamionka Wielka. Pyłomierz był instalowany w trzech miejscach. Rys1. Mapa gminy z zaznaczonymi miejscowościami

operacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.

Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH

Konkurs z przedmiotu eksploracja i analiza danych: problem regresji i klasyfikacji

Kondycja polskiego sektora bankowego w drugiej połowie 2012 roku. Podsumowanie wyników polskich banków za I półrocze

PLAN ZAJĘĆ SEMESTR III- ROK AKADEMICKI 2016/2017

Sztuczna inteligencja w programowaniu gier

Raport z oceny pracy dydaktycznej nauczycieli akademickich dokonanej przez studentów w roku akademickim 2014/2015

SZTUCZNA INTELIGENCJA

ZASTOSOWANIA KOGNITYWISTYKI

Borealis AB Serwis Techniczny i Rozwój Rynku Reinhold Gard SE Stenungsund Szwecja

PDF created with FinePrint pdffactory Pro trial version

II. BUDOWNICTWO MIESZKANIOWE

Grafy i sieci w informatyce - opis przedmiotu

Wyznaczanie sprawności grzejnika elektrycznego i ciepła właściwego cieczy za pomocą kalorymetru z grzejnikiem elektrycznym

dr inż. Jarosław Forenc

dr inŝ. Jarosław Forenc

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda

Zaawansowane algorytmy i struktury danych

AKADEMIA GÓRNICZO-HUTNICZA im. Stanisława Staszica w Krakowie. Wydział Geologii, Geofizyki i Ochrony Środowiska. Bazy danych 2

Drgania relaksacyjne w obwodzie RC

Programowanie dynamiczne

58% 36% 14,6% Executive Summary. Informatyka coraz bardziej popularna. Dziewczyny informatyczki. ogólnej liczby studiujących w Polsce to kobiety

Wybór / ocena atrybutów na podstawie oceny jakości działania wybranego klasyfikatora.

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

Podstawy sztucznej inteligencji

Laboratorium podstaw elektroniki

Analiza efektywności przetwarzania współbieżnego. Wykład: Przetwarzanie Równoległe Politechnika Poznańska Rafał Walkowiak Grudzień 2015

Statystyczne badanie zasięgu samolotów papierowych. Autor: Michał Maszkowski Rok szkolny wykonania: 2014/2015 Opiekun: p.

Sztuczna Inteligencja i Systemy Doradcze

Symulacyjne metody wyceny opcji amerykańskich

Straty sieciowe a opłaty dystrybucyjne

Porównanie czasów działania algorytmów sortowania przez wstawianie i scalanie

godz JĘZYKI PROGRAMOWANIA I. GR. 2 sala 573 B+574 B

Obowiązkowy A. Przedmioty kształcenia ogólnego 1 Etykieta w życiu publicznym wykład 9 zaliczenie tak 1 B. Przedmioty podstawowe

1. Granice funkcji - wstępne definicje i obliczanie prostych granic

Karta pracy do doświadczeń

Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych. Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS

dr Grzegorz WIECZOREK JĘZYKI PROGRAMOWANIA I

POLITECHNIKA OPOLSKA

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne

Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Informatyka Stosowana. Studia stacjonarne I stopnia

PRZYRZĄD DO BADANIA RUCHU JEDNOSTAJNEGO l JEDNOSTANIE ZMIENNEGO V 5-143

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A

AiSD zadanie trzecie

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

V ZJAZD. STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. 26 listopada 2016 (sobota) ANALIZA FIZYKA ANALIZA MATEMATYCZNA I FIZYKA ANALIZA FIZYKA

Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego Warszawa, Czerwiec Mała Giełda

dr Grzegorz WIECZOREK

PLAN ZAJĘĆ- ZJAZD INFORMATYKA TRYB NIESTACJONARNY SEMESTR 4

Harmonogram INFORMATYKA ANALITYCZNA Rok akademicki 2016/17 semestr letni

Układ RLC z diodą. Zadanie: Nazwisko i imię: Nr. albumu: Grzegorz Graczyk. Nazwisko i imię: Nr. albumu:

prof. Krzysztof KOWALSKI ANALIZA MATEMATYCZNA I. konwersatorium (3h)

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika:

Kryteria wyboru operatorów usług telefonicznych przez abonentów w Polsce

SEMESTRALNY PLAN ZAJĘĆ KKZ R. 3

Kierunek: Inżynieria Obliczeniowa Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Instytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia stacjonarne Rok 2012/2013

Algorytmy genetyczne

PODSTAWY ELEKTROTECHNIKI I ELEKTRONIKI pracownia (3h) godz

LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów

Automatyczny dobór parametrów algorytmu genetycznego

CBOS CENTRUM BADANIA OPINII SPOŁECZNEJ ODPŁATNOŚĆ ZA ŚRODKI ANTYKONCEPCYJNE BS/76/2002 KOMUNIKAT Z BADAŃ WARSZAWA, MAJ 2002

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Gry komputerowe i multimedia, GKiM studia niestacjonarne Dla rocznika:

Algorytmy przeszukiwania wzorca

Transkrypt:

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 150982 Zadanie 1: Piętnastka - uzupełnienie 1. Materiały i metody W ramach badań użyto następujących losowych zestawów układanek: 30 układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości 5 50 układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości 10 50 układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości 17 50 losowych układanek o wymiarach 4x4 10 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 3 30 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 5 50 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 10 50 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 11 50 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 12 50 losowych układanek o wymiarach 3x3 2. Wyniki Wszystkie zebrane wyniki przedstawiono na histogramach. Dla wszystkich badań zbadano długość znalezionego rozwiązania. Ponadto zbadano czas działania algorytmów bfs i dfs SVN: http://serce.ics.p.lodz.pl/svn/labs/sise/mp_pt1030/alois 1

2

3

4

5

6

3. Dyskusja Dla układanek o krótkich rozwiązaniach optymalnych rozwiązania znalezione przez algorytm BFS są takie same, równe długości rozwiązania optymalnego - zgodnie z przewidywaniami algorytm znajduje rozwiązania optymalne. Wyniki dla układanek 4x4 wyraźnie pokazują optymalność wybranych heurystyk. W wypadku drugiej heurystyki dla najmniejszych układanek duża część znalezionych rozwiązań była optymalna. W układankach 3x3 o rozwiązaniu optymalnym nie dłuższym niż 10 znadowała ona zawsze optymalne rozwiązanie. W przypadku układanek długości 17 optymalne rozwiązanie udało się znaleźć tylko w 40 W wypadku pierwszej heurystyki nawet dla najmniejszych układanek tylko mała część zaproponowanych rozwiązań była optymalna. Dla układanki o długości 17 heurystyka nie znajdywała optymalnych rozwiązań, jednak znajdywane przez nią rozwiązania były nieznacznie dłuższe niż nieoptymalne rozwiązania znalezione przez drugą heurystykę. Układanki 3x3 również pokazały tendencję drugiej heurystyki do znajdywania optymalnych rozwiązań. Zauważono również, że algorytm DFS znajduje bardzo nieoptymalne rozwiązania nawet dla bardzo małych układanek. Co więcej - długość optymalnego rozwiązania nie wpływa na długość rozwiązania znalezionegorz przez ten algorytm. W przypadku pomiarów czasu dla krótkich układanek 3x3 algorytm DFS działał znacząco wolniej niż pozostałe, co świadczy o niewielkiej liczbie stanów przeszukanych przez pozostałe algorytmy - a zatem dobrze obieranej drodze w stronę rozwiązania. Losowe układanki oraz układanki 4x4 o dłuższych rozwiązaniach optymalnych ujawniły skłonność algorytmu BFS do dłuższego działania. Spowodowane było to rosnącą wykładniczo ilością stanów, które musiał przeszukać ten algorytm. Porównanie czasów przeszukiwania dla układanek różnej długości dla algorytmu DFS nie wykazało żadnej jednoznacznej zależności między czasem działania i długością optymalnego rozwiązania, choć dla krótszych widać było tendencję do nieco szybszego działania dla krótkich układanek. Dla algorytmu BFS wyraźnie wyrysowała się zależność między długością rozwiązania i czasem działania. Sąsiednie klasy zazębiają się między sobą jednak proporcjonalność jest nadal wyraźna. W przypadku losowych układanek 4x4 druga heurystyka nie tylko przestała odnajdywać optymalne rozwiązania, ale stała się gorsza od pierwszej heurystyki. Wynika to z metody używanej przez drugą heurystykę, która jest najskuteczniejsza, gdy rozwiązanie jest niedaleko. 4. Wnioski Algorytm BFS jako jedyny z badanych znajduje optymalne (najmniej ruchów) rozwiązania. Algorytm DFS znajduje rozwiązania bardzo nieoptymalne tysiące razy dłuższe niż optymalne. Z tego powodu nie nadaje się on do tego rodzaju przeszukiwania stanów. 7

Algorytmy heurystyczne znajdują rozwiązania znacznie szybciej niż algorytmy BFS bądź DFS. Wybór heurystyki powinien zależeć od naszego celu oraz wyboru heurystyki - w badanym przypadku jedna z heurystyk pozwalała dla krótkich układanek znajdywać wydajnie optymalne rozwiązania. Czas działania algorytmu BFS jest zależny od długości optymalnego rozwiązania. Czas działania oraz długość rozwiązania znalezionego przez algorytm DFS jest niezależna od długości optymalnego rozwiązania. 8