1 / 10

Sztuczna Inteligencja 2.1 Metody szukania na ślepo

Sztuczna Inteligencja 2.1 Metody szukania na ślepo. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch. Szukanie - metoda uniwersalna. Zakładamy, że problem jest zdefiniowany, tzn. jest: Baza danych: fakty, stany, możliwości, opis sytuacji.

eudora
Télécharger la présentation

Sztuczna Inteligencja 2.1 Metody szukania na ślepo

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Sztuczna Inteligencja2.1 Metody szukania na ślepo Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch

  2. Szukanie - metoda uniwersalna • Zakładamy, że problem jest zdefiniowany, tzn. jest: • Baza danych: fakty, stany, możliwości, opis sytuacji. • Możliwe operacje: zmieniają stan bazy danych. Potrzebna jest strategia kontrolna poszukiwania rozwiązania. Proces przeszukiwania wygodnie jest przedstawiać za pomocą drzew i grafów. Droga na grafie od sytuacji startowej do rozwiązania <=> znalezieniu sekwencji operacji prowadzących do rozwiązania <=> rozumowaniu.

  3. Procedury szukania • Szukanie na ślepo - nie mamy żadnej informacji. • Szukanie heurystycze - potrafimy ocenić postępy. • Na ślepo: • Monte Carlo, czyli procedura Brytyjskiego Muzeum. • Dla większych problemów jeśli istnieje wiele rozwiązań może coś znaleźć ... i ślepej kurze ... • Szukanie w głąb. • Szukanie w szerz, sprawdzając wszystkie możliwości. • Ilustracje: Program PathDemo

  4. W głąb, DS 0. uporządkuj operatory {O1 O2 ... ON-1 ON } 1. lista początkowa L(1) = Sw (stan wyjściowy) 2. wygeneruj stan L(k) = Oj L(k-1) dla kolejnego j 3. if (nie ma już nowych operatorów)k=k-1; if (k=0) brak rozwiązania; else przejdź do 2 4. elseif (L(k)= Sf ) zakończ; 5. else k=k+1; przejdź do 2 Złożoność: b- średnia liczba możliwych rozgałęzień, d - średnia głębokość rozwiązań czas ~ bdpamięć ~ bd.

  5. Modyfikacja DS Zalety: wystarczy niewielka pamięć O(d) dla problemów, które mają wiele rozwiązań może być szybkie Wady: nieskończona głębokość, możliwe pętle w grafie, nie gwarantuje prostoty znalezionego rozwiązania. Modyfikacja metody DF: ograniczaj głębokość szukania do poziomu l. Złożoność: czas bl, pamięć bl. Wada: jeślil za małe nie znajdzie rozwiązania.

  6. Wszerz, BS 1. lista początkowa L(1) = Sw(stan wyjściowy) 2. wygeneruj stany Skj = Ok L(j) dla wszystkich j 3. if Skj=Sfzakończ; 4. else skopiuj Skj -> L( )i przejdź do 2 Zalety: znajduje najkrótszą listę operatorów jesli szuka do końca. Wady: duża złożoność, przy liczbie operatorów bi kroków d czas ~ O(bd), pamieć ~ O(bd) np: dla 8-ki trzeba pamiętać około 320 = 3.5·109 stanów

  7. IDDF, iteracyjne pogłębianie. • IDDF lub IDS, iteracyjnie pogłębiane szukanie w głąb. • Próbuj szukać w głąb stopniowo zwiększając głębokość szukania - tani sposób na realizację szukania w głąb. • Zalety: • Zupełność – zawsze znajduje rozwiązanie. • Rozwiązanie jest optymalne (jeśli zwiększamy głębokość o 1) • Zużywa tylko bd. elementów pamięci (szukanie w głąb). Wady: niewielkie zwiększenie kosztów na powtarzanie – ale ostatnie szukanie jest bardziej kosztowne niż wszystkie poprzednie, więc złożoność ~ O(bd).

  8. BDS, szukanie dwukierunkowe. Szukaj wszerz startując od stanu wyjściowego i od stanu końcowego. Złożoność: czas ~O(bd/2), pamięć ~ O(bd/2)

  9. PathDemo W programie używane są funkcje: - Random Bounce. Po dojściu do przeszkody wykonaj jeden krok w przypadkowym kierunku i kontynuuj swój algorytm. - Simple Trace. Obejdź przeszkodę aż będziesz mógł kontynuować w tym samym kierunku. - Robust Trace. Oblicz kierunek pomiędzy blokującym klockiem a klockiem końcowym i obchodź przeszkody aż dojdziesz do kwadratu leżącego w tym kierunku.

  10. Literatura • J. Chromiec, E. Strzemieczna, Sztuczna inteligencja. Podstawowe metody konstrukcji i analizy systemów eksperckich (Akademicka Oficyna Wydawnicza, Warszawa 1994) • E. Chwiałkowska, Sztuczna Inteligencja w Systemach Eksperckich (MIKOM 1991) • Z. Hippe, Zastosowanie metod sztucznej inteligencji w chemii (PWN, Warszawa 1993) • J. Mulawka, Sztuczna Inteligencja (1995) • L. Bolc, J. Cytowski, Metody przeszukiwania heurystycznego. PWN 1991 • Jerzy Cytowski, Metody i algorytmy sztucznej inteligencji w cyfrowym przetwarzaniu sygnałów. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1999

More Related