1 / 33

هوش مصنوع ي

هوش مصنوع ي. فصل پنجم: مسائل ارضای محدودیت. تهیه کننده: پورمحقق ویرایش: حسین علیزاده. هوش مصنوع ي Artificial Intelligence. فهرست. ارضای محدوديت چيست؟ جستجوی عقبگرد برای CSP بررسی پيشرو پخش محدوديت. مسائل ارضای محدوديت. ارضای محدوديت ( CSP ) چيست؟

tal
Télécharger la présentation

هوش مصنوع ي

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. هوش مصنوعي فصل پنجم: مسائل ارضای محدودیت تهیه کننده: پورمحقق ویرایش: حسین علیزاده HA-AI, IUST-CE Dep.

  2. هوش مصنوعيArtificial Intelligence فهرست • ارضای محدوديت چيست؟ • جستجوی عقبگرد برای CSP • بررسی پيشرو • پخش محدوديت

  3. مسائل ارضای محدوديت • ارضای محدوديت (CSP) چيست؟ • مجموعه متناهی از متغيرها؛ X1, X2, …, Xn • مجموعه متناهی از محدوديت‌ها؛ C1, C2, …, Cm • دامنه های ناتهی برای هر يک از متغيرها؛DX1,DX2,…,DXn • هر محدوديت Ci زيرمجموعه ای از متغيرها و ترکيبهای ممکنی از مقادير برای آن زيرمجموعه ها • هر حالت با انتساب مقاديری به چند يا تمام متغيرها تعريف مي‌شود • انتسابی که هيچ محدوديتی را نقض نکند، انتساب سازگار نام دارد • انتساب کامل آن است که هر متغيری در آن باشد • راه‌حلCSP يک انتساب کامل است اگر تمام محدوديت‌ها را برآورده کند • بعضی از CSPها به راه‌حل‌هايي نياز دارند که تابع هدف را بيشينه کنند

  4. مسائل ارضای محدوديت مثال CSP: رنگ آميزی نقشه متغيرها:WA, NT, Q, NSW, V, SA, T دامنه:{آبی، سبز، قرمز} = Di محدوديت‌ها: دو منطقه مجاور، همرنگ نيستند مثال: WA ≠ NT يعنی (WA,NT) عضو {(قرمز,سبز),(قرمز,آبی),(سبز,قرمز)،(سبز,آبی),(آبی,قرمز),(آبی,سبز)}

  5. مسائل ارضای محدوديت راه‌حل انتساب مقاديری است که محدوديت‌ها را ارضا کند

  6. مسائل ارضای محدوديت گراف محدوديت • در گراف محدوديت: • گره‌ها: متغيرها • يالها: محدوديت‌ها • گراف برای ساده‌تر کردن جستجو به کار مي‌رود

  7. مسائل ارضای محدوديت مثال CSP: رمزنگاری متغيرها:F,T,U,W,R,O,X1,X2,X3دامنه:{9و8و7و6و5و4و3و2و1و0} محدوديت‌ها:F,T,U,R,O,W مخالفند - O+O=R+10.X1 - ...

  8. مسائل ارضای محدوديت • نمايش حالت‌ها در CSP از الگوی استانداردی پيروی مي‌کند • برای CSP مي‌توان فرمول بندی افزايشي ارائه کرد: • حالت اوليه: انتساب خالی{} که در آن، هيچ متغيری مقدار ندارد • تابع جانشين: انتساب يک مقدار به هر متغير فاقد مقدار، به شرطی که با متغيرهايي که قبلا مقدار گرفتند، متضاد نباشند • آزمون هدف: انتساب فعلی کامل است • هزينه مسير: هزينه ثابت برای هر مرحله

  9. مسائل ارضای محدوديت جستجوی عقبگرد برای CSP • جستجوی عمقي • انتخاب مقادير يک متغير در هر زمان و عقبگرد در صورت عدم وجود مقداری معتبر برای انتساب به متغير • يک الگوريتم ناآگاهانه است • برای مسائل بزرگ کارآمد نيست

  10. مسائل ارضای محدوديت مثال جستجوی عقبگرد برای CSP

  11. مسائل ارضای محدوديت مثال جستجوی عقبگرد برای CSP

  12. مسائل ارضای محدوديت مثال جستجوی عقبگرد برای CSP

  13. مسائل ارضای محدوديت مثال جستجوی عقبگرد برای CSP

  14. مسائل ارضای محدوديت مقادير باقيمانده کمينه(MRV) • انتخاب متغيری با کمترين مقادير معتبر • متغيری انتخاب مي‌شود که به احتمال زياد، بزودی با شکست مواجه شده و درخت جستجو را هرس مي‌کند

  15. مسائل ارضای محدوديت اکتشاف درجه‌ای • سعی مي‌کند فاکتور انشعاب را در انتخاب آينده کم کند • متغيری انتخاب مي‌کند که در بزرگترين محدوديت‌های مربوط به متغيرهای بدون انتساب قرار دارد، در واقع گرهی انتخاب می‌شود که يال‌های بيشتری به متغيرهای بدون انتساب دارد.

  16. مسائل ارضای محدوديت بررسی پيشرو وقتی انتساب به X صورت مي‌گيرد، فرايند بررسی پيشرو، متغيرهای بدون انتساب مثل Y را در نظر مي‌گيرد که از طريق يک محدوديت به X متصل است و هر مقداری را که با مقدار انتخاب شده برای X برابر است، از دامنه Y حذف مي‌کند

  17. مسائل ارضای محدوديت بررسی پيشرو

  18. مسائل ارضای محدوديت بررسی پيشرو

  19. مسائل ارضای محدوديت بررسی پيشرو

  20. X1 {1,2,3,4} X2 {1,2,3,4} 1 2 3 4 1 2 3 4 X3 {1,2,3,4} X4 {1,2,3,4} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  21. X1 {1,2,3,4} X2 {1,2,3,4} 1 2 3 4 1 2 3 4 X3 {1,2,3,4} X4 {1,2,3,4} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  22. X1 {1,2,3,4} X2 { , ,3,4} 1 2 3 4 1 2 3 4 X3 { ,2,,4} X4 { ,2,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  23. X1 {1,2,3,4} X2 { ,,3,4} 1 2 3 4 1 2 3 4 X3 {,2,,4} X4 {,2,3,} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  24. X1 {1,2,3,4} X2 { ,,3,4} 1 2 3 4 1 2 3 4 X3 { ,,,} X4 { ,2,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  25. X1 { ,2,3,4} X2 {1,2,3,4} 1 2 3 4 1 2 3 4 X3 {1,2,3,4} X4 {1,2,3,4} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  26. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, ,3, } X4 {1, ,3,4} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  27. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, ,3, } X4 {1, ,3,4} مسائل ارضای محدوديت مثال: مسئله 4-وزير

  28. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, , , } X4 {1, ,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  29. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, , , } X4 {1, ,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  30. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, , , } X4 { , ,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  31. X1 {,2,3,4} X2 {,,,4} 1 2 3 4 1 2 3 4 X3 {1, , , } X4 { , ,3, } مسائل ارضای محدوديت مثال: مسئله 4-وزير

  32. مسائل ارضای محدوديت جستجوی محلی در مسائل ارضای محدوديت • بسياری از CSPها را به طور کارآمد حل مي‌کنند • حالت اوليه، مقداری را به هر متغير نسبت مي‌دهد • تابع جانشين، تغيير مقدار يک متغير در هر زمان • انتخاب مقدار جديد برای يک متغير • انتخاب مقداری که کمترين برخورد را با متغيرهای ديگر ايجاد کند(اکتشاف برخورد کم) • زمان اجرای برخورد کم مستقل از اندازه مسئله است • برخورد کم، برای مسائل سخت نيز کار مي‌کند

  33. مسائل ارضای محدوديت مثال مسئله 8وزير با استفاده از کمترين برخورد • در هر مرحله، يک وزير برای انتساب مجدد در ستون خودش انتخاب مي‌گردد • تعداد برخوردها در هر مربع نشان داده شده است • الگوريتم وزير را به مربعي با کمترين برخورد انتقال مي‌دهد، بطوريکه گره‌ها را بطور تصادفی مي‌شکند

More Related