هوش مصنوعی

جستجو برای حل مسئله

حسین دهقاندانشکده فنی و مهندسی جم )خلیج فارس(

کاربرد

نقا

دهن

سیح

م

جی

سند

مهو

ی فن

ه کد

شدان

2

تشخیص حرکت بعدی

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

3

جستجویRBFS ن

قاده

ن سی

ح

مجی

سند

مهو

ی فن

ه کد

شدان

4

تعریفجستجوی اول بهترین بازگشتی•

• Recursive Best First Search

الگوریتم بازگشتی ساده•مانند جستجوی اول بهترین•دارای پیچیدگی مکانی خطی•

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

5

الگوریتمشبیه جستجوی عمقی بازگشتی، اما بجای •

اینکه دائما مسیر فعلی به سمت پایین را ادامه دهد

بهترین مسیر جانشین از طریق fمقدار •اجداد گره فعلی را نگه می دارد.

تجاوز کند به f-limitگره فعلی از fاگر •عقب برمی گردد تا مسیر جانشین را

انتخاب کند. هر گره fدر برگشت به عقب: مقدار •

fموجود در مسیر را با کمترین مقدار فرزندانش جایگزین می کند

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

6

مثال

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

7

366

374

380

253

193

100

176

329244

241

242160

77

234

226

199

80

151

161

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

8

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

9

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

10

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

11

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

12

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

13

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

14

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

15

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

16

ویژگی هابهینگی• قابل قبول باشد.h(n)اگر تابع اکتشابی •پیچیدگی مکانی•تابع خطی از عمق عمیق ترین راه حل •

بهینه است.•O(bd)

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

17

جستجویSMA* ن

قاده

ن سی

ح

مجی

سند

مهو

ی فن

ه کد

شدان

18

تعریف*(SMAمقید به حافظه ساده شده )•

• Simplified, memory-bounded A*

بهترین برگ را گسترش می دهد *Aهمانند •تا حافظه پر شود.

با پرشدن حافظه، بدترین گره برگ •( حذف می شود.f)باالترین مقدار

•SMA* ارزش گره فراموش شده را به پدر ،آن بر می گرداند.

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

19

مثال

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

20

ویژگیکامل بودن•( کمتر یا dاگر عمق کم عمق ترین هدف )•

مساوی اندازه حافظه باشد.بهینه•اگر حافظه برای ذخیره کم عمق ترین •

مسیر راه حل بهینه وجود داشته باشد.

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

21

فاکتور انشعاب

نقا

دهن

سیح

م

جی

سند

مهو

ی فن

ه کد

شدان

22

تعریفراه حلی برای ارزیابی کارایی یک الگوریتم•*bفاکتور انشعاب مؤثر = ••N تعداد گره هايي تولید شده برای يک =

مسئله خاص•d عمق راه حل بهینه =

1فاکتور انشعاب موثر ایده آل = •

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

23

dbbbN *)(...*)(*11 2

مثال

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

24

جست و جوی آگاهانه و اکتشاف

=< h2(n) داشته باشيم: nاگر برای هر گره •h1(n)

•h2 برh1غالب استغالب بودن مستقيما به کارايي ترجمه ميشود•بسط داده h2تعداد گره هايي که با بکارگيری •

نيست h1ميشود، هرگز بيش از بکارگيری

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

25

الگوریتم های جستجوی محلی و مسائل بهینه سازی ن

قاده

ن سی

ح

مجی

سند

مهو

ی فن

ه کد

شدان

26

تعریفالگوريتم های قبلی، فضای جست و جو را به •

طور سيستماتيک بررسی مي کنندمسير رسيدن به هدف، راه حل مسئله را •

تشکيل مي دهدتا رسيدن به هدف يک يا چند مسير •

نگهداری مي شوند

در الگوريتم های محلی مسير رسيدن به •هدف مهم نيست

وزير8مثال: مسئله •VLSIطراحی مدارات •

الگوریتم های جستجوی محلی•

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

27

جستجوی تپه نوردی

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

28

در جهت افزایش مقدار ارزش حرکت می کند )به طرف •باالی تپه(.

وقتی به قله رسید )جایی که هیچ همسایه ای از آن بلندتر •نیست( خاتمه می یابد.

مثال وزیر8•

•h تعداد زوج وزیرانی که همدیگر را :تحدید می کنند.

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

29h=17 h=1

راه حلابتدا در هر ستون یک وزیر قرار می دهیم.•تمام مابعدهای ممکن از حالت ایجاد شده را •

ایجاد می کنیم.انتقال يک وزير به مربع ديگر در همان •

ستون مابعد دارد.8×7=56هر حالت •انتخاب می کنیم. hبهترین مابعد را براساس • را تا رسیدن به هدف تکرار 2 و 1روند •

می کنیم.

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

30

انواع تپه نوردی(Stochasticتصادفی )•انتخاب یکی از حرکت ها رو به باال و به صورت •

تصادفی(First choiceاولین انتخاب )•بصورت تصادفی پسین تولید می کند تا زمانی که •

پسینی تولید که از حالت اولیه بهتر باشد.زمانی مناسب است که فاکتور انشعاب بزرگ •

باشد.(Random-Resetشروع مجدد تصادفی )•در صورت گیر کردن، شروع از یک حالت تصادفی•با احتمال نزدیک به یک کامل است.•

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

31

الگوریتم ژنتیک

نقا

دهن

سیح

م

جی

سند

مهو

ی فن

ه کد

شدان

32

تعریف

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

33

الگوریتم

نقا

ه د

نسی

ح

hd

.deh

ghan

@gm

ail.c

om

34