Σχεδιασμός & Χρονοπρογραμματισμός Ενεργειών
|
|
- Κανδάκη Καραβίας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Τμήμα Πληροφορικής Πρόγραμμα Μεταπτυχιακών Σπουδών Σχεδιασμός & Χρονοπρογραμματισμός Ενεργειών Χειμερινό Εξάμηνο
2 Κεφάλαιο 2 Αναπαράσταση Προβλημάτων Σχεδιασμού Εισαγωγή Αναπαράσταση Προβλημάτων -STRIPS ΗΓλώσσαPDDL Παραδείγματα Αναπαράστασης Προβλημάτων Αναπαράσταση Πλάνων
3 Εισαγωγή Ένα πρόβλημα σχεδιασμού ορίζεται από 3 περιγραφές <I,G,A> I: αρχική κατάσταση του κόσμου Initial state G: στόχοι Goals, που πρέπει να επιτευχθούν Δεν είναι υποχρεωτικά πλήρης. (πολλές τελικές καταστάσεις) A: ενέργειες Actions που μπορεί να εκτελέσει ο πράκτορας Μορφή αναπαράστασης των περιγραφών: Μεγάλο φάσμα γλωσσών, Η εκφραστικότητα μιας γλώσσας είναι αντιστρόφως ανάλογη με την ευκολία επίλυσης του προβλήματος από τους σχεδιαστές Παραδείγματα: προτασιακή λογική (δεν μπορεί να εκφράσει γενικότητα) κατηγορηματική λογική πρώτης τάξης (δεν μπορεί να περιγράψει ενέργειες με μη προκαθορισμένα αποτελέσματα)
4 Κεφάλαιο 2 Αναπαράσταση Προβλημάτων Σχεδιασμού Εισαγωγή Αναπαράσταση Προβλημάτων -STRIPS ΗΓλώσσαPDDL Παραδείγματα Αναπαράστασης Προβλημάτων Αναπαράσταση Πλάνων
5 Το Μοντέλο Strips Χρησιμοποιήθηκε από τον σχεδιαστή STRIPS (Stanford Research Institute Planning System) Το πιο χρησιμοποιημένο μοντέλο περιγραφής προβλημάτων σχεδιασμού. Προτάθηκε το 1971, από τους Fikes και Nilsson, για την καθοδήγηση ενός μικρού ρομπότ (Shakey) Γνώρισε μεγάλη απήχηση, κυρίως λόγω της απλότητας και της φυσικότητας του. Έχει στοιχεία προτασιακής λογικής και είναι κατάλληλο για προβλήματα όπου δεν εμφανίζεται αβεβαιότητα. Ακολουθήθηκε από πολλές επεκτάσεις με πιο πλούσιες εκφραστικές δυνατότητες (π.χ. χρονικοί περιορισμοί)
6
7 Μοντέλο STRIPS (Παραδοχές) Αδιαίρετες ενέργειες (indivisible actions): Δεν ενδιαφέρει η κατάσταση του κόσμου κατά τη διάρκεια εκτέλεσης μιας ενέργειας, παρά μόνο στην αρχή και στο τέλος αυτής. Επίσης δεν είναι δυνατή η διακοπή της εκτέλεσης μιας ενέργειας πριν την ολοκλήρωση της. Προκαθορισμένα αποτελέσματα (deterministic effects): Δεν υπάρχει καμιά αβεβαιότητα όσον αφορά τα αποτελέσματα της εφαρμογής μιας ενέργειας, τα οποία είναι γνωστά εκ των προτέρων. Πλήρης γνώση (omniscience): Το σύστημα σχεδιασμού έχει πλήρη γνώση για την τρέχουσα κατάσταση του κόσμου αλλά και για τις δικές του δυνατότητες. Υπόθεση κλειστού συστήματος (closed world assumption): Δεν υπάρχει δυνατότητα προσθήκης νέων ή διαγραφής υπαρχόντων αντικειμένων από τον κόσμο του συστήματος. Στατικός κόσμος (static world): Ο κόσμος αλλάζει μόνο από τις ενέργειες του συστήματος σχεδιασμού και όχι από μόνος του ούτε από τις ενέργειες κάποιας άλλης οντότητας.
8 Αναπαράσταση Καταστάσεων Στο μοντέλο Strips οι καταστάσεις ορίζονται σαν σύνολα από συγκεκριμένα γεγονότα (facts) που αληθεύουν. Παράδειγμα: a c a b b c Αρχική κατάσταση: block(a) block(b) block(c) on(a,table) on(c,a) on(b,table) clear(b) clear(c) Τελική κατάσταση: on(b,c) on(a,b) Αρχική κατάσταση Τελική κατάσταση
9 Μειονεκτήματα Δεν αναφέρει το χρόνο κατά τον οποίο ισχύουν τα γεγονότα θα χρειαζόταν χρονικοί προσδιορισμοί για κάθε γεγονός Δεν μπορεί να περιγράψει συνεχείς μεταβολές Θεωρεί πλήρη βεβαιότητα για την ισχύ των γεγονότων Για παράδειγμα, το γεγονός "Ο κύβοςc βρίσκεται πάνω στον κύβο A" θα μπορούσε να ισχύει με βεβαιότητα 80%. Ηβεβαιότητατωνγεγονότωνθαμπορούσεναοριστείμεσυντελεστές Δεν είναι πλήρης Δεν περιέχει γνώση για όλες τις παραμέτρους του προβλήματος αλλά μόνο για αυτές που θεωρείται ότι σχετίζονται με τη λύση του Για παράδειγμα, στην περιγραφή της αρχικής κατάστασης δεν δηλώνονται τα χρώματα των κύβων ούτε η εξωτερική θερμοκρασία Τα γεγονότα που συμπεριλαμβάνονται στην αναπαράσταση ενός προβλήματος αποτελούν το πλαίσιό του (frame)
10 Αναπαράσταση Ενεργειών (1/2) Μια ενέργεια a περιγράφεται με τρεις λίστες γεγονότων: Λίστα προϋποθέσεων (Precondition list, Pre(a)) Τα γεγονότα που πρέπει να περιλαμβάνονται σε μια κατάσταση, ώστε η ενέργεια να είναι εφαρμόσιμη στην κατάσταση αυτή. Λίστα προσθήκης (Add list, Add(a)) Τα γεγονότα που προσθέτει η ενέργεια στη νέα κατάσταση. Λίστα διαγραφής (Delete list, Del(a)) Τα γεγονότα της τρέχουσας κατάστασης που δε συμπεριλαμβάνονται στη νέα. Del(a) Pre(a), Pre(a) Add(a) =, Del(a) Add(a) =
11 Εφαρμογή Ενεργειών Για να είναι εφαρμόσιμη μια ενέργεια a σε μια κατάσταση S θα πρέπει: Pre(a) S Η κατάσταση S' που προκύπτει μετά την εφαρμογή της ενέργειας a στην κατάσταση S δίνεται από τον τύπο: S'=res(S,a)=S-Del(a) Add(a) Η κατάσταση S που προκύπτει μετά την εφαρμογή μιας ακολουθίας ενεργειών a 1, a 2,..., a N στην S: S'=res(S, a 1,a 2,..,a N )= res(res(s, a 1,a 2,..,a N-1 ),a N )
12 Σχεδιασμός Ενεργειών Παράδειγμα C C A B A B S ontable (A) ontable(b) on(c,a) clear(c) clear(b) move_c_from_a_to_b Precs Del clear(c) clear(b) clear(b) on(c,a) on(c,a) Add clear(a) on(c,b) S ontable (A) ontable(b) on(c,a) clear(c) clear(b) on(c,b) clear(a)
13 Τελεστές αντί Ενεργειών Λόγω του μεγάλου αριθμού ενεργειών στα συνήθη προβλήματα, προτιμάται η χρήση τελεστών Οι τελεστές (operators) ή σχήματα ενεργειών (action schemata) χρησιμοποιούν μεταβλητές και αποτελούν γενικές περιγραφές ομάδων ενεργειών Οι ενέργειες μπορούν να παραχθούν από τους τελεστές, δεσμεύοντας τις μεταβλητές σε συγκεκριμένες τιμές Π.χ. Στο πρόβλημα των κύβων, ένας τελεστής θα μπορούσε να μοντελοποιεί την μετακίνηση κύβων προς το τραπέζι move_to_table (X,Y) Precs clear(x) on(x,y) Del on(x,y) Add clear(y) on_table(x)
14 Κεφάλαιο 2 Αναπαράσταση Προβλημάτων Σχεδιασμού Εισαγωγή Αναπαράσταση Προβλημάτων -STRIPS Η Γλώσσα PDDL Παραδείγματα Αναπαράστασης Προβλημάτων Αναπαράσταση Πλάνων
15 Η γλώσσα PDDL Αποτελεί το πρότυπο για την περιγραφή προβλημάτων σχεδιασμού Δημιουργήθηκε το 1998 επεκτείνοντας το μοντέλο STRIPS Αποτελέσματα υπό συνθήκη Δυναμικά σύμπαντα Αξιώματα διαφόρων επιπέδων Περιορισμούς ασφαλείας Ιεραρχίες Προβλημάτων Ακολουθήθηκε πρόσφατα (2003) από τη 2η έκδοσημε επεκτάσεις για Χρόνο Αριθμητικά μεγέθη Πόρους
16 Πεδία και Προβλήματα Βασικό Χαρακτηριστικό της PDDL είναι ο διαχωρισμός σε Πεδία (Domains): Αφαιρετικές περιγραφές των κοινών στοιχείων που υπάρχουν σε μια οικογένεια προβλημάτων Προβλήματα (Problems): Ορισμός των τιμών του συγκεκριμένου στιγμιότυπου Πλεονεκτήματα διαχωρισμού Ευκολότερη περιγραφή λόγω ιεραρχικής προσέγγισης Επαναχρησιμοποίηση δομών Γρήγορη περιγραφή πολλαπλών παρόμοιων προβλημάτων Αποφυγή επαναλήψεων
17 Πεδία Στην περιγραφή των πεδίων σχεδιασμού περιλαμβάνονται οι ορισμοί των: Οντοτήτων (entities) ή κλάσεων (classes) που υπάρχουν στον κόσμο Π.χ. Άνθρωποι, Εργαλεία, Αντικείμενα (π.χ. κύβοι) Σχέσεων (Relations) ή κατηγορημάτων (predicates) ανάμεσα στις οντότητες Δηλώνουν ιδιότητες ή καταστάσεις των οντοτήτων (π.χ. On(B,A)) Κάθε οντότητα μεταφράζεται αυτόματα και σε μοναδιαία σχέση Τελεστών (Operators) που αποτελούνται από: Όνομα τελεστή, π.χ. Στρέψε_Βραχίονα, Μετακίνησε Παραμέτρους, που αντιστοιχούν στις επηρεαζόμενες οντότητες Λίστα Προϋποθέσεων Λίστα Διαγραφής Λίστα Προσθήκης
18 Προβλήματα Στην περιγραφή των προβλημάτων σχεδιασμού περιλαμβάνονται: Τα ονόματα των αντικειμένων που υπάρχουν στον πρόβλημα Ηπλήρηςπεριγραφήτηςαρχικής κατάστασης του κόσμου. Οι καταστάσεις αποτελούν λίστες γεγονότων: Στατικά γεγονότα: Ισχύουν σε όλες τις καταστάσεις του προβλήματος και περιγράφουν στατική γνώση (π.χ. City(Thessaloniki)) Δυναμικά γεγονότα: Αυτά μπορούν να διαγράφονται και να προστίθενται δυναμικά μέσω των ενεργειών (π.χ. at(truck1,thessaloniki)) Οι στόχοι του προβλήματος. Αποτελούνται μόνο από δυναμικά γεγονότα, τα οποία δεν αποτελούν οπωσδήποτε πλήρη πειγραφή κατάστασης
19 Κεφάλαιο 2 Αναπαράσταση Προβλημάτων Σχεδιασμού Εισαγωγή Αναπαράσταση Προβλημάτων -STRIPS ΗΓλώσσαPDDL Παραδείγματα Αναπαράστασης Προβλημάτων Αναπαράσταση Πλάνων
20 Παράδειγμα 1 - Gripper Στην οικογένεια του Gripper υπάρχουν ρομπότ που μετακινούνται σε ένα χώρο που περιλαμβάνει δωμάτια τα οποία συνδέονται όλα μεταξύ τους Στα δωμάτια υπάρχουν κάποιες μπάλες τις οποίες τα ρομπότ πρέπει να μεταφέρουν στις επιθυμητές τοποθεσίες (δωμάτια) Κάθε ρομπότ διαθέτει k βραχίονες, οπότε το πολύ k είναι και οι μπάλες που μπορεί να κρατάει ανά πάσα στιγμή. Τα δωμάτια μοντελοποιούνται ως σημεία
21 Κωδικοποίηση του πεδίου Gripper Οι οντότητες στο πεδίο Gripper είναι: Ρομπότ (Robot) Μπάλα (Ball) Δωμάτιο (Room) Βραχίονας (Gripper) Οι σχέσεις: Βρίσκεται (at) που συνδέει το Ρομπότ με το Δωμάτιο Βρίσκεται (at) που συνδέει τη Μπάλα με το Δωμάτιο Κρατά (has) που συνδέει τον Βραχίονα με την Μπάλα Ελεύθερος (free) που αναφέρεται στον Βραχίονα Ανήκει (belongs) που ορίζει σε ποιο ρομπότ ανήκει ο βραχίονας Οι τελεστές: Move (R, X, Y) robot(r) room(x) room(y) at(r,x) - at(r,x) + at(r,y) robot(r) gripper(g) belongs(g,r) ball(b) room(x) at(r,x) at(b,x) free(g) Pick_ball (R,G,B,X) - at(b,x) - free(r) + has(r,b) Drop_ball (R,G,B,X) robot(r) gripper(g) belongs(g,r) ball(b) room(x) at(r,x) has(r,b) - has(r,b) + at(b,x) + free(g)
22 Κωδικοποίηση ενός προβλήματος Gripper Έστω το διπλανό πρόβλημα όπου: Tορομπότέχει2 βραχίονες (left, right), Kινείται σε ένα χώρο 3 δωματίων (room1, room2, room3) Yπάρχουν 2 μπάλες (ball1, ball2) Αντικείμενα: Robot1,Ball1,Ball2,Room1,Room2,Room3,Left,Right Αρχική Κατάσταση I = {robot(robot1),room(room1),room(room2),room(room3), ball(ball1),ball(ball2),gripper(left),gripper(right), belongs(left,robot1),belongs(right,robot1),at(robot1,room1), at(ball1,room2),at(ball2,room3),free(left),free(right)} Στόχοι G = {at(ball1,room1), at(ball2,room1)}
23 Παράδειγμα 2 - Εφοδιαστική Στην οικογένεια της Εφοδιαστικής (Logistics) υπάρχει ένα σύνολο από πόλεις, όπου κάθε μία αποτελείται από ορισμένα σημεία. Στονχάρτηαυτόυπάρχουνορισμέναπακέταπουπρέπεινα μεταφερθούν στον προορισμό τους Για τις μεταφορές χρησιμοποιείται ένας στόλος από φορτηγά και αεροσκάφη Τα φορτηγά έχουν άπειρη χωρητικότητα και μπορούν να μετακινούνται ανάμεσα στα σημεία της ίδιας πόλης Τα αεροσκάφη έχουν επίσης άπειρη χωρητικότητα και μπορούν να μετακινούνται μόνο ανάμεσα στα σημεία που έχουν οριστεί ως αεροδρόμια
24 Κωδικοποίηση του πεδίου της Εφοδιαστικής (1/2) Οντότητες: Πόλη (City) Σημείο (Location) Φορτηγό (Truck) Αεροσκάφος (Airplane) Πακέτο (Package) Σχέσεις: Airport(Location): Το σημείο είναι αεροδρόμιο In_city(Location,City): Το σημείο ανήκει στην πόλη In(Package,Truck): Το πακέτο βρίσκεται στο φορτηγό In(Package,Airplane): Το πακέτο βρίσκεται στο αεροσκάφος At(Package,Location): Το πακέτο βρίσκεται στο σημείο At(Truck,Location): Το φορτηγό βρίσκεται στο σημείο At(Airplane,Location): Το αεροσκάφος βρίσκεται στο σημείο
25 Κωδικοποίηση του πεδίου της Εφοδιαστικής (2/2) Τελεστές: Drive(T,From,To,C) truck(t) location(from) location(to) city(c) in-city(from, C) in-city(to,c) at(t,from) package(o) plane(p) location(l) at(o,l) at(p,l) - at(t,from) + at(t,to) Load_plane(O,P,L) - at(o,l) + in(o,p) airplane(p) airport(from) airport(to) at (P,From) Unload_plane(O,P,L) package(o) plane(p) location(l) in(o,p) at(p,l) Fly(P,From,To) - at(p,from) + at(p,to) - in(o,p) + at(o,l) package(o) truck(t) location(l) at(o,l) at(t,l) Load_truck(O,T,L) - at(o,l) + in(o,t) Unload_truck(O,T,L) package(o) truck(t) location(l) in(o,t) at(t,l) - in(o,t) + at(o,l)
26 Ένα πρόβλημα Εφοδιαστικής Αρχική Κατάσταση Ι={package(P1),package(P2),truck(Tru1),truck(Tru2), truck(tru3),city(athens),city(milan),city(thessaloniki), location(omonoia),location(venizelos),,airport(venizelos), airport(malpensa),airport(macedonia),airplane(plane), In-city(Omonoia,Athens),In-city(Venizelos,Athens),.., at(plane,venizelos),at(tru1,venizelos),at(tru2,railway), at(tru3,toumpa),at(p1,neapoli),at(p2,malpensa)} Στόχοι G={at(P1,Omonoia),at(P2,Railway)} Omonoia Athens Venizelos Malpensa Railway Macedonia Toumpa Neapoli Milan Thessaloniki
27 Κεφάλαιο 2 Αναπαράσταση Προβλημάτων Σχεδιασμού Εισαγωγή Αναπαράσταση Προβλημάτων -STRIPS ΗΓλώσσαPDDL Παραδείγματα Αναπαράστασης Προβλημάτων Αναπαράσταση Πλάνων
28 Αναπαράσταση Πλάνων Μία ακολουθία ενεργειών που παράγεται από ένα πρόβλημα σχεδιασμού P=<I,G,A> ονομάζεται πλάνο (plan) Ένα πλάνο αναπαριστάται ως μία δυάδα <Αs,C>, όπου: As = <A 1,A 2,..,A L >, A k A είναι μία λίστα με ενέργειες C είναι μία λίστα με περιορισμούς διάταξης στο As Ανάλογα με τους περιορισμούς διάταξης, ένα πλάνο λέγεται: Γραμμικό (Linear) αν ορίζεται σειριακή ακολουθία εκτέλεσης στο As Παράλληλο (Parallel) ήμη-γραμμικό αν επιτρέπεται η ταυτόχρονη εκτέλεση δύο ή περισσοτέρων ενεργειών Τα πλάνα που εφαρμόζονται στην I ονομάζονται έγκυρα (valid) Ένα έγκυρο πλάνο που πετυχαίνει το G αποτελεί λύση του P Ένα πρόβλημα σχεδιασμού μπορεί να έχει μία ή περισσότερες ή καμία λύση, οπότε χαρακτηρίζεται ως άλυτο (unsolvable).
29 Διαγραμματική Αναπαράσταση Πλάνων Ι Ένα πρόβλημα με τρεις κύβους C Α B A B C Αρχική κατάσταση Τελική κατάσταση Ένα πλάνο λύση για το παραπάνω πρόβλημα με μορφή δικτύου ενεργειών move_c_from_a_to_table block(c) block(a) on(c,a) clear(c) - on(c,a) + on(c,table) + clear(a) move_b_from_table_to_c block(b) block(c) on(table,b) clear(b) clear(c) - on(table,b) - clear(c) + on(b,c) move_a_from_table_to_b block(a) block(b) on(table,a) clear(a) clear(b) - on(table,a) - clear(b) + on(a,b)
30 Διαγραμματική Αναπαράσταση Πλάνων ΙΙ Διαγραμματική αναπαράσταση πλάνου με ραβδόγραμμα (Gantt bar chart) Χρόνος σε ώρες load_truck(truck1, package1, center1) move_truck(truck1, center1, airport1, city1) unload_truck(truck1, package1, airport1) fly_airplane(plane1, airport2, airport1)
31 Παράδειγμα Ένα πλάνο τριών ενεργειών, το οποίο μετακινεί το φορτίο package1 από τη θέση loc1_1 στη θέση loc1_2, με χρήση του φορτηγού truck1. load_truck(package1,truck1,loc1_1) move_truck(truck1,loc1_1, loc1_2,city1) unload_truck(package1,truck1,loc1_2) truck(truck1) package(package1) location(loc1_1) at(truck1,loc1_1) at(package1,loc1_1) - at(package1,loc1_1) + in(packag1,truck1) truck(truck1) location(loc1_1) location(loc1_2) city(city1) at_city(loc1_1,city1) at_city(loc1_2,city1) at(truck1,loc1_1) - at(truck1,loc1_1) + at(truck1,loc1_2) truck(truck1) package(package1) location(loc1_2) at(truck1,loc1_2) in(package1,truck1) - in(packag1,truck1) + at(package1,loc1_2) Στατικά Γεγονότα truck(truck1), truck(truck2) package(package1) location(loc1_1), location(loc1_2), location(loc2_1), location(loc2_2) at_city(loc1_1, city1), at_city(loc1_2, city1) at_city(loc2_1, city2), at_city(loc2_2, city2) plane(plane1) airport(loc1_2), airport(loc2_2) Δυναμικά Γεγονότα at(truck1,loc1_1) at(package1,loc1_1) Δυναμικά Γεγονότα at(truck1,loc1_1) in(package1,truck1) Δυναμικά Γεγονότα at(truck1,loc1_2) in(package1,truck1) Δυναμικά Γεγονότα at(truck1,loc1_2) at(package1,loc1_2)
ΚΕΦΑΛΑΙΟ 15 Βασικές Αρχές και Τεχνικές Σχεδιασµού
ΚΕΦΑΛΑΙΟ 15 Βασικές Αρχές και Τεχνικές Σχεδιασµού Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Σχεδιασµός Ενεργειών (Planning) Προβλήµατα σχεδιασµού
Διαβάστε περισσότεραΣχεδιασµός Ενεργειών
Σχεδιασµός Ενεργειών! Σχεδιασµός είναι η εύρεση µιας ακολουθίας ενεργειών, οι οποίες αν εφαρµοσθούν σε µια δεδοµένη αρχική κατάσταση, προκαλούν την επίτευξη προκαθορισµένων στόχων. # Μεταφορά φορτίων #
Διαβάστε περισσότεραΣχεδιασµός Ενεργειών
Σχεδιασµός Ενεργειών! Γενικά Αναπαράσταση STRIPS Αναζήτηση στο χώρο των καταστάσεων Αναζήτηση στο χώρο των πλάνων ιάφορες τεχνικές Γενικά (1/2) " Σχεδιασµός ενεργειών (planning) είναι η εύρεση µιας ακολουθίας
Διαβάστε περισσότεραΣχεδιασµός Ενεργειών
Σχεδιασµός Ενεργειών Σχεδιασµός είναι η εύρεση µιας ακολουθίας ενεργειών, οι οποίες αν εφαρµοσθούν σε µια δεδοµένη αρχική κατάσταση, προκαλούν την επίτευξη προκαθορισµένων στόχων. Μεταφορά φορτίων Πλοήγηση
Διαβάστε περισσότεραΣχεδιασµός ενεργειών
Σχεδιασµός ενεργειών Μέρος 1: ιάρθρωση (1/2)! Περιγραφή προβληµάτων σχεδιασµού ενεργειών " Λογισµός καταστάσεων " Το µοντέλο STRIPS " Η γλώσσα PDDL! Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών
Διαβάστε περισσότεραΕξελιγµένες Τεχνικές Σχεδιασµού
Κεφάλαιο 16 Εξελιγµένες Τεχνικές Σχεδιασµού Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Σχεδιασµός Βασισµένος σε Γράφους Γράφος σχεδιασµού (1/2) Ο
Διαβάστε περισσότεραΠεριγραφή Προβλημάτων
Τεχνητή Νοημοσύνη 02 Περιγραφή Προβλημάτων Φώτης Κόκκορας Τμ.Τεχν/γίας Πληροφορικής & Τηλ/νιών - ΤΕΙ Λάρισας Παραδείγματα Προβλημάτων κύβοι (blocks) Τρεις κύβοι βρίσκονται σε τυχαία διάταξη πάνω στο τραπέζι
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Περιγραφή Προβλημάτων Διαισθητικά, σε ένα πρόβλημα υπάρχει μια δεδομένη κατάσταση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 25 Ιουνίου 2003 ιάρκεια: 2 ώρες α) Σε ποια περίπτωση
Διαβάστε περισσότεραΠανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Τεχνητή Νοημοσύνη. Ενότητα 6: Σχεδιασμός Ενεργειών
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Τεχνητή Νοημοσύνη Ενότητα 6: Σχεδιασμός Ενεργειών Αν. καθηγητής Στεργίου Κωνσταντίνος kstergiou@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Άδειες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Τρίτη 23 Ιανουαρίου 2007 ιάρκεια: 12:00-15:00 Κωδικοποιείστε
Διαβάστε περισσότερα(d) 2 2 => 4 : OXI (Η προτασιακή λογική δεν περιλαμβάνει για άτομα καθαρούς αριθμούς)
Συμβολισμοί: Χρησιμοποιούμε για την άρνηση, για σύζευξη, για διάζευξη, => για συνεπαγωγή,
Διαβάστε περισσότεραΣχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού
Σχεδιασµός Planning Το πρόβληµα τουσχεδιασµού Κλασσικός σχεδιασµός: Πλήρως παρατηρήσιµα, αιτιοκρατικά, πεπερασµένα, στατικά και διακριτά περιβάλλοντα. Ευρετική συνάρτηση Αποσυνθέσιµα προβλήµατα Σχεδόν
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΚεφάλαιο 5: Εισαγωγή στην Προσομοίωση
Κεφάλαιο 5: Εισαγωγή στην Προσομοίωση Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής Προσομοίωση Τεχνικές χρήσης υπολογιστών για τη «μίμηση» των λειτουργιών διαφόρων ειδών
Διαβάστε περισσότεραΑνάπτυξη Συστήµατος Σχεδιασµού Ενεργειών µε την Γλώσσα JAVA
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ανάπτυξη Συστήµατος Σχεδιασµού Ενεργειών µε την Γλώσσα JAVA ιπλωµατική Εργασία του Dimitar Sht. Shterionov (ΑΕΜ: 1171)
Διαβάστε περισσότεραΠεριεχόμενα. Δομές δεδομένων. Τεχνικές σχεδίασης αλγορίθμων. Εισαγωγή στον προγραμματισμό. Υποπρογράμματα. Επαναληπτικά κριτήρια αξιολόγησης
Περιεχόμενα Δομές δεδομένων 37. Δομές δεδομένων (θεωρητικά στοιχεία)...11 38. Εισαγωγή στους μονοδιάστατους πίνακες...16 39. Βασικές επεξεργασίες στους μονοδιάστατους πίνακες...25 40. Ασκήσεις στους μονοδιάστατους
Διαβάστε περισσότεραΣχεδιασμός & Χρονοπρογραμματισμός Ενεργειών
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Τμήμα Πληροφορικής Πρόγραμμα Μεταπτυχιακών Σπουδών Σχεδιασμός & Χρονοπρογραμματισμός Ενεργειών Χειμερινό Εξάμηνο 2006-2007 Κεφάλαιο 1 - Εισαγωγή Εισαγωγή στις Ερευνητικές
Διαβάστε περισσότεραΑτοµική ιπλωµατική Εργασία ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΙ ΠΡΟΤΑΣΙΑΚΩΝ ΕΠΙΛΥΤΩΝ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΡΑΣΗΣ. Ελένη Προξένου ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ
Ατοµική ιπλωµατική Εργασία ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΙ ΠΡΟΤΑΣΙΑΚΩΝ ΕΠΙΛΥΤΩΝ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΡΑΣΗΣ Ελένη Προξένου ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Μάιος 2012 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο ΚΕΦΑΛΑΙΟ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ 1 ο ΚΕΦΑΛΑΙΟ 1) Τι είναι πρόβλημα (σελ. 3) 2) Τι είναι δεδομένο, πληροφορία, επεξεργασία δεδομένων (σελ. 8) 3) Τι είναι δομή ενός προβλήματος (σελ. 8)
Διαβάστε περισσότεραΕπίλυση προβλημάτων με αναζήτηση
Επίλυση προβλημάτων με αναζήτηση Περιεχόμενα Μέθοδοι (πράκτορες) επίλυσης προβλημάτων Προβλήματα και Λύσεις Προβλήματα παιχνίδια Προβλήματα του πραγματικού κόσμου Αναζήτηση λύσεων Δέντρο αναζήτησης Στρατηγικές
Διαβάστε περισσότεραΧαράλαμπος Κοπτίδης ΠΕΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
Ατομική Διπλωματική Εργασία LAMSAT: ΕΝΟΠΟΙΗΣΗ ΕΥΡΕΤΙΚΉΣ ΚΑΙ ΠΡΟΤΑΣΙΑΚΗΣ ΑΝΑΖΗΤΗΣΗΣ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΔΡΑΣΗΣ Χαράλαμπος Κοπτίδης ΠΕΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΕΚΕΜΒΡΙΟΣ 2011 ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραΣου προτείνω να τυπώσεις τις επόμενες τέσσερις σελίδες σε ένα φύλο διπλής όψης και να τις έχεις μαζί σου για εύκολη αναφορά.
AeppAcademy.com facebook.com/aeppacademy Γεια. Σου προτείνω να τυπώσεις τις επόμενες τέσσερις σελίδες σε ένα φύλο διπλής όψης και να τις έχεις μαζί σου για εύκολη αναφορά. Καλή Ανάγνωση & Καλή Επιτυχία
Διαβάστε περισσότεραΕΠΛ 434: Λογικός Προγραμματισμός και Τεχνητή Νοημοσύνη
ΕΠΛ 434: Λογικός Προγραμματισμός και Τεχνητή Νοημοσύνη Επισκ. Λέκτορας Λοΐζος Μιχαήλ Τμήμα Πληροφορικής Πανεπιστήμιο Κύπρου (Χειμερινό Εξάμηνο 2008 2009) Εφαρμογή: Σχεδιασμός Δράσεως Σχεδιασμός Δράσεως:
Διαβάστε περισσότεραΑνάπτυξη συστήματος ελέγχου εγκυρότητας προβλημάτων Σχεδιασμού μέσω Υπηρεσιών Ιστού και Οπτικοποίησης Πληροφορίας
Α Π Θ Δ Ε Μ Π Ανάπτυξη συστήματος ελέγχου εγκυρότητας προβλημάτων Σχεδιασμού μέσω Υπηρεσιών Ιστού και Οπτικοποίησης Πληροφορίας Συγγραφέας: Δημήτριος Γιουρούκης Επιβλέπων: Δημήτριος Βράκας Επίκουρος Καθηγητής
Διαβάστε περισσότερα1.2 Jason BDI Αρχιτεκτονική
1.2 Jason 1.2.1 BDI Αρχιτεκτονική Το Belief-Desire-Intention (BDI) είναι ένα μοντέλο λογισμικού που έχει αναπτυχθεί για τον προγραμματισμό ευφυών πρακτόρων. Χαρακτηρίζεται από την υλοποίηση των πεποιθήσεων,
Διαβάστε περισσότεραΒΙΒΛΙΑ ΒΙΒΛΙΑ
ΠΑΡΑΡΤΗΜΑ 05 ΠΛΗΡΟΦΟΡΙΚΗ Σύγκριση της Διδακτέας-εξεταστέας ύλης του πανελλαδικώς εξεταζόμενου μαθήματος «ΠΛΗΡΟΦΟΡΙΚΗ» (πρώην Περιβάλλον), της Γ τάξης ημερήσιου Γενικού Λυκείου, μεταξύ του σχολικού έτους
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος. http://www.aueb.gr/users/ion/
Τεχνητή Νοημοσύνη 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΔ Ι Π Λ Ω Μ ΑΤ Ι Κ Η Ε Ρ Γ Α Σ Ι Α
Α Ρ Ι Σ Τ Ο Τ Ε Λ Ε Ι Ο Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Θ Ε Σ Σ Α Λ Ο Ν Ι Κ Η Σ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Δ Ι Π Λ Ω Μ ΑΤ Ι Κ Η Ε Ρ Γ Α Σ Ι Α ΑΝΑΠΤΥΞΗ ΣΥΣΤΗΜΑΤΟΣ
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 5: Εισαγωγή στην Προσομοίωση
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 5: Εισαγωγή στην Προσομοίωση Γαροφαλάκης Ιωάννης Πολυτεχνική Σχολή Τμήμα Μηχ/κών Η/Υ & Πληροφορικής Σκοποί ενότητας Κατά τη διάρκεια της ζωής ενός συστήματος,
Διαβάστε περισσότεραΠΡΟΣΟΜΟΙΩΣΗ. Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο.
ΠΡΟΣΟΜΟΙΩΣΗ Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο. δημιουργία μοντέλου προσομοίωσης ( - χρήση μαθηματικών, λογικών και
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. Σχεδιασμός Ενεργειών. Ιώαννης Βλαχάβας Τμήμα Πληροφορικής ΑΠΘ
Τεχνητή Νοημοσύνη Σχεδιασμός Ενεργειών Ιώαννης Βλαχάβας Τμήμα Πληροφορικής ΑΠΘ Θεζζαινλίθε, 2013 Άδεηεο Χξήζεο Το παρόλ εθπαηδεσηηθό σιηθό σπόθεηηαη ζε άδεηες τρήζες Creative Commons. Γηα εθπαηδεσηηθό
Διαβάστε περισσότεραΚεφάλαιο 7. Τρισδιάστατα Μοντέλα
Κεφάλαιο 7. 7.1 ομές εδομένων για Γραφικά Υπολογιστών. Οι δομές δεδομένων αποτελούν αντικείμενο της επιστήμης υπολογιστών. Κατά συνέπεια πρέπει να γνωρίζουμε πώς οργανώνονται τα γεωμετρικά δεδομένα, προκειμένου
Διαβάστε περισσότεραΕΡΓΑΣΙΕΣ ΟΝΤΟΚΕΝΤΡΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
ΕΡΓΑΣΙΕΣ ΟΝΤΟΚΕΝΤΡΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ 2016-2017 ΕΡΓΑΣΙΑ 1 (JAVA) Παράδοση 26/4/2017 Στα πλαίσια της εργασίας θα υλοποιηθεί ένα απλοϊκό πρόγραμμα κρατήσεων Ξενοδοχείων. Για απλοποίηση θα περιοριστούμε
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη ΙΙ Εαρινό Εξάμηνο 2011-2012 Εργασία ΙΙ: Σχεδιασμός Ημερομηνία Παράδοσης: 26 Μαρτίου 2012
Τεχνητή Νοημοσύνη ΙΙ Εαρινό Εξάμηνο 2011-2012 Εργασία ΙΙ: Σχεδιασμός Ημερομηνία Παράδοσης: 26 Μαρτίου 2012 Ον/μο φοιτητή: Μπεγέτης Νικόλαος Α.Μ.: 1115200700281 Άσκηση 1(i) Το πλάνο εκτέλεσης για το πρόβλημα
Διαβάστε περισσότερα09 Η γλώσσα UML I. Τεχνολογία Λογισμικού. Τμήμα Πληροφορικής & Τηλεπικοινωνιών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών. Εαρινό εξάμηνο
09 Η γλώσσα UML I Τεχνολογία Λογισμικού Τμήμα Πληροφορικής & Τηλεπικοινωνιών Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Εαρινό εξάμηνο 2017 18 Δρ. Κώστας Σαΐδης saiko@di.uoa.gr Unified Modeling Language
Διαβάστε περισσότεραΣύνθεση διαδικτυακών υπηρεσιών με χρήση τεχνικών σχεδιασμού ενεργειών
Σύνθεση διαδικτυακών υπηρεσιών με χρήση τεχνικών σχεδιασμού ενεργειών Ουρανία Χατζή raniah@hua.gr Χαροκόπειο Πανεπιστήμιο 29 Νοεμβρίου 2007 Outline Web Service Overview Standards & Model Syntactic vs Semantic
Διαβάστε περισσότεραΜαρία Κουμή ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
Ατομική Διπλωματική Εργασία ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΜΟΡΙΑΚΗΣ ΒΙΟΛΟΓΙΑΣ ΜΕ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΔΡΑΣΗΣ. Μαρία Κουμή ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Μάιος 2008 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜONTΕΛΟΠΟΙΗΣΗ
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΑΠΑΙΤΗΣΕΩΝ ανάλυση απαιτήσεων Σε αυτό το μάθημα θα ασχοληθούμε με : Δημιουργία μοντέλων
ΑΝΑΛΥΣΗ ΑΠΑΙΤΗΣΕΩΝ Οι Μηχανικοί Λογισμικού παράγουν μοντέλα που βοηθούν στη διατύπωση των απαιτήσεων με τη μορφή προδιαγραφών. Η εργασία της παραγωγής μοντέλων περιγράφεται ως ανάλυση απαιτήσεων. Η ανάλυση
Διαβάστε περισσότεραΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ
(Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού
Διαβάστε περισσότεραΔιαγράμματα UML στην Ανάλυση. Μέρος Γ Διαγράμματα Επικοινωνίας Διαγράμματα Ακολουθίας Διαγράμματα Μηχανής Καταστάσεων
Διαγράμματα UML στην Ανάλυση Μέρος Γ Διαγράμματα Επικοινωνίας Διαγράμματα Ακολουθίας Διαγράμματα Μηχανής Καταστάσεων περιεχόμενα παρουσίασης Διαγράμματα επικοινωνίας Διαγράμματα ακολουθίας Διαγράμματα
Διαβάστε περισσότεραHY118-Διακριτά Μαθηματικά
HY118-Διακριτά Μαθηματικά Πέμπτη, 15/02/2018 Το υλικό των διαφανειών έχει βασιστεί σε Αντώνης διαφάνειες Α. Αργυρός του Kees van e-mail: argyros@csd.uoc.gr Deemter, από το University of Aberdeen 15-Feb-18
Διαβάστε περισσότεραΥπάρχουν διάφοροι ορισμοί. Η οντολογία (ontology), ως μια τυποποιημένη περιγραφή ενός συγκεκριμένου τομέα γνώσης η οποία πρέπει να είναι αποδεκτή από
Υπάρχουν διάφοροι ορισμοί. Η οντολογία (ontology), ως μια τυποποιημένη περιγραφή ενός συγκεκριμένου τομέα γνώσης η οποία πρέπει να είναι αποδεκτή από μια ομάδα ατόμων, για να έχει νόημα η ύπαρξή της, έρχεται
Διαβάστε περισσότεραΒάσεις Δεδομένων. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα
Βάσεις Δεδομένων Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Βάσεις Δεδομένων», 2015-2016 Κεφάλαιο 2: Περιβάλλον Βάσεων Δεδομένων Μοντέλα Δεδομένων 2.1
Διαβάστε περισσότεραMETROPOLIS. Ένα περιβάλλον σχεδιασμού για ετερογενή συστήματα
METROPOLIS Ένα περιβάλλον σχεδιασμού για ετερογενή συστήματα Ενσωματωμένα συστήματα Ορίζονται ως ηλεκτρονικά συστήματα τα οποία χρησιμοποιούν υπολογιστές και ηλεκτρονικά υποσυστήματα για να εκτελέσουν
Διαβάστε περισσότεραΜάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός. Διάλεξη 02 & 03. Δρ. Γεώργιος Χρ. Μακρής
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ στα ΔΙΚΤΥΑ και ΠΟΛΥΠΛΟΚΟΤΗΤΑ Μάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός Χειμερινό Εξάμηνο Σπουδών Διάλεξη 02 & 03 Δρ. Γεώργιος Χρ. Μακρής Αναπαράσταση
Διαβάστε περισσότεραΤο δεύτερο παιχνίδι ΤΟΥΒΛΑΚΙΑ
Το δεύτερο παιχνίδι ΤΟΥΒΛΑΚΙΑ Στο παιχνίδι υπάρχουν τουβλάκια διαφόρων χρωμάτων. Σκοπός του παιχνιδιού είναι να καταστραφούν όλα τα τουβλάκια. Ο παίκτης χειρίζεται από το πληκτρολόγιο μία ρακέτα. Ένα μπαλάκι
Διαβάστε περισσότεραΑνάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον
Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον ΚΕΦΑΛΑΙΟ 2 2.4 Βασικές συνιστώσες/εντολές ενός αλγορίθμου 2.4.1 Δομή ακολουθίας ΚΕΦΑΛΑΙΟ 7 7.1 7.9 Σταθερές (constants): Προκαθορισμένες τιμές που παραμένουν
Διαβάστε περισσότεραΠεριεχόμενα. Ανάλυση προβλήματος. Δομή ακολουθίας. Δομή επιλογής. Δομή επανάληψης. Απαντήσεις. 1. Η έννοια πρόβλημα Επίλυση προβλημάτων...
Περιεχόμενα Ανάλυση προβλήματος 1. Η έννοια πρόβλημα...13 2. Επίλυση προβλημάτων...17 Δομή ακολουθίας 3. Βασικές έννοιες αλγορίθμων...27 4. Εισαγωγή στην ψευδογλώσσα...31 5. Οι πρώτοι μου αλγόριθμοι...54
Διαβάστε περισσότεραΔιαγράμματα Κλάσεων στη Σχεδίαση
Διαγράμματα Κλάσεων στη Σχεδίαση περιεχόμενα παρουσίασης Αφηρημένες κλάσεις Ιδιότητες Λειτουργίες Απλοί τύποι Συσχετίσεις Εξάρτηση Διεπαφές αφηρημένες κλάσεις Οι αφηρημένες κλάσεις δεν μπορούν να δημιουργήσουν
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης. Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού
Πληροφοριακά Συστήματα Διοίκησης Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού Σημασία μοντέλου Το μοντέλο δημιουργεί μια λογική δομή μέσω της οποίας αποκτούμε μια χρήσιμη άποψη
Διαβάστε περισσότεραΠρογραμματισμός Ι (ΗΥ120)
Προγραμματισμός Ι (ΗΥ120) Διάλεξη 15: Διασυνδεμένες Δομές - Λίστες Διασυνδεδεμένες δομές δεδομένων Η μνήμη ενός πίνακα δεσμεύεται συνεχόμενα. Η πρόσβαση στο i-οστό στοιχείο είναι άμεση καθώς η διεύθυνση
Διαβάστε περισσότεραΕνότητα 3: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ
Ενότητα 3: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΔΕΔΟΜΕΝΑ ΑΛΓΟΡΙΘΜΟΙ -ΠΛΗΡΟΦΟΡΙΑ: Δεδομένα: Αναπαράσταση της Πραγματικότητας Μπορούν να γίνουν αντιληπτά με μια από τις αισθήσεις μας Πληροφορία: Προκύπτει από
Διαβάστε περισσότεραΕρωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2
Ερωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2 1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων Πληροφορικής 2. Ο αλγόριθμος αποτελείται από ένα πεπερασμένο σύνολο εντολών 3. Ο αλγόριθμος
Διαβάστε περισσότεραΠληροφορική ΙΙ Θεματική Ενότητα 5
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Πληροφορική ΙΙ Θεματική Ενότητα 5 Λογικοί Τελεστές Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά
Διαβάστε περισσότεραΠεριεχόμενα 1 Πρωτοβάθμια Λογική Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων ) / 60
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΟι βασικές λειτουργίες (ή πράξεις) που γίνονται σε μια δομή δεδομένων είναι:
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ Μια δομή δεδομένων στην πληροφορική, συχνά αναπαριστά οντότητες του φυσικού κόσμου στον υπολογιστή. Για την αναπαράσταση αυτή, δημιουργούμε πρώτα ένα αφηρημένο μοντέλο στο οποίο προσδιορίζονται
Διαβάστε περισσότεραΕνδεικτικές Ερωτήσεις Θεωρίας
Ενδεικτικές Ερωτήσεις Θεωρίας Κεφάλαιο 2 1. Τι καλούμε αλγόριθμο; 2. Ποια κριτήρια πρέπει οπωσδήποτε να ικανοποιεί ένας αλγόριθμος; 3. Πώς ονομάζεται μια διαδικασία που δεν περατώνεται μετά από συγκεκριμένο
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης Ενότητα 7: Διαγράμματα Καταστάσεων
Πληροφοριακά Συστήματα Διοίκησης Ενότητα 7: Διαγράμματα Καταστάσεων Γρηγόριος Μπεληγιάννης Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων και Τροφίμων Σκοποί
Διαβάστε περισσότεραΒασικές Έννοιες Αλγορίθμων. Βασικές Εντολές Αλγορίθμων (Κεφ. 2ο Παρ. 2.4)
Βασικές Έννοιες Αλγορίθμων Βασικές Εντολές Αλγορίθμων (Κεφ. 2ο Παρ. 2.4) Δομές εντολών Υπάρχουν διάφορα είδη εντολών όπως, ανάθεσης ή εκχώρησης τιμής, εισόδου εξόδου, κ.ά., αλλά γενικά χωρίζονται σε τρείς
Διαβάστε περισσότεραΠληροφορική 2. Δομές δεδομένων και αρχείων
Πληροφορική 2 Δομές δεδομένων και αρχείων 1 2 Δομή Δεδομένων (data structure) Δομή δεδομένων είναι μια συλλογή δεδομένων που έχουν μεταξύ τους μια συγκεκριμένη σχέση Παραδείγματα δομών δεδομένων Πίνακες
Διαβάστε περισσότεραΕκπαιδευτική Μονάδα 10.2: Εργαλεία χρονοπρογραμματισμού των δραστηριοτήτων.
Εκπαιδευτική Μονάδα 10.2: Εργαλεία χρονοπρογραμματισμού των δραστηριοτήτων. Στην προηγούμενη Εκπαιδευτική Μονάδα παρουσιάστηκαν ορισμένα χρήσιμα παραδείγματα διαδεδομένων εργαλείων για τον χρονοπρογραμματισμό
Διαβάστε περισσότεραΜάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός. Διάλεξη 01 & 02. Δρ. Γεώργιος Χρ. Μακρής
ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ στα ΠΟΛΥΠΛΟΚΑ ΣΥΣΤΗΜΑΤΑ και ΔΙΚΤΥΑ Μάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός Χειμερινό Εξάμηνο Σπουδών Διάλεξη 01 & 02 Δρ. Γεώργιος Χρ. Μακρής Αναπαράσταση
Διαβάστε περισσότεραΑντικειμενοστραφής Προγραμματισμός
Κλάσεις Αντικειμενοστραφής Προγραμματισμός Κλάσεις-Αντικείμενα Ένα παράδειγμα Συναρτήσεις κατασκευής (Constructors) Συνάρτηση καταστροφής (Destructor) Συναρτήσεις πρόσβασης (Access Functions) Συνάρτηση
Διαβάστε περισσότεραΚεφάλαιο 17. Μελέτη Περιπτώσεων Συστηµάτων Σχεδιασµού. Τεχνητή Νοηµοσύνη - Β' Έκδοση
Κεφάλαιο 17 Μελέτη Περιπτώσεων Συστηµάτων Σχεδιασµού Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Γραµµικά Πλάνα µε Ανάστροφη ιάσχιση STRIPS (1/2)
Διαβάστε περισσότεραΕπίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών
Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών Αναζήτηση στο χώρο των καταστάσεων Αναζήτηση στο χώρο των πλάνων! Γράφοι σχεδιασµού Προτασιακή λογική Γράφοι σχεδιασµού (1/2) " Ένας γράφος σχεδιασµού
Διαβάστε περισσότεραΤεχνικές σχεδίασης προγραμμάτων, Προγραμματιστικά Περιβάλλοντα
Τεχνικές σχεδίασης προγραμμάτων, Προγραμματιστικά Περιβάλλοντα Ενότητες βιβλίου: 6.4, 6.7 Ώρες διδασκαλίας: 1 Τεχνικές σχεδίασης προγραμμάτων Στο βιβλίο γίνεται αναφορά σε μία τεχνική για την ανάπτυξη
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2: Τύποι δεδομένων και εμφάνιση στοιχείων...33
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος του συγγραφέα... 13 Πρόλογος του καθηγητή Τιμολέοντα Σελλή... 15 ΚΕΦΑΛΑΙΟ 1: Εργαλεία γλωσσών προγραμματισμού...17 1.1 Γλώσσες προγραμματισμού τρίτης γεννεάς... 18 τι είναι η γλώσσα
Διαβάστε περισσότεραΕρωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2. Α1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων πληροφορικής
Ερωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2 Α1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων πληροφορικής Α2. Ο αλγόριθμος αποτελείται από ένα πεπερασμένο σύνολο εντολών Α3. Ο αλγόριθμος
Διαβάστε περισσότερα2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ και ΔΟΜΗ ΑΚΟΛΟΥΘΙΑΣ 2.1 Να δοθεί ο ορισμός
Διαβάστε περισσότεραΚεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ )
Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ. 25 48) Τι είναι αλγόριθμος; Γ ΛΥΚΕΙΟΥ Αλγόριθμος είναι μία πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων και εκτελέσιμων σε πεπερασμένο χρονικό διάστημα,
Διαβάστε περισσότεραΤΡΙΣ ΙΑΣΤΑΤΟ ΠΕΡΙΒΑΛΛΟΝ ΑΠΕΙΚΟΝΙΣΗΣ ΚΑΙ ΗΜΙΟΥΡΓΙΑΣ ΠΡΟΒΛΗΜΑΤΩΝ ΣΧΕ ΙΑΣΜΟΥ ΕΝΕΡΓΕΙΩΝ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΡΙΣ ΙΑΣΤΑΤΟ ΠΕΡΙΒΑΛΛΟΝ ΑΠΕΙΚΟΝΙΣΗΣ ΚΑΙ ΗΜΙΟΥΡΓΙΑΣ ΠΡΟΒΛΗΜΑΤΩΝ ΣΧΕ ΙΑΣΜΟΥ ΕΝΕΡΓΕΙΩΝ ιπλωµατική Εργασία της Μόσχογλου
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 10 ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ
ΚΕΦΑΛΑΙΟ 10 Όπως είδαμε και σε προηγούμενο κεφάλαιο μια από τις βασικότερες τεχνικές στον Δομημένο Προγραμματισμό είναι ο Τμηματικός Προγραμματισμός. Τμηματικός προγραμματισμός ονομάζεται η τεχνική σχεδίασης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 17 Φεβρουαρίου 2004 ιάρκεια: 2 ώρες (15:00-17:00)
Διαβάστε περισσότεραΑρχιτεκτονική Συστημάτων Βάσεων Δεδομένων. Κατηγορίες χρηστών ΣΔΒΔ Αρχιτεκτονική ANSI/SPARC Γλώσσες ερωτημάτων Μοντέλα δεδομένων Λειτουργίες ΣΔΒΔ
Αρχιτεκτονική Συστημάτων Βάσεων Δεδομένων Κατηγορίες χρηστών ΣΔΒΔ Αρχιτεκτονική ANSI/SPARC Γλώσσες ερωτημάτων Μοντέλα δεδομένων Λειτουργίες ΣΔΒΔ Χρήστες ΣΔΒΔ Απλοί Χρήστες: συγκεκριμένες λειτουργίες σε
Διαβάστε περισσότεραΘεωρήστε ένα puzzle (παιχνίδι σπαζοκεφαλιάς) με την ακόλουθη αρχική διαμόρφωση : b b b w w w e
Άσκηση 1 Θεωρήστε ένα puzzle (παιχνίδι σπαζοκεφαλιάς) με την ακόλουθη αρχική διαμόρφωση : b b b w w w e Υπάρχουν τρία μαύρα τετραγωνάκια (b), τρία άσπρα (w) και ένα κενό (e). Η σπαζοκεφαλιά έχει τις ακόλουθες
Διαβάστε περισσότεραΕργαστήριο Java. Διδάσκουσα: Εργαστηριακοί Συνεργάτες:
Εργαστήριο Java Διδάσκουσα: Πρέντζα Ανδριάνα aprentza@unipi.gr Εργαστηριακοί Συνεργάτες: Γεωργιοπούλου Ρούλα Λύβας Χρήστος roulageorio@ssl-unipi.gr clyvas@unipi.gr Εργαστήριο 8 Πακέτα (Packages) Access
Διαβάστε περισσότεραΣχεσιακό Μοντέλο Δεδομένων
Σχεσιακό Μοντέλο Δεδομένων Παύλος Εφραιμίδης Βάσεις Δεδομένων Σχεσιακό Μοντέλο Δεδομένων 1 Μοντέλα Δεδομένων Μοντέλα Δεδομένων Σχεσιακό Ιεραρχικό Δικτυακό Tο κυρίαρχο μοντέλο δεδομένων στις σύγχρονες βάσεις
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραΣειρά Προβλημάτων 1 Λύσεις
Σειρά Προβλημάτων 1 Λύσεις Άσκηση 1 Να διατυπώσετε τον πιο κάτω συλλογισμό στον Προτασιακό Λογισμό και να τον αποδείξετε χρησιμοποιώντας τη Μέθοδο της Επίλυσης. Δηλαδή, να δείξετε ότι αν ισχύουν οι πέντε
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΜΟΝΤΕΛΑ ΣΥΣΤΗΜΑΤΟΣ Διδάσκων: Γ. Χαραλαμπίδης, Επ. Καθηγητής
Διαβάστε περισσότεραΕισαγωγή - Βασικές έννοιες. Ι.Ε.Κ ΓΛΥΦΑΔΑΣ Τεχνικός Τεχνολογίας Internet Αλγοριθμική Ι (Ε) Σχολ. Ετος A Εξάμηνο
Εισαγωγή - Βασικές έννοιες Ι.Ε.Κ ΓΛΥΦΑΔΑΣ Τεχνικός Τεχνολογίας Internet Αλγοριθμική Ι (Ε) Σχολ. Ετος 2012-13 A Εξάμηνο Αλγόριθμος Αλγόριθμος είναι μια πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων
Διαβάστε περισσότεραΜαθηματική Λογική και Λογικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων- Σημειώσεις έτους 2007-2008 Καθηγητής Γεώργιος Βούρος Μαθηματική Λογική και Λογικός Προγραμματισμός Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών
Διαβάστε περισσότεραΟι δυναμικές δομές δεδομένων στην ΑΕΠΠ
Καθηγητής Πληροφορικής Απαγορεύεται η αναπαραγωγή των σημειώσεων χωρίς αναφορά στην πηγή Οι σημειώσεις, αν και βασίζονται στο διδακτικό πακέτο, αποτελούν προσωπική θεώρηση της σχετικής ύλης και όχι επίσημο
Διαβάστε περισσότεραΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ
ii ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. Εισαγωγή - Βασικές έννοιες....1 1.1 Εσωτερική παράσταση δεδομένων....2 1.1.1 Παράσταση θέσης....3 1.1.2 Μετατροπές μεταξύ συστημάτων διαφορετικών βάσεων....5 1.1.3 Οι αριθμητικές
Διαβάστε περισσότεραΠληροφορική ΙΙ. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα
Πληροφορική ΙΙ Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Πληροφορική ΙΙ», 2015-2016 Μάθημα 1: Εισαγωγή στους Αλγόριθμους Αλγόριθμος είναι μια πεπερασμένη
Διαβάστε περισσότεραΣχεδιασµός Ανάπτυξη Οντολογίας
Σχεδιασµός Ανάπτυξη Οντολογίας ΈλεναΜάντζαρη, Γλωσσολόγος, Ms.C. ΙΑΤΡΟΛΕΞΗ: Ανάπτυξη Υποδοµής Γλωσσικής Τεχνολογίας για το Βιοϊατρικό Τοµέα Τι είναι η οντολογία; Μιαοντολογίαείναιέναλεξικόόρωνπου διατυπώνονται
Διαβάστε περισσότεραΠρόβλημα 29 / σελίδα 28
Πρόβλημα 29 / σελίδα 28 Πρόβλημα 30 / σελίδα 28 Αντιμετάθεση / σελίδα 10 Να γράψετε αλγόριθμο, οποίος θα διαβάζει τα περιεχόμενα δύο μεταβλητών Α και Β, στη συνέχεια να αντιμεταθέτει τα περιεχόμενά τους
Διαβάστε περισσότεραΛειτουργικά Συστήματα (Λ/Σ)
Λειτουργικά Συστήματα (Λ/Σ) Διαχείριση Κεντρικής Μονάδας Επεξεργασίας (CPU) Βασίλης Σακκάς 4/12/2013 1 Xρονοδρομολόγηση Διεργασιών 1 Η χρονοδρομολόγηση σε ένα Λ/Σ αποφασίζει ποια διεργασία θα χρησιμοποιεί
Διαβάστε περισσότεραΣχεδιασµός και δράση στον πραγµατικό κόσµο
Σχεδιασµός και δράση στον πραγµατικό κόσµο Planning and Acting in the Real World Ενέργειες µε διάρκεια Init(Σασί(C 1 ) Σασί(C 2 ) Μηχανή(E 1, C 1, 30) Μηχανή(E 2, C 2, 60) Τροχοί(W 1, C 1, 30) Τροχοί(W
Διαβάστε περισσότεραΕΡΩΤΗΣΕΙΣ ΑΞΙΟΛΟΓΗΣΗΣ
Α) Να γράψετε στο τετράδιό σας τον αριθμό κάθε πρότασης και δίπλα το γράμμα "Σ", αν είναι σωστή, ή το γράμμα "Λ", αν είναι λανθασμένη. (Μονάδες 25) 1. Ένα αδόμητο πρόβλημα είναι ταυτόχρονα και ανοικτό
Διαβάστε περισσότεραΤο πρόγραμμα HelloWorld.java. HelloWorld. Κλάσεις και Αντικείμενα (2) Ορισμός μιας Κλάσης (1) Παύλος Εφραιμίδης pefraimi <at> ee.duth.
Το πρόγραμμα HelloWorld.java Σχόλια στη Java HelloWorld Παύλος Εφραιμίδης pefraimi ee.duth.gr Java Το πρόγραμμα HelloWorld 1 Java Το πρόγραμμα HelloWorld 2 Σχόλια στη Java ΗγλώσσαJava υποστηρίζει
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 8 & 9 18/10/07
ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 8 & 9 18/10/07 Αλγόριθμος: Βήμα προς βήμα διαδικασία για την επίλυση κάποιου προβλήματος. Το πλήθος των βημάτων πρέπει να είναι πεπερασμένο. Αλλιώς: Πεπερασμένη
Διαβάστε περισσότεραΔιεργασίες (μοντέλο μνήμης & εκτέλεσης) Προγραμματισμός II 1
Διεργασίες (μοντέλο μνήμης & εκτέλεσης) Προγραμματισμός II 1 lalis@inf.uth.gr Ο κώδικας δεν εκτελείται «μόνος του» Ο εκτελέσιμος κώδικας αποθηκεύεται σε ένα αρχείο Το αρχείο είναι μια «παθητική» οντότητα
Διαβάστε περισσότεραΜεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 11 ο. Πανεπιστήμιο Θεσσαλίας - Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Γιώργος Δημητρίου Μάθημα 11 ο Γεννήτορας Τελικού Κώδικα Ο γεννήτορας τελικού κώδικα είναι το πιο κρίσιμο τμήμα του μεταγλωττιστή και αντιμετωπίζει πολύπλοκα προβλήματα Βέλτιστη χρήση της αρχιτεκτονικής
Διαβάστε περισσότερα3 ο Εργαστήριο Μεταβλητές, Τελεστές
3 ο Εργαστήριο Μεταβλητές, Τελεστές Μια μεταβλητή έχει ένα όνομα και ουσιαστικά είναι ένας δείκτης σε μια συγκεκριμένη θέση στη μνήμη του υπολογιστή. Στη θέση μνήμης στην οποία δείχνει μια μεταβλητή αποθηκεύονται
Διαβάστε περισσότεραΑναπαράσταση Δεδομένων. ΜΥΥ-106 Εισαγωγή στους Η/Υ και στην Πληροφορική
Αναπαράσταση Δεδομένων ΜΥΥ-106 Εισαγωγή στους Η/Υ και στην Πληροφορική Αναπαράσταση δεδομένων Κατάλληλη συμβολική αναπαράσταση δεδομένων, για απλοποίηση βασικών πράξεων, όπως πρόσθεση Πόσο εύκολο είναι
Διαβάστε περισσότεραΠληροφορική 2. Τεχνητή νοημοσύνη
Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ ΚΕΦΑΛΑΙΟ 2 ο ΚΕΦΑΛΑΙΟ 7 ο ΕΡΩΤΗΣΕΙΣ ΓΕΝΙΚΑ ΠΕΡΙ ΑΛΓΟΡΙΘΜΩΝ
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ ΚΕΦΑΛΑΙΟ 2 ο ΚΕΦΑΛΑΙΟ 7 ο ΕΡΩΤΗΣΕΙΣ ΓΕΝΙΚΑ ΠΕΡΙ ΑΛΓΟΡΙΘΜΩΝ 1. Έστω ότι ο καθηγητής σας δίνει δύο αριθμούς και σας ζητάει να του πείτε πόσο είναι το άθροισμά τους. Διατυπώστε
Διαβάστε περισσότερα10. Με πόσους και ποιους τρόπους μπορεί να αναπαρασταθεί ένα πρόβλημα; 11. Περιγράψτε τα τρία στάδια αντιμετώπισης ενός προβλήματος.
1. Δώστε τον ορισμό του προβλήματος. 2. Σι εννοούμε με τον όρο επίλυση ενός προβλήματος; 3. Σο πρόβλημα του 2000. 4. Σι εννοούμε με τον όρο κατανόηση προβλήματος; 5. Σι ονομάζουμε χώρο προβλήματος; 6.
Διαβάστε περισσότερα