(50 μον.) πάντοτε Διατυπώστε

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "(50 μον.) πάντοτε Διατυπώστε"

Transcript

1 ΑΣΚΗΣΗ 1 Α. (50 μον.) Σας δίνεται ο ακόλουθος γράφος, το οποίο πρέπει να χρωματίσετε χρησιμοποιώντας 3 χρώματα (R,G,B), ώστε δύο γειτονικές κορυφές να μην έχουν το ίδιο χρώμα. Θεωρείστε ότι ο χρωματισμός γίνεται πάντοτε με την εξής σειρά: σειρά Q, NSW, V, T, SA, WA, NT Διατυπώστε το παραπάνω ως πρόβλημα ικανοποίησης περιορισμών. Επιλύστε το πρόβλημα με 1. υπαναχώρηση (οπισθοδρόμηση) με άλμα, και 2. πρώιμο έλεγχο (διάδοση περιορισμών) και υπαναχώρηση (οπισθοδρόμηση) 3. τοπική αναζήτηση (mean conflicts ) Δείξτε τα επίπεδα του δέντρου αναζήτησης ανά μεταβλητή με τη σειρά που εξετάζονται. Στην άσκηση μας ζητείται να χρησιμοποιήσουμε τα 3 χρώματα (R,G,B) που αντιστοιχούν σε κόκκινο, πράσινο, μπλε, για να χρωματίσουμε όλους τους κόμβους, χωρίς να έχουν 2 γειτονικοί το ίδιο χρώμα. Το πρόβλημα αυτό μπορεί να διατυπωθεί ως ένα πρόβλημα ικανοποίησης περιορισμών, στο οποίο θα ορίσουμε τις κατάλληλες μεταβλητές, τα domain τους ( πεδία τιμών) και τον γράφο περιορισμών. Ορίζουμε τον κάθε κόμβο να αποτελεί μία ξεχωριστή μεταβλητή, άρα θα έχουμε συνολικά 7 μεταβλητές ( όσοι και οι κόμβοι), οι οποίες είναι οι Q, NSW, V, T, SA, WA, NT. Τα domains τους θα είναι για όλες τα ίδια και θα αποτελούνται από τα χρώματα που μας δίνονται να τις χρωματίσουμε. DQ = DNSW = DV = DT = DSA =DWA = DNT = {R, G, B} Σύμφωνα με την εκφώνηση μπορούμε να αποδώσουμε τους εξής περιορισμούς: WA NT, WA SA, SA Q, SA V, SA NT, V NSW, NSW Q, Q NT, SA NSW Παρατηρούμε ότι στο σύνολο έχουμε 9 περιορισμούς, όσες και οι ακμές του αρχικού γράφου. Η μόνη μεταβλητή που δεν συμμετέχει στους περιορισμούς είναι η T, αφού δεν συνδέεται με καμία άλλη στον γράφο.

2 Μπορούμε να σχεδιάσουμε τον αντίστοιχο γράφο περιορισμών, στον οποίο θα απεικονίζονται οι μεταβλητές ως κόμβοι και οι κατευθυνόμενες ακμές θα αναπαριστούν τον περιορισμό NT Q WA SA NSW V T

3 Στο 1 ο ερώτημα μας ζητείται να λύσουμε το πρόβλημα με χρήση του αλγορίθμου υπαναχώρησης με άλμα. Ο αλγόριθμος λειτουργεί όπως ο κατά βάθος, καθώς προχωράμε στο επόμενο επίπεδο αναπτύσσουμε τον αριστερότερο κόμβο του δέντρου. Σε κάθε επίπεδο ανατίθεται τιμή σε μία μεταβλητή, και σε κάθε μεταβλητή αντιστοιχεί ένα διάστημα σύγκρουσης σ={..}. Σε αυτό το διάστημα μπαίνει η μεταβλητή που «εμποδίζει» την εκάστοτε μεταβλητή να πάρει μία συγκεκριμένη τιμή ( λόγω περιορισμών). Η σειρά με την οποία θα αποδώσουμε τιμές στις μεταβλητές είναι αύτη που έχει δοθεί στην εκφώνηση: Q, NSW, V, T, SA, WA, NT. Αρχική Κατάσταση Q = G Q =B επίπεδο Q Στο επίπεδο 1 αποδώσαμε τιμές στην μεταβλητή Q, και εφόσον ο κατά βάθος επεκτείνει τον αριστερότερο κόμβο θα συνεχίσουμε με την τιμή. Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = R NSW = B επίπεδο NSW Στο 2 ο επίπεδο έχουμε αναθέσει τιμές στην NSW, και θα προεκτείνουμε τον αριστερότερο κόμβο.

4 Παρατηρούμε όμως ότι λόγω περιορισμών Q NSW, άρα ο αλγόριθμος θα επεκτείνει τον δεύτερο κόμβο από αριστερά, ο όποιος δεν αντιτίθεται σε κάποιον περιορισμό. Επίσης, θα προσθέσει στο διάστημα σύγκρουσης της NSW τη μεταβλητή Q, σnsw={q}. Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = R NSW = B σnsw={q} NWS = G V = G NWS = G V = B επίπεδο V T = G T = B επίπεδο T H μεταβλητή V βάσει περιορισμών πρέπει να είναι διαφορετική από την NSW, κάτι το οποίο ισχύει καθώς με την επέκταση του αριστερότερου κόμβου οι τιμές που αποδίδονται είναι διαφορετικές. Στο επόμενο επίπεδο βρίσκεται η μεταβλητή Τ, η οποία δεν συμμετέχει καθόλου στους περιορισμούς, οπότε θα επεκτείνουμε τον αριστερότερο κόμβο. Συνεχίζουμε με την επέκταση της μεταβλητής SA

5 Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = R NSW = B σnsw={q} NWS = G V = G NWS = G V = B επίπεδο V T = G T = B επίπεδο T SA = R SA = G επίπεδο SA Μόλις επεκτείνουμε τον αριστερότερο κόμβο, παρατηρούμε ότι λόγω του περιορισμού SA Q και SA V, η τιμή R δεν μπορεί να αποδοθεί στην SA. Αντίστοιχα ο δεύτερος κόμβος δεν μπορεί να

6 επεκταθεί, λόγω του περιορισμού SA NSW. O αλγόριθμος θα επεκτείνει τον τρίτο κόμβο και στο σύνολο σύγκρουσης της SA θα ενταχθούν οι μεταβλητές V, NSW, Q. σsa= {V, NSW, Q}. Η τιμή που θα αποδοθεί στην SA είναι η Β. επίπεδο T SA = R SA = G σsa= {V, NSW, Q} WA = R WA = G WA = B επίπεδο WA Στην WA μεταβλητή θα αποδώσουμε την τιμή R, καθώς στην SA έχει αποδοθεί η τιμή B, οπότε ο περιορισμός WA SA ισχύει.

7 σsa= {V, NSW, Q} WA = R WA = G WA = B επίπεδο WA WA = R WA = R WA = R NT = R NT = G NT = B επίπεδο NT Για την μεταβλητή NT έχω τους εξής περιορισμούς: WA NT, SA NT και Q NT. Άρα η τιμή που θα της αποδοθεί είναι η G. Τελικά, η λύση που προκύπτει από τον αλγόριθμο υπαναχώρησης με άλμα είναι η εξής: Q=R, NSW=G,, T=R, SA=B, WA=R, NT=G Στο 2 ο ερώτημα μας ζητείται να επιλύσουμε το πρόβλημα με πρώιμο έλεγχο (διάδοση περιορισμών) και υπαναχώρηση. Ο τρόπος που λειτουργεί ο αλγόριθμος πρώιμου ελέγχου είναι ο εξής : μόλις μία μεταβλητή πάρει μία τιμή τότε κάνω έλεγχο arc consistency για εκείνες τις μεταβλητές που σχετίζονται με την μεταβλητή που μόλις της αποδόθηκε τιμή. Αν κάποιο domain αδειάσει, αυτό σημαίνει ότι για τη συγκεκριμένη τιμή της μεταβλητής που έκανα arc consistency, δεν υπάρχει λύση, επομένως θα ξανακάνω την ίδια διαδικασία για κάποια άλλη τιμή. Η σειρά με την οποία διαλέγω τιμές ακολουθεί την λογική του κατά βάθος αλγόριθμου, πρώτα δηλαδή στον αριστερότερο κόμβο.

8 Αρχική Κατάσταση Q = G Q =B επίπεδο Q Αρχικά θα επιλέξω την και κάνω έλεγχο για τα domains των μεταβλητών που συσχετίζονται με την Q. Αυτές είναι οι NSW, SA, NT. Επομένως τα domains τους θα είναι DNSW=DSA=DNT={G,B}. Η τιμή G έχει αφαιρεθεί καθώς έχει αποδοθεί στην Q. Συνεχίζουμε με το επόμενο επίπεδο, όπου είναι η μεταβλητή NSW Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = B επίπεδο NSW Αποδίδεται η τιμή G στην NSW.H NSW συνδέεται με τις μεταβλητές Q,SA,V. Οι αλλαγές στα domains τους είναι οι εξής: DV={R,B} αφαιρέθηκε η τιμή G λόγω της NSW DSA={B} πριν ήταν {G,B} και αφαιρέθηκε η τιμή G λόγω της NSW. Συνεχίζουμε με την ανάθεση τιμής στην μεταβλητή V.

9 Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = B επίπεδο NSW V=B επίπεδο V Συνεχίζω με ανάθεση τιμών στην μεταβλητή T, η οποία δεν εμπλέκεται στους περιορισμούς, επομένως θα παραμείνουν τα domains όλων ως έχουν. επίπεδο NSW V=B επίπεδο V Τ=R Τ=G Τ=B επίπεδο T

10 Συνεχίζουμε με την επόμενη μεταβλητή, την SA. Το domain της περιέχει μόνο την τιμή B. επίπεδο NSW V=B επίπεδο V Τ=R Τ=G Τ=B επίπεδο T Τ=R επίπεδο SA Οι μεταβλητές που σχετίζονται με την SA είναι οι WA, NT, NSW, V. Tα domains που προκύπτουν είναι τα εξής: DNT={G} DWA={R,G}. Συνεχίζουμε με την WA

11 επίπεδο T Τ=R επίπεδο SA Τ=R Τ=R WA=R επίπεδο WA Η WA συνορεύει με τις NT,SA. To domain της NT δεν θα αλλάξει διότι η τιμή R της WA δεν επηρεάζει την τιμή G, η οποία είναι η μόνη που περιέχεται στο domain. Επομένως το τελικό δέντρο είναι το εξής WA=G

12 Αρχική Κατάσταση Q = G Q =B επίπεδο Q NSW = B επίπεδο NSW V=B επίπεδο Τ=R Τ=G Τ=B επίπεδο T Τ=R επίπεδο SA Τ=R WA=R Τ=R WA=G

13 επίπεδο WA Τ=R WA=R NT = G επίπεδο ΝΤ Η τελική λύση του FC είναι η εξής:,,, T = R,, WA = R, NT = G O παρακάτω πίνακας απεικονίζει τις αλλαγές των domains σε κάθε ανάθεση τιμής. Q NSW V T SA WA NT R, G, B R, G, B R, G, B R, G, B R, G, B R, G, B R, G, B Q=R NSW=G T=R SA=B WA=R NT=G R G, B R, G, B R, G, B G, B R, G, B G, B R G R, B R, G, B B R, G, B G, B R G R R, G, B B R, G, B G R G R R B R, G, B G R G R R B R, G G R G R R B R G R G R R B R G Στο 3 ο ερώτημα μας ζητείται να λύσουμε το πρόβλημα με χρήση του αλγορίθμου τοπικής αναζήτησης (min conflicts). O min conflicts είναι αλγόριθμος τοπικής αναζήτησης, έχει την ίδια λογική του hill climbing. Αρχικά, αναθέτουμε μία τιμή σε όλες τις μεταβλητές. Η ανάθεση αυτή μπορεί να γίνει είτε τυχαία, είτε με βάση κάποια ευριστική. Σίγουρα, κάποιοι περιορισμοί θα παραβιάζονται. Στη συνέχεια, αυτό που προσπαθούμε να κάνουμε είναι να βελτιώνουμε τη θέση μας. Σε ένα πρόβλημα ικανοποίησης περιορισμών (CSP), βελτίωση αποτελεί η κατάσταση στην οποία παραβιάζονται λιγότεροι περιορισμοί από την προηγούμενη.

14 Αυτό που κάνουμε είναι να αλλάξουμε την τιμή μίας μεταβλητής, με τέτοιο τρόπο ώστε να παραβιάζονται όσο το δυνατόν λιγότεροι περιορισμοί. Η διαδικασία αυτή επαναλαμβάνεται έως ότου δεν παραβιάζεται κανένας περιορισμός. Αυτό σημαίνει ότι ο αλγόριθμος έχει βρει λύση. Οι αλγόριθμοι τοπικής αναζήτησης μπορούν να βρεθούν σε 2 καταστάσεις, εκείνη του τοπικού μέγιστου και εκείνη του οροπεδίου. Σε περίπτωση που παραβιάζεται ένας αριθμός περιορισμών, και οποιαδήποτε νέα ανάθεση οδηγεί σε αριθμό παραβιάσεων μεγαλύτερου αυτού της τωρινής κατάστασης, τότε ο αλγόριθμος βρίσκεται σε τοπικό μέγιστο. Σε περίπτωση που οποιαδήποτε αλλαγή ανάθεσης τιμής μας επιστρέφει τον ίδιο αριθμό συγκρούσεων, σημαίνει ότι ο αλγόριθμος βρίσκεται σε οροπέδιο. Τότε, οι μέθοδοι που χρησιμοποιούμε είναι οι εξής : Random walk (επιλογή τυχαίας κίνησης) Tabu search Για την επίλυση του προβλήματος αρχικά θα αναθέσουμε μία τυχαία τιμή για όλες τις μεταβλητές, έστω λοιπόν ότι τις χρωματίζουμε όλες κόκκινες, οπότε ισχύει: Q=NSW=R=V=T=SA=WA=NT=R Ο τρόπος με τον οποίο θα επιλέξει την μεταβλητή στην οποία θα κάνει την νέα ανάθεση είναι ο εξής: Επιλέγει κάθε φορά εκείνη που συμμετέχει στους περισσότερους περιορισμούς. Η λογική είναι σχετικά απλή και θα αναλυθεί με βάση τον γράφο: NT 1 2 Q WA SA 7 6 NSW 8 9 V T

15 Στην αρχική ανάθεση παραβιάζονται και οι 9 περιορισμοί. Αν αλλάξει την τιμή της μεταβλητής SA, η οποία συνδέεται με 5 κόμβους, που σημαίνει ότι συμμετέχει σε 5 περιορισμούς, τότε θα παραβιάζονται πλέον 9-5=4 NT 1 2 Q WA 3 SA NSW 4 V T Οποιαδήποτε άλλη ανάθεση τιμής σε οποιαδήποτε άλλη μεταβλητή οδηγεί σε περισσότερες παραβιάσεις, επομένως ο αλγόριθμος θα επιλέξει αυτήν την ανάθεση. Οι 4 περιορισμοί που παραβιάζονται είναι οι εξής: WA NT, NT Q, Q NSW, NSW V Συνεχίζει με την ίδια λογική, παρατηρεί ότι οι μεταβλητές NT, Q, NSW έχουν ίσο αριθμό ακμών και μεγαλύτερο σε σχέση με τις WA, V, T. Άρα, οποιαδήποτε αλλαγή ανάθεσης τιμής ενός εκ των τριών, έχει ως αποτέλεσμα μια κατάσταση με λιγότερους περιορισμούς να παραβιάζονται. Έστω ότι ο αλγόριθμος επιλέγει την NSW. Θα της δώσει την τιμή Β, καθώς η SA = G και Q,.

16 NT 1 2 Q WA SA NSW V T Στην κατάσταση αυτή παραβιάζονται 2 περιορισμοί ( NT WA και NT Q), ενώ στην προηγούμενη παραβιάζονταν 4. Συνεχίζει με την ίδια λογική και επιλέγει να αλλάξει την ανάθεση τιμής στην NT, διότι αυτή συμμετέχει και στους 2 περιορισμούς που παραβιάζονται. Της αναθέτει την τιμή Β, διότι οι γειτονικές της WA,Q = R και SA = G. WA NT Q SA NSW V T

17 Στην κατάσταση αυτή δεν παραβιάζεται κανένας περιορισμός, επομένως ο αλγόριθμος βρήκε λύση. ΑΣΚΗΣΗ 2 (50 μον.) Μια εταιρεία με 12 τμήματα θα εγκατασταθεί σε νέο κτίριο 3 ορόφων, ο κάθε ένας από τους οποίος έχει χωρητικότητα 40 γραφείων. Οι απαιτήσεις των τμημάτων σε γραφεία είναι η ακόλουθη: Τμήμα Τ1 Τ2 Τ3 Τ4 Τ5 Τ6 Τ7 Τ8 Τ9 Τ10 Τ11 Τ12 Γραφεία Επιπλέον των παραπάνω περιορισμών, θα πρέπει τα τμήματα στα παρακάτω ζεύγη να βρίσκονται στον ίδιο όροφο (Τ1,Τ3), (Τ2,Τ4), (Τ8,Τ9). 1. Να περιγραφεί το παραπάνω πρόβλημα ως πρόβλημα επίλυσης περιορισμών 2. Εφαρμόστε συνέπεια κόμβου και τόξου και στα πεδία ορισμού που προκύπτουν, εφαρμόστε τους παρακάτω αλγορίθμους πρώιμο έλεγχο και υπαναχώρηση (οπισθοδρόμηση) Διατήρησης συνέπειας τόξων (MAC) Δείξτε τα επίπεδα του δέντρου αναζήτησης ανά μεταβλητή με τη σειρά που εξετάζονται. Στην άσκηση αυτή το πρώτο πράγμα που ζητείται είναι να περιγραφεί το πρόβλημα ως πρόβλημα επίλυσης περιορισμών. Τα προβλήματα αυτά προσδιορίζονται από τις μεταβλητές τους, τα domains τους και τους περιορισμούς τους. Από την εκφώνηση της άσκησης μπορούμε να βγάλουμε συμπεράσματα για το ποιες θα είναι οι μεταβλητές του προβλήματος, θα προσπαθήσουμε να προσδιορίσουμε όλους τους περιορισμούς που κρύβονται και θα καταλήξουμε στο ποια θα είναι τελικά τα domain τους. Ως μεταβλητές του προβλήματος θα ορίσουμε τους ορόφους του κτιρίου, τους οποίους συμβολίζουμε με Oi, όπου i=1,2,3, αντίστοιχα για τον 1 ο,2 ο,3 ο, όροφο. Στον κάθε όροφο ανήκουν κάποια τμήματα, τα οποία συμβολίζουμε με Ti, όπου i=1,,12, αντίστοιχα για το 1 ο έως και το 12 ο τμήμα. Από την εκφώνηση μας δίνεται ότι ο κάθε όροφος χωράει συνολικά 40 τμήματα. Εφόσον λοιπόν το κτίριο διαθέτει 3 ορόφους, αυτό σημαίνει ότι η συνολική χωρητικότητα γραφείων είναι 40*3=120 σε όλο το κτίριο. Όμως, αυτό το οποίο πρέπει να παρατηρήσουμε είναι ότι αν προσθέσουμε τα 12 τμήματα, θα βρούμε τον συνολικό αριθμό γραφείων που μας ζητείται να χωρέσουμε στο κτίριο. Δηλαδή, Τ1+Τ2+Τ3+Τ4+Τ5+Τ6+Τ7+Τ8+Τ9+Τ10+Τ11+Τ12= =120

18 Με βάση την προηγούμενη πρόταση εύκολα καταλήγουμε στο συμπέρασμα ότι για να λυθεί το πρόβλημα πρέπει υποχρεωτικά όλοι οι όροφοι να γεμίσουν. Αν έστω και ένας δεν γεμίσει με 40 γραφεία, τότε το πρόβλημα δεν θα έχει λύση. Οπότε ο πρώτος περιορισμός του προβλήματος είναι Οi=40. Ένας άλλος περιορισμός που μας δίνεται είναι τα ζευγάρια που πρέπει οπωσδήποτε να τοποθετηθούν μαζί στον ίδιο όροφο, τα οποία είναι : (T1,T3), (T2,T4), (T8,T9) Αυτό που πρέπει να αναρωτηθούμε είναι το πόσα τμήματα πρέπει να περιλαμβάνει ο κάθε όροφος. Η λογική είναι πολύ απλή. Όπως διατυπώθηκε παραπάνω πρέπει ο κάθε όροφος να αποτελείται από 40 γραφεία. Θα βρούμε πόσοι είναι οι συνδυασμοί τμημάτων ( βάση τον αριθμό των γραφείων που περιέχει το καθένα) που δίνουν αποτέλεσμα 40. Οι σχέση τμημάτων - γραφείων φαίνεται από αυτόν τον πίνακα Τμήμα Τ1 Τ2 Τ3 Τ4 Τ5 Τ6 Τ7 Τ8 Τ9 Τ10 Τ11 Τ12 Γραφεία Εύκολα συμπεραίνουμε ότι δεν μπορούμε να τοποθετήσουμε 1 τμήμα μόνο του σε έναν όροφο, διότι όλα τους είναι κάτω από 40. Αντίστοιχα, το ίδιο ισχυριζόμαστε και για τα ζευγάρια, όλοι οι δυνατοί συνδυασμοί 2 τμημάτων δίνουν ως αποτέλεσμα αριθμό γραφείων μικρότερο του 40. Επομένως δεν μπορούμε να τοποθετήσουμε 2 τμήματα μόνο σε έναν όροφο. Θα ελέγξουμε για το αν μπορούμε να τοποθετήσουμε 3 τμήματα. Ας υποθέσουμε ότι παίρνουμε την 2 αδα Τ1,Τ3. Παρατηρούμε ότι αν προσθέσουμε οποιοδήποτε άλλο τμήμα σε αυτήν την 2 αδα, δεν μας δίνει τον αριθμό 40, αλλά κάποιο μικρότερο. Το ίδιο ισχύει για οποιαδήποτε 2 αδα. Ας πάρουμε την δυάδα που δίνει το μεγαλύτερο δυνατό μέγιστο, δηλαδή την Τ4,Τ6. Αυτή δίνει στο σύνολο 25 γραφεία. Το αμέσως επόμενο μεγαλύτερο τμήμα είναι εκείνο που έχει 11 γραφεία, οπότε η μεγαλύτερη δυνατή 3αδα που μπορεί να δημιουργηθεί είναι αυτή με συνολικό αριθμό 36 γραφείων. Επομένως απορρίπτω την περίπτωση να είναι 3 τα τμήματα σε έναν όροφο. Όσον αφορά τους συνδυασμούς 4 αδων θα δείξουμε ότι δεν ισχύει το ίδιο. Ένα παράδειγμα είναι ο συνδυασμός Τ1,Τ3,Τ5,Τ7. Ο συνδυασμός αυτός δίνει ως αποτέλεσμα 40 γραφεία συνολικά, το οποίο είναι επιθυμητό αποτέλεσμα. Ένας όροφος όπως τυπώσαμε παραπάνω πρέπει να δέχεται συνδυασμούς τμημάτων με συνολικό αποτέλεσμα 40 γραφεία. Επειδή έχουμε 3 ορόφους και 12 τμήματα, ισχυρίζομαι με βάση τα παραπάνω ότι θα πρέπει ο κάθε όροφος να αποτελείται από 4 τμήματα. Αυτός ο ισχυρισμός είναι απόρροια όλων των παραπάνω, διότι μπορώ να τοποθετήσω από 4 και πάνω τμήματα αλλά όχι 5, καθώς αν τοποθετούσα σε έναν όροφο 5, μετά θα έπρεπε να χωρέσω 7 στους άλλους 2 ορόφους αλλά και να τους γεμίσω. Αυτό σημαίνει πως κάποιος όροφος θα γέμιζε με λιγότερο από 4 τμήματα, κάτι το οποίο είναι αδύνατο όπως περιγράφθηκε παραπάνω.

19 Επίσης, ένας ακόμα περιορισμός που υπονοεί το πρόβλημα είναι ότι κάθε τμήμα πρέπει να εισάγεται σε κάποιον όροφο μία φορά. Το πεδίο ορισμού των μεταβλητών θα είναι συνδυασμοί από τετράδες. Αυτές θα είναι της μορφής: DOi = (T1,T2,T3,T4), (T1,T2,T3,T5), (T1,T2,T3,T6),, (T9,T10,T11,T12). Ο γράφος περιορισμών θα μπορούσε να αποδοθεί με αυτό το σχήμα: O 1 O 2 O 3 Οι μεταβλητές Ο1,Ο2,Ο3 συνδέονται με τον εξής περιορισμό: ένα τμήμα που έχει εισέλθει σε κάποιον από τους 3 ορόφους δεν μπορεί να εισέλθει το ίδιο σε άλλον. Από αυτό το σύνολο εφαρμόζω συνέπεια κόμβου. Η συνέπεια κόμβου ( node consistency) είναι μία τεχνική στα CSP προβλήματα και εφαρμόζεται στο πεδίο ορισμού κάθε μεταβλητής ξεχωριστά. Αυτό που κάνει είναι να ελέγχει αν κάθε τιμή του domain είναι συνεπής με κάθε μοναδιαίο περιορισμό του προβλήματος. Σύμφωνα με τους περιορισμούς, ο κάθε όροφος πρέπει να γεμίσει με 40 γραφεία και επίσης τα ζευγάρια Τ1,Τ3 και Τ2,Τ4 και Τ8,Τ9 πρέπει να είναι μαζί, προκύπτουν οι εξής δυνατές τετράδες: (T1,T3,T5,T7) = = 40 (T1,T3,T5,T11) = = 40 (T1,T3,T10,T12) = = 40 (T2,T4,T5,T6) = = 40 (T2,T4,T7,T10) = = 40 (T2,T4,T7,T12) = = 40 (T2,T4,T11,T10) = = 40 (T2,T4,T11,T12) = = 40 (T8,T9,T6,T10) = = 40 (T8,T9,T6,T12) = = 40

20 (T8,T9,T7,T11) = = 40 (T5,T7,T10,T12) = = 40 (T5,T10,T11,T12) = = 40 Επομένως μετά την εφαρμογή συνέπειας κόμβου προκύπτουν 13 δυνατές τετράδες. Η άσκηση μας ζητάει να εφαρμόσουμε συνέπεια τόξου (arc consistency). Η συνέπεια τόξου αφαιρεί τις τιμές του domain που δεν έχουν υποστήριξη (δεν είναι συμβατές) με τις τιμές του domain της μεταβλητής που συνδέονται με κάποιον περιορισμό. Στο παράδειγμά μας, το domain της κάθε μεταβλητής αποτελείται από 13 τιμές, και εφαρμόζοντας συνέπεια τόξου μία τιμή θα είναι συμβατή με κάποια άλλη αν δεν περιέχεται κανένα κοινό τμήμα. ΕΛΕΓΧΟΣ Ο1 Ο2 Εδώ θα γίνει έλεγχος μία προς μία οι τιμές του Ο1 ως προς τη συμβατότητα με το Ο2. Η τιμή (T1,T3,T5,T7) είναι συμβατή με την (T2,T4,T11,T10). Η τιμή (T1,T3,T5,T11) είναι συμβατή με την (T2,T4,T7,T10). Η τιμή (T1,T3,T10,T12) είναι συμβατή με την (T2,T4,T5,T6). Η τιμή (T2,T4,T5,T6) είναι συμβατή με την (T8,T9,T7,T11). Η τιμή (T2,T4,T7,T10) είναι συμβατή με την (T1,T3,T5,T11). Η τιμή (T2,T4,T7,T12) είναι συμβατή με την (T1,T3,T5,T11). Η τιμή (T2,T4,T11,T10) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T2,T4,T11,T12) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T6,T10) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T6,T12) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T7,T11) είναι συμβατή με την (T2,T4,T5,T6). Η τιμή (T5,T7,T10,T12) δεν είναι συμβατή με καμία τιμή. Η τιμή (T5,T10,T11,T12) δεν είναι συμβατή με καμία τιμή. Επομένως, οι τιμές που διαγράφονται από το DΟ1 είναι οι (T5,T7,T10,T12),(T5,T10,T11,T12). Στη συνέχεια θα γίνει έλεγχος από την Ο2 στην Ο1 Έλεγχος Ο2 Ο1 Το ίδιο ισχύει αν κάνουμε έλεγχο από το Ο2 Ο1. Η τιμή (T1,T3,T5,T7) είναι συμβατή με την (T2,T4,T11,T10). Η τιμή (T1,T3,T5,T11) είναι συμβατή με την (T2,T4,T7,T10).

21 Η τιμή (T1,T3,T10,T12) είναι συμβατή με την (T2,T4,T5,T6). Η τιμή (T2,T4,T5,T6) είναι συμβατή με την (T8,T9,T7,T11). Η τιμή (T2,T4,T7,T10) είναι συμβατή με την (T1,T3,T5,T11). Η τιμή (T2,T4,T7,T12) είναι συμβατή με την (T1,T3,T5,T11). Η τιμή (T2,T4,T11,T10) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T2,T4,T11,T12) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T6,T10) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T6,T12) είναι συμβατή με την (T1,T3,T5,T7). Η τιμή (T8,T9,T7,T11) είναι συμβατή με την (T2,T4,T5,T6). Η τιμή (T5,T7,T10,T12) δεν είναι συμβατή με καμία τιμή. Η τιμή (T5,T10,T11,T12) δεν είναι συμβατή με καμία τιμή. Επομένως οι τιμές (T5,T7,T10,T12), (T5,T10,T11,T12) διαγράφονται από το DO2 Επειδή DO1 =DO2 =DO3 ότι δείξαμε θα ισχύει και για την μεταβλητή Ο3. Άρα, στο παράδειγμα η συνέπεια τόξου κλαδεύει τις τιμές {(T5,T7,T10,T12), (T5,T10,T11,T12)}. Στη συνέχεια γίνεται εφαρμογή του αλγορίθμου πρώιμου ελέγχου (Forward Checking) O 1 = T 1, T 3, T 5, T 7 O 1 = T 1, T 3, T 5, T 11 O 1 = T 1, T 3, T 10, T 12 O 1 = T 2, T 4, T 5, T 6 O 1 = T 2, T 4, T 7, T 10 **Λόγω χώρου δεν αναγράφονται και οι 11 τιμές επίπεδο Ο1 Σαν πρώτο βήμα έχει γίνει η ανάθεση της τιμής (T1, T3, T5, T7) στην μεταβλητή Ο1. Ο FC θα κάνει arc consistency στις επόμενες μεταβλητές, δηλαδή εκείνες που η Ο1 συνδέεται μέσω περιορισμού. Επομένως θα ελέγξω ποιες τιμές του domain της Ο2 και της Ο3 είναι συμβατές με την (Τ1,Τ3,Τ5,Τ7) Τελικά προκύπτει ότι DO2=DO3={(T2,T4,T11,T10), (T2,T4,T11,T10), (T8,T9,T6,T10), (T8,T9,T6,T12)} Στη συνέχεια θα αποδοθεί τιμή στην μεταβλητή Ο2

22 O 1 = T 1, T 3, T 5, T 7 επίπεδο Ο1 O 2 = T 2, T 4, T 11, T 10 O 2 = T 2, T 4, T 11, T 12 O 2 = T 8, T 9, T 6, T 10 O 2 = T 8, T 9, T 6, T 12 επίπεδο Ο2 Η τιμή που έχει αποδοθεί στην Ο2 είναι η (Τ2,Τ4,Τ11,Τ10). Τώρα θα γίνει έλεγχος συνέπειας τόξου στη μεταβλητή Ο3. Το domain της Ο3 είναι {(T2,T4,T11,T10), (T2,T4,T11,T12), (T8,T9,T6,T10), (T8,T9,T6,T12)}. Η συμβατή τιμή με την (Τ2,Τ4,Τ11,Τ10) είναι μόνο η (T8,T9,T6,T12). Άρα προκύπτει ότι DO3 = {(T8,T9,T6,T12)} Η τιμή που θα αποδοθεί στην Ο3 θα είναι η (T8,T9,T6,T12). O 1 = T 1, T 3, T 5, T 7 επίπεδο Ο1 O 2 = T 2, T 4, T 11, T 10 O 2 = T 2, T 4, T 11, T 12 O 2 = T 8, T 9, T 6, T 10 O 2 = T 8, T 9, T 6, T 12 επίπεδο Ο2 Ο3=Τ8,Τ9,Τ6,Τ12 επίπεδο Ο3 Τελικά ο FC βρήκε λύση, η οποία είναι η: O1 = {(T1,T3,T5,T7)} O2 = {(T2,T4,T11,T10)} O3 = {(T8,T9,T6,T12)}

23 Στη συνέχεια η άσκηση μας ζητεί να εφαρμοστεί ο MAC αλγόριθμος. Ο MAC λειτουργεί με την λογική του κατά βάθος, αναθέτοντας την αριστερότερη τιμή στην μεταβλητή, και μετά την ανάθεση, εφαρμόζει συνέπεια τόξου σε όλες τις μεταβλητές του προβλήματος. Στο πρώτο βήμα θα γίνει ανάθεση της τιμής Τ1,Τ3,Τ5,Τ7 στην μεταβλητή Ο1 O 1 = T 1, T 3, T 5, T 7 O 1 = T 1, T 3, T 5, T 11 O 1 = T 1, T 3, T 10, T 12 O 1 = T 2, T 4, T 5, T 6 O 1 = T 2, T 4, T 7, T 10 **Λόγω χώρου δεν αναγράφονται και οι 11 τιμές επίπεδο Ο1 Έπειτα, ο αλγόριθμος θα εφαρμόσει συνέπεια τόξου σε όλες τις μεταβλητές δηλαδή θα γίνει έλεγχος των ζευγαριών Ο1,Ο2 και Ο1,Ο3 και Ο2,Ο3. Έλεγχος Ο1 Ο2 Όπως και στον FC που αναλύθηκε παραπάνω, το αποτέλεσμα των πεδίων ορισμού της μεταβλητής Ο2 θα είναι το εξής: DO2 = {(T2,T4,T11,T10), (T2,T4,T11,T12), (T8,T9,T6,T10), (T8,T9,T6,T12)} Έλεγχος Ο1 Ο3 Το ίδιο domain θα ισχύει και για την μεταβλητή Ο3, αφού το πεδίο ορισμού της είναι το ίδιο με αυτό της Ο2, οπότε DO3 = {(T2,T4,T11,T10), (T2,T4,T11,T12), (T8,T9,T6,T10), (T8,T9,T6,T12)} Έλεγχος Ο2 Ο3 Αρχικά, θα εξεταστεί η συμβατότητα κάθε τιμής της Ο2 ως προς της τιμές της μεταβλητής Ο3. Η τιμή (T2,T4,T11,T10) είναι συμβατή με την (T8,T9,T6,T12). Η τιμή (T2,T4,T11,T12) είναι συμβατή με την (T8,T9,T6,T10). Η τιμή (T8,T9,T6,T10) είναι συμβατή με την (T2,T4,T11,T12). Η τιμή (T8,T9,T6,T12) είναι συμβατή με την (T2,T4,T11,T10). Τα ίδια συμπεράσματα θα προκύψουν αν κάνω έλεγχο συμβατότητας κάθε τιμής της Ο3 ως προς τις τιμές της Ο2. Στο δεύτερο επίπεδο θα αποδοθεί η τιμή (T2,T4,T11,T10) στην μεταβλητή Ο2

24 O 1 = T 1, T 3, T 5, T 7 επίπεδο Ο1 O 2 = T 2, T 4, T 11, T 10 O 2 = T 2, T 4, T 11, T 12 O 2 = T 8, T 9, T 6, T 10 O 2 = T 8, T 9, T 6, T 12 επίπεδο Ο2 Τώρα θα γίνει συνέπεια τόξου στις μεταβλητές Ο2,Ο3. Έλεγχος Ο2 Ο3 Η τιμή (T2,T4,T11,T10) της Ο2 είναι συμβατή με την τιμή (Τ8,Τ9,Τ6,Τ12) της Ο3 Έλεγχος Ο3 Ο2 Η τιμή (T2,T4,T11,T10) της Ο3 δεν είναι συμβατή με την τιμή (T2,T4,T11,T10) της Ο2. Η τιμή (T2,T4,T11,T12) της Ο3 δεν είναι συμβατή με την τιμή (T2,T4,T11,T10) της Ο2. Η τιμή (T8,T9,T6,T10) της Ο3 δεν είναι συμβατή με την τιμή (T2,T4,T11,T10) της Ο2. Η τιμή (T8,T9,T6,T12) της Ο3 είναι συμβατή με την τιμή (T2,T4,T11,T10) της Ο2. Επομένως, προκύπτει ότι DO3 = {( T8,T9,T6,T12)}. O αλγόριθμος στη συνέχεια θα αποδόσει την τιμή (T8,T9,T6,T12) στην μεταβλητή Ο3 O 1 = T 1, T 3, T 5, T 7 επίπεδο Ο1 O 2 = T 2, T 4, T 11, T 10 O 2 = T 2, T 4, T 11, T 12 O 2 = T 8, T 9, T 6, T 10 O 2 = T 8, T 9, T 6, T 12 επίπεδο Ο2 Ο3=Τ8,Τ9,Τ6,Τ12 επίπεδο Ο3 Τελικά, η λύση του mac είναι η εξής:

25 O1={ Τ1,Τ3,Τ5,Τ7 } O2={ (T2,T4,T11,T10)} O3={ (T8,T9,T6,T12)}

Μεταβλητες: Q, NSW, V, T, SA, WA, NT. Πεδίο Ορισμού: Για κάθε μεταβλητη το ίδιο. D i ={R, G, B} όπου i= Q, NSW,., NT.

Μεταβλητες: Q, NSW, V, T, SA, WA, NT. Πεδίο Ορισμού: Για κάθε μεταβλητη το ίδιο. D i ={R, G, B} όπου i= Q, NSW,., NT. 1. Στην άσκηση μας, μας έχει δωθεί ένας γράφος, ο οποίος αντιπροσωπεύει ένα χάρτη και μάλιστα αυτόν της Αυστραλίας. Στον γράφο αυτό υπάρχουν και κόμβοι, οι οποίοι αφορούν με τη σειρά τους τις διάφορες

Διαβάστε περισσότερα

===========================================================================

=========================================================================== =========================================================================== Α. (50 µον.) Σας δίνεται ο ακόλουθος γράφος, το οποίο πρέπει να χρωµατίσετε χρησιµοποιώντας 4 χρώµατα (R,G,B,Υ), ώστε δύο γειτονικές

Διαβάστε περισσότερα

Τεχνητή 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 Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ικανοποίηση Περιορισμών Κατηγορία προβλημάτων στα οποία είναι γνωστές μερικές

Διαβάστε περισσότερα

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 6: Προβλήματα ικανοποίησης περιορισμών. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 6: Προβλήματα ικανοποίησης περιορισμών. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής Ενότητα 6: Προβλήματα ικανοποίησης περιορισμών Ρεφανίδης Ιωάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται

Διαβάστε περισσότερα

Πρόβληµα ικανοποίησης περιορισµών

Πρόβληµα ικανοποίησης περιορισµών Προβλήµατα ικανοποίησης περιορισµών Constraint Satisfaction Problems Πρόβληµα ικανοποίησης περιορισµών Μεταβλητές: X 1, X 2,, X n, Πεδία ορισµού: D 1, D 2, D n Περιορισµοί: C 1, C 2,, C m Ανάθεση τιµών:

Διαβάστε περισσότερα

Επίλυση Προβλημάτων 1

Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης Αναζήτηση πρώτα σε βάθος Αναζήτηση πρώτα σε πλάτος (ΒFS) Αλγόριθμοι ευρετικής αναζήτησης

Διαβάστε περισσότερα

Αλγόριθµοι CSPs Κώδικας. Μάθηµα Τεχνητής Νοηµοσύνης ΥΣ02 Χειµερινό εξάµηνο

Αλγόριθµοι CSPs Κώδικας. Μάθηµα Τεχνητής Νοηµοσύνης ΥΣ02 Χειµερινό εξάµηνο Αλγόριθµοι CSPs Κώδικας Μάθηµα Τεχνητής Νοηµοσύνης ΥΣ02 Χειµερινό εξάµηνο 2008-2009 CSPLIB Βιβλιοθήκη µε ρουτίνες για την επίλυση δυαδικών προβληµάτων ικανοποίησης περιορισµών http://ai.uwaterloo.ca/~vanbeek/software.h

Διαβάστε περισσότερα

Επίλυση Προβλημάτων με Χρωματισμό. Αλέξανδρος Γ. Συγκελάκης asygelakis@gmail.com

Επίλυση Προβλημάτων με Χρωματισμό. Αλέξανδρος Γ. Συγκελάκης asygelakis@gmail.com Επίλυση Προβλημάτων με Χρωματισμό Αλέξανδρος Γ. Συγκελάκης asygelakis@gmail.com 1 Η αφορμή συγγραφής της εργασίας Το παρακάτω πρόβλημα που τέθηκε στο Μεταπτυχιακό μάθημα «Θεωρία Αριθμών» το ακαδημαϊκό

Διαβάστε περισσότερα

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 6 Ικανοποίηση Περιορισµών Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Ικανοποίηση Περιορισµών Ένα πρόβληµα ικανοποίησης περιορισµών (constraint

Διαβάστε περισσότερα

Θεωρήστε ένα puzzle (παιχνίδι σπαζοκεφαλιάς) με την ακόλουθη αρχική διαμόρφωση : b b b w w w e

Θεωρήστε 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 περισσότερα

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ" ΜΕΡΟΣ ΔΕΥΤΕΡΟ Υπεύθυνος Καθηγητής Λυκοθανάσης Σπυρίδων Ακαδημαικό Έτος:

Διαβάστε περισσότερα

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ (ΜΕ ΒΑΣΗ ΤΟ ΚΕΦ. 6 ΤΟΥ ΒΙΒΛΙΟΥ «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΤΩΝ ΒΛΑΧΑΒΑ, ΚΕΦΑΛΑ, ΒΑΣΙΛΕΙΑ Η, ΚΟΚΚΟΡΑ & ΣΑΚΕΛΛΑΡΙΟΥ) Ι. ΧΑΤΖΗΛΥΓΕΡΟΥ ΗΣ ΠΡΟΒΛΗΜΑΤΑ ΙΚΑΝΟΠΟΙΗΣΗΣ ΠΕΡΙΟΡΙΣΜΩΝ Είναι γνωστές µερικές

Διαβάστε περισσότερα

HY Λογική Διδάσκων: Δ. Πλεξουσάκης

HY Λογική Διδάσκων: Δ. Πλεξουσάκης HY-180 - Λογική Διδάσκων: Δ. Πλεξουσάκης Πληρότητα της μεθόδου επίλυσης Λήμμα: Αν κάθε μέλος ενός συνόλου όρων περιέχει ένα αρνητικό γράμμα, τότε το σύνολο είναι ικανοποιήσιμο. Άρα για να είναι μη-ικανοποιήσιμο,

Διαβάστε περισσότερα

Φροντιστήριο 11 Λύσεις

Φροντιστήριο 11 Λύσεις Άσκηση 1 Φροντιστήριο 11 Λύσεις Να αποδείξετε ότι η κλάση Ρ είναι κλειστή ως προς τις πράξεις της ένωσης, της συναρμογής και του συμπληρώματος. Θα πρέπει να δείξουμε ότι: (α) Ένωση: Αν οι Λ 1 και Λ 2 είναι

Διαβάστε περισσότερα

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1 Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 4 ης διάλεξης 4.1. (α) Αποδείξτε ότι αν η h είναι συνεπής, τότε h(n

Διαβάστε περισσότερα

Εφαρμόζονται σε προβλήματα στα οποία δεν υπάρχει πληροφορία που να επιτρέπει την αξιολόγηση των καταστάσεων του χώρου αναζήτησης.

Εφαρμόζονται σε προβλήματα στα οποία δεν υπάρχει πληροφορία που να επιτρέπει την αξιολόγηση των καταστάσεων του χώρου αναζήτησης. Ανάλογα με το αν ένας αλγόριθμος αναζήτησης χρησιμοποιεί πληροφορία σχετική με το πρόβλημα για να επιλέξει την επόμενη κατάσταση στην οποία θα μεταβεί, οι αλγόριθμοι αναζήτησης χωρίζονται σε μεγάλες κατηγορίες,

Διαβάστε περισσότερα

Πληρότητα της μεθόδου επίλυσης

Πληρότητα της μεθόδου επίλυσης Πληρότητα της μεθόδου επίλυσης Λήμμα: Αν κάθε μέλος ενός συνόλου όρων περιέχει ένα αρνητικό γράμμα, τότε το σύνολο είναι ικανοποιήσιμο. Άρα για να είναι μη-ικανοποιήσιμο, θα πρέπει να περιέχει τουλάχιστον

Διαβάστε περισσότερα

ΘΕΜΑ 1: Αλγόριθμος Ford-Fulkerson

ΘΕΜΑ 1: Αλγόριθμος Ford-Fulkerson ΘΕΜΑ : Αλγόριθμος Ford-Fulkerson Α Να εξετάσετε αν ισχύει η συνθήκη συντήρησης της αρχικής ροής στο δίκτυο. Β Με χρήση του αλγορίθμου Ford-Fulkerson να βρεθεί η μέγιστη ροή που μπορεί να σταλεί από τον

Διαβάστε περισσότερα

Για παράδειγμα η αρχική και η τελική κατάσταση αναπαριστώνται ως εξής: (ένα λίτρο)

Για παράδειγμα η αρχική και η τελική κατάσταση αναπαριστώνται ως εξής: (ένα λίτρο) 8 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Απάντηση 1ης άσκησης Κατάσταση (κόμβοι): Αναπαριστούμε μια κατάσταση του προβλήματος με ένα διατεταγμένο ζεύγος (X,Y) όπου X είναι τα λίτρα στο βάζο Α (χωρητικότητα

Διαβάστε περισσότερα

ΗΥ180: Λογική Διδάσκων: Δημήτρης Πλεξουσάκης. Φροντιστήριο 8 Επίλυση για Horn Clauses Λογικός Προγραμματισμός Τετάρτη 9 Μαΐου 2012

ΗΥ180: Λογική Διδάσκων: Δημήτρης Πλεξουσάκης. Φροντιστήριο 8 Επίλυση για Horn Clauses Λογικός Προγραμματισμός Τετάρτη 9 Μαΐου 2012 ΗΥ180: Λογική Διδάσκων: Δημήτρης Πλεξουσάκης Φροντιστήριο 8 Επίλυση για Horn Clauses Λογικός Προγραμματισμός Τετάρτη 9 Μαΐου 2012 Πληρότητα της μεθόδου επίλυσης Λήμμα: Αν κάθε μέλος ενός συνόλου όρων περιέχει

Διαβάστε περισσότερα

7 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

7 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων 7 η Διάλεξη Ενδεικτικές λύσεις ασκήσεων 1 Περιεχόμενα 1 η Άσκηση... 3 2 η Άσκηση... 3 3 η Άσκηση... 4 4 η Άσκηση... 5 5 η Άσκηση... 5 6 η Άσκηση... 7 7 η Άσκηση... 7 8 η Άσκηση... 8 9 η Άσκηση... 9 Χρηματοδότηση...

Διαβάστε περισσότερα

9. Κόκκινα-Μαύρα Δέντρα

9. Κόκκινα-Μαύρα Δέντρα Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 9. Κόκκινα-Μαύρα Δέντρα 2 ομές εδομένων 4 5 Χρήστος ουλκερίδης Τμήμα Ψηφιακών Συστημάτων 9/12/2016 Δέντρα,

Διαβάστε περισσότερα

Επίλυση προβλημάτων με αναζήτηση

Επίλυση προβλημάτων με αναζήτηση Επίλυση προβλημάτων με αναζήτηση Αναζήτηση σημαίνει την εύρεση μιας λύσης (τελικής κατάστασης) ενός προβλήματος διά της συνεχούς δημιουργίας (νέων) καταστάσεων με την εφαρμογή των διαθέσιμων ενεργειών

Διαβάστε περισσότερα

Ισορροπημένα Δένδρα. για κάθε λειτουργία; Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή

Ισορροπημένα Δένδρα. για κάθε λειτουργία; Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή Ισορροπημένα Δένδρα Μπορούμε να επιτύχουμε για κάθε λειτουργία; χρόνο εκτέλεσης Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή μετά από Περιστροφές x αριστερή περιστροφή από το x y α β y

Διαβάστε περισσότερα

Το κείμενο που ακολουθεί αποτελεί επεξεργασία του πρωτότυπου κειμένου του Α. Κάστωρ για την επίλυση των παραδειγμάτων κρίσιμης αλυσίδας που

Το κείμενο που ακολουθεί αποτελεί επεξεργασία του πρωτότυπου κειμένου του Α. Κάστωρ για την επίλυση των παραδειγμάτων κρίσιμης αλυσίδας που Το κείμενο που ακολουθεί αποτελεί επεξεργασία του πρωτότυπου κειμένου του Α. Κάστωρ για την επίλυση των παραδειγμάτων κρίσιμης αλυσίδας που παρουσιάστηκαν στις 19/11/2015 και 3/12/2015 στις διαλέξεις του

Διαβάστε περισσότερα

Προβλήματα, αλγόριθμοι, ψευδοκώδικας

Προβλήματα, αλγόριθμοι, ψευδοκώδικας Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι

Διαβάστε περισσότερα

Παραδείγματα (1 ο σετ) Διανυσματικοί Χώροι

Παραδείγματα (1 ο σετ) Διανυσματικοί Χώροι Παραδείγματα ( ο σετ) Διανυσματικοί Χώροι Παράδειγμα Έστω το σύνολο V το σύνολο όλων των θετικών πραγματικών αριθμών εφοδιασμένο με την ακόλουθη πράξη της πρόσθεσης: y y με y, V και του πολλαπλασιασμού:

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ: Μελέτη παραλλαγών του αλγόριθμου minconflicts για προβλήματα ικανοποίησης περιορισμών ΒΑΡΚΑΣ ΙΩΑΝΝΗΣ,

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Καθηγητής : Κουμπαράκης Μανόλης Ημ/νία παράδοσης: 11/01/2011 Ονομ/μο φοιτητή : Μπεγέτης Νικόλαος Α.Μ.:

Διαβάστε περισσότερα

4 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

4 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων 4 η Διάλεξη Ενδεικτικές λύσεις ασκήσεων 1 Περιεχόμενα 1 η Άσκηση... 3 2 η Άσκηση... 3 3 η Άσκηση... 4 4 η Άσκηση... 5 5 η Άσκηση... 6 6 η Άσκηση... 7 Χρηματοδότηση... 8 Σημείωμα Αναφοράς... 9 Σημείωμα

Διαβάστε περισσότερα

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις Άσκηση 1 Σειρά Προβλημάτων 5 Λύσεις Να δείξετε ότι οι πιο κάτω γλώσσες είναι διαγνώσιμες. (α) { R η R είναι μια κανονική έκφραση η οποία παράγει μια μη πεπερασμένη γλώσσα} (β) { G η G είναι μια CFG η οποία

Διαβάστε περισσότερα

Σειρά Προβλημάτων 3 Λύσεις

Σειρά Προβλημάτων 3 Λύσεις Άσκηση 1 Σειρά Προβλημάτων 3 Λύσεις Να δώσετε ασυμφραστικές γραμματικές που να παράγουν τις πιο κάτω γλώσσες: (α) { a m b n c p m,n,p 0 και είτε m + n = p είτε m = n + p } (β) { xx rev yy rev x, y {a,b}

Διαβάστε περισσότερα

Λύσεις 4ης Σειράς Ασκήσεων

Λύσεις 4ης Σειράς Ασκήσεων Λύσεις 4ης Σειράς Ασκήσεων Άσκηση 1 Αναγάγουμε τν Κ 0 που γνωρίζουμε ότι είναι μη-αναδρομική (μη-επιλύσιμη) στην γλώσσα: L = {p() η μηχανή Turing Μ τερματίζει με είσοδο κενή ταινία;} Δοσμένης της περιγραφής

Διαβάστε περισσότερα

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση Κεφάλαιο ο: Δικτυωτή Ανάλυση. Εισαγωγή Η δικτυωτή ανάλυση έχει παίξει σημαντικό ρόλο στην Ηλεκτρολογία. Όμως, ορισμένες έννοιες και τεχνικές της δικτυωτής ανάλυσης είναι πολύ χρήσιμες και σε άλλες επιστήμες.

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΕΠΛ 035 - ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΓΙΑ ΗΛΕΚΤΡΟΛΟΓΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΚΑΙ ΜΗΧΑΝΙΚΟΥΣ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδηµαϊκό έτος 2017-2018 Υπεύθυνος εργαστηρίου: Γεώργιος

Διαβάστε περισσότερα

Παραδείγματα (2) Διανυσματικοί Χώροι

Παραδείγματα (2) Διανυσματικοί Χώροι Παραδείγματα () Διανυσματικοί Χώροι Παράδειγμα 7 Ελέγξτε αν τα ακόλουθα σύνολα διανυσμάτων είναι γραμμικά ανεξάρτητα ή όχι: α) v=(,4,6), v=(,,), v=(7,,) b) v=(,4), v=(,), v=(4,) ) v=(,,), v=(5,,), v=(5,,)

Διαβάστε περισσότερα

Ευχαριστίες. Τέλος θα ήθελα να ευχαριστήσω όλους όσους ήταν δίπλα μου όλα αυτά τα χρόνια και με βοήθησαν να πραγματοποιήσω τους στόχους μου.

Ευχαριστίες. Τέλος θα ήθελα να ευχαριστήσω όλους όσους ήταν δίπλα μου όλα αυτά τα χρόνια και με βοήθησαν να πραγματοποιήσω τους στόχους μου. Ευχαριστίες Θα ήθελα να ευχαριστήσω τον καθηγητή μου, Δρ Γιάννη Δημόπουλο, ο οποίος ήταν ο επιβλέπον καθηγητής της διπλωματικής αυτής εργασίας και με βοήθησε ώστε να ολοκληρωθεί με επιτυχία. Επίσης θα

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Παρασκευή 28 Σεπτεµβρίου 2007 ιάρκεια: 13:00-16:00

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 1 Για τις ερωτήσεις 1-4 θεωρήσατε τον ακόλουθο γράφο. Ποιές από τις παρακάτω προτάσεις αληθεύουν και ποιές όχι;

ΑΣΚΗΣΗ 1 Για τις ερωτήσεις 1-4 θεωρήσατε τον ακόλουθο γράφο. Ποιές από τις παρακάτω προτάσεις αληθεύουν και ποιές όχι; ΘΕΜΑΤΑ ΔΕΝΔΡΩΝ ΓΙΑ ΤΙΣ ΕΞΕΤΑΣΕΙΣ ΠΛΗ0 ΑΣΚΗΣΗ Για τις ερωτήσεις - θεωρήσατε τον ακόλουθο γράφο. Ποιές από τις παρακάτω προτάσεις αληθεύουν και ποιές όχι; Β Ε Α 6 Δ 5 9 8 0 Γ 7 Ζ Η. Σ/Λ Δυο από τα συνδετικά

Διαβάστε περισσότερα

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1 KΕΦΑΛΑΙΟ 8 Προβλήµατα Μεταφοράς και Ανάθεσης 8. ΕΙΣΑΓΩΓΗ Μια ειδική κατηγορία προβληµάτων γραµµικού προγραµµατισµού είναι τα προβλήµατα µεταφοράς (Π.Μ.), στα οποία επιζητείται η ελαχιστοποίηση του κόστους

Διαβάστε περισσότερα

Επαναληπτικές Ασκήσεις. Ρίζου Ζωή

Επαναληπτικές Ασκήσεις. Ρίζου Ζωή Επαναληπτικές Ασκήσεις Ρίζου Ζωή email: zrizou@ee.duth.gr Άσκηση 1 Τι πραγματεύεται το θεώρημα Euler; Απάντηση Ψευδογραφήματα που περιέχουν ένα κύκλωμα στο ψευδογραφήματα, των οποίων ο βαθμός κάθε κορυφής

Διαβάστε περισσότερα

Άσκηση 1. Ψευδοκώδικας Kruskal. Παρακάτω βλέπουμε την εφαρμογή του στο παρακάτω συνδεδεμένο γράφημα.

Άσκηση 1. Ψευδοκώδικας Kruskal. Παρακάτω βλέπουμε την εφαρμογή του στο παρακάτω συνδεδεμένο γράφημα. Άσκηση 1 Ψευδοκώδικας Kruskal Παρακάτω βλέπουμε την εφαρμογή του στο παρακάτω συνδεδεμένο γράφημα. Αντιστοιχίζω τους κόμβους με αριθμούς από το 0 έως το 4. 2Η ΕΡΓΑΣΙΑ ΑΛΓΟΡΙΘΜΟΙ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ - MAY 2018

Διαβάστε περισσότερα

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου . Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου Σ αυτή την παράγραφο θα εξεταστεί μια παραλλαγή του προβλήματος της συντομότερης διαδρομής, το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου. Σ αυτό το πρόβλημα

Διαβάστε περισσότερα

4.3 Ορθότητα και Πληρότητα

4.3 Ορθότητα και Πληρότητα 4.3 Ορθότητα και Πληρότητα Συστήματα αποδείξεων όπως η μορφολογική παραγωγή και η κατασκευή μοντέλων χρησιμοποιούνται για να δείξουμε την εγκυρότητα εξαγωγών συμπερασμάτων. Ένα σύστημα αποδείξεων μπορεί

Διαβάστε περισσότερα

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη Τμήμα Μηχανικών Πληροφορικής ΤΕ (ΤΕΙ Ηπείρου) Τυφλή αναζήτηση Δίνεται το ακόλουθο κατευθυνόμενο γράφημα 1. Ο κόμβος αφετηρία είναι ο Α και ο κόμβος

Διαβάστε περισσότερα

Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος

Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος Παράδειγμα Έστω το σύνολο V το σύνολο όλων των θετικών πραγματικών αριθμών εφοδιασμένο με την ακόλουθη πράξη της πρόσθεσης: y y με, y V και του πολλαπλασιασμού

Διαβάστε περισσότερα

Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem)

Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem) Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem) Διατύπωση Σας ανήκει μια πινακοθήκη και επιθυμείτε να τοποθετήσετε κάμερες ασφαλείας έτσι ώστε όλη η γκαλερί να είναι προστατευμένη από κλέφτες. Σε

Διαβάστε περισσότερα

Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem)

Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem) Το Πρόβλημα της Πινακοθήκης (The Art Gallery Problem) Τι είναι το Πρόβλημα της Πινακοθήκης; Σας ανήκει μια πινακοθήκη και επιθυμείτε να τοποθετήσετε κάμερες ασφαλείας έτσι ώστε όλη η γκαλερί να είναι προστατευμένη

Διαβάστε περισσότερα

HY Λογική Διδάσκων: Δ. Πλεξουσάκης Εαρινό Εξάμηνο. Φροντιστήριο 6

HY Λογική Διδάσκων: Δ. Πλεξουσάκης Εαρινό Εξάμηνο. Φροντιστήριο 6 HY-180 - Λογική Διδάσκων: Δ. Πλεξουσάκης Εαρινό Εξάμηνο 2015-2016 Φροντιστήριο 6 Α) ΘΕΩΡΙΑ Μέθοδος Επίλυσης (Resolution) Στη μέθοδο της επίλυσης αποδεικνύουμε την ικανοποιησιμότητα ενός συνόλου προτάσεων,

Διαβάστε περισσότερα

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ Διακριτά Μαθηματικά Ι Ενότητα 5: Αρχή Εγκλεισμού - Αποκλεισμού Διδάσκων: Χ. Μπούρας (bouras@cti.gr) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ Φροντιστήριο #: Εύρεση Ελαχίστων Μονοπατιών σε Γραφήματα που Περιλαμβάνουν και Αρνητικά Βάρη: Αλγόριθμος

Διαβάστε περισσότερα

Διακριτά 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 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 περισσότερα

Λύσεις 1ης Ομάδας Ασκήσεων

Λύσεις 1ης Ομάδας Ασκήσεων ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ. Ισότητα συνόλων Έστω C = A i= B i και D = i= A B i. Θα αποδείξουμε ότι τα C, D ταυτίζονται,

Διαβάστε περισσότερα

Μεθοδολογία Επίλυσης Προβλημάτων ============================================================================ Π. Κυράνας - Κ.

Μεθοδολογία Επίλυσης Προβλημάτων ============================================================================ Π. Κυράνας - Κ. Μεθοδολογία Επίλυσης Προβλημάτων ============================================================================ Π. Κυράνας - Κ. Σάλαρης Πολλές φορές μας δίνεται να λύσουμε ένα πρόβλημα που από την πρώτη

Διαβάστε περισσότερα

Ασκήσεις στους Γράφους. 1 ο Σετ Ασκήσεων Βαθμός Μονοπάτια Κύκλος Euler Κύκλος Hamilton Συνεκτικότητα

Ασκήσεις στους Γράφους. 1 ο Σετ Ασκήσεων Βαθμός Μονοπάτια Κύκλος Euler Κύκλος Hamilton Συνεκτικότητα Ασκήσεις στους Γράφους 1 ο Σετ Ασκήσεων Βαθμός Μονοπάτια Κύκλος Euler Κύκλος Hamilton Συνεκτικότητα Ασκηση 1 η Να αποδείξετε ότι κάθε γράφημα περιέχει μια διαδρομή από μια κορυφή u σε μια κορυφή w αν και

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Δημήτρης Πλεξουσάκης 2ο μέρος σημειώσεων: Συστήματα Αποδείξεων για τον ΠΛ, Μορφολογική Παραγωγή, Κατασκευή Μοντέλων Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης

Διαβάστε περισσότερα

Κατανεμημένα Συστήματα Ι

Κατανεμημένα Συστήματα Ι Κατανεμημένα Συστήματα Ι Παναγιώτα Παναγοπούλου 11η Διάλεξη 12 Ιανουαρίου 2017 1 Ανεξάρτητο σύνολο Δοθέντος ενός μη κατευθυνόμενου γραφήματος G = (V, E), ένα ανεξάρτητο σύνολο (independent set) είναι ένα

Διαβάστε περισσότερα

Αλγόριθμοι Τυφλής Αναζήτησης

Αλγόριθμοι Τυφλής Αναζήτησης Τεχνητή Νοημοσύνη 04 Αλγόριθμοι Τυφλής Αναζήτησης Αλγόριθμοι Τυφλής Αναζήτησης (Blind Search Algorithms) Εφαρμόζονται σε προβλήματα στα οποία δεν υπάρχει πληροφορία που να επιτρέπει αξιολόγηση των καταστάσεων.

Διαβάστε περισσότερα

Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα

Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα Ασκήσεις της Ενότητας 2 : Ζωγραφίζοντας με το ΒΥΟΒ -1- α. Η χρήση της πένας Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα Υπάρχουν εντολές που μας επιτρέπουν να επιλέξουμε το χρώμα της πένας, καθώς και το

Διαβάστε περισσότερα

Μονοτονία - Ακρότατα - 1 1 Αντίστροφη Συνάρτηση

Μονοτονία - Ακρότατα - 1 1 Αντίστροφη Συνάρτηση 4 Μονοτονία - Ακρότατα - Αντίστροφη Συνάρτηση Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Μονοτονία συνάρτησης Μια συνάρτηση f λέγεται: Γνησίως αύξουσα σ' ένα διάστημα Δ του πεδίου ορισμού της, όταν για οποιαδήποτε,

Διαβάστε περισσότερα

Κατανεμημένα Συστήματα Ι

Κατανεμημένα Συστήματα Ι Κατανεμημένα Συστήματα Ι Εκλογή αρχηγού και κατασκευή BFS δένδρου σε σύγχρονο γενικό δίκτυο Παναγιώτα Παναγοπούλου Περίληψη Εκλογή αρχηγού σε γενικά δίκτυα Ορισμός του προβλήματος Ο αλγόριθμος FloodMax

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 3 (θεωρία παιγνίων) Οι δύο μεγαλύτερες τράπεζες μιας χώρας, Α και Β, εκτιμούν ότι μια άλλη τράπεζα, η Γ, θα κλείσει στο προσεχές διάστημα και πρόκειται να προχωρήσουν σε διαφημιστικές εκστρατείες

Διαβάστε περισσότερα

21. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 4 - ΔΗΜΙΟΥΡΓΩΝΤΑΣ ΜΕ ΤΟ BYOB BYOB. Αλγόριθμος Διαδικασία Παράμετροι

21. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 4 - ΔΗΜΙΟΥΡΓΩΝΤΑΣ ΜΕ ΤΟ BYOB BYOB. Αλγόριθμος Διαδικασία Παράμετροι 21. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ 4 - ΔΗΜΙΟΥΡΓΩΝΤΑΣ ΜΕ ΤΟ BYOB BYOB Αλγόριθμος Διαδικασία Παράμετροι Τι είναι Αλγόριθμος; Οι οδηγίες που δίνουμε με λογική σειρά, ώστε να εκτελέσουμε μια διαδικασία ή να επιλύσουμε ένα

Διαβάστε περισσότερα

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης Επίλυση προβληµάτων Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης! Παιχνίδια δύο αντιπάλων Προβλήµατα ικανοποίησης περιορισµών Γενικά " Ντετερµινιστικά

Διαβάστε περισσότερα

Άσκηση 3 (ανακοινώθηκε στις 24 Απριλίου 2017, προθεσμία παράδοσης: 2 Ιουνίου 2017, 12 τα μεσάνυχτα).

Άσκηση 3 (ανακοινώθηκε στις 24 Απριλίου 2017, προθεσμία παράδοσης: 2 Ιουνίου 2017, 12 τα μεσάνυχτα). Κ08 Δομές Δεδομένων και Τεχνικές Προγραμματισμού Διδάσκων: Μανόλης Κουμπαράκης Εαρινό Εξάμηνο 2016-2017. Άσκηση 3 (ανακοινώθηκε στις 24 Απριλίου 2017, προθεσμία παράδοσης: 2 Ιουνίου 2017, 12 τα μεσάνυχτα).

Διαβάστε περισσότερα

Προβλήματα Ικανοποίησης Περιορισμών

Προβλήματα Ικανοποίησης Περιορισμών Προβλήματα Ικανοποίησης Περιορισμών (Επιπλέον Διαφάνειες) Μανόλης Κουμπαράκης Τεχνητή Νοημοσύνη 1 Περιεχόμενα Παραδείγματα CSP Παράδειγμα εκτέλεσης του αλγόριθμου ΒΤ Sudoku k-consistency Η έννοια της αποσύνθεσης

Διαβάστε περισσότερα

ΑΣΚΗΣΗ [5 μονάδες (6+6+6+7)] www.onlineclassroom.gr Δίνεται η ακόλουθη συνάρτηση των οριακών εσόδων MR μιας μονοπωλιακής επιχείρησης: MR() = 100 + 16 όπου είναι η ποσότητα παραγωγής του προϊόντος. Επίσης,

Διαβάστε περισσότερα

u v 4 w G 2 G 1 u v w x y z 4

u v 4 w G 2 G 1 u v w x y z 4 Διάλεξη :.0.06 Θεωρία Γραφημάτων Γραφέας: Σ. Κ. Διδάσκων: Σταύρος Κολλιόπουλος. Εισαγωγικοί ορισμοί Ορισμός. Γράφημα G καλείται ένα ζεύγος G = (V, E) όπου V είναι το σύνολο των κορυφών (ή κόμβων) και E

Διαβάστε περισσότερα

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων ημήτρης Φωτάκης ιακριτά Μαθηματικά και Μαθηματική Λογική Πληροφορική Ελληνικό Ανοικτό Πανεπιστήμιο 3 η Εργασία: Γενική Εικόνα Ικανοποιητική εικόνα, αντίστοιχη

Διαβάστε περισσότερα

Chapter 9: NP-Complete Problems

Chapter 9: NP-Complete Problems Θεωρητική Πληροφορική Ι: Αλγόριθμοι και Πολυπλοκότητα Chapter 9: NP-Complete Problems 9.3 Graph-Theoretic Problems (Συνέχεια) 9.4 Sets and Numbers Γιώργος Αλεξανδρίδης gealexan@mail.ntua.gr Κεφάλαιο 9:

Διαβάστε περισσότερα

ΗΥ240: Δομές Δεδομένων Εαρινό Εξάμηνο Ακαδημαϊκό Έτος 2017 Διδάσκουσα: Παναγιώτα Φατούρου Προγραμματιστική Εργασία - 2o Μέρος

ΗΥ240: Δομές Δεδομένων Εαρινό Εξάμηνο Ακαδημαϊκό Έτος 2017 Διδάσκουσα: Παναγιώτα Φατούρου Προγραμματιστική Εργασία - 2o Μέρος ΗΥ240: Δομές Δεδομένων Εαρινό Εξάμηνο Ακαδημαϊκό Έτος 2017 Διδάσκουσα: Παναγιώτα Φατούρου Προγραμματιστική Εργασία - 2o Μέρος Ημερομηνία Παράδοσης: Δευτέρα, 15 Μαΐου 2017, ώρα 23:59. Τρόπος Παράδοσης:

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Δημήτρης Πλεξουσάκης 3ο μέρος σημειώσεων: Μέθοδος της Επίλυσης Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται στην άδεια

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ 1. ίνεται το γνωστό πρόβληµα των δύο δοχείων: «Υπάρχουν δύο δοχεία

Διαβάστε περισσότερα

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων ΚΕΦΑΛΑΙΟ 4 ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ 4. Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων Η περιγραφή του ΔΑΣΕΣ στο προηγούμενο κεφάλαιο έγινε με σκοπό να διευκολυνθούν οι αποδείξεις

Διαβάστε περισσότερα

Άσκηση 2: Λαβύρινθοι και ρομπότ Α. (Σχεδιασμός χώρου καταστάσεων) Ενδεικτική επίλυση

Άσκηση 2: Λαβύρινθοι και ρομπότ Α. (Σχεδιασμός χώρου καταστάσεων) Ενδεικτική επίλυση Άσκηση 2: Λαβύρινθοι και ρομπότ Η εταιρία «Ρομπότ» παρουσιάζει το νέο της μοντέλο, τον πλοηγό πάρκων Ρ-310. Το Ρ-310 είναι δημοφιλές γιατί όπου και αν είσαι μέσα στο πάρκο σου λέει πώς πρέπει να κινηθείς

Διαβάστε περισσότερα

f(x) = και στην συνέχεια

f(x) = και στην συνέχεια ΕΡΩΤΗΣΕΙΣ ΜΑΘΗΤΩΝ Ερώτηση. Στις συναρτήσεις μπορούμε να μετασχηματίσουμε πρώτα τον τύπο τους και μετά να βρίσκουμε το πεδίο ορισμού τους; Όχι. Το πεδίο ορισμού της συνάρτησης το βρίσκουμε πριν μετασχηματίσουμε

Διαβάστε περισσότερα

Δομές Δεδομένων (Εργ.) Ακ. Έτος Διδάσκων: Ευάγγελος Σπύρου. Εργαστήριο 10 Δυαδικά Δένδρα Αναζήτησης

Δομές Δεδομένων (Εργ.) Ακ. Έτος Διδάσκων: Ευάγγελος Σπύρου. Εργαστήριο 10 Δυαδικά Δένδρα Αναζήτησης ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Δομές Δεδομένων (Εργ.) Ακ. Έτος 2017-18 Διδάσκων: Ευάγγελος Σπύρου Εργαστήριο 10 Δυαδικά Δένδρα Αναζήτησης 1. Στόχος του εργαστηρίου Στόχος του δέκατου εργαστηρίου

Διαβάστε περισσότερα

Οδηγίες για το CABRI - GEOMETRY II Μωυσιάδης Πολυχρόνης - Δόρτσιος Κώστας

Οδηγίες για το CABRI - GEOMETRY II Μωυσιάδης Πολυχρόνης - Δόρτσιος Κώστας Οδηγίες για το CABRI - GEOMETRY II Μωυσιάδης Πολυχρόνης - Δόρτσιος Κώστας Εκτελώντας το πρόγραμμα παίρνουμε ένα παράθυρο εργασίας Γεωμετρικών εφαρμογών. Τα βασικά κουμπιά και τα μενού έχουν την παρακάτω

Διαβάστε περισσότερα

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων Δημήτρης Φωτάκης Διακριτά Μαθηματικά και Μαθηματική Λογική Πληροφορική Ελληνικό Ανοικτό Πανεπιστήμιο 3 η Εργασία: Γενική Εικόνα Αρκετά απαιτητικά ερωτήματα,

Διαβάστε περισσότερα

1.3 Συστήματα γραμμικών εξισώσεων με ιδιομορφίες

1.3 Συστήματα γραμμικών εξισώσεων με ιδιομορφίες Κεφάλαιο Συστήματα γραμμικών εξισώσεων Παραδείγματα από εφαρμογές Παράδειγμα : Σε ένα δίκτυο (αγωγών ή σωλήνων ή δρόμων) ισχύει ο κανόνας των κόμβων όπου το άθροισμα των εισερχόμενων ροών θα πρέπει να

Διαβάστε περισσότερα

Το Κ2 είναι ένα παιχνίδι για 1 έως 5 παίκτες, ηλικίας 8 ετών και άνω, με διάρκεια περίπου 60 λεπτά.

Το Κ2 είναι ένα παιχνίδι για 1 έως 5 παίκτες, ηλικίας 8 ετών και άνω, με διάρκεια περίπου 60 λεπτά. ΟΔΗΓΙΕΣ Το Κ2 είναι το δεύτερο ψηλότερο βουνό στον κόσμο (μετά το Έβερεστ) με ύψος 8.611 μέτρα από τη στάθμη της θάλασσας. Θεωρείται, επίσης, ένα από τα δυσκολότερα βουνά άνω των 8.000 μέτρων. Το Κ2 ποτέ

Διαβάστε περισσότερα

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ 1. Έστω συνάρτηση ζήτησης με τύπο Q = 200 4P. Να βρείτε: α) Την ελαστικότητα ως προς την τιμή όταν η τιμή αυξάνεται από 10 σε 12. 1ος τρόπος Αν P 0 10 τότε Q 0 200 410

Διαβάστε περισσότερα

Δομές Δεδομένων. Δημήτρης Μιχαήλ. Γραφήματα. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο

Δομές Δεδομένων. Δημήτρης Μιχαήλ. Γραφήματα. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Δομές Δεδομένων Γραφήματα Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Γραφήματα Κατευθυνόμενο Γράφημα Ένα κατευθυνόμενο γράφημα G είναι ένα ζευγάρι (V, E) όπου V είναι ένα

Διαβάστε περισσότερα

Τεχνητή 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 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 περισσότερα

ΕΠΙΣΗΜΟΙ ΚΑΝΟΝΕΣ ΤΟΥ ΟΙ ΚΑΡΤΕΣ

ΕΠΙΣΗΜΟΙ ΚΑΝΟΝΕΣ ΤΟΥ ΟΙ ΚΑΡΤΕΣ ΕΠΙΣΗΜΟΙ ΚΑΝΟΝΕΣ ΤΟΥ Το SLEUTH είναι ένα φανταστικό παιχνίδι έρευνας για 3 έως 7 παίκτες. Μέσα από έξυπνες ερωτήσεις προς τους αντιπάλους του, κάθε παίκτης συλλέγει στοιχεία και έπειτα, χρησιμοποιώντας

Διαβάστε περισσότερα

Θεωρία Γραφημάτων 10η Διάλεξη

Θεωρία Γραφημάτων 10η Διάλεξη Θεωρία Γραφημάτων 0η Διάλεξη Α. Συμβώνης Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Τομέας Μαθηματικών Φεβρουάριος 07 Α. Συμβώνης (ΕΜΠ) Θεωρία Γραφημάτων 0η Διάλεξη

Διαβάστε περισσότερα

με Τέλος πάντων, έστω ότι ξεκινάει ένα άλλο υποθετικό σενάριο που απλά δεν διευκρινίζεται. Για το i) θα έχουμε , 2

με Τέλος πάντων, έστω ότι ξεκινάει ένα άλλο υποθετικό σενάριο που απλά δεν διευκρινίζεται. Για το i) θα έχουμε , 2 Άσκηση 75 Σε έναν οργανισμό, αρχικά υπάρχουν 04800 βακτήρια. Μετά από 1 ώρα υπάρχουν 10400 βακτήρια, μετά από ώρες 5100 βακτήρια, και γενικά ο αριθμός των βακτηρίων υποδιπλασιάζεται κάθε μια ώρα. α) Πόσα

Διαβάστε περισσότερα

Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα. Παπαπαύλου Χρήστος ΑΜ: 6609

Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα. Παπαπαύλου Χρήστος ΑΜ: 6609 Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα Παπαπαύλου Χρήστος ΑΜ: 6609 Αναπαράσταση μοντέλου Το 3D μοντέλο το αποθηκεύουμε στην μνήμη με τις εξής δομές δεδομένων: Λίστα κορυφών Λίστα τριγώνων

Διαβάστε περισσότερα

www.onlineclassroom.gr

www.onlineclassroom.gr ΑΣΚΗΣΗ 3 (ΜΟΝΑΔΕΣ 25) Σε ένα αγώνα ποδοσφαίρου οι προπονητές των δύο αντίπαλων ομάδων αποφάσισαν ότι έχουν 4 και 3 επιλογές συστήματος, αντίστοιχα. Η αναμενόμενη διαφορά τερμάτων δίνεται από τον παρακάτω

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις Πέμπτη 27 Ιουνίου 2013 10:003:00 Έστω το πάζλ των οκτώ πλακιδίων (8-puzzle)

Διαβάστε περισσότερα

4. ΔΙΚΤΥΑ

4. ΔΙΚΤΥΑ . ΔΙΚΤΥΑ Τελευταία μορφή επιχειρησιακής έρευνας αποτελεί η δικτυωτή ανάλυση (δίκτυα). Τα δίκτυα είναι ένα διάγραμμα από ς οι οποίοι συνδέονται όλοι μεταξύ τους άμεσα ή έμμεσα μέσω ακμών. Πρόκειται δηλαδή

Διαβάστε περισσότερα

Ισορροπημένα Δένδρα. για κάθε λειτουργία; Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή

Ισορροπημένα Δένδρα. για κάθε λειτουργία; Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή Ισορροπημένα Δένδρα Μπορούμε να επιτύχουμε για κάθε λειτουργία; χρόνο εκτέλεσης Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή μετά από Περιστροφές x αριστερή περιστροφή από το x y α β y

Διαβάστε περισσότερα

4.4 Μετατροπή από μία μορφή δομής επανάληψης σε μία άλλη.

4.4 Μετατροπή από μία μορφή δομής επανάληψης σε μία άλλη. 4.4 Μετατροπή από μία μορφή δομής επανάληψης σε μία άλλη. Η μετατροπή μιας εντολής επανάληψης σε μία άλλη ή στις άλλες δύο εντολές επανάληψης, αποτελεί ένα θέμα που αρκετές φορές έχει εξεταστεί σε πανελλαδικό

Διαβάστε περισσότερα

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις Άσκηση 1 Σειρά Προβλημάτων 5 Λύσεις Να δείξετε ότι οι πιο κάτω γλώσσες είναι διαγνώσιμες. (α) ({ G η G είναι μια ασυμφραστική γραμματική που δεν παράγει καμιά λέξη με μήκος μικρότερο του 2 } (β) { Μ,w

Διαβάστε περισσότερα

Δομές Δεδομένων και Αλγόριθμοι

Δομές Δεδομένων και Αλγόριθμοι Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 9 P vs NP 1 / 13 Δυσκολία επίλυσης υπολογιστικών προβλημάτων Κάποια προβλήματα είναι εύκολα να λυθούν με

Διαβάστε περισσότερα

Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα. (μέρος ΙΙ)

Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα. (μέρος ΙΙ) Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα (μέρος ΙΙ) Ανάθεση συχνοτήτων Ο αλγόριθμος σταθερών αναθέσεων FA (Fixed Allocation) Ο άπληστος (Greedy) αλγόριθμος

Διαβάστε περισσότερα

... a b c d. b d a c

... a b c d. b d a c ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΙΑΚΡΙΤA ΜΑΘΗΜΑΤΙΚΑ ιδάσκοντες: Φωτάκης, Σούλιου η Γραπτή Εργασία Θέµα (Αρχή του Περιστερώνα, 8 µονάδες) α) Σε ένα διάστηµα

Διαβάστε περισσότερα

Κατακερματισμός (Hashing)

Κατακερματισμός (Hashing) Κατακερματισμός (Hashing) O κατακερματισμός είναι μια τεχνική οργάνωσης ενός αρχείου. Είναι αρκετά δημοφιλής μέθοδος για την οργάνωση αρχείων Βάσεων Δεδομένων, καθώς βοηθάει σημαντικά στην γρήγορη αναζήτηση

Διαβάστε περισσότερα

Τεχνητή 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 Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αναζήτηση Δοθέντος ενός προβλήματος με περιγραφή είτε στον χώρο καταστάσεων

Διαβάστε περισσότερα

Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα

Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα Αλγόριθμοι για ανάθεση συχνοτήτων και έλεγχο αποδοχής κλήσεων σε κυψελικά ασύρματα δίκτυα (μέρος ΙIΙ) Έλεγχος αποδοχής κλήσεων Οάπληστος(Greedy) αλγόριθμος ελέγχου αποδοχής κλήσεων Ο αλγόριθμος ταξινόμησης

Διαβάστε περισσότερα