ΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ
|
|
- Ἑλένη Βονόρτας
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ
2 ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Στα πλαίσια του μαθήματος Αυτόνομοι Πράκτορες μας ζητήθηκε να αναπτύξουμε μια εργασία εξαμήνου, με θέμα ελέυθερο γύρο από τα πεδία που κάλυψε το μάθημα. Το δικό μου θέμα ήταν η μελέτη του αλγορίθμου q-learning και η επίδραση του learning rare πάνω σε αυτόν. Σκοπός μου ήταν να χειριστώ τον ρυθμό αυτό για να πετύχω μια καλύτερη προσαρμογή του γενικού αλγόριθμου σε αλλαγές του περιβάλλοντος εφαρμογής του. Και ίσος μια αυτοποιημένη έκδοση χειρισμού. Για να μελετήσω σε μεγαλύτερο βαθμό τη χρήση των αλγορίθμων μάθησης επέλεξα το περιβάλλον του grid world που παρουσιάστηκε στο μάθημα.
3 Ο ΚΟΣΜΟΣ ΤΟΥ GRID WORLD ΣΤΟ GRID WORLD Ο ΠΡΑΚΤΟΡΑΣ ΕΧΕΙ ΝΑ ΑΝΤΙΜΕΤΩΠΙΣΕΙ ΕΝΑΝ ΚΟΣΜΟ ΠΟΥ ΕΧΕΙ ΑΒΕΒΑΙΟΤΗΤΑ, ΣΥΓΚΡΟΥΣΕΙΣ ΚΑΙ ΑΝΤΑΜΟΙΒΕΣ. Η ΚΙΝΗΣΗ ΤΟΥ ΠΡΑΚΤΟΡΑ ΕΙΝΑΙ ΠΡΟΣ ΤΙΣ 4 ΚΑΤΕΥΘΥΝΣΕΙΣ (4 ΕΝΕΡΓΕΙΕΣ) ΓΥΡΩ ΑΠΟ ΤΗ ΘΕΣΗ ΤΟΥ. ΟΙ ΕΝΕΡΓΕΙΕΣ ΠΕΤΥΧΑΙΝΟΥΝ ΜΕ ΜΙΑ ΑΒΕΒΑΙΟΤΗΤΑ ΠΡΟΣ ΤΗΝ ΚΑΤΕΥΘΥΝΣΗ ΠΟΥ ΕΠΙΛΕΓΕΙ ΝΑ ΚΙΝΗΘΕΙ Ο ΠΡΑΚΤΟΡΑΣ, ΒΑΣΕΙ ΤΩΝ ΠΙΘΑΝΟΤΗΤΩΝ ΠΟΥ ΤΟΥ ΔΙΝΟΥΜΕ ΚΑΙ ΑΝ ΔΕΝ ΥΠΑΡΧΕΙ ΣΥΓΚΡΟΥΣΗ ΜΕ ΤΟΙΧΟ.
4 ΣΤΟ ΣΧΗΜΑ ΦΑΙΝΟΝΤΑΙ ΟΙ ΠΙΘΑΝΟΤΗΤΕΣ ΓΙΑ ΤΗΝ ΚΙΝΗΣΗ ΤΟΥ ΠΡΑΚΤΟΡΑ ΓΙΑ ΤΙΣ ΑΝΑΓΚΕΣ ΤΙΣ ΕΡΓΑΣΙΑΣ ΜΟΥ ΠΑΝΩ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΜΑΘΗΣΗΣ ΠΑΡΑΛΛΑΞΑ ΤΟ ΠΕΡΙΒΑΛΛΟΝ ΤΟΥ GRID WORLD ΓΙΑ ΝΑ ΜΠΟΡΕΙ ΝΑ ΑΛΛΑΖΕΙ ΚΑΤΑ ΤΗ ΔΙΑΡΚΕΙΑ ΤΗΣ ΕΚΠΑΙΔΕΥΣΗΣ (ΠΡΟΣΘΗΚΗ ΤΟΙΧΩΝ Η ΤΕΡΜΑΤΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ). ΕΠΙΣΗΣ ΠΡΟΣΘΕΣΑ ΤΗ ΔΥΝΑΤΟΤΗΤΑ ΤΗΣ ΑΠΛΗΣ ΕΠΙΔΕΙΞΗΣ (1 EPISODE) ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΑΠΟ ΤΗ ΘΕΣΗ (0,0).
5 Q-LEARNIΝG ALGORITHM Ο ΑΛΓΟΡΙΘΜΟΣ ΑΥΤΟΣ ΕΙΝΑΙ ΜΙΑ ΤΕΧΝΙΚΗ ΕΝΙΣΧΥΤΙΚΗΣ ΜΑΘΗΣΗΣ, ΠΟΥ ΛΕΙΤΟΥΡΓΕΙ ΕΚΤΙΜΩΝΤΑΣ ΤΗ ΣΥΝΑΡΤΗΣΗ Q(S,A) ΓΙΑ ΝΑ ΜΑΘΕΙ ΜΙΑ ΚΑΛΗ Η ΒΕΛΤΙΣΤΗ ΠΟΛΙΤΙΚΗ ΓΙΑ ΤΟΝ ΚΟΣΜΟ ΤΟΥ ΠΡΑΚΤΟΡΑ ΧΩΡΙΣ ΝΑ ΞΕΡΕΙ ΤΟ ΜΟΝΤΕΛΟ ΤΟΥ ΚΟΣΜΟΥ. ΒΑΣΙΚΗ ΠΡΟΥΠΟΘΕΣΗ ΓΙΑ ΤΗΝ ΕΦΑΡΜΟΓΗ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΕΙΝΑΙ ΝΑ ΜΟΝΤΕΛΟΠΟΙΕΙΤΑΙ Ο ΚΟΣΜΟΣ ΩΣ ΜΑΡΚΩΒΙΑΝΗ ΔΙΕΡΓΑΣΙΑ ΑΠΟΦΑΣΗΣ. ΟΙ ΙΔΙΟΤΗΤΕΣ ΤΟΥ MDP ΕΙΝΑΙ: Η ΕΠΟΜΕΝΗ ΚΑΤΑΣΤΑΣΗ ΕΙΝΑΙ ΑΝΕΞΑΡΤΗΤΗ ΑΠΟ ΤΟ ΙΣΤΟΡΙΚΟ. Η ΑΝΤΑΜΟΙΒΗ ΕΙΝΑΙ ΑΝΕΞΑΡΤΗΤΗ ΑΠΟ ΤΟ ΙΣΤΟΡΙΚΟ.
6 Q-LEARNIΝG ALGORITHM MDP(S, A, P, R, G, D) --- S: Ο ΚΟΣΜΟΣ ΤΟΥ GRID WORLD --- A: ΟΙ ΚΙΝΗΣΕΙΣ ΠΟΥ ΕΙΝΑΙ ΔΥΝΑΤΕΣ ΓΙΑ ΤΟΝ ΠΡΑΚΤΟΡΑ {NORTH, EAST, SOUTH, WEST} --- P: ΤΟ ΜΟΝΤΕΛΟ ΜΕΤΑΒΑΣΗΣ --- R: ΟΙ ΑΝΤΑΜΟΙΒΕΣ {R= ΓΙΑ ΚΑΘΕ ΒΗΜΑ, R= UTILITY ΓΙΑ ΚΑΘΕ ΤΕΡΜΑΤΙΚΗ ΚΑΤΑΣΤΑΣΗ} --- G: ΠΑΡΑΓΟΝΤΑΣ ΕΚΠΤΩΣΗΣ {G=0.9} --- D: ΚΑΤΑΝΟΜΗ ΑΡΧΙΚΗΣ ΚΑΤΑΣΤΑΣΗΣ
7 Q-LEARNIΝG ALGORITHM Ο ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ Q-LEARNING: --- ΑΡΧΙΚΟΠΟΙΗΣΕ ΤΑ ΒΑΡΗ --- ΓΙΑ ΚΑΘΕ ΕΠΕΙΣΟΔΙΟ ΚΑΝΕ: --- ΔΙΑΛΕΞΕ ΤΥΧΑΙΑ ΑΡΧΙΚΗ ΘΕΣΗ --- DO WHILE (FINAL STAGE): + ΔΙΑΛΕΞΕ ΤΗΝ ΚΑΛΥΤΕΡΗ ΚΙΝΗΣΗ (ACTION) + ΕΞΕΤΑΣΕ ΝΑ ΠΑΣ ΣΕ ΑΥΤΗ (NEXT STAGE) + ΥΠΟΛΟΓΙΣΕ ΤΑ Q + ΥΠΟΛΟΓΙΣΕ ΤΗΝ ΑΒΕΒΑΙΟΤΗΤΑ ΤΟΥ ΚΟΣΜΟΥ + CURRENT_STAGE = NEXT_STAGE
8 Q-LEARNIΝG ALGORITHM ΓΙΑ ΤΗΝ ΕΠΙΛΟΓΗ ΤΗΣ ΚΑΛΥΤΕΡΗΣ ΚΙΝΗΣΗΣ Η ΣΥΝΑΡΤΗΣΗ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΩ ΔΙΑΛΕΓΕΙ ΤΥΧΑΙΑ ΠΩΣ ΘΑ ΕΞΕΤΑΣΕΙ ΤΙΣ ΤΙΜΕΣ ΤΩΝ Q ΓΙΑ ΚΑΘΕ ΚΙΝΗΣΗ, ΩΣΤΕ ΝΑ ΑΠΟΦΕΥΧΘΕΙ ΝΑ ΚΑΝΕΙ ΚΥΚΛΟΥΣ ΓΥΡΩ ΑΠΟ ΤΟΝ ΕΑΥΤΟ ΤΟΥ ΓΙΑ ΤΟΝ ΥΠΟΛΟΓΙΣΜΟ ΤΟΥ ΕΠΟΜΕΝΟΥ STAGE ΧΡΗΣΙΜΟΠΟΙΩ ΜΙΑ ΣΥΝΑΡΤΗΣΗ ΠΟΥ ΥΠΟΛΟΓΙΖΕΙ ΑΝ Η ΚΙΝΗΣΗ ΠΟΥ ΕΠΕΛΕΞΑ ΕΙΝΑΙ ΕΝΤΟΣ ΟΡΙΩΝ ΤΟΥ GRID WORLD ΓΙΑ ΤΗΝ ΕΦΑΡΜΟΓΗ ΤΗΣ ΑΒΕΒΑΙΟΤΗΤΑΣ ΥΠΟΛΟΓΙΖΩ ΜΙΑ ΜΕΤΑΒΛΗΤΗ [0,1] ΚΑΙ ΑΝΑΛΟΓΑ ΜΕ ΤΟ ΑΠΟΤΕΛΕΣΜΑ ΑΠΟΝΕΜΩ ΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ ΑΝΑΛΟΓΑ ΜΕ ΤΑ ΠΟΣΟΣΤΑ ΤΟΥΣ ΑΠΟ ΤΟ 0 ΕΩΣ ΤΟ 1 ΚΑΙ ΟΙ ΚΙΝΗΣΗΣ ΕΝΑΛΛΑΣΟΝΤΑΙ ΔΕΞΙΟΣΤΡΟΦΑ {NORTH>EAST>SOUTH>WEST}
9 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΣΕ ΑΥΤΟ ΤΟ ΚΟΜΜΑΤΙ ΤΗΣ ΕΡΓΑΣΙΑΣ ΠΡΟΣΠΑΘΗΣΑ ΝΑ ΡΥΘΜΙΣΩ ΤΟ LEARNING RATE ΕΤΣΙ ΩΣΤΕ ΝΑ ΑΝΤΑΠΟΚΡΙΝΕΤΑΙ ΚΑΛΥΤΕΡΑ Ο ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ Q LEARNING ΣΕ ΚΑΠΟΙΑ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΝΑ ΞΑΝΑ ΔΙΑΜΟΡΦΩΝΕΙ ΤΑ ΒΑΡΗ ΤΟΥ. ΤΑ ΒΑΡΗ ΤΟΥ Q LEARNING ΔΕΝ ΤΑ ΚΑΝΟΝΙΚΟΠΟΙΗΣΑ ΓΙΑ ΝΑ ΚΡΑΤΗΣΩ ΤΗΝ ΕΠΙΡΡΟΗ ΤΩΝ ΤΕΛΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ ΣΕ ΟΛΗ ΤΗ ΔΙΑΡΚΕΙΑ ΤΩΝ ΑΛΛΑΓΩΝ.
10 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ Ο ΑΡΧΙΚΟΣ ΚΩΔΙΚΑΣ ΓΙΑ ΑΥΤΗ ΤΗ ΛΕΙΤΟΥΡΓΙΑ ΗΤΑΝ Ο ΕΞΗΣ (ΣΥΝΑΡΤΗΣΗ Α1) for (int k=0; k < epa; k++){ } for (int ep = 0; ep < epb; ep++){ } counter = learn_q(a, g, r); stat[ep][0] = counter; if (maxcounter < counter){ maxcounter = counter; } if ((maxcountera < maxcounter) & (a < 0.9)){ maxcountera = maxcounter; a = a ; } else if ((maxcountera > maxcounter) & (a > 0.001)){ System.out.println("-max= "+maxcounter); System.out.println("y= "+y_q_learning()); a = a ; }
11 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΣΤΗΝ ΣΥΝΕΧΕΙΑ, ΠΡΟΣΠΑΘΗΣΑ ΝΑ ΜΟΝΤΕΛΟΠΟΙΗΣΩ ΤΗ ΔΙΑΔΙΚΑΣΙΑ ΑΥΤΗ ΣΑΝ ΜΙΑ ΜΑΡΚΩΒΙΑΝΗ ΔΙΕΡΓΑΣΙΑ ΑΠΟΦΑΣΗΣ. ΔΥΣΚΟΛΕΥΤΙΚΑ ΣΕ ΑΥΤΗ ΤΗΝ ΠΡΟΣΠΑΘΕΙΑ, ΓΙΑΤΙ ΤΟ LEARNING RATE ΕΙΝΑΙ ΜΙΑ ΣΥΝΕΧΗ ΜΕΤΑΒΛΗΤΗ ΚΑΙ ΤΑ ΚΡΙΤΗΡΙΑ ΓΙΑ ΤΗΝ ΑΠΟΦΑΣΗ ΑΝ Η ΕΠΙΛΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΕΙΝΑΙ ΚΑΛΗ Η ΒΕΛΤΙΣΤΗ ΕΙΝΑΙ ΔΙΣΔΙΑΚΡΙΤΑ. ΕΝΑ ΠΡΩΤΟ ΚΡΙΤΗΡΙΟ ΠΟΥ ΠΗΡΑ ΗΤΑΝ ΤΟ TEMPORAL DIFFERENCE ΤΩΝ ΤΙΜΩΝ ΤΗΣ Q. ΩΜΟΣ ΣΤΗΝ ΠΡΑΞΗ ΑΥΤΟ ΔΕΝ ΗΤΑΝ ΙΣΧΥΡΟ ΚΡΙΤΗΡΙΟ ΜΕΤΑ ΤΙΣ ΑΛΛΑΓΕΣ ΣΤΟ ΠΕΡΙΒΑΛΛΟΝ. ΣΤΟΥΣ ΑΚΟΛΟΥΘΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΧΡΗΣΙΜΟΠΟΙΗΣΑ ΩΣ ΚΡΙΤΗΡΙΟ ΠΗΡΑ ΤΑ ΒΗΜΑΤΑ ΠΟΥ ΚΑΝΕΙ Ο ΑΛΓΟΡΙΘΜΟΣ ΜΕΧΡΙ ΝΑ ΒΡΕΙ ΤΟ FINAL STAGE (STEPS). ΤΟ ΜΟΝΤΕΛΟ ΓΙΑ ΤΟ ΡΥΘΜΟ ΜΑΘΗΣΗΣ ΕΧΕΙ 3 ΚΑΤΑΣΤΑΣΕΙΣ {LOW, MIDDLE, HIGH} ΚΑΙ 7 ΚΙΝΗΣΕΙΣ (ACTIONS)
12 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΟΙ ΑΡΧΙΚΟΠΟΙΗΣΗ ΤΩΝ ΤΙΜΩΝ ΓΙΑ ΤΑ ΒΑΡΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΕΙΝΑΙ ΣΤΙΣ ΤΙΜΕΣ ΠΟΥ ΕΙΝΑΙ ΕΝΔΙΑΜΕΣΑ ΑΠΟ ΤΑ ΟΡΙΑ. A_values[2][4] = ( )/2; A_values[1][3] = 0.1; A_values[2][5] = 0.1; A_values[1][2] = ( )/2; A_values[0][1] = 0.5; A_values[1][6] = 0.5; A_values[0][0] = ( )/2;
13 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΚΑΙ Η ΤΕΛΙΚΗ ΣΥΝΑΡΤΗΣΗ ΓΙΑ ΤΗΝ ΕΚΠΑΙΔΕΥΣΗ ΠΑΝΩ ΣΤΟ ΡΥΘΜΟ ΜΑΘΗΣΗΣ ΕΙΝΑΙ Η ΕΞΗΣ (ΣΥΝΑΡΤΗΣΗ Α) for (int k=0; k < epa; k++){ maxcounter = -1; r = 0; for (int ep = 0; ep < epb; ep++){ } counter = learn_q(a, g, r); stat[ep][0] = counter; if (maxcounter < counter){ maxcounter = counter; re -= 1; } else{ re += 1; } re = re/epb; action = best_action_a(s, a); next_s_a = next_state_a(s, action, a); compute_a(s, next_s_a, action, a, re); a = A_values[s][action]; } s = next_s_a;
14 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ ΤΑ ΒΑΡΗ ΟΠΩΣ ΠΡΟΚΥΠΤΟΥΝ ΜΕΤΑ ΤΗΝ ΕΚΠΑΙΔΕΥΣΗ ΚΑΙ ΤΑ ΒΑΡΗ ΜΕΤΑ ΤΗΝ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
15 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ LEARNING RATE ΓΙΑ ΤΗΝ ΣΥΝΑΡΤΗΣΗ Α1 ΜΕΤΑ ΤΗΝ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
16 LEARNING RATE - ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ LEARNING RATE ΓΙΑ ΤΗΝ ΣΥΝΑΡΤΗΣΗ Α ΜΕΤΑ ΤΗΝ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
17 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΜΕΤΑ ΑΠΟ ΠΟΛΛΕΣ ΦΟΡΕΣ ΠΟΥ ΕΤΡΕΞΑ ΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΓΙΑ ΤΗΝ ΠΡΟΣΑΡΜΟΓΗ ΤΟΥ ΡΥΘΜΟΥ ΜΑΘΗΣΗΣ, ΣΥΜΠΕΡΑΝΑ ΟΤΙ ΓΙΑ ΤΗΝ ΚΑΛΗ ΛΕΙΤΟΥΡΓΙΑ ΤΟΥΣ ΧΡΕΙΑΖΟΝΤΑΙ ΣΩΣΤΑ ΚΡΙΤΙΡΙΑ ΓΙΑ ΝΑ ΚΡΙΝΟΥΝ ΤΗΝ ΑΠΟΔΟΣΗ ΕΝΟΣ SET ΕΚΠΑΙΔΕΥΣΗΣ (ΜΕ ΚΑΘΕ SET ΝΑ ΑΠΟΤΕΛΕΙΤΑΙ ΑΠΟ ΕΠΙΣΟΔΕΙΑ). ΤΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΤΗΝ ΠΡΑΞΗ ΕΙΝΑΙ ΚΑΛΑ ΚΑΙ ΣΕ ΟΠΟΙΑΔΗΠΟΤΕ ΣΤΙΓΜΗ ΜΕΤΑΞΥ ΤΩΝ SET ΕΚΠΑΙΔΕΥΣΗΣ ΕΚΤΕΛΕΣΤΕΙ Η ΣΥΝΑΡΤΗΣΗ ΕΠΙΔΕΙΞΗΣ ΟΔΗΓΕΙ ΜΕ ΚΑΛΟ Η ΒΕΛΤΙΣΤΟ ΜΟΝΟΠΑΤΙ ΣΤΟ FINAL STAGE.
18 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΑΡΤΗΣΗ Α1
19 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΑΡΤΗΣΗ Α1 ΜΕΤΑ ΤΗΝ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
20 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΑΡΤΗΣΗ Α
21 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΑΡΤΗΣΗ Α ΜΕΤΑ ΤΗΝ ΑΛΛΑΓΗ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ
2). V (s) = R(s) + γ max T (s, a, s )V (s ) (3)
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Παράδοση: 5 Απριλίου 2012 Μιχελιουδάκης Ευάγγελος 2007030014 ΠΛΗ513: Αυτόνομοι Πράκτορες ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Εισαγωγή Η εργασία με
Διαβάστε περισσότεραΠΛΗ513 - Αυτόνομοι Πράκτορες Αναφορά Εργασίας
ΠΛΗ513 - Αυτόνομοι Πράκτορες Αναφορά Εργασίας Ομάδα εργασίας: LAB51315282 Φοιτητής: Μάινας Νίκος ΑΦΜ: 2007030088 ΠΕΡΙΓΡΑΦΗ ΙΔΕΑΣ Η ιδέα της εργασίας βασίζεται στην εύρεση της καλύτερης πολιτικής για ένα
Διαβάστε περισσότεραΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack. Χλης Νικόλαος-Κοσμάς
ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack Χλης Νικόλαος-Κοσμάς Περιγραφή παιχνιδιού Βlackjack: Σκοπός του παιχνιδιού είναι ο παίκτης
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. Εργασία εξαμήνου. Value Iteration και Q- Learning για Peg Solitaire
Αυτόνομοι Πράκτορες Εργασία εξαμήνου Value Iteration και Q- Learning για Peg Solitaire Μαρίνα Μαυρίκου 2007030102 1.Εισαγωγικά για το παιχνίδι Το Peg Solitaire είναι ένα παιχνίδι το οποίο παίζεται με ένα
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Λήψη Α οφάσεων υ ό Αβεβαιότητα Decision Making under Uncertainty Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Εντο
Διαβάστε περισσότεραΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ. ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Othello-TD Learning. Βόλτσης Βαγγέλης Α.Μ
ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Othello-TD Learning Βόλτσης Βαγγέλης Α.Μ. 2011030017 Η παρούσα εργασία πραγματοποιήθηκε στα πλαίσια του μαθήματος Αυτόνομοι Πράκτορες και σχετίζεται με λήψη αποφάσεων
Διαβάστε περισσότεραΟ Αλγόριθµος της Simplex
Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Αρχικοποίηση : Επέλεξε έναν αντιστρέψιµο πίνακα B (m m) έτσι ώστε x
Διαβάστε περισσότεραΠΑΙΧΝΙΔΙ PACMAN 3D ΜΕ ΜΕΘΟΔΟΥΣ ΕΝΙΣΧΗΤΙΚΗΣ ΜΑΘΗΣΗΣ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΛΗ513 - ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ- ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2015 ΕΡΓΑΣΙΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΠΑΙΧΝΙΔΙ PACMAN 3D ΜΕ ΜΕΘΟΔΟΥΣ ΕΝΙΣΧΗΤΙΚΗΣ ΜΑΘΗΣΗΣ
Διαβάστε περισσότεραΕργαστήριο 2: Πίνακες
Εργαστήριο 2: Πίνακες Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Επεξεργασία Πινάκων - Υλοποίηση της Δυαδικής Αναζήτησης σε πίνακες - Υλοποίηση της Ταξινόμησης με Επιλογής σε πίνακες ΕΠΛ035
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. Εργασία εξαμήνου. Μάθηση του παιχνιδιού British square με χρήση Temporal Difference(TD) Κωνσταντάκης Γιώργος
Αυτόνομοι Πράκτορες Εργασία εξαμήνου Μάθηση του παιχνιδιού British square με χρήση Temporal Difference(TD) Κωνσταντάκης Γιώργος 2010030090 Περιγραφή του παιχνιδιού Το British square είναι ένα επιτραπέζιο
Διαβάστε περισσότεραΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 5: Παραδείγματα. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 5: Παραδείγματα Ρεφανίδης Ιωάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας
Διαβάστε περισσότεραΑριθμητική Λύση Μη Γραμμικών Εξισώσεων Η ΜΕΘΟ ΟΣ ΤΗΣ ΙΧΟΤΟΜΙΣΗΣ 01/25/05 ΜΜΕ 203 ΙΑΛ 2 1
Αριθμητική Λύση Μη Γραμμικών Εξισώσεων Η ΜΕΘΟ ΟΣ ΤΗΣ ΙΧΟΤΟΜΙΣΗΣ 01/25/05 ΜΜΕ 203 ΙΑΛ 2 1 Ηβάση της Μεθόδου της ιχοτόμησης Θεώρημα: Μία εξίσωση f()=0, όπου το f() είναι μια πραγματική συνεχής συνάρτηση,
Διαβάστε περισσότεραDS - Pacman. 2.1 Η calculatenextpacmanposition... 3
Εργασία 2η Δομές Δεδομένων Αντωνιάδης Ιωάννης 7137 Μόσχογλου Στυλιανός 6978 23 Δεκεμβρίου 2011 Περιεχόμενα 1 Πρόλογος 3 2 Η γενική αλγοριθμική ιδέα 3 2.1 Η calculatenextpacmanposition............... 3
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ (1) ΓΕΝΙΚΑ ΣΧΟΛΗ ΠΟΛΥΤΕΧΝΙΚΗ ΤΜΗΜΑ Μηχανικών Οικονομίας και Διοίκησης ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΓΕ0145 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 4ο ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Εργαστήριο Προγράμματος
Διαβάστε περισσότεραΠροβλήματα, 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 περισσότεραΠολυτεχνείο Κρήτης Σχολή Ηλεκτρονικών Μηχανικών Και Μηχανικών Η/Υ. ΠΛΗ 513 Αυτόνομοι Πράκτορες
Πολυτεχνείο Κρήτης Σχολή Ηλεκτρονικών Μηχανικών Και Μηχανικών Η/Υ ΠΛΗ 53 Αυτόνομοι Πράκτορες Εύρεση του utility χρηστών με χρήση Markov chain Monte Carlo Παπίλαρης Μιχαήλ Άγγελος 29349 Περίληψη Η εργασία
Διαβάστε περισσότεραΗ Μηχανική Μάθηση στο Σχολείο: Μια Προσέγγιση για την Εισαγωγή της Ενισχυτικής Μάθησης στην Τάξη
6 ο Πανελλήνιο Συνέδριο «Διδακτική της Πληροφορικής» Φλώρινα, 20-22 Απριλίου 2012 Η Μηχανική Μάθηση στο Σχολείο: Μια Προσέγγιση για την Εισαγωγή της Ενισχυτικής Μάθησης στην Τάξη Σάββας Νικολαΐδης 1 ο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 664: Ανάλυση και Επαλήθευση Συστημάτων ΕΝΔΙΑΜΕΣΗ ΕΞΕΤΑΣΗ ΗΜΕΡΟΜΗΝΙΑ : Πέμπτη, 21 Μαρτίου 2013 ΔΙΑΡΚΕΙΑ : 14:00 16:00 ΔΙΔΑΣΚΟΥΣΑ : Άννα Φιλίππου Ονοματεπώνυμο:
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Δυναμικός Προγραμματισμός με Μεθόδους Monte Carlo: 1. Μάθηση Χρονικών Διαφορών (Temporal-Difference Learning) 2. Στοχαστικός
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ. H διαδικασία ανεύρεσης λογικών λαθών περιλαμβάνει : β- Σωστό. Διαπίστωση του είδους του λάθους γ- Σωστό δ- Λάθος
ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ ΕΠΑΛ (ΟΜΑΔΑ Α ) & ΜΑΘΗΜΑΤΩΝ ΕΙΔΙΚΟΤΗΤΑΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 08/04/2015 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΟΚΤΩ (8) ΘΕΜΑ Α ΑΠΑΝΤΗΣΕΙΣ Α1. Α2. α-
Διαβάστε περισσότεραReinforcement Learning Competition Invasive Species Domain - αυτόνομοι Πράκτορες Γιώργος Κεχαγιάς
Reinforcement Learning Competition Invasive Species Domain - αυτόνομοι Πράκτορες 2015-16 Γιώργος Κεχαγιάς 2010030002 Ορισμός του προβλήματος Η οικονομική και η οικολογική καταστοροφή απο τα Invasive species
Διαβάστε περισσότεραΔιδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ
Διάλεξη 23: Βραχύτερα Μονοπάτια σε Γράφους Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Βραχύτερα Μονοπάτια σε γράφους Ο αλγόριθμος Dijkstra για εύρεση της βραχύτερης απόστασης Ο αλγόριθμος
Διαβάστε περισσότεραΕργαστηριακή Άσκηση 1
Εργαστηριακή Άσκηση 1 Επανάληψη προγραμματισμού Βασικοί Αλγόριθμοι Είσοδος τιμών από το πληκτρολόγιο Σε όλα τα προγράμματα που θα γράψουμε στην συνέχεια του εξαμήνου θα χρειαστεί να εισάγουμε τιμές σε
Διαβάστε περισσότεραAlternative to Balanced Trees, Comms of the ACM, 33(6), June 1990,
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Πληροφορικής & Τηλεπικοινωνιών Μια σημείωση από τον Α. Δελή για το άρθρο: W. Pugh, Skip Lists: A Probabilistic Alternative to Balanced Trees, Comms of the ACM, 33(), June 10,
Διαβάστε περισσότεραΑλγόριθμοι και Πολυπλοκότητα
Αλγόριθμοι και Πολυπλοκότητα Ανάλυση Αλγορίθμων Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ανάλυση Αλγορίθμων Η ανάλυση αλγορίθμων περιλαμβάνει τη διερεύνηση του τρόπου
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΠιθανοτικός Συμπερασμός: Πού βρίσκομαι στο πλέγμα; [ΠΛΗ 513] Αυτόνομοι πράκτορες - Project Εξαμήνου ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Πιθανοτικός Συμπερασμός: Πού βρίσκομαι στο πλέγμα; [ΠΛΗ 513] Αυτόνομοι πράκτορες - Project Εξαμήνου Γεωργαρά Αθηνά (A.M. 2011030065) ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
Διαβάστε περισσότεραΠανεπιστήμιο Ιωαννίνων Τμήμα Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2012
Πανεπιστήμιο Ιωαννίνων Τμήμα Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2012 Ενδεικτικές απαντήσεις 1 ου σετ ασκήσεων. Άσκηση 1 Πραγματοποιήσαμε μια σειρά μετρήσεων του χρόνου εκτέλεσης τριών
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες Μαριάνος Νίκος Αυτόνομοι Πράκτορες. Χειμερινό Εξάμηνο 2016 Κωδικός Μαθήματος ΠΛΗ513 Πρότζεκτ Μαθήματος
Αυτόνομοι Πράκτορες Χειμερινό Εξάμηνο 2016 Κωδικός Μαθήματος ΠΛΗ513 Πρότζεκτ Μαθήματος Thit O C Gm with ifocmt ig (Ενισχυτική Μάθηση στο παιχνίδι τριάντα μια) Μία εργασία του Νίκου Μαριάνου Α.Μ. 2011030091
Διαβάστε περισσότερακαθ. Βασίλης Μάγκλαρης
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ενισχυτική Μάθηση - Δυναμικός Προγραμματισμός: 1. Markov Decision Processes 2. Bellman s Optimality Criterion 3. Αλγόριθμος
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 18: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότερα11/23/2014. Στόχοι. Λογισμικό Υπολογιστή
ονάδα Δικτύων και Επικοινωνιών ΗΥ Τομέας Πληροφορικής, αθηματικών και Στατιστικής ΓΕΩΠΟΙΚΟ ΠΑΕΠΙΣΤΗΙΟ ΑΘΗΩ Εισαγωγή στην Επιστήμη των ΗΥ άθημα-4 url: http://openeclass.aua.gr (AOA0) Λογισμικό Υπολογιστή
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: βελτιστοποίηση χωρίς περιορισμούς Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 7-8 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΤο Παιχνίδι της Αφαίρεσης
Το Παιχνίδι της Αφαίρεσης Φύλλο Εργασίας Σε αυτό το φύλλο εργασίας θα φτιάξουμε ένα παιχνίδι για δύο παίκτες που ονομάζεται NIM. Είναι πολύ παλιό και πιθανότατα προέρχεται από την Κίνα. Εδώ θ ασχοληθούμε
Διαβάστε περισσότεραΔιάλεξη 04: Παραδείγματα Ανάλυσης
Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Παραδείγματα Ανάλυσης Πολυπλοκότητας : Μέθοδοι, παραδείγματα
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 6η διάλεξη (2016-17) 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 περισσότεραΠληροφορική ΙΙ Θεματική Ενότητα 7
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Πληροφορική ΙΙ Θεματική Ενότητα 7 Δομές επανάληψης Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. ΝΑΟ Μουσικός
Αυτόνομοι Πράκτορες ΝΑΟ Μουσικός Καρατζαφέρης Ευστάθιος Αλέξανδρος 2007 030 046 Πολυτεχνείο Κρήτης Σύντομη Περιγραφή Στόχος της εργασίας μας είναι η υλοποίηση της συμπεριφοράς αλλα και της λειτουργικότητας
Διαβάστε περισσότεραΣημειώσεις του εργαστηριακού μαθήματος Πληροφορική ΙΙ. Εισαγωγή στην γλώσσα προγραμματισμού
Σημειώσεις του εργαστηριακού μαθήματος Πληροφορική ΙΙ Εισαγωγή στην γλώσσα προγραμματισμού Ακαδημαϊκό έτος 2016-2017, Εαρινό εξάμηνο Οι σημειώσεις βασίζονται στα συγγράμματα: A byte of Python (ελληνική
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΠανεπιστήμιο Ιωαννίνων Τμήμα Μηχανικών Η/Υ και Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2013
Πανεπιστήμιο Ιωαννίνων Τμήμα Μηχανικών Η/Υ και Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2013 Λυμένες Ασκήσεις Σετ Α: Ανάλυση Αλγορίθμων Άσκηση 1 Πραγματοποιήσαμε μια σειρά μετρήσεων του
Διαβάστε περισσότεραΣυστήματα Βιομηχανικών Διεργασιών 6ο εξάμηνο
Συστήματα Βιομηχανικών Διεργασιών 6ο εξάμηνο Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης 3 ο μάθημα ΔΠΘ-ΜΠΔ Συστήματα Βιομηχανικών Διεργασιών 2 ΔΠΘ-ΜΠΔ Συστήματα Βιομηχανικών
Διαβάστε περισσότεραΔιάλεξη 21: Γράφοι IV - Βραχύτερα Μονοπάτια σε Γράφους
Διάλεξη 2: Γράφοι IV - Βραχύτερα Μονοπάτια σε Γράφους Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Βραχύτερα Μονοπάτια σε γράφους - Ο αλγόριθμος Dijkstra για εύρεση της βραχύτερης απόστασης
Διαβάστε περισσότεραΑΔΙΕΞΟΔΑ. Λειτουργικά Συστήματα Ι. Διδάσκων: Καθ. Κ. Λαμπρινουδάκης ΛΕΙΤΟΥΡΓΙΚΑ ΣΥΣΤΗΜΑΤΑ Ι
ΛΕΙΤΟΥΡΓΙΚΑ ΣΥΣΤΗΜΑΤΑ Ι Μάθημα: Λειτουργικά Συστήματα Ι ΑΔΙΕΞΟΔΑ Διδάσκων: Καθ. Κ. Λαμπρινουδάκης clam@unipi.gr 1 ΑΔΙΕΞΟΔΑ 2 ΠΟΡΟΙ Υπάρχουν δύο τύποι πόρων σε υπολογιστικά συστήματα: Προεκτοπίσιμοι πόροι
Διαβάστε περισσότεραPROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ" ΜΕΡΟΣ ΤΡΙΤΟ Υπεύθυνος Καθηγητής Λυκοθανάσης Σπυρίδων Ακαδημαικό Έτος: 2011-2012
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 18 Dijkstra s Shortest Path Algorithm 1 / 12 Ο αλγόριθμος εύρεσης της συντομότερης διαδρομής του Dijkstra
Διαβάστε περισσότεραΚατανεμημένα Συστήματα Ι
Εκλογή αρχηγού σε γενικά δίκτυα 20 Οκτωβρίου 2016 Παναγιώτα Παναγοπούλου Εκλογή αρχηγού σε γενικά δίκτυα Προηγούμενη διάλεξη Σύγχρονα Κατανεμημένα Συστήματα Μοντελοποίηση συστήματος Πρόβλημα εκλογής αρχηγού
Διαβάστε περισσότεραΕνδεικτικές Λύσεις 1ου Σετ Ασκήσεων
Κ Σ Ι Ενδεικτικές Λύσεις 1ου Σετ Ασκήσεων Παναγιώτα Παναγοπούλου Άσκηση 1. Υποθέστε ότι οι διεργασίες ενός σύγχρονου κατανεμημένου συστήματος έχουν μοναδικές ταυτότητες (UIDs), γνωρίζουν ότι είναι συνδεδεμένες
Διαβάστε περισσότεραΜεταγλωττιστές. Δημήτρης Μιχαήλ. Ακ. Έτος 2011-2012. Ανοδικές Μέθοδοι Συντακτικής Ανάλυσης. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Μεταγλωττιστές Ανοδικές Μέθοδοι Συντακτικής Ανάλυσης Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ακ. Έτος 2011-2012 Ανοδική Κατασκευή Συντακτικού Δέντρου κατασκευή δέντρου
Διαβάστε περισσότεραTEC410 Ανάπτυξη Δικτυακών Τόπων (Δ εξάμηνο)
TEC410 Ανάπτυξη Δικτυακών Τόπων (Δ εξάμηνο) Διδάσκων: Ανδρέας Γιαννακουλόπουλος Επιστημονικός συνεργάτης Εργαστηρίου: Στέλλα Λάμπουρα Εαρινό εξάμηνο Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί
Διαβάστε περισσότεραΚατανεμημένα 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 περισσότεραΔομές Δεδομένων Ενότητα 2
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2: Θέματα Απόδοσης Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΚατ οίκον Εργασία 5 Σκελετοί Λύσεων
Κατ οίκον Εργασία 5 Σκελετοί Λύσεων Άσκηση 1 Χρησιμοποιούμε τις δομές: struct hashtable { struct node array[maxsize]; int maxsize; int size; struct node{ int data; int status; Στο πεδίο status σημειώνουμε
Διαβάστε περισσότεραΠρογραμματισμός Ι (ΗΥ120)
Προγραμματισμός Ι (ΗΥ120) Διάλεξη 17: Λύση Προβλημάτων με Αναδρομή Οι πύργοι του Hanoi Δίνεται ένα χώρος με τρεις θέσεις αποθήκευσης. Δίνεται μια στοίβα από Ν πλάκες σε φθίνον μέγεθος, σε μια από τις τρεις
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Μερική Παρατηρησιµότητα Θεωρία Παιγνίων Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Reinforcement Learning (RL)
Διαβάστε περισσότερα6. Στατιστικές μέθοδοι εκπαίδευσης
6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι,
Διαβάστε περισσότεραΤεχνικές Προγραμματισμού και Χρήση Λογισμικού Η/Υ στις Κατασκευές
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Τεχνικές Προγραμματισμού και Χρήση Λογισμικού Η/Υ στις Κατασκευές Ενότητα 3: Διαδικασίες λογικών αποφάσεων και βρόγχων εργασιών Αναστάσιος
Διαβάστε περισσότεραΕντολές Επανάληψης. int sum = 0, i=1; sum += i++ ; sum += i++ ; Η πράξη αυτή θα πρέπει να επαναληφθεί Ν φορές!
Εντολές Επανάληψης Πολλές φορές χρειάζεται να επαναλάβουμε τις ίδιες εντολές Πχ. Έστω ότι θέλουμε να υπολογίσουμε το άθροισμα όρων μιας ακολουθίας διαδοχικών ακεραίων. Δηλαδή αν ο χρήστης δώσει τον αριθμό
Διαβάστε περισσότεραΘέματα Προγραμματισμού Η/Υ
Πρόγραμμα Μεταπτυχιακών Σπουδών Πληροφορική και Υπολογιστική Βιοϊατρική Θέματα Προγραμματισμού Η/Υ Ενότητα 7: Θεματική Ενότητα: Δομές επανάληψης ΘΕΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Η/Υ Θεματική Ενότητα 7 Δομές επανάληψης
Διαβάστε περισσότεραΔιάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων
Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Παραδείγματα Ανάλυσης Πολυπλοκότητας : Μέθοδοι, παραδείγματα
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 4 Λήψη Αποφάσεων και Συναρτήσεις Ελέγχου
ΕΝΟΤΗΤΑ 4 Λήψη Αποφάσεων και Συναρτήσεις Ελέγχου Σκοπός και περίγραμμα της Ενότητας 4 Σκοπός της παρουσίασης Να μελετήσουμε τις συναρτήσεις που ελέγχουν την ροή και την εκτέλεση ενός προγράμματος Σύνοψη
Διαβάστε περισσότεραΤσάπελη Φανή ΑΜ: 2004030113. Ενισχυτική Μάθηση για το παιχνίδι dots. Τελική Αναφορά
Τσάπελη Φανή ΑΜ: 243113 Ενισχυτική Μάθηση για το παιχνίδι dots Τελική Αναφορά Περιγραφή του παιχνιδιού Το παιχνίδι dots παίζεται με δύο παίχτες. Έχουμε έναν πίνακα 4x4 με τελείες, και σκοπός του κάθε παίχτη
Διαβάστε περισσότεραΦύλλο εργασίας 3 - Χριστουγεννιάτικα φωτάκια (σταδιακή αύξηση και μείωση φωτεινότητας ενός LED) Το κύκλωμα σε breadboard
Φύλλο εργασίας 3 - Χριστουγεννιάτικα φωτάκια (σταδιακή αύξηση και μείωση φωτεινότητας ενός LED) Στην δραστηριότητα αυτή θα χρησιμοποιήσουμε ένα LED το οποίο θα ανάβει σταδιακά και όταν θα φτάσει στη μέγιστη
Διαβάστε περισσότεραΔιδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ
Διάλεξη 20: Τοπολογική Ταξινόμηση Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ολοκλήρωση Αλγορίθμων Διάσχισης Γράφων (Από Διάλεξη 19) Τοπολογική Ταξινόμηση Εφαρμογές, Παραδείγματα, Αλγόριθμοι
Διαβάστε περισσότεραΥπολογισμός - Εντολές Επανάληψης
Προγραμματισμός Η/Υ Ι Υπολογισμός - Εντολές Επανάληψης ΕΛΕΥΘΕΡΙΟΣ ΚΟΣΜΑΣ ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ 2018-2019 ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ Τ.Ε. 1 Περίληψη Σήμερα... θα συνεχίσουμε τη συζήτησή μας για τα βασικά στοιχεία
Διαβάστε περισσότεραΘΕΜΑ : «Από την ΜicroWorlds Pro στην Python. Μια Βιωματική Διδακτική Πρόταση.»
Η προτεινόμενη διδακτική πρόταση υλοποιήθηκε στα πλαίσια του μαθήματος της Πληροφορικής στη Γ Γυμνασίου. ΘΕΜΑ : «Από την ΜicroWorlds Pro στην Python. Μια Βιωματική Διδακτική Πρόταση.» Μαζέρας Αχιλλέας
Διαβάστε περισσότεραΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 4. Παραδείγματα Ανάλυσης Πολυπλοκότητας Ανάλυση Αναδρομικών Αλγόριθμων
ΕΠΛ31 Δομές Δεδομένων και Αλγόριθμοι 4. Παραδείγματα Ανάλυσης Πολυπλοκότητας Ανάλυση Αναδρομικών Αλγόριθμων Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα
Διαβάστε περισσότεραΕΠΛ232 Προγραμματιστικές Τεχνικές και Εργαλεία Δυναμική Δέσμευση Μνήμης και Δομές Δεδομένων (Φροντιστήριο)
ΕΠΛ232 Προγραμματιστικές Τεχνικές και Εργαλεία Δυναμική Δέσμευση Μνήμης και Δομές Δεδομένων (Φροντιστήριο) Τμήμα Πληροφορικής, Πανεπιστήμιο Κύπρου http://www.cs.ucy.ac.cy/courses/epl232 Το μάθημα αυτό
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ «ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ»
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ «ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ» ΗΜΕΡ.ΑΝΑΘΕΣΗΣ: Δευτέρα 21 Δεκεμβρίου 2015 ΗΜΕΡ.ΠΑΡΑΔΟΣΗΣ: Δευτέρα 25 Ιανουαρίου 2016 Διδάσκοντες:
Διαβάστε περισσότεραΨευδοκώδικας. November 7, 2011
Ψευδοκώδικας November 7, 2011 Οι γλώσσες τύπου ψευδοκώδικα είναι ένας τρόπος περιγραφής αλγορίθμων. Δεν υπάρχει κανένας τυπικός ορισμός της έννοιας του ψευδοκώδικα όμως είναι κοινός τόπος ότι οποιαδήποτε
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 22: Ανάπτυξη Κώδικα σε Matlab για την επίλυση Γραμμικών Προβλημάτων με τον Αναθεωρημένο Αλγόριθμο Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΕνότητα: GameMaker Τα βασικά. Δημιουργώντας ένα παιχνίδι µε το GameMaker
Μάθημα: Εφαρμογές Πληροφορικής Ημ/νια: 13-1-2016 Φύλλο Εργασίας Τάξη: A Λυκείου Ενότητα: GameMaker Τα βασικά Δραστηριότητα 1η Δημιουργώντας ένα παιχνίδι µε το GameMaker Το GameMaker είναι µία εφαρμογή
Διαβάστε περισσότεραΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΜΑΘΗΤΗ
ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ΜΑΘΗΤΗ ΤΙΤΛΟΣ: «O Προγραμματισμός στην πράξη Μέρος 2» ΤΑΞΗ: Γ Γυμνασίου ΚΕΦΑΛΑΙΟ: 2 Εμπλεκόμενες έννοιες: πρώτο πρόγραμμα, μεταβλητές, εντολές, γλώσσα εκμάθησης προγραμματισμού QBASIC Εκτιμώμενη
Διαβάστε περισσότερα3. Γράψτε μία εντολή που να εμφανίζει π.χ. «Πόσα είναι τα κορίτσια του;» και μία που να εμφανίζει: «Τα κορίτσια του Τζειμς Μποντ είναι 4»
1. Τι φαντάζεστε ότι θα κάνει η παρακάτω εντολή: print("καλημέρα.") εκτελέστε την στο περιβάλλον Python Shell 2. γράψτε μια παρόμοια π.χ. print("το όνομα μου είναι Μποντ.") 3. Γράψτε μία εντολή που να
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Εισαγωγή στον Προγραμματισμό. Ενότητα 8: Συναρτήσεις. Κ.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στον Προγραμματισμό Ενότητα 8: Συναρτήσεις Κ. Κουκουλέτσος Τμήμα: Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΔιασυνδεδεμένες Δομές. Λίστες. Προγραμματισμός II 1
Διασυνδεδεμένες Δομές Λίστες Προγραμματισμός II 1 lalis@inf.uth.gr Διασυνδεδεμένες δομές Η μνήμη ενός πίνακα δεσμεύεται συνεχόμενα η πρόσβαση στο i-οστό στοιχείο είναι άμεση καθώς η διεύθυνση του είναι
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό (με. τη C)
Υποχρεωτικό Μάθημα 3 ου Εξαμήνου Χειμερινό Εξάμηνο Ακ. Έτους 20 Τμήμα Επιστήμης Υπολογιστών Πανεπιστήμιο Κρήτης Εισαγωγή στον Προγραμματισμό (με τη C) Διδάσκουσα: Φατούρου Παναγιώτα faturu [at] csd.uoc.gr
Διαβάστε περισσότεραΣυνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι
Διαβάστε περισσότεραGeneral Models & Inapproximability Overview. Influence Maximization σε Social Networks
Συνοπτικά: Αν θέλω να πετύχω υιοθέτηση μιας άποψης/προϊόντος από πολλούς, πως διαλέγω το αρχικό target group (free samples) Συνοπτικά: Αν θέλω να πετύχω υιοθέτηση μιας άποψης/προϊόντος από πολλούς, πως
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Αντικείμενα με πίνακες. Constructors. Υλοποίηση Στοίβας
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Αντικείμενα με πίνακες. Constructors. Υλοποίηση Στοίβας Στην άσκηση αυτή θα υλοποιήσετε μια κλάση Geometric η οποία διαχειρίζεται μια γεωμετρική ακολουθία ακεραίων
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Κλάσεις και Αντικείμενα Η εξέλιξη των γλωσσών προγραμματισμού Η εξέλιξη των γλωσσών προγραμματισμού είναι μια διαδικασία αφαίρεσης Στην αρχή ένα πρόγραμμα ήταν
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ
ΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΚΟΥΛΙΝΑΣ ΓΕΩΡΓΙΟΣ Δρ. Μηχανικός Παραγωγής & Διοίκησης ΔΠΘ ΠΛΕΟΝΕΚΤΙΚΟΙ ΚΑΤΑΣΚΕΥΑΣΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ GREEDY CONSTRUCTIVE HEURISTICS Βασικό μειονέκτημα: οι αποφάσεις που
Διαβάστε περισσότεραΜηχανές Turing (T.M) I
Μηχανές Turing (T.M) I Οι βασικές λειτουργίες μιας TM είναι: Διάβασε το περιεχόμενο του τρέχοντος κυττάρου Γράψε 1 ή 0 στο τρέχον κύτταρο Κάνε τρέχον το αμέσως αριστερότερο ή το αμέσως δεξιότερο κύτταρο
Διαβάστε περισσότεραΔιοίκηση Παραγωγής και Υπηρεσιών
Διοίκηση Παραγωγής και Υπηρεσιών Διαχείριση Αποθεμάτων Βέλτιστη Ποσότητα Παραγγελίας (EOQ) Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Ορισμός του προβλήματος βέλτιστης ποσότητας παραγγελίας
Διαβάστε περισσότεραΕισαγωγή στην Πληροφορική
αρ χή Εισαγωγή στην Πληροφορική Σημειώσεις Παράρτημα 1 Οδηγός μελέτης για τις εξετάσεις 12/1/2017 μπορεί να συμπληρωθεί τις επόμενες μέρες Μάριος Μάντακας Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ηπείρου
Διαβάστε περισσότεραΠρογραμματισμός Ι (ΗΥ120)
Προγραμματισμός Ι (ΗΥ120) Διάλεξη 10: Ταξινόμηση Πίνακα Αναζήτηση σε Ταξινομημένο Πίνακα Πρόβλημα Δίνεται πίνακας t από Ν ακεραίους. Ζητούμενο: να ταξινομηθούν τα περιεχόμενα του πίνακα σε αύξουσα αριθμητική
Διαβάστε περισσότεραΑσκήσεις 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 περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα Μέθοδοι
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Κλάσεις και Αντικείμενα Μέθοδοι Παράδειγμα 1 Θέλουμε ένα πρόγραμμα που να προσομοιώνει την κίνηση ενός αυτοκινήτου, το οποίο κινείται και τυπώνει τη θέση του.
Διαβάστε περισσότεραΘερμοδυναμική - Εργαστήριο
Θερμοδυναμική - Εργαστήριο Ενότητα 4: Σφάλματα περικοπής (truncation) και η σειρά Taylor Κυρατζής Νικόλαος Τμήμα Μηχανικών Περιβάλλοντος και Μηχανικών Αντιρρύπανσης ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΗ Δομή Επανάληψης. Εισαγωγή στην δομή επανάληψης Χρονική διάρκεια: 3 διδακτικές ώρες
Η Δομή Επανάληψης Εισαγωγή στην δομή επανάληψης Χρονική διάρκεια: 3 διδακτικές ώρες Οι 2 πρώτες διδακτικές ώρες στην τάξη Η τρίτη διδακτική ώρα στο εργαστήριο Γενικός Διδακτικός Σκοπός Ενότητας Να εξοικειωθούν
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕΘΟΔΩΝ ΕΠΙΛΥΣΗΣ ΠΡΟΒΛΗΜΑΤΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ 032 2 ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕΘΟΔΩΝ ΕΠΙΛΥΣΗΣ ΠΡΟΒΛΗΜΑΤΩΝ Ενδιάμεση Εξέταση Ημερομηνία:08/03/10 Διάρκεια: 13:30 15:00 Διδάσκων: Παύλος Αντωνίου Ονοματεπώνυμο: Αριθμός Ταυτότητας: Η εξέταση
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4 «Προγραμματισμός Η/Υ» - Τετράδιο Εργαστηρίου #4 2 Γενικά Στο Τετράδιο #4 του Εργαστηρίου θα αναφερθούμε σε θέματα διαχείρισης πινάκων
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Δομές Δεδομένων. Ιωάννης Γ. Τόλλης Τμήμα Επιστήμης Υπολογιστών Πανεπιστήμιο Κρήτης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές Δεδομένων Ιωάννης Γ. Τόλλης Τμήμα Επιστήμης Υπολογιστών Πανεπιστήμιο Κρήτης Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού
Διαβάστε περισσότεραΚατανεμημένα 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 περισσότεραΔιδακτική της Πληροφορικής
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 13: Διδακτική της Δομής Επανάληψης Σταύρος Δημητριάδης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 16: O αλγόριθμος SIMPLE (συνέχεια)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ Διάλεξη 16: O αλγόριθμος SIMPLE (συνέχεια) Χειμερινό εξάμηνο 2008 Προηγούμενη παρουσίαση... Εξετάσαμε λύσεις
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Δημιουργώντας δικές μας Κλάσεις και Αντικείμενα
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Δημιουργώντας δικές μας Κλάσεις και Αντικείμενα Μαθήματα από το πρώτο εργαστήριο Δημιουργία αντικειμένου Scanner Scanner input = new Scanner(System.in); Το
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΑλγόριθμοι Αναζήτησης
Αλγόριθμοι Αναζήτησης ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότερα