PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Σχετικά έγγραφα
PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

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

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Μαθηματικά των Υπολογιστών και των Αποφάσεων Τεχνητή Νοημοσύνη 1η Σειρά Ασκήσεων

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

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

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

4 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

1 ΠΡΟΒΛΗΜΑΤΑ ΤΝ ΚΑΙ LISP

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

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

ΕΡΩΤΗΜΑΤΑ σε ΑΝΑΖΗΤΗΣΗ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών. Καθηγητής: Ν. Μ. Μισυρλής 29 Μαΐου / 18

Θέμα 1: Robbie και Αναζήτηση

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

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

3 Αναδροµή και Επαγωγή

Μάθηµα Θεωρίας Αριθµών Ε.Μ.Ε

2. Στοιχεία Πολυδιάστατων Κατανοµών

Αλγόριθµοι και Πολυπλοκότητα

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

Επίλυση Προβλημάτων. Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης. Αλγόριθμοι ευρετικής αναζήτησης Παιχνίδια δύο αντιπάλων

Γ. Κορίλη Αλγόριθµοι ροµολόγησης

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 24 Ιουνίου 2004

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης

Επίλυση προβλημάτων με αναζήτηση

EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

Επίλυση Προβληµάτων µε Greedy Αλγόριθµους

Θεωρία Λήψης Αποφάσεων

Ασκήσεις μελέτης της 6 ης διάλεξης

ΤΥΦΛΗ ΑΝΑΖΗΤΗΣΗ (1) ΣΤΡΑΤΗΓΙΚΗ Ή ΑΛΓΟΡΙΘΜΟΣ ΑΝΑΖΗΤΗΣΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

Τεχνητή Νοημοσύνη. 3η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΑΛΓΟΡΙΘΜΙΚΗ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ Πανεπιστήµιο Αθηνών Εαρινό Εξάµηνο 2007 ιδάσκων : Ηλίας Κουτσουπιάς

Γενικό πλάνο. Μαθηµατικά για Πληροφορική. Παράδειγµα αναδροµικού ορισµού. οµική επαγωγή ΠΑΡΑ ΕΙΓΜΑ. 3ο Μάθηµα

Μαθηµατικά για Πληροφορική

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Heapsort Using Multiple Heaps

Μοντέλα των Cournotκαι Bertrand

Ασκήσεις μελέτης της 8 ης διάλεξης

Επίλυση Προβλημάτων 1

Μεθοδολογίες παρεµβολής σε DTM.

Μαθηµατικό Παράρτηµα 2 Εξισώσεις Διαφορών

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης.

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΙ ΠΑΤΡΑΣ ΤΕΙ ΠΑΤΡΑΣ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΏΝ ΠΑΙΓΝΙΩΝ- ΠΡΟΓΡΑΜΜΑ GAMBIT

ΕΡΩΤΗΜΑΤΑ σε ΓΕΝΕΤΙΚΟΥΣ

Αρµονική Ανάλυση. Ενότητα: L p Σύγκλιση. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

14 Εφαρµογές των ολοκληρωµάτων

Λύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης)

Επίλυση Προβλημάτων 1

Γ2.1 Στοιχεία Αρχιτεκτονικής. Γ Λυκείου Κατεύθυνσης

Θεωρία Λήψης Αποφάσεων

Γυµ.Ν.Λαµψάκου Α Γυµνασίου Γεωµ.Β2.6 γωνίες από 2 παράλληλες + τέµνουσα 19/3/10 Φύλλο εργασίας

Αρχίστε αµέσως το πρόγραµµα xline Εσόδων Εξόδων.

τη µέθοδο της µαθηµατικής επαγωγής για να αποδείξουµε τη Ϲητούµενη ισότητα.

P = 0 1/2 1/ /2 1/

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 30 Σεπτεµβρίου 2005

2 Αποδείξεις. 2.1 Εξαντλητική µέθοδος. Εκδοση 2005/03/22. Υπάρχουν πολλών ειδών αποδείξεις. Εδώ ϑα δούµε τις πιο κοινές:

Θεωρία Λήψης Αποφάσεων

ΠΛΗ111. Ανοιξη Μάθηµα 7 ο. έντρο. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης. Λύσεις Τρίτης Σειράς Ασκήσεων

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ

Τεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΜΑΘΗΜΑ 8. B 2.3 Χρησιµοποιώντας Ευκλείδεια Γεωµετρία

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Περίληψη ΗΜΥ-210: Λογικός Σχεδιασµός. Λογικές Πύλες. BUFFER, NAND και NOR. ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο 2005

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2017 ιδάσκων : Π. Τσακαλίδης

Λύσεις Παλιών Θεµάτων. Συστήµατα Παράλληλης Επεξεργασίας, 9ο εξάµηνο Υπεύθ. Καθ. Νεκτάριος Κοζύρης

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

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

Γενικές Παρατηρήσεις. Μη Κανονικές Γλώσσες - Χωρίς Συµφραζόµενα (1) Το Λήµµα της Αντλησης. Χρήση του Λήµµατος Αντλησης.

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 5: Παραδείγματα. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ TEXNHTH ΝΟΗΜΟΣΥΝΗ ΕΡΓΑΣΙΑ 1 η ΑΠΑΝΤΗΣΕΙΣ 1. Α. ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΕΩΝ

Αριθµητική Ανάλυση 1 εκεµβρίου / 43

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1

Θα συµπληρώσετε τα απαραίτητα στοιχεία που βρίσκονται µε έντονα γράµµατα για να δηµιουργήσετε την νέα εταιρεία.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

6 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

Δυναμική ενέργεια στο βαρυτικό πεδίο. Θετική ή αρνητική;

Μαθηµατικό Παράρτηµα 2 Εξισώσεις Διαφορών

Συνάρτηση f, λέγεται η διαδικασία µε βάση την. Παρατηρήσεις - Σχόλια f

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2014 ιδάσκων : Π. Τσακαλίδης. Λύσεις εύτερης Σειράς Ασκήσεων

Transcript:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ ΜΕΡΟΣ ΕΥΤΕΡΟ Πολίτη Όλγα Α.Μ. 4528 Εξάµηνο 8ο Υπεύθυνος Καθηγητής Λυκοθανάσης Σπυρίδων Ακαδηµαϊκό Έτος: 2011-2012

ΠΡΟΒΛΗΜΑ 1 Έχουµε στην διάθεσή µας δύο δοχεία, που κάθε ένα έχει χωρητικότητα 3 και 4 λίτρα, και µία βρύση µε νερό.. Πρέπει να βρούµε έναν τρόπο ώστε να υπολογίσουµε ακριβώς 2 λίτρα. (1.1) Τα ευρετικά είναι συνήθως διαισθητικοί κανόνες, µελετηµένες µαντεψιές, ή απλά µια κοινή αίσθηση που έχει αποκτηθεί από την εµπειρία. Θα χρησιµοποιήσουµε ένα ευρετικό για να πλοηγηθούµε στο χώρο λύσης του προβλήµατος και να οδηγηθούµε γρηγορότερα σε µια λύση η οποία είναι ικανοποιητικά κοντά στη βέλτιστη λύση. Στην περίπτωση των δύο δοχείων µπορούµε να ορίσουµε σαν ευρετικό σε µια κατάσταση (x, y) το πόσο κοντά στα 2 λίτρα βρίσκεται η ποσότητα νερού στα δύο δοχεία. Μια ευρετική συνάρτηση είναι αυτή που υλοποιεί το ευρετικό, παριστάνεται δε ως h(n), όπου n είναι µια κατάσταση. Επίσης, συνήθως επιδιώκουµε να είναι h(n)=0 στις καταστάσεις-στόχους. Γι αυτό, εκφράζουµε την ευρετική συνάρτηση ως εξής: 2 2,2 2 0 2 ή 2 Αποδεκτή είναι µια ευρετική, όταν σε κόµβο n δείχνει µικρότερο ή ίσο εκτιµώµενο κόστος από το πραγµατικό κόστος της µετάβασης από τον n στο στόχο. Για να αποδείξουµε ότι το ευρετικό είναι αποδεκτό, θα θεωρούµε σαν πραγµατικό κόστος κάθε τελεστή το ποσό των λίτρων νερού που µετακινείται µεταξύ δοχείων, ή αδειάζεται από ένα δοχείο ή γεµίζει ένα δοχείο. Σύµφωνα µε το δέντρο αναζήτησης της άσκησης 1 έχουµε :

Για την µωβ λύση, το πραγµατικό κόστος µετάβασης από την (3,4) στην (2,4) είναι 4+3+3+1 = 11, ενώ το ευρετικό κόστος είναι πολύ µικρότερο από το πραγµατικό. Αντίστοιχα, από την (3,0) στην (2,4) το πραγµατικό κόστος είναι 3+3+1 = 7 ενώ το ευρετικό είναι. Από την (0,3) στην (2,4) το πραγµατικό είναι 3+1=4, ενώ το ευρετικό είναι. Από την (3,3) στην (2,4) το πραγµατικό είναι 1 και το ευρετικό πάλι 1. Αντίστοιχα αναπτύσσουµε και για την κίτρινη λύση. Σε όλες τις περιπτώσεις, το ευρετικό είναι µικρότερο ή ίσο, από το βέλτιστο πραγµατικό κόστος της διαδροµής µέχρι τον στόχο. Οπότε το ευρετικό που διαλέξαµε είναι αποδεκτό. Για το πρόβληµα 3, θεωρούµε σαν ευρετικό το κατά πόσο βρίσκονται στις θέσεις 4 και 1(που είναι ο στόχος) τα Α και Β αντίστοιχα. Θα εκφράσουµε την ευρετική συνάρτηση ως εξής: 4 1 4 1 2 0 4 ή 1 Το πραγµατικό κόστος που έχει οριστεί είναι ο αριθµός από θέσεις που µετακινείται ο παίκτης που παίζει, δηλαδή η απλή µετακίνηση δεξιά ή αριστερά θα έχει κόστος 1, ενώ το πήδηµα κόστος 2 (σαν µετακίνηση δύο θέσεων δεξιά ή αριστερά). Σύµφωνα µε το δέντρο αναζήτησης της άσκησης 3 έχουµε : Για την κίτρινη λύση, το πραγµατικό κόστος από (1,4) σε (4,3) είναι 1+1+2=4 ενώ το ευρετικό είναι 3. Από (2,4) σε (4,3) το πραγµατικό είναι 3 και το ευρετικό. Από (2,3) σε (4,3) το πραγµατικό είναι 2 και το ευρετικό 2. Αντίστοιχα αναπτύσσουµε και για την µωβ λύση. Σε όλες τις περιπτώσεις, το ευρετικό είναι µικρότερο ή ίσο, από το βέλτιστο πραγµατικό κόστος της διαδροµής µέχρι τον στόχο. Οπότε το ευρετικό που διαλέξαµε είναι αποδεκτό.

(1.2) Για να είναι αποδεκτό ένα ευρετικό, πρέπει για κάθε κατάσταση να υποεκτιµά το βέλτιστο κόστος της διαδροµής από εκείνη την κατάσταση µέχρι το στόχο. Στην περίπτωση αυτή, θα εξετάσουµε εάν το ευρετικό είναι πάντα µικρότερο ή ίσο, από το βέλτιστο πραγµατικό κόστος της διαδροµής µέχρι τον στόχο. Το πραγµατικό κόστος κινήσεων που έχει οριστεί για το πρόβληµα είναι : Κίνηση ένα επίπεδο κάτω (π.χ. Α -> C ή B -> E) κοστίζει 1 Kίνηση παράλληλα στο ίδιο επίπεδο (π.χ. C -> B ή E -> F) κοστίζει 2 Κίνηση ένα επίπεδο πάνω (π.χ. Β -> Α ή C -> A) κοστίζει 3 Για την µεταγωγή από Α -> G, το πραγµατικό κόστος είναι 1+1+3=5, και το ευρετικό κόστος είναι 2. Από το B -> G το πραγµατικό κόστος είναι 1+3=4 και το ευρετικό κόστος είναι 2. Από το C -> G το πραγµατικό κόστος είναι 1+3=4 και το ευρετικό κόστος είναι 1. Από το D -> G το πραγµατικό κόστος είναι 2+3=5 και το ευρετικό κόστος είναι 3. Από το E -> G το πραγµατικό κόστος είναι 2+3=5 και το ευρετικό κόστος είναι 2. Από το F -> G το πραγµατικό κόστος είναι 3+0=3 και το ευρετικό κόστος είναι 1. Από το H -> G το πραγµατικό κόστος είναι 3+3=6 και το ευρετικό κόστος είναι 3. Σε όλες τις περιπτώσεις, το ευρετικό είναι µικρότερο ή ίσο, από το βέλτιστο πραγµατικό κόστος της διαδροµής µέχρι τον στόχο. Οπότε το ευρετικό είναι αποδεκτό. (1.3) Αν θεωρήσουµε πως για κάθε κατάσταση ορίζουµε σαν ευρετικό την απόσταση του συγκεκριµένου γράµµατος της κατάστασης από το γράµµα της τελικής κατάστασης (που είναι η G), η κατάσταση Α θα έχει ευρετικό ίσο µε 6 εφόσον το Α απέχει από το G, έξι θέσεις στο αλφάβητο. Για την µεταγωγή από Α -> G όµως, το πραγµατικό κόστος είναι 5 οπότε το ευρετικό δεν είναι αποδεκτό, καθώς είναι µεγαλύτερο από το βέλτιστο πραγµατικό κόστος της διαδροµής µέχρι τον στόχο.( δεν αναπτύσσουµε και τις υπόλοιπες καταστάσεις αφού προκύπτει λάθος από την αρχή)

(2.1) Θεωρούµε ένα πρόβληµα όπου κάθε κατάσταση συµβολίζεται µε ένα γράµµα από το αγγλικό αλφάβητο. Ως Αρχική Κατάσταση ορίζουµε την Α. Κάθε κατάσταση θεωρούµε πως παράγει δύο επόµενες καταστάσεις, οι οποίες θα είναι το επόµενο σύµφωνο και το επόµενο φωνήεν µετά το τρέχον γράµµα (κατάσταση) στο αγγλικό αλφάβητο. Στόχος είναι η κατάσταση P. έντρο αναζήτησης που προκύπτει από τoν αλγόριθµο αναζήτηση κατά βάθος Χρειάζονται 12 μεταβάσεις και επισκεπτόμαστε 13 καταστάσεις Μονοπάτι : A,B,C,D,F,G,H,J,K,L,M,N,P

έντρο αναζήτησης που προκύπτει από τον αλγόριθµο αναζήτηση κατά πλάτος Χρειάζονται 29 μεταβάσεις και επισκεπτόμαστε 13 διαφορετικές καταστάσεις Μονοπάτι: A,B,E,C,E,F,I,D,E,F,I,G,I,J,O,F,E,F,I,G,I,J,O,H,I,J,O,K,O,P (2.2) Ο αλγόριθµος αναζήτησης κατά βάθος βρήκε την λύση σε λιγότερα βήµατα. (3.1) έντρο αναζήτησης που προκύπτει από την εφαρµογή του αλγορίθµου Hill Climbing Ο αλγόριθµος ξεκινά µε το να επιλέξει τυχαία µια κατάσταση(έστω Α). Θεωρούµε ότι για να µεταβεί ο αλγόριθµος σε µία επόµενη κατάσταση θα πρέπει το ευρετικό της επόµενης κατάστασης να είναι "καλύτερο" (και όχι το ίδιο καλό) µε το ευρετικό της τρέχουσας κατάστασης. Έπειτα, επιλέγει όλες τις νέες καταστάσεις στη γειτονιά του Α, δηλαδή τις B,C. Ανάµεσα στις B,C επιλέγει την κατάσταση η οποία επιστρέφει την βέλτιστη τιµή της συνάρτησης του ευρετικού. Σύµφωνα µε το σχήµα, το C έχει καλύτερο ευρετικό από το Α, ενώ το Β έχει το ίδιο ευρετικό µε το Α, άρα ο αλγόριθµος θα επιλέξει το C. Αντίστοιχα, θα συνεχίσει επιλέγοντας όλες τις νέες καταστάσεις στη γειτονιά του C, όµως θα πέσει σε αδιέξοδο, καθώς καµία από τις καταστάσεις στην γειτονιά του C έχουν χειρότερο ευρετικό από το δικό της. ιαδροµή : Α-C-αδιέξοδο

(3.2) Αλγόριθµος Best First για το Πρόβληµα 2. Μέτωπο αναζήτησης Κλειστό σύνολο Τρέχουσα Παιδιά κατάσταση Α 2 - Α 2 ΑΒ 2, ΑC 1 ΑC 1, ΑΒ 2 Α ΑC 1 ΑCD 3, ACE 2,ACF 1 ΑCD 3, ACE 2, ΑB 2,ACF 1 Α, ΑC ACF 1 ACFG 0 ΑCD 3, ACE 2, ΑB 2, ACFG 0 Α, ΑC, ΑCF ACFG 0 Λύση Αλγόριθµος A* για το Πρόβληµα 2. Κάνουµε τις εξής παραδοχές: (α) Αν δυο ή παραπάνω καταστάσεις έχουν το ίδιο ευρετικό επιλέγουµε αυτή πιο κοντά στη λύση µε τη µικρότερη εκτίµηση. Για παράδειγµα από τις ACFG 5, ABFG 5, θα επιλέξουµε την πρώτη καθώς έχει άθροισµα ευρετικών 2+1+1=4 < 2+2+1=5 που έχει η δεύτερη. (β) Αν δυο ή παραπάνω καταστάσεις έχουν το ίδιο ευρετικό και την ίδια εκτίµηση, επιλέγουµε αυτή που έχει τα περισσότερα γράµµατα. Για παράδειγµα από τις ACF 3, ΑΒ 3 επιλέγουµε την ACF 3. (γ) ) Αν δυο ή παραπάνω καταστάσεις έχουν το ίδιο ευρετικό, την ίδια εκτίµηση και τα ίδια γράµµατα επιλέγουµε αλφαβητικά. Για παράδειγµα από τις ACE 4, ΑΒC 4,επιλέγουµε την ABC 4 γιατί µετά το Α το πλησιέστερο είναι το Β αλφαβητικά. Μέτωπο αναζήτησης Κλειστό σύνολο Τρέχουσα Παιδιά κατάσταση Α 2 - Α 2 ΑΒ 3, ΑC 2 ΑC 2, ΑΒ 3 Α ΑC 2 ΑCD 5, ACE 4,ACF 3 ΑCD 5, ACE 4,ACF 3, ΑΒ 3 Α, ΑC ACF 3 ACFG 5,ACFH 7 ACFG 5,ACFH 7,ΑCD 5, ACE 4,AB 3, ACFG 5 Α, ΑC, ACF AB 3 ABC 4,ΑΒD 5, AΒE 4,AΒF 3 ACFH 7,ACFG 5, ΑCD 5, ΑΒD 5, A,AC,ACF,AB AΒF 3 ABFG 5,ABFH 7 ABC 4,AΒE 4, ACE 4, AΒF 3 ABFH 7,ACFH 7,ACFG 5, ABFG 5, ΑCD 5, ΑΒD 5, ABC 4 A,AC,ACF,AB,ABF ABC 4 ABCD 7,ABCE 6,ABCF 5,AΒE 4, ACE 4 ABFH 7,ACFH 7, ABCD 7 A,AC,ACF,AB,ABF,ABC ACE 4 ACEF 5, ACEH 6,ACFG 5, ABCF 5, ABFG 5, ΑCD 5, ΑΒD 5, AΒE 4, ACE 4 ABFH 7,ACFH 7, ABCD 7, ACEH 6,ACFG 5, ABCF 5, ACEF 5, ABFG 5, ΑCD 5, ΑΒD 5, AΒE 4 A,AC,ACF,AB,ABF,ABC, ACE ABE 4 ABEF 5, ABEH 6 ABFH 7,ACFH 7, ABCD 7, ACEH 6, ABEH 6,ACFG 5, ABCF 5, ABEF 5 ACEF 5, ABFG 5, ΑCD 5, ΑΒD 5 A,AC,ACF,AB,ABF,ABC, ACE,ABE ACFG 5 Λύση

(4.1) Υποθέτουµε σαν σύµβαση ότι οι τελεστές µετακίνησης προς τα αριστερά έχουν µεγαλύτερη προτεραιότητα από τους τελεστές µετακίνησης προς τα δεξιά. έντρο αναζήτησης που προκύπτει από τoν αλγόριθµο αναζήτηση κατά βάθος Στην περίπτωση αυτή νίκησε ο παίκτης Β Χρειάζονται 6 μεταβάσεις και επισκεπτόμαστε 7 καταστάσεις Μονοπάτι : (1,4) (2,4) (2,3) (1,3) (1,2) (3,2) (3,1) έντρο αναζήτησης που προκύπτει από τoν αλγόριθµο αναζήτηση κατά πλάτος Στην περίπτωση αυτή νίκησε ο παίκτης Α Χρειάζονται 4 μεταβάσεις και επισκεπτόμαστε 5 καταστάσεις Μονοπάτι : (1,4) (2,4) (2,3) (1,3) (4,3)

(5.1)Ορίζουµε την εξής προτεραιότητα: 1.Άδειασµα του Α στο Β (Τ5) 2.Γέµισµα του Α(Τ1) 3.Άδειασµα του Β(Τ4) 4.Άδειασµα του Β στο Α (Τ6) 5. Γέµισµα του Β (Τ2) 6.Άδειασµα του Α (Τ3) Ο λόγος που ορίστηκε η εξής προτεραιότητα είναι ότι ο αλγόριθµός µας δεν έχει µνήµη και οποιοσδήποτε άλλος συνδυασµός θα µας ανάγκαζε να αναπτύξουµε πάλι καταστάσεις που έχουµε ξανασυναντήσει, οδηγώντας πολλές φορές σε αδιέξοδο. έντρο αναζήτησης που προκύπτει από τον αλγόριθµο αναζήτηση κατά βάθος Χρειάζονται 4 μεταβάσεις και επισκεπτόμαστε 4 καταστάσεις Μονοπάτι : (3,4) (3,0) (0,3) (3,3) (2,4) έντρο αναζήτησης που προκύπτει από τον αλγόριθµο αναζήτηση κατά πλάτος

Ο αλγόριθµος θα ξεκινήσει εφαρµόζοντας όλους τους εφαρµόσιµους τελεστές ακολουθώντας την προτεραιότητα που έχουµε ορίσει παραπάνω στην αρχική κατάσταση και παράγει τόσες νέες καταστάσεις όσοι και οι εφαρμόσιμοι τελεστές. Στη συνέχεια, εφαρμόζει όλους τους εφαρμόσιμους τελεστές (με την ίδια σειρά) στο πρώτο από τα παιδιά που έχουν παραχθεί (και παράγει τα αντίστοιχα παιδιά του), μετά στο δεύτερο κ.ο.κ. Χρειάζονται 25 μεταβάσεις και επισκεπτόμαστε 9 καταστάσεις Μονοπάτι : (3,4) (3,0) (0,4) (0,3) (3,4) (0,0) (3,4) (0,0) (3,1) (3,3) (0,0) (3,0) (0,4) (3,0) (0,4) (3,0) (0,4) (3,0) (0,4) (3,0) (0,4) (0,4) (3,0) (3,4) (0,1) (2,4) έντρο αναζήτησης που προκύπτει από τον αλγόριθµο Hill Climbing Ο αλγόριθµος ξεκινά µε το να επιλέξει τυχαία µια κατάσταση, έστω (3,4). Θεωρούµε ότι για να µεταβεί ο αλγόριθµος σε µία επόµενη κατάσταση θα πρέπει το ευρετικό της επόµενης κατάστασης να είναι "καλύτερο" (και όχι το ίδιο καλό) µε το ευρετικό της τρέχουσας κατάστασης. Εφαρµόζοντας την συνάρτηση που ορίσαµε στο ερώτηµα (α) το ευρετικό που προκύπτει για κάθε κατάσταση φαίνεται στο σχήµα-θα επιλέξει όλες τις νέες καταστάσεις στη γειτονιά του (3,4), δηλαδή τις (0,4) και (3,0). Ανάµεσα τους επιλέγει την κατάσταση η οποία επιστρέφει την βέλτιστη τιµή της συνάρτησης του ευρετικού. Σύµφωνα µε το σχήµα, καµία από τις καταστάσεις (0,4) και (3,0) δεν έχει καλύτερο ευρετικό από την (3,4). Οπότε ο αλγόριθµος πέφτει σε αδιέξοδο. ιαδροµή : (3,4)-αδιέξοδο