ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Σχετικά έγγραφα
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

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

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 6 Σεπτεµβρίου 2006

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ 11:00-14:00

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Τελικές εξετάσεις Παρασκευή 4 Ιουλίου 2014, 18:00-21:00

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

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

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

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

Αλγόριθµοι και Πολυπλοκότητα

! όπου το σύµβολο έχει την έννοια της παραγωγής, δηλαδή το αριστερό µέρος ισχύει ενώ το δεξιό µέρος συµπεραίνεται και προστίθεται στη βάση γνώσης.

ΕΡΩΤΗΜΑΤΑ σε ΑΝΑΖΗΤΗΣΗ

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

ΤΥΦΛΗ ΑΝΑΖΗΤΗΣΗ (1) ΣΤΡΑΤΗΓΙΚΗ Ή ΑΛΓΟΡΙΘΜΟΣ ΑΝΑΖΗΤΗΣΗΣ

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

Ασκήσεις μελέτης της 6 ης διάλεξης

Κεφάλαιο 2. Παραγοντοποίηση σε Ακέραιες Περιοχές

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

Αλγόριθμοι Τυφλής Αναζήτησης

Ασκήσεις μελέτης της 8 ης διάλεξης

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

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

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

1 Συνοπτική ϑεωρία. 1.1 Νόµοι του Προτασιακού Λογισµού. p p p. p p. ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Επίλυση Προβλημάτων 1

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

Κεφάλαιο 3. Αλγόριθµοι Τυφλής Αναζήτησης. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Αναπαράσταση Γνώσης και Συλλογιστικές

Αλγόριθµοι και Πολυπλοκότητα

Επίλυση Προβλημάτων 1

Επίλυση Προβλημάτων 1

Τεχνητή Νοημοσύνη. 3η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

3 Αναδροµή και Επαγωγή

Μαθηµατικά για Πληροφορική

Heapsort Using Multiple Heaps

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Σχεδιασµός και δράση στον πραγµατικό κόσµο

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

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

Αλγόριθμοι και Δομές Δεδομένων (IΙ) (γράφοι και δένδρα)

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

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τμήμα Πληροφορικής

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +

ιακριτά Μαθηµατικά και Μαθηµατική Λογική ΠΛΗ20 Ε ρ γ α σ ί α 4η Θεωρία Γραφηµάτων

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Ε ανάληψη. Προβλήµατα ικανο οίησης εριορισµών. ορισµός και χαρακτηριστικά Ε ίλυση ροβληµάτων ικανο οίησης εριορισµών

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

1.2 Α. ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ

Σχήµα 3.1: Εισαγωγή shift register σε βρόγχο for-loop.

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

α) Η γενική εξίσωση του αρµονικού κύµατος είναι. Συγκρίνοντάς την µε µία από τις δύο εξισώσεις των τρεχόντων κυµάτων, έστω την εξίσωση

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

ΠΑΡΑΡΤΗΜΑ: QUIZ ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ

Στοχαστικές Στρατηγικές

Θεωρία Λήψης Αποφάσεων

Ο ΑΤΔ Λεξικό. Σύνολο στοιχείων με βασικές πράξεις: Δημιουργία Εισαγωγή Διαγραφή Μέλος. Υλοποιήσεις

h/2. Άρα, n 2 h/2-1 h 2log(n+1). Πως υλοποιούµε τη LookUp()? Πολυπλοκότητα?

Γ. Κορίλη Αλγόριθµοι ροµολόγησης

Στοιχεία Θεωρίας Γραφηµάτων (4) - έντρα

Ε ανάληψη. Α ληροφόρητη αναζήτηση

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΣΥΝΑΡΤΗΣΕΙΣ

ΘΕΩΡΙΑ: Έστω η οµογενής γραµµική διαφορική εξίσωση τάξης , (1)

Πληροφοριακά Συστήματα Διοίκησης. Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Ασκησεις - Φυλλαδιο 4. ιδασκων: Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος :

Πρόβληµα ικανοποίησης περιορισµών

Αλγόριθµοι και Πολυπλοκότητα

Διαχείριση Έργων Πληροφορικής

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

squared error, Mean absolute error, Root mean squared error) µεγάλωσαν,

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

Δοµές Δεδοµένων. 18η Διάλεξη Ισορροπηµένα δέντρα. Ε. Μαρκάκης

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

Κεφάλαιο 5. Αλγόριθµοι Αναζήτησης σε Παίγνια ύο Αντιπάλων. Τεχνητή Νοηµοσύνη - Β' Έκδοση

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Transcript:

ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 20 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες (15:00-18:00) Κάτω αριστερά δίνεται ένας γράφος επτά πόλεων. Πάνω στις ακµές φαίνονται οι πραγµατικές αποστάσεις των πόλεων που συνδέονται άµεσα µεταξύ τους. Θεωρείστε το πρόβληµα εύρεσης διαδροµής από την πόλη Α στην πόλη Η. Θεωρείστε επίσης ευρετική συνάρτηση η οποία εκτιµά ως απόσταση δύο πόλεων την ευθεία απόστασή τους. Στον πίνακα κάτω δεξιά φαίνονται οι ευθείες αποστάσεις όλων των πόλεων από την πόλη Η. ώστε όλα τα βήµατα µέχρι την εύρεση της πρώτης λύσης του προβλήµατος για τους αλγόριθµους: α) Πρώτα κατά βάθος (depth-first search) β) Πρώτα κατά πλάτος (breadth-first search) γ) Πρώτα-στο-καλύτερο (Best-First Search) δ) Αναρρίχηση λόφων ε) Α* Σχολιάστε τα αποτελέσµατα. A 10 20 30 10 B Γ 15 Ε 10 11 Ζ 15 Ευθεία απόσταση Πόλη από την Η Α 30 Β 18 Γ 10 25 Ε 15 Ζ 11 Η Υπόδειξη 1: Στους δύο πρώτους αλγορίθµους µη λάβετε υπόψη τις αποστάσεις από την Α και από την Η. Στους αλγόριθµους αυτούς εξετάστε τα παιδιά των καταστάσεων µε βάση την αλφαβητική τους σειρά. Υπόδειξη 2: Χρησιµοποιήστε τον παρακάτω πίνακα ως υπόδειγµα για να παρουσιάσετε τα βήµατα των διαφόρων αλγορίθµων. Οι εκθέτες x και y δείχνουν τη βαθµολογία κάθε κατάστασης και αφορούν µόνο τους ευρετικούς αλγορίθµους (στους µη ευρετικούς αλγορίθµους µπορούν να παραληφθούν). Στις περιπτώσεις των ευρετικών αλγορίθµων θα πρέπει να αντικατασταθούν από συγκεκριµένα νούµερα. Α x - Α x ΑΒ y, Α z ΑΒ y, Α z Α..................

Απάντηση: Πρώτα κατά βάθος: Α - Α ΑΒ, Α ΑΒ, Α Α ΑΒ ΑΒΓ, ΑΒΕ ΑΒΓ, ΑΒΕ, Α Α,ΑΒ ΑΒΓ - ΑΒΕ, Α Α, ΑΒ, ΑΒΓ ΑΒΕ ΑΒΕΖ ΑΒΕΖ,Α Α, ΑΒ, ΑΒΓ, ΑΒΕ ΑΒΕΖ ΑΒΕΖΗ ΑΒΕΖΗ, Α Α, ΑΒ, ΑΒΓ, ΑΒΕ, ΑΒΕΖ ΑΒΕΖΗ Λύση Πρώτα κατά πλάτος: Α - Α ΑΒ, Α ΑΒ, Α Α ΑΒ ΑΒΓ, ΑΒΕ Α, ΑΒΓ, ΑΒΕ Α,ΑΒ Α Α Γ, Α Ζ ΑΒΓ, ΑΒΕ, Α Γ, Α Ζ Α, ΑΒ, Α ΑΒΓ - ΑΒΕ, Α Γ, Α Ζ Α, ΑΒ, Α, ΑΒΓ ΑΒΕ ΑΒΕΖ Α Γ, Α Ζ, ΑΒΕΖ Α, ΑΒ, Α, ΑΒΓ, ΑΒΕ Α Γ - Α Ζ, ΑΒΕΖ Α, ΑΒ, Α, ΑΒΓ, ΑΒΕ, Α Γ Α Ζ Α ΖΗ ΑΒΕΖ, Α ΖΗ Α, ΑΒ, Α, ΑΒΓ, ΑΒΕ, Α Γ, Α Ζ ΑΒΕΖ ΑΒΕΖΗ Α ΖΗ, ΑΒΕΖΗ Α, ΑΒ, Α, ΑΒΓ, ΑΒΕ, Α Γ, Α Ζ, ΑΒΕΖ Α ΖΗ Λύση Πρώτα στο καλύτερο: Α 30 - Α 30 ΑΒ 18, Α 25 ΑΒ 18, Α 25 Α ΑΒ 18 ΑΒΓ 10, ΑΒΕ 15 ΑΒΓ 10, ΑΒΕ 15, Α 25 Α, ΑΒ ΑΒΓ 10 - ΑΒΕ 15, Α 25 Α, ΑΒ, ΑΒΓ ΑΒΕ 15 ΑΒΕΖ 11 ΑΒΕΖ 11, Α 25 Α, ΑΒ, ΑΒΓ, ΑΒΕ, ΑΒΕΖ ΑΒΕΖ 11 ΑΒΕΖΗ 0 ΑΒΕΖΗ 0, Α 25 Α, ΑΒ, ΑΒΓ, ΑΒΕ, ΑΒΕΖ, ΑΒΕΖΗ 0 Λύση Αναρρίχηση λόφων: Α 30 Α 30 ΑΒ 18, Α 25 ΑΒ 180 ΑΒ 18 ΑΒΓ 10, ΑΒΕ 15 ΑΒΓ 10 ΑΒΓ 10 Αδιέξοδο Α* Α 30 - Α 30 ΑΒ 38, Α 35 Α 35, ΑΒ 38 Α Α 35 Α Γ 50, Α Ζ 36

Α Η36, ΑΒ 38, Α Γ 50 Α, Α Α Ζ 36 Α ΖΗ 36 ΑΒ 38, Α Γ 50 Α, Α, Α Ζ Α ΖΗ 36 Λύση Όσον αφορά τους αλγορίθµους τυφλής αναζήτησης, παρατηρούµε ότι ο αλγόριθµος πρώτα κατά βάθος βρήκε την συντοµότερη διαδροµή από άποψη αριθµού βηµάτων, η οποία τυχαίνει να είναι και η συντοµότερη από άποψη µηκών ακµών. Από την άλλη, ο αλγόριθµος πρώτα κατά βάθος δεν βρήκε τη συντοµότερη διαδροµή, µιας και η εναλλακτική διαδροµή προηγείται «αλφαβητικά». Όσον αφορά τους ευρετικούς αλγόριθµους αναζήτησης, παρατηρούµε ότι ο αλγόριθµος Α* βρήκε τη βέλτιστη λύση. Κάτι τέτοιο ήταν αναµενόµενο, µιας και η ευρετική συνάρτηση ήταν παραδεκτή. Ο αλγόριθµος πρώτα στο καλύτερο βρήκε λύση, αλλά όχι τη βέλτιστη, ενώ ο αλγόριθµος αναρρίχησης λόφων παγιδεύτηκε σε ένα αδιέξοδο και δεν βρήκε καµία λύση. ΘΕΜΑ 2 ο (2.5 µονάδες) Έστω το παρακάτω δένδρο παιχνιδιού δύο ατόµων, όπου η ρίζα αντιστοιχεί στον παίκτη MAX. α) Βρείτε την κίνηση που θα επιλέξει ο παίκτης MAX, εφαρµόζοντας τον αλγόριθµο minimax. (1.25) β) Χρησιµοποιώντας την τεχνική κλαδέµατος άλφα-βήτα µε εξέταση των κόµβων από αριστερά προς τα δεξιά, βρείτε ποιοι κόµβοι δεν θα χρειαστεί να εξετασθούν καθόλου. (1.25) Α Β C D E F G H I J K L M N O P Q R 2 3 8 5 7 6 0 1 5 2 8 4 10 2 S Υπόδειξη: Η τεχνική κλαδέµατος άλφα-βήτα δίνει προτεραιότητα στο ανέβασµα των τιµών προς τη ρίζα: Κάθε φορά που όλα τα παιδιά ενός κόµβου έχουν πάρει τιµές, υπολογίζεται και η τιµή του κόµβου. Για παράδειγµα, εφόσον τα φύλλα εξετάζονται από αριστερά προς τα δεξιά, η τιµή του κόµβου Β πρέπει να βρεθεί πριν από την τιµή του κόµβου R. Αυτή η σειρά δίνει τη δυνατότητα κλαδέµατος όχι µόνο στο τελευταίο, αλλά και στο προτελευταίο επίπεδο του δένδρου. T U V W X Y Απάντηση: Στο παρακάτω σχήµα φαίνονται οι βαθµοί όλων των κόµβων και µε έντονη γραµµή η κίνηση που επιλέγει ο παίκτης MAX για πρώτη του κίνηση. Τέλος, µε γκρι χρώµα φαίνονται οι κόµβοι που, µε την τεχνική κλαδέµατος άλφα-βήτα, δεν θα χρειαζόταν να εξετάσει ο παίκτης MAX.

8 Α MAX 3 Β 1 C 8 D MIN 3 E 8 F 7 G 1 H 5 I 8 J 10 K MAX L M N O P Q R S T U V W X Y 2 3 8 5 7 6 0 1 5 2 8 4 10 2 ΘΕΜΑ 3 ο (2.5 µονάδες) Έστω το κατηγόρηµα Γονιός(x,y) το οποίο δηλώνει ότι ο x είναι γονιός (πατέρας ή µητέρα) του y. Έστω επίσης το κατηγόρηµα Πρόγονος(x,y), το οποίο δηλώνει ότι ο x είναι πρόγονος του y (πατέρας, µητέρα, παππούς, γιαγιά, προπαππούς κ.ο.κ.). Μας δίνονται οι παρακάτω δηλώσεις: Γονιός(Γιώργος, Γιάννης). (1) Γονιός(Πέτρος, Γιώργος). (2) x, y, Γονιός(x,y) Πρόγονος(x,y) (3) œx, œy, œz, Πρόγονος(x,y) v Πρόγονος(y,z) Πρόγονος(x,z) (4) Με βάση τα παραπάνω, και χρησιµοποιώντας την τεχνική της ανάλυσης (µε ενοποίηση µεταβλητών), αποδείξτε ότι ισχύει το: Πρόγονος(Πέτρος,Γιάννης). (5) Απάντηση: Πρώτα θα µετατρέψουµε τις προτάσεις (3) και (4) σε διαζεύξεις, ως εξής: Γονιός(x,y) w Πρόγονος(x,y) (5) Πρόγονος(x,y) w Πρόγονος(y,z) w Πρόγονος(x,z) (6) Στις σχέσεις (5) και (6) παραλείψαµε τους ποσοδείκτες œ, µιας και όταν αυτοί είναι οι µοναδικοί ποσοδείκτες σε µια λογική πρόταση, µπορούν να παραλειφθούν και απλά υπονοούνται. Έχουµε λοιπόν στη βάση γνώσης τις προτάσεις (1), (2), (5) και (6). Για να αποδείξουµε την πρόταση Πρόγονος(Πέτρος,Γιάννης), θα εισάγουµε στη βάση γνώσης την άρνησή της: Πρόγονος(Πέτρος,Γιάννης) (7) και εφαρµόζοντας επανειληµµένα την τεχνική της ανάλυσης θα προσπαθήσουµε να καταλήξουµε σε άτοπο. Συνδυάζοντας την (7) µε την (6) και µε την αντικατάσταση {x/πέτρος, z/γιάννης} παίρνουµε την πρόταση: Πρόγονος(Πέτρος,y) w Πρόγονος(y,Γιάννης) (8) Συνδυάζοντας την (2) µε την (5) και µε την αντικατάσταση {x/πέτρος, y/γιώργος}, παίρνουµε: Πρόγονος(Πέτρος,Γιώργος) (9) Συνδυάζοντας την (1) µε την (5) και µε την αντικατάσταση {x/a, y/γιάννης}, παίρνουµε: Πρόγονος(Γιώργος,Γιάννης) (10) Συνδυάζοντας την (8) µε την (9) και µε την αντικατάσταση { y/a}, παίρνουµε: Πρόγονος(Γιώργος,Γιάννης) (11) Οι (10) και (11) αποτελούν αντίφαση (αν τις συνδυάσουµε καταλήγουµε σε κενή πρόταση), άρα καταλήξαµε σε άτοπο το οποίο οφείλεται στην πρόταση (7). Άρα ισχύει η πρόταση Πρόγονος(Πέτρος,Γιάννης). ΘΕΜΑ 4 ο (2.5 µονάδες) Περιγράψτε τι σηµαίνουν τα παρακάτω αποσπάσµατα δηλώσεων RDF:

α) rdf:description rdf:about=http://www.example.org/index.html> <http://purl.org/dc/elements/1.1/creator> http://www.example.org/staffid/85740 </http://purl.org/dc/elements/1.1/creator> <http://purl.org/dc/elements/1.1/language> Εnglish </http://purl.org/dc/elements/1.1/language> </rdf:description> β) xmlns:rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns# γ) rdf:description rdf:id= item10245 > <exterms:model>omnibook 6000</exterms:model> <exterms:weight>3.2</exterms:weight> </rdf:description> δ) ex:book rdf:type rdfs:class ex:pages rdf:type rdf:property ex:pages rdfs:domain ex:book ex:pages rdfs:range xsd:integer Απάντηση: α) Για το αντικείµενο http://www.example.org/index.html ορίζουµε ότι η ιδιότητά του http://purl.org/dc/elements/1.1/creator (ουσιαστικά ο δηµιουργός του) έχει την τιµή http://www.example.org/staffid/85740 (πιθανώς το URI κάποιου προσώπου) και η ιδιότητα http://purl.org/dc/elements/1.1/language (η γλώσσα της ιστοσελίδας) έχει την τιµή Εnglish. β) Ορίζουµε ότι στο υπόλοιπο του τρέχοντος αρχείου δηλώσεων RDF το πρόθεµα rdf: θα αντιστοιχεί µε τη διεύθυνση http://www.w3.org/1999/02/22-rdf-syntax-ns#. γ) Ορίζουµε ένα καινούργιο URI για κάποιο αντικείµενο. Το URI έχει τη διεύθυνση Χ#item10245, όπου Χ το όνοµα του αρχείου µέσα στο οποίο εµφανίζεται η παραπάνω δήλωση. Η ιδιότητα exterms:model του αντικειµένου έχει τιµή Omnibook 6000, ενώ η ιδιότητα exterms:weight έχει τιµή 3.2. δ) Στην πρώτη σειρά ορίζουµε ότι το αντικείµενο ex:book είναι µια κλάση αντικειµένων. Στη δεύτερη σειρά ορίζουµε ότι το αντικείµενο ex:pages είναι µια ιδιότητα αντικειµένων. Στην τρίτη σειρά ορίζουµε ότι η ιδιότητα ex:pages αφορά αντικείµενα της κλάσης ex:book. Και τέλος στην τέταρτη σειρά ορίζουµε ότι οι τιµές της ιδιότητας ex:pages είναι ακέραιοι αριθµοί. ΘΕΜΑ 5 ο (2.5 µονάδες) Έστω το πρόβληµα σχεδιασµού ενεργειών που αφορά την ανάπτυξη και την παράδοση στον πελάτη ενός λογισµικού προϊόντος. Στον παρακάτω πίνακα περιγράφονται οι τέσσερις διαθέσιµες ενέργειες: Ενέργεια Προϋποθέσεις Λίστα προσθήκης Λίστα διαγραφή Βελτιστοποίηση Βελτιστοποιηµένο Αποσφαλµατωµ Αποσφαλµάτωση Αποσφαµατωµένο Βελτιστοποιηµένο

Συσκευασία Έστω ότι η αρχική κατάσταση περιλαµβάνει µόνο το γεγονός, ενώ ο µοναδικός στόχος είναι το γεγονός. Λύστε το πρόβληµα χρησιµοποιώντας σχεδιασµό στο χώρο των πλάνων. Υπόδειξη: Σε κάθε βήµα θα πρέπει να αναφέρετε ποια ενέργεια προσθέτετε στο πλάνο, εάν αυτή δηµιουργεί απειλές και πώς τις αντιµετωπίζετε. εν είναι απαραίτητο να κατασκευάζετε σχήµα σε κάθε βήµα, σίγουρα όµως θα χρειαστεί να κατασκευάσετε µερικά αντιπροσωπευτικά σχήµατα των διαφόρων φάσεων κατασκευής του πλάνου. Απάντηση: Αρχικά έχουµε ένα κενό πλάνο, το οποίο φαίνεται στην πρακάτω εικόνα: Πρέπει να βρούµε µια ενέργεια που πετυχαίνει το γεγονός. Υπάρχει µόνο µια τέτοια, η ενέργεια, και την εισάγουµε στο πλάνο. + Στη συνέχεια πρέπει να πετύχουµε τις προϋποθέσεις της ενέργειας. Η προϋπόθεση µπορεί να υποστηριχθεί από την αρχική κατάσταση. Για την προϋπόθεση Πακεταρισµένο εισάγουµε την ενέργεια ΣχεδίασηΣυσκευασίας. Επίσης η προϋπόθεση της ενέργειας ΣχεδίασηΣυσκευασίας µπορεί να υποστηριχθεί από την αρχική κατάσταση. + ΣχεδίασηΣυσκευασίας +

Η προϋπόθεση της ενέργειας µπορεί να υποστηριχθεί µε την εισαγωγή της ενέργειας Αποσφαλµάτωση, της οποίας η προϋπόθεση µπορεί να υποστηριχθεί από την αρχική κατάσταση. Αποσφαλµάτωση + + ΣχεδίασηΣυσκευασίας + Τέλος η προϋπόθεση Βελτιστοποιηµένο της ενέργειας µπορεί να υποστηριχθεί µε την εισαγωγή της ενέργειας Βελτιστοποίηση, της οποίας η προϋπόθεση µπορεί να υποστηριχθεί από την αρχική κατάσταση. Βελτιστοποίηση + Βελτιστοποιηµένο - Αποσφαλµάτωση + + ΣχεδίασηΣυσκευασίας + Στο σηµείο αυτό όµως δηµιουργείται µια απειλή στο πλάνο: Η ενέργεια Βελτιστοποίηση, διαγράφοντας το γεγονός, απειλεί τον αιτιολογικό σύνδεσµο Αποσφαλµάτωση Βελτιστοποιηµένο. Γενικά, µια απειλή επιλύεται είτε µε προβιβασµό, είτε

µε υποβιβασµό. Στη συγκεκριµένη περίπτωση δεν µπορούµε να εκτελέσουµε υποβιβασµό, γιατί η ενέργεια Βελτιστοποίηση δεν µπορεί να πάει µετά την ενέργεια (µιας και υπάρχει ήδη περιορισµός διάταξης µεταξύ των δύο αυτών ενέργειών, αφού η ενέργεια Βελτιστοποίηση υποστηρίζει την προϋπόθεση Βελτιστοποιηµένο της ενέργειας ), άρα η µόνη επιλογή µας είναι ο προβιβασµός, δηλαδή η τοποθέτηση της ενέργειας Βελτιστοποίηση πριν από την ενέργεια Αποσφαλµάτωση. Το τελικό πλάνο φαίνεται στο παρακάτω σχήµα. Βελτιστοποίηση + Βελτιστοποιηµένο - Αποσφαλµάτωση + + ΣχεδίασηΣυσκευασίας + ΑΠΑΝΤΗΣΤΕ 4 ΑΠΟ ΤΑ ΠΑΡΑΠΑΝΩ 5 ΘΕΜΑΤΑ