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

Σχετικά έγγραφα
ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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 Τελικές εξετάσεις 24 Ιουνίου 2004

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Σχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

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

Ασκήσεις μελέτης της 6 ης διάλεξης

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

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

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ 11:00-14:00

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

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

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

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

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Επίλυση Προβλημάτων 1

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

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

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

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 ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 4

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

Αλγόριθμοι Αναζήτησης σε Παίγνια Δύο Αντιπάλων

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 2008

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

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

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

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 ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Ασκήσεις μελέτης της 8 ης διάλεξης

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΛΥΣΕΙΣ 6 ης ΕΡΓΑΣΙΑΣ - ΠΛΗ 12,

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

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 1 η Ηµεροµηνία Αποστολής στον Φοιτητή: 12 Οκτωβρίου 2007

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 8: Παίγνια πλήρους και ελλιπούς πληροφόρησης

ιακριτά Μαθηµατικά και Μαθηµατική Λογική ΠΛΗ20 Ε ρ γ α σ ί α 3η Θεωρία Γραφηµάτων

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΣΥΝΑΡΤΗΣΕΙΣ

11 Το ολοκλήρωµα Riemann

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Τελικό επαναληπτικό διαγώνισμα Επιμέλεια: Δρεμούσης Παντελής

ΕΡΩΤΗΜΑΤΑ σε ΑΝΑΖΗΤΗΣΗ

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

Αλγόριθμοι Τυφλής Αναζήτησης

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

1.5 ΑΞΙΟΣΗΜΕΙΩΤΕΣ ΤΑΥΤΟΤΗΤΕΣ

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό.

(1) 98! 25! = 4 100! 23! = 4

14 Εφαρµογές των ολοκληρωµάτων

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) +

Επίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης

ΜΑΘΗΜΑ ΜΟΝΟΤΟΝΕΣ ΣΥΝΑΡΤΗΣΕΙΣ

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΠΕΡΙΤΤΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 3

Θεώρηµα: Z ( Απόδειξη: Περ. #1: Περ. #2: *1, *2: αποδεικνύονται εύκολα, διερευνώντας τις περιπτώσεις ο k να είναι άρτιος ή περιττός

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

Συνεκτικά σύνολα. R είναι συνεκτικά σύνολα.

ΗΥ118: Διακριτά Μαθηματικά - Εαρινό Εξάμηνο 2018 Τελική Εξέταση Ιουνίου Λύσεις

11, 12, 13, 14, 21, 22, 23, 24, 31, 32, 33, 34, 41, 42, 43, 44.

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΑΡΤΙΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 2

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

ΚΕΦΑΛΑΙΟ 3: Συνθήκες Αλυσίδων

1.i) 1.ii) v 2. v 1 = (2) (1) + ( 2) ( 1) + (-2) (2) + (0) (-4) v 3. Βρίσκουµε πρώτα µία ορθογώνια βάση: u 1. . u 1 u. u 2

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑΤΙΚΑ Ι ΕΡΓΑΣΙΑ 6 ΛΥΣΕΙΣ

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

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

Γραµµική Αλγεβρα Ι. Ενότητα: Εισαγωγικές Εννοιες. Ευάγγελος Ράπτης. Τµήµα Μαθηµατικών

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

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

Αλγόριθμοι και πολυπλοκότητα: 4 η σειρά ασκήσεων ΣΗΜΜΥ - Ε.Μ.Π.

ΙΑΝΥΣΜΑΤΑ ΘΕΩΡΙΑ ΘΕΜΑΤΑ ΘΕΩΡΙΑΣ. Τι ονοµάζουµε διάνυσµα; αλφάβητου επιγραµµισµένα µε βέλος. για παράδειγµα, Τι ονοµάζουµε µέτρο διανύσµατος;

ΦΡΟΝΤΙΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΜΕ ΠΡΟΒΛΗΜΑΤΑ ΙΚΑΝΟΠΟΙΗΣΗΣ ΠΕΡΙΟΡΙΣΜΩΝ

Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι

Παλαιότερες ασκήσεις

b. Για κάθε θετικό ακέραιο m και για κάθε A. , υπάρχουν άπειρα το πλήθος πολυώνυμα ( x) [ x] m και ( A) 0.

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

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

[ ] [ ] ΘΕΜΑ 1o A. Για x x 0 έχουµε: παραγωγίσιµη στο χ 0 ) άρα η f είναι συνεχής στο χ 0.

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

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

HY118- ιακριτά Μαθηµατικά. Παράδειγµα. Από τα συµπεράσµατα στις υποθέσεις Αποδείξεις - Θεωρία συνόλων. Από τις υποθέσεις στα συµπεράσµατα...

HY118- ιακριτά Μαθηµατικά

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

Θεωρία Παιγνίων Δρ. Τασσόπουλος Ιωάννης

Transcript:

ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 6 Σεπτεµβρίου 2006 Ώρες: 17:0020:00 ίνεται το παρακάτω δένδρο αναζήτησης. Οι αριθµοί µέσα στους κόµβους δηλώνουν την εκτίµηση της απόστασης του κάθε κόµβου από το στόχο, σύµφωνα µε κάποια ευρετική συνάρτηση. Οι κόµβοιφύλλα στους οποίους αυτή η εκτίµηση είναι µηδέν είναι στόχοι. Οι αριθµοί πάνω στα βέλη δηλώνουν το πραγµατικό κόστος µετάβασης από τον ένα κόµβο στον άλλο (πάντα κατά τη φορά των βελών). Α 9 2 Β 8 Γ 7 7 3 Ε 2 Ζ Η 3 1 2 3 1 2 6 2 1 Θ 6 Ι 1 Κ 0 Λ 3 Μ 6 Ν 0 Ξ 5 Ο 2 Για τους αλγορίθµους: α) Πρώτα σε βάθος. β) Πρώτα σε πλάτος. γ) Επαναληπτική εκβάθυνση. δ) Πρώτα στο καλύτερο. ε) Αναρρίχηση λόφων. στ) Α* βρείτε ποιοι κόµβοι του δένδρου εξετάζονται και µε ποια σειρά. Θεωρείστε ότι µε την εύρεση της πρώτης λύσης κάθε αλγόριθµος τερµατίζει. Σχολιάστε τα αποτελέσµατα. Απάντηση: α) Πρώτα σε βάθος: ΑΒ ΘΙΕΚ. β) Πρώτα σε πλάτος: ΑΒΓ ΕΖΗΘΙΚ. γ) Επαναληπτική εκβάνθυνση: ΑΑΒΓΑΒ ΕΓΖΗΑΒ ΘΙΕΚ.

δ) Πρώτα στο καλύτερο: ΑΓΗΟΖΝ. ε) Αναρρίχηση λόφων: ΑΓΗΟ (αδιέξοδο). στ) Α*: Για τον αλγόριθµο Α* χρησιµεύει να υπολογίσουµε εκ των προτέρων τις συνολικές αποστάσεις των κόµβων (άθροισµα πραγµατικής από την αρχή συν εκτίµησης απόστασης από το στόχο). Αυτό έχει γίνει στο παρακάτω σχήµα: Α 9 (9) 2 Β 10 (8) Γ 11 (7) 7 3 10 () Ε 11 (2) Ζ 11 () Η 11 (3) 1 2 3 1 2 6 2 1 Θ 13 (6) Ι 9 (1) Κ 12 (0) Λ 13 (3) Μ 15 (6) Ν 13 (0) Ξ 15 (5) Ο 11 (2) Με βάση το παραπάνω σχήµα, και εφαρµόζοντας τον αλγόριθµο πρώτα στο καλύτερο στα νέα νούµερα, η σειρά επίσκεψης των κόµβων είναι η εξής: ΑΒ ΙΕΓΖΗΟΚ. Παρατηρήσεις: Η ευρετική συνάρτηση που µας δόθηκε είναι παραδεκτή, µιας και για όλους τους κόµβους η εκτίµηση που δίνει είναι µικρότερη από την πραγµατική τους απόσταση από το στόχο. Πράγµατι, µε βάση το παραπάνω δένδρο, η απόσταση από το στόχο των κόµβων, Θ, Ι, Κ, Μ, Η, Ξ, Ο είναι άπειρη, αφού δεν υπάρχει τρόπος από αυτούς τους κόµβους να πετύχουµε το στόχο, άρα για αυτούς τους κόµβους οποιαδήποτε πεπερασµένη τιµή της ευρετικής συνάρτησης είναι υποεκτίµηση. Για τους κόµβους Α, Β, Ε, Κ, Γ, Ζ και Ν, από τους οποίους υπάρχει διαδροµή προς κάποιο στόχο, εύκολα φαίνεται από το σχήµα ότι η τιµή της ευρετικής συνάρτησης είναι πάντα µικρότερη ή ίση από την ελάχιστη απόσταση προς κάποιο κόµβοστόχο. Με βάση τα παραπάνω ήταν αναµενόµενο ο αλγόριθµος Α* να βρει την συντοµότερη διαδροµή προς στόχο, όπως και συνέβη. Πράγµατι η διαδροµήλύση ΑΒΕΚ έχει κόστος 12 ενώ η εναλλακτική λύση ΑΓΖΝ έχει κόστος 13. Από εκεί και πέρα, ο αλγόριθµος πρώτα στο καλύτερο δεν εγγυάται ότι θα βρεί την συντοµότερη λύση, οπότε είναι θέµα τύχης ποια λύση θα επιστρέψει. Στο δικό µας πρόβληµα βρήκε τη µηβέλτιστη λύση. Ο αλγόριθµος αναρρίχησης λόφων κινδυνεύει να παγιδευτεί σε αδιέξοδα (εφόσον υπάρχουν τέτοια σε ένα πρόβληµα), όπως συνέβη στην τρέχουσα περίπτωση. Τέλος οι πρώτοι τρεις αλγόριθµοι δεν χρησιµοποιούν την ευρετική συνάρτηση. Παρατηρούµε ότι ο αλγόριθµος πρώτα σε βάθος εξέτασε λιγότερους κόµβους από τους άλλους δύο αλγορίθµους, ενώ ο αλγόριθµος επαναληπτικής εκβάθυνσης εξέτασε οριακά περισσότερους κόµβους από τον αλγόριθµο πρώτα σε πλάτος. ΘΕΜΑ 2 ο (2.5 µονάδες)

Έστω το πρόβληµα της ανάλυσης πολυεδρικών σκηνών αποτελούµενων από ορθογώνια αντικείµενα. Το πρόβληµα συνίσταται στον χαρακτηρισµό των κορυφών µιας διδιάστατης αποτύπωσης ενός τρισδιάστατου πολύεδρου. Στόχος του προβλήµατος είναι να βρεθούν ποιες εικόνες µπορούν πράγµατι να αποτελέσουν διδιάστατες αποτυπώσεις τρισδιάστατων ορθογώνιων πολύεδρων και ποια είναι τα εναλλακτικά πολύεδρα. Αποδεικνύεται εύκολα ότι υπάρχουν µόνο τέσσερις τύποι κορυφών, στις οποίες πρόσκεινται είτε δύο είτε τρεις ακµές. Αυτοί είναι οι εξής: Τύπος L Τύπος «πηρούνι» Τύπος Τ Τύπος «βέλος» (Fork) (Arrow) Κάθε ακµή µιας κορυφής µπορεί να χαρακτηριστεί µε µια από τις εξής τρεις ετικέτες:, για κυρτές ακµές (οι δύο προσκείµενες έδρες φαίνονται και η µεταξύ τους γωνία είναι 270 o, όπως κοιτά ο παρατηρητής., για κοίλες ακµές (οι δύο προσκείµενες έδρες φαίνονται και η µεταξύ τους γωνία είναι 90 o, όπως κοιτά ο παρατηρητής. ή, µία από τις δύο προσκείµενες έδρες δεν φαίνεται. Έτσι αποδεικνύεται ότι οι επιτρεπτές κορυφές (ισοδύναµα: οι επιτρεπτοί συνδυασµοί ακµών) είναι οι παρακάτω: L1 L2 F1 F2 T1 T2 A1 A2 L3 F3 T3 T A3 L L5 L6 Ως παράδειγµα δίνεται ο χαρακτηρισµός των κορυφών (και των ακµών) ενός πολύεδρου, από το οποίο 11 κορυφές φαίνονται στη διδιάστατη αποτύπωσή του:

Ι=L1 K=A2 Γ=Α1 H=A1 B=L1 =F1 Λ=F3 Z=F1 Θ=L1 A=A1 E=A1 Το πρόβληµα χαρακτηρισµού των κορυφών µιας διδιάστατης αποτύπωσης ενός τρισδιάστατου ορθογώνιου πολύεδρου είναι πρόβληµα ικανοποίησης περιορισµών, όπου ανάµεσα σε κάθε ζευγάρι γειτονικών κορυφών υπάρχει ο περιορισµός η κοινή τους ακµή να χαρακτηρίζεται µε την ίδια ετικέτα και από τις δύο κορυφές. Με βάση τα παραπάνω βρείτε έναν χαρακτηρισµό των κορυφών για την παρακάτω διδιάστατη αποτύπωση κύβου, όπου φαίνονται οι επτά κορυφές του. Ε Ζ Α Β Γ Η Απάντηση: Έχουµε 7 µεταβλητές, εκ των οποίων η Β είναι τύπου «πηρούνι», οι Α, και Ζ είναι τύπου «βέλος» και οι Γ, Ε και Η είναι τύπου L. Άρα τα αρχικά πεδία των µεταβλητών είναι τα: Α: {Α1, Α2, Α3}. Β: {F1, F2. F3}. Γ: {L1, L2, L3, L, L5, L6}. : {Α1, Α2, Α3}. Ε: {L1, L2, L3, L, L5, L6}. Ζ: {Α1, Α2, Α3}. Η: {L1, L2, L3, L, L5, L6}. Με βάση τους αρχικούς περιορισµούς δεν µπορούµε να κόψουµε κάποια τιµή, οπότε προχωράµε σε ανάθεση. Από τις 7 κορυφές, οι (Α, Β,, Ζ) έχουν τρεις προσκείµενες ακµές και οι υπόλοιπες από δύο προσκείµενες ακµές. Επιλέγουµε λοιπόν για ανάθεση µια από τις τέσσερις πρώτες (µιας και αυτές συµµετέχουν στους περισσότερους περιορισµούς), έστω την Β, και της αναθέτουµε µια τιµή από το πεδίο της, έστω Β=F1. Με αυτή την ανάθεση διαγράφεται η τιµή Α2 από τα πεδία των µεταβλητών Α, και Ζ, οπότε έχουµε: Α: {Α1, Α3}. Β: {F1}. Γ: {L1, L2, L3, L, L5, L6}. : {Α1, Α3}. Ε: {L1, L2, L3, L, L5, L6}. Ζ: {Α1, Α3}. Η: {L1, L2, L3, L, L5, L6}. Στο σηµείο αυτό πρέπει και πάλι να προχωρήσουµε σε ανάθεση και έστω ότι επιλέγουµε Α=Α1. Τότε από την Ε αφαιρούνται οι L2, L3, L και L6, ενώ από την Γ αφαιρούνται οι L2, L3, L και L5. Τα νέα πεδία είναι τα:

Α: {Α1 }. Β: {F1}. Γ: {L1, L6}. : {Α1, Α3}. Ε: {L1, L5}. Ζ: {Α1, Α3}. Η: {L1, L2, L3, L, L5, L6}. Στο σηµείο αυτό και πάλι πρέπει να προχωρήσουµε σε ανάθεση και έστω ότι επιλέγουµε Ε=L1. Τότε από τη Ζ αφαιρείται η Α3, οπότε έχουµε Ζ=Α1. Όµως αυτή η έµµεση ανάθεση οδηγεί στη διαγραφή από την Η των τιµών L2, L3, L και L6. Α: {Α1 }. Β: {F1}. Γ: {L1, L6}. : {Α1, Α3}. Ε: {L1}. Ζ: {Α1}. Η: {L1, L5}. Τέλος, επιλέγοντας και πάλι να κάνουµε ανάθεση, έστω ότι επιλέγουµε =Α1, οπότε υποχρεωτικά προκύπτει ότι Γ=L1 και H=L1 και έχουµε πλέον µία λύση: Α: {Α1 }. Β: {F1}. Γ: {L1}. : {Α1}. Ε: {L1}. Ζ: {Α1}. Η: {L1}. Η λύση αυτή αντιστοιχεί στο παρακάτω σχήµα: Ε=L1 Ζ=A1 Α=Α1 Β=F1 Η=L1 Γ=L1 =A1 Η παραπάνω διδιάστατη απεικόνιση αφορά κύβο που αιωρείται στο κενό. Τρεις ακόµη λύσεις του προβλήµατος είναι οι παρακάτω:

Ε=L5 Ζ=A3 Ε=L6 Ζ=A1 Α=Α1 Β=F1 Α=Α3 Β=F1 Η=L6 Η=L1 Γ=L1 =A1 Γ=L5 =A1 Ε=L1 Ζ=A1 Α=Α1 Β=F1 Η=L5 Γ=L6 =A3 Από τις τρεις νέες λύσεις, η πρώτη απεικονίζει έναν κύβο η πίσω πλευρά του οποίου ακουµπά σε τοίχο, η δεύτερη απεικονίζει έναν κύβο η αριστερή πλευρά του οποίου ακουµπά σε τοίχο και η τρίτη απεικονίζει έναν κύβο η κάτω πλευρά του οποίου ακουµπά σε πάτωµα. ΘΕΜΑ 3 ο (2.5 µονάδες) Έστω το παιχνίδι της τρίλιζας, στο οποίο ο παίκτης MAX, που παίζει πρώτος, έχει τα Χ, ενώ ο MIN τα O. Έστω ότι και οι δυο παίκτες έχουν πραγµατοποιήσει από δύο κινήσεις, και τώρα είναι η σειρά του MAX να παίξει για τρίτη φορά. Η κατάσταση στην τρίλιζα είναι η εξής: Ο X X Ο α) Βρείτε ποια θα είναι η κίνηση του παίκτη MAX, κατασκευάζοντας το δένδρο του παιχνιδιού µέχρι βάθος δύο στρώσεων (δηλαδή µία κίνηση του MAX και µια απάντηση του MIN), ξεκινώντας από την παραπάνω κατάσταση. (1.5) Χρησιµοποιείστε για ευρετική συνάρτηση την εξής: Για µια κατάσταση p, ο βαθµός h(p) ορίζεται ως: h(p) =, εάν η κατάσταση p είναι τελική όπου κερδίζει ο MAX. h(p) =, εάν η κατάσταση p είναι τελική όπου κερδίζει ο MIN. h(p) = το πλήθος των γραµµών, στηλών, διαγωνίων στις οποίες ο MIN δεν κατέχει καµία θέση, µείον το πλήθος των γραµµών στηλών, διαγωνίων στις οποίες ο MAX δεν κατέχει καµία θέση, εφόσον η κατάσταση p δεν είναι τελική. Για παράδειγµα ο βαθµός της παρακάτω καταστάσης είναι h(p)=21=1 : Ο X Χ X Ο O ενώ της παρακάτω κατάστασης είναι h(p)= : Ο Χ X O X Ο

β) Υποθέστε ότι έχετε τη δυνατότητα να µαντέψετε την καλύτερη δυνατή σειρά µε την οποία συµφέρει να ελέγξετε/βαθµολογήσετε τις διάφορες κινήσεις, ώστε να επιτύχετε το µέγιστο δυνατό κλάδεµα µε τον αλγόριθµο άλφαβήτα. Αναδιατάξτε λοιπόν το δένδρο του παιχνιδιού που κατασκευάσετε στο προηγούµενο ερώτηµα, ώστε ο αλγόριθµος άλφαβήτα να πετύχει το µέγιστο δυνατό κλάδεµα. (1) Απάντηση: α) Ο παίκτης MAX έχει στην διάθεσή του πέντε µη συµµετρικές κινήσεις, οι οποίες φαίνονται παρακάτω: Ο Χ X Ο X Ο X Ο X Ο X X Χ X X Χ X X Ο Ο Ο Ο Χ Ο Χ Α Β C D E Για κάθε µία από αυτές ο παίκτης MIN έχει τέσσερις απαντήσεις. Ειδικότερα, για την κίνηση Α οι απαντήσεις του MIN είναι οι εξής: Ο Χ X Ο Χ X Ο Χ X Ο Χ X O X X O X X Ο Ο Ο O Ο O F= G=1 H=0 I=0 Για την κίνηση Β οι απαντήσεις του MIN είναι οι εξής: Ο O X Ο X Ο X Ο X Χ X Χ X O Χ X Χ X Ο Ο Ο O Ο O J=1 K=0 L=1 M=1 Για την κίνηση C οι απαντήσεις του MIN είναι οι εξής: Ο O X Ο X Ο X Ο X X Χ O X Χ X Χ X Χ Ο Ο Ο O Ο O N=0 O= P=0 Q=0 Για την κίνηση D οι απαντήσεις του MIN είναι οι εξής: Ο O X Ο X Ο X Ο X X O X X O X Ο Χ Ο Χ Ο Χ Ο Χ O R=1 S= T=0 U=1 Τέλος για την κίνηση E οι απαντήσεις του MIN είναι οι εξής: Ο O X Ο X Ο X Ο X X O X X O X Ο Χ Ο Χ Ο Χ Ο O Χ V=1 W= X=0 Y=1 Το δένδρο του παιχνιδιού πλέον έχει ως εξής:

MAX 0 MIN Α= Β=0 C= D= E= F= H=0 N=0 P=0 V=1 X=0 G=1 I=0 O= Q=0 W= Y=1 J=1 L=1 R=1 T=0 K=0 M=1 S= U=1 Όπως φαίνεται, η κίνηση που θα επιλέξει ο ΜAX είναι η Β. β) Παρατηρώντας το δένδρο του παιχνιδιού, βλέπουµε ότι µια αναδιάταξή του, ώστε να επιτευχθεί το µέγιστο δυνατό κλάδεµα µε χρήση του αλγορίθµου ΆλφαΒήτα, είναι η ακόλουθη (µε γκρι φαίνονται οι κόµβοι που κλαδεύονται): MAX 0 MIN Β=0 Α= C= D= E= F= H=0 O= P=0 W= X=0 G=1 I=0 N=0 Q=0 V=1 Y=1 J=1 L=1 S= T=0 K=0 M=1 R=1 U=1 Με απλά λόγια, ελέγχθηκε πρώτα ο κόµβος Β και τα παιδιά του, και στη συνέχεια, για τα παιδιά των κόµβων Α, C, D και E ελέγχεται πρώτα το παιδί που βαθµολογείται µε µείον άπειρο, οπότε δεν χρειάζεται να ελεγχθεί κανένα από τα υπόλοιπα παιδιά. Πράγµατι, αν πάρουµε ως παράδειγµα τα παιδιά του κόµβου Α, µετά τον υπολογισµό του κόµβου F, δεν χρειάζεται να υπολογιστεί κανένα

άλλο παιδί, µιας και αν αυτό έχει µεγαλύτερη τιµή από τον F δεν πρόκειται να κερδίσει τον F, ενώ αν έχει ίση τιµή µε τον F (µικρότερη δεν µπορεί να έχει) δεν πρόκειται να κερδίσει τον Β. ΘΕΜΑ ο (2.5 µονάδες) α) ιατυπώστε σε λογική πρώτης τάξης τις παρακάτω προτάσεις: (1) α1: Κάθε άνθρωπος σε αυτή την αίθουσα οµιλεί κάποια γλώσσα. α2: Υπάρχει κάποια γλώσσα που οµιλείται από όλους τους ανθρώπους σε αυτή την αίθουσα. χρησιµοποιώντας τα παρακάτω κατηγορήµατα: Άνθρωπος(x): Το x είναι άνθρωπος. Γλώσσα(x): Το x είναι γλώσσα. Εντός(x,y): Το x είναι εντός του y. Μιλά(x,y): Το x µιλά τη γλώσσα y. Υπόδειξη: Ως αίθουσα χρησιµοποιείστε το όνοµα της αίθουσας στην οποία γράφετε εξετάσεις (π.χ. Α13, Α12 κλπ). β) ίνεται η παρακάτω βάση γνώσης: (1.5) Πατέρας(Γιάννης, Γιώργος) (1) Πατέρας(Γιάννης, Νίκος) (2) Πατέρας(Γιώργος, Κώστας) (3) Πατέρας(Νίκος, Βασίλης) () x,y,z: Πατέρας(x,y) Πατέρας(x,z) Αδέλφια(y,z) (5) x,y,z,w: Πατέρας(x,y) Πατέρας(z,w) Αδέλφια(x,z) Ξαδέλφια(y,w) (6) Αποδείξτε, χρησιµοποιώντας την τεχνική της ανάλυσης, ότι ισχύει το Ξαδέλφια(Κώστας,Βασίλης). Απάντηση: α) α1: x, Άνθρωπος(x) Εντός(x,A13) y Γλώσσα(y) Μιλά(x,y). α2: y Γλώσσα(y) x, Άνθρωπος(x) Εντός(x,A13) Μιλά(x,y). β) Καταρχήν µετατρέπουµε τις προτάσεις (5) και (6) σε διαζεύξεις (τον καθολικό ποσοδείκτη, επειδή είναι ο µοναδικός, τον παραλείπουµε): (Πατέρας(x,y) Πατέρας(x,z)) Αδέλφια(y,z) ή ισοδύναµα: Πατέρας(x,y) Πατέρας(x,z) Αδέλφια(y,z) (7) και (Πατέρας(x,y) Πατέρας(z,w) Αδέλφια(x,z)) Ξαδέλφια(y,w) ή ισοδύναµα: Πατέρας(x,y) Πατέρας(z,w) Αδέλφια(x,z) Ξαδέλφια(y,w) (8) Επίσης προσθέτουµε στη βάση γνώσης την άρνηση της πρότασης που θέλουµε να αποδείξουµε, δηλαδή: Ξαδέλφια(Κώστας,Βασίλης) (9) Συνδυάζοντας την (7) µε την (1) και µε τις αντικαταστάσεις {x/γιάννης, y/γιώργος} έχουµε: Πατέρας(Γιάννης,z) Αδέλφια(Γιώργος,z) (10) Συνδυάζοντας την (10) µε την (2) έχουµε και µε την αντικατάσταση {z/νίκος} έχουµε: Αδέλφια(Γιώργος, Νίκος) (11) Συνδυάζοντας την (8) µε την (9) έχουµε και µε την αντικατάσταση {y/κώστας, w/βασίλης}: Πατέρας(x,Κώστας) Πατέρας(z,Βασίλης) Αδέλφια(x,z) (12) Συνδυάζοντας την (12) µε την (11) και µε τις αντικαταστάσεις {x/γιώργος, z/νίκος} έχουµε:

Πατέρας(Γιώργος,Κώστας) Πατέρας(Νίκος,Βασίλης) (13) Συνδυάζοντας την (13) µε την (3) έχουµε: Πατέρας(Νίκος,Βασίλης) (1) Τέλος συνδυάζοντας την (1) µε την () καταλήγουµε σε άτοπο. Θεωρώντας ότι η αρχική µας βάση γνώσης (προτάσεις 1 έως 6) ήταν σωστή, το άτοπο προέκυψε από την υιοθέτηση της πρότασης (9). Άρα η (9) δεν ισχύει σε καµία περίπτωση, οπότε ισχύει πάντα η άρνησή της, οπότε αποδείχθηκε το ζητούµενο. Θέµα 5 ο (2.5 µονάδες) ίνεται το πρόβληµα της ρεζέρβας: Init(Σε(Σκασµένο, Άξονας) Σε(Ρεζέρβα, ΠορτΜπαγκάζ)) Goal(Σε(Ρεζέρβα, Άξονας)) Action(Αφαίρεση(Ρεζέρβα, ΠορτΜπαγκάζ), Προϋπόθεσεις: Σε(Ρεζέρβα, ΠορτΜπαγκάζ) Επίδρασεις: Σε(Ρεζέρβα, ΠορτΜπαγκάζ) Σε(Ρεζέρβα, Έδαφος)) Action(Αφαίρεση(Σκασµένο, Άξονας), Προϋποθέσεις: Σε(Σκασµένο, Άξονας) Επιδράσεις: Σε(Σκασµένο, Άξονας) Σε(Σκασµένο, Έδαφος)) Action(Τοποθέτηση(Ρεζέρβα, Άξονας), Προϋποθέσεις: Σε(Ρεζέρβα, Έδαφος) Σε(Σκασµένο, Άξονας) Επιδράσεις: Σε(Ρεζέρβα, Έδαφος) Σε(Ρεζέρβα, Άξονας)) Action(ΕγκατάλειψηΟλονύχτια, Προϋποθέσεις: Επιδράσεις: Σε(Ρεζέρβα, Έδαφος) Σε(Ρεζέρβα, Άξονας) Σε(Ρεζέρβα, ΠορτΜπαγκάζ) Σε(Σκασµένο, Έδαφος) Σε(Σκασµένο, Άξονας)) Λύστε το παραπάνω πρόβληµα χρησιµοποιώντας σχεδιασµό µερικής διάταξης. Απάντηση: Μετά την προσθήκη δύο ενεργειών και το τελικό πλάνο: ΑΠΑΝΤΗΣΤΕ ΑΠΟ ΤΑ ΠΑΡΑΠΑΝΩ 5 ΘΕΜΑΤΑ (Ενδεικτικές λύσεις θα αναρτηθούν µετά την εξέταση στο site του µαθήµατος)