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

Σχετικά έγγραφα
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

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

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

Προηγµένη ιασύνδεση µε τοπεριβάλλον

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ 11:00-14:00

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

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Λογική πρώτης τάξης. Παραδοχές

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

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

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

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

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

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

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

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

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

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

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

Ασκήσεις μελέτης της 8 ης διάλεξης

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ 2012 ΕΚΦΩΝΗΣΕΙΣ. β α

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

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

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

Σχεδιασµός Ενεργειών

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

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

Θεωρία Παιγνίων Δρ. Τασσόπουλος Ιωάννης

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

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

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

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

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2014 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΑΛΓΕΒΡΑ Α ΛΥΚΕΙΟΥ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΗΡΕΣΙΩΝ) Γ ΤΑΞΗΣ 2003

ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο

Ορισµός. (neighboring) καταστάσεων. ηλαδή στην περίπτωση αλυσίδας Markov. 1.2 ιαµόρφωση µοντέλου

1. Δεν μπορεί να γίνει κλήση μίας διαδικασίας μέσα από μία συνάρτηση.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΗΡΕΣΙΩΝ) Γ ΤΑΞΗΣ 2003

1 η δεκάδα θεµάτων επανάληψης

Ακρότατα πίνακα, χωρίς min, max, μόνο με pos

περισσότερα από ένα παραδείγµατα εντολών της Στήλης Β).

Από το Γυμνάσιο στο Λύκειο Δειγματικός χώρος Ενδεχόμενα Εύρεση δειγματικού χώρου... 46

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

Αλγόριθμοι Τυφλής Αναζήτησης

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ

ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ: Γ2-Γ3

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

Θεωρία Λήψης Αποφάσεων

ΟΜΟΣΠΟΝΔΙΑ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑΔΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2019 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ

ΕΡΩΤΗΜΑΤΑ σε ΑΝΑΖΗΤΗΣΗ

ΣΤ ΤΑΞΗΣ ΔΗΜΟΤΙΚΟΥ ΘΕΜΑΤΑ ΔΙΑΓΩΝΙΣΜΟΥ ΓΙΑ ΜΑΘΗΤΕΣ. Σάββατο, 8 Ιουνίου 2013

CARDISOFT. User Guide. ClassWeb VERSION 1.1. [February] [2007] Cardisoft Ανώνυµη Εταιρία Παραγωγής Λογισµικού

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Τρίτη, 3 Ιουνίου 2003 ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ Γ ΛΥΚΕΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ

3 Αναδροµή και Επαγωγή

Ενότητα 3 Επεξεργασία Κειμένου

ÔÏÕËÁ ÓÁÑÑÇ ÊÏÌÏÔÇÍÇ

ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ

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

ΜΑΘΗΜΑ ΜΟΝΟΤΟΝΕΣ ΣΥΝΑΡΤΗΣΕΙΣ

Θέματα Υπολογισμού στον Πολιτισμό - Δένδρα. Δένδρα

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

Ασκήσεις μελέτης της 6 ης διάλεξης

ΕΚΦΩΝΗΣΕΙΣ & ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΤΘ ΑΝΑ ΚΕΦΑΛΑΙΟ ΚΑΙ ΠΑΡΑΓΡΑΦΟ

Άρα, Τ ser = (A 0 +B 0 +B 0 +A 0 ) επίπεδο 0 + (A 1 +B 1 +A 1 ) επίπεδο 1 + +(B 5 ) επίπεδο 5 = 25[χρονικές µονάδες]

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

4.4 Ερωτήσεις διάταξης. Στις ερωτήσεις διάταξης δίνονται:

Λυσεις προβλημάτων τελικής φάσης Παγκύπριου Μαθητικού Διαγωνισμού Πληροφορικής 2007

ΑΡΧΗ 1ης ΣΕΛΙΔΑΣ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ

Επίλυση προβλημάτων με αναζήτηση

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

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

ΦΥΣ 145 Μαθηµατικές Μέθοδοι στη Φυσική. 5 Μαίου 2012

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον

Επίλυση Προβλημάτων 1

! ΘΕΜΑ A Α2. ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΛΥΚΕΙΟΥ. Ονοµατεπώνυµο:

Δομές Δεδομένων. Ενότητα 13: B-Δέντρα/AVL-Δέντρα. Καθηγήτρια Μαρία Σατρατζέμη. Τμήμα Εφαρμοσμένης Πληροφορικής. Δομές Δεδομένων

ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ : Γ ΛΥΚΕΙΟΥ ΣΠΟΥΔΕΣ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

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

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

Επίλυση προβλημάτων με αναζήτηση

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑ.Λ. Β 28 ΜΑΪΟΥ 2012 ΑΠΑΝΤΗΣΕΙΣ. y R, η σχέση (1) γράφεται

Transcript:

ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 25 Ιουνίου 2003 ιάρκεια: 2 ώρες α) Σε ποια περίπτωση ο αλγόριθµος αναζήτησης Α* εξασφαλίζει ότι η πρώτη λύση που θα βρει θα είναι η βέλτιστη; (1) β) Κάτω αριστερά δίνεται ένας γράφος έξι 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 Ζ. Θεωρείστε επίσης ευριστική 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 Ζ. ώστε όλα τα βήµατα µέχρι την εύρεση της πρώτης λύσης του προβλήµατος για τους αλγόριθµους πρώτα-στο-καλύτερο (est-first Search) και Α*. Τι παρατηρείτε όσον αφορά τη συµπεριφορά των δύο αλγορίθµων; (1.5) 10 10 20 30 25 Ε 15 Ευθεία απόσταση Πόλη από την Ζ Α 30 Β 18 10 20 Ε 11 11 Ζ Σηµείωση: ια κάθε τρέχουσα κατάσταση που εξετάζετε θα πρέπει να δίνετε και τον «βαθµό» της, σύµφωνα µε την ευριστική συνάρτηση και τον εκάστοτε αλγόριθµο. Χρησιµοποιήστε τον παρακάτω πίνακα ως υπόδειγµα: Μέτωπο αναζήτησης Κλειστό σύνολο Τρέχουσα κατάσταση Παιδιά Α x - Α x ΑΒ y, Α z ΑΒ y, Α z Α.................. * Ανάλογα µε τον αλγόριθµο που θα χρησιµοποιήσετε, θα πρέπει να αντικαταστήσετε τα x, y, z κλπ µε συγκεκριµένα νούµερα.

Απαντήσεις-Λύσεις: α) Ο αλγόριθµος Α* εξασφαλίζει ότι η πρώτη λύση που θα βρεί θα είναι η βέλτιστη στην περίπτωση που η ευριστική συνάρτηση που χρησιµοποιεί δίνει πάντα υποεκτιµήσεις, δηλαδή εκτιµήσεις µικρότερες ή ίσες της πραγµατικής απόστασης κάθε κατάστασης από την κοντινότερη τελική. Μια τέτοια ευριστική συνάρτηση ονοµάζεται αποδεκτή. β) Παρουσιάζεται πρώτα ο αλγόριθµος πρώτα-στο-καλύτερο. Ο αλγόριθµος αυτός βαθµολογεί τα παιδιά (και άρα τις καταστάσεις στο µέτωπο αναζήτησης) µόνο µε βάση την εκτίµηση της απόστασής τους από την κοντινότερη τελική κατάσταση. Στη συνέχεια, επιλέγει από το µέτωπο αναζήτησης την κατάσταση εκείνη µε τη µικρότερη «βαθµολογία». Μέτωπο αναζήτησης Κλειστό σύνολο Τρέχουσα κατάσταση Παιδιά Α 30 - Α 30 ΑΒ 18, Α 20 ΑΒ 18, Α 20 Α ΑΒ 18 ΑΒ 10, ΑΒΕ 11 ΑΒ 10, ΑΒΕ 11, Α 20 Α, ΑΒ ΑΒ 10 αδιέξοδο ΑΒΕ 11, Α 20 Α, ΑΒ, ΑΒ ΑΒΕ 11 ΑΒΕΖ 0 ΑΒΕΖ 0, Α 20 Α, ΑΒ, ΑΒ, ΑΒΕ ΑΒΕΖ Λύση Στη συνέχεια παρουσιάζεται ο αλγόριθµος Α*. Ο αλγόριθµος αυτός διαφέρει από τον προηγούµενο µόνο στο ότι βαθµολογεί τις καταστάσεις µε το άθροισµα της απόστασής τους από την αρχική κατάσταση (η οποία είναι γνωστή) και της εκτίµησης της απόστασής τους από την κοντινότερη τελική κατάσταση. Στη συνέχεια, επιλέγει από το µέτωπο αναζήτησης την κατάσταση εκείνη µε τη µικρότερη «βαθµολογία». Μέτωπο αναζήτησης Κλειστό σύνολο Τρέχουσα κατάσταση Παιδιά Α 30 - Α 30 ΑΒ 38, Α 30 Α 30, ΑΒ 38 Α Α 30 Α 50, ΑΕ 36 ΑΕ 36, Α 50, ΑΒ 38 Α, Α ΑΕ 36 ΑΕΖ 36 ΑΕΖ 36, Α 50, ΑΒ 38 Α, Α, ΑΕ ΑΕΖ 36 Λύση Παρατηρούµε ότι ο αλόριθµος Α* βρήκε καλύτερη λύση, την ΑΕΖ µε συνολικό µήκος 36. Όπως µάλιστα είναι εύκολο να διαπιστωθεί, αυτή είναι η καλύτερη λύση για το συγκεκριµένο πρόβληµα. Αυτό συνέβη γιατί η ευριστική συνάρτηση που χρησιµοποιήθηκε παράγει πάντα υποεκτιµήσεις, οπότε σύµφωνα µε το πρώτο ερώτηµα αυτού του θέµατος, σε τέτοιες περιπτώσεις ο αλγόριθµος Α* εξασφαλίζει ότι η πρώτη λύση που θα βρει θα είναι και η βέλτιστη. Ο αλγόριθµος πρώτα-στο-καλύτερο δεν βρήκε την καλύτερη λύση, κάτι που συµβαίνει αρκετά συχνά µε το συγκεκριµένο αλγόριθµο. Σηµείωση διδάσκοντος: Ωστόσο, σε µεγάλα προβλήµατα ο αλγόριθµος πρώτα-στο-καλύτερο βρίσκει (κατά µέσο όρο) πολύ γρηγορότερα την πρώτη λύση, σε σχέση µε τον αλγόριθµο Α*. ΘΕΜΑ 2 ο (2.5 µονάδες) Έστω το παρακάτω δένδρο παιχνιδιού δύο ατόµων, όπου είναι σειρά του παίκτη MX να παίξει. Ο παίκτης MX έλεγξε και βαθµολόγησε όλες τις πιθανές συνέχειες του παιχνιδιού, λαµβάνοντας υπόψη όλες τις πιθανές απαντήσεις του παίκτη MIN στη δική του κίνηση. Οι βαθµολογίες φαίνονται στο χαµηλότερο επίπεδο του παρακάτω δένδρου. α) Ποια από τις τέσσερις κινήσεις, Α, Β, ή, πρέπει να επιλέξει ο παίκτης MX; (1.5) β) Εάν ο παίκτης MX χρησιµοποιούσε την τεχνική κλαδέµατος Άλφα-Βήτα, ποιες από τις καταστάσεις στα χαµηλότερο επίπεδο του δένδρου δεν θα χρειαζόταν να βαθµολογήσει; Θεωρείστε ότι η δηµιουργία και βαθµολόγηση των καταστάσεων στο τελευταίο επίπεδο του δένδρου του παιχνιδιού έγινε από αριστερά προς τα δεξιά. (1.0)

MX MIN 4 2 3 1 3 7 8 6 3 3 0 7 Λύση: α) Στο παρακάτω σχήµα φαίνεται η µεταφορά των τιµών από τα φύλλα προς τη ρίζα του δένδρου, χρησιµοποιώντας τον αλγόριθµο MINIMX. Με βάση το σχήµα αυτό προκύπτει ότι η κίνηση που θα επιλέξει ο παίκτης MX είναι η κίνηση. 3 MX 2 1 3 0 MIN 4 2 3 1 3 7 8 6 3 3 0 7 β) Στο παρακάτω σχήµα φαίνονται µε γκρι χρώµα τα φύλλα εκείνα που δεν θα χρειαζόταν να ελέξει ο παίκτης ΜΑΧ, εάν χρησιµοποιούσε την τεχνική κλαδέµατος Άλφα-Βήτα. Τα φύλλα µε βαθµό 3 και 7 µετά την κίνηση Β δεν χρειάζεται να ελεγχθούν, γιατί εάν είναι µεγαλύτερα από τον βαθµό 1 δεν θα ανέβουν στο µεσσαίο επίπεδο (επίπεδο ΜΙΝ), ενώ αν είναι µικρότερα από τον βαθµό 1 και ανέβουν στο ΜΙΝ επίπεδο, δεν θα µπορέσουν να φθάσουν στην κορυφή του δένδρου, λόγω του βαθµού 2 που προέκυψε για την κίνηση Α. ια παρόµοιο λόγο δεν εξετάζεται και το φύλλο µε βαθµό 7 της κίνησης, ύστερα από την εµφάνιση του φύλλου µε βαθµό 0 στην ίδια κίνηση. 3 MX 2 1 3 0 MIN 4 2 3 1 3 7 8 6 3 3 0 7 ΘΕΜΑ 3 ο (2.5 µονάδες) α) ράψτε τις παρακάτω προτάσεις χρησιµοποιώντας λογική πρώτης τάξης: 1) Κάθε µητέρα αγαπά τα παιδιά της. 2) ια κάθε αριθµό υπάρχει ένας άλλος που είναι µεγαλύτερός του.

3) Υπάρχει κάποιος άνθρωπος που είναι µεγαλύτερος από όλους τους άλλους ανθρώπους. Χρησιµοποιείστε τα παρακάτω κατηγορήµατα: Άνθρωπος(x) : Ο x είναι άνθρωπος. Μητέρα(x,y) : Η x είναι µητέρα του y. Αγαπά(x,y) : Ο x αγαπά τον y. Αριθµός(x) : Ο x είναι αριθµός. Μεγαλύτερος(x,y) : x>y. Ηλικία(x,y) : Η ηλικία του x είναι y. (1.5) β) Χρησιµοποιώντας την τεχνική της ανάλυσης, αποδείξτε ότι εάν οι παρακάτω προτάσεις είναι αληθείς: 1) Β 2) C 3) C τότε ισχύει η πρόταση. (1) Απαντήσεις-Λύσεις α) Ένας ενδεικτικός τρόπος γραφής των ζητούµενων προτάσεων σε λογική πρώτης τάξης είναι ο εξής: 1) x, y, Μητέρα(x,y) Αγαπά(x,y) 2) x, Αριθµός(x) y Αριθµός(y) Μεγαλύτερος(y,x) 3) x, y Άνθρωπος(x) Ηλικία(x,y), z, w Άνθρωπος(z) Ηλικία(z,w) Μεγαλύτερος(y,w) Ωστόσο, επισηµαίνεται ότι υπάρχουν και άλλοι ισοδύναµοι τρόποι γραφής, οι οποίοι θα θεωρηθούν σωστοί. β) Οι προτάσεις σε µορφή διαζεύξεων γράφονται ως εξής: 1) Β Α 2) C 3) C Σύµφωνα µε την τεχνική της ανάλυσης, για να αποδείξουµε ότι από τις παραπάνω προτάσεις προκύπτει το Α, θα υποθέσουµε ότι ισχύει το Α και αν καταλήξουµε σε άτοπο τότε έχει αποδειχθεί το Α. Λοιπόν, έστω ότι έχουµε τις 4 προτάσεις: 1) Β Α 2) C 3) C 4) Συνδυάζοντας, µε την τεχνική της ανάλυσης, την 1 µε την 4 προκύπτει η: 5) Β Συνδυάζοντας την 2 µε την 5 προκύπτει η: 6) C Τέλος συνδυάζοντας την 3 µε την 6 προκύπτει η κενή πρόταση, η οποία ισοδυναµεί µε άτοπο. Άρα η πρόταση δεν µπορεί να ισχύει σε καµία περίπτωση µαζί µε τις 1, 2 και 3, άρα από τις προτάσεις 1, 2 και 3 προκύπτει η Α.

ΘΕΜΑ 4 ο (2.5 µονάδες) α) Περιγράψτε τον τρόπο αναπαράστασης ενεργειών κατά τη µέθοδο STRIPS, για προβλήµατα σχεδιασµού ενεργειών. ώστε ως παράδειγµα την περιγραφή της ενέργειας για τη µετακίνηση του κύβου C από τη θέση του πάνω στον κύβο στο τραπέζι, για το πρόβληµα σχεδιασµού ενεργειών του παρακάτω σχήµατος από τον κόσµο των κύβων. (1) C Α C Αρχική κατάσταση Τελική κατάσταση β) Έστω το ηµιτελές µη-γραµµικό πλάνο του παρακάτω σχήµατος για το πρόβληµα του προηγούµενου ερωτήµατος. Βρείτε την απειλή που περιέχει το ηµιτελές πλάνο και προτείνετε έναν τρόπο αντιµετώπισής της. (1.5) Σηµείωση: Τα κατηγορήµατα στο σχήµα ερµηνεύονται ως εξής: - Clear(x): Ο κύβος x έχει ελεύθερη την επάνω έδρα του - On(x,y): Ο κύβος x είναι πάνω στον κύβο y - On(x,Table): Ο κύβος x είναι πάνω στο τραπέζι (Table) STRT On(C,), On(,Table) On(,Table) Clear() Move--from-table-to-C Clear() On(,Table) - - On(,Table) + On(,C) On(,C) On(,) END Move-Α-from-Table-to-Β Clear() Clear(Α) On(Α, Table) - On(, Table) - Clear() + On(, ) Απαντήσεις-Λύσεις α) Μια ενέργεια ορίζεται κατά STRIPS από τρεις λίστες γεγονότων: Λίστα προϋποθέσεων: Τα γεγονότα που πρέπει να περιλαµβάνονται σε µια κατάσταση, ώστε η ενέργεια να είναι εφαρµόσιµη στην κατάσταση αυτή. Λίστα προσθήκης: Τα γεγονότα που προσθέτει η ενέργεια στη νέα κατάσταση. Λίστα διαγραφής: Τα γεγονότα της τρέχουσας κατάστασης που δε συµπεριλαµβάνονται στη νέα. ια τη λίστα διαγραφής πρέπει να ισχύει Del(a) Pre(a). ια παράδειγµα, έστω η ενέργεια Move_C_from to_table η οποία µετακινεί τον κύβο C από την αρχική του θέση πάνω στον κύβο Α στην νέα του θέση απευθείας πάνω στο τραπέζι. Οι τρεις λίστες ορισµού της παραπάνω ενέργειας είναι οι εξής:

Λίστα προϋποθέσεων: { lock(c) *, lock(α) *,, On(C,) } Λίστα προσθήκης: { Clear(), On(C,Table) } Λίστα διαγραφής: { On(C,) } * Σηµείωση διδάσκοντος: Μολονότι τα συγκεκριµένα γεγονότα πρέπει επίσης να συµπεριλαµβάνονται στη λίστα προϋποθέσεων, ενδεχόµενη παράληψή τους δεν θα ληφθεί υπόψη. β) Ο αιτιολογικός σύνδεσµος που απειλείται είναι ο: STRT Clear() Move from Table to C Η απειλή προέρχεται από την ενέργεια Move--from-Table-to-, η οποία διαγράφει το γεγονός Clear() και η οποία µπορεί να εκτελεστεί µεταξύ των ενεργειών STRT και Move--from-Tableto-C. ια την αντιµετώποση της απειλής πρέπει η ενέργεια Move--from-Table-to- να εκτελεστεί είτε πριν την STRT ή µετά την Move--from-Table-to-C. Επειδή καµία ενέργεια δεν µπορεί να εκτελεστεί πριν την STRT (αφού η STRT ουσιαστικά δεν είναι ενέργεια αλλά η αρχική κατάσταση), µοναδικός τρόπος αντιµετώπισης της απειλής είναι η διάταξη της Move--from- Table-to- µετά την Move--from-Table-to-C. Αυτός ο τρόπος επίλυσης απειλών ονοµάζεται υποβιβασµός. Το πλάνο, µετά τον υποβιβασµό της Move--from-Table-to-, γίνεται όπως φαίνεται στο παρακάτω σχήµα: STRT On(C,), On(,Table) On(,Table) Clear() Move--from-table-to-C Clear() On(,Table) - - On(,Table) + On(,C) On(,C) On(,) END Move-Α-from-Table-to-Β Clear() Clear(Α) On(Α, Table) - On(, Table) - Clear() + On(, ) ΘΕΜΑ 5 ο (2.5 µονάδες) α) Περιγράψτε έναν αλγόριθµο διόρθωσης ορθογραφικών λαθών βασισµένο στο µοντέλο των χαρακτήρων. Πόσοι διαφορετικοί τρόποι υπάρχουν για να γραφεί λάθος µια λέξη µε 5 γράµµατα, αν θεωρήσουµε ότι συµβαίνει ένα µόνο λάθος τη φορά; (1.5) β) Περιγράψτε σύντοµα τη σκοπιµότητα που εξυπηρετεί η πραγµατολογική ανάλυση στη διαδικασία επεξεργασίας της φυσικής γλώσσας. (1) Απαντήσεις: α) Ένα λεξικό, µαζί µε τους µορφολογικούς κανόνες, µπορεί να χρησιµοποιηθεί για τη διόρθωση ορθογραφικών λαθών. Οι αλγόριθµοι βασίζονται στην εγγύτητα των λέξεων. ια κάθε λανθασµένη λέξη ο αλγόριθµος προσπαθεί να βρει την πλησιέστερη έγκυρη λέξη ή µορφή λέξης από το λεξικό. Ως λάθη θεωρούνται: η εισαγωγή / διαγραφή ενός µεµονωµένου χαρακτήρα/φθόγγου

η αντιµετάθεση δύο γειτονικών χαρακτήρων/φθόγγων η αντικατάσταση ενός γράµµατος/φθόγγου από ένα άλλο. Θεωρώντας αλφάβητο 24 γραµµάτων και ότι έχει συµβεί µόνο ένα λάθος, µια λέξη µε 5 γράµµατα έχει: 6x24=144 πιθανά λάθη εισαγωγής 5 πιθανά λάθη διαγραφής 5x23=115 πιθανά λάθη αντικατάστασης 4 πιθανά λάθη αντιµετάθεσης Σύνολο: 268 λάθη β) Στο στάδιο της πραγµατολογικής ανάλυσης (pragmatic analysis) επιχειρείται ένταξη της πρότασης µέσα στο γενικότερο νοηµατικό πλαίσιο των συµφραζόµενων (context). Το συνηθέστερο πρόβληµα είναι η αντικατάσταση αντωνυµιών και αόριστων άρθρων µε συγκεκριµένα αντικείµενα. ια παράδειγµα, στην φράση: Τον είδε να µπαίνει στο εστιατόριο δεν αναφέρεται ούτε ποιος µπήκε στο εστιατόριο, ούτε ποιος τον είδε να µπαίνει. Σε κάθε σύστηµα κατανόησης φυσικής γλώσσας πρέπει να υπάρχει αναπαράσταση της τρέχουσας κατάστασης της συζήτησης, δηλαδή: ποιο είναι το θέµα ποιοι λαµβάνουν µέρος στη συζήτηση ποιες ήταν οι τελευταίες προτάσεις, κλπ. Η αναπαράσταση αυτή βοηθά πολύπλευρα στα τρία προηγούµενα στάδια, αφού µπορεί να αλλάξει τις πιθανότητες εµφάνισης των λέξεων και άρα και των φθόγγων, µε άµεσο αποτέλεσµα τη δηµιουργία πιο αξιόπιστων προτάσεων. ΑΠΑΝΤΗΣΤΕ 4 ΑΠΟ ΤΑ ΠΑΡΑΠΑΝΩ 5 ΘΕΜΑΤΑ