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

8 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Απάντηση 1ης άσκησης Κατάσταση (κόμβοι): Αναπαριστούμε μια κατάσταση του προβλήματος με ένα διατεταγμένο ζεύγος (X,Y) όπου X είναι τα λίτρα στο βάζο Α (χωρητικότητα 5 λίτρα) και Y είναι τα λίτρα στο βάζο Β (χωρητικότητα 3 λίτρα). Για παράδειγμα η αρχική και η τελική κατάσταση αναπαριστώνται ως εξής: (ένα λίτρο) Α Β Α Β Αρχική Κατάσταση Τελική Κατάσταση (0,0) (0,1) Τελεστές Δράσεις (συναρτήσεις διαδοχής καταστάσεων ή ακμές): Ορίζουμε έξι τελεστές που αναπαριστούν τις κινήσεις που επιτρέπονται ως εξής: Τ1: Γέμισε το βάζο Α Προϋποθέσεις: Το βάζο Α δεν είναι γεμάτο (Χ 5) Αποτέλεσμα: Το βάζο Α είναι γεμάτο (Χ=5) Τ3: Άδειασε το βάζο Α Προϋποθέσεις: Το βάζο Α δεν είναι άδειο (Χ 0) Αποτέλεσμα: Το βάζο Α είναι άδειο (Χ=0) Τ5: Άδειασε το βάζο Α στο βάζο Β Προϋποθέσεις: (1) Το βάζο Α δεν είναι άδειο (Χ 0) (2) Το βάζο Β δεν είναι γεμάτο (Y 3 ) Αποτέλεσμα: Αδειάζουμε (όσο χωράει) από το Α στο Β Τ2: Γέμισε το βάζο Β Προϋποθέσεις: Το βάζο Β δεν είναι γεμάτο (Y 3) Αποτέλεσμα: Το βάζο B είναι γεμάτο (Y=3) Τ4: Άδειασε το βάζο Β Προϋποθέσεις: Το βάζο Β δεν είναι άδειο (Y 0) Αποτέλεσμα: Το βάζο B είναι άδειο (Y=0) Τ6: Άδειασε το βάζο Β στο βάζο Α Προϋποθέσεις: (1) Το βάζο Β δεν είναι άδειο (Y 0) (2) Το βάζο A δεν είναι γεμάτο (X 5 ) Αποτέλεσμα: Αδειάζουμε (όσο χωράει) από το B στο A Για τους τελεστές Τ5 και Τ6 ισχύει το παρακάτω: Προσοχή: Αν το ένα βάζο περιέχει Χ λίτρα και το δεύτερο Υ λίτρα νερού, τότε αδειάζοντας π.χ. το 1 ο στο 2 ο, τότε το 2 ο θα έχει Υ = min(υ+χ,k2) λίτρα νερού, όπου K2 η χωρητικότητα του 2 ου βάζου, και το 1 ο θα έχει max(0, Χ-Υ ).

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 9 Με τον ορισμό της κατάστασης και των τελεστών δράσης προκύπτει ο παρακάτω Χώρος Καταστάσεων.

10 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Στον παρακάτω πίνακα βλέπουμε αναλυτικά τους κόμβους (καταστάσεις) και τις διαδοχικές τους καταστάσεις (κόμβοι) σύμφωνα με τις ακμές (συναρτήσεις διαδοχής καταστάσεων). ΚΟΜΒΟΙ ΑΚΜΕΣ Τ1 Τ2 Τ3 Τ4 Τ5 Τ6 (0,0) (5,0) (0,3) (5,0) (5,3) (0,0) (2,3) (0,3) (5,3) (0,0) (3,0) (5,3) (0,3) (5,0) (2,3) (5,3) (0,3) (2,0) (5,0) (3,0) (5,0) (3,3) (0,0) (0,3) (2,0) (5,0) (2,3) (0,0) (0,2) (3,3) (5,3) (0,3) (3,0) (5,1) (0,2) (5,2) (0,3) (0,0) (2,0) (5,1) (5,3) (0,1) (5,0) (3,3) (5,2) (5,3) (0,2) (5,0) (4,3) (4,3) (5,3) (0,3) (4,0) (5,2) (4,0) (5,0) (4,3) (0,0) (1,3) (1,3) (5,3) (0,3) (1,0) (4,0) (1,0) (5,0) (1,3) (0,0) (0,1) (0,1) (5,1) (0,3) (0,0) (1,0)

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 11 Κατά βάθος αναζήτηση με λίστα εισόδου Η σειρά επέκτασης των κόμβων είναι η εξής: (0,0) (0,3) (3,0) (3,3) (5,1) (0,1). Το μονοπάτι είναι το εξής: (0,0) (0,3) (3,0) (3,3) (5,1) (0,1). Οι διαγραμμένοι κόμβοι διαγράφηκαν γιατί ήταν στη λίστα εισόδου.

12 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα εισόδου Οπισθοδρόμηση 0 (0,0) (0,0) (0,0) 1 (0,3) (5,0) (0,3) (0,0) (0,3) (5,0) 2 (3,0) (5,3) (5,0) (3,0) (0,0) (0,3) (5,0) (3,0) (5,3) 3 (3,3) (5,3) (5,0) (3,3) (0,0) (0,3) (5,0) (3,0) (5,3) (3,3) 4 (5,1) (5,3) (5,0) (5,1) (0,0) (0,3) (5,0) (3,0) (5,3) (3,3) (5,1) 5 (0,1) (5,3) (5,0) (0,1) (0,0) (0,3) (5,0) (3,0) (5,3) (3,3) (5,1) (0,1) 6 Κατάσταση Στόχος

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 13 Κατά πλάτος αναζήτηση με λίστα εισόδου Η σειρά επέκτασης των κόμβων είναι η εξής: (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) (5,1) (0,2) (0,1). Το μονοπάτι είναι το εξής: (0,0) (0,3) (3,0) (3,3) (5,1) (0,1). Οι διαγραμμένοι κόμβοι διαγράφηκαν γιατί ήταν στη λίστα εισόδου.

14 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα εισόδου Οπισθοδ ρόμηση 0 (0,0) (0,0) (0,0) 1 (0,3) (5,0) (0,3) (0,0) (0,3) (5,0) 2 (5,0) (3,0) (5,3) (5,0) (0,0) (0,3) (5,0) (3,0) (5,3) 3 (3,0) (5,3) (2,3) (3,0) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) 4 (5,3) (2,3) (3,3) (5,3) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) 5 (2,3) (3,3) (2,3) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) 6 (3,3) (2,0) (3,3) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) 7 (2,0) (5,1) (2,0) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) (5,1) 8 (5,1) (0,2) (5,1) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) (5,1) (0,2) 9 (0,2) (0,1) (0,2) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) (5,1) (0,2) (0,1) 10 (0,1) (5,2) (0,1) (0,0) (0,3) (5,0) (3,0) (5,3) (2,3) (3,3) (2,0) (5,1) (0,2) (0,1) (5,2) 11 Κατάσταση Στόχος

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 15 Συνάρτηση πραγματικού κόστους: Αριθμός ενεργειών που εκτελούνται (δηλαδή το κόστος κάθε ακμής είναι ίσο με 1) Ευρετική συνάρτηση εκτιμώμενου κόστους: Ορίζουμε ως ευρετική συνάρτηση, το άθροισμα των απολύτων διαφορών των λίτρων των βάζων σε σχέση με την κατάσταση στόχο: H(X,Y) = X-0 + Y-1 Στον παρακάτω πίνακα βλέπουμε την ευρετική εκτίμηση όλων των κόμβων (καταστάσεων). ΚΟΜΒΟΙ Ευρετική εκτίμηση H(X,Y) = X-0 + Y-1 (0,0) h=1 (5,0) h=6 (0,3) h=2 (5,3) h=7 (2,3) h=4 (3,0) h=4 (2,0) h=3 (3,3) h=5 (0,2) h=1 (5,1) h=5 (5,2) h=6 (4,3) h=6 (4,0) h=5 (1,3) h=3 (1,0) h=2 (0,1) h=0 Για παράδειγμα ο κόμβος (5,1) για να φτάσει στον κόμβο στόχο (0,1) έχει πραγματικό κόστος 1 ενώ η ευρετική του εκτίμηση είναι 5. Βλέπουμε ότι δεν ισχύει ο κανόνας της υποεκτίμησης για τον κόμβο (5,1) άρα η ευρετική ΔΕΝ είναι αποδεκτή.

16 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Αλγόριθμος αναζήτησης Α* Η σειρά επέκτασης των κόμβων είναι η εξής: (0,0)1 (0,3)3 (3,0)6 (5,0)7 (2,3)6 (0,3)5 (2,0)6 (0,2)5 (0,3)7 (3,3)8 (3,0)8 (5,1)9 (0,1)5. Το μονοπάτι είναι το εξής: (0,0)1 (0,3)3 (3,0)6 (3,3)8 (5,1)9 (0,1)5. Οι διαγραμμένοι κόμβοι διαγράφηκαν γιατί προϋπήρχαν ήδη στο εκάστοτε μονοπάτι.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 17 Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα επέκτα σης/ εισόδο υ Οπισ θοδρ όμη ση 0 (0,0)1 (0,0)1 1 (0,3)3 (5,0)7 (0,3)3 2 (3,0)6 (5,0)7 (5,3)9 (3,0)6 3 (5,0)7 (3,3)8 (5,3)9 (5,0)9 (5,0)7 4 (2,3)6 (3,3)8 (5,3)9 (5,0)9 (5,3)9 (2,3)6 5 (0,3)5 (2,0)6 (3,3)8 (5,3)9 (5,0)9 (0,3)5 (5,3)9 (5,3)10 6 (2,0)6 (3,3)8 (3,0)8 (5,3)9 (5,0)9 (2,0)6 (5,3)9 (5,3)10 (5,3)11 7 (0,2)5 (3,3)8 (3,0)8 (5,3)9 (5,0)9 (0,2)5 (5,3)9 (5,3)10 (5,3)11 8 (0,3)7 (3,3)8 (3,0)8 (5,3)9 (5,0)9 (0,3)7 (5,3)9 (5,3)10 (5,3)11(5,2)11 9 (3,3)8 (3,0)8 (5,3)9 (5,0)9 (5,3)9 (3,3)8 (3,0)10 (5,3)10 (5,3)11(5,2)11 (5,3)13 10 (3,0)8 (5,1)9(5,3)9 (5,0)9 (5,3)9 (3,0)8 (3,0)10 (5,3)10 (5,3)11(5,2)11 (5,3)11 (5,3)13 11 (5,1)9(5,3)9 (5,0)9 (5,3)9 (3,3)10 (5,1)9 (3,0)10 (5,3)10 (5,3)11(5,2)11 (5,3)11 (5,3)13 12 (0,1)5 (5,3)9 (5,0)9 (5,3)9 (3,3)10 (0,1)5 (3,0)10 (5,3)10(5,3)11(5,2)11(5,3)11 (5,0)11 (5,3)12(5,3)13 13 Κατάσταση Στόχος

18 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Απάντηση 2ης άσκησης Αλγόριθμος Αναρρίχησης σε λόφο Η σειρά επέκτασης των κόμβων είναι η εξής: M(25) E(2) R(0). Το μονοπάτι είναι το εξής: M(25) E(2) R(0). Βλέπουμε ότι ο αλγόριθμος δε βρίσκει το βέλτιστο μονοπάτι γιατί η ευριστική εκτίμηση δεν είναι αποδεκτή.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 19 Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα επέκτασης/ εισόδου Οπισθοδρόμηση 0 M(25) M(25) 1 E(2) B(30) D(35) A(40) E(2) 2 R(0) B(30) D(35) A(40) R(0) 3 Κατάσταση Στόχος

20 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Αλγόριθμος Α* Η σειρά επέκτασης των κόμβων είναι η εξής: M(25) E(3) B(38) E(13) D(39) E(11) R(25). Το μονοπάτι είναι το εξής: M(25) D(39) R(25). Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι, παρόλο που η ευριστική εκτίμηση δεν είναι αποδεκτή.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 21 Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα επέκτασης/ εισόδου Οπισθοδρόμηση 0 M(25) M(25) 1 E(3) B(38) D(39) A(45) E(3) 2 B(38) D(39) R(41) A(45) B(38) 3 E(13) D(39) R(41) A(45) E(13) D(46) A(49) C(50) 4 D(39) R(41) A(45) D(46) D(39) A(49) C(50) R(51) 5 E(11) R(25) R(41) A(45) E(11) D(46) A(49) C(50) R(51) 6 R(25) R(41) A(45) D(46) R(25) R(49) A(49) C(50) R(51) 7 Κατάσταση Στόχος

22 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Αλγόριθμος Ενιαίου (ή ομοιόμορφου) κόστους Η σειρά επέκτασης των κόμβων είναι η εξής: M(0) E(1) D(4) A(5) B(7) B(8) A(9) E(9) D(10) E(10) D(11) E(11) E(15) E(16) C(19) C(20) E(21) E(22) R(25) Το μονοπάτι είναι το εξής: M(0) D(4) R(25). Οι διαγραμμένοι κόμβοι διαγράφηκαν γιατί προϋπήρχαν ήδη στο εκάστοτε μονοπάτι. Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 23 Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) 0 M(0) M(0) 1 E(1) D(4) A(5) B(8) E(1) 2 D(4) A(5) B(8) R(41) D(4) 3 A(5) B(8) E(9) R(25) R(41) A(5) 4 B(7) B(8) E(9) R(25) R(35) R(41) B(7) 5 B(8) E(9) D(10) E(10) C(19) R(25) R(35) R(41) B(8) Λ ί σ Ο πι σ 6 A(9) E(9) D(10) E(10) D(11) E(11) C(19) C(20) A(9) R(25) R(35) R(41) 7 E(9) D(10) E(10) D(11) E(11) C(19) C(20) R(25) E(9) R(35) R(39) R(41) 8 D(10) E(10) D(11) E(11) C(19) C(20) R(25) D(10) R(35) R(39) R(41) R(49) 9 E(10) D(11) E(11) E(15)C(19) C(20) R(25) R(31) E(10) R(35) R(39) R(41) R(49) 10 D(11) E(11) E(15) C(19) C(20) R(25) R(31) D(11) R(35) R(39) R(41) R(49) R(50) 11 E(11) E(15) E(16) C(19) C(20) R(25) R(31) R(32) E(11) R(35) R(39) R(41) R(49) R(50) 12 E(15) E(16) C(19) C(20) R(25) R(31) R(32) E(15) R(35) R(39) R(41) R(49) R(50) R(51) 13 E(16) C(19) C(20) R(25) R(31) R(32) R(35) E(16) R(39) R(41) R(49) R(50) R(51) R(55) 14 C(19) C(20) R(25) R(31) R(32) R(35) R(39) C(19) R(41) R(49) R(50) R(51) R(55) R(56) 15 C(20) E(21) R(25) D(25) R(31) R(32) R(35) R(39) C(20) R(41) R(49) R(50) R(51) R(55) R(56) 16 E(21) E(22) R(25) D(25) D(26) R(31) R(32) R(35) E(21) R(39) R(41) R(49) R(50) R(51) R(55) R(56) 17 E(22) R(25) D(25) D(26) R(31) R(32) R(35) R(39) E(22) R(41) R(49) R(50) R(51) R(55) R(56) R(61) 18 R(25) D(25) D(26) R(31) R(32) R(35) R(39) R(41) R(25) 19 Κατάσταση Στόχος R(49) R(50) R(51) R(55) R(56) R(61) R(62)

24 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Αλγόριθμος πρώτα στο καλύτερο Η σειρά επέκτασης των κόμβων είναι η εξής: M(25) E(2) R(0). Το μονοπάτι είναι το εξής: M(25) E(2) R(0). Βλέπουμε ότι ο αλγόριθμος δε βρίσκει το βέλτιστο μονοπάτι γιατί η ευριστική εκτίμηση δεν είναι αποδεκτή.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 25 Επίπεδο Μέτωπο αναζήτησης (ουρά) Κόμβος (σειρά επέκτασης ή τιμή αποτίμησης κόστους για τον κόμβο) Λίστα επέκτασης/ εισόδου Οπισθοδρόμηση 0 M(25) M(25) 1 E(2) B(30) D(35) A(40) E(2) 2 R(0) B(30) D(35) A(40) R(0) 3 Κατάσταση Στόχος

26 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Απάντηση 3ης άσκησης α) ξεκινώντας από την Oradea και καταλήγοντας στην Hirsova Η αναπαράσταση της κατάστασης και ο χώρος καταστάσεων υλοποιήθηκαν με το αρχείο graphoradea.txt. Στην πρώτη γραμμή του αρχείου είναι ο αριθμός των κόμβων, στη δεύτερη γραμμή η αρχική και η τελική κατάσταση και στις υπόλοιπες γραμμές οι ακμές με το κόστος τους. Κατά βάθος αναζήτηση Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: o s r p b u h. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η στοίβα. Κατά πλάτος αναζήτηση Βλέπουμε ότι ο αλγόριθμος δε βρίσκει το βέλτιστο μονοπάτι αλλά το μονοπάτι: o s f b u h. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά. Αναζήτηση αναρρίχησης σε λόφο Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: o s r p b u h. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά προτεραιότητας. Επειδή στην εκφώνηση της άσκησης η ευριστική εκτίμηση είναι με κατάληξη το bucharest, σαν ευριστική εκτίμηση κάθε κόμβου, υπολογίστηκε το βέλτιστο μονοπάτι αυτού προς την hirsova. Αναζήτηση Α* Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: o s r p b u h. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά προτεραιότητας. Επειδή στην εκφώνηση της άσκησης η ευριστική εκτίμηση είναι με κατάληξη το bucharest, σαν ευριστική εκτίμηση κάθε κόμβου, υπολογίστηκε το βέλτιστο μονοπάτι αυτού προς την hirsova.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 27

28 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ β) ξεκινώντας από την Hirsova και καταλήγοντας στην Oradea Η αναπαράσταση της κατάστασης και ο χώρος καταστάσεων υλοποιήθηκαν με το αρχείο graphhirsova.txt. Στην πρώτη γραμμή του αρχείου είναι ο αριθμός των κόμβων, στη δεύτερη γραμμή η αρχική και η τελική κατάσταση και στις υπόλοιπες γραμμές οι ακμές με το κόστος τους. Κατά βάθος αναζήτηση Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: h u b p r s o. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η στοίβα. Κατά πλάτος αναζήτηση Βλέπουμε ότι ο αλγόριθμος δε βρίσκει το βέλτιστο μονοπάτι αλλά το μονοπάτι: h u b f s o. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά. Αναζήτηση αναρρίχησης σε λόφο Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: h u b p r s o. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά προτεραιότητας. Επειδή στην εκφώνηση της άσκησης η ευριστική εκτίμηση είναι με κατάληξη το bucharest, σαν ευριστική εκτίμηση κάθε κόμβου, υπολογίστηκε το βέλτιστο μονοπάτι αυτού προς την oradea. Αναζήτηση Α* Βλέπουμε ότι ο αλγόριθμος βρίσκει το βέλτιστο μονοπάτι που είναι το: h u b p r s o. Η δομή δεδομένων που χρησιμοποιήθηκε είναι η ουρά προτεραιότητας. Επειδή στην εκφώνηση της άσκησης η ευριστική εκτίμηση είναι με κατάληξη το bucharest, σαν ευριστική εκτίμηση κάθε κόμβου, υπολογίστηκε το βέλτιστο μονοπάτι αυτού προς την oradea.

1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 29

30 1 η ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Βιβλιογραφία Γεώργιος Βούρος, Σημειώσεις Μαθήματος Τεχνητή Νοημοσύνη, Πανεπιστήμιο Πειραιώς, Πειραιάς, Ακαδημαϊκό Έτος 2016 2017. Γεώργιος Βούρος, Διαλέξεις Μαθήματος Τεχνητή Νοημοσύνη, Πανεπιστήμιο Πειραιώς, Πειραιάς, Ακαδημαϊκό Έτος 2016 2017. Γεώργιος Βούρος, Εργαστήριο Μαθήματος Τεχνητή Νοημοσύνη, Πανεπιστήμιο Πειραιώς, Πειραιάς, Ακαδημαϊκό Έτος 2016 2017.