Ε ανάληψη. Χρόνος και όροι. Ιεραρχία. ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. χρονοπρογραµµατισµός εργασιών. ιεραρχικά δίκτυα εργασιών



Σχετικά έγγραφα
Σχεδιασµός και δράση στον πραγµατικό κόσµο

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. δοµή δεδοµένων για κατασκευή ευρετικών συναρτήσεων Ο αλγόριθµος GraphPlan

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Ε ανάληψη. Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. κριτήρια νοηµοσύνης

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 2: Δένδρο αναζήτησης. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Επίλυση προβληµάτων µε αναζήτηση

Επίλυση προβλημάτων με αναζήτηση

Ε ανάληψη. Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. συνεισφορά άλλων επιστηµών στην ΤΝ σήµερα

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. πεπερασµένα χρονικά περιθώρια ανά κίνηση. απευθείας αξιολόγηση σε ενδιάµεσους κόµβους

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Επίλυση συµβολικών προβληµάτων σχεδιασµού ενεργειών

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

Σχεδιασµός. Planning. Το πρόβληµα τουσχεδιασµού

Ε ανάληψη. Α ληροφόρητη αναζήτηση

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

Τεχνητή Νοημοσύνη Ι. Ενότητα 3: Επίλυση Προβλημάτων με Αναζήτηση

Ε ανάληψη. Παιχνίδια παιχνίδια ως αναζήτηση. Βέλτιστες στρατηγικές στρατηγική minimax. Βελτιώσεις κλάδεµα α-β

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

Θεωρία Λήψης Αποφάσεων

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

Εξελιγµένες Τεχνικές Σχεδιασµού

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Τεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα

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

Επεξεργασία Ερωτήσεων

Εισαγωγή στην. Εισαγωγή Σ Β. Αρχεία ευρετηρίου Κατάλογος. συστήματος. Αρχεία δεδομένων

Τεχνητή Νοημοσύνη. 2η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Επεξεργασία Ερωτήσεων

Εισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Εισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Το εσωτερικό ενός Σ Β

ΗΥ Λογική. Διδάσκων: Δημήτρης Πλεξουσάκης Καθηγητής

Επεξεργασία Ερωτήσεων

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

ΚΕΦΑΛΑΙΟ 12: Θεωρία υπολογισµών

Αναζήτηση σε Γράφους. Μανόλης Κουμπαράκης. ΥΣ02 Τεχνητή Νοημοσύνη 1

11.1 Συναρτήσεις. ΚΕΦΑΛΑΙΟ 11: Θεωρία υπολογισµών

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Τεχνητή Νοηµοσύνη. Γεώργιος Βούρος Καθηγητής. Τµήµα Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς.

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

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

Επεξεργασία Ερωτήσεων

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

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

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων

Λογικός Προγραμματισμός

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Περι-γράφοντας... βρόχους

Σειρά Προβλημάτων 5 Λύσεις

ECDL Module 6 Παρουσιάσεις Εξεταστέα Ύλη, έκδοση 5.0 (Syllabus Version 5.0)

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Ασκήσεις μελέτης της 6 ης διάλεξης

Κατώτερα φράγματα Κατώτερο φράγμα: εκτίμηση της ελάχιστης εργασίας που απαιτείται για την επίλυση ενός προβλήματος. Παραδείγματα: Αριθμός συγκρίσεων π

Προβλήματα, αλγόριθμοι, ψευδοκώδικας

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Επίλυση προβληµάτων. Αλγόριθµοι Αναζήτησης

Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Δομή Επανάληψης. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ

Τεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Ε ανάληψη. Προβλήµατα ικανο οίησης εριορισµών ορισµός και χαρακτηριστικά

Διάλεξη 5η: Εντολές Επανάληψης

1.2 Jason BDI Αρχιτεκτονική

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

Ένα παιχνίδι του Stefan Feld ΣΧΕΤΙΚΑ ΜΕ ΤΟ ΠΑΙΧΝΙΔΙ ΠΕΡΙΕΧΟΜΕΝΑ

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Εισαγωγή. Γενική Εικόνα του Μαθήµατος. Το εσωτερικό ενός Σ Β. Εισαγωγή. Εισαγωγή Σ Β Σ Β. Αρχεία ευρετηρίου Κατάλογος συστήµατος Αρχεία δεδοµένων

Εισαγωγή στην πληροφορική

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Συνδυαστική Απαρίθµηση Υπολογισµός (µε συνδυαστικά επιχειρήµατα) του πλήθους των διαφορετικών αποτελεσµάτων ενός «πειράµατος». «Πείραµα»: διαδικασία µ

Διαδικασιακός Προγραμματισμός

Ευφυείς πράκτορες. Πράκτορες και Περιβάλλοντα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις

Επαναληπτικές Διαδικασίες

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

ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ

ΔΙΑΓΩΝΙΣΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ: Γ ΛΥΚΕΙΟΥ HM/NIA: 21/2/2016

Α1. (α). ώστε τον ορισµό του προβλήµατος (Μονάδες 3)

ΜΥΥ105: Εισαγωγή στον Προγραµµατισµό. Εισαγωγή Χειµερινό Εξάµηνο 2014

Εισαγωγή στον Προγραµµατισµό. Διάλεξη 3 η : Επίλυση Προβληµάτων Χειµερινό Εξάµηνο 2011

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

Εισαγωγή στους Αλγορίθμους Ενότητα 11η

Επίλυση Προβλημάτων 1

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Τεχνολογία Λογισµικού Ι Κεφάλαιο 6

Επίλυση Προβλημάτων 1

Transcript:

ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση σε µη Αιτιοκρατικά Πεδία Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης

Ε ανάληψη Χρόνος και όροι χρονοπρογραµµατισµός εργασιών Ιεραρχία ιεραρχικά δίκτυα εργασιών Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 2

Σήµερα Μη αιτιοκρατικά εδία φραγµένη απροσδιοριστία µη φραγµένη απροσδιοριστία Σχεδιασµός σε µη αιτιοκρατικά εδία σχεδιασµός χωρίς αισθητήρες σχεδιασµός υπό συνθήκη Μ. Γ. Λαγουδάκης παρακολούθηση Τµήµα εκτέλεσης ΗΜΜΥ Πολυτεχνείο και επανασχεδιασµός Κρήτης Σελίδα 3 συνεχής σχεδιασµός

Μη Αιτιοκρατικά Πεδία Non-Deterministic Domains

Αιτιοκρατικότητα (Determinism) Αιτιοκρατικά εριβάλλοντα ο κόσµος λειτουργεί µε προβλέψιµο τρόπο ένα σειριακό πλάνο µπορεί να σχεδιαστεί πλήρως εκ των προτέρων ένα πλάνο µπορεί να εκτελεστεί µε «κλειστά µάτια» εκ των υστέρων Μη αιτιοκρατικά εριβάλλοντα ο κόσµος λειτουργεί µε κάποια αβεβαιότητα Μ. Γ. Λαγουδάκης µόνο «πολύπλοκα» Τµήµα πλάνα ΗΜΜΥ µπορούν Πολυτεχνείο να σχεδιαστούν Κρήτης εκ των Σελίδα προτέρων 5 «πολύπλοκα» πλάνα γενικά εκτελούνται µόνο µε «ανοικτά µάτια» οι αισθήσεις παρέχουν πληροφορίες κατά την εκτέλεση ο βαθµός παρατηρησιµότητας παίζει σηµαντικό ρόλο

Α ροσδιοριστία (Indeterminacy) Α ροσδιοριστία (indeterminacy) οι ενέργειες έχουν απόβλεπτες επιδράσεις Φραγµένη (bounded) α ροσδιοριστία οι δυνατές επιδράσεις είναι γνωστές και απαριθµήσιµες µπορούν να καταγραφούν στα αξιώµατα των ενεργειών παράδειγµα: ρίψη κέρµατος κορώνα ή γράµµατα Μ. Γ. Λαγουδάκης Μη φραγµένη Τµήµα (unbounded) ΗΜΜΥ Πολυτεχνείο α ροσδιοριστία Κρήτης Σελίδα 6 οι δυνατές επιδράσεις είναι άγνωστες ή µη απαριθµήσιµες απαιτείται η δυνατότητα άµεσης αναθεώρησης πλάνων παράδειγµα: ελεύθερη βολή στην καλαθοσφαίριση, οδήγηση

Σχεδιασµός για Φραγµένη Α ροσδιοριστία Σχεδιασµός χωρίς αισθητήρες (sensorless planning) ή αλλιώς, σύµµορφος σχεδιασµός (conformant planning) πλάνο ανεξάρτητο από αρχική κατάσταση ή αποτελέσµατα ενεργειών εξαναγκασµός (coercion): εξασφάλιση επίτευξης στόχου ο εξαναγκασµός δεν είναι πάντοτε εφικτός Σχεδιασµός υ ό συνθήκη (conditional planning) Μ. Γ. Λαγουδάκης ή αλλιώς, σχεδιασµός Τµήµα µε ΗΜΜΥ ενδεχόµενα Πολυτεχνείο (contingency Κρήτης planning) Σελίδα 7 υπό συνθήκη πλάνα µε διακλαδώσεις για διαφορετικά ενδεχόµενα αισθητήριες ενέργειες (sensing actions) για εξακρίβωση συνθηκών το µέγεθος του πλάνου αυξάνει εκθετικά

Σχεδιασµός για Μη Φραγµένη Α ροσδιοριστία Παρακολούθηση εκτέλεσης και ε ανασχεδιασµός (execution monitoring and replanning) κατασκευή αρχικού πλάνου και εκτέλεση παρακολούθηση εκτέλεσης και αναθεώρηση κατά περίπτωση δεν είναι απαραίτητη η απαρίθµηση όλων των περιπτώσεων διαπλοκή (interleaving) σχεδιασµού και εκτέλεσης Μ. Γ. Λαγουδάκης Συνεχής σχεδιασµός Τµήµα ΗΜΜΥ (continuous Πολυτεχνείο planning) Κρήτης Σελίδα 8 πράκτορας σχεδιασµού για ολόκληρη τη διάρκεια ζωής του χειρίζεται αναπάντεχες συνθήκες, αλλάζει τρόπο δόµησης πλάνων χειρίζεται τη δηµιουργία, µεταβολή, εγκατάλειψη στόχων συνεχής διαδικασία διατύπωσης στόχων (goal formulation)

δεδοµένα: ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 ζητούµενο: Βάψιµο πάρε κουτιά να βαφούν µπογιά, το τραπέζι και η καρέκλα αγνώστου ίδιο χρώµατος Τρα εζιού και Καρέκλας Πρόβληµα κοίταξε αν ένα κουτί µπογιά, βάψε και τα δύο έπιπλα στο ίδιο χρώµα διαφορετικά το χρώµα των επίπλων, αν είναι το ίδιο, τερµάτισε Σχεδιασµός χωρίς αισθητήρες αρχικό υπάρχει κουτί βάψε µε και το τα χρώµα δύο έπιπλα ενός επίπλου, στο ίδιο τότε χρώµα βάψε και το άλλοστο ίδιο Σχεδιασµός υ ό συνθήκη Μ. Γ. Λαγουδάκης χειρισµός πλάνο απροσδιοριστίας, µε κάποιες διακλαδώσεις, Τµήµα ΗΜΜΥ τροποποίηση δηµιουργία Πολυτεχνείο µε βάση µακροπρόθεσµους στην πορεία, έλεγχος Κρήτης Σελίδα στόχους 9 Ε ανασχεδιασµός Συνεχής σχεδιασµός

Σχεδιασµός χωρίς Αισθητήρες Sensorless Planning

Προβλήµατα χωρίς Αισθητήρες Χαρακτηριστικά γνωστός πεποίθηση: ο χώρος κατάστασης και αποτελέσµατα των ενεργειών άγνωστη ενέργειες: η τρέχουσα µεταβάσεις το υποσύνολο κατάσταση µεταξύ των πεποιθήσεων (ένωση όπου µπορεί ατοµικών να βρίσκεται µεταβάσεων) Αντιµετώ ιση συλλογισµός σύνολα καταστάσεων, όχι µε απλές καταστάσεις χώρος πεποιθήσεων (beliefs): δυναµοσύνολο χώρου καταστάσεων Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 11 αρχικοποίηση: πεποίθηση µε όλες τις πιθανές καταστάσεις επίλυση: σχεδιασµός στο χώρο των πεποιθήσεων στόχος: πεποίθηση όπου όλες οι καταστάσεις είναι στόχοι

επιλογή ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 αρχική κάποιας ενέργειας για Ενέργειες χωρίς Αισθητήρες αποκλεισµό κάποιων καταστάσεων Εξαναγκασµός ενέργεια: {1,2,3,4,5,6,7,8} επόµενη εξιά Παράδειγµα... πεποίθηση: Αναρρόφηση{2,4,6,8} {4,8} µικρόκοσµου Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 12

Μικρόκοσµος Σκού ας χωρίς Αισθητήρες Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 13

Σχεδιασµός υ ό Συνθήκη σε Πλήρως Παρατηρήσιµα Περιβάλλοντα Conditional Planning in Fully Observable Domains

Μη Αιτιοκρατικές Ενέργειες ιαζευκτικές ε ιδράσεις (disjunctive effects) διάζευξη των διαφορετικών ενδεχοµένων Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: ΣεΑ Σε ) Ε ιδράσεις υ ό συνθήκη (conditional effects) εξάρτηση επίδρασης από την κατάσταση Action( Αναρρόφηση, Προϋποθέσεις:, Μ. Γ. Λαγουδάκης Επιδράσεις: Τµήµα (when ΗΜΜΥ ΣεΑ: Πολυτεχνείο ΚαθαρόΑ) (when Κρήτης Σε : Καθαρό ) Σελίδα 15 ) Συνδυασµός διαζευτικές και υπό συνθήκη επιδράσεις Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: ΣεΑ (ΣεΑ when ΚαθαρόΑ: ΚαθαρόΑ) )

π.χ. if ΣεΑ ΚαθαρόΑthen εξιάelseαναρρόφηση Πλάνα υ ό Συνθήκη Υ ό συνθήκη βήµατα (conditional steps) if <έλεγχος> then λάνο_α else λάνο_β Υ ό συνθήκη λάνα (conditional plans) ένθεση υπό συνθήκη βηµάτων πλάνα που λειτουργούν ανεξάρτητα... Μ. Γ. Λαγουδάκης Τµήµα... από ΗΜΜΥ το πραγµατικό Πολυτεχνείο αποτέλεσµα Κρήτης των Σελίδα ενεργειών 16 Αναλογία ανταγωνιστικά παιχνίδια µεταξύ δύο παικτών στρατηγική που λαµβάνει υπόψη όλες τις κίνησεις του αντιπάλου µη αιτιοκρατικός σχεδιασµός: παιχνίδια ενάντια στη φύση

Μικρόκοσµος Αναξιό ιστης Σκού ας Αναξιό ιστη σκού α αφήνει βρωµιές όταν µετακινείται σε καθαρή θέση αφήνει βρωµιές όταν εκτελείται αναρρόφηση σε καθαρό τετράγωνο Πρόβληµα αρχική κατάσταση: Σε ΚαθαρόΑ Καθαρό στόχος: ΣεΑ ΚαθαρόΑ Καθαρό Μ. Γ. Πλάνο Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 17 [Αριστερά, if ΣεΑ ΚαθαρόΑ Καθαρό then [ ] else Αναρρόφηση]

Πλάνο Υ ό Συνθήκη Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 18

Εύρεση Πλάνου υ ό Συνθήκη Πλάνο-λύση υποδένδρο µε κατάσταση στόχου σε κάθε φύλλο επιλέγει µία µόνο ενέργεια ανά κατάσταση περιλαµβάνει όλα τα ενδεχόµενα των επιλεγµένων ενεργειών Παραλλαγή του αλγορίθµου minimax οι κόµβοι ΜΑΧ γίνονται κόµβοι OR Μ. Γ. Λαγουδάκης οι κόµβοι ΜΙΝ Τµήµα γίνονται ΗΜΜΥ κόµβοι Πολυτεχνείο AND Κρήτης Σελίδα 19 επιστροφή ολόκληρου του υποδένδρου (πλάνου υπό συνθήκη) Αναλογία γραφήµατα AND-OR για προτασιακό συµπερασµό

function function return Αλγόριθµος AND-OR-GRAPH-SEARCH(problem)returns a conditional plan orfailure Υ ό Συνθήκη Σχεδιασµού if GOAL-TEST[problem](state) OR-SEARCH(INITIAL-STATE[problem], OR-SEARCH(state, problem, then path)returns returnthe empty problem, a conditional []) plan orfailure function for return for if plan stateis plani OR-SEARCH(si,problem,path eachsiin plan failurethen action, AND-SEARCH(state_set,problem, on state_setin path AND-SEARCH(state_set, state_setdo return[action SUCCESSORS[problem](state) returnfailure problem, plan] ) path)returns [state plan]) do a conditional plan orfailure Μ. Γ. Λαγουδάκης return if plan= [ ifs1thenplan1elseifs2thenplan2else failure Τµήµα returnfailure ΗΜΜΥ Πολυτεχνείο ifsn-1thenplann-1elseplann] Κρήτης Σελίδα 20

Κυκλικές Λύσεις Βρόχοι ενέργειες που πιθανόν δεν έχουν επιδράσεις απόπειρα επιδιόρθωσης µιας µη επιδιωκόµενης επίδρασης Αλγόριθµος AND-OR αν βρεθεί επαναλαµβανόµενη κατάσταση, επιστρέφει αποτυχία δε σηµαίνει ότι δεν υπάρχει λύση! Μ. Γ. Λαγουδάκης Κυκλικά λάνα Τµήµα υ ό ΗΜΜΥ συνθήκη Πολυτεχνείο Κρήτης Σελίδα 21 πλάνα µε συνθήκες και βρόχους απαραίτητα για «εγγύηση» επιτυχίας Ε έκταση ανα αράστασης λάνων ετικέττες που δηλώνουν σηµεία µετάβασης

ΠλάνοΠαράδειγµα Κυκλικής Λύσης [L1: Αριστερά, if Σε then L1 else if ΚαθαρόΑ then [] else Αναρρόφηση] Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Η δεν µετακίνηση Πολυτεχνείο πετυχαίνει αριστερά πάντα. Κρήτης Σελίδα 22

Σχεδιασµός υ ό Συνθήκη σε Μερικώς Παρατηρήσιµα Περιβάλλοντα Conditional Planning in Partially Observable Domains

πεποίθηση: ενέργειες: αισθήσεις: µεταβάσεις διαµέριση το υποσύνολο των µεταξύ καταστάσεων των πεποιθήσεων καταστάσεων συµβατές (ένωση όπου µπορεί ατοµικών και µη να συµβατές βρίσκεται µεταβάσεων) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 24 Πε οιθήσεις Καταστάσεις ε οίθησης (belief states) συλλογισµός µε σύνολα καταστάσεων, όχι µε απλές καταστάσεις χώρος πεποιθήσεων (beliefs): δυναµοσύνολο χώρου καταστάσεων κατάσταση πεποίθησης: καταστάσεις συµβατές µε τις αισθήσεις η κατάσταση πεποίθησης είναι πάντοτε πλήρως παρατηρήσιµη! Ιδέες επίλυση: υπό συνθήκη σχεδιασµός στο χώρο των πεποιθήσεων στόχος: πεποίθηση όπου όλες οι καταστάσεις είναι στόχοι

Μικρόκοσµος Σκού ας Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 25

Περιγραφή Πε οιθήσεων Α αρίθµηση καταστάσεων {(Σε ΚαθαρόΑ Καθαρό ), (Σε ΚαθαρόΑ Καθαρό )} εκθετικά µεγάλες περιγραφές Λογικές ροτάσεις Σε Μ. Γ. Λαγουδάκης 2n 2 Καθαρό [µη µοναδικότητα αναπαράστασης] περιοριστική κανονική µορφή: µόνο σύζευξη λεκτικών Προτάσεις γνώσης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 26 K(Σε ) K(Καθαρό ) [K(*) = γνωρίζει ότι *] περιοριστική αναπαράσταση, ισοδύναµη µε σύζευξη λεκτικών Περιορισµός ανα αράστασης πεποιθήσεις, όµως 3nαναπαραστάσεις για n σύµβολα

Αισθητήριες ενέργειες Αυτόµατη αίσθηση λαµβάνονται όλες οι διαθέσιµες αισθήσεις Action( Αριστερά, Προϋποθέσεις: Σε, Επιδράσεις: K(ΣεΑ) K(Σε ) when Καθαρό : K(Καθαρό ) when ΚαθαρόΑ: K(ΚαθαρόΑ) when ΚαθαρόΑ: K( ΚαθαρόΑ) ) Ενεργητική αίσθηση Μ. Γ. Λαγουδάκης λαµβάνονται Τµήµα επιλεκτικά ΗΜΜΥ αισθήσεις Πολυτεχνείο µέσω ειδικών Κρήτης ενεργειών Σελίδα 27 Action( ΈλεγξεΒρωµιά, Επιδράσεις: when ΣεΑ ΚαθαρόΑ: K(ΚαθαρόΑ) when ΣεΑ ΚαθαρόΑ: K( ΚαθαρόΑ) when Σε Καθαρό : K(Καθαρό ) when Σε Καθαρό : K( Καθαρό ) )

Παρακολούθηση Εκτέλεσης και Ε ανασχεδιασµός Execution Monitoring and Replanning

όλο και κάποιο ενδεχόµενο δεν έχει ληφθεί υπ όψιν στις συνθήκες παρακολούθηση πλάνου: επαλήθευση υπόλοιπου πλάνου Ε ανασχεδιασµός Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 29 σχεδιασµός νέου πλάνου όταν αποτυγχάνει η επαλήθευση προσπάθεια επιδιόρθωσης τρέχοντος πλάνου ουσιαστικά, αρκεί να βρίσκει µόνο την αµέσως επόµενη ενέργεια Παρακολούθηση και Ε ανασχεδιασµός Παρακολούθηση εκτέλεσης έλεγχος αν τα πάντα προχωρούν σύµφωνα µε το πλάνο αιτία: πραγµατικός κόσµος µη φραγµένη απροσδιοριστία παρακολούθηση ενεργειών: επαλήθευση επόµενης ενέργειας

function static:kb, REPLANNING-AGENT(percept)returns ΠΛΗ knowledge 405 Τεχνητή base (+ action Νοηµοσύνη descriptions) an action 2006 Πράκτορας Ε ανασχεδιασµού current goal, whole_plan, a goal plan,initially a plan,initially [] [] if TELL(KB, plan= PRECONDITIONS(FIRST(plan)) MAKE-PERCEPT-SENTENCE(percept,t)) candidates whole_plan STATE-DESCRIPTION(KB,t) [] then SORT(whole_plan,ordered plan PLANNER(current,goal, not currently by distance KB) true to in current) KB then Μ. Γ. Λαγουδάκης return whole_plan continuation find POP(plan) statesin failure plan APPEND(repair, the repair candidatessuch tail PLANNER(current, of whole_planstarting that s, ats KB) Τµήµα ΗΜΜΥ Πολυτεχνείο continuation) Κρήτης Σελίδα 30

Παρακολούθηση και Ε ανασχεδιασµός Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 31

Init(Color(Chair, ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006 Παράδειγµα Goal(Color(Chair,x) PaintCan(BC) ContainsColor(RC,Red) Blue) Color(Table,x)) Color(Table,Green) PaintCan(RC)) ContainsColor(BC,Blue) Ε ανασχεδιασµού Πρόβληµα Action(Open(can) Action(Paint(object, EFFECT: PRECOND:HavePaint(color) Color(object, color)) Μ. Γ. Λαγουδάκης Αρχικό: PRECOND: PaintCan(can) ContainsColor(can,color) Επιδιορθωµένο: EFFECT: [Start;Open(BC),Paint(Table,Blue), HavePaint(color)) Τµήµα [Paint(Table,Blue), ΗΜΜΥ Πολυτεχνείο Finish] [Finish] Finish] [Finish] Κρήτης Σελίδα 32 Πλάνα

Παρακολούθηση Ενεργειών και Πλάνου Παρακολούθηση ενεργειών βραχυπρόθεσµες επιδιορθώσεις π.χ. βαφή µε µπογιά που δεν επαρκεί και για τα δύο έπιπλα χρήσιµη, αλλά ανεπαρκής για ευφυή συµπεριφορά Παρακολούθηση λάνου µακροπρόθεσµες επιδιορθώσεις Μ. Γ. Λαγουδάκης ελέγχει όλες τις Τµήµα προϋποθέσεις ΗΜΜΥ Πολυτεχνείο του εναποµείναντος Κρήτης πλάνου Σελίδα 33 απαιτείταικαταγραφή των προϋποθέσεων σε κάθε σηµείο του πλάνου µπορεί να αποτρέψει από νωρίς αποτυχίες, αδιέξοδα,... µπορεί να εκµεταλλευθεί πιθανή εύνοια της τύχης!

Συνεχής Σχεδιασµός Continuous Planning

Πράκτορας Συνεχούς Σχεδιασµού Χαρακτηριστικά βρίσκεται µόνιµα εν µέσω του µεγάλου πλάνου της ζωής του εναλλασσόµενες φάσεις διατύπωσης στόχων, σχεδιασµού, εκτέλεσης ραστηριότητες διαρκής παρακολούθηση του κόσµου συνεχής ενηµέρωση της βάσης γνώσης Μ. Γ. Λαγουδάκης διατύπωση νέων Τµήµα στόχων, ΗΜΜΥ διαγραφή/µεταβολή Πολυτεχνείο Κρήτης παλαιών στόχων Σελίδα 35 σχεδιασµός ή επανασχεδιασµός για τους τρέχοντες στόχους βελτίωση ή τροποποίηση τρέχοντος πλάνου εκτέλεση ενεργειών τρέχοντος πλάνου

Παράδειγµα Συνεχούς Σχεδιασµού Αρχική κατάσταση Στόχος Ε ί(c, D) Ε ί(d, B) Αρχικό λάνο Μ. Γ. Λαγουδάκης Αρχή=παρόν, Τέλος=µέλλον Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 36

Παράδειγµα Συνεχούς Σχεδιασµού Εξωτερική ε έµβαση πριν την έναρξη εκτέλεσης, κάποιος µετακινεί τον D πάνω στον Β Μ. Νέο Γ. Λαγουδάκης λάνο Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 37

Παράδειγµα Συνεχούς Σχεδιασµού Ε έκταση αιτιολογικού συνδέσµου το Ε ί(d,b) υποστηρίζεται από την αρχική κατάσταση η ενέργεια Μετακίνηση(D,B) δεν χρειάζεται πλέον και καταργείται Νέο λάνο Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 38

Παράδειγµα Συνεχούς Σχεδιασµού Αβεβαιότητα εκτελείται η ενέργεια Μετακίνηση(C,D) όµως αποτυγχάνει...... και ο κύβος C τοποθετείται πάνω στον Α... Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 39 Νέο λάνο

Παράδειγµα Συνεχούς Σχεδιασµού τροποποίηση: προστίθεται νέα ενέργεια στο πλάνο ο στόχος αυτή τη φορά επιτυγχάνεται Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 40

Παράδειγµα Συνεχούς Σχεδιασµού Νέο λάνο όλοι οι στόχοι ικανοποιούνται από την τρέχουσα κατάσταση διαγράφονται οι στόχοι από το Τέλος Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 41

Πράκτορας Συνεχούς Σχεδιασµού Βασική ιδέα εντόπισε ένα σηµείο του πλάνου που χρήζει επιδιόρθωσης επιδιόρθωσε το σφάλµα πλάνου (plan flaw) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 42

Α αλοιφή Σφαλµάτων Πλάνου Α ουσία στόχου διατύπωση νέων στόχων Ανοικτές ροϋ οθέσεις προσθήκη αιτιολογικού συνδέσµου Αιτιολογικές συγκρούσεις περιορισµός διάταξης ή περιορισµός µεταβλητής Μη υ οστηριζόµενος σύνδεσµος Μ. Γ. Λαγουδάκης κατάργηση του Τµήµα συνδέσµου ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 43 Πλεονάζουσες και ανεκτέλεστες ενέργειες κατάργηση της ενέργειας και είτε αγνόηση, είτε εκτέλεση Περιττός ιστορικός στόχος κατάργηση των στόχων

Μελέτη Σύγγραµµα ενότητες 12.3 12.6 Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 44

Ανακεφαλαίωση

Το µάθηµα Στόχοι αντιµετώπιση δύσκολων πρακτικών προβληµάτων τεχνικές και εργαλεία µε ευρεία εφαρµογή γνωριµία µε ένα χώρο που εξελίσσεται από τη δεκαετία του 50 περισσότερο αριθµητικές, λιγότερο λογικές µέθοδοι Οφέλη Μ. Γ. Λαγουδάκης εµπειρία µε Τµήµα ευριστικούς ΗΜΜΥ αλγορίθµους Πολυτεχνείο για Κρήτης δύσκολα προβλήµατα Σελίδα 46 εκτίµηση δυσκολίας τεχνητής νοηµοσύνης προετοιµασία για διπλωµατικές, µεταπτυχιακά ενδιαφέρουσα και ανοικτή ερευνητική περιοχή

Θεµατική Ύλη Μαθήµατος Πράκτορες αλληλεπίδραση µε το περιβάλλον Αναζήτηση επίλυση προβληµάτων στόχου απληροφόρητη, πληροφορηµένη, υπό αντιπαλότητα,... Λογική Μ. Γ. Λαγουδάκης προτασιακή Τµήµα λογική ΗΜΜΥ και λογική Πολυτεχνείο πρώτης τάξης Κρήτης Σελίδα 47 αναπαράσταση γνώσης και συµπερασµός Σχεδιασµός εύρεση πλάνου ενεργειών για την επίτευξη κάποιου στόχου συνδυασµός λογικής (αναπαράσταση) και αναζήτησης (επίλυση)

ιαδικαστικά Εργασίες δύο σειρές γραπτών ασκήσεων (µε λίγο προγραµµατισµό) µία εργασία προγραµµατισµού (Othello) Τελική γρα τή εξέταση ηµεροµηνία: Τετάρτη 31 Ιανουαρίου 2007 αίθουσα: Α2 (ξύλινο) και Β1.001 ώρα: 8:00 µ 11:00 µ Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 48 τυπικότητες: ταυτότητα, φοιτητικό πάσο, διαβατήριο,... Υλικό εξέτασης Russell and Norvig, Τεχνητή Νοηµοσύνη: Μια Σύγχρονη Προσέγγιση διαφάνειες διαλέξεων, σηµειώσεις δικές σας, γραπτές ασκήσεις

Μελέτη Κεφάλαιο 1 ενότητες 1.1 1.5 Κεφάλαιο 2 ενότητες 2.1 2.5 Κεφάλαιο 3 ενότητες 3.1 3.7 Κεφάλαιο 4 Μ. Γ. Λαγουδάκης ενότητες 4.1 Τµήµα 4.3, ΗΜΜΥ (4.4, 4.5), Πολυτεχνείο 4.6 Κρήτης Σελίδα 49 Κεφάλαιο 5 ενότητες 5.1 5.5 Κεφάλαιο 6 ενότητες 6.1 6.8

Μελέτη Κεφάλαιο 7 ενότητες 7.1 7.8 Κεφάλαιο 8 ενότητες 8.1 8.5 Κεφάλαιο 9 ενότητες 9.1 9.6 Κεφάλαιο 10 Μ. Γ. Λαγουδάκης ενότητες 10.1 Τµήµα 10.6, ΗΜΜΥ (10.7, Πολυτεχνείο 10.8), 10.9 Κρήτης Σελίδα 50 Κεφάλαιο 11 ενότητες 11.1 11.7 Κεφάλαιο 12 ενότητες 12.1 12.6, (12.7), 12.8

Βαθµολόγηση Θεωρία (40%) τελική γραπτή εξέταση υποχρεωτική τουλάχιστον 5/10 Πράξη (60%) γραπτές ασκήσεις (30%) Μ. Γ. Λαγουδάκης εργασία προγραµµατισµού Τµήµα ΗΜΜΥ Πολυτεχνείο (30%) Κρήτης Σελίδα 51 υποχρεωτικές ουσιαστικά Ε αναλη τική εξετάση αναπλήρωση της τελικής εξέτασης µόνο ασκήσεις και εργασία κατοχυρώνονται µέχρι Σεπτέµβριο 2007

Στατιστικά Στοιχεία Μάθηµα 41 ώρες διαλέξεων 678 διαφάνειες Συµµετοχή 176 εγγεγραµµένοι 2 30 παρόντες Μ. Γ. Λαγουδάκης 27 παρέδωσαν Τµήµα την ΗΜΜΥ 1η άσκηση Πολυτεχνείο Κρήτης Σελίδα 52?? παρέδωσαν τη 2η άσκηση 17 παρέδωσαν την εργασία προγραµµατισµού

Καλή Εξεταστική! Καλή Ε ιτυχία! Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 53