PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

Σχετικά έγγραφα
PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ"

1 ο Φροντιστήριο Υπολογιστική Νοημοσύνη 2

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης. ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης.

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο

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

Τεχνητά Νευρωνικά Δίκτυα. Τσιριγώτης Γεώργιος Τμήμα Μηχανικών Πληροφορικής ΤΕΙ Ανατολικής Μακεδονίας & Θράκης

ΠΡΟΒΛΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΕΡΓΩΝ ΔΙΟΙΚΗΣΗ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ - ΠΡΟΒΛΗΜΑΤΑ

6 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

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

Το μοντέλο Perceptron

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

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

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης

Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή

PROJECT ΣΤΟ ΜΑΘΗΜΑ ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟ ΟΥΣ

5. Απλή Ταξινόμηση. ομές εδομένων. Χρήστος ουλκερίδης. Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων

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

Ασκήσεις μελέτης της 19 ης διάλεξης

Project Crashing & Resource Management Assignment 3 - Λύσεις

Τυπικά θέματα εξετάσεων. ΠΡΟΣΟΧΗ: Οι ερωτήσεις που παρατίθενται ΔΕΝ καλύπτουν την πλήρη ύλη του μαθήματος και παρέχονται απλά ενδεικτικά

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Ακαδημαϊκό έτος Α εξάμηνο (χειμερινό)

Νευρωνικά ίκτυα και Εξελικτικός. Σηµερινό Μάθηµα. επανάληψη Γενετικών Αλγορίθµων 1 η εργασία Επανάληψη νευρωνικών δικτύων Ασκήσεις εφαρµογές

Ε ανάληψη. Α ληροφόρητη αναζήτηση

Εισαγωγή στους Νευρώνες. Κυριακίδης Ιωάννης 2013

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 4 o Φροντιστήριο

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 2ο Φροντιστήριο

4 η ΕΝΟΤΗΤΑ ΜΕΤΑΕΥΡΕΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΕΠΙΛΥΣΗΣ ΠΡΟΒΛΗΜΑΤΩΝ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

Υπολογιστική Νοημοσύνη. Μάθημα 12: Παραδείγματα Ασκήσεων 2

Ασκήσεις ανακεφαλαίωσης στο μάθημα Τεχνητή Νοημοσύνη

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 3ο Φροντιστήριο

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

Διαδικασιακός Προγραμματισμός

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Ακαδημαϊκό έτος Α εξάμηνο (χειμερινό)

Πανεπιστήµιο Κύπρου Πολυτεχνική Σχολή

Ειδικής Υποδομής Υποχρεωτικό

Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Θεωρία Λήψης Αποφάσεων

ΠΡΟΓΡΑΜΜΑ ΠΡΟΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

Πρόταση για Ανασχηματισμό του Προγράμματος Προπτυχιακών Σπουδών της ΣΗΜΜΥ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον Λύσεις Θεμάτων Επαναληπτικών Εξετάσεων Ενιαίου Λυκείου 2015

Μοντέλο Perceptron πολλών στρωμάτων Multi Layer Perceptron (MLP)

Ηλεκτρονικοί Υπολογιστές IV

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Θεµελίωση Γενετικών Αλγορίθµων

Βασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

ΟΜΟΣΠΟΝΔΙΑ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑΔΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2018 Β ΦΑΣΗ

Πληροφοριακά Συστήματα & Περιβάλλον

Τεχνητή Νοημοσύνη. 5η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο Ένα συνδυαστικό κύκλωµα µπορεί να περιγραφεί από: Φεβ-05. n-είσοδοι

Φροντιστήρια Επίγνωση Προτεινόμενα Θέματα Πανελλαδικών ΑΕΠΠ 2015

ΑΣΚΗΣΗ 3 ΣΥΝΔΥΑΣΤΙΚΑ ΛΟΓΙΚΑ ΚΥΚΛΩΜΑΤΑ: ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΗ

ΑΣΚΗΣΗ 1 ΛΟΓΙΚΕΣ ΠΥΛΕΣ

ΦΡΟΝΤΙΣΤΗΡΙΟ ΦΑΣΜΑ 21/4/2013

4.3. Γραµµικοί ταξινοµητές

Η εκπόνηση της εργασίας θα γίνει σε ομάδες των 2-3 ατόμων

Ιεραρχία Οργανισµών Οι οργανισµοί που ζουν στο οικοσύστηµά µας κατατάσσονται σύµφωνα µε την παρακάτω ιεραρχία: Organisms

ΕΡΩΤΗΜΑΤΑ σε ΝΕΥΡΩΝΙΚΑ

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον Λύσεις Θεμάτων Εξετάσεων Ενιαίου Λυκείου 2004

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές

Η άσκηση μπορεί να γίνει με συνεργασία το πολύ δυο φοιτητών, οι οποίοι θα λάβουν τον ίδιο βαθμό στην εργασία.

ΠΡΟΣΟΜΟΙΩΣΗ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ Γʹ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΕΠΠ ΤΡΙΤΗ 18 ΑΠΡΙΛΙΟΥ 2017 ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΕΠΤΑ (7)

ΜΑΘΗΜΑ / ΤΑΞΗ : ΑΕΠΠ/Γ ΟΙΚΟΝΟΜΙΚΩΝ & ΠΛΗΡΟΦΟΡΙΚΗΣ-ΘΕΡΙΝΑ ΗΜΕΡΟΜΗΝΙΑ: 12/11/2017 ΕΠΙΜΕΛΕΙΑ ΔΙΑΓΩΝΙΣΜΑΤΟΣ: ΚΑΤΡΑΚΗ Α.-ΣΙΟΤΡΟΠΟΣ Π.-ΛΙΟΔΑΚΗΣ Ε.

Προγραμματισμός Ηλεκτρονικών Υπολογιστών 1

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ

ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΔΟΚΙΜΑΣΙΑ

ΑΣΚΗΣΗ 8 η -9 η ΣΧΕΔΙΑΣΗ ΑΡΙΘΜΗΤΙΚΗΣ ΛΟΓΙΚΗΣ ΜΟΝΑΔΑΣ ΤΕΣΣΑΡΩΝ ΔΥΑΔΙΚΩΝ ΨΗΦΙΩΝ

Πληροφορική 2. Τεχνητή νοημοσύνη

ΣΕΙΡΑ: ΗΜΕΡΟΜΗΝΙΑ: 05/03/2012 ΑΠΑΝΤΗΣΕΙΣ. ΘΕΜΑ Α Α1. Α2. 1. ΣΩΣΤΟ 1 στ 2. ΛΑΘΟΣ 2 δ 3. ΣΩΣΤΟ 3 ε 4. ΛΑΘΟΣ 4 β 5. ΣΩΣΤΟ 5 γ

ΘΕΜΑ Α. Μονάδες 10 Α2.

ΠΡΟΓΡΑΜΜΑ ΠΡΟΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

Προγραμματισμός Η/Υ. Προτεινόμενα θέματα εξετάσεων Εργαστήριο. Μέρος 1 ό. ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής

Αντικείμενα 4 ου εργαστηρίου

ΕΤΟΣ A (ΕΞΑΜΗΝΟ 2 ο )

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

4/10/2008. Στατικές πύλες CMOS και πύλες με τρανζίστορ διέλευσης. Πραγματικά τρανζίστορ. Ψηφιακή λειτουργία. Κανόνες ψηφιακής λειτουργίας

γραπτή εξέταση στο μάθημα

ΕΠΛ131 Αρχές Προγραμματισμού Ι

Υλοποιώντας λογικές πύλες χρησιμοποιώντας perceptrons

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ

3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPTRON

ΘΕΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ

Πολυσύνθετες πύλες. Διάλεξη 11

ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ - ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ

Εργαστήριο 6 ο 7 ο / Ερωτήματα Ι

Υφαλμύρινση Παράκτιων Υδροφορέων - προσδιορισμός και αντιμετώπιση του φαινομένου με συνδυασμό μοντέλων προσομοίωσης και μεθόδων βελτιστοποίησης

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

ΠΡΟΓΡΑΜΜΑ ΠΡΟΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

Κεφάλαιο 7. ΕΠΑΛ Σύμης Εφαρμογές πληροφορικής Ερωτήσεις επανάληψης

Τεχνητή Νοημοσύνη. 5η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΧΕΙΜΕΡΙΝΩΝ ΕΞΑΜΗΝΩΝ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ

4 η ΕΝΟΤΗΤΑ. Το MOSFET

Transcript:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ PROJECT ΣΤΟ ΜΑΘΗΜΑ "ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΕΥΡΕΤΙΚΕΣ ΜΕΘΟΔΟΥΣ" ΜΕΡΟΣ ΤΡΙΤΟ Υπεύθυνος Καθηγητής Λυκοθανάσης Σπυρίδων Ακαδημαικό Έτος: 2011-2012

Na απαντήσετε στις ακόλουθες ερωτήσεις: 1. [5%] Νευρωνικά Δίκτυα 1.1 Χρησιμοποιήστε ένα perceptron για να υλοποιήσετε τις λογικές συναρτήσεις NAND και NOR με δύο εισόδους, όπως αυτό φαίνεται στο παρακάτω σχήμα. Καθορίστε τις τιμές των βαρών των συνάψεων καθώς και την συνάρτηση ενεργοποίησης του νευρώνα. Επαληθεύστε το νευρωνικό δίκτυο που δημιουργήσατε για όλους τους δυνατούς συνδυασμούς εισόδων. Εικόνα 3.1. Νευρώνας Perceptron 1.2 Υπολογίστε την έξοδο του νευρώνα C του νευρωνικού δικτύου που παρουσιάζεται στην επόμενη εικόνα. Οι νευρώνες Α και Β δέχονται είσοδο από 5 άλλους νευρώνες των οποίων οι τιμές είναι 6, 6, 2, - 3, 5 για τον νευρώνα Α και 2, -1, 10, 4, -1 για τον νευρώνα Β. Τα αντίστοιχα συναπτικά βάρη του νευρώνα Α είναι w 1A =0.23, w 2A =0.84, w 3A =0.19, w 4A =0.22 και w 5A =0.17 και του νευρώνα Β w 1B =0.22, w 2B =0.43, w 3B =-0.31, w 4B =0.92 και w 5B =0.43. Υπολογίστε την έξοδο του νευρώνα C όταν τα συναπτικά βάρη των δύο εισόδων του είναι w A =0.4 και w B =0.6 αντίστοιχα. Επίσης θεωρούμε πως σε κάθε νευρώνα υπάρχουν είσοδοι κατωφλίων (ίσοι με 1) και βάρος w θ = -1. Ο νευρώνας Α χρησιμοποιεί την σιγμοειδή ως συνάρτηση ενεργοποίησης, ο νευρώνας Β την McCulloch-Pitts και ο νευρώνας C την γραμμική. Γραμμική συνάρτηση ενεργοποίησης: φ(u) = u 1 u 0 Συνάρτηση McCulloch Pits: ( u) 0 u 0 1 Σιγμοειδή συνάρτηση ενεργοποίησης: ( u) 1 exp( u)

Εικόνα 3.2. Νευρωνικό δίκτυο του ερωτήματος 1.2 2. [5%] Γενετικοί Αλγόριθμοι 2.1 Δίνεται ένας πληθυσμός 8 ατόμων ο οποίος παρουσιάζεται στην συνέχεια. Σαν καταλληλότητες αυτών των ατόμων να χρησιμοποιήσετε την αντίστοιχη δεκαδική τιμή τους. Πληθυσμός 00100111 10101010 11000111 01010011 11110000 00111100 00101000 11010101 Ζητείται να εφαρμόσετε όλα τα βήματα του γενετικού αλγορίθμου (επιλογή, διασταύρωση, μετάλλαξη) προκειμένου να δημιουργήσετε τον πληθυσμό της επόμενης γενιάς. Να περιγραφεί λεπτομερώς η διαδικασία όλων των βημάτων και να αναφερθούν τα ενδιάμεσα αποτελέσματα όπου χρειάζεται (πχ. τον προσωρινό πληθυσμό μετά από την εφαρμογή κάθε βήματος, τις αθροιστικές πιθανότητες). Να χρησιμοποιηθεί διασταύρωση διπλού σημείου με πιθανότητα διασταύρωσης ίση με 0.7. Τέλος, να χρησιμοποιηθεί ένα προσαρμοστικό είδος μετάλλαξης στο οποίο η πιθανότητα μετάλλαξης των ψηφίων κάθε ατόμου υπολογίζεται από τον τύπο:

p m = k 2 (f max - f) / (f man - f avg ), f f avg p m = k 4, f f avg όπου f max είναι η μέγιστη και f avg η μέση καταλληλότητα του προσωρινού πληθυσμού εκείνη την στιγμή και f η καταλληλότητα του ατόμου. Να θεωρήσετε k 2 = k 4 = 0.5. Θα χρειαστείτε τυχαίους αριθμούς για να εφαρμόσετε τον γενετικό αλγόριθμο τους οποίους μπορείτε να τους βρείτε παρακάτω. Θα πρέπει να χρησιμοποιηθούν με την σειρά που δίνονται. 0.1622 0.7943 0.3112 0.5285 0.1656 0.6020 0.2630 0.6541 0.6892 0.7482 0.4505 0.0838 0.2290 0.9133 0.1524 0.8258 0.5383 0.9961 0.0782 0.4427 0.1067 0.9619 0.0046 0.7749 0.8173 0.8687 0.0844 0.3998 0.2599 0.8001 0.4314 0.9106 0.1818 0.2638 0.1455 0.1361 0.8693 0.5797 0.5499 0.1450 0.8530 0.6221 0.3510 0.5132 0.4018 0.0760 0.2399 0.1233 0.1839 0.2400 0.4173 0.0497 0.9027 0.9448 0.4909 0.4893 0.3377 0.9001 0.3692 0.1112 0.7803 0.3897 0.2417 0.4039 0.0965 0.1320 0.9421 0.9561 0.5752 0.0598 0.2348 0.3532 0.8212 0.0154 0.0430 0.1690 0.6491 0.7317 0.6477 0.4509 0.5470 0.2963 0.7447 0.1890 0.6868 0.1835 0.3685 0.6256 0.7802 0.0811 0.9294 0.7757 0.4868 0.4359 0.4468 0.3063 0.5085 0.5108 0.8176 0.7948 Επαναλάβετε από την αρχή, αν χρειαστείτε περισσότερους. 3. [5%] Δυναμικός Προγραμματισμός 3.1 Στο παρακάτω διάγραμμα δίνεται ένα TSP 8 πόλεων. Για κάθε ζεύγος πόλεων δίνονται δύο αριθμοί που χωρίζονται με κάθετο. Ο πρώτος αριθμός παρουσιάζει την απόσταση από την πόλη με τον μικρότερο δείκτη μέχρι την πόλη με τον υψηλότερο δείκτη, ενώ ο δεύτερος αριθμός παρουσιάζει την απόσταση στην αντίθετη κατεύθυνση. Να υπολογιστούν μέσω χρήσης του δυναμικού προγραμματισμού:

(α) Η βέλτιστη διαδρομή από την πόλη 1 μέχρι την πόλη 8. (β) Η βέλτιστη διαδρομή από την πόλη 8 μέχρι την πόλη 1. (γ) Η βέλτιστη διαδρομή από την πόλη 1 μέχρι την πόλη 8 και ξανά στην πόλη 1. ΠΑΡΑΤΗΡΗΣΕΙΣ: 1. Οι απαντήσεις σας πρέπει να σταλούν ηλεκτρονικά (μόνο σε.pdf και το όνομα του αρχείου θα έχει τη μορφή: ΧΨ_ΕΕΜ_3 ο, όπου Χ = επώνυμο και Ψ= αρχικό ονόματος) στο: dimitrakopoul@gmail.com, μέχρι τις 08/06/2012 στις 23.59'. 2. Στην αρχή πρέπει να έχετε τα πλήρη στοιχεία σας (ονομ/μο, ΑΜ., Εξάμηνο) και θα πρέπει να έχετε αριθμήσει κατάλληλα τις απαντήσεις σας. 3. Για απορίες θα απευθύνεστε στον κο Δημητρακόπουλο ή την κα Κορφιάτη, Τετάρτη ώρα 15:00-17:00 και Πέμπτη ώρα 11:00-15:00 ή στο forum της σχολής στο αντίστοιχο θέμα.