οµηµένες Αναπαραστάσεις Γνώσης



Σχετικά έγγραφα
Κεφάλαιο 11. Συστήµατα Κανόνων. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

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

οµηµένες Αναπαραστάσεις Γνώσης

Αναπαράσταση Γνώσης και Συλλογιστικές

Συστήματα Βασισμένα σε Γνώση (Knowledge Based Systems)

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 4: Αναπαράστασης Γνώσης και Συλλογιστικής Συστήματα Κανόνων

Διαχείριση Γνώσης. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος

Αναπαράσταση Γνώσης και Συλλογιστικές

Rule Based systems Συστήματα Βασισμένα σε κανόνες

ΚΕΦΑΛΑΙΟ 3 - Συστήματα Κανόνων

Συστήματα Γνώσης. Πρακτικό Κομμάτι Μαθήματος Πρόγραμμα Κίνησης Robot. Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Τμήμα Πληροφορικής

Γνώση. Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος.

Γνώση. Γνώση (knowledge) είναι ο κοινός παράγοντας (π.χ. κανόνες) που περιγράφει συνοπτικά τις συσχετίσεις μεταξύ των δεδομένων ενός προβλήματος.

Πανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ. Ι.

Ευφυής Προγραμματισμός

Π2 Το Σύστηµα Κανόνων CLIPS

Πληροφορική 2. Τεχνητή νοημοσύνη

Δομημένη Αναπαράσταση Γνώσης

Ευφυή Συστήματα Υποστήριξης Αποφάσεων. Δημήτρης Αποστόλου

ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ

Έµπειρα Συστήµατα (Expert Systems)

Θεωρητικές Ασκήσεις. ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος

Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Πληροφορική II. Ενότητα 9 : Τεχνητή νοημοσύνη. Δρ. Γκόγκος Χρήστος

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 15/03/2017 Ζωγραφιστού Δήμητρα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Φροντιστήριο 4: Μορφολογική Παραγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 08/03/2018 Ζωγραφιστού Δήμητρα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

Μορφολογική Παραγωγή. 3 ο φροντιστήριο ΗΥ180 Διδάσκων: Δ. Πλεξουσάκης Τετάρτη 28/02/2019 Ζωγραφιστού Δήμητρα

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

ΠΑΙΓΝΙΑ Παιχνίδια Γενική Θεώρηση μεγιστοποιήσει την πιθανότητά

Συστήματα Γνώσης. Πρακτικό Κομμάτι Μαθήματος Προτεραιότητα Κανόνων και Στρατηγικές Επίλυσης Συγκρούσεων

Εντολές επιλογής Επαναλήψεις (if, switch, while)

ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Λογικός Προγραμματισμός

Προγραµµατισµός Η/Υ. Μέρος2

Επίλυση Προβλημάτων 1

Ανάπτυξη εφαρμογών/ Βασικές γνώσεις/ πρώτο θέμα ΕΡΩΤΗΣΕΙΣ ΣΥΝΤΟΜΗΣ ΑΠΑΝΤΗΣΗΣ

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

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ )

ΠΛΗ 405 Τεχνητή Νοηµοσύνη

Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης

Προβλήματα, αλγόριθμοι, ψευδοκώδικας

Δομή Επανάληψης. Κεφάλαιο 7 Mike Trimos

<<ΔΗΜΗΤΡΗΣ ΜΑΝΩΛΗΣ ΦΥΣΙΚΟΣ ΜCs>> 1

Τεχνητή Νοημοσύνη. 9η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

ΠΑΝΕΠΙΣΤΗΜΙΟ AΙΓΑIΟΥ & ΑΕΙ ΠΕΙΡΑΙΑ Τ.Τ. Τμήματα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών & Μηχ. Αυτοματισμού ΤΕ. Εισαγωγή στη Python

Διαβάστε τις οδηγίες και προσέξτε τις παρακάτω πληροφορίες και κρατείστε το παρόν εγχειρίδιο για μελλοντική αναφορά σε αυτό.

Βυζαντινός Ρεπαντής Κολλέγιο Αθηνών 2010

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ

Βρόχοι. Εντολή επανάληψης. Το άθροισμα των αριθμών 1 5 υπολογίζεται με την εντολή. Πρόβλημα. Πώς θα υπολογίσουμε το άθροισμα των ακέραιων ;

Αναπαράσταση Γνώσης και Συλλογιστικές

ΕΡΓΑΣΤΗΡΙΑΚΗ ΕΦΑΡΜΟΓΗ 4 TΟ ΡΟΜΠΟΤΙΚΟ ΟΧΗΜΑ ROGUE BLUE

Δομή Ηλεκτρονικού υπολογιστή

Πληροφορική ΙΙ Θεματική Ενότητα 5

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17

Πράξεις με δυαδικούς αριθμούς

Διαδικασιακός Προγραμματισμός

Ασαφής Λογική (Fuzzy Logic)

CLIPS Σύντομη Εισαγωγή - Περιγραφή του Μηχανισμού Εκτέλεσης

Αλαπαξάζηαζε Γλώζεο θαη πιινγηζηηθέο

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 5: Χαρακτηριστικά, Δομή και Λειτουργία Συστημάτων Γνώσης

ΚΕΦΑΛΑΙΟ 3 : ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ (*)

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. 4o Εργαστήριο Σ.Α.Ε

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ (ΨΧ 00)

ΛΟΓΙΚΑ ΔΙΑΓΡΑΜΜΑΤΑ. Γ Λυκείου Κατεύθυνσης Mike Trimos

Διάλεξη 1. Πράξεις Τελεστές Έλεγχος Ροής

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής

Εισαγωγή στην πληροφορική

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού

ΠΕΡΙΕΧΟΜΕΝΑ. Εντολές επιλογής Εντολές επανάληψης

ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι

Εθνικό Μετσόβιο Πολυτεχνείο

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΜΟΣ Εντολές επιλογής και αποφάσεων 1 ο Φύλλο Εργασιών Εισαγωγικές ασκήσεις για την εντολή if ΑΠΑΝΤΗΣΕΙΣ

Υπάρχουν δύο τύποι μνήμης, η μνήμη τυχαίας προσπέλασης (Random Access Memory RAM) και η μνήμη ανάγνωσης-μόνο (Read-Only Memory ROM).

Ερωτήσεις πολλαπλής επιλογής - Κεφάλαιο 2. Α1. Ο αλγόριθμος είναι απαραίτητος μόνο για την επίλυση προβλημάτων πληροφορικής

ΜΕΡΙΚΑ ΣΤΟΙΧΕΙΑ ΓΙΑ ΤΙΣ ΓΛΩΣΣEΣ ΠPOΓPAMMATIΣMOY

ΕΠΛ232 Προγραμματιστικές Τεχνικές και Εργαλεία Δυναμική Δέσμευση Μνήμης και Δομές Δεδομένων (Φροντιστήριο)

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

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

A2. Να γράψετε για κάθε περίπτωση τον αριθμό της πρότασης και δίπλα το γράμμα που δίνει τη σωστή επιλογή.

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 9: Προτασιακή λογική. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Κεφάλαια Εντολές επανάληψης. Τρεις εντολές επανάληψης. Επιλογή εντολής επανάληψης ΟΣΟ...ΕΠΑΝΑΛΑΒΕ. Σύνταξη στη ΓΛΩΣΣΑ

Δομημένος Προγραμματισμός. Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων

Σχήµα 4.1: Εισαγωγή βρόγχου while-loop.

ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ MATLAB / FUZZY LOGIC TOOLBOX

Πρόβλημα 29 / σελίδα 28

ΔΙΑΓΩΝΙΣΜΑ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ

ΜΑΘΗΜΑ / ΤΑΞΗ : ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ / Γ ΕΠΑΛ ΣΕΙΡΑ: ΗΜΕΡΟΜΗΝΙΑ: 27/01/2013

Εκτέλεση πράξεων. Ψηφιακά Ηλεκτρονικά και Δυαδική Λογική. Πράξεις με δυαδικούς αριθμούς. Πράξεις με δυαδικούς αριθμούς

x < y ή x = y ή y < x.

Εισαγωγή στην πληροφορική

App Inventor 3ο Μάθημα (Ζάρια - επέκταση)

Πληροφοριακά Συστήματα & Περιβάλλον

Προγραμματισμός Υπολογιστών & Υπολογιστική Φυσική

Η οµή του Ηλεκτρονικού Υπολογιστή

ΑΕΠΠ Ερωτήσεις τύπου Σωστό-Λάθος

Μάθηση Απόδοση. Διαφοροποιήσεις στην Κινητική Συμπεριφορά. Μάθημα 710 Μάθηση - Απόδοση Διάλεξη 3η

Ψευδοκώδικας. November 7, 2011

Transcript:

οµηµένες Αναπαραστάσεις Γνώσης! Η κλασική λογική δε µπορεί να αναπαραστήσει κλάσεις αντικειµένων.! Είναι επιθυµητή η µείωση του όγκου της γνώσης για ένα πρόβληµα.! Η πράξη απαιτεί µία περισσότερο διαισθητική προσέγγιση στην αναπαράσταση γνώσης.

Αναπαράσταση µε Κανόνες Μορφές Κανόνων Εκφράζει Επεξήγηση IF συνθήκες THEN ενέργειες ιαδικαστική γνώση Αν οι συνθήκες αληθεύουν τότε εκτέλεσε τις ενέργειες IF συνθήκες THEN συµπέρασµα ηλωτική γνώση Αν οι συνθήκες αληθεύουν τότε αληθεύει και το συµπέρασµα! Συστήµατα εξαγωγής συµπερασµάτων (deduction systems): οι κανόνες εκφράζουν δηλωτική γνώση, και! Συστήµατα παραγωγής (production systems): οι κανόνες εκφράζουν διαδικαστική γνώση.! Πλεονεκτήµατα: # Κάθε κανόνας ορίζει ένα µικρό και (σχεδόν) ανεξάρτητο τµήµα της γνώσης για ένα πρόβληµα (modularity). # Νέοι κανόνες µπορούν να προστεθούν σε ένα σύνολο κανόνων (σχεδόν) ανεξάρτητα από άλλους υπάρχοντες κανόνες (incrementability). # Κανόνες που ήδη υπάρχουν σε ένα σύνολο κανόνων µπορούν να αλλάξουν (σχεδόν) ανεξάρτητα από άλλους κανόνες (modifiability).

Αναπαράσταση µε Κανόνες Παράδειγµα Σύµπτωµα Πιθανή Βλάβη Επιδιόρθωση Ο εκτυπωτής δεν τυπώνει καθόλου ή ο Το καλώδιο δεν κάνει καλή Κλείστε τον εκτυπωτή και τον εκτυπωτής τυπώνει λάθος χαρακτήρες επαφή υπολογιστή και προσπαθήστε ξανά Ο εκτυπωτής τυπώνει σωστά αλλά τα Έχει τελειώσει το έγχρωµο Αλλάξτε την κεφαλή µε το χρώµατα δε τυπώνονται σωστά µελάνι έγχρωµο µελάνι Ο εκτυπωτής τυπώνει σωστά αλλά τα εν είναι καθαρή η κεφαλή Ακολουθήστε τη διαδικασία χρώµατα δε τυπώνονται σωστά καθαρισµού της κεφαλής IF ο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN το καλώδιο δεν κάνει καλή επαφή IF ο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN έχει τελειώσει το έγχρωµο µελάνι IF ο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN δεν είναι καθαρή η κεφαλή IF ο εκτυπωτής δεν τυπώνει καθόλου OR ο εκτυπωτής τυπώνει λάθος χαρακτήρες THEN κλείστε τον εκτυπωτή και τον υπολογιστή και προσπαθήστε ξανά IF ο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN αλλάξτε την κεφαλή µε το έγχρωµο µελάνι IF ο εκτυπωτής τυπώνει σωστά and τα χρώµατα δε τυπώνονται σωστά THEN ακολουθήστε τη διαδικασία καθαρισµού κεφαλής

Συστήµατα Εξαγωγής Συµπερασµάτων! Τα συστήµατα εξαγωγής συµπερασµάτων (deduction systems) αποτελούνται από δύο µέρη: # Τη βάση κανόνων (rule base) # Τον έλεγχο (control).

Εξαγωγή Συµπερασµάτων Ακολουθία Εκτέλεσης (Chaining)! Οτρόποςµε το οποίον υλοποιείται η συλλογιστική, ώστε να εξαχθούν τα συµπεράσµατα. # Ανάστροφη ακολουθία εκτέλεσης (backward chaining) (δεξιάπροςτααριστερά). Η εξαγωγή συµπερασµάτων ξεκινά από το δεξιό µέρος του κανόνα και προσπαθεί να βρει αν οι προϋποθέσεις είναι αληθείς. Εξετάζονται όλοι οι εναλλακτικοί τρόποι απόδειξης του συµπεράσµατος (ακόµα και αυτοί που δεν είναι αληθείς) έως ότου αποδειχθεί η αλήθεια του συµπεράσµατος (όπως στην Prolog). Ενδείκνυται όταν υπάρχουν λίγα συµπεράσµατα και πολλά δεδοµένα, γιαταοποίατοσύστηµα µας καθοδηγεί ζητώντας τα µε µια λογική σειρά και όσα χρειάζονται. Εφαρµογές: Συστήµατα Ελέγχου Λειτουργίας (Monitoring). # Ορθή ακολουθία εκτέλεσης (forward chaining) (αριστερά προς τα δεξιά). Η εξαγωγή συµπερασµάτων εξετάζει πρώτα αν οι προϋποθέσεις στο αριστερό µέρος του κανόνα είναι αληθείς έτσι ώστε το συµπέρασµα που αναφέρεται στο δεξιό µέρος να είναι αληθές. Εξετάζονται µόνο οι αληθείς τρόποι απόδειξης, αλλά το σύστηµα µπορεί να συµπεράνει περισσότερα συµπεράσµατα από τα επιθυµητά (Συστήµατα Παραγωγής). Ενδείκνυται όταν υπάρχουν λίγα δεδοµένα (δίδονται στο σύστηµα όλαµαζί στην αρχή) και µπορούν να οδηγήσουν σε πολλά συµπεράσµατα. Εφαρµογές: Συστήµατα ιάγνωσης.

Αναπαράσταση µε Κανόνες Παράδειγµα 1:if has(animal,hair) or gives(animal,milk) then isa(animal,mammal). 2:if has(animal,feathers) or (flies(animal) and lays(animal,eggs)) then isa(animal,bird). 3:if isa(animal,mammal) and (eats(animal,meat) or (has(animal,pointed_teeth) and has(animal,claws) and has(animal,forward_pointing_eyes))) then isa(animal,carnivore). 5:if then isa(animal,carnivore) and has(animal,tawny_colour) and has(animal,black_stripes) isa(animal,tiger). 6: if isa(animaλ,bird) and not flies(animal) and swims(animal) then isa(animal,penguin). 7: if isa(animal,bird) and isa(animal,good_flyer) then isa(animal,albatros). 4:if isa(animal,carnivore) and has(animal,tawny_colour) and has(animal,dark_spots) then isa(animal,cheetah).

Γραφική Αναπαράσταση Κανόνων

Γραφική Αναπαράσταση Εξαγωγής Συµπεράσµατος

Συστήµατα Παραγωγής! Ένα σύστηµα παραγωγής (production system) αποτελείται από τρία µέρη: # Τη βάση κανόνων. # Το χώρο εργασίας (working memory), που περιέχει στοιχεία της µνήµης εργασίας (working memory elements). # Το µηχανισµό ελέγχου (control ή scheduler), οοποίοςεµπεριέχει µία στρατηγική επίλυσης συγκρούσεων (conflict resolution strategy).

Επίλυση Συγκρούσεων # Ένας κανόνας οπλίζει (triggers) όταν οι συνθήκες του κανόνα ικανοποιούνται. # Όταν ένας κανόνας πυροδοτείται (fires) τότε οι ενέργειές του εφαρµόζονται ή εκτελούνται. # Το σύνολο των κανόνων που οπλίζουν σχηµατίζουν το σύνολο σύγκρουσης (conflict set).! Μερικές από τις πιο γνωστές στρατηγικές επίλυσης συγκρούσεων είναι οι εξής: # Τυχαία (random). # ιάταξης (ordering). # Επιλογή του πρόσφατου (recency). # Επιλογή του πιο ειδικού (specificity). # Αποφυγή επανάληψης (refractoriness). Κύκλος λειτουργίας ενός Συστήµατος Παραγωγής Έως ότου δε µπορεί να εκτελεστεί κανένας κανόνας επανέλαβε: 1.Βρες όλους του κανόνες που οπλίζουν και σχηµάτισε το σύνολο συγκρούσεων. 2.Σύµφωνα µε το µηχανισµό επίλυσης συγκρούσεων, διάλεξε ένα κανόνα. 3.Πυροδότησε τον κανόνα που διάλεξες στο βήµα 2.

Συστήµατα Παραγωγής Παράδειγµα Κίνησης Ροµπότ robot_at(6,4) direction(e) choice(w) choice(s) choice(n) choice(e) obstacle_at(7,4) obstacle_at(6,8) obstacle_at(7,7) object_at(4,7)

Κανόνες Κίνησης Ροµπότ 1: detect_object: if robot_at(x,y) and object_at(x,y) then output( object is found ). 2: move_west: if robot_at(x,y) and direction(w) then delwm(robot_at(x,y)) and NX=X-1 and addwm(robot_at(nx,y)). 3: move_east: if robot_at(x,y) and direction(e) then delwm(robot_at(x,y)) and NX=X+1 and addwm(robot_at(nx,y)). 4: move_north: if robot_at(x,y) and direction(n) then delwm(robot_at(x,y)) and NY=Y+1 and addwm(robot_at(x,ny)). 5: move_south: if robot_at(x,y) and direction(s) then delwm(robot_at(x,y)) and NY=Y-1 and addwm(robot_at(x,ny)). 6: avoid_obstacle_south: if robot_at(x,y) and NY=Y-1 and obstacle_at(x,ny) and direction(s) and choice(nd) then delwm(direction(s)) and addwm(direction(nd)). 7: avoid_obstacle_west: if robot_at(x,y) and NX=X-1 and obstacle_at(nx,y) and direction(w) and choice(nd) then delwm(direction(w)) and addwm(direction(nd)). 8: avoid_obstacle_north: if robot_at(x,y) and NY=Y+1 and obstacle_at(x,ny) and direction(n) and choice(nd) then delwm(direction(n)) and addwm(direction(nd)). 9: avoid_obstacle_east: if robot_at(x,y) and NX=X+1 and obstacle_at(nx,y) and direction(e) and choice(nd) then delwm(direction(e)) and addwm(direction(nd)).

Στρατηγική Επίλυσης Κίνησης Ροµπότ! Οι στρατηγικές επίλυσης συγκρούσεων είναι µε τησειρά: # αποφυγή επανάληψης (ΑΕ), # επιλογή του πιο ειδικού (ΕΕ), και # τυχαία επιλογή (ΤΕ). Κύκλος Μνήµη Εργασίας 1 robot_at(6,4) direction(e) choice(w) choice(n) choice(s) choice(e) obstacle_at(7,4) obstacle_at(6,8) object_at(4,7) 2 robot_at(6,4) direction(n) Σύνολο Συγκρούσεων {3, 6 (ND=w), 6 (ND=n), 6 (ND=s), 6 (ND=e)} Στρατηγική ΕΕ ΤΕ Κανόνας που πυροδοτεί 6:avoid_obstacle_east (ND=n) {4} - 4: move_north

Κύκλος Μνήµη Εργασίας 3 robot_at(6,5) direction(n) 4 robot_at(6,6) direction(n) 5 robot_at(6,7) direction(n) obstacle_at(6,8) 6 robot_at(6,7) direction(n) obstacle_at(6,8) 7 robot_at(6,7) direction(e) obstacle_at(7,7) Σύνολο Συγκρούσεων Στρατηγική Κανόνας που πυροδοτεί {4} - 4: move_north {4} - 4: move_north {4, 8 (ND=w), 8 (ND=n), 8 (ND=s), 8 (ND=e)} {4, 8 (ND=w), 8 (ND=n), 8 (ND=s), 8 (ND=e)} {3, 6 (ND=w), 6 (ND=n), 6 (ND=s), 6 (ND=e)} EE TE AE EE TE EE TE 8:avoid_obstacle_north (ND=n) 8:avoid_obstacle_north (ND=e) 8: avoid_obstacle_east (ND=w)

Κύκλος Μνήµη Εργασίας 8 robot_at(6,7) direction(w) 10 robot_at(5,7) direction(w) 11 robot_at(4,7) direction(w) object_at(4,7) Σύνολο Συγκρούσεων Στρατηγική Κανόνας που πυροδοτεί {2} - 2: move_west {2} - 2: move_west {1,2} EE TE 1: detect_object