هوش مصنوعی

صفحه 1:
ول فلع ert ‏رل درل مر‎ esos D Doclercss Doprocos تویسنده استرارت راسل پیت تررك ل ا لت تهیه کننده 

صفحه 2:


صفحه 3:
1 به طور رسمی‌در سالل"۱۹۵ مطررح شده لست علل مطالعه /02: ۴ سوودارد تا موجوديتهاوهوشمند را د رككند. از لينر و یکواز علل مطلفه آزيادكيروبيشتر در مورد خودمازلست * جالب و مفید بودن موجودیت‌های هوشمند . ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 4:
1 حيست = تعاريفى از 094 كه به جهار قسمت تقسيم شدهائد: *يردازش فكرى واستدلالى * پردازش رفتاری * ایدهآل هوشمندی (منطقی بودن) ؟ ارائه انسانی ‘www.myazdanpanah.mih anblog.com ) 9 263 - 11 ‏هوش مصنوعی راسل نورویک(‎ ‘ 

صفحه 5:
پردازش‌هاي فكري و استدلالي سس ۲ ۳ سيستم‌هايي که || سيستم‌هايي که به طور منطقی ‎ff‏ مانتد انسان فکر ایده آل فکر مي‌کنند = ارائه انساني ‎gehen‏ سيستم‌هايي که || سيستم‌هايي که ب» سطع | اسان عم عمل مي كنند می‌کند | | - نس تمركز بر روي بردازشهاي رفتاري لاله تقو ورد م هوش مصنوعی راسل - نورویک( 0- 8 - ۰8 6) anblog.com 

صفحه 6:
1 انسان گونه عمل کرردن: رهیافت آزمون تورینگ آزمونی از کامپیوتر به عمل آید؛ و آزمون گیررنده نتواند دریابد که در آن طرف انسان قرار دارد یا کامپیوتر. براى این کار کامپیوتر باید قابلیت‌های زیر را داشته باشد: * پردازش زبان طبیعی < محاوره ** بازنمایی دانش* ذخیره اطلاعات * استدلال خود کار < استدلال و استضراج یادگیری ماشینی- کشف الگو و برون الله عدم ودم سورد ب 3 موش مستوعی رال توریک( 20 20-0 0) ‎anblog.com‏ 

صفحه 7:
تست تورینگ: این آزمون از ارتباط فییزیکی مستقیم بین کامپیوتر و محتق اجتتاب می‌کند. به منظور قبول شدن در تست تورینگ کلی؛ کامپیوتر به موارد زیر احتياج دارد: ** بینایی ماشین رای درک اشیاء ** روباتیک به منظور حرکت آنها ‎‘www.myazdanpanah.mih ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 8:
همقذشا (مانند انسان عمل کرده) 

صفحه 9:
2 انسانی فک کردن-: رهیافت مدلسازی شناحتی: چگونگی شناسایی عملکرد افکار انسان: 1- درون گرایی 2- تجارب روانشناسی علوع شناختی : مدلهای کامپیوتر از 9*1) و همچنین تکنیک‌های روانشناختی را گرد هم مىآورد تا بتواند تنورىهاى دقيقى از كا ركرد ذهن انسان به دست آورند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 10:
3. منطقى فكر كردن: قوانین رهیافت تفکر رمن «تفكى درست»: ارسطو سعى در كشف آن داشت. قياس: از موضوعات مطررح شده توسط ارسطو مي باشدء كه الكوهايى براى ساختار توافتی ایجاد کرد که همواره نتایج صحیحی به اندازه مقدمات صحیح به دست می‌آورد. مثال: ستراط انسان است» تمام انسانها مىمي_ندء يس سقرراط خواهد مرد.» ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 11:
دو مشکل عمده در این رسم منطق‌گرایی وجود دارد: تبدیل دانش غیس رسمی به شکل رسمی توسط اعلا منطقی ساده نیست. تفاوت عمده‌ای بین قادر به حل مسئله بودن در اصول و انجام آن در عمل وجود دارد. ‎‘www.myazdanpanah.mih ۱ 1‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 12:
4 منطقى عمل كردن: رهيافت عامل منطقي عامل: در اصل چیزی است که ابتدا درک می‌کند و سپس عمل می‌کند. در نگرش (قوانین تفکر» تأکید عمده بر روی استنتاج‌های صحیح بوده است. «مهارت‌های شناخت» که بای آزمون تورینگ موردنیاز استه برای انجام فعالیت‌های منطقی وجود دارند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 13:
مرایای مطالعه 21) به‌عنوان طبراحی عامل منطقی: * عمومی‌تر از رهیافت «قوانین تنکس» * پیشرفت علمی؛ بسیار قانون‌پذیرتر از رهیافت‌هایی است که بر تفک يا رفتار انسانی متکی هستند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۳ 

صفحه 14:
ی هوش مصنوعی: ا علو اه ‎ee‏ 3 ع اب مهدءتس شناخته شدملندة " علم روانشناسى علم زبانشناسى Ase ‏علم‎ * oe oye ee نورویک( 20 1 6-8-6 20-6 ۱ www .myazdanp. anblog.com 

صفحه 15:
فلسفه: (۳۸؛ قبل از میلاد سیح - تاکنون) پایه‌های تفکر و فرهنگ شده است از: افالاطون, استادش سقراطه و شا گردش ارسطو. قیاس: ارسطوء سیستمی غیرسمی از قیاس یرای استدلال مناسب توسعه داد؛ امکان تولید نتایج؛ بر پایه فرضیات اولیه به طور مکانیکی وجود داشت. در نظس گررفتن نهن به‌عنوان سیستمی فینریکی ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 16:
رنه دکارت مدافع سس‌سخت قدرت استدلال بود؛ و همچنین ط‌فدار مکتب دوالیسم. ماترریالیسم: در مقابل دوالیسم قرار دارد و معتقد است تمامی جهان مطابق قوانین فیزیکی عمل می ويلهم لابن ۴ تبديل موقعيت ماتررباليستي به نتايج منطقی * ساخت ابزاری مکانیکی بای انحام عملیات منطق ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 6 

صفحه 17:
1 ایجاد منبع دانش: فرانسیس بیکن» جنبش آزمون‌گیرایان را آغاز کرد. و با شعار ‎SY gle‏ منهوم یافت: «هيج جين قابل فهم نیست اگر ابتدا در حس نباشد.» اصل استرای امروزی؛ در حقیقت از کتاب دیوید هیوم نشأت می‌گیرد: "رسانه‌ای از طبیعت انسان" بر‌تراندراسل؛ ياي هكذار يوزيوتيزم منطقى؛ ارائهدهندة اين تثورى بود كه: «قوانين عمومى توسط تكرار ارتباطات بين عناص آنها به وجود می‌آیند.» ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ ۳ 

صفحه 18:
03 ارتباط بین‌دانش‌وعمل اشیاء را با تحلیل؛ دسته‌بندی م ىكنيم و در اطراف آنهاء کار کرد مورد نیازشان نوسان می‌نماید. در این میان پایه سیستم‌مکاشنه‌ای 96069) بنیان گذارده می‌شود. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ” 

صفحه 19:
ریاضیات (۰۸۰۰ 6-تاکنون) برای ارتباط فلسفه با دانش نظری» نیاز به فرمول‌سازی ریاضی در سه زمینه اصلی است: * محاسبات #ا ريات * احتمالات ‘www.myazdanpanah.mih هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 20:
محاسبات: نظریه اظهار محاسبات به عنوان الگوریتمی رسمى به نوا رزمى برم ىكرددء رياضيدان عربی قرن نهم که نوشته‌های وي. جبر و تئوری اعداد عرربی را به اروپا محرفی ‎2S‏ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۰ 

صفحه 21:
منطق: در اين زمينه؛ دانشمندان زیادی بر چگونگی شکلگیری و هدایت اشاره می‌کنيم: ارسطو: دانشمندی که بیشترین شکل گیرری نگرش فلسفی منطق را به او نسبت می‌دهند. حورج بول: یک زبان رسمی برای ساخت استنتاج منطقی ارائه داد. * 0:0:020002): منطقمرتبه اوزرا به شكلومطرح نمود که در بیشت سيستههاونمايشهلنشيايه لستفادم ميشود. * آلفرد تارسكي: تثورى جكونكى ارتباط بين واقعی را ارائه نمود. نقش داشته‌اند که به چند نف از آنها اء موجود در محیط منطقی» و اشیاء موجود در دنیای ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 22:
دیوید هیلیمت: ریاضیدان بزرگی بود که شهرت وی به دلیل مسائلی است که نتوانست حل کند. راسل: قضیه کامل نبودن (ع۳۳۳۳۳) را مطرح نمود. تو رینگ: ماشین تورینگ قادر به محاسبه هر تابع محاسبهپذیری است. تلوری پیچیدگی: 1 . انجاناپذیری 2 استحاله استیون کوک و ریچارد کاری: تئوری عب‌اطام-۳)() را مطرح گ‌دند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 23:
احتمالات: گاردنیوی: اولین کسی بود که ایده احتمال را مطررح کرد. * بي فرمته پاسکال» م‌نولی؛ لاپلاس و دیگ دانشمندان بر رشد و توسعه این ایده تأثيى داشتتد. * برنولى: ديدكاه «درجه باو ر» ذهنى را در مقايسه با نرخ نتايج عينى مطررح كررد. بیس: قانونی بای بهنگا‌سازی احتمالات ذهنی را به وجود آورد. * ذيومن و مو ركنسترن: تلوری تصمیم گیری را آغاز گر‌دند. واز مر احتمال» و تئوری سودمندی حاصل می‌شود. ب نعوری ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 75 

صفحه 24:
روانشناسی (۱۸۷۹- تاکنون): * هلمولشض: روشى علمى براى مطالعه بينايى انسان به كار برد؛ كه اين كتاب به عنوان مرجع بينايى فیزیولوژیک و حتی بدعنوان مهمترين رساله فييزيكى و روانشناختى بينايى انسان تا به امروز» شناخته می‌شود. * . وندت: اولین آزمایشگاه روانشناسی تجربی را در دانشگاء لایپزیک راءاندازی گررد. * . داتسون و تورن دایک:حرکت رفتار گرایی (۲/۷۲۸)را مطرح کر‌دند. * . اساس مشخصه روانشناسی شناختی(/۲<۳ ۱۳8/۲ اين نگرش است که مغر دارنده و پردازشکننده اطلاعات است. ‘www.myazdanpanah.mih هوش مصنوعي رامل - نورويكا( 0 - 9-8 2 8) نوماه 

صفحه 25:
کیک کتاب ماهیت بیان را منتشر کرد. و سه مرحله کلیدی را بررای عامل مبتنی بر داشن معین کرد: * محركها بايد به شكل درونى تبديل شوند. <2 بازنمايى توسط يردازشهاى شناختى بازنمايوهاى داخلى جديدى را مشتق * اينها دوباره به صورت عمل ب ركردند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 26:
مهندسی کامپیوتر (۱۹6۰- تاکنون) ant gh, te cl ‏براى ييشرفت هوش مصنوعى؛ به دو جين احتياج داريم:‎ 3 ‏ل‎ ‏هوش‎ 9 محصول مصنوعی 00066 در این تقسیم‌بندی؛ کامپیوتر می‌تواند به عنوان محصول مصنوعی محسوب گر ب كردد. هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) سس يي ‎anblog.com‏ 

صفحه 27:
‎gael Souls! Meats Robert ©‏ 5 مدرن‌عملیاتبود که در سا-ل۱۹4 توسط تیم آ ورب به منظور کدگشایوپیامهی_مازها ساخته شد. * صحصاهل :نام باشیزیمدوبود که تیوهای‌بکنده در آزبه کار برده شد. ‏* 60-:1: اولینکامپیوتقابلیم‌نامه‌ریزی‌که توسط ک نراد زوسدر ۱۹۶۱ لختراع‌شد. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ w ‎ ‎ 

صفحه 28:
اعداد با ممین شناور و زیان الجانعداع) نیز توسط زوس اختراع شدند. ‎Spat! BBO‏ امپیوتر اس اکترونیکدر لمریکا توسط جاننآتاناسفو کلیفورد در دلنشگاه لیا توليوا ‏ساخته شد. ‎ ‏,11 . 1 060686): توسط تیميبه رهریهوراد لیکزدر هاروارد توسعه دادم شد. ‏020010000: اولي نكامبيوترديجيتا(كترونيكجند منظور.ى توسط تيموبه سي رستىماجلوو (کی‌تدر دانشگاه ينسيلولنيا ساخته شد. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ‎ ‎ 

صفحه 29:
‎Smeal Spats! ABO POI *‏ سودآور؛ توسط ناتانیلروچتر در ۱۹۵۲ ساخته شد. ‎ ‏* طرح حافظه قابلآدرس‌دهی؛ برنامه ذخیره شده و پرش‌های شرطی ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ n ‎ ‎ 

صفحه 30:
کار در زمینه 91 منجر به ایده‌های بسیار متعددی شد که به علوح کامپیوش ب رگشت؛ مانند: اشتراک زمانی - مضس‌های دوسویه - نوع داده لیست پیوندی 7 مدیرریت حافظه خودکار و برخی نکات کلیدی ببرنامه‌ نویسی شیء گرا و محیطهای توسعه برنامه مجتمع با واسط کاربر گرافیکی. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 31:
زیان‌شناسی (1۹۷۵- تاکنون) اسکینر در سال ۱۹۷۵ کتابی در زمینه رفتار گرایان برای یا گیری زبان» با نام («رفتار زبانی» منتشر گرد. نوآم چامسکی بر اساس تئوری خودش یعنی ساختارهای ترکیبی؛ این کتاب را تجدید نظر و چاپ کرد. که به اندازه اصل کتاب شهرت پیدا کرد. تئوری چامسکی بر اساس مدل‌های نحوی قررار دارد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 32:
زبان‌شناسی مدرن و 91) در یک زمان متولد شدنده بنابراين 1 بازی نمی‌کند. اين دو دريك زمينه مشترك به نام زبانشناسى محاسباتى (عح#اشف كلا أددفه درجم 0) )يا ‎(coturdl forgquage procession) nb go ike‏ بهم تنیده شده‌اند که در آن بر روی مسئله استفاده زبان تمرکن شده است. ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 33:
تاریخچه هوش مصنوعی پیدایش هوش مصنوعی ( 1۹6۳- ۱۹۵5) اق زودهنگام. آرزوهاي بزرگ (1969-1952) * مقداري واقعیت (1966-1974) سيستم‌هاي مبتني بر دانش: کلید قدرت؟ (1979-1969) "_ بازگشت شبكه‌هاي عصبي (1986- تاکنون) * حوادث اخیر (1987- تاکنون) ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 34:
پیدایش هوش مصنوعي * اولین کار جدی در حیطه 9» توسط وارن مک کلود و والتر پیتز انجام شد. * سه منبع استفاده شده توسط آنها: * دانش فیزیولوژی پایه و عملکرد رون در مخز * تحلیل رسمی منطق گزاره‌ها متعلق به راسل و رايت هد * تنوری محاسبات تورینگ ‎‘www.myazdanpanah.mih 1 ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 35:
در ۱۹6۹ دونالد هبه قانون ساده بهنكام سازى براى تغییس تقویت اتصالات بین نرون‌ها را تعریف کرد که از طمریق آن یادگیری میسر هی‌گردد. "' در زمانى که کلود شانون و آلن تورینگ» برنامه بازی شطرنج را نوشتند . ‎BORO‏ اولين كامبيوت, شبكه عصبى در دانشگاه پرینستون توسط مینسکی و ادموندز ساخته شد. اين كامبيوتر؛ از ۳ هار تیوپ مکشی و مکانیزم خلبانی خودکار اضافی که مربوط به بمب‌افکن‌های *966) می‌باشد بررای شبیه‌سازی شبکه ۰؟ زرونی استفاده گررد. ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏ف هوش مصنوعی راسل نورویک(‎ 

صفحه 36:
محتتین علاقمند بهتثوری آتوماتا؛ شبکه‌های عصبی و مطالعه هوشء گررد یکدیگ جمع شدند و در کار گاهی در دورت موند مشغول فعالیت شدند. كه در اين ميان نام هوش مصنوعى براى حیطه فعالیت آنها انتخاب شد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ n 

صفحه 37:
اشتياق زودهنگام آرزوهای بنزرگ (۱۹1۹-۱۹۵۲) فعالان در عرصه 07 روچستو و تیمش در ‎WOO‏ هربرت جلونتر: با ساخت ‎Cevwery Phevrew Prover‏ آرتور ساموثل: ساخت بمرنامه بای بازی چکس 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wv ‘www.myazdanpanah.mih anblog.com 

صفحه 38:
جان مک کارتی در 0۳ تعریف زبان ‎(Lipp) Gund‏ مهمترین زبان هوش مصنوعی مفهوم اشترراک زمانی ‎(tere stearic)‏ * نشر مقاله‌ای با عنوان "برنامهها با حواس مشت * تشريح يك سيستم فرضى به نام ك1 حار 9)؛ که به اصول پایه بازنمای معرفت و استدلال تحسم بخشید؛ * کار بر روی سیستم برنامه‌ریزی سوال-جواب * کار بر روی پروژه روبات‌های ماد ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 39:
مینسکی: کار بر روی میکرو ورندها و همکاری با مک کارتی؛ ولی بس سر اختلاف بس نگرش منطقی و ضدمنطتی کار تحقیقاتی خود را از هم جدا کر‌دند. مینسکی با گرروهی از دانشجویان بر روی میکروورندها کار کررد که برخی از آنها عبارتند از: جیمز ‎GOTT SL)‏ قادر به حل مسائل انتگرال گیری فرح بسته اوانم: :*269,ا(960060» حل مسائل مشابهت هندسی در تست‌های هوش ‎(GIR 2 Bb‏ پاسخ به قضایای پررسشی جمللات ورودی Le gu Slade GPOOEOT ‏بابرو:‎ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 40:
مقداری واقعیت (۱۱۷4-۱۹7) * مشکلات تقریباً تام پرروژه‌ها تحقیتی 9۳1 وقتى يديدار مىشدند كه مسائل كستردهترى جراى حل توسط آنها مطررح می‌شد: برنامه‌های اولیه اغلب دارای دانش محدود یا فاقد دانش در مورد موضوع کار بودند. ‎ *‏ انجام ناپذیری بسیاری از سائل ‏به دلیل اعمال ری محدودیت‌های پایه‌ای بس روی ساختار پایه مورد استفاده بای تولید رفتار ‏هوشمند ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ‎ ‎ 

صفحه 41:
سیستم‌های مبتبی بر دانش: کلید قدرت؟ (۱۹۷۹-۱۹7۹) روش‌های ضعین: مبتنی بم یک جستجوی همه‌منظوره می‌باشند که قدم‌های اولیه یادگیری را بمرمی‌دارند اما تلاشی در جهت یافتن راه‌حل‌های کامل ندارند. به اين دلیل که اطلاعات ضعیفی را در مورد دامنه فعالیت خود به کار می‌بر‌ند. يس براى حل مسائل دشوارء تقرريباً جواب را از قبل بايد بدانيم. ‎OBOOROL ub» *‏ از برنامههايى است كه از اين رهیافت استفاده می‌کند. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ‎ ‎ 

صفحه 42:
اهمیت بررنامه 02۱۱08۵۱ در این بود که اولین سیستم موفق با دانش غنی بودء یعنی تبح سیستم بم پایه تعداد بسیار زیادی قانون ایجاد شده بود. سیستم‌های بعدی ایده اصلی رهیافت ۲316۲ ۸0۷۱66 مک کارتی را دنبال می‌ک‌دند پعنی جداسازی دانش (در شکل قوانین) و ملفه استدلال. ‘www.myazdanpanah.mih anblog.com 

صفحه 43:
نسبتبه ا0)0)060660) دو تفاوتعیدم دارد: * برخلاف قوانین 0660606809 هيج مدل تلوری‌وار عمومی بررای آنکه قوانین 762100() استنتاج شود وجود نداشت. * قوانين مى بايست عدم قطعيت مربوط به دانش پنرشکی را منعکس می‌کرد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 44:
1 به یک نعتت یدیل مشود (۱۹۸۸-۱۹۸۰) AAS ‏اولیزسیستم خبره تجاربی‌موف‌از شم کت()60) که سودآوروزیادیرا بمرلوش‎ :)91 * پرروژه «نسل پنحم»: این پروژه ژاپنی به منظور ساخت کامپیوترهای هوشمندی که پرولوگ را به جای کد ماشین اجرا می‌کر‌دنده انجام شد. * شركتهاى ديك جهان از جمله میکرروالکترونیک» (1(606» لیسپ ماشین؛ تگزاس اینسترومنته سمبوليكس» زیرااکس و غیره در ساخت ایستگاه‌های كارى بهينه شده در اين عررصه فعالیت داشتند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 0. 

صفحه 45:
با زگشت شبکه‌های عصبی: دانشمندان فعال در این عررصه: هاپ فیلد: که به آنالیز خواص ذخیمهسازی و بهینه‌سازی شبکه‌ها پررداخت. *_ راسل هارت و هینتو ن: مطالعه مدل‌های شبکه عصبی را ادامه دادند. * بريسون وهو: الكوريتم يادكيرى انتشار به عقب را مجدداً مطرح كردند. ‎‘www.myazdanpanah.mih 1 ۱ 1‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 46:
حوادث اخیرر: ‎lle cola) LOO cola, *‏ در سالهاى اخیر مي‌باشد که توسط مایکن به وجود آمده است. اين رهیافت از دو جنبه زیر حائز اهمیت است: ‏مبتتی بر نظرریه ریاضی محض است. *_طی فرایندی با یادگیری گرروه عظیمی از داده گفتار واقعی خود را بهبود می‌بخشد. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ a ‎ ‎ 

صفحه 47:
ب‌نامه‌ریزی: در دهه ۷۰ فقط بررای میکررووردها مناسب بودند؛ اکنون ‎lo‏ زمانبندی کار در کارخانه‌ها و مأموریت‌های فضایی استفاده می‌شوند. " بیان شبکه باور: استدلال کارا را در مورد ترکیب رویدادهای ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 48:
" ایده سیستم‌های خبره فرماتیو توسط کار جوداپیر و اردیک هوروتین و دیوید هک‌من مطرح شد: "سیستم‌هایی که مطابق قوانین تئوری تصمي م كيررى به طور منطقى عمل می‌کنند و سعی ندارند که تبحر انسانی را تقلید کنند." ‘www.myazdanpanah.mih anblog.com 

صفحه 49:
شرایط کنونی: *_برخی از سیستم‌هایی موجود در جهان که از هوش مصنوعی استفاده می‌کنند: با : اولیزی نامه ک امپیوتریکه موفقبه شکستلستاد بسزر.گشطرنج جهان آررنولد دنكى شدده لست ريكب نامه د رككنتار كه سؤا لثكارب را جوابييهدو تماموب_نامههاومساف رتو شخصرا با يكبرنامه ریزیدوسته ترونبه صسرفه ‎Sa‏ ‏با0096166): سيستم خب ملىكه دادمهاررسا لاز سفینه فضایی‌را تحلیلنموده و در صور ته روز مشكلتجدى بيخ ‎Rll ae slabs‏ لزمييهد انس ححده يواج روي 

صفحه 50:
1 i ‏هوش مصناعى‎ ‏دوم‌افصل‎ 

صفحه 51:
. Pt Artificial Intelligence (,CQNO4 (00D فهرست #عامل # خواص محيطهاي وظیفه ت#برنامه هاي عامل ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 52:
عاملهاي هوشمند عامل: به هر چیزی اطلاق م شود كه قادر به درك محيط بي امون نود از طرريق ح سكرها( :59750 ) و اش‌گذاری بس روی محیط از طریق اثرکننده‌ها (/۳/۳) باشد. elas We ‏ذرعافزاری رشته‌های بیتی را به عنوان درک محیط و عملء کدگذاری می‌کند.‎ We ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 53:
عاملهاي هوشمند عوامل انسانی 1 حس کردن: گوش. چشم؛ دیگر ارگان‌ها 2.2 اف‌گذاری: دست. پاء بینی اندام‌های دیگر عوامل روباتیک 1 حس کردن* دوربین؛ یابنده‌های مادون قرمز 3 اثرگذاری: تفن ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 54:
عاملهاي هوشمند * دنباله ‎RE 8‏ یط نم ‎sca! od‏ رفتاملامل توسط تابع عامل توصیف میشود که هر دنباله ادراک رابه یک فعالیت نقش میکند. فعالیت > دتباله ادراک : تابع عامل ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 55:
‘www.myazdanpanah.mih anblog.com 

صفحه 56:
عاملهاي هوشمند * معیار كارايي» معياري براي موفقیت وتان عاقل اد *بر اساس خواسته هاي فرد در محیط 56 ن | هانتخاب میشود > معيار كارايي كه ملاكهاي موفقيت را تعريف ميكند > دانش قبلي عامل نسبت به محيط > فعاليتهايي که عامل ‎a‏ ۳ ل رنورويكر 3ل © 3 8 - 6) ‎anblog.com‏ leowasl oo Lie a 

صفحه 57:
عاملهاي هوشمند ‎(Omer polls Sole +‏ خروجي واقعي فعالیت خود را میداند و میتواند بر اساس آن عمل کند * عامل خردمند ببس فعاليتي را انتخاب میکند که معیار كارايي اش را حداکثر میکند * جمع آوري اطلاعات, اکتشاف, بادگيري anblog.com a eae: aig تددعت انار 

صفحه 58:
عاملهاي هوشمند له ‎Wis‏ قابل مشاهده درمقابل قابليت مشاهده جزئي # فطع :در سابل عدو عون ‎gales‏ > راهبردي * رویدادی(اپیزودیک) درمقابل ۱ هاي ترتيبي ‎lay ela, Kena #‏ وظيفه ‎ ‎ ‎‘www.myazdanpanah.mih ‎anblog.com ‏5 غاشهلى ‎ 

صفحه 59:
* قابل دسترسی در مقابل غیررقابل دسترسی ( کاملاً قابل مشاهده در مقابل قابل مشاهده جزئی) محیط قابل دسترسی: محیطی که عامل آن توسط ابنرار حس‌کننده‌اش امکان دسترسی به وضعیت کامل محیط را داشته باشد. محیط قابل دسترسي راحت است. زیرا عامل نیازمند دستكاري هیچ وضعیت داخلي براي حفظ دنیا را نخواهد داشت. 1 ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 60:
** قطعى در مقابل خير قطعى محيط قطعي: محيطي است که اگر وضعیت بعدی محیط بوسيله وضعيت كنونى و اعمالى که با عامل‌ها انتخاب گرددء تعیین شود. بهت است به قطعی یا غیس قطحی بودن محیط از دید گاه عامل نگاه کنیم. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 61:
* اپینرودیک در مقابل غیر اپیودیک سا محیط اپیزودیک ( ۳۳۳۳ تجربه عامل به اپیزرودهایی تقسیم می‌گرردد. الا هر اپییزود شامل درک و عمل عامل است. لسأ كيفيت اعمال آن تنها به خود اپیزود وابسته است. سا محیطهای اپیزودی بسیار ساده‌تمرند زیرا عامل نباید به جلوتر فکس کند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 62:
*" ایستا در مقابل پویا محیط پویا: محیطی که در حین سنجیدن عامل تغییس می کند. محیط نیمه‌پویا: محیطی که با گذر زمان تغییر نمی‌کند اما امتیاز کارایی تفییر م ىكند. محیطهای ایستا ببراى كار ساده هستند زير! عامل نياز به نكا كردن به دنیا در حین تصمیم گیری عملی نداشته و همچنین در مورد گذر زمان نییر نگران نمي‌باشد. ‘www.myazdanpanah.mih anblog.com ))0 ۰ - 8-1 ‏هوش مصنوعی راسل - نورویک(‎ 5 

صفحه 63:
* گسسته در مقابل پیوسته محیط گسسته: اگر تعداد محدود و مجزا از ادراک و اعمال بوضوح تحریف شده باشد. - بازی شطرنج گسسته است. - رانندگی تاکسی پیوسته است. سخت‌ترین حالت در بین حالات موجود بای محیط: ‎ab‏ قابل دستررسی؛ ‎cab‏ اپینزودیک» پویا و پیوسته هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) ‘www.myazdanpanah.mih anblog.com 

صفحه 64:
مثال‌هايي از انواع محیط و ويژگي‌هاي آنها bene eo | okt Sosa 5 aS ‎Yoo YOO 00 On YOO‏ لطر ه هم سامت ‎Yoo ۷00 00 YOO YOO‏ شطرن پون سامت ‎a 0 0 00 YOO ۷00‏ ‎es Yoo 00 00 vod YOO Saab ‘0 00 00 00 oO Ss 0 0 00 00 oO ‏سینت یل موی‎ Yoo YOO YOO Ona 00 00 oO YOO 00 oO ‎00 oO 00 0 00 ‎oO 20 00 00 ۷00‏ آموزشهند انلیسی با ارباط تال ‎ ‎ ‎ ‎ ‎ ‎ ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 65:
عاملهاي هوشمند ساختار ‎digo Le‏ + معماري < عامل کار هوش مصنوعي طراحي برنامه عامل است که تابع عامل را پیاده سازي میکند ‎‘www.myazdanpanah.mih ۱‏ هوش مصنوعی راسل ‏ نورویک( 0 29-0 0) ‎anblog.com‏ ‎ ‎ 

صفحه 66:
براى مثالء 5 عامل را مورد برسی قرار می د عامل‌های واکنشی ساده *** عامل‌هابی که اشرات دنیا را حفظ می‌کنند (مدل گرا) عاملهای هدف گرا * عامل‌های سودمند * عامل های یادگیرنده 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ x ‘www.myazdanpanah.mih anblog.com 

صفحه 67:
عاملهاي هوشمند عاملهاي واكنشي ساده ‎gil?‏ عاملها فعالیت را بن اسان تارك فعلي و بدون در نظر كرفتن سابقه آدراک, انتحات میکند ‎is be aie alijpSl slats per Wrasailnau cals ‎ ‎ ‎ ‎ ‎ 

صفحه 68:
عامل‌ها: اده در اينجا جدول رجوع بايد مورد توجه قرار گرفته و فیلدهای مختلف آن توسط اطلاعات ورودی پر شود. اتصالاتی (واکنش‌هایی ) وجود دارند که انسان‌ها بسیاری از آنها را دارا بوده: بررخی از آنها قابل یاد گیری و برحی دیگس غرریزی است.. مربع مستطیل: نشان‌دهنده وضعیت داخلی جاری فرایند تصمیم گیری عامل بیضی: نشان‌دهنده وضعیت اطلاعات پس‌زمینه ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ w 

صفحه 69:
عاملهاي هوشمند الي از عامل واكنشي ساده در دنياي جاروبرقي #تصمیم گيري آن بر اساس مکان فعلي و كثيف بودن أن مكان صورت ميكيرد #انتخاب فعاليت بر اطاس موقعيت Pawar ROPLOX-OPCOOO-DOGOP (brut, oxae]) pleat eter om orto ۲ ‏این‎ P states == thea retura Ouck IP dey hea suck ‎thea retura Right‏ مسا 0 سوام ‎hoe B bran == D tera rena bef ‎ ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 ‎ ‎ 

صفحه 70:


صفحه 71:
عامل‌هایی که اشرات دنیا را حفظ مي‌کنند از آنجایی ناشی می‌شود که حسگر‌ها نمی‌توانند دسترسی کامل به وضعیت دنیا را به وجود آورند. در چنین شرایطی» عامل ممکن است نیازمند دستکاری بر‌خی اطلاعات وضعیت داخلی باشد تا از طریق آن تماییز بین وضعیت‌های دنیا که در ظاهم ورودی ادراکی یکسانی می‌کنند ولی در واقع معنى كاملاً متفاوتی دارند را ميس سازد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۷" 

صفحه 72:
بهنگام‌سازی اطللاعات وضعیت داخلی همزمان با گذر زمان نیازمند دو نوع دانش کد شده در برنامه عامل است. اول: نیازمند که بر‌خی اطلاعات درباره چگونگی تغییس جهان مستقل از عامل را داشته دوم: نیازمند اطلاعات درباره اعمال خود هستیم که بر روی دنیا اثر گذار است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 0 

صفحه 73:
,های هدف گرا: دانستن درباره وضعیت کنونی محيط همواره براى تصمیم گیرری عمل نمی‌تواند کافی باشد. به همان گونه که عامل نیازمند شررح وضعیت جاری استه به نوعی نیازمند اطلاعات هدف(/۳) می‌باشد که توضیح موقعیت مطلوب است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ve 

صفحه 74:
عاملهاي هوشمند عاملهاي هدذ a ‏علاوه بز‎ wl? ‏توصیف حالت فعلي, براي‎ ‏انتخاب موقعیت مطلوب‎ ‏نیازمند اطلاعات هدف نیز‎ ‏میباشد‎ #جست و جو و برنامه ويريم وبیاله اقر از فعالیتها ‎|i‏ اش وید ال هدف, پیدا میکند این نوع تصمیم گيري ,چارد و با قوانین شرط عصلو ,ی رل وت دار د 

صفحه 75:
بررنامه عامل می‌تواند این اطللاعات را با اطلاعاتی درباره نتایج اعمال ممکن (همانند اطلاعاتی كه در عامل واکنش برای بهنگام‌سازی وضعیت داخلی استفاده شد ) تر کیب نموده تا اعمال مناسب را بای دسترسی به هدف انتخاب نماید. در مواقعی ساده است: که رضایت از هدف بلافاصله از عمل واحد تولید گردد. در مواقعی پیچیده است: که عامل باید دنباله‌های طولانی را در نظ‌گرفته تا راهی بای دستیابی به هدف بيدا كند. دز مواقع بيجيده جستجو و برتامهريزى به يافتن دنبالة اعمال فنج خواهند شد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ve 

صفحه 76:
تفاوت عامل‌های واکنشی و هدن‌گرا: در طراحی عامل‌های وا کنشی طراح برای حالات متفاوت عملی درست را پیش محاسبه در عامل‌های هدف‌گرا» عامل می‌تواند دانش خود را در مورد چگونگی واکنش بهنگام سازد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏م هوش مصنوعی راسل - نورویک(‎ 

صفحه 77:
تفاوت عاملهای واکنشی و هدف‌گرا: 1 برای عامل واکنشی ما مجبور به دوباره نویسی تعداد زیادی قوانین شرط -عمل خواهیم بود. 2 عامل هدق گرا نسبت به رسیدن به مقاصد متفاوت انعطاف پذیر است. 3. بسادگی با تعیین یک هدف تازه می‌توانیم عامل هدف‌گر! را به رفتار تازه بسا ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ w 

صفحه 78:
عامل‌های سودمند: اهداف به تنهایی بای تولید رفتار با کیفیت بالا کافی نیستند. ملاک کارایی عمومی باید مقایسه‌ای بین وضعیت‌های دنیای متفاوت (یا دنباله حالات) را بر پایه چگونگی رضایت عامل در صورت حصول هدف بدهد. بنابراين اككى يك وضعيت دنيا به ديكرى ترجيح داده م شود» آنكاه آن بای عامل سودمندتر خواهد بود ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 79:
albeit ei Si ‏بهتر براي عامل سودمندتر‎ ‏است.‎ الأتابع سودهیدی, حالت با ‎alls‏ اي آن حالتها را به یک عدد حقيقي نگاشت میکند که وز ها و سانش را 

صفحه 80:
سودهندی* تابعی است که یک وضعیت را به عدد حقیقی نگاشت می‌دهد, که درجه رضایت ممربوط را تشرریح می‌کند. مشخصات کامل تابع سودمندی امکان تصمیم گیرری منطقی را برای دو نوع حالتی که هدف مشکل داردء اجازه می‌دهد. 1 زمانی که اهداف متتاقص وجود دارند. 2 زمانی که چندین هدف دارند که عامل می‌تواند آنها را هدف قرار دهد و هیچکدام از آنها با قطعیت قابل حصول نیست. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۸ 

صفحه 81:
عاملهاي 2 > عنما د كمون فدهل ايجاد بهبودها ا#عنضر کازايي فتئول انتخاب فعاليتهاي خارجي # منتقد مشخص میکند که ليه ا فيد با استانداردهاي كارايي جكونه عمل ميكند عولد مسله,مستول يعشنهاذ فعالبنهابي اسث كة متجربه تجریات آهوزت3ه «جديدي میشود هوش مصنوعی رای 

صفحه 82:
۳ 3 هوش مصناعى سوملافصل جستجوااباامسئله!احل 

صفحه 83:
Artificial Intelligence ‏هوش مطنوعئى‎ فهرست * مسئله #اندازه گيري کكارايي حل مسئله # جستجوي ناآگاهانه ‘www.myazdanpanah.mih ‎rains | Si‏ رت نوم ‎ 

صفحه 84:
مل مسئله با جستجو عاملهاي حل مسئله فرموله کردن هدف: وضعيتهاي مطلوب نهايي کدامند؟ فرموله کردن مسئله: جه فعاليتها و وضعيتهايي براي رسيدن به هدف موجود است؟ # جستجوه انتفاب بهترین دنباله از فعاليتهايي که منجر به مالاتي با مقدار شناخته شده میشود. اجرا: وقتي دنباله فعاليت مطلوب بيدا شد خعاليتهاي پيشنهادي آن بت موسوم سس 

صفحه 85:
يك نوع عامل هدفكرراء عا. عاملهاى حل مسئله توسط يافتن ترتيب عمليات تصميم م ىكيرند كه جه انجام دهند تا آنها رابه حالتهاى مطلوب سوق دهد. ‘www.myazdanpanah.mih ۱ anblog.com ) 9 263 - 11 ‏هوش مصنوعی راسل نورویک(‎ ne 

صفحه 86:
عامل‌های حل مسئله * عامل‌های هوشمند به طریقی عمل می‌کنند كه محيط مستقيماً به داخل دنباله حالتهايى وارد شود که معیار کا رآرایی را افزایش می‌دهند. * عملیات به گونه‌ای ساده‌سازی می‌شوند که ‎le‏ قادر باشد تا هدفی را قبول کرده و به آن برسد. * الگوریتم جستجو مسئله‌ای را به عنوان ورودى دریافت نموده و راه‌حلی را به صورت دنباله عملیات بس م ىكرداند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 2 

صفحه 87:
چهار نوع اساسی از مسائل وجود دارند: *** مسائل تک حالته ‎(Grerde-vtcte)‏ ‏** مسائل چند حالته (عصسابطف()) ** سائل احتمالی (بصب»هه0) ** سائل اکتشانی ‎(Grpberctica)‏ 1۱ ‏طنس‎ ۱ Shen 0 0-0-0 ( ‏ریک‎ een 

صفحه 88:
دانش و انواع مسئله دنیای مکش (جاروبرقی ): اگر دنیا حاوی دو محل پاشد: هر محل ممکن است که شامل خاک باشد و یا نباشد و عامل ممکن است كه در يك محل يا ديك محل‌ها باشد؛ که دارای هشت حالت متفاوت خواهد بود. هدف تمییر گرردن تمام خاک‌هاست که در اینجا معادل با مجموعه حالت [۸/و ۷] است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۸۸ 

صفحه 89:
مدل‌هاي مختلف براي مسئله جاروبرقي: - مدل تك حالته: ح سكرهاى عامل به آن اطلاعات کافی می‌دهند تا وضعيت دقيق مشخص شود. (دنيا قابل دسترسى است). عامل موتواند محاسبه كند که كدام وضعیت پس از هر دنباله از عملیات قرار خواهد گرفت. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏خم هوش مصنوعی راسل - نورویک(‎ 

صفحه 90:
- مدل چند حالته: عامل تمام اشرهای عملیاتش را می‌داند اما دسترسی به حالت دنیا را محدود کرده استه. زمانی که دنیا تماما قابل دسترسی نيست عامل باید در مورد مجموعه حالت‌هایی که ممکن است به آن بر‌سد استدلال کند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 0 

صفحه 91:
- . : با اين مدل حل مسئلهء حس_كرهايى را در طول فاز اجرايى نياز داريم. عامل اكنون بايد تمام درخت عملیاتی را بر خلاف دنباله عملياتي منفردء محاسبه کند. که به طور کلی هر شاه درخته با یک امکان احتمالی که از آن ‎gil‏ می‌شود؛ بررسی می‌شود. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۰ 

صفحه 92:
عاملی که هیچ اطلاعاتی در مورد اشرات عملیاتش ندارد. در اين حالته عامل بايد تجرربه كند و به تدریج کشف کند که چه عملیاتی باید انجام شود و چه وضعیت‌هایی وجود دارند. این روش یک نوع جستجو است. اكى عامل نجات يابدء «نقشهاى » از محيط را ياد مى كيرد كه می‌تواند مسائل بعدی را حل کند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 93:
مل مسئله با جستجو جستجو با اطلاعات ناقص ‎Glo aime?‏ فاقد هسگر: اگر عامل فاقد مسکر باشد. میتواند در يكي از چند هالت اوليه باشد و هر فعالیت میتواند آن را به يكي از چند حالت جانشین ببرد #مستئله هاي اقتضايي: کر ممیط به طور مزئي قابل مشاهده باشد یا اگر ‏فعالیتها قطعي نباشد. ادراکات عامل, پس از هر عمل, اطلاعات جديدي را تهیه میکنند. هر ادراک ممکن. اقتضايي را تعریف میکند که باید براي آن برنامه ريزي شود ‎ ‎ ‏*مسائل خصمانه: اکرعدم قطعیت در اثر فعاليتهاي عامل ديگري بومود آید. مسئله را خصمانه گویند ‏#مسئله هاي اکتشافی: وقتي مالتها و خعاليتهاي محیط ناشنافته باشند. عامل باید سعي کند آنها (۱ کشف کند. مسئله هاي اكتشافي را میتوان شکل نهايي مسئله هاي ‏اقتضايي دانست ‎www myazdanpanab.mih‏ هوش مصتوعي راسل -نورویک( 201 2-0 0) ۳ ‎ ‎ 

صفحه 94:
مل مسئله با مستجو ‎Lip‏ ل: دنياي جاروبرقي »عامل جارو تمام اثرا مد ‎FT) * [a eee‏ »هالت اوليه آن يكي از اعضاي موی ۱ میباشد فعالیت رر سوه 4 سر فعالیت 0۷6۳ }4.8{ 4 میکند که صرف نظر از مالتاولوهمومدمالیم(0-:۵-») وه 

صفحه 95:
جاروبرقي ‎ee Sats,‏ أي حالني که مینواند ب۳4نها برسد استدلال کند. این مجموعه از حالتها را حالت باور گوییم. #اکر خضاي حالت فيزيكي داراي < حالت باشد فضاي خو|هد داشت. 

صفحه 96:
بررای تعریف یک مسئله موارد زیر نیاز داریم: v v وضعیت آغازین (< اله:) که عامل خودش از بودن در آن آگاه است. مجموعه‌ای از عمليات ممكن؛ كه براى عامل قابل دسترسى باشد. ‎v‏ آزمون هدف (251! أدص ) که عامل می‌تواند در یک تعرریف وضعیت منفرد آن را تقاضا کند تا تعیین گردد که آن حالتء وضعیت هدف است یا خيس. ‏= تابع هزینه مسیر» تابعی است که بای هس مسیم» هزینه‌ای را در نظم می‌گیررد؛ و با حرف ۲ مشخص می‌شود. ‏هزینه یک سفر" مجموع همزینه‌های عملیات اختصاصى در طول مسيس ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 4 ‎ ‎ 

صفحه 97:
براى حل مسئله جند حالته؛ فقط به یک اصلاح جزئی نیاز داریم: یک مسئله شامل: * یک مجموعه حالت اولیه * مجموعه‌ای از عملگرهای ویثژه بای هر عمل به گونه‌ای که از هر وضعیت داده شده مجموعه‌ای حالات رسیده شده و یک آزمون هدف و تابع هزینه سیر را معین کند. ‘www.myazdanpanah.mih هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 98:
یک عملگ: توسط اجتماع نتایج اعمال عملگ در هر وضعیت مجموعه, به کار بررده می‌شود. یک مسیس: مجموعه حالات را مرتبط می‌کند. یک راه حل: مسیرری است که به مجموعه‌ای از حالات که تمام آنهاء وضعیت هدف هستند» سوق می‌دهند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۸ 

صفحه 99:
اندازه گیرری کارایی حل مسئله: 2 آپا راه حلی مناسبی است؟ 3. هزینه جستجو از نظر زمانی و حافظه مورد نیاز بای یافتن راه حل چیست؟ مجموع هزینه جستجو* هزینه مسیر +#هزینه جستجو عامل باید تصمیم بگیررد که چه متابعی را فدای جستجو و چه منابعی را صرف اجرا کند. ‘www.myazdanpanah.mih هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 100:


صفحه 101:
مل مسئله با جستجو #صورت ‎ie‏ به بفارست روما - # فرموله کردن هدف: رسیدن به بفارست * فرموله کردن مسئله, > وضعيتها: شهرهاي مفتلف * فعالیتها: مرکت بین شهرها “> جستجو: دنباله اي از شهرها مثل:آراد. سیبیو, فاگارس, بفارست ; طنس طممم ۱[ عرش مصنوعى رام - ویک ( 0۰0-00 ‎anblog.com‏ 

صفحه 102:
مل مسئله با جستجو مسئله »هالت اوليه: حالتي كه عامل از ‎oF‏ شروع میکند. ‎px‏ مثال روماني: شهر آراد (/--©)- تابع جانشین: توصيفي از فعاليتهاي ممکن که براي عامل مهيا است. *در مثال روماني:(۵)0۳ ‎Devers}‏ اسرد( ‎las‏ حالت: مجموعه اي از حالتها كه از حالت اوليه ميتوان به آنها رسيد. > در مثال روماني: کلیه شهرما که با شروع از آراد میتوان به آنها رسید ‎a.‏ د ی = ‎www.myazdanpanah.mih ~‏ ‏" هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ 

صفحه 103:
مل مسئله با جستجو ‎oy?‏ هدف: تعیین میکند که آیا حالت خاصي, حالت هدف است یا خیر >هدف صريح: در مثال روماني. رسيدن به بفارست >هدف انتزاعي: : در مثال شطرنج. رسيدن به حالت كيش و مات ‏مسیر: دنباله اي از حالتها که دنباله اي از فعالیتها را به هم متصل میکند. *در مثال روماني: سمه" ,لا ,0۳۰۱ یک مسیر است ‏# هزینه مسیر: براي هر مسیر یک هزینه عددي در نظر میگیرد. * در مثال روماني: طول مسیر بین شهرها بر هسب کیلومتر راه حل مسئله مسيري از حالت اولیه به ‏حالت هدف ‎el‏ ‏3 راوحلل بهینه -کهترین طر یه رنه ‎ 

صفحه 104:
مالتها 4 ۱ هس ‎ae |‏ فا : حالت اولیه: ‎gy ۳ aa‏ ۱ ۳ | هل 2 | تابع جانشین: ‎Q‏ ‏آزمون هدف: ۳( ‎ne a‏ 0 ‎ve‏ هوش مصنوعی راسل - نورویک( ۰0 8 - © - 8) (4 6 

صفحه 105:
مل مسئله با جستجو منال: دنياي جارو هالتها: ده مکان که هر یک ممکن است ‎rian‏ ‏کثیف یا تمیز باشند.لذا 8 - 222* 2مالت در این جهان وجود دارد 8 حالت اولیه: هر مالتي میتواند به عنوان ‎its‏ ‏هالت اولیه طرامي شود ۳( ‎‘dd ai‏ اج 3 , برقي م۳ يي 0 با آزمون هدف: تميزي ‎elas‏ مربعها ۳( 4( تنه سد 7 2 5 . 5 5 دنهدیم لك ‎ve‏ مرش مصنوعی رال -نورویک( 0-0 2 0-0 ۳( 

صفحه 106:
مالت اولیه: تابع جانشین: آزمون هدف: هزینه مسیر: www Goal State anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 107:
مل مسئله با جستجو منال: معماي8 هالتها: مکان هر هشت خانه شماره دار و خانه خالي در يكي از 9 فانه حالت اولیه: هر مالتي را میتوان به عنوان هالت اولیه در نظر گرفت تابع جانشين: هالتهاي معتبر از چهار عمل, انتقال خانه فالي به چپ راسته بالا یا پایین آزمون هدف: بررسي میکند که مالتي که اعداد به ترتیب چیده شده اند(طبق شکل رویرو) رخ داده یا نه هزینه مسیر: برابر با تعداد مراهل در مسیر 0 هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) Goal State anblog.com 

صفحه 108:
مل مسئله با جستجو ۱ منال: ‎aliwo‏ 8 وزیر فرمول بندي افزايشي هالتها: هالت اوليه: تابع جانشين: آزمون هدف: طن 10 هوش مصنوعى راس -نورویک( 0 - © - 9 - 4). ع ود 

صفحه 109:
مل مسئله با جستجو فرمول بندي افزايشي حالتها: هر ترتيبي از 0 تا 8 وزیر در صفمه. یک مالت استر ‎gro ag] Clo‏ وزيري در صفمه نیست تابع جانشین: وزيري را به خانه خالي اضافه میکند آ[مون هدف: 8وزیر در صفمه وجود دارند و هیع کدام به یکدیگر کارد نمیگیرند ‎‘www.myazdanpanah.mih ۳ ۱ 5‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ ‎ 

صفحه 110:
‎Jo‏ مسئله با جستجو ‏فرمول بندي حالت کامل ‎ila‏ ‏حالت اولیه: تابع جانشین: آزمون هدف: ‎‘www.myazdanpanah.mih 7 anblog.com )6 - 8-6 ‏بيكره-‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 111:
مل مسئله با جستجو فرمول بندي حالت کامل حالتها: چیدمان ۰ وزیر (0< ‎O‏ که) , بطوریکه در هر ستون از ع ستون سمت چپ. یک وزیر قرار گیرد و هيج دو «زيري بهم کارد نگیرند حالت اولیه: با 8 وزیر در صفمه شروع میشود تابع جانشین: وزيري (۱ در سمت چپ ترین ستون خالي قرار میدهد. بطوري که هیچ وزيري آن را کارد ندهد آزمون هدف: قوزير در صفحه وجود دارند و هيج کدام به یکدیکر کارد نمیگیرند ‎‘www.myazdanpanah.mih ۱ ۱‏ " هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ ‎ ‎ 

صفحه 112:
مل مسئله با جستجو اندازه كيري كارايي حل @ کامل بودن: مسئله © بهينكي: #ييجيدكي زماني: # پيچيدگي فضا: هوش مصنوعی راسل - نورویک( 0- 8 - ۰8 6) ‎ae‏ ‎anblog.com‏ 

صفحه 113:
مل مسئله با مستجو اندازه گيري كارايي حل ت#کامل بودن: آيا حر صسيئلم که در صورت وجود راه حل. آن را بیابد؟ بهينگي: آيا اين راهبرد. راد حل بهينه اي را ارائه ميكند. # پيچيدکي ‎Gils}‏ چقدر طول ميكشد تا راه ‎Ja‏ را پیدا کند؟ > تعداد كره هاي توليد شده در اثناي جستجو پيچيدگي فضا: : براي جستجو چقدر حافظه نیاز دارد؟ > مداکثر تعداد گره هاي ذفیره شده در حافظه www.myazdanpanah.mih 1 ۱ we anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 114:
با جستوو ‎Ss‏ ناآگاهانه #نآگامي این ‎om‏ که الگوریتم میج اطلاعاتي غير از تعریف مسئله در افتیار ندارد این الکوریتمها فقط میتواند جانشينهايي را تولید و هدف را از غیر هدف تشفیص دهند # راهبردهايي که تشفیص میدهد یک مالت ‎dso pe‏ نسبت. به گره غیر هدف دیگر. اميد بخش تر است جست و جوي آگامانه یا بست. و جوي اكتشافي نامیده ميشود. راهبردها #جست و جوي عبضي #جست و جوي هزینه یکنواخت #جست و جوي عمقي أ#جست و جوي عمقي محدود #جست و جوي عميق كننده تكراري #جست ووجوي دو طرفه www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ne 

صفحه 115:
مل مسئله با جستجو 

صفحه 116:
مل مسئله با جستجو کامل بودن: بله بهينگي: ‎aly‏ (مشروط) در صورتي بهینه است که هزینه مسیر, تابعي غیر نزولي از عمق کره باشد. (مثل وقتي که فعالیتها هزینه يكساني دارند) پيچيدگي زمانی: ۰ ‎OB)‏ ‎‘www.myazdanpanah.mih =‏ هوش مصنوعی راسل ‏ نورویک( 0 29-0 0) ‎m‏ ‎ ‎ 

صفحه 117:
مل مسئله با جستجو جستجوي هزینه یکنواخت این جستجو گره را با کمترین هزینه مسیر بسط میدهد © © YD © Py ‎www.myazdanpanah.mih ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ ‎ 

صفحه 118:
مل مسئله با جستجو کامل بودن: بله هزینه هر مرمله بزرگتر یا مساوي یک مقدار ثابت و مثّبت ع باشد.(هزینه مسیر با هرکت در مسیر افزایش مي یابد) بهينگي: بله هزینه هر مرمله بزرگتر یا مساوي 6 باشد پيچيدگي زماني: ‎ow")‏ ‏پيچيدگي فضا: 9003 شش هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 119:
مل مسئله با جستجو © هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) 

صفحه 120:
مل مسئله با جستجو ‎ray Mod‏ خیر ‏اگر زیر درخت چپ عمق نامحدود داشت و فاقد هر كونه راه حل باشد. جستجو هرگز خاتمه نمي ‎wh‏ ‎0)1۳( sui gues ‏هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 121:
با جستنوو ي عمقي محدود مسئله درختهاي ناممدود میئواند به وسيله جست و جوي عمقي با عمق محدود ءا بهبود يابد @ 

صفحه 122:
مل مسئله با جستجو ‎Dad BS‏ بومرین خیر اكد ۰۱>,ا و سطمي ترین هدف در خارج از عمق محدود قرار داشته باشد. این‌راهبرد کامل نخواهد بود. ‎tla‏ خير ‏اگر ل<ر ۱ انتخاب شود. این راهبرد بهینه نفواهد بود. ‏پيهيدگي زماني: (0013 ‏هوش مصنوعى راسل - نورویک( 0 0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 123:
هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) 

صفحه 124:
مل مسئله با جستجو جستجوي عمیق کننده تگراري هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) 

صفحه 125:
مل مسئله با جستجو تللم 1 ع 

صفحه 126:
مل مسئله با جستجو جستجوي عمیق کننده ‎oh wpa‏ تكرآ در صورتي که فاکتور انشعاب مهدود باري نيفتتي بله وقتي كه هزينه مسير. تابعي غير نزولي از عمق كره باشد پيچيدگي زماني: (0)1 ‎‘www.myazdanpanah.mih 1 ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 127:
مل مسئله با مستجو جستجوي دو طرفه انجام دو جست و جوي همزمان. يكي از حالت اولیه به هدف و ديگري از هدف به حالت اولیه تا زماني که دو جست و جو به هم برسند 

صفحه 128:
مل مسئله با جستجو حستجوي دو طرفه ‎Mad ES‏ بیررن بله اگر هر دو جستجو, عرضي باشند و هزینه تمام مراحل یکسان باشد نوسنتتي ‎aly‏ ‏اکر هر دو جستجو, عرضي باشند و هزینه تمام مراهل یکسان باشد پيچيدگي فضا: ‎(i)‏ 0 ‎‘www.myazdanpanah.mih ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 129:
مل مسئله با جستجو اجتناب از حالتهاي تكراري وجود حالتهاي تكراري در یک مسئله قابل حل, میتواند آن را به مسئله غیر قابل حل تبديل كند ۲ © = om @ () مس رنل ورط رم و ‎www .myazdanpanah.mih‏ anblog.com )6 - 8-6 ‏بيكره-‎ 

صفحه 130:
اجتتاب از حالات تكررارى: ‎gobs Slur clo‏ حالات تکمراری غیر‌قابل اجتناب هستند. این شامل تما مسائلی می‌شود که عملگ‌ها قابل وارونه شدن باشند» مانند مسائل مسیرریابی و کشیش‌ها و آدمخوارها. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۳ ‎ ‎ 

صفحه 131:
سه راء بای حل مشکل حالات تکمراری بررای مقابله با افرایش مرتبه و سرینری فشار کار کامپیوتر وجود دارد: به حالتی که هم اکنون از آتن آمده‌اید,ببرنگردید. داشتن تابع بسط (یا مجموعه عملگر‌ها ) از تولید مابعدهایی که مشابه حالتی هستند که در آنجا نیز والدین این گره‌ها وجود دارنده جلوگیری می‌کند. 1 _ از ایجاد مسیر‌های دوار بپر‌هیزید. داشتن تابع بسط (یا مجموعه عملكرها ) از توليد مابعدهای یک گره که مشابه اجداد آن گره استه جلوگیری می‌کند. 2. حالتی را که قبلاً تولید شده استه مجددًتولید نکنید. این مسئله باعث می‌شود که هس حالت در حافظه نگهداری شود پیچیدگی فضایی (1)() داشته باشد. بهتر است که به (2)() توجه کنید که < تعداد کل حالات در فضای حالتا ورودی است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۳ 

صفحه 132:
۹ در مسائل كرريبتاريتمتيكه حروف به جای ارقام می‌نشینند و هدف یافتن جایگرینی از اعداد برای حرروف است که مجموع نتیجه از نظر ریاضی درست باشد. محمولاً هر حرف بايد به جاى يك رقم مختلف بنشينند. مثال: ‎R=?, ow‏ رمدم ,هدم لت + 690 + موه 099 ۳۲ هوش مصنوعی راسل - نورویک( ۰0 8 - © - 8) PORTY ۵0 + TCO + “ياك ‘www.myazdanpanah.mih anblog.com 

صفحه 133:
یک فرمول ساده: حالات: یک معمای ۲۱/۳۲۷/۷/۳۷۲۳۸۶() با چند حروف جایگزین شده توسط ارقام. عملگی‌ها: وقوع يك حروف را با یک رقم جایگزین کنید که قبلاً در معما ظاهر نشده باشد. آزمون هدف: معما فقط شامل ارقام است و یک مجموع صحیح را بس می‌گرداند. هرینه مسی: صفر- تمام راه حل‌های صحیح است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 134:
می‌خواهیم که از تبدیل جایگزینی‌های مشابه اجتتاب کنیم: ” قبول یک ترتیب ثابت مانندترتیبالبیی. ۲ هر کدام که بیشترین محدودیت جایگزینی را دارده انتخاب کنیم؛یعنی حرفی که کمترین امکان مجاز را دارنه محدودیت‌های معما را می‌دهد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 135:
دنیای مکش: مسئله تک حالته: عامل از جای خودش اطلاع دارد و تمام مکان‌های آلوده را می‌شناسد و دستگاه مکنده ما درست کار می‌کند. حالات: یکی از ۸ حالت نشان داده شده. عملگ‌ها: ح كت به جيه ح كت به راسته عمل مکش. آزمون هدف: هیچ خاکی در چهار گوش‌ها نباشد. هزینه مسیس: هم عمل ارزش ۱ دارد. ‎www.myazdanpanah.mih‏ anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wre 

صفحه 136:


صفحه 137:
مسئله چند حالته: عامل دارای حسگ نمی‌باشد. مجموعه وضعیت‌ها : زیر مجموعه‌ای از حالانه. عملگی‌ها: حرکت به چپه ح کت به راست» عمل مکش. آزمون هدف: تمام حالات در محموعه حالت‌ها فاقد خاک باشند. هرینه مسیم: هر عمل هزینه ۱ دارد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wv 

صفحه 138:
مسئله کشیش‌ها و آدمخوارها: سه کشیش و سه آدم خوار در یک طرف رودخانه قرار دارند و هم چنین قایقی که قادر است یک یا دو نفى را حمل کند. راهی را بيابید که هر نف به سمت دیگر رودخانه بروده بدون آنکه تعداد کشیش‌ها در یکجا کمتر از آدم خوارها شود. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wa 

صفحه 139:
حالات: یک حالت شامل یک دنبالة مرتب شده از عدد است که تعداد کشیش‌هاء تعداد آدمخوارها و محل قايق در ساحلی از رودخانه که از آنجا مسئله شروع شده را نمایش می‌دهد. عملگی‌ها: از هر حالت» عملگرهای ممکن یک کشیش, یک آدمخوار؛ دو کشیش دو آدمخوار؛ یا یکی از هر کدام را در قایق جا می‌دهند. آزمون هدف: رسیدن به حالت(»و »و ۰). هرینه مسی: تعداد دفعات عبور از رودخانه. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 140:
مسائل دنیای واقعی مسيرريابي الگوریتم‌های مسیم یابی کار بردهای زیادی درانده مانند مسیرریاپی در شبکه‌های کامپیوتری: سیستم‌های خود کار مسافرتی و سیستم‌های ببرنامه‌نویسی مسافرتی هوایی. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ i 

صفحه 141:
مسائل فرروشنده دوره گرد و تور : مسئله فروشنده دوره گرد مسئله مشهوری است که در آنن هم شه حداقل یکبار باید ملاقات شود هدف یافتن کوتاهترین مسیر است. علاوه بر مکان عامل؛ هر حالت باید محموعه شهر‌هایی را که عامل ملاقات کرده؛ نگه دارد. علاوه بر بررنامه‌ریزی صفر بای فروشنده دوره گرد اين الكوريتمها بمرای اعمالی نظیسر برنامه‌ریزی حرکات مته خورد کار سوراخ‌کننده برد مدار استفاده می‌شود. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 0 

صفحه 142:
طرح 0008/1 : اببرار طراحی کمکی کامپیوتری در هر فازی از پردازش استفاده می‌شود دو وظیفه بسیار مشکل عبارتند از؛ 2 ‏بش اصعممان)‎ > Cel yout که بعد از اينکه ارتباطات و اتصالات مدار کامل شدء این دو قسمت انجام می‌شوند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 143:
هدف طراحی مداری روی تراشه است که کمتررین مساحت و طول اتصالات و بیشترین سرعت را داشته باشد. *_ هدف قرار دادن سلول‌ها روی ترراشه به گونه‌ای است که آنها روی هم قرار نگيرند و بنابراین فضایی نیز براى سیم‌های ارتباطی وجود دارد که باید بین سلول‌ها قرار گیر‌ند. * كاناليابى» مسي ویژه‌ای را برای هر سیم که از فواصل بین سلول‌ها استفاده می‌کند؛ پیدا می ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 144:
هدایت ریات: ۲ یک ریات مي‌تواند در یک فضای پیوسته با یک مجموعه نامحدودی از حالات و عملیات من ‎iS cS‏ ربات‌های واقصی باید قابلیت تصحیح اشتباهات را در خواندن حسگر‌ها و کنترل موتور داشته باشند. ‘www.myazdanpanah.mih anblog.com ) 9 263 - 11 ‏هوش مصنوعی راسل نورویک(‎ we 

صفحه 145:
خط تولید خود کار: در مسائل سس‌هم‌بندی؛ مشکل یافتن قانونی است که تکه‌های چند شیلی را جمع کند. اگر ترتیب نادرست انتخاب شود» راهی نیست که بتوان قسمت‌های بعدی را بدون از نو انجام دادن قسمت‌های قبلی؛ اضافه کرد. کنترل یک مرحله در دنباله» یک مسئله جستجوی پیچید؛ هندسی است که ارتباط نزدیکی با هدایت ربات دارد. از این رو تولید مابعدهای مجاز گران‌ترین قسمت دنباله سر‌هم‌بندی است و استفاده از الگوریتم‌های آ گاهانه رای کاهش جستجوء ضروری است. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 

صفحه 146:
a i ‏هوش مصناعى‎ ‏چهارمافصل‎ ‏اكةلاالااكّاهانه!اجوياوااجست‎ هوش مصنوعى راسل - تورویک( ۳۳۳۲۳ 

صفحه 147:
Artificial Intelligence ‏هوش مطنوعئى‎ فهرست آگاهانه »يادكيري براي جست و جوي بهتر #جست و جوي محلي و بهینه سازي # جست:و-جو‌ی حلی در ۲ اه 

صفحه 148:
جست و جوي آگاهانه و اکتشاف متدهاي جستجوي آگاهانه #جستجوي محلي #بهترين 06 وبهينه سازي هریصانه 7 756 “تيه نوردي > > شبيه سازي حرارت ‎ROEGK‏ >يرتو محلي ‘wwwinyazdanpanah ih ‏مرش مستوعی ام -توریک( 0-0 وه‎ 3 

صفحه 149:
این استراتتری به این صورت بیان می‌شود که در یک درخت؛ زمانی که گره‌ها مرتب می‌شوند» گره‌ای که بهترین ارزیایی را داشته باشد؛ قبل از دیگر گره‌ها بسط داده می‌شود. هدف:یافتن راه‌حل‌های کم‌هزینه است» این الگوریتم‌ها عموما از تعدادی محیار تخمین بای هزينه راهمحل‌ها استفاده می‌کنند و سعی بر حداقل کردن آنها دارند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 18 

صفحه 150:
حداقل هزینه تخمین زده شده بررای رسیدن به هدف: جستجوی حریصانه یکی از ساده‌ترین استراتتژی‌های جستجوی بهترین, به حداقل رساندن هزینه تخمین زده شده برای رسیدن به هدف است. بدین صورت که حالت گره‌ای که به حالت هدف ندیک‌تر استه ابتدا بسط داده می‌شود. تابع كشن کننده: هزینه رسیدن به هدف از یک حالت ویه می‌تواند تخمین زده شود اما دقيقاً تعیین نمی‌شود. تابعی که چنین هزینه‌هایی را محاسبه می‌کند تابع كشن کننده 5 نامیده می‌شود. حستحوی حریصانه: جستجوی بهترین که را به منظور انتخاب گرره بعدی بای بسط استفاده » جستجوی حریصانه (ا«< رل ) نامیده می‌شود. ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 5 

صفحه 151:
"** جستجوی حریصانه از لحاظ دنبال کرردن یک مسیر ویثبه در تما طول راه به طرف هدفه مانند جستجوی عمقی است» اما زمانی که به ‌بست می‌ رسد؛ برمی‌گردد. ** اين جستجو بهينه نيست و ناكامل است. ‎٠‏ پیچیدگی زمانی. در بدترین حالت بای جستجوی ‎O (bur) Share‏ که 0 حدا کش عمق فضاى جستجو ‏است. ‏** جستجوی حریصانه تمام گرهها را در حافظه نگه می‌دارده بناراین پیچید گی فضای آنن مشابه پیچید زمانی آن است. ‎ ‏مييزان كاهش بيجيد كى به مسئله و كيفيت تابع >|بستكي دارد. ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 3 ‎ ‎ 

صفحه 152:
جست و جوي آگاهانه و اکتشاف تابع هزینه مسیب ‎(<i)‏ : هزینه مسیر از گره اولیه تا گره و #تابع اكتشافي. ()۱۳: مزینه تخميني ارزان ترین مسیر از گره » به گره هدف تابع بهترین مسیر, (0) ۲۳ : ارزان ترين مسير از كره > تا گره هدف 4 تابع ارزيايي. (۳)۰: هزینه تفميني ارزان ترین مسیر از طریق و ‎ke)‏ + )د ‎F(a):‏ ‏۲ () ۳ : هزینه ارت رییمسیراز ‎P*(a): (a) + (ada‏ ‎‘www.myazdanpanah.mih 1 ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 153:
جست و جوي آگاهانه و اکتشاف ۹ © هه هوش مصنوعى راسل -نورویک( 6-0 9 - 8) ‎anblog.com‏ 

صفحه 154:
جست و جوي آگاهانه و اکتشاة ف ييه حريصانه oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 000 www .myazdanp. anblog.com 

صفحه 155:
جست و جوي آگاهانه و اکتشاف anblog.com 

صفحه 156:
جست و جوي آگاهانه و اکتشاف جستجوي حریصانه ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 157:
جست و جوي آگاهانه و اکتشاف جستجوي حریصانه ت# کامل بودن: فیر ۱ اما اگر ۲ - #۰ آنگاه جستجو کامل میشود له بهيلكي؛ خير *اما اگر ۲ = ‎Hy‏ آنكاه جستجو كامل ميشود پيچيدگي زماني: ‎Ow")‏ >اما اکر ۲ < #۰ آنگاه ‎ODO‏ ‏له پيچيدگي خضا: ‎OB")‏ ‘www.myazdanpanah.mih a anblog.com .) 8 - © - © -6 ‏هوش مصنوعى راسل - نورويك(‎ 

صفحه 158:
حداقل‌سازی مجموع هزینه مسیرم: جستجوی ۰*69 جستجو با هزینه یکسان؛ هرزينه مسيس؛ (5:)9 را نين حداقل م ىكند. بات ركيب دو تابع ارزيابى داريم: ‎K(s)‏ + زمه د لمم :() هزينه مسي از كلره آغازين به كره » را به ما می‌دهد. ‎(a)‏ هرينه تخميززده شدده از ارزانترينمسير از به هدفلست وماداريم: ‎a= P(a) 3‏ ‘www.myazdanpanah.mih ۱ cn anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 159:
جست و جوي آگاهانه و اکتشاف 

صفحه 160:
جست و جوي آگاهانه و اکتشاف ‘www.myazdanpanah.mih anblog.com 

صفحه 161:
جست و جوي آگاهانه و اکتشاف 

صفحه 162:
هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) anblog.com ‘www.myazdanpanah.mih جمست و جوى ‎١‏ كاهانه و اكنشا =~ 2 ف 

صفحه 163:
جست و جوي آگاهانه و اکتشاف 

صفحه 164:
جست و جوي آگاهانه و اکتشاف ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 165:
جست و جوي آگاهانه و اکتشاف کامل بودن: بله له بهينگي: ‎aly‏ ‏#ييجيدكي (ماني: ”07 >اما اكر عا - * آنگاه 00 #پيچيدگي فضاء ‏ 08 کامااکر۲-:# آنکاه 00 ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 166:
جست و جوي آگاهانه و اکتشاف جستجوي * | هوش مصنوعى راسل - نورويك( 0 - © > ‎anblog.com‏ 

صفحه 167:
جست و جوي آگاهانه و اکتشاف جستجوي * ۱ 3 204 Ye 0 kek 

صفحه 168:
جست و جوي آگاهانه و اکتشاف جستجوي * و اجتناب از گره هاي سه 

صفحه 169:
جست و جوي آگاهانه و اکتشاف 3 ‘www.myazdanpanah.mih anblog.com 

صفحه 170:
جست و جوي آگاهانه و اکتشاف منال دیگر از جستجوی ظ6* Ej Oradea P(a)=4() + k(a) anbloc 

صفحه 171:
جست و جوي آگاهانه و اکتشاف جستجوي © در نقشه روماني (a) The initial ‏عنم‎ D 366-0+366 مستوي اعسه(س0 با شروع از 0 ‎Pred) = (Grad) +Hh(Orad)=O+900=909‏ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ™ 

صفحه 172:
جست و جوي آگاهانه و اکتشاف جستجوي © در نقشه روماني After expanding Arad 393-1404253 721829 MO=TSOTS ‎redo‏ را بازکرده و (۳)۰ را براي هر یک از زیربرگها محاسبه ميكنيم: ‎bn) +k(Obn)=IPO+OSO=999‏ له )مس( مق )۲ ‎PP etevare)=o( Brod, Meters) Hh Novara) =MS +99 =P PP‏ ‎P(Lertad)=o( Prod, Lerterl) Hh( Lorie) =P OHO PEEP EO‏ لل ‎tr pis stb pg)‏ .$$$ ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wr ‎ 

صفحه 173:
جست و جوي آگاهانه و اکتشاف جستجوي ل8* در نقشه روماني (c) After expanding Sibiu 44721164320 ۳۳۳ 54822851366 415-2394176 6۳۱22514380 41322309 مت را باز کرده و (۳)۰ ۱۱ براي هر یک از زیربرگها محاسبه ميكنيم: 0+62 )۲( )سل )3 +090 (ه) ۱+( سب( رمق )مح(س م۳ )3 14660-270 ۵6( )م0 )و (مسلم )۳ ‎(Broan Otbeu)=o( Gib Revcioy Obra) + ۲) )0۳( 2090 +0920‏ بهترين انتفاب شهر مات ‎Rioatru‏ است ‎inyaizdanpenah ini‏ مص از هوش مصنوعى راسل - نورويك( 0- © - © - ©)/ ‎‘Ssnblog.com.‏ 

صفحه 174:
جست و جوي آگاهانه و اکتشاف (A) After exjanding ‏حلا كلتمن‎ جستجوي 0* در نقشه روماني > 49275974 ۲129 دجبد دس ] 415=2909 176 671=0914380 528=306+160 417=317+100 553-2004253 مصطا0 مس را باز كرده و (5)* را براي هر یک از زیربگها محاسبه میکنیم: ‎Obra, Orca) +h(Oretove) = 80H100=989‏ نج )مت (مس ۳0 1+۵0 سن )+ وس ,مسحت نت( )بت (می )3 ‎P(Gbr)=o( rows Obeu, Gin) +h(Gbn)=ODD+E90=800‏ 3 مرش 

صفحه 175:
جست و جوي آگاهانه و اکتشاف در نقشه روما (e) After ‏تحوظ ومشدره‎ 729 D> GS > ap و مه «ععدی مده وه ما و سم ا باز کرده و (۰)* زا براي هر یک از زیربرگها محاسبه ميکليم: 2(۲۵(2۵6+69-0) رسمه )مح( )۳ www.myazdanpanah.mih anblog.com (@Cunldll Piers ‏بهتريى لنتخلير شهر‎ we 

صفحه 176:
جست و جوي آگاهانه و اکتشاف ‎a *® Sane‏ نقشه رو وماني ‎After etpanding Pit‏ ها ‎ ‎ ‏در ‏ی ‎Ce ES SD‏ سم مه مه جص > دیع وی مه مه ‎SRR‏ ‏607-13 61503554100 0ق موده ۳5 را باز كرده و (8)5 را براي هر يك 1[ زيربركها مماسبه ميكنيم: ‎PIG +D= PIS‏ ساك 5 )+( سسسحجاس 03 ,)أت( سجس 1010 ‎‘www .myazdanpanah.mih ‎‘anblog.com HON Drage seb aldose ™ ‎ ‎ 

صفحه 177:
جست و جوي آگاهانه و اکتشاف 

صفحه 178:
تابع ‎clk‏ را که هزینه‌ای بیش از تخمین بای رسیدن به هدف نداشته باشد, یک کشف‌کنندگی قابل قبول (عاصعح! معط ) گریند. جستجوی بهترین که *به عنوان تابع ارزیاب و یک تابع <قابل قبول استفاده می‌کند؛ به عنوان جستجوی (6* شناخته می‌شود. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ wa 

صفحه 179:
رفتار جستجوی ‎*D‏ نگاهی گذرا به اثبات كامل و بهينه بودن 0)*: مشاهده مقدماتی: تقرريباً تمام کشف‌کنند گی‌های مجاز دارای این ویخ گی هستند که در طول هم مسیرری از ريشه, هرینه " هرگر کاهش پیدا نمي کند. این خاصیت بررای کشفکنند گیء خاصیت یکنوایی (/۳۲۳۸) گنته می‌شود. اگر یکنوا نباشه با ایجاد یک اصلاح جزثی آن را یکنوا می‌کنیم. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ws 

صفحه 180:
بنابراین هر گره جدیدی که تولید می‌شود. بايد كنترل كنيم كه آيا هزین * این گره از هزینه پدرش کمتر است یا خیر.. اگر کمتر باشد» هزينة "!پدر به جای فرزند می‌نشیند: <همیشه در طو له مسیواز ريشه ‎nb‏ کاهشی‌خو لهد بود مشروط ب لینکه کا لمکارپذ: باشد. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 181:
(9)*! : هزینه ولقعیرسیدنناز ۰ به هدفلست در استفاده عملی؛ ‎Lalla‏ با ه‌ینه مسیس متناسب هستندء و سرانجام رشد نمایی هر کامپیوتر را تسخیر می‌کند. البته, استفاده از یک کشف‌کنندگی خوب هنوز باعث ص‌فه‌جویی زیادی نسبت به جستجوى ناآ گاهانه می‌شود. (* معمولاقب راز لینک» دچار کمبود ‎wap tol‏ دجار كمبود فضا ميشود. نيما لين جستجو تمام ك5 مهاو وليد شده را در حافظه ذخيره موكند. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ۸ 

صفحه 182:
جست و جوي آگاهانه و اکتشاف جستجوي اکتشافي با حافظه ‎ost?‏ ترین راه براي حرو هجض رده استناده از عمیق کننده تکرار در زمینه جست و جوي اكتشافي است. #الکوریتم عمیق کننده تکرار سل > )۷ # در جستجوي ۳1 مقدار برش مورد استفاده. عمق نیست بلکه هزینه ‎Poth)‏ است. #7 ب رلیلغ لبم سئله ها www.myazdanpanah.mih 5 = anblog.com هزینه هاي‌مرهله لي مناسبلستو از هوش مصنوعى راسل - نورويك( 6 - © 

صفحه 183:
جست و جوي آگاهانه و اکتشاف بهترین جستجوي بازگشتي 6666۵ 4 ساختار آن شبیه جست و جوي عمقي بازگشتي است. اما به اي اینکه دائما به طرف يايين مسير حركت كند. مقدار *! مربوط به بهترين مسيد از هر جد كره فعلي را نكهداري ميكند. اكر كره فعلي از اين حد تجاوز كند. بازگشتي به عقب برميكردد تا مسير ديكري را انتخاب كند. »اين جستجو اكر تابع اكتشافي قابل قبولي داشته باشد. بهينه است. #پيچيدگي فضايي آن (۳)() است # تعیین پيچيدگي زماني آن به دقت تابع اكتشافي و میزان تغییر بهترین مسیر در اثر بسط گره ها بستكي دارد. ‘www.myazdanpanah.mih هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 184:
جست و جوي آگاهانه و اکتشاف بهترین جستجوي بازگشتي 6666۵ همع تامدیاز 08 کارآمدتر لستلما گره هاي‌نياديت ولید میکند ته ۲۱00 و 0۲0306۵ در معرض افزایش تواني پيچيدگي قرار دارند که در جست و جوي گرافها مرسوم است. زیرا نمیتوانند حالتهاي تكراري را در غیر از مسير فعلي بررسي کنند. لذا, ممکن است يك محالت را هندين بار بررسي له ۲۲۵۵ و 4۲0۵5 از فضاي اندكي استفاده ميكنند كه به آنها آسيب danpanah mih™ “سمزينه 8 ‎ROG al‏ اطلاعات پیشتری ۸« مافظه نكهداري میکند ‎anblog.com‏ 

صفحه 185:
جست و جوي آگاهانه و اکتشاف يادگيري براي جست و جوي بهتر # روشهاي جست و جوي قبلي. از روشهاي ثابت استفاده میکردند. »عامل با استفاده از فضاي حالت فراسطمي میتواند یاد بگیرد که بهتر جست و جو کند # هر حالت در فضاي حالت فرا سطمي. حالت(محاسباتي) داغلي برنامه اي (ا تسفیر میکند که فضاي حالت سطع ‎sega‏ مثل روماني را جست و جو میکند الکوریتم يادگيري فراسطمي میتواند چيزهايي را از تجربیات بیاموزد تا زيردرختهاي غیر قابل قبول را کاوش نکند. جل ‎ee‏ ., #هدف يادگيري. کمینه,کیدی,کل هزينم» حل مسئله اسن من 

صفحه 186:
جست و جوي آگاهانه و اکتشاف 928011 فا لها لا نا لعا تا *منال براي معماي8 "میا هزینه حل تقرییا 22 مرچله و و فاکتون مات در حدود 3 است. 125 ‏انتخاب یک,تابع (کتیشاوعیه ناس میتوا"‎ LX كن تشن . || ‎SS‏ anblog, 

صفحه 187:
جست و جوي آگاهانه و اکتشاف دو روش اك کتشافي متداول. بو معماي8 تعداد كاشيها در مكانهاق !/ نادرست ‎h=8‏ ‏در حالت شروع 2 1 اکتشاف قابل قبولي 5 | + || 3 است, زیرا هر کاشي که ۳ در جاي تامتاسبي ‎J‏ 

صفحه 188:
جست و جوي آگاهانه و اکتشاف دو روش اك کتشافي متداول. بر ای معماي8 مجموعه فواصل کاشیها از ۳ = ‎By‏ ‏موقعيتهاي هدف آنها دق احا لب هنبیوع2 +2 +2 +1 +3 بر چون کاشیها نمیتوانند در امتداد قطر 5 | 4 الل جابه جا شوند, فاصله اي که محاسبه ۱۳۱ ۳ 

صفحه 189:
جست و جوي آگاهانه و اکتشاف دو روش اكتشافي متداول برای معماي8- 2 4 | 2 | 7 مجموعه فواصل کاشیها از 6 5 قعيتهاي هدف ‎Lgl‏ ‏قابل قبول است. زیرا هر جابجايي الا که میتواند انجام گیزد, به آندازه یک مه حله ور نز ۳۹ 1 2 1 ‎cm‏ جم مدقم ‎age ie yeu‏ 5 || 4 ال د واقعي راه حل نیست — هزینه واقعي 36 است ا*ا ۱ هوش مصنوعی رال - نورویک( 0 - © - 9 - 4). هت و 

صفحه 190:
جست و جوي آگاهانه و اکتشاف فاکتور انشعاب مؤثر 4 *اگر تعداد گره هايي که براي یک مسئله خاص توسط (* تولید ميشود برابر با © و عمق راه ‎da‏ برابر با" باشد. آن گاه * فاكتور انشعابي است كه درفت يكنوافتي به ‎gra or‏ + و با ‎N=‏ ‏> فاكتور انشعاب مؤثر معمولاً براي مسئله هاي سفت ثابت اسحد > اندازه كيريهاي تجربي * بر روي مجموعه كوچكي از مسئله ها میتواند راهنماي خوبي براي مفید بودن آکتشاف باشد ‘www.myazdanpanah.mih anblog.com هوش مصنوعى راسل - نورويك( 0- © - © - ) 

صفحه 191:
جست و جوي آگاهانه و اکتشاف ‎nears‏ Soro فاکتور انشعاب موثر هزینه جست و ] [| ‏جو که‎ 00 IDs Gu) 2 0 «| 6 2s 179 + ‏در‎ B 12 287 16 6 © 20 6 273 4 8 6384 39 25 280 133 138 9 9 17 ما 1 27 | دود 227 ید | 12 4 2 539 13 ۳ 16 5 B01 2 = Las 8 3 3056 363 146 2 7 776 66 i 7 ۳ 5 29 س 2 2 = 39135 1641 3 a8 | میانگین گره هاي بسطبافته در چستجوی108 و ۳۵ 3 قاکتللی نز میانگین گره هاي بسطبافتع در چبجوي 108 و ۳۵ اند 

صفحه 192:
جست و جوي آگاهانه و اکتشاف kO(m) >= KA(a) ‏براي هر گره » داشته باشیم:‎ sie ‏بر 0 غلفلست‎ > ‏>غالب بودن مستقيما به كارايي ترجمه ميشود‎ ‏*تعداد گره هايي که با بكارگيري ۲6 بسط داده ميشود. هرگز بیش از بكارگيري‎ ‏نیست‎ 1 همیشه بهتر آاست از تابع اكتشافي با مقادیر بزرگ اتخفانه گر به ‘www .myazdanpanah.mih ۳ خیلی بونگه‌نباشد ‎ogame‏ 

صفحه 193:
جست و جوي آگاهانه و اکتشاف »الكوريتم ها قبلي. خذوي مدچت هه (۱ ويجتماتيى ‎oy‏ فؤكلقة > تا رسيدن به هدف يكت يا جِنْد مسير نكهداري ميسوتد > مسير رسيدن به هدف. راه حل مسئله را تشكيل ميدهد ‎a‏ الگوریتم هاي محلي مسير ر(سيدن به هدف مهم نيست >مثال: مسئله 8 وزیر ‎oe‏ امتیاز عمده جست و جوهاي محلي >استفاده از حافظه كمكي >ارائه راه حلهاي منطقي در فضاهاي بزرك و نامتناهي ‏»اين الكوريتمها براي حل مسائل بهينه سازي نيذ مفيدند > يافتن بوترين. مالت بر إساس تابع هطفم طممدمممنمديس وم ‎anblog.com 20 ‏تورویک(‎ ‎ ‎ 

صفحه 194:
جست و جوي آگاهانه و اکتشاف و بهییم بييازي تعس 

صفحه 195:
جست و جوي آگاهانه و اکتشاف جست و جوي تيه نوردي ‎hil chosbiag search‏ ‎alo?‏ اي که در جهت افزایش مقدار حرکت میکند(بطرف بالاي تپه) > رسیدن به بلندترین قله در همسايگي حالت فعلي. شرط خاتمه است. ‏# ساختمان داده گره خعلي. فقط حالت و مقدار تابع هدف رامنگه میدارد ‏#جست و جوي محلي هریصانه نیز نام دارد * بدون فکر قبلي حالت همسایه خوبي را انتفاب میکند ‎ ‏تيه نوردي به دلایل زیر میتواند متوقف شود: > بيشينه محلي ‎ ‎ ‎ - 9 - © - 0 ‏هوش مصنوعى راسل - نورويك(‎ ne ‎ 

صفحه 196:
جست و جوي آگاهانه و اکتشاف جست و جوي تپه نوردي »انواع تيه نوردي: > تيه نوردي غيرقطعي. تيه نوردي اولين انتخاب. تيه نوردي شروع مجدد تصادفي مثال: مسئله 8 وزير أ مسئله 8 وزير با استفاده از فرمولبندي حالت كامل >در هر حالت 8 وزير در صفحه قرار دارند له تابع جانشین: انتقال يك وزير به مربع ديكر در همان ستون www.myazdanpanah.mih anblog.com ) 9 263 - 11 ‏نورویک(‎ bh gee ‏م‎ 

صفحه 197:
جست و جوي آگاهانه و اکتشاف مثال جست و جوي تبه نوردی. [a = == ‏ريسي"‎ ‎[ ۷ 100 0 0 0 4 18 16 a 16 ۷ 17 ايلا oo a 4 9 vs | ve الف- حالت با هزینه ۲-0۸ که مقدار ۲ را براي هر جانشین نشان میدهد ‎‘www.myazdanpanah.mih 5 =‏ ‎wv‏ هوش مصنوعى راسل - نورویک( ۰0 0 - 0-9 ‎anblog.com‏ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 198:
جست و جوي آگاهانه و اکتشاف جست و جوي شبیه سازي حرارت ‎Gtovukated‏ »تيه نوردي مركب با هرکت تصلدفي »شبيه سازي حبارت: حبارت با درجه بالا و به تدريج سرد كردن #مقايسه با حركت توبي > توب در فرود از تيه به عميق ترين شكاف ميرود > با تكان دادن سطع توب اذ بيشينه محلي فارج ميشود >با تکان شدید شروع(دماي زیاد) > بتدريج تکان کاهش(به دماي پایین تر) # با کاهش زمانبندي دما به تدریم. الگوریتم یک بهینه عمومي را مي یابد »كير افتادن در ماکزیمم محلی : هرکت به هند 6 قبل برای هجا( ههد 0 هوش مصنوعی راسل -ورویک( 99۰-0 ‎anblog.com‏ ماکزیهم مهلی 

صفحه 199:
جست و جوي آگاهانه و اکتشاف جست و جوي پرتو محلي #به جای یک حالت. ۲ هالت را نگهداری میکند *مالت اولیه: ‏ حالت تصادفی 2 >گام بعد: جانشین همه | مالت تولید ميشود *اگر يكي از جانشین ها هدف بود. تمام میشود > وكر نه بهترین جانشین را انتفاب کرده. تکرار میکند تفاوت عمده با جستجوي شروع مجدد تصادفي *در جست و جوي شروع مجدد تصادفي, هر فرایند مستقل از بقیه اجرا میشود *در جست و جوي پرتو محلي. اطلاعات مفيدي بین ‏ فرایند موازي مبادله مشود #جست و جوي پرتو غيرقطعي ‎aX‏ جاي انتخاب بهترين ‎١‏ ال ‎eile‏ ۲ مانشین تصادفي را بطوریکه امتمال انتغاب يكي "صعودي از مقدارش با خاب مي ‎www.myazdanpanah.mih me‏ 3 هوش مصنوعى راسل - نورويك( 0- © - © - ) ‎anblog.com‏ 

صفحه 200:
جست و جوي آگاهانه و اکتشاف دو حالت والد تولید میشود 

صفحه 201:
جست و جوي آگاهانه و اکتشاف الگوریتم هاي زنتیک |+—| 32748552 32752411 31% 24 | 24748552 2-9 - 2 1 أح 752311۳ 24 24748552 32752411 4 ام 4 3375212 ‎i‏ 01 26% 20_| 24415124 244154161 | 24415491 24415124 14% 11 | 32543213 ثبع براز ‎ite‏ 

صفحه 202:
۰ هوش مصنوعي پنجم[افصل محدودیتآارضايامسائل هوش مصنوعى راسل - نورویک( 11 © > 

صفحه 203:
۳ a Artificial Intelligence (,CQNO4 ‏هونتل‎ فهرست #ارضاي محدودیت چیست؟ #جست و جوي عقبگرد براي مهو #بررسي پیشرو #پخش محدودیت ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 204:
مسائل ارضاي محدودیت ارضاي مهدودیت (06) چیست؟ مجموعه متناهي از متغير ‎Xa, X‏ > مجموعه متناهي از محدودیتها" ‎Oa, Or‏ >دامنه هاي ناتهي براي هر یک از 0 >*هر ممدودیت ۱( ‎Oi‏ زیرمجموعه اي از متغیرها و تركيبهاي ممكني از مقادیر براي آن زیرمجموعه ها »هر حالت با اتقساب مقاديري به چند یا تمام متغیرها تعریف میشود انتسابي که هیج محدوديتي )| نقض نکند. انتساب سازگار نام دارد #انتساب کامل آن است که هر متفيري در آن باشد راه هل 690۳( یک انتساب کامل است اگر تمام محدودیتها را ببآورده کند ‎٠.‏ أ#بعضي از 008605ها بودرله لهاي نياز دارندكم تابع هذقة 717 ةلله ‎ ‎ 

صفحه 205:
مسائل ارضاي محدودیت ‎COP Jo‏ رنگ آمیزی نقشه متغیرها: ,606 ,۵ ,060 ,6 ,۵ ,۵06 ۳ دامنه: [آبي. سبز قرمز) = ‎Oi‏ مهدودیتها: دو منطقه مجاو, همرنگ نیستند مثال: 00 ۶ 00 يعني (,) عضو ز,سبز),(قرمز,| بي),(سبز, 357 هوش مصنوعى راسل - نورویک( 0 ‎anblog.com * (@-9- A‏ 

صفحه 206:
مسائل ارضاي محدودیت ma <4 6۳ 1: | anblog.com (@-9-8- 

صفحه 207:
يت ‎3s‏ ‏مسائل ارضاي محدو يت كراف 339340 شه مر گراف ‎ie‏ . ‎ne‏ * گیه جد > 0 ‎joe‏ تر كردن ای ساده تر ۱ جست و جو ر ۳ بک(9-۵-0 مصنوعی راسل - ‎oe‏ 

صفحه 208:
مسائل ازضاي محدوديت متغيرها: ©,48,1,00,00,8,0,<0,2 2 دامنه:[9وقو7و6و5و4و09192:3]. ww myazdanpanah.mih هوش مصنوعی راسل ‏ نورویک( 11 - 263 9 ) 

صفحه 209:
مسائل ارضاي محدودیت #نمایش حالتها در 2096۳) از الگوي استانداردي پيروي میکند »براي 00000 ميتوان فرمول بندي افزايشي ارائه کرد: *حالت اولیه: انتساب خالي [) که در آن. هیم متغيري مقدار ندارد > تابع جانشین: انتساب یک مقدار به هر متفیر فاقد مقدار, به شرطي که با متفيرهايي که قبلا مقدار گرفتند. متضاد نباشند > آزمون هدف: انتساب فعلي کامل است > هزينه مسير: هزينه ثابت براي هر مرهله ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ٩ 

صفحه 210:
مسائل ارضاي محدودیت جست و جوي عقبکرد براي 000 #جست و جوي عمقي انتفاب مقادیر یک متغیر در هر زمان و عقبگرد در صورت عدم وجود مقداري معتبر براي انتساب به متغیر یک الگوریتم ناآگاهانه است >براي مسئله هاي بزرگ کارآمد نیست ‎‘www.myazdanpanah.mih ۳ ۱‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 211:
مسائل ارضاي محدودیت مثاا, هست ه حه», عقنگاد باا», ‎OGE‏ oD ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 212:
مسائل ارضاي محدودیت مثال جست و جوي عقبگرد براي 02050۳ ‘www.myazdanpanah.mih (@-9-e-0 

صفحه 213:
يت مسائل ارضاي محدودد جست 06 و جوي عقبگرد براي 0۳ظ) 1 - ني مثال ۵ ی 

صفحه 214:
مسائل ارضاي محدودیت 7 -- جست و جوی عقبگرد برای ‎OGE‏ anblog 

صفحه 215:
مسائل ارضاي محدودیت مقادیر باقیمانده كمينه(0)0) cy ts 4 انتخاب متغيري با کمترین مقادیر معتبر # متفيري انتخاب میشود که به احتمال زیاد. بزودي با شکست مواجه شده و درفت جست و جو را هرس میکند ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ te 

صفحه 216:
مسائل ارضاي محدودیت اکتشاف درجه اي ‎gow?‏ میکند فاکتور انشعاب را در انتغاب آینده کم کند # متفيري انتخاب میکند که در بزرگترین محدوديتهاي مربوط به متغيرهاي بدون انتساب قرار دارد ‎‘www.myazdanpanah.mih ‎anblog.com ‏هوش مصنوعی راسل ‏ نورویک( 11 - 263 9 ) ‎ ‎ ‎ 

صفحه 217:
مسائل ارضاي محدودیت اکتشاف مقداري باکمترین محدودیت 0+ Allows 4 value for SA ea Allows 0 values for SA ‎ole?‏ روش مقداري را ترجیم میدهد که در کباف محدودیت, متغيرهاي همسایه به ندرت آن را انتخاب میکنند ‏#۲ سعی بر ایجاد بیشترین قابلیت انعطاف براي انتساب بعدی متغیرها ‎www myazdanpanab.mih‏ ‏هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 218:
مسائل ارضاي محدودیت بررسي پیشرو وقتي انتساب به كا صورت میگیرد. فرایند بررسي پیشرو. متغيرهاي بدون انتساب مثل ۰ ‎ly‏ در نظر میگیرد که از طريق یک ممدودیت به 2 متصل است و هر مقداري را که با مقدار ‎ATI‏ شده بدرای 2 ‎ul phy‏ از دامته ۷ هذف مبکند ‎aoe ‎WA NT Q NSW ۷ SA 1۷ ‏| لها 11 8 | ۵ ۳ 0[ ۵ 11 8 | ۵ 10 16[ ۱۵ ۷ 108 ۵۵ 30 | 150 11 لا بر ‎ ‎ ‎ 

صفحه 219:
مسائل ارضاي محدودیت بررسي پیشرو 5[ 7 5 11 5[ 7 19 [ 5 [ 1111 ۱11 ۱11-1 15 5[ 8 5 5[ 5 5 [ ككس ‘www.myazdanpanah.mih anblog.com (@-9-€ 

صفحه 220:
مسائل ارضاي محدودیت بررسي پیشرو ‎WA NT 0 NSW ۷ SA T‏ 111 ۱۲11 ۱۲1 ۱۱ 11 ۱ ۱۱ ۱11 ] ۳۳555500 ] 10 35115 5 8 155 10 [5 ۷ 5] 7 515 6 |] 1۲11 5 ۱۲ 11 ۱ ۲ ‘www.myazdanpanah.mih 

صفحه 221:
مسائل ارضاي محدودیت بررسي پیشرو 

صفحه 222:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 x2 {1,2,3,4} {1,2,3,4} 1 2 3 4 برا يم اننا اح 23 4 {1,2,3,4} {1,2,3,4} ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 223:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 X2 {1,2,3,4} {1,2,3,4} x3 x4 {1,2,3,4} {1,2,3,4} ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 224:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 X2 {1,2,3,4} 4 , 3,4} 283 4 { ,2, ,4( 4 ,2,3, } ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 225:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 22 {1,2,3,4} 4 , 3,4} 3 X4 { ,2, 4} 4 ,2,3, } ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 226:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 22 {1,2,3,4} 4 , 3,4} ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 227:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 X2 1234 £2,344) ((1,2,3,4} 1 2 3 ۱ 3 4 {1,2,3,4} {1,2,3,4} ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 228:
مسائل ارضاي محدودیت مثال: مسئله 4-وزیر 1 X2 1 2 3 4 ) ,2,3,4( , , ,4( 1 2 3 ۱ 3 4 {1, 3, } {1, ,3,4} ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 229:
مسائل ارضاي محدودیت x2 1 A} x4 3,4} {1, مثال: مسئله 4-وزیر 1 {_,2,3,4} x3 {1, 3, } vow myazdanpanah.mih anblog, 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 230:
مسائل ارضاي محدودیت 2 , ,4( x4 41, 3, مثال: مسئله 4-وزیر 1 { ,2,3,4} x3 1, , ( تا هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog,‏ 

صفحه 231:
مسائل ارضاي محدودیت 2 , ,4( x4 41, 3, مثال: مسئله 4-وزیر 1 { ,2,3,4} X3 ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 232:
مسائل ارضاي محدودیت 2 , ,4( x4 مثال: مسئله 4-وزیر 1 { ,2,3,4} X3 ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 233:
مسائل ارضاي محدودیت 2 , ,4( x4 مثال: مسئله 4-وزیر 1 { ,2,3,4} X3 ‘www.myazdanpanah.mih anblog.com )0 29-0 0 ‏هوش مصنوعی راسل نورویک(‎ 

صفحه 234:
مسائل ارضاي محدودیت يخش ممدودیت پخش الزام محدوديتهاي یک متغیر به متغيرهاي دیگر *مثال: پخش محدوديتهاي 9009 0 به 0و 9060 جع بلج WA wr 3 ‘www.myazdanpanah.mih anblog.com هوش مصنوعی راسل ‏ نورویک( 11 - 263 9 ) 

صفحه 235:
مسائل ارضاي محدودیت سازگاري یال #روش سريعي براي پخش مهدود و قویتر از بررسي پیشرو #يال؛ يال جهت دار در كراف محدوديت بررسي سازگاري یال ۱ یک مرحله پیش پردازش, قبل از شروع جستجو تيك مرحله پفشي پس از هر اتتساب در مین جستجو ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ tre 

صفحه 236:
مسائل ارضاي محدودیت مثالء: سازقارى دالء ۴ «- 30) سانگار لستتگر سلجم ‎BO=bhe‏ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 237:
مسائل ارضاي محدودیت مثال: سازگاري یال ۴ «- (000) سانگار لستگر G@=bhe ond OGO=red 222DEO=bhe od GO * یال میتواند سازگار شود با حذف صاطاز ووم ‎www.myazdanpanah.mih‏ anblog.com Od Syst By ge ae tw 

صفحه 238:
مسائل ارضاي محدودیت مثال: سازگاري یال * یال میتواند سازگار شود با هذف سد از 060 ‎O jlred Gin *‏ ‘www.myazdanpanah.mih anblog.com (@-9-8- 

صفحه 239:
مسائل ارضاي محدودیت مثال: سازگاري یال #8 WA NT a NSW v SA 1 تس 22522225 * یال ميتواند سازكار شود با حذف صاطاز 0)8)0). ‎O jlred Win ®‏ ‘www.myazdanpanah.mih = anblog.com (@-€ هوش مصنوعی راسل ‏ نورویک( 6-0 

صفحه 240:
مسائل ارضاي محدودیت سازگاري ‎K‏ # سازگاري یال تمام ناسازگاريهاي ممکن را مشخص نمیکند له با روش سازگاري1), شكلهاي قويتري از پفش را میتوان تعریف کرد در صورتي ‎CGE‏ سازگاري ) است. که براي هر ۲-4 متفیر و براي هر انتساب سازگار با آن متغیرهاء یک مقدار سازگان همیشه بتواند به متغیر ام نسبت داده شود ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 241:
مسائل ارضاي محدودیت سازگاری ) #يطور مثال: ‎meee‏ ‏> سازكاري 1: هر متغير با خودش سازكار است(سازگاري گره) > سازگاري2: مشابه سازگاري یال > سازگاري:؛: بسط هر جفت از متفيرهاي همجوار به سومين متغير همسایه(سازگاري مسیر) # گراف در صورتی قویا سازگار) است که: > سازگار باشد *همچنین سازگار-۲ و سازگا ۹ و... سازگار 1 باشد »در اين صورت. مسئله را بدون عقبكرد ميتوان حل كرد ‎Gane’‏ زماني آن (0)) است ۱ او ماوخ ۳ ۳ هش مصنوشی رامل -نورویک( 0 - © - © ‎anblog.com‏ 

صفحه 242:
مسائل ارضاي محدودیت ‎Cus‏ و جوي محلي در مسائل ارضاي محدودیت ‏#بسياري از 020()ها را بطور کارآمد هل میکنند ‎Calla‏ اولیه, مقداري را به هر متغیر نسبت میدهد > تابع جانشين. تغيير مقدار یک متفیر در هر زمان ‏#انتخاب مقدار جدید براي یک متغیر >انتفاب مقداري که کمترین برخورد را با متفيرهاي دیگر ایجاد کند(اکتشاف برخورد کم) > زمان اجراي برخورد کم مستقل از اندازه مسئله است > برخورد کم. براي مسئله هاي سخت نيز كار میکند ‏#جست و جوی محلی میتواند در صورت تغییر مسئله. تنظیمات ,0 را انجام دهد ‎swww.myazdanpanah.mih‏ ‏هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ ‎ ‎ 

صفحه 243:
مسائل ارضاي محدودیت *در هر مرمله, یک وزیر براي انتساب مجدد در ستون خودش انتفاب میگردد *تعداد برخوردها در هر مربع نشان داده شده است www.myazdanpanah.mih هوش مصنوعى راسل - نورويك( 0 - © > ‎anblog.com‏ 

صفحه 244:
هاش مصنوعي ششم [الالانا خصمانه|اجستجوي 

صفحه 245:
Artificial Intelligence ‏هوش مطنوعئى‎ ست #بازیها چیستند و چرا مطالعه #انواع بازیها #بازيهاي چند نفره #هرس آلفا-بتا www.myazdanpanah.mih anblog.com ناقص ‎anaes‏ زرسكر ةد هد ايه 

صفحه 246:
جستجوي خصمانه بازي ها چیستند و چرا مطالعه میشوند؟ ‎io?‏ هالتي از محيطهاي چند عاملي هستند >*هر عامل نیاز به در نظر گرفتن سایر عاملها و چگونگي 5 > تمايز بين محيطهاي جند عامل رقابتي و همكار > مميطهاي رقابتي. كه در آنها اهداف عاملها با يكديكر برفورد دارند. منجر به مسئله هاي خصمانه ميشود كه به عنوان بازي شناخته ميشوند ‎ ‏نها دارد ‎ha?‏ مطالعه میشوند؟ * قابليتهاي هوشمندي انسانها را به کار میگیرند *ماهیت انتزاعي بازي ها *مالت بازي را به راهتي میتوان نمایش داد و عاملها معمولا به مجموعه كوچکي از فعالیتها ممدود هستند که نتایج آنها با قوانین دقيقي تعریف شده اند ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ oy ‎ ‎ 

صفحه 247:
جستجوي خصمانه انواع بازي ها تصادفی قطعی تفته نرد > = اطلاعات كامل ‎oy)‏ يوكر الطلاعات ناقص ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ Ww 

صفحه 248:
جستجوي خصمانه یک نمونه بازي ‎sib?‏ دو نفره: ۰) و د( ‎Dax Jgl<‏ حركت ميكند و سيس به نوبت بازي ميكنند تا بازي تمام شود > در پایان بازي, برنده جایزه و بازنده جریمه میشود ‏بازي به عنوان یک جستجو: > مالت اولیه: موقعیت صفمه و شناسه هاي قابل هرکت > تابع جانشين:ليستي از (هالت,مرکت) که معرف یک هرکت معتبر است > آزمون هدف:پایان بازي چه موقع است؟(مالتهاي پایانه) > تابع سودمندي: براي هر حالت پایانه یک مقدار عددي را ارائه میکند. مثلا برنده( 1+) و بازنده(1-) ‏حالت اولیه و حرکات معتبر براي هر بازیکن. درفت بازي را براي آن بازي ایجاد میکند ‎er‏ ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ rH 0 ‎ ‎ 

صفحه 249:
axon الگوریتم؛ "بازیکن: انتخاب بهترین 1 51 7 7 ‎f ۱ tie‏ مس *مریف: انتفاب موقعیت براي خودش یا بدترین وضعیت براي 3 بازیکن ۱ لد از مسر سر بازیکن: ماکزیمم مالت | بت ی ‎lb‏ و ‎memes FSP‏ 0 هوش مصنوعي راسل - تورويخر 0- يغ - 89 - 10) ‎‘Shpiog.comn‏ 

صفحه 250:
هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) MAX MIN ‘www.myazdanpanah.mih anblog.com 

صفحه 251:
جستجوي خصمانه یک نمونه بازي MAX 23 MIN ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 252:
جستجوي خصمانه یک نمونه بازي MAX MIN ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 253:
جستجوي خصمانه یک نمونه بازي MAX MIN 514 ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ver 

صفحه 254:
MAX MIN. ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 255:
MAX MIN ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 256:
جستجوي خصمانه الگوریتم مه کامل بودن: بله (اگر درخت مهدود باشد) هوش مصنوعی راسل - نورویک( 0- 8 - ۰8 6) ل ‎anblog.com‏ 

صفحه 257:
بازيهاي چند نفره # تخصیص یک پردار به هر کره. به جاي یک مقدار بازيهاي چند نفره معولاً شامل اتماد رسمي یا غیر رسمي بین بازیکنان ‎Cul‏ ‏+ اتحاد با ييشروي بازي ايجاد و از بين ميرود ‎tomove‏ ‏؟ بازیکنان بطور خودکار همکاري میکزند. تا به هدف مطلوب انمصاري برسزد 6 ۱2۵ (6.1.2) C1,5,2) (5.4.3) al (12,6) (4.2.3) (61,2) (4-1 Gate ‏يكيل‎ 7.71) (5.4.5) ev 

صفحه 258:
جستجوی خصمانه هرس الفا-بتا در الكوريتم ۰:۰( 4 تعداد ‎Con‏ بازي که باید بررسي ‎rigid‏ بر مسب تعداد هرکتهاء تواني است > راه مل: محاسبه تصمیم الگوریتم. بدون دیدن همه گره ها امکانپذیر است هرس ‎wt‏ -یتا: انشعابهايي که در تصمیم نهايي تأثیر ندارند را حذف میکند انتغاب در هر نقطه انتغاب در مسیر »() تاکنون > بتاه مقدار بهترین انتغاب در هر نقطه انتفاب در ‎Din pure‏ تاکنون > تعداد گره هايي که باید بررسي شوند به 0082 تقلیل میابد > فاكتور انشعاب مؤثر به جاي ط برابر با جذرط خواهد بود بيش بيني آن نسبت به > دو برابر است ‘www.myazdanpanah.mih هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 259:
جستجوي خصمانه هرس آلفا-بتا ‎oe‏ ۰ که هر جاي درفت میتواند باشد. ‏بررسي میشود اکن 51% بازیکن انتخاب بهتبي داشته باشد ‎p<‏ کره ‎Opponent aly‏ ‎ ‏“يا هر انتخاب بهتري تا كنون. ‏هم هیچوقتهر بازيولقعي ق ابلدسترس ‏ن فولهد بود ‎Player‏ ‏»در نتيجه > هرس ميشود ‎Opponent‏ ‏3 هوش مما ‎ 

صفحه 260:


صفحه 261:


صفحه 262:


صفحه 263:
جستجوی خصمانه MAX ]3,+«( 3 MIN [3,3] ‘www myazdang 3 12 8 anblog.com 

صفحه 264:
MAX MIN www.myé anblog.cc 

صفحه 265:
MAX MIN ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 266:
MAX [3,3] , -2 SIV it ¢5 MIN ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 267:
جستجوي خصمانه مثال: هرس آلفا-بتا MAX 3.31 MIN [3,3] 3 [-», 21 $2 (2,217 REE 2 xX X ‘www.myazdanpanah.mih anblog.com (@-¢ 2 -0 ‏هوش مصنوعى راسل - نورويك(‎ nw 

صفحه 268:
جستجوي خصمانه مثال: هرس آلفا-بتا MAX [3,3], mn [3,3] 3 ۱۵,21۳ ۹2 46 2 xX X ‘www.myazdanpanah.mih anblog.com (@-¢ م هوش مصنوعى راسل - نورويك( 0- 2 

صفحه 269:
جستجوي خصمانه بازيهاي قطعي با اطلاعات ناقص ‎Gules‏ الگوریتم هاي پیشین #الکوریتم كل فضاي جست و جوي بازي را توليد ميكند الکوریتم آلفا -بتا با وجود هرس درخت. اما کل مسیر حالتهاي پایانه. هداقل براي بخشي از فضاي حالت. بايد جست و جو شود “اين عمق عملي نيست. زيرا حركات بايد در زماني معقول انجام شود شانون(1950) براي كمتر شدن زمان جست و جو و اعمال تابع ارزيابي اكتشافي به حالتهاي جمستجوء بهتر أست أز كرة هاي غير يايانة به كرة هاي پابانه ‎wow my BARB‏ anblog.com )8 2-8-0 ‏هش مصنوعی رامل -تورویک(‎ m 

صفحه 270:
جستجوي خصمانه بازيهاي قطعي با اطلاعات ناقص »در شانون, »هه و آلفا-بتا به دو روش بطور متناوب عمل »#جايكزيني تابع سودمندي با تابع ارزيابي اكتشافي بنام با()020) > تخميني از سودمندي موقعيت ارائه ميكند 3 #جايكزين تست يايانه با تست توقف > تصميم ميكيرد 60000 جه موقع اعمال شود ‎www myazdanpanah.mh ۱ 5‏ عرش مصتوعى رامل - نورويكز 0- © - 89- :6) ‎anblog.com‏ ‎ ‎ 

صفحه 271:
جستجوي خصمانه تابع ارزيابي اكتشافي ,06) تابع ارزیابی» ارائه تخميني از سودمندي مورد انتظار بازي از یک موقعیت خاص >توابع اكتشافي, تخميني از فامله تا هدف را بر میگرداندند اغلب توابع ارزيابي. خواص گوناگوني از هالتها را محاسبه میکنند >خواص روي هم رفته. كلاسهاي هم ارزي یا دسته هاي مختلفي از حالتها را تعریف میکنند > هالتهاي هر دسته. براي تمام خواص مقدار يكساني دارند »هر دسته حاوي جند حالت است كه > موجب برنده شدن > موجب رسم شدن *منجر به بافتن ‎poe‏ آرتيابي تمیداند کدام هانت متجز به چه جباي مینللود, ‎Ayia wake ls‏ برگرداند که ‎SURE arts) Ila Caw‏ که *) ‎anblog.com‏ 

صفحه 272:
عددي جداگانه ‎2h‏ براي هر خاصيت محاسبه. سيس آنها را تركييد ميكنند تا مقدار كل بدست آيد بثال در تابع بازي شطرنج: ‎ig‏ ‏تعداد هر نوع قطعه در صفهه مقادير آن قطعات(1 براي يياده. 3 براي اسبد يا فيل.5 براي ‎(9d)‏ ‎w, £(s) +... +‏ + 29 = = سا مرح مستوعی رال توو تم ‎ww FLA‏ 9 ‎ ‎ 

صفحه 273:
جستجوی خصمانه مثال: تابع ‎COOL‏ ‏ارزيابي تابع ,26۱6) از مقدار پيروزي در ده موقعیت کاملا متفاوت الف) سیاه. مزیت اسب و دو پیاده دارد و بازي را میبرد ب) پس ا یلته وین ول وا ۳ سيان ميق مممدممةعدرس بح anblog.com we 

صفحه 274:
جستجوي خصمانه #وقتي بوجود مي آید که برنامه با اثري از رقيب مواجه شود كه منجر به خبابي جدي كشته و اجتناب يذير است >مثال: شکل مقابل؛ سياه در اصل جلوست. اما اكر سفيد پیاده اش را از سطر هفتم به هشتم ‎apy‏ پیاده به وزیر تبدیل میشود و موقعیت برد براي سفید بوجود مي لاح لح www myazdanpanab.mih ‘Ssnblog.com. 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 275:
جستجوي خصمانه بازيهايي که هاوي عنصر شانس هستند MAK aly oe Man ‏شاد‎ ‎os ‎MAX ‏پایانه‎ ‎www.myazdanpanah.mih ‏هوش مصنوعی رام -نورویک( 28-01 28 ) ات‎ 

صفحه 276:
۲ i ‏هوش مصناعى‎ asl] piar منطقي اهاي اعامل 

صفحه 277:
هوش مصنوعي ‎Artificial Intelligence‏ ست #عاملهاي مبتني بر دانش #الگوهاي استدلال در منطق گزاره اي ‘www.myazdanpanah.mih) anblog.com 

صفحه 278:
عاملهاي منطقي عاملهاي مبتني بر دانش #مؤلفه اصلي عامل مبتني بر دانش پایگاه دانش آن است >يايكاه دانش: مجموعه اي از جملات ام ههد ههد ۰ ٠:-'هايي‏ در ورد جهان. محدوده الگوريتمهاي . بخش محدوده اطلاعات خاص دانش »براي اضافه کردن جملات به پایگاه دانش و درخواست دانسته ها + بارا "ا" و 60506 >هر دو ممكن است شامل استنتاج باشند #پیروی:آنجام فرایند استنتاج تحت مقررات خاص ‎www.myazdanpanah.mih‏ هوش مصنوعی راسل - نورویک( 0-0 - 23 0) ‎anblog.com‏ 

صفحه 279:
عاملهاي منطقي عاملهاي مبتني بر دانش # عامل مبتني بر دانش باید بتواند: > نمایش حالات و فعالیتها > ترکیب ادراکات مدید * بروز کردن تصور داغلي خود از جهان > استنباط خصوصیات مخفي جهان > استنتاج فعاليتهاي مناسب » عاملء يايكاه دانش خيلي شبيه به عاملهايي با حالت دروني است #عاملها در دو سطع متفاوت تعريف ميشونده > سطع دائش: عامل هه جِيزي ميدائد و اهداف آن كدامند؟ www tiyazdanpai anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ ws 

صفحه 280:
عاملهاي منطقي # معیار کارا 0+ انتخاب طلا. 1000- افتادن در کودال یا خورده شدن, 1- هر مرهله. 10- براي استفاده از تیر #محيط: > بوي تعفن در مربعهاي همجوار 000000065 > نسيم در مربعهاي همجوار كودال * درفشش در مربع حاوي طلا > كشته شدن 000000000009 با شليك در صورت مقابله > تير فقط مستقيم عمل ميكند > برداشتن و اندافتن طلا أ#مسكرهاء “بو تعفن نسيم. تابش. ضربه. جيغ [دن #ممركها آنا 4 0 _ > کردش به چپ. کردش به راستفله-(هشم ‎Sasi‏ 9-6-0( جهان 000606 وت او 3 anblog.com 

صفحه 281:
عاملهاي منطقي توصیف جهان 00006 قابل مشاهده کامل: خیر, فقط ادراک محلي قطعي: بله. نتیجه دقیقا مشفص است رويدادي: خی ترتيبي از فعالیتهاست ایستا: بله, 000000006 و کودالها مرکت ندارند گسسته: به تک عامله: بله, 100000050005 در اصل يك خصوصيت طبيعي است www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 282:
كيان عتي کاوش در جهان 0۵0606۵ 3 ی هوش مصنوعی راسل ‏ نورویک( 0 29-0 0) و۳ 

صفحه 283:
كيان عتي توصیف جهان 00006 ) 9 263 - 11 ‏نورویک(‎ bh ‏هوش مصنوعی‎ tar 3 ی و۳ 

صفحه 284:
كيان عتي توصیف جهان 00006 77 = ox] 7 |] هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) 3 ی و۳ 

صفحه 285:
كيان عتي توصیف جهان 00006 77 هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) 1 Sain 

صفحه 286:
عاملهاي منطقي توصيف جهان 0006006 لحم هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) عامل - © سیم < ۵ درختاسيلى, طلا ‎on‏ مريع امن - 056 كودال د © تعفن - © ملافات شده < 1 و۳ 

صفحه 287:
كيان عتي توصیف جهان 00006 هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) عامل 2 © نسيم - © درخشش,طلا ده مربع امن < 9 گودال < © تعفن - © ملافات شده < 1 و۳ 

صفحه 288:
عاملهاي منطقي توصيف جهان 0006006 a cb = هوش مصنوعی راسل ‏ نورویک( 11 - 263 9 ) عامل - © سیم < ۵ درختاسيلى, طلا ‎on‏ مريع امن - 056 كودال د © تعفن - © ملافات شده < 1 و۳ 

صفحه 289:
عاملهاي منطقي توصيف جهان 0006006 هوش مصنوعی ‎bh‏ نورویک( 11 - 263 9 ) عامل - © سیم < ۵ درختاسيلى, طلا ‎on‏ مريع امن - 056 كودال د © تعفن - © ملافات شده < 1 و۳ 

صفحه 290:
عاملهاي منطقي ‎Bhi‏ یی زبان رسمي: > ترکیب(نمو): چه کلمه بندي صهیم است.(فوش فرم) > معناشناسي: یک کلمه بندي صهیح چه معنايي دارد > در منطق. معناي زبان. درستي هر جمله را در برابر هر جهان ممکن #مثال, در زبان ریاضیات > << ۵+ ی کجمله لما +۰ جمله نیست کر << ۱+۵ در مهاندبستسطگر 2« و 20 بر www.myazdanpanah.mih anblog.com (@ - © - © - 6 ‏هوش مصنوعى راسل - نورويك(‎ 0 

صفحه 291:
عاملهاي منطقي استلزام #استلزام منطقي بین جملات این است که جمله اي بطور منطقي از جمله ديكدٍ ييروي ميكند ‎kb‏ 0 > جمله ۰ استلزام جمله ۲ است >جمله ه جمله ‎١‏ را ايجاد ميكند >اكر و فقط اكر. در هر مدلي که ۰ درست است. ‎١‏ نيز درست استد ‎SIX‏ ه درست باشد. ذا نيز درست است * درستي ۲ در درستي ۰ نهفته است #مثال: جمله ۶20+« مستلزم جمله 4+« است ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 292:
و 

صفحه 293:
عاملهاي منطقي ‎lasso‏ رین( ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎www.myazdanpanah.mih ‎anblog.com ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 294:
‎CB Fad‏ ,المرلستاه,۱]" > ۵ موه ‏هوش مصنوعی راسل - نورویک( 0 6*2 - 3 - 4 ). ‎anblog.com‏ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 295:
حنیای + مشاهط هه موب < 00 ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 296:
۵ 008 , لمولست۴ ‎٩0‏ > مه مه هوش مصنوعى راسل - نورويك( 06> © - © - 8 ). ‎anblog.com‏ 

صفحه 297:
عاملهاي منطقي منطق گزاره اي "نمو منطق كزاره اي. جملات مجاز را تعریف میکند جملات اتمیک(عناصر غیر قابل تعمیم) تشکیل شده از یک نماد گزاره #هر یک از این نمادها به گزاره اي درست یا نادرست اختصاص دارد *نمادها از مروف بزرگ مثل ۳,)3,6۲) استفاده میکنند جملات پیچیده با استفاده از رابطهاي منطقي. از جملات ساده تر ساخته میشوند > د(س) جمله اي مثل 7-:0) نقیض ‎caw! Dus‏ > لیترال یک جمله اتمیک(لیترال مثبت). یا یک جمله اتمیک منفي(لیترال منفي) است >> (ل-) ‎Dass dhe‏ ۰ تركيب عطفي نام دارد.هر بفش آن يك عطف ناميده ميشود ک() :0 ‎(Pow‏ 0:۰۸ تركيبف صليمربوط به فصلهاي 0 و 5 ‎Poa‏ ‎te 1‏ >> (استلزام): )04,9 ‎VO, 7 _v (PO,0*‏ استلزام یا شرطي نامیده ميشود. مقدمه ‎Poa * Das at erko &‏ 9 نتیمه یا تالي أن .0 + است 0[ ‎@biybyinge Woo © Duo lag OX nw‏ دلبيكر »- © - 8 - ©) ‎anblog.com‏ 

صفحه 298:
عاملهاي منطقي منطق گزاره اي = (Gq) commutativity of 4 ( (2Va) commutativity of v ‎(a A(8\7%)) associativity of /‏ 8686 ه) ‎((av B)V ¥, (av (GV 7)) associativity of v ‎double-negation elimination‏ م ‎(48 + 7a) contraposition ‎(+a v 3) implication elimination ‎((a = 8)A(3 => a)) biconditional elimination (nav 43) de Morgan ‎( (-a A 48) de Morgan ‎(aA (BV 7) ((aA B)V(aA7)) distributivity of \ over v (av (3A) ((av 8) A(av7)) distributivity of v over A ‎anbiog.com (Od nis a ‏هوش مصنوعى‎ cM ‎ ‎ 

صفحه 299:
3/3) 3/9 عاملهاي منطقي و اد و | 3 جدول درستي پنج رابطه منطقي ده ]ره <دم | وهم 9 | 6 | © | | اه ‎Tp e ©‏ ۳ ©» | © | | ۲ | ۲ ‎e‏ ذا كا ‎Ny ۷ au‏ هوش مصنوعی راسل - نورویک( 0-0 - 0-9 2 anblog.com 

صفحه 300:
عاملهاي منطقي منطق گزاره اي در دنياي عمسی<) 4 در ‎Baa‏ نسيمي وجود دارد ‎Poa)‏ بد فوظ) جه ‎Baa‏ 5 در [1,1] كودالي وجود ندارد 2 مون ب ‎Re:‏ 2 4 ‎www.myazadnpanan.min‏ ‏هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 301:
عاملهاي منطقي الگوهاي استدلال در منطق گزاره اي قوانین استنتاج: الگوهايي استاندارد که زنجیره اي از نتایج را بباي رسیدن به هدف ایجاد میکند #قیاس استثنايي: با استفاده از ترکیب عطفي, میتوان هر عطف را استنتاج كرد(يعني هر وقت جمله اي به شکل <-ه داده شود. جمله ۲ را میتوان استنتاج کرد) *میتوان از >= ‎a 6 7 0 (Oucpus@kead * Ducepus live)‏ ‎OO 3‏ (ص3)سحردى() “ لها )س حرص (0) عه امصاة) 6 ا را لستنتاج كرد ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 302:
عاملهاي منطقي #هذف ‎scr‏ هر عطف را میتوان از ترکیب عطفي ا ناه ‎RX‏ ‏مثال: طلست( را میتوان از جمله زیر استناج کرد (جفاسسی) ۸ تیاس 0۳] خاصیت یکنواختی مجموعه اي از جملات استلزامي که فقط میتواند در صورت اضافه شدن .اطلاعات به پایگاه دانش رشد کند KBl=a > KB’ 6 ۳ ‏۰و ۲ داریم:‎ Gilles ‏براي‎ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 303:
عاملهاي منطقي قانون ویر قانون مهس واهد. یک عبارت و یک لیترال را گرفته. عبارت ديگري تولید ميكند ‎I,m‏ ۰۰ ۲ ۷ ۷ ۷ ۷ ۷ ‎Dee dy da‏ قانون ددندادص: واحد ميتواند به قانون >ماطحب: کامل تعمیم داد: AY. ۷ ۷ 7 IQ...” Mh, AY dy da’ ‏7و كيل "ل‎ m,,* m,,, ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ we 

صفحه 304:
ان [مدطدع الكوريتم ‎resvhitioa‏ ‏#شكل نرمال عطفي(*2606)): جمله اي که بصورت ترکیب عطفي از ترکیبات فصلي لیترالها بیان میشود.دن‌هز عباري 9.2 ل ايد ‎Cn ig) oe Wi, a ta)‏ # الگوریتم مصاسصسه *براي اینکه نشان دهیمه<|6) , مشخص میکنیم (۰ ۸ ۲60)) ارضا کننده نیست *ابتدا )75 4 ‎(KB‏ را به ۱026۴) تبدیل میکنیم *سپس قانون ادج به عبارات کوچک ماصل اعمال میشود >هر جفتي كه شامل ليترالهاي مكمل باشد. محعفه: میشود تا عبارت مديدي ایجاد کردد >اكر اين عبارت قبلا در مجموعه نباشد. به آن اضافه میشود >فرايند تا محقق شدن يكي از شروط زير ادامه مي يابده *هیج عبارت ديكري وجود نداشته باشد که بتواند اضافه شود. در این مورد. ما استلزام ۰ نیست Ye GEE YO ae ae OE anblog.com 0-9 - 0 0 ‏هوش مصنوعی راسل - نورویک(‎ me 

صفحه 305:
عاملهاي منطقي مثال:الگوریتم ماهر OPV Bi PNP. P| Bu Pu Pai PN Ba SB PLN BP Poy aPra| Bu Pav Bu KP = (00,0 & (P0,8" ‏د ((0بعم‎ 60,0 a = 70, ) 9 263 - 11 ‏هوش مصنوعی راسل نورویک(‎ re ‘www.myazdanpanah.mih anblog.com 

صفحه 306:
عاملهاي منطقي = = ۳ زنجیر پیشرو و عقبگرد له عبارات هورن: ترکیب فصلي ليترالهايي است که فقط يكي از آنها مثبت است ‎aX‏ عبارت هورن را میتوان به صورت یک استلزام نوشت که مقدمه آن ترکیب عطفي ليترالهاي مثبت و تالي آن یک لیترال مثبت است “اين نوع عبارات هورن كه فقط یک لیترال مثبت دارند. عبارات معین نامیده میشوند > لیترال مثبت را رأس و ليترالهاي منفي را بدنه عبارت گویند >عبارت معيني که فاقد ليترالهاي منفي باشد. گزاره اي بنام مقیقت نام دارد >عبارات معین اساس برنامه نويسي منطقي را میسازد # استنتام با عبارات هورن. از طریق الکوریتم هاي زنجیر پیشرو و زنجیر عقبگرد انجام ميكيرد ‘www.myazdanpanah.mih m هوش مصنوعی راسل - نورویک( 0-0 - 0-9 ‎anblog.com‏ 

صفحه 307:
عاملهاي منطقي زنجیر پیشرو الگوریتم زنجیر پیشرو تعیین میکند آیا نماد گزاره اي ب(تقاضا)؛ توسط پایگاه دانش عبارات هورن ایجاب میشود یا خیر ‎Q‏ ‏4 ‎P=Q‏ ‏م ‎LAM >P‏ ‎BAL>M ۳۹‏ ‎AAP SL M‏ ‎AABSL t‏ ‎A‏ ‎B‏ www.myazdanpanah.m anblog.com 2 

صفحه 308:
oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 309:
oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 310:
oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 311:
هوش مصنوعی ‎bh‏ نورویک( 11 - 263 3 ) ‘www.myazdanpanah.mih anblog.com 

صفحه 312:
دور ش مصنوعى راسل - نورويكر 0 - 00 طن طقمة: ‎www .myazdanp.‏ ‎anblog.com‏ 

صفحه 313:
‘www.myazdanpanah.mih anl ))0 2 - © -0 ‏هوش مصنوعى راسل - نورويك(‎ 

صفحه 314:
‘www.myazdanpanah.mih ) 3 263 - 11 ‏نورویک(‎ bh ‏هوش مصنوعی‎ 

صفحه 315:
‘www.myazdanpanah.mih ) 3 263 - 11 ‏نورویک(‎ bh ‏هوش مصنوعی‎ 

صفحه 316:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih ee www .myazdanp. anblog.com 

صفحه 317:
عاملهاي منطقي الگوریتم عقبگرد کامل تغییرات عمده: خاتمه زودرس, اکتشاف نماد محض, اکتشاف عبارت واهد Q P=+Q LAM =P ۳ BAL+M 38 AAPSL M AABSL A / ده ‎a‏ ‎anblog.com A nw‏ 

صفحه 318:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ ‎yanah.mih ee www .myazdanp. anblog.com 

صفحه 319:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih ee www .myazdanp. anblog.com 

صفحه 320:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih ‏یس‎ ‎www .myazdanp. anblog.com 

صفحه 321:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی رامل‎ - 0 ‏تورویک(‎ yanah.mih ‏یس‎ ‎www .myazdanp. anblog.com 

صفحه 322:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih ee www .myazdanp. anblog.com 

صفحه 323:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih ee www .myazdanp. anblog.com 

صفحه 324:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ 20 ‏نورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 325:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 326:
عاملهاي منطقي الکوریتم عقبگرد کامل oe - ‏مصنوعی راسل‎ - 0 ‏تورویک(‎ yanah.mih 00 www .myazdanp. anblog.com 

صفحه 327:
هاش مصنوعي هشتم‌افصل اوللارتبهلامنطق 

صفحه 328:
Artificial Intelligence (,CQNO ‏هوش‎ فهرست #مروري بر منطق گزاره اي #منطق رتبه اول #انواع منطو نحو و معناي منطق رتبه اول مهندسي دانش ۱ طنس 1۱ عرش مصتوعى رامل - نورويكز 0- © - 89- :6) ‎anblog.com‏ 

صفحه 329:
منطق رتبه اول ‎ig‏ مروري بر منطق گزاره اي ویژگیها *ماهیت اعلانی *دانش و استنتام متمایزند و استنتام کاملاً مستقل از دامنه است > قدرت بیان کافی براي اداره کردن اطلاعات جزتی *با استفاده از ترکیب فصلي و نقيض 5 > قابليت تركيب "معناي جمله. تابعي از معناي بفشهاي ‎Ol‏ ‏>معناء مستقل از متن است "بر خلاف زبانهاي طبيعي كه. معناي جملات وابسته به متن است ‏#معايب ‎ ‎www.myazdanpanah.mih™ ‎anblog.com ‎20) Sisusi- hse eee ‏*بر خلاف (بانهاي‎ 5-5 ‎ ‎ 

صفحه 330:
منطق رتبه اول منطق رتبه اول #اساس منطق گزاره اي را پذیرفته و بر اساس آن یک منطق بياني میسازیم ‎ie‏ ايده هاي نمايشي زبان طبيعي استفاده کرده. از عیوب آن اجتناب میکنیم # زبانهاي طبيعي از جهان طبقه بندي زیر را دارند > اشیاء: افراد. خانه. اعداد. رنگهاء بازيهاي فوتبال. آتش و ... > ابطه ها ۱ >رابطه هاي يكاني يا خواص مثل قرمل گرد. اول و ... > رابطه هاي هندتايي مثل بزادر بودن. بزركتر بودن. بخشي از. مالكيت wo 91 i Gs SRR PE GN BUM Big al aa) ‏اله منطق‎ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 1 

صفحه 331:
منطق رتبه اول حقیقت شناسي (اغتقادات عامل راجع به حقايق) درست/نادرست/ ‎dials‏ ‏درست/نادرست/ ‎Sachs‏ ‏درست/نادرست/ ‏7 ‏درچه اي از اعنقاد منعلة ‎fA: TT ai‏ انواع منطق هستي شناسي (آنچه در جهان هست) خقایی. انشیا.رابظه ها حقایق؛ اشیا: رابطه هاء زمان هط لدع رس - ریک( مق أیقع) زبان منطق گزاره ‎sl‏ a ate ‏اول‎ موفتی سوریو 09 | کح لا امه 

صفحه 332:
منطق رتبه ول نحو و معناي منطق رتبه اول #نمادهاي ثابت؛ اشیا را نشان میدهد. مثال: ‎gle‏ 2 رضاء ... #نمادهاي محمول؛ رابطه ها را نشان میدهد. مثال:برادر بودن. بزرکتر بودن از نمادهاي تابع؛ توابع را نشان میدهند. مثال: تابع پاي چپ( ,اس #متقیرها: ط, و , بر , > روابط منطقي: © ,۲ ," ,ج رس تساوي: - 0 Vee anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ tr 

صفحه 333:
جملات اتمیک * هر ترم یک عبارت منطقي است که به شین اشاره میکند > نمادهاي ثابت ترم هستند > هميشه استفاده از نماد متمايز براي نامكذاري شيء آسان نيست “ياي هب ياي يادشاه (مادل)ج جه كام www.myazdanpanah.mih "۳ يدر يجارد جا مادر ماه ازدواع جرج است. ‎ree‏ 

صفحه 334:
منطق رتیه اول جملات پیهیده با ترکیب جملات اتمیک و روابط منطقي میتوان جملات پیچیده تري ساخت ‎3G, 64* GS, 6d" GS, 64 = 66, Gd = GE‏ #مثال: ‎loka)‏ )ساسا ‎Broker (oka, Rickard)‏ * اف مان اداه ‎Cera( lon)‏ * بت هوش مصنوعى راسل - نورویک( 0 0 - 0-9 ‎anblog.com‏ 

صفحه 335:
مدلي با ينج ‎sega‏ ذو رابطه دودويي» سه رابطه ۱ ‎Gy 9 GE‏ تا يكاني ‎ay‏ ‏ناه ياي هب 

صفحه 336:
منطق رتیه اول سورها * کمک میکنند تا به جاي شمارش اشیا از طریق نام ‎4ST‏ ‏خواص کلکسیون آشیا را بیان کرد »سور عمومي؛ 7 “براي همه” سور وجودي؛ 3 “ وجود دارد حداقل...” ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ mm 

صفحه 337:
منطق رتبه اول سور عمجمي <متغیرها> <جمله >۷ »هم که در آن<) د ی کعبابتم نطقی‌لستبیان میکند که ۴) ب رلي‌هر شي * دبستلست #۲ مثال: (ماسسسه د را ۲ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 338:
منطق رتبه اول سور وجودي <متغیرها> <جمله > 2 ‎Axe?‏ که در آن۳) ی کعبابتم نطقي‌لسستبیان میکندکه <) مدقلب رايي کشي « دبستلست متا ‎J x Orawalx) *Owllecd(s doko)‏ ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ 

صفحه 339:
منطق رتبه اول خصوصيات سورها # ج رابط طبيعي براي كار با ۲ و " رابط طبيعي براي كار با 3 ميباشد # استفاده از " بعنوان رابط اصلي با ۷ منجر به حكم قوي ميشود له استفاده از > با 3 منجر به هکم ضعيفي میشود ۲ ۷ ب زیر تسنیا ۷۰ ۲۷ و 2 2 ب لیر لستب 27 3 ‎Vp Sx Locus yay Se Wy?‏ >(« )جديا بلا ‎Fx‏ ‏"حداقل يك نفر وجود دارد كه همه هيز در جهان را دوست دارد ‎Wy Sx boves(x,y)<‏ ‎inde aa eel‏ ۳9 ‎www.myazdanpanah.mih 5 5‏ ‎ms‏ مرش مستوعی ام -توریک( 0-0 نوماه 

صفحه 340:
منطق رتیه اول خصوصیات سورها له “هر كسي بستني را دوست دارد” به معناي اين است كه “هيج كس وجود ندارد که بستنی را دوست نداشته باشد* ‎Wx Likes(x , IceOreaw)<‏ همارز (م نها , ارات پگ ‎Vx ne}‏ همارز ۵ »23 وت همارز 27-0 ‎Vx PO‏ همارز 06د ,د ‎ax Pe‏ ههارز ‎aVx AP‏ ‎‘www.myazdanpanah.mih ‎anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ re ‎ ‎ 

صفحه 341:
منطق رتبه اول تساوي # با استفاده از < دو ترم به يك شيء اشاره میکنند #براي تعیین درستي جمله تساوي باید دید که آیا ارجاع ها به دو ترم. اشياي يكساني اند یا خیر #مثال: ریچارد مداقل دو برادر دارد Fx, Oroter(x, Richard) * @rotker(y, Richard) * 4(x=y) ‘www.myazdanpanah.mih anblog.com 0-9 - 0-0 ‏هوش مصنوعی راسل - نورویک(‎ re 

صفحه 342:
منطق رتبه اول ادعاها و تقاضاها #جملات از طریق ,1 به پایگاه دانش اضافه میشوند ‎gals‏ جملات را ادعا گویند ‎DELL (KB , Kicry(dob))"‏ ‎DELL (HB , Wx CKtcry(x) => Persva(x))*‏ ‎be‏ استفاده از 036) تقاضاهايي را از پلیگاه دانش انجام میدهیم این پرسشها. تقاضا یا هدف نام دارد و ‎Persva(x))"‏ 2 , )0۵ ‏لیست جاذ یا انقیاد ‎ ‎‘www.myazdanpanah.mih ‎anblog.com ‎ ‎ 

صفحه 343:
منطق رتبه اول دامنه خویشاوندی #مادر هر فرد والد موّنث آن فرد است = ‎Becca) \ Parner) <‏ هچ - (منم لت( ری ۷ #شوهر هر فرد, همسر مذکر آن فرد است ‎Yuk Wasbard(k,w) = Ode(k) * Gpowse(tw)<‏ #مذکر و مؤنث بودن طبقه هاي متمايزي هستند ک(ط۳)- ‏ (م)طت() ,با والد و فرزند. رابطه هاي معکوس هستند ‎Chid(o,p)~‏ = (عرممسه۳) رملا له پدر بزرگ یا مادربزرگ والدین والدین هر فرد است ‎‘www.myazdanpanah.mih 1 ۱ ۳‏ : هوش مصنوعی راسل - نورویک( 0 0 - 0-9 ‎anblog.com‏ ‎ 

صفحه 344:
منطق رتبه اول اعداد و مجموعه ها ((عدم - د * (6ع)دة 6-ى3) " (0 - ع) ه (ع)وق د ذا ‎Sone flo} 2 0‏ ‎{xls}‏ = 5 د ع جرا ها [((6د ع » " برد م * (ودزرن د ع) (6درر3 ] هدع عرور؟ ا ‎x E58)‏ > 24 6 !)هت ودح )د ۷6 جا (0دء ۰۵ هو > ) ب ‎sO)‏ = 4ج) ۷0,6 چا ‎sO) © (x Es" x € sO)‏ 519( € >« درل چا ‎mn Mas SS & & (cuba) <9, (snl Lor € vO)‏ 

صفحه 345:
منطق رتیه اول مهندسي دانش له فرایند كلي ساخت پایگاه دانش که شامل مرامل ذیل میباشد: >مشخص كردن كار > مونتارٌ دانش مربوطه > تصميم كيري در مورد وازه نامه محمولهاء توابع و وراثت > كدگناري دانش كلي در مورد دامنه *کد گزاري توصیف نمونه مسئله خاص *اعمال تقاضاها به رویه استنتاج و دریافت پاسخ >اشکال زايي پایگاه دانش مج هوش مصنوعى راسل - نورويك( 6- © - 0-9 ‎anblog.com‏ 

هوش مصنوعي نام مرجع : ‏Artificial Intelligence A Modern Approach نويسنده : استوارت راسل ،پيتر نورويگ تهيه کننده : محمدمهدي يزدان پناه رستمي 1 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي اولفصل مقدمه 2 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  :AIب ه طور رسميدر س ا ل 1956م طرح ش ده اس .ت علل مطالعه :Al موجوديتهايهوشمند را درکک ند .از اينرو ي کياز علل ‌ • AIس عيدارد ت ا م طا لعه آني ادگيريب يشتر در مورد خودماناس .ت • جالب و مفيد بودن موجوديت‌هاي هوشمند . 3 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  AIچيست‌؟ تعاريفي از AIکه به چهار قسمت تقسيم شده‌اند: •پردازش فکري و استداللي • پردازش رفتاري • ايده‌آل هوشمندي (منطقي بودن) • ارائه انساني 4 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com پردازش‌هاي فکري و استداللي ايده‌آل هوشمندي که ‌هاييکه سيستمم‌هايي سيست منطقي طورمنطقي بهبهطور ‌کنند فکرمميي‌کنند فکر که ‌هاييکه سيستمم‌هايي سيست منطقي طورمنطقي بهبهطور ‌کنند عملمميي‌کنند عمل که ‌هاييکه سيستمم‌هايي سيست فکر انسانفکر مانندانسان مانند ‌کنند مميي‌کنند که ‌هاييکه سيستمم‌هايي سيست عمل انسانعمل مانندانسان مانند ‌کنند مميي‌کنند ارائه انساني تمرکز بر روي پردازش‌هاي رفتاري 5 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  .1انسان گونه عمل کردن :رهيافت آزمون تورينگ آزموني از کامپيوتر به عمل آيد ،و آزمون گيرنده نتواند دريابد که در آن طرف انسان قرار دارد يا کامپيوتر. براي اين کار کامپيوتر بايد قابليت‌هاي زير را داشته باشد: پردازش زبان طبيعي = محاوره بازنمايي دانش= ذخيره اطالعات استدالل خودکار= استدالل و استخراج يادگيري ماشيني= کشف الگو و برون ريزي 6 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com تست تورينگ :اين آزمون از ارتباط فيزيکي مستقيم بين کامپيوتر و محقق اجتناب مي‌کند. به منظور قبول شدن در تست تورينگ کلي ،کامپيوتر به موارد زير احتياج دارد: بينايي ماشين براي درک اشياء روباتيک به منظور حرکت آنها 7 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مقدمه (مانند انسان عمل کردن) تست تورينگ ‏B ‏A 8 کدام انسان ا ست ؟ Bي اA هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  .2انساني فکر کردن :-رهيافت مدلسازي شناختي: چگونگي شناسايي عملکرد افکار انسان: -1درون گرايي -2تجارب روانشناسي مدلهاي کامپيوتر از AIو همچنين تکنيک‌هاي روانشناختي را علوم شناختي ‌ : گرد هم مي‌آورد تا بتواند تئوري‌هاي دقيقي از کارکرد ذهن انسان به دست آورند. 9 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  .3منطقي فکر کردن :قوانين رهيافت تفکر رمز «تفکر درست» :ارسطو سعي در کشف آن داشت. قياس :از موضوعات مطرح شده توسط ارسطو مي‌باشد ،که الگوهايي براي ساختار توافقي ايجاد کرد که همواره نتايج صحيحي به اندازه مقدمات صحيح به دست مي‌آورد. مثال« :سقراط انسان است ،تمام انسان‌ها مي‌ميرند ،پس سقراط خواهد مرد». 10 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com دو مشکل عمده در اين رسم منطق‌گرايي وجود دارد: ‏ تبديل دانش غير رسمي به شکل رسمي توسط اعالم ،منطقي ساده نيست. ‏ تفاوت عمده‌اي بين قادر به حل مسئله بودن در اصول و انجام آن در عمل وجود دارد. 11 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  .4منطقي عمل کردن :رهيافت عامل منطقي عامل :در اصل چيزي است که ابتدا درک مي‌کند و سپس عمل مي‌کند. در نگرش «قوانين تفکر» تأکيد عمده بر روي استنتاج‌هاي صحيح بوده است. «مهارت‌هاي شناخت» که براي آزمون تورينگ موردنياز است ،براي انجام فعاليت‌هاي منطقي وجود دارند. 12 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مزاياي مطالعه AIبه‌عنوان طراحي عامل منطقي: ‏ عمومي‌تر از رهيافت «قوانين تفکر» ‏ پيشرفت علمي ،بسيار قانون‌پذيرتر از رهيافت‌هايي است که بر تفکر يا رفتار انساني متکي هستند. 13 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com زيربناي هوش مصنوعي: ،AIاز علوم م ختلفيب ه ره م ‌بي رد ک ه از م يانآنه ا علوم زير م هم‌ت ر ش ناخته ش ده‌اند: ‏ علم فلسفه ‏ علم رياضي ‏ علم روانشناسي ‏ علم زبان‌شناسي ‏ علم کامپيوتر 14 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com فلسفه 428( :قبل از ميالد مسيح – تاکنون) پايه‌هاي تفکر و فرهنگ غرب تشکيل شده است از :افالطون ،استادش سقراط ،و شاگردش ارسطو. ‏ قياس :ارسطو ،سيستمي غيررسمي از قياس براي استدالل مناسب توسعه داد ،امکان توليد نتايج ،بر پايه فرضيات اوليه به طور مکانيکي وجود داشت. ‏ 15 در نظر گرفتن ذهن به‌عنوان سيستمي فيزيکي هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com رنه دکارت مدافع سرسخت قدرت استدالل بود؛ و همچنين طرفدار مکتب دواليسم. ماترياليسم :در مقابل دواليسم قرار دارد و معتقد است تمامي جهان مطابق قوانين فيزيکي عمل مي‌کنند. ويلهم اليبنيز: ‏ تبديل موقعيت ماترياليستي به نتايج منطقي ‏ ساخت ابزاري مکانيکي براي انجام عمليات منطقي 16 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  ايجاد منبع دانش: فرانسيس بيکن ،جنبش آزمون‌گرايان را آغاز کرد .و با شعار جان الک مفهوم يافت: «هيچ چيز قابل فهم نيست اگر ابتدا در حس نباشد». اصل استقراي امروزي ،در حقيقت از کتاب ديويد هيوم نشأت مي‌گيرد" :رسانه‌اي از طبيعت انسان" برتراندراسل ،پايه‌گذار پوزيوتيزم منطقي ،ارائه‌دهندة اين تئوري بود که: «قوانين عمومي توسط تکرار ارتباطات بين عناصر آنها به وجود مي‌آيند». 17 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  ارتباط بين دانش و عمل اشياء را با تحليل ،دسته‌بندي مي‌کنيم و در اطراف آنها ،کارکرد مورد نيازشان نوسان مي‌نمايد. در اين ميان پايه سيستم‌مکاشفه‌اي GPSبنيان گذارده مي‌شود. 18 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com رياضيات (-C .800تاکنون) براي ارتباط فلسفه با دانش نظري ،نياز به فرمول‌سازي رياضي در سه زمينه اصلي است: ‏ محاسبات ‏ منطق ‏ احتماالت 19 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com محاسبات: نظريه اظهار محاسبات به عنوان الگوريتمي رسمي به خوارزمي برمي‌گردد ،رياضيدان عربي قرن نهم که نوشته‌هاي وي ،جبر و تئوري اعداد عربي را به اروپا معرفي کرد. 20 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق: در اين زمينه ،دانشمندان زيادي بر چگونگي شکل‌گيري و هدايت آن ،نقش داشته‌اند که به چند نفر از آنها اشاره مي‌کنيم: ‏ ارسطو :دانشمندي که بيشترين شکل‌گيري نگرش فلسفي منطق را به او نسبت مي‌دهند. ‏ جورج بول :يک زبان رسمي براي ساخت استنتاج منطقي ارائه داد. ‏ يستمهاين مايشدانشپ ايه :FREGEم نطقمرتبه اولرا ب ه ش کليم طرح ن مود ک ه در ب يشتر س ‌ استفاده م ي‌ش ود. ‏ آلفرد تارسکي :تئوري چگونگي ارتباط بين اشي اء موجود در محيط منطقي ،و اشياء موجود در دنياي واقعي را ارائه نمود. 21 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  ديويد هيلبرت :رياضيدان بزرگي بود که شهرت وي به دليل مسائلي است که نتوانست حل کند. ‏ راسل :قضيه کامل نبودن ( )incompletenessرا مطرح نمود. ‏ تورينگ :ماشين تورينگ قادر به محاسبه هر تابع محاسبه‌پذيري است. تئوري پيچيدگي: .1 انجام‌ناپذيري .2 استحاله استيون کوک و ريچارد کارپ :تئوري NP-completenessرا مطرح کردند. ‏ 22 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com احتماالت: گاردنيوي :اولين کسي بود که ايده احتمال را مطرح کرد. ‏ پير فرمت ،پاسکال ،برنولي ،الپالس و ديگر دانشمندان بر رشد و توسعه اين ايده تأثير داشتند. ‏ برنولي :ديدگاه «درجه باور» ذهني را در مقايسه با نرخ نتايج عيني مطرح کرد. ‏ بيس :قانوني براي بهنگام‌سازي احتماالت ذهني را به وجود آورد. ‏ نيومن و مورگنسترن :تئوري تصميم‌گيري را آغاز کردند .و از ترکيب تئوري احتمال ،و تئوري سودمندي حاصل مي‌شود. 23 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com روانشناسي ( -1879تاکنون): ‏ هلمولتز :روشي علمي براي مطالعه بينايي انسان به کار برد؛ که اين کتاب به عنوان مرجع بينايي فيزيولوژيک و حتي به‌عنوان «مهمترين رساله فيزيکي و روانشناختي بينايي انسان تا به امروز» شناخته مي‌شود. ‏ وندت :اولين آزمايشگاه روانشناسي تجربي را در دانشگاه اليپزيک راه‌اندازي کرد. ‏ داتسون و تورن دايک:حرکت رفتارگرايي ( )behaviorismرا مطرح کردند. ‏ اساس مشخصه روانشناسي شناختي( ، )congnitive psychologyاين نگرش است که مغز دارنده و پردازش‌کننده اطالعات است. 24 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  25 کريک ،کتاب ماهيت بيان را منتشر کرد .و سه مرحله کليدي را براي عامل مبتني بر داشن معين کرد: ‏ محرک‌ها بايد به شکل دروني تبديل شوند. ‏ بازنمايي توسط پردازش‌هاي شناختي بازنمايي‌هاي داخلي جديدي را مشتق کند. ‏ اينها دوباره به صورت عمل برگردند. هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مهندسي کامپيوتر ( -1940تاکنون) براي پيشرفت هوش مصنوعي ،به دو چيز احتياج داريم: ‏ هوش ‏ محصول مصنوعي در اين تقسيم‌بندي ،کامپيوتر مي‌تواند به عنوان محصول مصنوعي محسوب گردد. 26 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  :Heath Robinsonاولينک ام پيوتر مدرنعملياتيبود ک))ه در س ا ل 1940ت وسط ت يمآ لنت ورينگ ب ه م نظور ک دگشاييپ يام‌هايآ لم ‌انها س اخته ش د. ‏ يوپهايم کنده در آنب ه ک ار ب رده ش د. :Colossusن ام ماشينب ع ديب ود ک ه ت ‌ ‏ :Z-3اولينک ام پيوتر ق ابلب رنام ه‌ريزيک ه ت وسط ک نراد زوسدر 1941اختراع ش د. 27 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  اعداد با مميز شناور و زبان Plankalkulنيز توسط زوس اختراع شدند. ‏ :ABCاولينک ام پيوتر ا لکترونيکدر امريکا ت وسط جانآتاناسفو ک ليفورد در دانشگاه ايا لتيايوا س اخته ش د. ‏ :MARK I , II , IIIت وسط ت يميب ه رهبريهوراد ايکندر هاروارد ت وسعه داده ش د. ‏ :ENIACاولينک ام پيوترديجيتا لا لکترونيکچند م نظوره ،ت وسط ت يميب ه س رپرستيماچليو اکرتدر دانشگاه پ نسيلوانيا س اخته ش د. 28 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  :IBM 701اولينک ام پيوتر س ودآور ،ت وسط ن اتانيلروچتر در 1952س اخته ش د. ‏ چارلز بابيج :طراحي ماشيني که جداول لگاريتمي را محاسبه کند. 29 ‏ طراحي موتور آناليتيکي ‏ طرح حافظه قابل‌آدرس‌دهي ،برنامه ذخيره شده و پرش‌هاي شرطي هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  کار در زمينه AIمنجر به ايده‌هاي بسيار متعددي شد که به علوم کامپيوتر برگشت؛ مانند: ‏ اشتراک زماني – مفسرهاي دوسويه – نوع داده ليست پيوندي – مديريت حافظه خودکار و برخي نکات کليدي برنامه‌نويسي شيءگرا و محيط‌هاي توسعه برنامه مجتمع با واسط کاربر گرافيکي. 30 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com زبان‌شناسي ( -1975تاکنون) اسکينر در سال 1975کتابي در زمينه رفتارگرايان براي يادگيري زبان ،با نام «رفتار زباني» منتشر کرد. نوآم چامسکي بر اساس تئوري خودش يعني ساختارهاي ترکيبي ،اين کتاب را تجديد نظر و چاپ کرد .که به اندازه اصل کتاب شهرت پيدا کرد. تئوري چامسکي بر اساس مدل‌هاي نحوي قرار دارد. 31 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com زبان‌شناسي مدرن و AIدر يک زمان متولد شدند ،بنابراين زبان‌شناسي نقش مهمي در رشد ‏ AIبازي نمي‌کند. ‏ اين دو دريک زمينه مشترک به نام زبان‌شناسي محاسباتي( )Computatioal linguisticsيا پردازش زبان طبيعي ()natural language processing بهم تنيده شده‌اند که در آن بر روي مسئله استفاده زبان تمرکز شده است. 32 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com تاريخچه هوش مصنوعي پيدايش هوش مصنوعي ()1956 -1943 ‏ 33 اشتياق زودهنگام ،آرزوهاي بزرگ ()1969-1952 ‏ مقداري واقعيت ()1966-1974 ‏ سيستم‌هاي مبتني بر دانش :کليد قدرت؟ ()1979-1969 ‏ بازگشت شبکه‌هاي عصبي ( -1986تاکنون) ‏ حوادث اخير ( -1987تاکنون) هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com پيدايش هوش مصنوعي ‏ اولين کار جدي در حيطه ،AIتوسط وارن مک‌کلود و والتر پيتز انجام شد. ‏ سه منبع استفاده شده توسط آنها: 34 ‏ دانش فيزيولوژي پايه و عملکرد نرون در مغز ‏ تحليل رسمي منطق گزاره‌ها متعلق به راسل و رايت هد ‏ تئوري محاسبات تورينگ هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  در 1949دونالد هب ،قانون ساده بهنگام‌سازي براي تغيير تقويت اتصاالت بين نرون‌ها را تع ريف کرد که از طريق آن يادگيري ميسر مي‌گردد. ‏ در زماني که کلود شانون و آلن تورينگ ،برنامه بازي شطرنج را نوشتند ، ،SNARCاولين کامپيوتر شبکه عصبي در دانشگاه پرينستون توسط مينسکي و ادموندز ساخته شد. اين کامپيوتر ،از 3هزار تيوپ مکشي و مکانيزم خلباني خودکار اضافي که مربوط به بمب‌افکن‌هاي B24مي‌باشد براي شبيه‌سازي شبکه 40نروني استفاده کرد. 35 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  محققين عالقمند به تئوري آتوماتا ،شبکه‌هاي عصبي و مطالعه هوش ،گرد يکديگر جمع شدند و در کارگاهي در دورت موند مشغول فعاليت شدند .که در اين ميان نام هوش مصنوعي براي حيطه فعاليت آنها انتخاب شد. 36 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com اشتياق زودهنگام ،آرزوهاي بزرگ ()1969-1952 ‏ ‏ ‏ ‏ 37 فعاالن در عرصه :AI روچستو و تيمش در IBM هربرت جلونتر :با ساخت Geometry Theorem Prover آرتور ساموئل :ساخت برنامه براي بازي چکر هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  جان مک کارتي در :MIT ‏ تعريف زبان ليسپ ( )Lispمهمترين زبان هوش مصنوعي ‏ مفهوم اشتراک زماني ()time sharing ‏ نشر مقاله‌اي با عنوان "برنامه‌ها با حواس مشترک" ‏ تشريح يک سيستم فرضي به نام ، Advice Takerکه به اصول پايه بازنمايي معرفت و استدالل تجسم بخشيد؛ 38 ‏ کار بر روي سيستم برنامه‌ريزي سؤال-جواب ‏ کار بر روي پروژه روبات‌هاي shakey هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  مينسکي :کار بر روي ميکرو ورلدها و همکاري با مک‌کارتي ،ولي بر سر اختالف بر نگرش منطقي و ضدمنطقي کار تحقيقاتي خود را از هم جدا کردند. مينسکي با گروهي از دانشجويان بر روي ميکروورلدها کار کرد که برخي از آنها عبارتند از: ‏ جيمز اسالگل ،SAINT ،قادر به حل مسائل انتگرال‌گيري فرم بسته ‏ اوانز ،ANALOGY :حل مسائل مشابهت هندسي در تست‌هاي هوش ‏ رافائل :SIR :پاسخ به قضاياي پرسشي جمالت ورودي ‏ بابرو :STUDENT :حل مسائل داستاني جبر 39 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مقداري واقعيت ()1974-1966 ‏ مشکالت تقريباً تمام پروژه‌ها تحقيقي AIوقتي پديدار مي‌شدند که مسائل گسترده‌تري براي حل توسط آنها مطرح مي‌شد: ‏ برنامه‌هاي اوليه اغلب داراي دانش محدود يا فاقد دانش در مورد موضوع کار بودند. ‏ انجام ناپذيري بسياري از مسائل ‏ به دليل اعمال برخي محدوديت‌هاي پايه‌اي بر روي ساختار پايه مورد استفاده براي توليد رفتار هوشمند 40 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com سيستم‌هاي مبتني بر دانش :کليد قدرت؟ ()1979-1969 ‏ روش‌هاي ضعيف :مبتني بر يک جستجوي همه‌منظوره مي‌باشند که قدم‌هاي اوليه يادگيري را برمي‌دارند اما تالشي در جهت يافتن راه‌حل‌هاي کامل ندارند. ‏ به اين دليل که اطالعات ضعيفي را در مورد دامنه فعاليت خود به کار مي‌برند. ‏ پس براي حل مسائل دشوار ،تقريب ًا جواب را از قبل بايد بدانيم. ‏ برنامه DENDRALاز برنامه‌هايي است که از اين رهيافت استفاده مي‌کند. 41 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  اهميت برنامه DENDRALدر اين بود که اولين سيستم موفق با دانش غني بود ،يعني تبحر سيستم بر پايه تعداد بسيار زيادي قانون ايجاد شده بود .سيستم‌هاي بعدي ايده اصلي رهيافت Advice takerمک کارتي را دنبال مي‌کردند يعني جداسازي دانش (در شکل قوانين) و مؤلفه استدالل. 42 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  MYCINن سبتب ه DENDRALدو ت فاوتعمده دارد: ‏ برخالف قوانين ،DENDRALهيچ مدل تئوري‌وار عمومي براي آنکه قوانين MYCINاستنتاج شود ،وجود نداشت. ‏ 43 قوانين مي‌بايست عدم قطعيت مربوط به دانش پزشکي را منعکس مي‌کرد. هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  AIب ه ي کص نعتت بديلم ي‌ش ود ()1988-1980 ‏ :RIاولينس يستمخبره ت جاريموفقاز ش رکت DECک ه س ودآوريزياديرا ب رايش رکتب همراه داش .ت ‏ پروژه «نسل پنجم» :اين پروژه ژاپني به منظور ساخت کامپيوترهاي هوشمندي که پرولوگ را به جاي کد ماشين اجرا مي‌کردند ،انجام شد. ‏ شرکت‌هاي ديگر جهان از جمله ميکروالکترونيک ،MCC ،ليسپ ماشين ،تگزاس اينسترومنت، سمبوليکس ،زيراکس و غيره در ساخت ايستگاه‌هاي کاري بهينه شده در اين عرصه فعاليت داشتند. 44 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com بازگشت شبکه‌هاي عصبي: دانشمندان فعال در اين عرصه: ‏ هاپ فيلد :که به آناليز خواص ذخيره‌سازي و بهينه‌سازي شبکه‌ها پرداخت. ‏ راسل هارت و هينتون :مطالعه مدل‌هاي شبکه عصبي را ادامه دادند. ‏ بريسون و هو :الگوريتم يادگي ري انتشار به عقب را مجدداً مطرح کردند. 45 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حوادث اخير: ‏ رهيافت :HMMرهيافت غالب در سال‌هاي اخير مي‌باشد که توسط مايکف به وجود آمده است. اين رهيافت از دو جنبه زير حائز اهميت است: ‏ مبتني بر نظريه رياضي محض است. ‏ طي فرايندي با يادگيري گروه عظيمي از داده گفتار واقعي خود را بهبود مي‌بخشد. 46 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  برنامه‌ريزي :در دهه 70فقط براي ميکرووردها مناسب بودند ،اکنون براي زمانبندي کار در کارخانه‌ها و مأموريت‌هاي فضايي استفاده مي‌شوند. ‏ بيان شبکه باور :استدالل کارا را در مورد ترکيب رويدادهاي غيرمنطقي ممکن ساخت. 47 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  ايده سيستم‌هاي خبره فرماتيو توسط کار جوداپير و ارديک هوروتيز و ديويد هکرمن مطرح شد: "سيستم‌هايي که مطابق قوانين تئوري تصميم‌گيري به طور منطقي عمل مي‌کنند و سعي ندارند که تبحر انساني را تقليد کنند". 48 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com شرايط کنوني: ‏ برخي از سيستم‌هايي موجود در جهان که از هوش مصنوعي استفاده مي‌کنند: ‏ :HITECHاولينب رنام ه ک ام پيوتريک ه موفقب ه ش کستاستاد ب زرگش طرنج جه ان ،آرنولد دنکر ش ده اس .ت ‏ :PEGASUSيکب رنام ه درکگ فتار ک ه س ؤا التک اربر را جوابم ي‌دهد و )تم قرونب ه ص رفه ت مام يب رنام ‌ههايم سافرتيش خصرا با ي))کب))رنام) ‌هر)يزيدر)س ، م ي‌ک ند. ‏ :MARVELس يستمخبره‌ايک ه داده‌هايارسا لياز س فينه ف ضاييرا ت حليلن موده ‏www.myazdanpanah.mih ‏anblog.com حليلگرانم ي‌دهد. 49و در ص ورتب روز م شکالتجد ،ي پ يغ ام هشدار ب ه ت هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 هوش مصنوعي دومفصل هوشمندعاملهاي 50 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست ‏عامل ‏خواص محيطهاي وظيفه ‏برنامه هاي عامل 51 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عامل: به هر چيزي اطالق مي‌شود ،که قادر به درک محيط پيرامون خود از طريق حس‌گرها()sensor و اثرگذاري‌ بر روي محيط از طريق اثرکننده‌ها ( )effectorباشد. عامل نرم‌افزاري: عامل نرم‌افزاري رشته‌هاي بيتي را به عنوان درک محيط و عمل ،کدگذاري مي‌کند. 52 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عوامل انساني .1 حس کردن :گوش ،چشم ،ديگر ارگان‌ها .2 اثرگذاري :دست ،پا ،بيني ،اندام‌هاي ديگر عوامل روباتيک 53 .1 حس کردن :دوربين ،يابنده‌هاي مادون قرمز .2 اثرگذاري :موتور هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند دنباله کامل هر چيزي است که عامل تاکنون سابقه ادراک درک کرده است. تابع عامل توسط تابع عامل توصيف ميشود که رفتار عامل هر دنباله ادراک را به يک فعاليت نقش ميکند. ‏f : P*  A فعاليت 54 دنباله ادراک :تابع عامل هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند sensors percepts ? environment agent actions effectors www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 55 عاملهاي هوشمند معيارهاي کارايي معيار کارايي ،معياري براي موفقيت رفتار عامل است. • بر اساس خواسته هاي فرد در محيط انتخاب ميشود رفتار عقاليي ‏معيار کارايي که مالکهاي موفقيت را تعريف ميکند دانش قبلي عامل نسبت به محيط فعاليتهايي که عامل ميتواند انجام دهد 56 ‏ هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عامل عالِـم ))Omni science خروجي واقعي فعاليت خود را ميداند و ميتواند بر اساس آن عمل کند عامل خردمند ()Rational agent فعاليتي را انتخاب ميکند که معيار کارايي اش را حداکثر ميکند • جمع آوري اطالعات ،اکتشاف ،يادگيري ‏عامل خود مختار 57 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند کامال ً قابل مشاهده درمقابل قابليت مشاهده جزئي قطعي درمقابل غير قطعي راهبردي خواص رويدادي(اپيزوديک) درمقابل ترتيبي ايستا درمقابل پويا محيط هاي وظيفه گسسته درمقابل پيوسته هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عاملي  58تک عاملي درمقابل چند ‏www.myazdanpanah.mih ‏anblog.com  قابل دسترسي در مقابل غيرقابل دسترسي ( کام ً ال قابل مشاهده در مقابل قابل مشاهده جزئي) محيط قابل دسترسي :محيطي که عامل آن توسط ابزار حس‌کننده‌اش امکان دسترسي به وضعيت کامل محيط را داشته باشد. محيط قابل دسترسي راحت است ،زيرا عامل نيازمند دستکاري هيچ وضعيت داخلي براي حفظ دنيا را نخواهد داشت. 59 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  قطعي در مقابل غير قطعي محيط قطعي :محيطي است که اگر وضعيت بعدي محيط بوسيله وضعيت کنوني و اعمالي که با عامل‌ها انتخاب گردد ،تعيين شود. بهتر است به قطعي يا غير قطعي بودن محيط از ديدگاه عامل نگاه کنيم. 60 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  اپيزوديک در مقابل غير اپيزوديک محيط اپيزوديک ( ،)episodicتجربه عامل به اپيزودهايي تقسيم مي‌گردد. هر اپيزود شامل درک و عمل عامل است. کيفيت اعمال آن تنها به خود اپيزود وابسته است. محيط‌هاي اپيزودي بسيار ساده‌ترند زيرا عامل نبايد به جلوتر فکر کند. 61 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  ايستا در مقابل پويا محيط پويا :محيطي که در حين سنجيدن عامل تغيير مي‌کند. محيط نيمه‌پويا :محيطي که با گذر زمان تغيير نمي‌کند اما امتياز کارايي تغيير مي‌کند. محيط‌هاي ايستا براي کار ساده هستند زيرا عامل نياز به نگاه‌کردن به دنيا در حين تصميم‌گيري عملي نداشته و همچنين در مورد گذر زمان نيز نگران نمي‌باشد. 62 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  گسسته در مقابل پيوسته محيط گسسته :اگر تعداد محدود و مجزا از ادراک و اعمال بوضوح تعريف شده باشد. بازي شطرنج گسسته است. رانندگي تاکسي پيوسته است.سخت‌ترين حالت در بين حاالت موجود براي محيط: غير قابل دسترسي ،غير اپيزوديک ،پويا و پيوسته 63 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مثال‌هايي از انواع محيط و ويژگي‌هاي آنها 64 گسسته ايستا اپيزوديک قطعي قابل دسترسي محيط ‏YES ‏Semi ‏NO ‏YES ‏YES شطرنج به همراه ساعت ‏YES ‏YES ‏NO ‏YES ‏YES شطرنج بدون ساعت ‏YES ‏YES ‏NO ‏NO ‏NO پوکر ‏YES ‏YES ‏NO ‏NO ‏YES تخته نرد ‏NO ‏NO ‏NO ‏NO ‏NO راندن تاکسي ‏NO ‏NO ‏NO ‏NO ‏NO سيستم تشخيص پزشکي ‏NO ‏Semi ‏YES ‏YES ‏YES سيستم تحليل تصوير ‏NO ‏NO ‏YES ‏NO ‏NO ربات جابجا کننده اشياء ‏NO ‏NO ‏NO ‏NO ‏NO کنترل‌کننده پااليشگاه ‏YES ‏NO ‏NO ‏NO ‏NO آموزش‌دهنده انگليسي با ارتباط متقابل هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند ساختار عاملها برنامه +معماري = عامل کار هوش مصنوعي طراحي برنامه عامل است که تابع عامل را پياده سازي ميکند 65 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com براي مثال 4 ،عامل را مورد بررسي قرار مي دهيم: عامل‌هاي واکنشي ساده عامل‌هايي که اثرات دنيا را حفظ مي‌کنند (مدل گرا) عامل‌هاي هدف‌گرا عامل‌هاي سودمند عامل های يادگيرنده 66 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عاملهاي واکنشي ساده محيط ‏اين عاملها فعاليت را بر اساس درک فعلي و بدون در نظر گرفتن سابقه ادراک ،انتخاب ميکند حسگر ها جهان چگونه است عا مل ‏به خاطر حذف سابقه ادراک برنامه عامل در مقايسه با جدول آن بسيار کوچک محرک ‏www.myazdanpanah.mih است(جدول خيلي بزرگ ‏anblog.com 67 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1ها اکنون چه عملي بايد انجام دهم قانون شرط عمل عامل‌هاي واکنشي ساده در اينجا جدول رجوع بايد مورد توجه قرار گرفته و فيلدهاي مختلف آن توسط اطالعات ورودي پر شود. اتصاالتي (واکنش‌هايي) وجود دارند که انسان‌ها بسياري از آنها را دارا بوده: برخي از آنها قابل يادگيري و برخي ديگر غريزي است. مربع مستطيل :نشان‌دهنده وضعيت داخلي جاري فرايند تصميم‌گيري عامل بيضي :نشان‌دهنده وضعيت اطالعات پس‌زمينه 68 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند الي از عامل واکنشي ساده در دنياي جاروبرقي تصميم گيري آن بر اساس مکان فعلي و کثيف بودن آن مکان صورت ميگيرد function REFLEX-VACUUM-AGENT ([location, status]) return an action If if status == Dirty then return Suck else if location == A then return Right else if location == B then return Left www.myazdanpanah.mih anblog.com انتخاب فعاليت بر اساس موقعيت :شرطي dirty then suck ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 69 عاملهاي هوشمند عاملهاي دانش مدل واکنشي ‏استفاده از “چگونگي عملکرد گرا جهان” که مدل نام ‏عامل بخشي از دنيايي را که فعال ميبيند رديابي ميکند محيط دارد حسگر ها حالت جهان چگونه جهان چگونه است تکامل مي يابد کار فعاليت چيست اکنون چه عملي بايد انجام دهم قانون شرط عمل ‏عامل بايد حالت داخلي را ذخيره کند که محرک ‏www.myazdanpanah.mih عامل 70به سابقه ادراک ‏anblog.com هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ها عامل‌هايي که اثرات دنيا را حفظ مي‌کنند از آنجاي ي ناشي مي‌شود که حس گرها نمي‌توانن د دسترسي کام ل ب ه وضعي ت دني ا را ب ه وجود آورند. در چنين شرايطي ،عامل ممکن است نيازمند دستکاري برخي اطالعات وضعيت داخلي باشد تا از طريق آن تمايز بين وضعيت‌هاي دنيا که در ظاهر ورودي ادراکي يکساني مي‌کنند ولي در ال متفاوتي دارند را ميسر سازد. واقع معني کام ً 71 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com بهنگام‌سازي اطالعات وضعيت داخلي همزمان با گذر زمان نيازمند دو نوع دانش کد شده در برنامه عامل است. اول :نيازمند آنيم که برخي اطالعات درباره چگونگي تغيير جهان مستقل از عامل را داشته باشيم. دوم :نيازمند اطالعات درباره اعمال خود هستيم که بر روي دنيا اثرگذار است. 72 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عامل‌هاي هدف گرا: دانستن درباره وضعيت کنوني محيط همواره براي تصميم‌گيري عمل نمي‌تواند کافي باشد. به همان گونه که عامل نيازمند شرح وضعيت جاري است ،به نوعي نيازمند اطالعات هدف( )goalمي‌باشد که توضيح موقعيت مطلوب است. 73 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عاملهاي هدف گرا ع[الوه بر ‏اين عامل ‏جست و جو و برنامه ريزي ،دنباله اي از فعاليتها را براي رسيدن عامل به هدف ،پيدا ميکند جهان چگونه است محيط توصيف حالت فعلي ،براي انتخاب موقعيت مطلوب نيازمند اطالعات هدف نيز ميباشد حسگر ها اگر فعاليت Aرا انجام دهم چه خواهد شد اکنون چه عملي بايد انجام دهم حالت جهان چگونه تکامل مي يابد کار فعاليت چيست اهداف ‏اين نوع تصميم گيري همواره آينده را در نظر محرک ‏www.myazdanpanah.mih 74دارد و با قوانين شرط عمل ‏anblog.com هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ها تفاوت دارد عامل برنامه‌ عامل مي‌تواند اين اطالعات را با اطالعاتي درباره نتايج اعمال ممکن (همانند اطالعاتي که در عامل واکنش براي بهنگام‌سازي وضعيت داخلي استفاده شد) ترکيب نموده تا اعمال مناسب را براي دسترسي به هدف انتخاب نمايد. در مواقعي ساده است :که رضايت از هدف بالفاصله از عمل واحد توليد گردد. در مواقعي پيچيده است :که عامل بايد دنباله‌هاي طوالني را در نظرگرفته تا راهي براي دستيابي به هدف پيدا کند. در مواقع پيچيده ،جستجو و برنامه‌ريزي به يافتن دنباله اعمال منجر خواهند شد. 75 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com تفاوت عامل‌هاي واکنشي و هدف‌گرا: در طراحي عامل‌هاي واکنشي طراح براي حاالت متفاوت عملي درست را پيش محاسبه مي‌کند. در عامل‌هاي هدف‌گرا ،عامل مي‌تواند دانش خود را در مورد چگونگي واکنش بهنگام سازد. 76 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي واکنشي و هدف‌گرا: تفاوت ‌ .1براي عامل واکنشي ما مجبور به دوباره نويسي تعداد زيادي قوانين شرط –عمل خواهيم بود. .2عامل هدف‌گرا نسبت به رسيدن به مقاصد متفاوت انعطاف پذير است. .3بسادگي با تعيين يک هدف تازه ،مي‌توانيم عامل هدف‌گرا را به رفتار تازه برسانيم. 77 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عامل‌هاي سودمند: اهداف به تنهايي براي توليد رفتار با کيفيت باال کافي نيستند. مالک کارايي عم ومي بايد مقايسه‌اي بين وضعيت‌هاي دنياي متفاوت (يا دنباله‌ حاالت) را بر پايه چگونگي رضايت عامل در صورت حصول هدف بدهد. بنابراين اگر يک وضعيت دنيا به ديگري ترجيح داده مي‌شود ،آنگاه آن براي عامل سودمند‌تر خواهد بود 78 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عاملهاي اهداف ‏اين عامل براي سودمند ‏تابع سودمندي ،حالت يا دنباله اي از حالتها را به يک عدد حقيقي نگاشت ميکند که درجه رضايت را ميکند. توصيف ِ ‏وقتي اهداف متضاد 79باشند ،بعضي از آنها برآورده ميشوند جهان چگونه است محيط مشخص ،راه هاي مختلفي دارد ،که راه حل بهتر براي عامل سودمندتر است. حسگر ها اگر فعاليت Aرا انجام دهم چه خواهد شد در چنين حالتي چقدر رضايت دارم اکنون چه عملي بايد انجام دهم هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 محرک حالت جهان چگونه تکامل مي يابد کار فعاليت چيست سودمند عامل ‏www.myazdanpanah.mih ‏anblog.com سودمندي :تابعي است که يک وضعيت را به عدد حقيقي نگاشت مي‌دهد ،که درجه رضايت مربوط را تشريح مي‌کند. مشخصات کامل تابع سودمندي امکان تصميم‌گيري منطقي را براي دو نوع حالتي که هدف مشکل دارد ،اجازه مي‌دهد. .1زماني که اهداف متناقص وجود دارند. .2زماني که چندين هدف دارند که عامل مي‌تواند آنها را هدف قرار دهد و هيچکدام از آنها با قطعيت قابل حصول نيست. 80 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي هوشمند عاملهاي مسئول عنصرِيادگيرنده يادگيرنده استاندارد کارايي ايجاد بهبودها تغييرا عنصر عنصر کارايي ت يادگيرند دانش ه اهدا ف يادگي ري ‏منتقد مشخص ميکند که يادگ[يرنده با توجه به استانداردهاي کارايي چگونه عمل ميکند محيط ‏عنصر کارايي مسئول انتخاب فعاليتهاي خارجي بازخو رد حسگر ها منتقد مولد مسئله ‏مولد مسئله مسئول پيشنهاد فعاليتهايي است ک[ه محرک منجر به تجربيات آموزنده ‏www.myazdanpanah.mih ‏anblog.com 81جديدي ميشود هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1ها عامل هوش مصنوعي سومفصل جستجوبامسئلهحل 82 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست 83 ‏عاملهاي حل مسئله ‏مسئله ‏اندازه گيري کارايي حل مسئله ‏جستجوي ناآگاهانه ‏اجتناب از حالتهاي تکراري هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو عاملهاي حل مسئله چهار گام اساسي براي حل مسائل ‏فرموله کردن هدف :وضعيتهاي مطلوب نهايي کدامند؟ ‏فرموله کردن مسئله :چه فعاليتها و وضعيتهايي براي رسيدن به هدف موجود است؟ ‏جستجو :انتخاب بهترين دنباله از فعاليتهايي که منجر به حاالتي با مقدار شناخته شده ميشود. ‏اجرا :وقتي دنباله فعاليت مطلوب پيدا شد ،فعاليتهاي پيشنهادي آن ‏www.myazdanpanah.mih ميتواند اجرا شود. 84 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏anblog.com يک نوع عامل هدفگرا ،عامل حل مسئله ناميده مي‌شود. عامل‌هاي حل مسئله توسط يافتن ترتيب عمليات تصميم مي‌گيرند که چه انجام دهند تا آنها را به حالت‌هاي مطلوب سوق دهد. 85 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عامل‌هاي حل مسئله عامل‌هاي هوشمند به طريقي عمل مي‌کنند که محيط مستقيم ًا به داخل دنباله حالت‌هايي وارد شود که معيار کارآرايي را افزايش مي‌دهند. عمليات به گونه‌اي ساده‌سازي مي‌شوند که عامل قادر باشد تا هدفي را قبول کرده و به آن برسد. الگوريتم جستجو مسئله‌اي را به عنوان ورودي دريافت نموده و راه‌حلي را به صورت دنباله عمليات بر مي‌‌گرداند. 86 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com چهار نوع اساسي از مسائل وجود دارند: مسائل تک حالته ()Single-state مسائل چند حالته ()Multiple-state مسائل احتمالي ()Contingency مسائل اکتشافي ()Exploration 87 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com دانش و انواع مسئله دنياي مکش (جاروبرقي): اگر دنيا حاوي دو محل باشد: هر محل ممکن است که شامل خاک باشد و يا نباشد و عامل ممکن است که در يک محل يا ديگر محل‌ها باشد؛ که داراي هشت حالت متفاوت خواهد بود. هدف تميز کردن تمام خاک‌هاست که در اينجا معادل با مجموعه حالت‌ {8و }7است. 88 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مدل‌هاي مختلف براي مسئله جاروبرقي: مدل تک حالته:حس‌گرهاي عامل به آن اطالعات کافي مي‌دهند تا وضعيت دقيق مشخص شود( .دنيا قابل دسترسي است) .عامل مي‌تواند محاسبه کند که کدام وضعيت پس از هر دنباله از عمليات قرار خواهد گرفت. 89 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  مدل چند حالته:عامل تمام اثرهاي عملياتش را مي‌داند اما دسترسي به حالت دنيا را محدود کرده است. زماني که دنيا تماماً قابل دسترسي نيست عامل بايد در مورد مجموعه حالت‌هايي که ممکن است به آن برسد استدالل کند. 90 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  مدل احتمالي:ب ا اي ن مدل ح ل مس ئله ،حس ‌گرهايي را در طول فاز اجراي ي نياز داريم .عام ل اکنون باي د تمام درخ ت عمليات ي را بر خالف دنبال ه عمليات ي منفرد ،محاس به کند .ک ه ب ه طور کل ي ه ر شاخ ه درخت ،با يک امکان احتمالي که از آن ناشي مي‌شود ،بررسي مي‌شود. 91 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  مدل اکتشافي:عاملي که هيچ اطالعاتي در مورد اثرات عملياتش ندارد. در اين حالت ،عامل بايد تجربه کند و به تدريج کشف کند که چه عملياتي بايد انجام شود و چه وضعيت‌هايي وجود دارند .اين روش يک نوع جستجو است. اگر عامل نجات يابد« ،نقشه‌اي» از محيط را ياد مي‌گيرد که مي‌تواند مسائل بعدي را حل کند. 92 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجو با اطالعات ناقص ‏مسKئله هاي فاقKد حسKگر :اگKر عامKل فاقKد حسKگر باشKد ،ميتوانKد در يکKي از چند حالت اوليه باشد و هر فعاليت ميتواند آن را به يکي از چند حالت جانشين ببرد ‏مسKئله هاي اقتضايKي :اگKر محيKط بKه طور جزئKي قابKل مشاهده باشKد يKا اگر فعاليتهKا قطعKي نباشKد ،ادراکKات عامKل ،پKس از هKر عمKل ،اطالعات جديدي را تهيه ميکنند. هر ادراک ممکن ،اقتضايي را تعريف ميکند که بايد براي آن برنامه ريزي شود ‏مسKائل خصKمانه :اگرعدم قطعيKت در اثKر فعاليتهاي عامل ديگري بوجود آيد ،مسئله را خصمانه گويند 93 ‏مسئله هاي اکتشافي :وقتي حالتها و فعاليتهاي محيKط ناشناخته باشند ،عامل بايد سKعي کند آنها را کشKف کند .مسKئله هاي اکتشافي را ميتوان شکل نهايي مسئله هاي اقتضايي دانست ‏www.myazdanpanah.mih هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏anblog.com حل مسئله با جستجو مثال :دنياي جاروبرقي ‏عامل جارو تمام اثرات فعاليتهايش را ميداند اما فاقد حسگر است.فاقد حسگر ‏حالت اوليه آن يکي از اعضاي مجموعه{ }1،2،3،4،5،6،7،8ميباشد ‏فعاليت (( ‏Right }{2،4،6،8 ‏فعاليت ()Right,Suck {}4،8 ‏فعاليت ( )Right,Suck,Left,SuckتضمينK 94 نورویک( ) 4 - 3 - 2 - 1 راسل -حالت مصنوعیبه ميکند که صرف نظر از حالتهوشاوليه، ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو دنياي جاروبرقي ‏عامل بايد راجع به مجموعه فاقد حسگر هاي حالتي که ميتواند به آنها برسد استدالل کند .اين مجموعه از حالتها را حالت باور گوييم. ‏اگر فضاي حالت فيزيکي داراي sحالت باشد فضاي حالت باور s^2حالت باور خواهد داشت. 95 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com براي تعريف يک مسئله موارد زير نياز داريم: وضعيت آغازين ( )initial stateکه عامل خودش از بودن در آن آگاه است. مجموعه‌اي از عمليات ممکن ،که براي عامل قابل دسترسي باشد. آزمون هدف ( ،)goal testکه عامل مي‌تواند در يک تعريف وضعيت منفرد آن را تقاضا کند تا تعيين گردد که آن حالت ،وضعيت هدف است يا خير. تاب ع هزين ه مس ير ،تابع ي اس ت ک ه براي ه ر مس ير ،هزينه‌اي را در نظ ر مي‌گيرد؛ و ب ا حرف gمشخص مي‌شود. هزينه يک سفر= مجموع هزينه‌هاي عمليات اختصاصي در طول مسير 96 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com براي حل مسئله چند حالته ،فقط به يک اصالح جزئي نياز داريم: يک مسئله شامل: يک مجموعه حالت اوليه مجموعه‌اي از عملگرهاي ويژه براي هر عمل به گونه‌اي که از هر وضعيت داده شده مجموعه‌اي حاالت رسيده شده و يک آزمون هدف و تابع هزينه مسير را معين کند. 97 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com يک عمل گر: توسط اجتماع نتايج اعمال عملگر در هر وضعيت مجموعه ،به کار برده مي‌شود. يک مسير: مجموعه حاالت را مرتبط مي‌کند. يک راه حل: مسيري است که به مجموعه‌اي از حاالت که تمام آنها ،وضعيت هدف هستند ،سوق مي‌دهند. 98 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com اندازه‌گيري کارايي حل مسئله: کارايي يک جستجو ،حداقل از سه طريق مي‌تواند اندازه‌گيري شود: .1آيا اين جستجو راه حلي پيدا مي‌کند؟ .2آيا راه حلي مناسبي است؟ .3هزينه جستجو از نظر زماني و حافظه مورد نياز براي يافتن راه حل چيست؟ مجموع هزينه جستجو= هزينه مسير +هزينه جستجو عامل بايد تصميم بگيرد که چه منابعي را فداي جستجو و چه منابعي را صرف اجرا کند. 99 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :نقشه روماني 100 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :نقشه روماني ‏صورت مسأله :رفتن از آراد به بخارست ‏فرموله کردن هدف :رسيدن به بخارست ‏فرموله کردن مسئله: ‏وضعيتها :شهرهاي مختلف ‏فعاليتها :حرکت بين شهرها ‏جستجو :دنباله اي از شهرها مثل:آراد ،سيبيو ،فاگارس ،بخارست ‏اين جستجو با توجه به کم هزينه ترين مسير انتKخاب ميشود 101 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مسئله ‏حالت اوليه :حالتي که عامل از آن شروع ميکند. ‏در مثال روماني :شهر آراد )n(Arad ‏تابع جانشين :توصيفي از فعاليتهاي ممکن که براي عامل مهيا است. ‏در مثال روماني{=Zerind,Sibui,Timisoara} S(Arad): ‏فضاي حالت :مجموعه اي از حالتها که از حالت اوليه ميتوان به آنها رسيد. ‏در مثال روماني :کليه شهرها کKه با شروع از آراد ميتوان به آنها رسيد تابع جانشين +حالت اوليه = فضاي حالت 102 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو ‏آزمون هدف :تعيين ميکند که آيا حالت خاصي ،حالت هدف است يا خير ‏هدف ‏هدف صريح :در مثال روماني ،رسيدن به بخارست انتزاعي :در مثال شطرنج ،رسيدن به حالت کيش و مات ‏مسير :دنباله اي از حالتها که دنباله اي از فعاليتها را به هم متصل ميکند. ‏در مثال روماني Arad, Sibiu, Fagaras :يک مسير است ‏هزينه مسير :براي هر مسير يک هزينه عددي در نظر ميگيرد. ‏در مثال روماني :طول مسير بين شهرها بر حسب کيلومتر 103 راه حل مسئله مسيري از حالت اوليه به حالت هدف است ‏www.myazdanpanah.mih ‏anblog.com بهينه ) 4 - 3 - راسل -نورویک( 2 - 1 هوش مصنوعی کمترين هزينه حل راه حل مسئله با جستجو مثال :دنياي جارو برقي حالتها :دو مکان که هر يک ممکن استK کثيKف يا تميز باشند.لذا 2 *2^2 = 8حالت در اين جهان وجود دارد حالت اوليه :هر حالتي ميتواند به عنوان حالت اوليه طراحي شود تابع جانشين :حالتهاي معتبر از سه عمليات :راست ،چپ ،Kمکش آزمون هدف :تميزي تمام مربعها هزينه مسير :تعداد مراحل در مسيKر 104 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :دنياي جارو برقي حالتها :دو مکان که هر يک ممکن است کثيKف يا تميز باشند.لذا 2 *2^2 = 8حالت در اين جهان وجود دارد حالت اوليه :هر حالتي ميتواند به عنوان حالت اوليه طراحي شود تابع جانشين :حالتهاي معتبر از سه عمليات :راست ،چپ ،Kمکش آزمون هدف :تميزي تمام مربعها هزينه مسير :تعداد مراحل در مسير 105 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :معماي8 حالتها :مکان هر هشت Kخانه شماره دار و خانه خالي در يکي از 9خانه حالت اوليه :هر حالتي را ميتوان به عنوان حالت اوليه در نظر گرفت تابع جانشين :حالتهاي معتبر از چهار عمل ،انتقال خانه خالي به چپ ،راست ،Kباال يا پايين آزمون هدف :بررسي ميکند که حالتي که اعداد به ترتيب چيده شده اند(طبق شکل روبرو) رخ داده يا نه هزينه مسير :برابر با تعداد مراحل در مسيKر 106 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :معماي8 حالتها :مکان هر هشت خانه شماره دار و خانه خالي در يکي از 9خانه حالت اوليه :هر حالتي را ميتوان به عنوان حالت Kاوليه در نظر گرفت تابع جانشين :حالتهاي معتبر از چهار عمل ،انتقال خانه خالي به چپ ،راست ،Kباال يا پايين آزمون هدف :بررسي ميکند کKه حالتي که اعداد به ترتيب چيده شده اند(طبق شکل روبرو) رخ داده يا نه هزينه مسير :برابر با تعداد مراحل در مسير 107 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :مسئله 8وزير فرمول بندي افزايشي حالتها :هر ترتيبي از 0تا 8وزير در صفحه ،يک حالت استK حالت اوليه :هيچ وزيري در صفحه نيست تابع جانشين :وزيري را به خانه خالي اضافه ميکند آزمون هدف8 :وزير در صفحه وجود دارند و هيچ کدام به يکديگر گارد نميگيرند 108 در اين فرمول بندي بايد 3*10^14دنباله ممکن هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 بررسي ميشود ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :مسئله 8وزير فرمول بندي افزايشي حالتها :هر ترتيبي از 0تا 8وزير در صفحه ،يک حالت استK حالت اوليه :هيچ وزيري در صفحه نيست تابع جانشين :وزيري را به خانه خالي اضافه ميکند آزمون هدف8 :وزير در صفحه وجود دارند و هيچ کدام به يکديگر گارد نميگيرند 109 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :مسئله 8وزير فرمول بندي حالت کامل حالتها :چيدمان nوزير ( ، )n≤ 8 ≤0بطوريکه در هر ستون از nستون سمت چپ ،يک وزير قرار گيرد و هيچ دو وزيري بهم گارد نگيرند حالت اوليه :با 8وزير در صفحه شروع ميشود تابع جانشين :وزيري را در سمت چپ ترين ستون خالي قرار ميدهد ،بطوري که هيچ وزيري آن را گارد ندهد آزمون هدف8 :وزير در صفحه وجود دارند و هيچ کدام به يکديگر گارد نميگيرند اين فرمول بندي فضاي حالت را از 3*10^14به 2057 110 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 کاهش ميدهد ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو مثال :مسئله 8وزير فرمول بندي حالت کامل حالتها :چيدمان nوزير ( ، )n≤ 8 ≤0بطوريکه در هر ستون از nستون سمت چپ ،يک وزير قرار گيرد و هيچ دو وزيري بهم گارد نگيرند حالت اوليه :با 8وزير در صفحه شروع ميشود تابع جانشين :وزيري را در سمت چپ ترين ستون خالي قرار ميدهد ،بطوري که هيچ وزيري آن را گارد ندهد آزمون هدف8 :وزير در صفحه وجود دارند و هيچ کدام به يکديگر گارد نميگيرند 111 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو اندازه گيري کارايي حل مسئله ميکند که در صورت وجود راه ‏کامل بودن :آيا الگوريتم تضمين حل ،آن را بيابد؟ ‏بهينگي: ‏پيچيدگي زماني :چقدر طول ميکشد تا راه حل را پيدا کند؟ آيا اين راهبرد ،راه حل بهينه اي را ارائه ميکند. ‏پيچيدگي تعداد گره هاي توليد شده در اثناي جستجو فضا :براي جستجو چقدر حافظه نياز دارد؟ حداکثر تعداد گره هاي ذخيره شده در حافظه 112 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو اندازه گيري کارايي حل مسئله ميکند که در صورت وجود راه ‏کامل بودن :آيا الگوريتم تضمين حل ،آن را بيابد؟ ‏بهينگي: ‏پيچيدگي زماني :چقدر طول ميکشد تا راه حل را پيدا کند؟ آيا اين راهبرد ،راه حل بهينه اي را ارائه ميکند. ‏تعداد گره هاي توليد شده در اثناي جستجو ‏پيچيدگي فضا :براي جستجو چقدر حافظه نياز دارد؟ ‏حداکثر تعداد گره هاي ذخيره شده در حافظه 113 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي ناآگاهانه ‏ناآگاهي اين است که الگوريتKم هيچ اطالعاتي غير از تعريف مسئله در اختيار ندارد اين الگوريتمها فقط ميتواند جانشينهايي را توليد و هدف را از غير هدف تشخيص دهند ‏راهبردهايي که تشخيص ميدهد يک حالت Kغير هدف نسبت Kبه گره غير هدف ديگر ،اميد بخش تر است ،Kجست Kو جوي آگاهانه يا جست Kو جوي اکتشافي ناميده ميشود. راهبردها ‏جست و جوي عرKضي ‏جست و جوي عمقي ‏جست و جوي عميق کننده تکراري 114 ‏جست و جوي هزينه يکنواخت ‏جست و جوي عمقي محدود ‏جست و جوي دو طرفه هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عرضي A B E J www.myazdanpanah.mih anblog.com C F K D G L M H N O ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل P I Q 115 حل مسئله با جستجو جستجوي عرضي کامل بودن :بله بهينگي :بله (مشروط) بله (مشروط) در صورتي بهينه است که هزينه مسير ،تابعي غير نزولي از عمق گره باشد. (مثل وقتي که فعاليتها هزينه يکساني دارند) پيچيدگي زماني: پيچيدگي فضا: 116 ‏d1 ) O(b ‏d1 ) O(b هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي هزينه يکنواخت اين جستجو گره nرا با کمترين هزينه مسير بسط ميدهد ‏A 3 1 ‏D ‏C ‏I ‏B ‏H ‏Q 117 1 ‏P ‏G ‏O ‏N ‏F ‏M ‏L هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏E ‏K ‏J ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي هزينه يکنواخت کامل بودن :بله هزينه هر مرحله بزرگتر يا مساوي يک مقدار ثابت و مثبت εباشد(.هزينه مسير با حرکت در مسير افزايش مي يابد) بهينگي :بله هزينه هر مرحله بزرگتر يا مساوي εباشد پيچيدگي زماني: 118 پيچيدگي فضا: ) ) ] [C*/ ‏O(b ] [C*/ ‏O(b هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عمقي A 2 3 4 J E B C F K 6 L 7 D G M H N O P I Q 5 www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 119 حل مسئله با جستجو جستجوي عمقي بودن خير :کاملبودن: کامل اگر زير درخت چپ عمق نامحدود داشت و فاقد هر گونه راه حل باشد، جستجو هرگز خاتمه نمي يابد. :بهينگي بهينگي :خير پيچيدگي زماني: پيچيدگي فضا: 120 ‏m ) O(b )O(bm هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عمقي محدود مسئله درختهاي نامحدود ميتواند به وسيله جست و جوي عمقي با عمق محدود Lبهبود يابد ‏A ‏D ‏C ‏I ‏H ‏Q 121 ‏B ‏P ‏G ‏O ‏N ‏F ‏M ‏L هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏E ‏K ‏J ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عمقي محدود بودن خKير :کاملبودن: کامل اگر L<d Kو سطحي ترين هدف در خارج از عمق محدود قرار داشته باشد، اينراهبرد کامل نخواهد بود. :بهينگي بهينگي :خير اگر L>dانتخاب شود ،اين راهبرد بهينه نخواهد بود. پيچيدگي زماني: 122 پيچيدگي فضا: ‏L ) O(b )O(bL هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عميق کننده تکراري ‏A ‏D ‏C ‏I ‏H ‏Q 123 ‏B ‏P ‏G ‏O ‏N ‏F ‏M ‏L هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏E ‏K ‏J ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عميق کننده تکراري ‏A ‏D ‏C ‏I ‏H ‏Q 124 ‏B ‏P ‏G ‏O ‏N ‏F ‏M ‏L هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏E ‏K ‏J ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عميق کننده ‏A تکراري ‏D ‏C ‏I ‏S 125 ‏B ‏H ‏R ‏Q ‏P ‏G ‏O ‏N ‏F ‏M ‏L هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏E ‏K ‏J ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي عميق کننده :کامل بودن کامل بودن :بله تکراري در صورتي که فاکتور انشعاب محدود باشد :بهينگي بهينگي :بله وقتي که هزينه مسير ،تابعي غير نزولي از عمق گره باشد پيچيدگي زماني: پيچيدگي فضا: 126 ‏d ) O(b )O(bd هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي دو طرفه انجام دو جست و جوي همزمان ،يکي از حالت اوليه به هدف و ديگري از هدف به حالت اوليه تا زماني که دو جست و جو به هم برسند 127 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو جستجوي دو طرفه بودن :بله :کامل بودن کامل اگر هر دو جستجو ،عرضي باشند و هزينه تمام مراحل Kيکسان باشد :بهينگي بهينگي :بله اگر هر دو جستجو ،عرضي باشند و هزينه تمام مراحل Kيکسان باشد پيچيدگي زماني: پيچيدگي فضا: 128 ‏d/2 ) O(b ‏d/2 ) O(b هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حل مسئله با جستجو اجتناب از حالتهاي تکراري وجود حالتهاي تکراري در يک مسئله قابل حل ،ميتواند آن را به مسئله غير قابل حل تبديل کند 129 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com اجتناب از حاالت تکراري: براي مسائل زيادي ،حاالت تکراري غيرقابل اجتناب هستند .اين شامل تمام مسائلي مي‌شود که عملگرها قابل وارونه شدن باشند ،مانند مسائل مسيريابي و کشيش‌ها و آدمخوارها. 130 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com سه راه براي حل مشکل حاالت تکراري براي مقابله با افزايش مرتبه و سرريزي فشار کار کامپيوتر وجود دارد: به حالتي که هم اکنون از آن آمده‌ايد ،برنگرديد .داشتن تابع بسط (يا مجموعه عملگرها) از توليد مابعدهايي که مشابه حالتي هستند که در آنجا نيز والدين اين گره‌ها وجود دارند ،جلوگيري مي‌کند. .1از ايجاد مسيرهاي دوار بپرهيزيد .داشتن تابع بسط (يا مجموعه عملگرها) از توليد مابعدهاي يک گره که مشابه اجداد آن گره است ،جلوگيري مي‌کند. ال تولي د شده اس ت ،مجدداً تولي د نکنيد .اي ن مس ئله باع ث مي‌شود ک ه ه ر حال ت در حافظ ه .2حالت ي را ک ه قب ً نگهداري شود ،پيچيدگي فضايي ) O(bdداشت ه باشد .بهت ر اس ت ک ه ب ه ) O(sتوجه کنيد که sتعداد کل حاالت در فضاي حالت ورودي است. 131 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com : Cryptarithmetic در مسائل کريپتاريتمتيک ،حروف به جاي ارقام مي‌نشينند و هدف يافتن جايگزيني از اعداد براي حروف است که مجموع نتيجه از نظر رياضي درست باشد .معمو ًال هر حرف بايد به جاي يک رقم مختلف بنشينند. مثال: .F=2, O=9, R=7, etc 132 29786 ‏FORTY 850 + ‏TEN + 850 + ‏TEN + ---------- ---------- 31486 ‏SIXTY هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com يک فرمول ساده: حاالت :يک معماي Cryptarithmeticبا چند حروف جايگزين شده توسط ارقام. ال در معما ظاهر نشده باشد. عملگرها :وقوع يک حروف را با يک رقم جايگزين کنيد که قب ً آزمون هدف :معما فقط شامل ارقام است و يک مجموع صحيح را بر مي‌گرداند. هزينه مسير :صفر -تمام راه حل‌هاي صحيح است. 133 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مي‌خواهيم که از تبديل جايگزيني‌هاي مشابه اجتناب کنيم: قبول يک ترتيب ثابت مانند ترتيب الفبايي. هر کدام که بيشترين محدوديت جايگزيني را دارد ،انتخاب کنيم؛ يعني حرفي که کمترين امکان مجاز را دارند ،محدوديت‌هاي معما را مي‌دهد. 134 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com دنياي مکش: مسئله تک حالته :عامل از جاي خودش اطالع دارد و تمام مکان‌هاي آلوده را مي‌شناسد و دستگاه مکنده ما درست کار مي‌کند. حاالت :يکي از 8حالت نشان داده شده. عملگرها :حرکت به چپ ،حرکت به راست ،عمل مکش. آزمون هدف :هيچ خاکي در چهار گوش‌ها نباشد. هزينه مسير :هر عمل ارزش 1دارد. 135 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 136 مسئله چند حالته :عامل داراي حسگر نمي‌باشد. مجموعه وضعيت‌ها :زير مجموعه‌اي از حاالت. عملگرها :حرکت به چپ ،حرکت به راست ،عمل مکش. آزمون هدف :تمام حاالت در مجموعه حالت‌ها فاقد خاک باشند. هزينه مسير :هر عمل هزينه 1دارد. 137 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسئله کشيش‌ها و آدمخوارها: سه کشيش و سه آدم خوار در يک طرف رودخانه قرار دارند و هم چنين قايقي که قادر است يک يا دو نفر را حمل کند .راهي را بيابيد که هر نفر به سمت ديگر رودخانه برود، بدون آنکه تعداد کشيش‌ها در يکجا کمتر از آدم خوارها شود. 138 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حاالت :يک حالت شامل يک دنبالة مرتب شده از عدد است که تعداد کشيش‌ها ،تعداد آدمخوارها و محل قايق در ساحلي از رودخانه که از آنجا مسئله شروع شده را نمايش مي‌دهد. عملگرها :از هر حالت ،عملگرهاي ممکن يک کشيش ،يک آدمخوار ،دو کشيش ،دو آدمخوار، يا يکي از هر کدام را در قايق جا مي‌دهند. آزمون هدف :رسيدن به حالت(0و 0و .)0 هزينه مسير :تعداد دفعات عبور از رودخانه. 139 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل دنياي واقعي ي مسيرياب : الگوريتم‌هاي مسير يابي کاربردهاي زيادي دراند ،مانند مسيريابي در شبکه‌هاي کامپيوتري، سيستم‌هاي خودکار مسافرتي و سيستم‌هاي برنامه‌نويسي مسافرتي هوايي. 140 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل فروشنده دوره گرد و تور : مس ئله فروشنده دوره گرد مسئله مشهوري است که در آن هر شهر حداقل يکبار باي د مالقات شود هدف يافتن کوتاهترين مسير است. عالوه بر مکان عامل ،هر حالت بايد مجموعه شهرهايي را که عامل مالقات کرده ،نگه دارد. عالوه بر برنامه‌ريزي ص فر براي فروشنده دوره‌گرد ،اي ن الگوريتم‌ه ا براي اعمال ي نظي ر برنامه‌ريزي حرکات مته خوردکار سوراخ‌کننده برد مدار استفاده مي‌شود. 141 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com طرح : VISI ابزار طراحي کمکي کامپيوتري در هر فازي از پردازش استفاده مي‌شود دو وظيفه بسيار مشکل عبارتند از: ‏ Channel routing ‏ Cell layout که بعد از اينکه ارتباطات و اتصاالت مدار کامل شد ،اين دو قسمت انجام مي‌شوند. 142 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com  هدف طراح ي مداري روي تراش ه اس ت ک ه کمتري ن مس احت و طول اتص االت و بيشتري ن س رعت را داشت ه باشد. ‏ هدف قرار دادن سلول‌ها روي تراشه به گونه‌اي است که آنها روي هم قرار نگيرند و بنابراين فضايي نيز براي سيم‌هاي ارتباطي وجود دارد که بايد بين سلول‌ها قرار گيرند. ‏ کانال‌يابي ،مسير ويژه‌اي را براي هر سيم که از فواصل بين سلول‌ها استفاده مي‌کند ،پيدا مي‌کند. 143 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هدايت ربات: ي ک ربات مي‌توان د در ي ک فضاي پيوس ته ب ا ي ک مجموع ه نامحدودي از حاالت و عمليات ممکن حرکت کند. ربات‌هاي واقع ي باي د قابلي ت تص حيح اشتباهات را در خواندن حس گرها و کنترل موتور داشته باشند. 144 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com خط توليد خودکار: در مسائل سرهم‌بندي ،مشکل يافتن قانوني است که تکه‌هاي چند شيئي را جمع کند .اگر ترتيب نادرست انتخاب شود ،راهي نيست که بتوان قسمت‌هاي بعدي را بدون از نو انجام دادن قسمت‌هاي قبلي ،اضافه کرد. کنترل ي ک مرحل ه در دنبال ه ،ي ک مس ئله جس تجوي پيچيدة هندس ي اس ت ک ه ارتباط نزديک ي ب ا هداي ت ربات دارد .از اي ن رو تولي د مابعدهاي مجاز گران‌تري ن قس مت دنبال ه س رهم‌بندي اس ت و استفاده از الگوريتم‌هاي آگاهانه براي کاهش جستجو ،ضروري است. 145 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي چهارمفصل 146 اکتوآگاهانهجويوجست ش[ف ا هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست 147 ‏متدهاي جست و جوي آگاهانه ‏يادگيري براي جست و جوي بهتر ‏جست و جوي محلي و بهينه سازي ‏جست و جوي محلي در هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف متدهاي جستجوي آگاهانه ‏بهترين جستجو ‏حريصانه *A *IDA ‏RBFS *MAو *SMA 148 ‏جستجوي محلي و بهينه سازي ‏تپه نوردي ‏شبيه سازي حرارت ‏پرتو محلي ‏الگوريتمهاي ژنتيک هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي بهترين: اين استراتژي به اين صورت بيان مي‌شود که در يک درخت ،زماني که گره‌ها مرتب مي‌شوند، گره‌اي که بهترين ارزيابي را داشته باشد ،قبل از ديگر گره‌ها بسط داده مي‌شود. هدف :يافت ن راه‌حل‌هاي کم‌هزين ه اس ت ،اي ن الگوريتم‌ه ا عموم ًا از تعدادي معيار تخمي ن براي هزينه راه‌حل‌ها استفاده مي‌‌کنند و سعي بر حداقل کردن آنها دارند. 149 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حداقل هزينه تخمين زده شده براي رسيدن به هدف :جستجوي حريصانه يک ي از س اده‌ترين اس تراتژي‌هاي جس تجوي بهتري ن ،ب ه حداق ل رس اندن هزين ه تخمي ن زده شده براي رسيدن به هدف است .بدين صورت که حالت گره‌اي که به حالت هدف نزديک‌تر است ،ابتدا بسط داده مي‌شود. تاب ع کشف‌کننده :هزين ه رس يدن ب ه هدف از ي ک حال ت ويژ ه مي‌توان د تخمي ن زده شود ام ا دقيق ًا تعيين نمي‌شود .تابعي که چنين هزينه‌هايي را محاسبه مي‌کند تابع کشف‌کننده hناميده مي‌شود. جستجوي حريصانه :جستجوي بهترين که hرا به منظور انتخاب گره بعدي براي بسط استفاده مي‌کند ،جستجوي حريصانه ( )greedy searchناميده مي‌شود. 150 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com ويژگي‌هاي جستجوي حريصانه: جس تجوي حريص انه از لحاظ دنبال کردن ي ک مس ير ويژ ه در تمام طول راه ب ه طرف هدف ،مانن د جس تجوي عمقي است ،اما زماني که به بن‌بست مي‌رسد ،برمي‌گردد. اين جستجو بهينه نيست و ناکامل است. پيچيدگي زمان ي در بدترين حالت براي جستجوي حريصانه ) ،O(bmکه mحداکثر عمق فضاي جستجو است. جس تجوي حريص انه تمام گره‌ه ا را در حافظ ه نگ ه مي‌دارد ،بنابراي ن پيچيدگ ي فضاي آ ن مشاب ه پيچيدگ ي زماني آن است. ميزان کاهش پيچيدگي به مسئله و کيفيت تابع hبستگي دارد. 151 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف تعاريف ‏تابع هزينه مسير : g(n) ،Kهزينه مسير از گره اوليه تا گره n ‏تابع اکتشافي : h(n) ،هزينه تخميني ارزان ترين مسير از گره nبه گره هدف ‏تابع بهترين مسير : h*(n) ،ارزان ترين مسير از گره nتا گره هدف ‏تابع ارزيابي : f(n) ،هزينه تخميني ارزان ترين مسير از طريق n )f(n): g(n) + h(n : f*(n)هزيKنه ارزاKنتKKريKنمKسير از طKريKقf*(n): g(n) + h*(n)n 152 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي حريصانه A 3 1 1 1 5 D 2 H 3 3 P 2 anblog.com 2 B 2 3 3 3 E I 3 1 3 2 3 S 2 T Q R www.myazdanpanah.mih 1 2 1 J 2 1 K L 3 M 2 1 0 1 3 F 1 3 U 1 V 2 C 1 2 ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 1 2 N 1 W 1 X 0 2 G 1 3 3 O 2 3 Y 2 Z 1 153 جست و جوي آگاهانه و اکتشاف جستجوي حريصانه ‏A 2 1 ‏2 ‏C 1 23 ‏ 3 3 ‏O ‏G 1 1 3 ‏B 3 ‏F 2 3 ‏E 1 1 ‏ 1 5 ‏D 4 ‏1 ‏N 5 1 ‏ ‏X 0 154 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي حريصانه A 2 1 1 1 5 D 3 3 P B 1 3 1 3 I 3 1 2 3 2 Q R 2 H www.myazdanpanah.mih 1 2 anblog.com 1 E J 3 3 F 4 1 3 1 K L 3 M 2 1 0 3 C 1 2 S T U V W 2 هوش1 2) 4 - 3 -12 - 1 ( نورویک-1مصنوعی راسل 1 2 N 1 X 0 3 G 1 3 3 O 2 3 Y 2 Z 1 155 جست و جوي آگاهانه و اکتشاف جستجوي حريصانه ‏A 1 4 2 1 ‏1 B ‏C 1 2 ‏ 3 3 ‏ ‏K 1 1 ‏E 5 ‏D 3 ‏J 1 0 156 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي حريصانه ‏کامل بودن :خير ‏اما اگر *h = hآنگاه جستجو کامل ميشود ‏بهينگي :خير ‏اما اگر *h = hآنگاه جستجو کامل ميشود ‏پيچيدگي زماني: ‏m ) O(b ‏اما اگر *h = hآنگاه )O(bd ‏پيچيدگي فضاO(bm) : ‏اما اگر *h = hآنگاه )O(bd 157 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com حداقل‌سازي مجموع هزينه مسير :جستجوي *A جستجو با هزينه يکسان ،هزينه مسير g(n) ،را نيز حداقل مي‌کند. با ترکيب دو تابع ارزيابي داريم: )f(n) = g(n) + h(n g(n):هزينه مسير از گره آغازين به گره nرا به ما مي‌دهد. ) :h(nهزينه ت خمينزده ش ده از ارزانترينم سير از nب ه هدفاست و ما داريم: هزينه تخمين زده شده ارزانترين راه حل از طريق )n = f(n 158 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف *A جستجوي A/5 2 1 B/4 C/4 1 1 D/5 H/2 3 P/3 1 1 3 3 J/1 I/3 2 3 2 Q/1 R/2 S/2 www.myazdanpanah.mih anblog.com E/1 3 1 K/0 3 T/1 F/3 L/3 3 U/1 1 2 V/2 2 M/2 1 W/1 ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 1 N/1 1 X/0 G/2 3 O/3 2 Y/2 3 Z/1 159 جست و جوي آگاهانه و اکتشاف جستجوي *A ‏A/5 1 51 ‏ 42 ‏ 3 8 ‏O/3 1 6 ‏C/4 ‏B/4 1 1 ‏G/2 2 5 ‏F/3 3 ‏N/1 4 1 ‏X/0 160 4 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف *A جستجوي A/5 2 1 B/1 C/4 1 1 D/5 H/2 3 P/3 1 1 3 3 J/1 I/3 2 3 2 Q/1 R/2 S/2 www.myazdanpanah.mih anblog.com E/1 3 1 K/0 3 T/1 F/3 L/3 3 U/1 1 2 V/2 2 M/2 1 W/1 ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 1 N/1 1 X/0 G/2 3 O/3 2 Y/2 3 Z/1 161 جست و جوي آگاهانه و اکتشاف جستجوي *A ‏A/5 1 53 ‏ 44 ‏ 3 8 ‏O/3 1 ‏3B/1 ‏C/4 1 1 ‏G/2 2 1 5 ‏F/3 5 ‏N/1 4 4 2 ‏ 3 ‏E/1 ‏K/0 6 1 1 8 ‏D/5 3 ‏J/1 7 1 ‏X/0 162 4 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف *A جستجوي A/5 2 1 B/1 C/9 1 1 D/5 H/2 3 P/3 1 1 3 3 J/1 I/3 2 3 2 Q/1 R/2 S/2 www.myazdanpanah.mih anblog.com E/1 3 1 K/0 3 T/1 F/3 L/3 3 U/1 1 2 V/2 2 M/2 1 W/1 ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 1 N/1 1 X/0 G/2 3 O/3 2 Y/2 3 Z/1 163 جست و جوي آگاهانه و اکتشاف جستجوي *A ‏A/5 10 2 1 3 1 ‏ B/1 ‏C/9 4 2 ‏ 3 ‏ ‏K/0 3 ‏E/1 1 1 8 ‏D/5 3 ‏J/1 1 6 164 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي *A ‏کامل بودن :بله ‏بهينگي :بله ‏پيچيدگي زمانيO(bm) : ‏اما اگر *h = hآنگاه )O(bd ‏پيچيدگي فضاO(bm) : ‏اما اگر *h = hآنگاه )O(bd 165 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف *A جستجوي A 1 1 B 1 A 1 1 1 C 2 3B C 4 1 1 1 1 D E 1 2 D E 1 1 1 1 1 1 F 1 0 H www.myazdanpanah.mih anblog.com G 0 1 F G 0 1 0 H h ≤) 4h*- 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل h ≤/ h* 166 جست و جوي آگاهانه و اکتشاف *A جستجوي A 1 1 1 2 1 3 1 B 1 D 1 F 1 0 H www.myazdanpanah.mih anblog.com A 1 1 3 B 4 C 2  5 1 E 6 2 2 D 1 1 G 1 3 0 1 1 F 1 1 C 4 1 E 1 1 G 0 1 4 0 H  h ≤) 4h*- 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل h ≤/ h* 167 جست و جوي آگاهانه و اکتشاف جستجوي *Aو اجتناب از گره هاي تکراري ‏A/100 10 ‏D/90 ‏I/87 ‏V/83 ‏U/81 ‏C/95 ‏M/75 ‏P/79 ‏O/78 ‏T/60 ‏X/58 ‏G/90 ‏W/52 ‏Z/50 هزينه هر مرحله 10ميباشد 168 ‏B/80 ‏L/80 ‏Y/47 ‏R/20 ‏Q/0 ‏F/78 ‏N/72 ‏K/85 ‏T/60 ‏X/58 ‏E/86 ‏M/75 ‏S/70 ‏P/79 ‏J/82 ‏O/78 ‏W/52 ) 4 - Z/50 هوش مصنوعی راسل -نورویک( 3 - 2 - 1 ‏Y/47 ‏www.myazdanpanah.mih ‏anblog.com ‏H/80 جست و جوي آگاهانه و اکتشاف جستجوي *Aو اجتناب از گره هاي تکراري ‏A/100 3 ‏ 8 ‏ 10 C/95 5 10 D/90 0 ‏B/80 9 0 ‏I/87 10 7 ‏T/60 80 ‏ ‏F/78 98 ‏G/90 11 0 5 ‏P/79 ‏O/78 10 9 10 8 88X/58 ‏ ‏N/72 10 82W/52 2 6 9 ‏Z/50 90 ‏ ‏T/60 10 ‏ 87Y/47 ‏R/20 70 10 Q/0 50 ‏ 10 E/86 6 ‏ ‏M/75 10 5 ‏S/70 11 0 0 169 ‏ 2 4 ‏ 95M/75 1 7 ‏X/58 10 8 ‏ 10 W/52 2 ) 4 - Z/50 هوش مصنوعی راسل -نورویک( 3 - 211- 1 10 Y/47 7 0 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف مثال ديگر از جستجوي *A )f(n)=g(n) + h(n 170 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي *Aدر نقشه روماني جستجوي Bucharestبا شروع از Arad ‏f(Arad) = g(Arad)+h(Arad)=0+366=366 171 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف * در نقشه رومانيA جستجوي : را براي هر يک از زيربرگها محاسبه ميکنيمf(n) را باز کرده وAradََ f(Sibiu)=c(Arad,Sibiu)+h(Sibiu)=140+253=393 f(Timisoara)=c(Arad,Timisoara)+h(Timisoara)=118+329=447 f(Zerind)=c(Arad,Zerind)+h(Zerind)=75+374=449 www.myazdanpanah.mih anblog.com استSibiu بهترين انتخاب شهر ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 172 جست و جوي آگاهانه و اکتشاف * در نقشه رومانيA جستجوي : را براي هر يک از زيربرگها محاسبه ميکنيمf(n) را باز کرده وSibiuََ f(Arad)=c(Sibiu,Arad)+h(Arad)=280+366=646 f(Fagaras)=c(Sibiu,Fagaras)+h(Fagaras)=239+179=415 f(Oradea)=c(Sibiu,Oradea)+h(Oradea)=291+380=671 f(Rimnicu Vilcea)=c(Sibiu,Rimnicu Vilcea)+ h(Rimnicu Vilcea)=220+192=413 www.myazdanpanah.mih anblog.com استRimnicu Vilcea بهترين انتخاب شهر ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 173 جست و جوي آگاهانه و اکتشاف * در نقشه رومانيA جستجوي : را براي هر يک از زيربرگها محاسبه ميکنيمf(n) را باز کرده وRimnicu Vilceaََ f(Craiova)=c(Rimnicu Vilcea, Craiova)+h(Craiova)=360+160=526 f(Pitesti)=c(Rimnicu Vilcea, Pitesti)+h(Pitesti)=317+100=417 f(Sibiu)=c(Rimnicu Vilcea,Sibiu)+h(Sibiu)=300+253=553 www.myazdanpanah.mih anblog.com استFagaras بهترين انتخاب شهر ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 174 جست و جوي آگاهانه و اکتشاف جستجوي *Aدر نقشه روماني ََ Fagarasرا باز کرده و ) f(nرا براي هر يک از زيربرگها محاسبه ميکنيم: ‏f(Sibiu)=c(Fagaras, Sibiu)+h(Sibiu)=338+253=591 ‏f(Bucharest)=c(Fagaras,Bucharest)+h(Bucharest)=450+0=450 175 بهترين است) 4 - 3 - 2!!!- 1Pitesti شهرنورویک( انتخابراسل - هوش مصنوعی ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي *Aدر نقشه روماني ََ Pitestiرا باز کرده و ) f(nرا براي هر يک از زيربرگها محاسبه ميکنيم: ‏f(Bucharest)=c(Pitesti,Bucharest)+h(Bucharest)=418+0=418 176 است مصنوعیشهر انتخاب !!!) 4 - 3 - 2Bucharest راسل -نورویک( - 1 بهترينهوش ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي *Aدر نقشه روماني 177 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com کشف‌کنندگي قابل قبول: تاب ع hاي را ک ه هزينه‌اي بي ش از تخمي ن براي رس يدن ب ه هدف نداشت ه باش د ،ي ک کشف‌کنندگ ي قابل قبول ( )admissible heuristicگويند. جستجوي :*A جس تجوي بهترين که fب ه عنوان تابع ارزياب و يک تابع hقابل قبول استفاده مي‌کند ،به عنوان جستجوي *Aشناخته مي‌شود. 178 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com رفتار جستجوي *A نگاهي گذرا به اثبات کامل و بهينه بودن : *A مشاهده مقدماتي: تقريباً تمام کشف‌کنندگي‌هاي مجاز داراي اي ن ويژگ ي هس تند ک ه در طول ه ر مس يري از ريش ه، هزينه fهرگز کاهش پيدا نمي‌کند. اين خاصيت براي کشف‌کنندگي ،خاصيت يکنوايي ( )monotonicityگفته مي‌شود. اگر يکنوا نباشد ،با ايجاد يک اصالح جزئي آن را يکنوا مي‌کنيم. 179 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com بنابراين هر گره جديدي که توليد مي‌شود ،بايد کنترل کنيم که آيا هزينة fاين گره از هزينه fپدرش کمتر است يا خير .اگر کمتر باشد ،هزينة fپدر به جاي فرزند مي‌نشيند: بنابراين: fهميشه در طولهر م سيرياز ريشه غيرکاهشيخواهد ب ود ،م شروط ب ر اينکه hام کان‌پ ذير ب اشد. 180 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com ) : h*(nهزينه واقعيرسيدناز nب ه هدفاس .ت در استفاده عملي ،خطاها با هزينه مسير متناسب هستند ،و سرانجام رشد نمايي هر کامپيوتر را تس خير مي‌کند .البت ه ،اس تفاده از ي ک کشف‌کنندگ ي خوب هنوز باع ث ص رفه‌جويي زيادي نسبت به جستجوي ناآگاهانه مي‌شود. عموالق ب لاز اينک ه دچار ک مبود زمانش ود ،دچار ک مبود ف ض ا م ي‌ش ود .زيرا اي ن *Aم ً جستجو ت مام گ ره‌هايت وليد ش ده را در حافظه ذخيره م ي‌ک ند. 181 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جستجوي اکتشافي با حافظه محدود *IDA ‏ساده ترين راه براي کاهش حافظه مورد نياز *Aاستفاده از عميق کننده تکرار در زمينه جست و جوي اکتشافي است. ‏الگوريتم عميق کننده تکرار IDA **A ‏در جستجوي *IDAمقدار برش مورد استفاده ،عمق نيست بلکه هزينه ) f(g+hاست. مKناسKبKسKتو از ا ي *IDAبKKKراKياKغKلبمKسئله هايبKKKا هزيKنه هايمKرحKله ا، K سKKرKبار نKKاشKياز نKKگهKدارKيصKKفمKرتKبياز گKKره Kها اKجKتنابمKيکند 182 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف بهترين جستجوي بازگشتي RBFS ساختار آن شبيه جست و جوي عمقي بازگشتي است ،اما به جاي اينکه دائما به طرف پايين مسير حرکت کند ،مقدار fمربوط به بهترين مسير Kاز هر جد گره فعلي را نگهداري ميکند ،اگر گره فعلي از اين حد تجاوز کند ،بازگشتي به عقب برميگردد تا مسير ديگري را انتخاب کند. ‏اين جستجو اگر تابع اکتشافي قابل قبولي داشته باشد ،بهينه است. ‏پيچيدگي فضايي آن ) O(bdاست ‏تعيين پيچيدگي زماني آن به دقت تابع اکتشافي و ميزان تغيير بهترين مسير در اثر بسط گره ها بستگي دارد. 183 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف بهترين جستجوي بازگشتي RBFS ‏KتاKما گKKره KهايزKيادKيتKKولKيد RBFSتKKا حKدياز *IDAکKKارآمدتر اKس ، مKيکند. *IDA و RBFSدر معرض افزايش تواني پيچيدگي قرار دارند که در جست و جوي گرافها مرسوم Kاست ،زيرا نميتوانند حالتهاي تکراري را در غير از مسير فعلي بررسي کنند .لذا ،ممکن است يک حالت را چندين بار بررسي کنند. *IDA و RBFSاز فضاي اندکي استفاده ميکنند که به آنها آسيب ميرساند *IDA .بين هر تکرار فقط يک عدد را نگهداري ميکند که فعلي ‏www.myazdanpanah.mih حافظه نگهداري ميکند anblog.com 184 در) 4 - 3 - 2 بيشتري - 1 اطالعاتراسل -نورویک( هزينه fاست RBFS .هوش مصنوعی جست و جوي آگاهانه و اکتشاف يادگيري براي جست و جوي بهتر ‏روشهاي جست و جوي قبلي ،از روشهاي ثابت استفاده ميکردند. ‏عامل با استفاده از فضاي حالت فراسطحي ميتواند ياد بگيرد که بهتر جست و جو کند داخلي برنامه اي ‏هر حالت در فضاي حالت فرا سطحي ،حالت(محاسباتي) ِ را تسخير ميکند که فضاي حالت سطح شيء ،مثل روماني را جست و جو ميکند ‏الگوريتم يادگيري فراسطحي ميتواند چيزهايي را از تجربيات بياموزد تا زيردرختهاي غير قابل قبول را کاوش نکند. مسئله است مصنوعیکل ‏ 185هدف يادگيري ،کمينههوشکردن حل ) 4 - 3 هزينه- 2 - 1، راسل -نورویک( ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف توابع اکتشافي ‏مثال براي معماي8 186 ‏ميانگِين هزينه حل تقريبا 22مرحله و فاکتور انشعاب 322 3.11010 در حدود 3است. ‏جست و جوي جامع تا عمق : 22 ‏www.myazdanpanah.mih ‏ تابع مناسب ميتوان مراحلanblog.com اکتشافي) 4 - 3 - 2 - 1 مصنوعی راسل -نورویک( با انتخاب يک هوش جست و جوي آگاهانه و اکتشاف دو روش اکتشافي متداول براي معماي8 ‏h1  تعداد کاشيها در مکانهاي نادرست ‏h1 8 در حالت شروع ‏h1 187 اکتشاف قابل قبولي است ،زيرا هر کاشي که در جاي نامناسبي قرار هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 دارد ،حداقل يکبار بايد ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف دو روش اکتشافي متداول براي معماي8 مجموعه فواصل کاشيها از h2  موقعيتهاي هدف آنها در شروعh2 3 1 2 2 2 حالت 3 3 2 18 188 چون کاشيها نميتوانند در امتداد قطر جا به جا شوند ,فاصله اي که محاسبه عمودي ميکنيم مجموع فواصل افقي و هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف دو روش اکتشافي متداول براي معمايh 8 مجموعه فواصل کاشيها از موقعيتهاي هدف آنها 2 ‏h2 قابل قبول است ،زيرا هر جابجايي که ميتواند انجام گيرد ،به اندازه يک مرحله به هدف نزديک ميشود. هيچ کدام از اين برآوردها ،هزينه واقعي راه حل نيست هزينه واقعي 36است 189 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف اثر دقت اکتشاف بر کارايي ‏فاکتور انشعاب مؤثر *b ‏اگر تعداد گره هايي که براي يک مسئله خاص توسط *Aتوليد ميشود برابر با Nو عمق راه حل برابر با dباشد ،آن گاه *bفاکتور انشعابي است کKه درخت يکنواختي به عمق dبايد داشته باشد تا حاوي N+1گره باشد ‏d 2 )*N 1 b* (b*)  ... (b ‏فاکتور انشعاب مؤثر معمو ًال براي مسئله هاي سخت ثابت استK ‏اندازه گيريهاي تجربي *bبر روي مجموعه کوچکي از مسئله ها ميتواند راهنماي خوبي براي مفيد بودن اکتشاف باشد ‏مقدار *bدر اکتشافي با طراحي خوب ،نزديک 1است 190 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف ‏ITERSTIVE ‏DEEPING ‏SEARCH اثر دقت اکتشاف بر کارايي فاکتور انشعاب مؤثر هزينه جست و جو ‏www.myazdanpanah.mih ‏anblog.com IDSو *Aو فاکتور ميانگين گره هاي بسط يافته در جستجوي 191 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 انشعاب مؤثر با استفاده از h1و h2 جست و جوي آگاهانه و اکتشاف اثر دقت اکتشاف بر کارايي ‏اگر براي هر گره nداشته باشيمh2(n) >= h1(n) : ‏KاKلبKسKت h2بKKKر h1غ ا ‏غالب بودن مستKقيما به کارايي ترجمه ميشود ‏تعداد گره هايي که با بکارگيري h2بسط داده ميشود ،هرگز بيش از بکارگيري h1نيست 192 هميشه بهتر است از تابع اکتشافي با مقادير بزرگ استفاده کرد ،به شرطي که زمان محاسبه اکتشاف، خيلي بزرگ نباشد هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف الگوريتم هاي جست و جوي محلي ‏ سيستماتيک بررسي ميکنند بهينه را به طور فضاي جست و جو سازي الگوريتم هاي قبلي ،و ‏ تا رسيدن به هدف يک يا چند مسير نگهداري ميشوند ‏مسير رسيدن به هدف ،راه حل مسئله را تشکيل ميدهد ‏در الگوريتم هاي محلي مسير رسيدن به هدف مهم نيست ‏مثال :مسئله 8وزير ‏دو امتياز عمده جست و جوهاي محلي ‏استفاده از حافظه کمکي ‏ارائه راه حلهاي منطقي در فضاهاي بزرگ و نامتناهي ‏اين الگوريتمها براي حل مسائل بهينه سازي نيز Kمفيدند 193 ‏يافتن بهترين حالت بر اساس تابع هدف هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف الگوريتم هاي جست و جوي محلي و بهينه سازي 194 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جست و جوي تپه نوردي ‏hill climbing search ‏حلقه اي که در جهت افزايش مقدار حرکت ميکند(بطرف باالي تپه) ‏رسيدن به بلندترين قله در همسايگي حالت فعلي ،شرط خاتمه است. ‏ساختمان داده گره فعلي ،فقط حالت و مقدار تابع هدف را نگه ميدارد ‏جست و جوي محلي حريصانه نيز نام دارد ‏بدون فکر قبلي حالت همسايه خوبي را انتخاب ميکند ‏تپه نوردي به داليل زير ميتواند متوقف شود: 195 ‏بيشينه محلي ‏برآمدگي ها ‏فالت هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جست و جوي تپه نوردي ‏انواع تپه نوردي: ‏تپه نوردي غيرقطعي ،تپه نوردي اولين انتخاب ،تپKه نوردي شروع مجدد تصادفي مثال :مسئله 8وزير ‏مسئله 8وزير با استفاده از فرمولبندي حالت کامل ‏در هر حالت 8 Kوزير در صفحه قرار دارند ‏تابع جانشين :انتقال يک وزير به مربع ديگر در همان ستون ‏تابع اکتشاف :جفت وزيرهايي که نسبت به هم گارد دارند 196 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف ب مثال جست و جوي تپه نوردي الف الف -حالت با هزينه h=17که مقدار hرا براي هر جانشين نشان ميدهد ب -کمينه محلي در فضاي حالت 8وزير؛ h=1 197 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جست و جوي شبيه سازي حرارت ‏Simulated annealing ‏ تپه نوردي مرکب با حرکت تصادفي ‏شبيه سازي حرKارت :حرKارت با درجه باال و به تدريج سرد کردن ‏مقايسه با حرکت توپ ‏توپ در فرود از تپه به عميKق ترين شکاف ميرود ‏با تکان دادن سطح توپ از بيشينه محلي خارج ميشود ‏با تکان شديد شروع(دماي زياد) ‏بتدريج تکان کاهش(به دماي پايين تر) ‏با کاهش زمانبندي دما به تدريج ،الگوريتم يک بهينه عمومي را مي يابد ‏گير افتادن در ماکزيمم محلی :حرکت به چند گام قبل برای فرار از 198 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ماکزيمم محلی ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف جست و جوي پرتو محلي ‏به جاي يک حالت k ،حالت را نگهداري ميکند ‏حالت اوليه k :حالت تصادفي ‏گام بعد :جانشين همه kحالت توليد ميشود ‏اگر يکي از جانشين ها هدف بود ،تمام ميشود ‏وگر نه بهترين جانشين را انتخاب کرده ،تکرار ميکند ‏تفاوت عمده با جستجوي شروع مجدد تصادفي ‏در جست و جوي شروع مجدد تصادفي ،هر فرايند مستقل از بقيه اجرا ميشود ‏در جست و جوي پرتو محلي ،اطالعات مفيدي بين kفرايند موازي مبادله ميشود ‏جست و جوي پرتو غيرقطعي ‏به جاي انتخاب بهترين kاز جانشينها k ،جانشين تصادفي را بطوريکه احتمال انتخاب يکي تابعي صعودي از مقدارش باشد ،انتخاب ميکند 199 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف الگوريتم هاي ژنتيک شکلي از جست و جوي پرتو غير قطعي که حالتهاي جانشين از طريق ترکيب دو حالت والد توليد ميشود 200 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جست و جوي آگاهانه و اکتشاف الگوريتم هاي ژنتيک 201 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي پنجمفصل محدوديتارضايمسائل 202 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست ‏ارضاي محدوديت چيست؟ ‏جست و جوي عقبگرد براي ‏CSP ‏بررسي پيشرو ‏پخش محدوديت 203 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت ارضاي محدوديت ( )CSPچيست؟ ‏مجموعه متناهي از متغيرها؛ X1, X2, …, Xn ‏مجموعه متناهي از محدوديتها؛ C1, C2, …, Cm ‏دامنه هاي ناتهي براي هر يک از متغيرها؛DX1,DX2,…,DXn ‏هر محدوديت Ci Kزيرمجموعه اي از متغيرها و ترکيبهاي ممکني از مقادير براي آن زيرمجموعه ها ‏هر حالت با انتساب مقاديري به چند يا تمام متغيرها تعريف ميشود ‏انتسابي که هيچ محدوديتي را نقض نکند ،انتساب سازگار نام دارد 204 ‏انتساب کامل آن است که هر متغيري در آن باشد راه حل CSPيک انتساب کامل است اگر تمام محدوديتها را برKآورده کند ‏www.myazdanpanah.mih که )تابع هدف را بيشينه کنند ‏بعضي از CSPها بههوشراه ‏anblog.com دارند4 - 3 نياز - 2 - 1 حلهايينورویک( مصنوعی راسل - مسائل ارضاي محدوديت مثال :CSPرنگ آميزي نقشه متغيرهاWA, NT, Q, NSW, V, SA, : ‏T دامنه{ :آبي ،سبز ،قرمز} = Di محدوديتها :دو منطقه مجاور ،همرنگ نيستند مثال WA ≠ NT :يعني ( )WA,NTعضو {(قرمز,سبز)(,قرمز,آبي)(,سبز,قرمز)( ،سبز,آبي), (آبي,قرمز)(,آبي,سبز)} 205 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت راه حل انتساب مقاديري است که محدوديتها را ارضا کند 206 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت گراف محدوديت ‏در گراف محدوديت: ‏گرKه ها :متغيرها ‏يالها :محدوديتها ‏گراف براي ساده تر کردن جست Kو جو بکار ميرود 207 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :CSPرمزنگاري متغيرهاF,T,U,W,R,O,X1,X2,X3 : محدوديتها F,T,U,R,O,W :مخالفند - 208 دامنه9{:و8و7و6و5و4و3و2و1و}0 ... - O+O=R+10.X1 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت ‏نمايش حالتها در CSPاز الگوي استانداردي پيروي ميکند ‏براي CSPميتوان فرمول بندي افزايشي ارائه کرد: ‏حالت اوليه :انتساب خالي{} که در آن ،هيچ متغيري مقدار ندارد ‏تابع جانشين :انتساب يک مقدار به هر متغير فاقد مقدار ،به شرطي که با متغيرهايي که قبال مقدار گرفتند ،متضاد نباشند ‏آزمون هدف :انتساب فعلي کامل Kاست ‏هزينه مسير :هزينه ثابت براي هر مرحله 209 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت جست و جوي عقبگرد براي CSP ‏جست و جوي عمقي ‏انتخاب مقادير يک متغير در هر زمان و عقبگرد در صورت عدم وجود مقداري معتبر براي انتساب به متغير ‏يک الگوريتم ناآگاهانه است ‏براي مسئله هاي بزرگ کارآمد نيست 210 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال جست و جKوي عقبگرد براي CSP 211 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال جست و جKوي عقبگرد براي CSP 212 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال جست و جKوي عقبگرد براي CSP 213 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال جست و جKوي عقبگرد براي CSP 214 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مقادير باقيمانده کمينه()MRV ‏انتخاب متغيري با کمترين مقادير معتبر ‏متغيري انتخاب ميشود که به احتمال زياد ،بزودي با شکست مواجه شده و درخت جست و جو را هرس ميکند 215 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت اکتشاف درجKه اي ‏سعي ميکند فاکتور انشعاب را در انتخاب آينده کم کند ‏متغيري انتخاب ميکند که در بزرگترين محدوديتهاي مربوط به متغيرهاي بدون انتساب قرار دارد 216 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت اکتشاف مقداري باکمترين محدوديت ‏اين روش مقداري را ترجيح ميدهد که در گرKاف محدوديت ،متغيرهاي همسايه به ندرت آن را انتخاب ميکنند ‏سعي بر ايجاد بيشترين قابليت انعطاف براي انتساب بعدي متغيرها 217 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت بررسي پيشرو وقتي انتساب به Xصورت ميگيرد ،فرايند بررسي پيشرو، متغيرهاي بدون انتساب مثل Yرا در نظر ميگيرد که از طريق يک محدوديت به Xمتصل است و هر مقداري را که با مقدار انتخاب شده براي Xبرابر است ،از دامنه Yحذف ميکند 218 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت بررسي پيشرو 219 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت بررسي پيشرو 220 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت بررسي پيشرو 221 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{1,2,3,4 ‏X1 }{1,2,3,4 ‏X4 }{1,2,3,4 ‏X3 }{1,2,3,4 4 3 2 1 1 2 3 222 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{1,2,3,4 ‏X1 }{1,2,3,4 ‏X4 }{1,2,3,4 ‏X3 }{1,2,3,4 4 3 2 1 1 2 3 223 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , ,3,4 ‏X1 }{1,2,3,4 ‏X4 } { ,2,3, ‏X3 }{ ,2, ,4 4 3 2 1 1 2 3 224 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , ,3,4 ‏X1 }{1,2,3,4 ‏X4 } { ,2,3, ‏X3 }{ ,2, ,4 4 3 2 1 1 2 3 225 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , ,3,4 ‏X1 }{1,2,3,4 ‏X4 } { ,2,3, ‏X3 } { , , , 4 3 2 1 1 2 3 226 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{1,2,3,4 ‏X1 }{ ,2,3,4 ‏X4 }{1,2,3,4 ‏X3 }{1,2,3,4 4 3 2 1 1 2 3 227 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 }{1, ,3,4 ‏X3 } {1, ,3, 4 3 2 1 1 2 3 228 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 }{1, ,3,4 ‏X3 } {1, ,3, 4 3 2 1 1 2 3 229 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 } {1, ,3, ‏X3 } {1, , , 4 3 2 1 1 2 3 230 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 } {1, ,3, ‏X3 } {1, , , 4 3 2 1 1 2 3 231 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 } { , ,3, ‏X3 } {1, , , 4 3 2 1 1 2 3 232 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :مسئله -4وزير ‏X2 }{ , , ,4 ‏X1 }{ ,2,3,4 ‏X4 } { , ,3, ‏X3 } {1, , , 4 3 2 1 1 2 3 233 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 4 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت پخش محدوديت پخش الزام محدوديتهاي يک متغير به متغيرهاي ديگر ‏مثال :پخش محدوديتهاي WAو Qبه NTو SA 234 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت سازگاري يال ‏روش سريعي براي پخش محدود و قويتر از بررسي پيشرو ‏يال؛ يال جهت دار در گراف محدوديت ‏بررسي سازگاري يال ‏يک مرحله پيش پردازش ،قبل از شروع جستجو ‏يک مرحله پخشي پس از هر انتساب در حين Kجستجو 235 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :سازگاري يال ‏KسKتKگر SA  NSWسKKازKگار ا ا ‏SA=blue and NSW=red 236 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :سازگاري يال ‏KتKگر NSW  SAسKKازKگار اKس ا ‏SA=blue and NSW=red ???=NSW=blue and SA 237 يال ميتواند سازگار شود با حذف blueاز NSW هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :سازگاري يال يال ميتواند سازگار شود با حذف blueاز NSW حذف redاز V 238 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت مثال :سازگاري يال يال ميتواند سازگار شود با حذف blueاز NSW حذف redاز V تکرار تا هيچ ناسازگاري باقي نماند 239 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت سازگاري K ‏سازگاري يال تمام ناسازگاريهاي ممکن را مشخص نميکند ‏با روش سازگاري ،Kشکلهاي قويتري از پخش را ميتوان تعريف کرد ‏در صورتي CSPسازگاري Kاست ،که براي هر k-1متغير و براي هر انتساب سازگار با آن متغيرها ،يک مقدار سازگار، هميشه بتواند به متغير kام نسبت داده شود 240 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت ‏بطور مثال: سازگاري K ‏سازگاري :1هر متغير با خودش سازگار است(سازگاري گره) ‏سازگاري :2مشابه سازگاري يال ‏سازگاري :kبسط هر جفت از متغيرهاي همجوار به سومين متغير همسايه(سازگاري مسير) گراف در صورتي قويا سازگار Kاست که: ‏سازگار kباشد ‏همچنين سازگار k-1و سازگار k-2و ...سازگار 1باشد ‏در اين صورت ،مسئله را بدون عقبگرد ميتوان حل کرد ‏241پيچيدگي زماني آن ) O(ndاست هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com مسائل ارضاي محدوديت جست Kو جوي محلي در مسائل ارضاي محدوديت ‏بسياري از CSPها را بطور کارآمد حل ميکنند ‏حالت اوليه ،مقداري را به هر متغير نسبت ميدهد ‏تابع جانشين ،تغيير مقدار يک متغير در هر زمان ‏انتخاب مقدار جديد براي يک متغير ‏انتخاب مقداري که کمترين برخورد را با متKغيKرهاي ديگر ايجاد کند(اکتشاف برخورد کم) زمان اجراي برخورد کم مستقل از اندازه مسئله است ‏برخورد کم ،براي مسئله هاي سخت نيز کار ميKکند ‏جست و جوي محلي ميتواند در صورت تغيير مسئله ،تنظيمات ‏www.myazdanpanah.mih Online242را انجام دهد ‏anblog.com هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 مسائل ارضاي محدوديت مثال راه حل دو مرحله اي براي مسئله 8وزير با استفاده از کمترين برخورد ‏در هر مرحله ،يک وزير براي انتساب مجدد در ستون خودش انتخاب ميگردد ‏تعداد برخوردها در هر مربع نشان داده شده است الگوريتم وزير را به مربعي با کمترين برخورد انتقال ميدهد ،بطوريکه گره ها را بطور ‏www.myazdanpanah.mih 243تصادفي ميشکند ‏anblog.com هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 هوش مصنوعي ششمفصل خصمانهجستجوي 244 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست 245 ‏بازيها چيستند و چرا مطالعه ميشوند؟ ‏انواع بازيها ‏الگوريتم minimax ‏بازيهاي چند نفره ‏هرس آلفا-بتا ‏بازيهاي قطعي با اطالعات ناقص هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه بازي ها چيستند و چرا مطالعه ميشوند؟ ‏بازيها حالتي از محيطهاي چند عاملي هستند ‏هر عامل نيKاز به در نظر گرفتن ساير عاملها و چگونگي تأثير آنها دارد ‏تمايز بين محيطهاي چند عامل رقابتي و همکار محيطهاي رقابتي ،که در آنها اهداف عاملها با يکديگر برخورد دارند ،منجر به مسئله هاي خصمانه ميشود که به عنوان بازي شناخته ميشوند ‏چرا مطالعه ميشوند؟ ‏قابليتهاي هوشمندي انسانها را به کار ميگيرند ‏ماهيت انتزاعي بازي ها حالت بازي را به راحتي ميتوان نمايش داد و عاملها معموال به مجموعه کوچکي از فعاليتها محدود هستند که نتايج آنها با قوانين دقيقي تعريف شده اند 246 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه انواع بازي ها تصادفي قطعي تخته نرد شطرنج ريورسي پوکر 247 اطالعات کامل اطالعات ناقص هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه ‏بازي دو نفره Min :و Max يک نمونه بازي ‏اول Maxحرکت Kميکند و سپس به نوبت بازي ميKکنند تا بازي تمام شود ‏در پايان بازي ،برنده جايزه و بازنده جريمه ميشود ‏بازي به عنوان يک جستجو: ‏حالت اوليه :موقعيت صفحه و شناسه هاي قابل حرکت ‏تابع جانشين:ليستي از (حالت,حرکت )Kکه معرف يک حرکت معتبر است ‏آزمون هدف:پايان بازي چه موقع است؟(حالتهاي پايانه) ‏تابع سودمندي :براي هر حالت Kپايانه يک مقدار عددي را ارائه ميکند .مثال برنده( )+1و بازنده()-1 ‏حالت اوليه و حرکات معتبر براي هر بازيکن ،درخت بازي را براي آن بازي ‏www.myazdanpanah.mih ايجاد ميکند 248 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏anblog.com جستجوي خصمانه الگوريتم؛ يک نمونه بازي ‏بازيکن :انتخاب بهترين حالت ‏حريف :انتخاب بهترين موقعيت براي خودش يا بدترين وضعيت براي بازيکن بازيکن :ماکزيمم حالت 249 حريف :مينيمم حالت هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه الگوريتم minimax 250 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه يک نمونه بازي 251 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه يک نمونه بازي 252 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه يک نمونه بازي 253 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه يک نمونه بازي 254 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه يک نمونه بازي 255 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه الگوريتم minimax کامل بودن :بله (اگر درخKت محدود باشد) بهينگي :بله ‏m پيچيدگي زمانيO(b ) : پيچيدگي فضاO(bm) : 256 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه بازيهاي چند نفره ‏تخصيص يک بردار به هر گره ،به جاي يک مقدار ‏بازيهاي چند نفره معو ًال شامل اتحاد رسمي يا غير رسمي بين بازيکنان است ‏اتحاد با پيKشروي بازي ايجاد و از بين ميرود ‏بازيکنان بطور خودکار همکاري ميکنند ،تا به هدف مطلوب انحصاري برسند 257 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه هرس آلفا-بتا در الگوريتم :MaxMin ‏تعداد حالتهاي بازي که بايد بررسي شوند ،بر حسب تعداد حرKکتها ،تواني است ‏راه حل :محاسبه تصميم الگوريتم ،بدون ديدن همه گره ها امکانپذير است هرس آلفا-بتا: ‏انشعابهايي که در تصميم نهايي تأثير ندارند را حذف ميکند ‏آلفا :مقدار بهترين انتخاب در هر نقطه انتخاب در مسيKر Maxتاکنون ‏بتا :مقدار بهترين انتخاب در هر نقطه انتخاب در مسيKر Minتاکنون ‏d/2 تعداد گره هايي که بايد بررسي شوند به ) O(bتقليل ميابد ‏فاکتور انشعاب مؤثر به جاي bبرابر با جذر bخواهد بود ‏پيKش بيني آن نسبت به minimaxدو برابر است 258 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه هرس آلفا-بتا ‏گره nکه هر جاي درخت ميتواند باشد، بررسي ميشود ‏اگر Kبازيکن انتخاب بهترKي داشته باشد ‏در گره والد n ‏يا هر انتخاب بهتري تا کنون nهيچوقKتدر بKKKازKيواKقKعيقKابKلدKسKترس نKKخواKهد بKKKود ‏در نتيجه nهرس ميشود 259 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا محدوده مقادير ممکن ]∞[-∞,+ ]∞[-∞, + 260 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا ]∞[-∞,+ ][-∞,3 261 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا ]∞[-∞,+ ][-∞,3 262 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه ]∞[3,+ ][3,3 263 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا ]∞[3,+ اين گره براي Maxمناسب نيست ][-∞,2 264 ][3,3 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا , ][-∞,14 265 ][3,14 ][-∞,2 ][3,3 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا , ][-∞,5 266 ][3,5 ][−∞,2 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ][3,3 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا ][3,3 ][2,2 267 ][−∞,2 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ][3,3 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :هرس آلفا-بتا ][3,3 ][2,2 268 ][-∞,2 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ][3,3 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه بازيهاي قطعي با اطالعات ناقص معايب الگوريتم هاي پيشين ‏الگوريتم minimaxکل فضاي جست و جوي بازي را توليد ميکند الگوريتم آلفا-بتا با وجود هرس درخت ،اما کل مسير حالتهاي پايانه ،حداقل براي بخشي از فضاي حالت ،بايد جست و جو شود ‏اين عمق عملي نيست ،زيرا حرکات بايد در زماني معقول انجام شود شانون()1950 براي کمتر شدن زمان جست و جو و اعمال تابع ارزيابي اکتشافي به حالتهاي جستجو ،بهتر است از گره هاي غير پايانه به گره هاي پايانه پرداخته شود ‏www.myazdanpanah.mih 269 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏anblog.com جستجوي خصمانه بازيهاي قطعي با اطالعات ناقص ‏در شانون minimax ,و آلفا-بتا به دو روش بطور متناوب عمل ميکنند ‏جايگزيني تابع سودمندي با تابع ارزيابي اکتشافي بنام EVAL ‏تخميني از سودمندي موقعيت ارائه ميکند ‏جايگزين تست پايانه با تست توقف ‏تصميم ميگيرد EVALچه موقع اعمال شود 270 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه تابع ارزيابي اکتشافي EVAL ‏تابع ارزيابي ،ارائه تخميني از سودمندي مورد انتظار بازي از يک موقعيت خاص ‏توابع اکتشافي ،تخميني از فاصله تا هدف را بر ميگرداندند ‏اغلب توابع ارزيابي ،خواص گوناگوني از حالتها را محاسبه ميکنند خواص روي هم رفته ،کالسهاي هم ارزي يا دسته هاي مختلفي از حالتها را تعريف ميکنند ‏حالتهاي هر دسته ،براي تمام خواص مقدار يکساني دارند ‏هر دسته حاوي چند حالت است که ‏موجب Kبرنده شدن ‏موجب رسم شدن ‏منجر به باختن مقداري ‏تابع ارزيابي نميداند کدام حالت منجر به چه چيزي ميشود ،اما ميتواند ‏www.myazdanpanah.mih ‏anblog.com 271 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 برگرداند که تناسب حالتها را با هر نتيجه نشان دهد جستجوي خصمانه مثال :تابع EVAL ‏اغلب Kتوابع ارزيابي ,مقدار عددي جداگانه اي براي هر خاصيتK محاسبه ،سپس آنها را ترکيبK ميکنند تا مقدار کل بدست آيد ‏fi مثال در تابع بازي شطرنج: ‏fi تعداد هر نوع Kقطعه در صفحه ‏wi مقادير آن قطعات( 1براي پيKاده 3 ،براي اسب Kيا فيل 5،براي رخ و )... 272 ‏Eval(s) = w1 f1(s) + w2 f2(s) + … + هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه مثال :تابع EVAL ارزيابي تابع EVALاز مقدار پيروزي در دو موقعيت کامال متفاوت ب) سفيد حرکت ميکند الف) سفيد حرکت ميکند الف) سياه ،مزيت اسب و دو پياده دارد و بازي را ميبرد 273 ب) پس از اينکه سفيد ،وزير را در اختيار ميگيرد ،سياه ميبازد هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه اثر افق ‏وقتي بوجود مي آيد که برنامه با اثري از رقيب مواجه شود که منجر به خرKابي جدي گشته و اجتناب پذير است ‏مثال :شکل مقابل؛ سياه در اصل جلوست ،اما اگر سفيد پياده اش را از سطر هفتم به هشتم ببرد ،پياده به وزير تبديل ميشود و موقعيت برد براي سفيد بوجود مي آيد 274 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com جستجوي خصمانه بازيهايي که حاوي عنصر شانس هستند شان س شان س پايانه 275 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي هفتمفصل منطقيهايعامل 276 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست ‏عاملهاي مبتني بر دانش ‏منطق ‏منطق گزاره اي ‏الگوهاي استدالل در منطق گزاره اي ‏الگوريتم resolution ‏زنجير پيشرو و عقبگرد 277 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي عاملهاي مبتني Kبر دانش ‏مؤلفه اصلي عامل مبتني بر دانش ،پايگاه دانش آن است ‏پايگاه دانش :مجموعه اي از جمالت ‏جمله :زبان نمايش دانش و بيان ادعاهايي در مورد جهان الگوريتمهاي محدوده ِ بخش مستقل askاستنتاج tell اطالعات محدودهاطالعات محدوده پايگاه خاص خاص دانش ‏براي اضافه کردن جمالت به پايگاه دانش و درخواست دانسته ها TELLو ASK ‏هر دو ممکن است Kشامل استنتاج باشند ‏پيروي:انجام فرايند استنتاج تحت مقررات خاص 278 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي عاملهاي مبتني Kبر دانش عامل مبتني بر دانش بايد بتواند: ‏نمايش حاالت و فعاليتها ‏ترکيب ادراکKات جديد ‏بروز کKردن تصور داخلي خود از جهان ‏استKنباط خصوصيات مخفي جهان ‏استنتاج فعاليتهاي مناسب عامل Kپايگاه دانش خيلي شبيه به عاملهايي با حالت دروني است ‏عاملها در دو سطح متفاوت تعريف ميشوند: ‏سطح دانش :عامل چه چيزي ميداند و اهداف آن کدامند؟ سطح پياده سازي :ساختمان داده اطالعات پايگاه دانش و چگونگي دستکاري آنها 279 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي ‏معيار کارايي: جهان ‏WUMPUS +1000انتخاب طال -1000 ،افتادن در گودال يا خورده شدن -1 ،هر مرحله -10 ،براي استفاده از تير ‏محيط: ‏بوي تعفن در مربعهاي همجوار WUMPUS ‏نسيم در مربعهاي همجوار گودال ‏درخشش در مربع حاوي طال ‏کشته شدن WUMPUSبا شليک در صورت مقابله ‏تير فقط مستقيم عمل ميکند ‏برداشتن و انداختن طال ‏حسگرها: ‏بو تعفن ،نسيم ،تابش ،ضربه ،جيغ زدن ‏محرکها: 280 ‏گردش به چپ ،گردش به نورویک( ) 4 - 3 - 2 - 1 مصنوعی راسل - راست،هوش برداشتن، جلو رفتن، ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي توصيف جهان ‏WUMPUS کامل :خير ,فقط ادراک محلي قابل مشاهده قطعي :بله ،نتيجه دقيقا مشخص است رويدادي :خير ،ترتيبي از فعاليتهاست ايستا :بله WUMPUS ,و گودالها حرکت ندارند گسسته :بله تک عامله :بله WUMPUS ،در اصل يک خصوصيت طبيعي است 281 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي کاوش در جهان 282 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 283 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 284 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 285 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 286 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 287 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 288 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي توصيف جهان 289 ‏WUMPUS هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 عامل = A نسيم = B درخشش،طال =G مربع امن = ‏OK گودال = P تعفن = S مالقات شده = ‏V ‏www.myazdanpanah.mih ‏Wumpus = W ‏anblog.com عاملهاي منطقي ‏يک زبان رسمي: منطق ‏ترکيب(نحو) :چه کلمه بندي صحيح است(.خوش فرم) ‏معناشناسي :يک کلمه بندي صحيح چه معنايي دارد ‏در منطق ،معناي زبان ،درستي هر جمله را در برابر هر جهان ممکن تعريف ميکند ‏مثال ،در زبان رياضيات X+2 >= yيKKکجKمله اKما x2+yجKمله نKKيست ‏KتKگر x=7و y =1 ‏Kتس ا X+2 >= yدر جKهKاندرKس اK ‏KتKگر x=0و y =6 X+2 >= yدر جKهKانغKلط اKس ا 290 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي استلزام ‏استلزام منطقي بين جمالت اين Kاست که جمله اي بطور منطقي از جمله ديگر Kپيروي ميکند ‏a╞b ‏جمله aاستلزام جمله bاست ‏جمله aجمله bرا ايجاد ميکند ‏اگر و فقط اگر ،در هر مدلي که aدرست است b ،نيز درست استK ‏اگر aدرست Kباشد b ،نيز درست است ‏درستي bدر درستي aنهفته است ‏مثال :جمله x+y=4مستلزم جمله x+y=4است 291 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي مدلهاي Wumpus 292 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي مدلهاي Wumpus ‏KB = قوانين دنياي ‏Wumpus + مشاهدات 293 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي مدلهاي Wumpus 294 ‏KB = wumpus دKنKياي +مKشاهداKت ", KB ╞ α1اKمKناKسKت]α1 = "[1,2 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي مدلهاي Wumpus ‏KB = wumpus دKنKياي +مKشاهداKت 295 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي مدلهاي Wumpus 296 ‏KB = wumpus دKنKياي +مKشاهداKت ]www.myazdanpanah.mih α2 = "[2,2 ", KB ╞ α2اKمKناKسKت هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏anblog.com عاملهاي منطقي منطق گزاره اي ‏نحو منطق گزاره اي ،جمالت مجاز را تعريف ميکند ‏جمالت اتميک(عناصر غير قابل تعميم) تشکيل شده از يک نماد گزاره ‏هر يک از اين نمادها به گزاره اي درست يا نادرست اختصاص دارد ‏نمادها از حروف بزرگ مثل P,Q,Rاستفاده ميکنند جمالت پيچيده با استفاده از رابطهاي منطقي ،از جمالت ساده تر ساخته ميKشوند 297 )not( ┐جمله اي مثل ┐ W1,3نقيض W1,3است ليترال يک جمله اتميک(ليترال مثبت) ،يا يک جمله اتميک منفي(ليترال منفي) است )and( ^مثل P1,3 ^ W1,3ترکيب عطفي نام دارد.هر بخش آن يک عطف ناميده ميشود ν (or)مKثل) W2,2 ν (P3,1 ^ W1,3تKKرکKيبفKKصليمKربوط بKKKه فKKصلهاي W2,2و ^ P3,1 ‏W1,3 ( >=استلزام) W2,2 ┐ ν (P3,1 ^ W1,3) :استلزام يا شرطي ناميده ميشود .مقدمه يا مقدم آن P3,1 ^ W1,3و نتيجه يا تالي آن ┐ W2,2است ‏www.myazdanpanah.mih ‏anblog.com نورویک( ) 4 - 3 - 2 - 1 شرطيراسل - دومصنوعی هوش نام دارد جمله W2,2  W1,3 عاملهاي منطقي منطق گزاره اي 298 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي جدول درستي پنج رابطه منطقي PQ T P=> Q T F PνQ P^Q P┐ Q P F F T F F T T F T T F F F T F F F T T T T T F T T www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 299 عاملهاي منطقي منطق گزاره اي در دنياي Wumpus در B1,1نسيمي وجود دارد )B1,1  (P1,2 ν P2,1 در [ ]1,1گودالي وجود ندارد ‏R1: ┐P1,1 300 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوهاي استدالل در منطق گزاره اي ‏قوانين استنتاج :الگوهايي استاندارد که زنجيره اي از نتايج را برKاي رسيدن به هدف ايجاد ميکند ‏قياس استثنايي :با استفاده از ترکيب عطفي ،ميتوان هر عطف را استنتاج کرد(يعني هر وقت Kجمله اي به شکل a=>bداده شود ،جمله bرا ميتوان استنتاج کرد). ‏ميتوان از ()WumpusAhead ^ WumpusAlive و (Shoot >= )WumpusAhead ^ WumpusAlive Shootرا اKسKتنتاج کKKرد 301 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏   , ‏ ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي ‏حذف :andهر عطف را ميتوان از ترکيب عطفي استنتاج کرد مثال WumpusAlive :را ميتوان از جمله زير استناج کرد ()WumpusAhead ^ WumpusAlive خKاصيت يکنواختي ‏  ‏ مجموعه اي از جمالت استلزامي که فقط ميتواند در صورت اضافه شدن .اطالعات به پايگاه دانش رشد کند براي جمالت aو bداريم: 302 ‏KB|  KB  | هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي resolution قانون عبارت ديگري، يک عبارت و يک ليترال را گرفته، واحدresolution قانون توليد ميکند l  ... l , m 1 k l1  ... li 1  li1  ... lk : کامل تعميم دادresulotion واحد ميتواند به قانونresulotion قانون l1  ... lk , m1  ... mn l1  ... li 1  li1  ... lk  m1  ... mj 1  mj1  ... mn www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 303 عاملهاي منطقي الگوريتم resolution ‏شکل نرمال عطفي( :)CNFجمله اي که بصورت ترکيب عطفي از ترکيبات فصلي ليترالها بيان ميشود.در هر عبارت موجود در جمله k-CNFدقيقا kليترال وجود دارد ) (l1,1  ... l1,k )  ... (ln,1  ... ln,k ‏الگوريتم :resolution ‏براي اينکه نشان دهيم , KB|=aمشخص ميKکنيم ( )KB ^ ┐aارضا کننده نيست ‏ابتدا ( )KB ^ ┐aرا به CNFتبديل ميکنيم ‏سپس قانون resulotionبه عبارات کوچک حاصل اعمال ميشود ‏هر جفتي که شامل ليترالهاي مکمل باشد resulotion ،ميشود تا عبارت جديدي ايجاد گردد ‏اگر اين عبارت قبال در مجموعه نباشد ،به آن اضافه ميشود ‏فرايند تا محقق شدن يکي از شروط زير ادامه مي يابد: هيچ عبارت ديگري وجود نداشته باشد که بتواند اضافه شود .در اين مورد b ،استلزام aنيست ‏کاربرد قانون ،resolutionعبارت تهي را بدست ميدهد که در اين مورد b ،استلزام aاست 304 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي resolution الگوريتم:مثال KB = (B1,1  (P1,2 P2,1))  B1,1 α = P1,2 www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 305 عاملهاي منطقي زنجير پيشرو و عقبگرد ‏عبارات هورن :ترکيب فصلي ليترالهايي است که فقط يکي از آنها مثبت است ‏هر عبارت هورن را ميKتوان به صورت يک استKلزام نوشت کKه مقدمه آن ترکيب عطفي ليترالهاي مثبت Kو تالي آن يک ليترال مثبت Kاست ‏اين نوع عبارات هورن که فقط يک ليترال مثKبت دارند ،عبارات معين ناميده ميشوند ‏ليKترال مثبت را رأس و ليترالهاي منفي را بدنه عبارت گويند ‏عبارت معيني که فاقد ليترالهاي منفي باشد ،گزاره اي بنام حقيقت نام دارد ‏عبارات معين اساس برنامه نويسي منطقي را ميسازد ‏استنتاج با عبارات هورن ،از طريق الگوريتم هاي زنجير پيشرو و زنجير عقبگرد انجام ميگيرد 306 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو الگوريتم زنجير پيشرو تعيين ميکند آيا نماد گزاره اي (qتقاضا) ،توسط پايگاه دانش عبارات هورن ايجاب ميشود يا خير 307 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 308 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 309 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 310 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 311 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 312 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 313 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 314 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي زنجير پيشرو 315 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 316 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل ‏تغييرات عمده :خاتمه زودرس ،اکتشاف نماد محض ،اکتشاف عبارت واحد 317 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 318 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 319 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 320 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 321 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 322 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 323 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 324 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 325 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com عاملهاي منطقي الگوريتم عقبگرد کامل 326 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي هشتمفصل اولرتبهمنطق 327 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com هوش مصنوعي ‏Artificial Intelligence فهرست ‏مروري بر منطق گزاره اي ‏منطق رتبه اول ‏انواع منطق ‏نحو و معناي منطق رتبه اول ‏مهندسي دانش 328 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول ‏ويژگيها مروري بر منطق گزاره اي ‏ماهيت اعالني ‏دانش و استنتاج متمايزند و استنتاج کام ًال مستقل از دامنه است ‏قدرت بيان کافي براي اداره کردن اطالعات جزئي ‏با استفاده از ترکيب فصلي و نقيض ‏قابليت ترکيب ‏معناي جمله ،تابعي از معناي بخشهاي آن ‏معنا ،مستقل از متن است ‏بر خالف زبانهاي طبيعي که ،معناي جمالت وابسته به متن است ‏معايب ‏فاقد قدرت بياني براي تشريح دقيق محيطي با اشياي مختلف 329 ‏بر خالف زبانهاي طبيعي هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول منطق رتبه اول ‏اساس منطق گزاره اي را پذيرفته و بر اساس آن يک منطق بياني ميسازيم ‏از ايده هاي نمايشي زبان طبيعي استفاده کرده ،از عيوب آن اجتناب ميکنيم ‏زبانهاي طبيعي از جهان طبقه بندي زير را دارند آتش و ... فوتبال، اشياء :اعداد، خانه، اشياء :افراد، فوتبال ،آتش و ... بازيهاي بازيهايرنگها، رنگها ،اعداد، افراد ،خانه، رابطه ها :رابطه ها: مثلاول و خواصگKرد، مثليا قرمز، خواص يکاني رابطه هاي قرمز...،گKرد ،اول و ... يکاني رابطهياهاي مالکيت بخشي از، بودن، مثل برادر بخشيواز...،مالکيت بودن، بودن ،بزرگتKر بزرگتر بودن، مثل برادر چندتايي چندتاييهاي رابطه هايرابطه توابع :پدر بودن...،بهترين دوست ،يکي بيشتر از و ... ‏توابع :پدر بودن ،بهتKرين دوست ،يکي بيشتر از و ... ‏منطق رتبه اول توسط اشيا و رابطه ها ساخته ميشود 330 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول انواع منطق حقيقت شناسي (اعتقادات عامل راجع به حقايق) هستي شناسي (آنچه در جهان هست) زبان منطق گزاره درست/نادرست/ حقايق اي نامشخص منطق رتبه درست/نادرست/ حقايق ،اشيا ،رابطه ها اول نامشخص منطق حقايق ،اشيا ،رابطه ها، درست/نادرست/ موقتي زمان نامشخص ‏www.myazdanpanah.mih نظريه درجه اي از اعتقاد متعلق ‏anblog.com 331 حقايق ) هوش مصنوعی راسل -نورویک( 4 - 3 - 2 - 1 منطق رتبه اول نحو و معناي منطق رتبه اول ‏نمادهاي ثابت؛ اشيا را نشان ميدهد .مثال :علي ،2 ،رضا... ، ‏نمادهاي محمول؛ رابطه ها را نشان ميدهد .مثال:برادر بودن ،بزرگتر بودن از ‏نمادهاي تابع؛ توابع را نشان ميدهند .مثال :تابع پاي چپ()LeftLeg ‏متغيرهاx , y , a ,b : ‏روابط منطقي, , , ,  : ‏تساوي= : ‏سورها,  : 332 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول جمالت اتميک هر ترم يک عبارت منطقي است که به شيئ اشاره ميکند ‏نمادهاي ثابت ترم هستKند ‏هميشه استفاده از نماد متمايز براي نامگذاري شيء آسان نيست ‏John ‏پاي چپ پاي پادشاه )LeftLeg(John )ترم ،1ترم ، ... ،2ترم(nترم= تابع ثابت يا متغير يا . ‏ جمالت اتميک :ترکيب ترمهاي اشياء و محولهاي روابط يا . 333 )ترم ،1ترم ، ... ،2ترم(nجمالت اتميک= محمول ترم=1ترم2 ‏مثال: ))Married(Father(Richard),Mother(John ‏www.myazdanpanah.mih کرده) استK پدر ريچارد با مادر جان ازدواج ‏anblog.com هوش مصنوعی راسل -نورویک( 4 - 3 - 2 - 1 منطق رتبه اول جمالت پيچيده با ترکيب جمالت اتميک و روابط منطقي ميتوان جمالت پيچيده تري ساخت S, S1  S2, S1  S2, S1  S2, S1  S2 Brother(LeftLeg(Richard),John) :مثال Brother(Richard,John)  Brother(John,Richard) King(Richard)  King(John) King(Richard)  King(John) www.myazdanpanah.mih anblog.com ) 4 - 3 - 2 - 1 ( نورویک- هوش مصنوعی راسل 334 منطق رتبه اول ‏مثال مدلي با پنج شيء ،دو رابطه دودويي، سه رابطه يکاني و يک تا يکاني به نام پاي چپ 335 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول سورها کمک ميکنند تا به جاي شمارش اشيا از طريق نام آنها، خواص کلکسيون اشيا را بيان کرد ‏سور عمومي؛ “ براي همه” ‏سور وجودي؛ “ وجKود دارد حKداقل”... 336 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول سور عمومي >مKتغيرها> <جKمله< ‏KتبKKKيان x PکKKه در آن PيKKکعKبارKتمKنطقياKس ، ‏KتسKت ي xدرKس اK مKيکند کKKه PبKKKراKيهر ش KKء ‏مثال: 337 )x King(x)  Person(x هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول سور وجودي >مKتغيرها> <جKمله<  ‏KتبKKKيان  x PکKKه در آن PيKKکعKبارKتمKنطقياKس ، ‏KتسKت ي xدرKس اK مKيکند کKKه PحKداKقKلبKKKراKييKKکش KKء ‏مثال x Crown(x)  OnHead(x , John) : 338 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول خصوصيات سورها  رابط طبيعي براي کار با و رابط طبيعي براي کار با ميباشد ‏استفاده از بعنوان رابط اصلي با منجر به حکم قوي ميشود ‏استفاده از با منجر به حکم ضعيفي ميشود x yبKKKراKبر اKسKتبKKKا y xو x yبKKKراKبر اKسKتبKKKا y x x yبKKKراKبر نKKيستبKKKا y x ‏x y Loves(x,y) ‏حداقل يک نفر وجود دارد که همه چيز در جهان را دوست دارد ‏y x Loves(x,y) ‏همه در دنيا حداقل يک نفر را دوست دارند 339 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول خصوصيات سورها “ هر کسي بستني را دوست دارد” به معناي اين است که “هيچ کس وجود ندارد که بستني را دوست نداشته باشد” x Likes(x , IceCream)هم ارز )x Likes(x , IceCream ‏x P ‏x P هم ارز x P هم ارز x P ‏x P ‏x P هم ارز x P هم ارز x P 340 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول تساوي با استفاده از = دو ترم به يک شيKء اشاره ميکنند ‏براي تعيين درستي Kجمله تساوي بايد ديد که آيا ارجاع ها به دو ترم ،اشياي يکساني اند يا خKير ‏مثال :ريچارد حداقل دو برادر دارد )x,y Brother(x,Richard) ^ Brother(y,Richard) ^ (x=y 341 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول ادعاها و تقاضاها ‏جمالت از طريق TELLبه پايگاه دانش اضافه ميشوند ‏اين جمالت را ادعا گويند ‏TELL (KB , King(John)) ‏TELL (KB , x King(x) => Person(x)) ‏با استفاده از ASKتقاضاهايي را از پليگاه دانش انجام ميدهيم ‏اين پرسشها ،تقاضا يا هدف نام دارد ‏ASK (KB , Person(John)) ‏ASK(KB , x Person(x)) ‏ليست جانشيني يا انقياد ‏ليستي از جانشينيها در صورت وجود بيش از يک پاسخ 342 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول دامنه خويشاوندي ‏مادر هر فرد والد مؤنث آن فرد است ‏m,c Mother(c) = m  Femail(m) ^ Parent(m,c) ‏شوهر هر فرد ،همسر مذکر آن فرد است ‏w,h Husband(h,w)  Male(h) ^ Spouse(h,w) ‏مذکر و مؤنث بودن طبقه هاي متمايزي هستند ‏x, Male(x)  Female(x) ‏والد و فرزند ،رابطه هاي معکوس هستند ‏p,c Parent(p,c)  Child(c,p) والدين والدين هر فرد است ِ ‏پدر بزرگ يا مادربزرگ ‏g,c Grandparent(g,c)  p Parent(g,p) ^ Parent(p,c) 343 هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com منطق رتبه اول اعداد و مجموعه ها s Set(s)  (s = {} )  (x,s2 Set(s2)  s = {x|s2}) x,s {x|s} = {} x,s x  s  s = {x|s} x,s x  s  [ y,s2} (s = {y|s2}  (x = y  x  s2))] s1,s2 s1  s2  (x x  s1  x  s2) s1,s2 (s1 = s2)  (s1  s2  s2  s1) x,s1,s2 x  (s1  s2)  (x  s1  x  s2) www.myazdanpanah.mih anblog.com x,s1,s2 x  (s1) 4  (x مصنوعی s1 هوش  x  s2) - 3 s2) - 2 - 1 (نورویک - راسل 344 منطق رتبه اول مهندسي دانش ‏فرايند کلي ساخت پايگاه دانش که شامل مراحل ذيل ميباشد: ‏مشخص کردن کار ‏مونتاژ دانش مربوطه ‏تصميم گيري در مورد واژه نامه محمولها ،توابع و وراثت ‏کدگزKاري دانش کلي در مورد دامنه ‏کد گزاري توصيف نمونه مسئله خاص ‏اِعمال تقاضاها به رويه استنتاج و دريافت پاسخ 345 ‏اشکال زدايي پايگاه دانش هوش مصنوعی راسل -نورویک( ) 4 - 3 - 2 - 1 ‏www.myazdanpanah.mih ‏anblog.com