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