Busca no espaço de estados (parte I)
|
|
- João Victor Pinhal
- 5 Há anos
- Visualizações:
Transcrição
1 Busca no espaço de estados (parte I) Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo
2 Idéia básica A idéia básica da busca no espaço de estados é considerar a existência de um agente cujas ações modificam o estado do mundo. Suposições clássicas: o mundo muda apenas quando o agente executa uma ação não há incerteza acerca dos efeitos das ações do agente a meta do agente é alcançar um determinado estado final Exemplo 1. Mundo do aspirador simplificado [Russel & Norvig, 2004] 1 2 Ações do agente: Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 2
3 Espaço de estados Um espaço de estados é um grafo definido por: um conjunto de estados (todos os possíveis estados em que o mundo pode estar) um conjunto de ações (todas as ações que o agente é capaz de executar). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 3
4 Problema de busca Um problema de busca em um determinado espaço de estados é definido por: um estado inicial (indicando o estado corrente do mundo do agente) um conjunto de estados finais ou estados metas (indicando a meta do agente) estados metas estado inicial Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 4
5 Solução A solução para um problema de busca é uma sequência de ações (ou plano) que, quando executada pelo agente, transforma o estado inicial em um estado meta estados metas estado inicial Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 5
6 Representação de estados Estados são representados por estruturas cujos componentes denotam suas propriedades ou características particulares No mundo do aspirador, há três características que distinguem os possíveis estados do mundo. Assim, podemos representar estes estados por estruturas da forma [X,Y,Z], onde: X {1,2} indica se o agente está na sala 1 ou 2 Y {l,s} indica se a primeira sala está limpa ou suja Z {l,s} indica se a segunda sala está limpa ou suja Exemplo 2. Representação do estado inicial e dos estados metas inicial([1,s,s]). meta([_,l,l]). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 6
7 Representação de ações Ações são representadas por regras da forma ação(α,e 1,e 2 ) :- β. onde: α é o identificador da ação e 1 é o estado em que o mundo se encontra antes da execução da ação α e 2 é o estado em que o mundo fica após a execução da ação α β é uma especificação das precondições e/ou efeitos da ação α Exemplo 3. Representação da ação no mundo do aspirador ação(,[x1,y1,z1],[x2,y2,z2]) :- X1=1, Y1=s, % precondições X2=1, Y2=l, Z2=Z1. % efeitos ação(,[x1,y1,z1],[x2,y2,z2]) :- X1=2, Z1=s, % precondições X2=2, Y2=Y1, Z2=l. % efeitos Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 7
8 Representação de ações Representação implícita de precondições e efeitos Precondições e efeitos especificados por meio de condições que envolvem apenas teste de igualdade e unificação podem ser representados de maneira implícita Exemplo 4. Representação completa das ações para o mundo do aspirador ação(,[,[2,y,z],[,y,z],[1,y,z]).,y,z]). ação(,[,[1,y,z],[,y,z],[2,y,z]).,y,z]). ação(,[1,,[1,s,z],[1,,z],[1,l,z]).,z]). ação(,[2,y,,[2,y,s],[2,y, ],[2,Y,l]). ]). Exercício 1. Transição de estado por meio da execução de uma ação Digite as cláusulas do Exemplo 4 e faça as consultas a seguir:?- ação(,e,s).?- ação(,e,s).?- ação(,e,s). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 8
9 Ações aplicáveis Uma ação A é aplicável a um estado E se as suas precondições são satisfeitas neste estado Exemplo 5. Ações aplicáveis ao estado [2,l,s]?- findall(a, ação(a,[2,l,s],_),[2,l,s],_),, R). R = [, ] yes Exercício 2. Ações aplicáveis Encontre todas as ações aplicáveis a cada um dos estados a seguir: [1,l,l] [1,l,s] [1,s,l] [1,s,s] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 9
10 Estados sucessores Os estados sucessores de um estado E são aqueles que podem ser diretamente alcançados por uma ação aplicável ao estado E Exemplo 6. Sucessores do estado [2,l,s]?- findall(e, ação(_,[2,l,s],e),, R). R = [[1, l, s], [2, l, l]] yes Exercício 3. Expansão de uma folha (ou geração de sucessores da folha) Expanda as folhas a seguir: [1,l,l] [1,l,s] [1,s,l] [1,s,s] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 10
11 Árvore de busca Uma árvore de busca é o desdobramento (infinito) de um espaço de estados, a partir de um estado inicial particular [1,s,s] [2,s,s] [1,l,s] [1,s,s] [2,s,l] [2,l,s] [2,s,s] [1,l,s] [1,s,l] [1,l,s] [2,l,l] [1,s,s] [2,s,l] [2,l,s] [1,l,l] [2,l,s] [1,l,l] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 11
12 Estratégias de busca Uma estratégia de busca especifica em que ordem devemos visitar os nós da árvore de busca para achar uma solução As principais estratégias de busca podem ser divididas em dois grupos: busca não-informada: as estratégias neste grupo não dispõem de informação que possibilite a escolha do nó mais promissor para ser visitado em cada instante. busca aleatória busca em largura busca em profundidade busca informada: as estratégias neste grupo dispõem de informação que possibilitam a escolha do nó mais promissor para ser visitado em cada instante. busca pelo menor custo busca pela melhor estimativa busca ótima (A*) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 12
13 Busca não-informada busca aleatória busca em largura busca em profundidade
14 Busca aleatória Na busca aleatória a escolha das folhas a serem expandidas é feita aleatoriamente [1,s,s] [2,s,s] [1,l,s] [1,s,s] [2,s,l] [1,s,l] [1,l,l] Solução: [,,,] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 14
15 Busca aleatória Para garantir uma escolha aleatória, devemos embaralhar as folhas antes de fazer a escolha Exemplo 7. Embaralhamento de conjunto de elementos embaralha(0,f,f) :-!. embaralha(l,f,[ (L,F,[X NF X NF]) :- N is random(l), nth0(n,f,x), delete(f,x,r), M is L-1, embaralha(m,r,nf),!. Exercício 4. Escolha aleatória de uma folha a ser visitada Faça as consultas a seguir e analise os resultados:?- embaralha(4, [a,b,c,d], R).?- embaralha(4, [a,b,c,d], [E _ _]).?- embaralha(3, [[1,s,s], [1,l,l], [1,l,s]], [E _ _]). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 15
16 Busca aleatória Quando a folha escolhida para ser expandida é reconhecida como estado meta, o caminho que leva até ela deve ser devolvido como solução do problema de busca. Assim, para facilitar a obtenção da solução de um problema de busca, juntamente com cada folha E guardamos o caminho C que leva até ela. Particularmente, no caso da folha correspondente ao estado inicial, este caminho é representado por uma lista vazia. Exemplo 8. Expansão de folha com extensão de caminho?- E:C = [2,l,s]:[,], findall(n:[ :[A C A C], ],ação(a,e, ação(a,e,n),s).,s). E = [2,l,s] C = [,] S = [[1,l,s]:[,,], [2,l,l]:[,,]] yes Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 16
17 Busca aleatória Exercício 5. Expansão de nó folha com extensão de caminho Mostre como expandir os nós folhas a seguir: [1,s,s]:[] [2,s,s]:[,,] Exercício 6. Expansão de nó folha escolhido aleatoriamente Mostre como expandir um nó folha escolhido aleatoriamente na lista a seguir: L = [[1,s,s]:[,] [1,s,s]:[,], [1,l,l]:[,,], [1,l,s]:[]] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 17
18 Busca aleatória com ciclos Exemplo 9. Implementação de busca aleatória com ciclos busca_aleatória_cc :- inicial(e), busca_aleatória_cc([e:[]],p), format('~nplano: ~w~n~n',[p]). busca_aleatória_cc([e:c _],P) :- meta(e),!, reverse(c,p). busca_aleatória_cc([e:c F],P) :- sucessores(e:c,s), inserealeatoriamente(s,f,nf), busca_aleatória_cc(nf,p). Inserindo aleatoriamente e removendo do início, garantimos uma escolha de folha aleatória Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 18
19 Busca aleatória com ciclos Exemplo 9. Implementação de busca aleatória com ciclos (continuação) sucessores(e:c,s) :- findall(n:[a C],ação(A,E,N),S). inserealeatoriamente(s,f,nf) :- append(s,f,r), length(r,l), embaralha(l,r,nf),!. embaralha(0,f,f) :-!. embaralha(l,f,[x NF]) :- N is random(l), nth0(n,f,x), delete(f,x,r), M is L-1, embaralha(m,r,nf),!. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 19
20 Busca aleatória com ciclos Exercício 7. Teste de busca aleatória com ciclos Certifique-se de que a definição do problema de busca a seguir esteja compilada: inicial([1,s,s]). meta([_,l,l]). ação(,[,[2,y,z],[,y,z],[1,y,z]).,y,z]). ação(,[,[1,y,z],[,y,z],[2,y,z]).,y,z]). ação(,[1,,[1,s,z],[1,,z],[1,l,z]).,z]). ação(,[2,y,,[2,y,s],[2,y, ],[2,Y,l]). ]). Em seguida, verifique que o comportamento do predicado busca_aleatória_cc é realmente aleatório, repetindo a consulta a seguir diversas vezes:?- busca_aleatória_cc. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 20
21 Busca aleatória sem ciclos Exemplo 10. Busca aleatória sem ciclos busca_aleatória :- inicial(e), busca_aleatória([e:[]], ([E:[]],[] [],P), format(' ('~nplano ~nplano: ~w~n~n w~n~n',[p]). busca_aleatória([e: ([E:C _ C _], ],_,P),P) :- meta(e),!, reverse(c,p). busca_aleatória([e: ([E:C F C F], ],V,P),P) :- sucessores(e:c,v,s),,s), inserealeatoriamente(s,f,nf), union([e], ([E],V,NV),,NV), busca_aleatória(nf, (NF,NV NV,P). Guardando os estados já visitados, podemos evitar que a busca entre em ciclos Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 21
22 Busca aleatória sem ciclos Exemplo 10. Busca aleatória sem ciclos (continuação) sucessores(e:c, (E:C,V,S),S) :- findall(n:[a C],(ação(A,E,N),not not(member member(n, (N,V))),S). inserealeatoriamente(s,f,nf) :- append(s,f,r), length(r,l), embaralha(l,r,nf),!. embaralha(0,f,f) :-!. embaralha(l,f,[x NF]) :- N is random(l), nth0(n,f,x), delete(f,x,r), M is L-1, embaralha(m,r,nf),!. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 22
23 Busca aleatória sem ciclos Exercício 8. Teste de busca aleatória sem ciclos Verifique a diferença entre busca aleatória sem e com detecção de ciclos, analisando as respostas obtidas com as consultas a seguir (repita as buscas várias vezes) :?- busca_aleatória_cc.?- busca_aleatória. Exercício 9. Diferença entre busca com e sem ciclos Qual a diferença fundamental entre as duas estratégias quando o problema de busca em questão não tem solução como, por exemplo, no caso a seguir? inicial([1,l,l]). meta([2,s,s]). Daqui por diante, vamos considerar apenas buscas sem ciclos. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 23
24 Busca em largura Na busca em largura a escolha das folhas a serem expandidas é feita de acordo a política FIFO (First-In/First-Out) [1,s,s] [2,s,s] [2,s,l] [1,s,l] [1,l,l] [1,l,s] [2,l,s] [2,l,l] Solução: [,,] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 24
25 Busca em largura A busca em largura garante encontrar uma solução com número de passos mínimo (i.e., uma solução mais curta) Não são soluções! Solução com mínimo de passos Não são soluções mais curtas! Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 25
26 Busca em largura Exemplo 11. Implementação de busca em largura busca_largura :- inicial(e), busca_largura([e:[]],[],p), format('~nplano: ~w',[p]). busca_largura([e:c _],_,P) :- meta(e),!, reverse(c,p). busca_largura([e:c F],V,P) :- sucessores(e:c,v,s), inserenofinal(s,f,nf), union([e],v,nv), busca_largura(nf,nv,p). Inserindo sempre no final e removendo do início, garantimos a política de fila (FIFO) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 26
27 Busca em largura Exemplo 11. Implementação de busca em largura (continuação) sucessores(e:c,v,s) :- findall(n:[a C], (ação(a,e,n), not(member member(n,v))),s). inserenofinal(s,f,nf) :- append(f,s,nf),!. Exercício 10. Teste de busca em largura Resolva o problema do mundo do aspirador usando busca em largura Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 27
28 Busca em profundidade Na busca em profundidade a escolha das folhas a serem expandidas é feita de acordo a política LIFO (Last-In/First-Out) [1,s,s] [2,s,s] [1,l,s] [2,s,l] [1,s,l] [1,l,l] Solução: [,,,] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 28
29 Busca em profundidade A busca em profundidade pode ser mais eficiente em alguns casos, mas não garante encontrar uma solução mais curta Solução encontrada Solução mais curta Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 29
30 Busca em profundidade Exemplo 11. Implementação de busca em profundidade busca_profundidade :- inicial(e), busca_profundidade([e:[]],[],p), format(' ('~nplano ~nplano: ~w',[p]). busca_profundidade([e: ([E:C _ C _],_,P) :- meta(e),!, reverse(c,p). busca_profundidade([e: ([E:C F C F],V,P) :- sucessores(e:c,v,s), inserenoinício(s,f,nf), union([e],v,nv), busca_profundidade(nf,nv,p). Restringindo as inserções e remoções ao início, garantimos a política de pilha (LIFO) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 30
31 Busca em profundidade Exemplo 11. Implementação de busca em profundidade (continuação) sucessores(e:c,v,s) :- findall(n:[a C], (ação(a,e,n), not(member member(n,v))),s). inserenoinício(s,f,nf) :- append(s,f,nf),!. Exercício 11. Teste de busca em profundidade Resolva o problema do mundo do aspirador usando busca em profundidade Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 31
32 Algoritmo de busca não-informada generalizado Exemplo 12. Implementação de busca não-informada generalizado busca_ni(t): ):- inicial(e), busca_ni(t,[e:[]],[],p), tipo(t,b), format('~nbusca: ~w',[b]), format('~nplano: ~w',[p]). busca_ni(_,[e:c _],_,P) :- meta(e),!, reverse(c,p). busca_ni(t,[e:c F],V,P) :- sucessores(e:c,v,s), insere(t,s,f,nf), union([e],v,nv), busca_ni(t,nf,nv,p). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 32
33 Algoritmo de busca não-informada generalizado Exemplo 12. Implementação de busca não-informada generalizado (continuação) sucessores(e:c,v,s) :- findall(n:[a C], (ação(a,e,n), not(member member(n,v))),s). insere(1,s,f,nf) :- append(s,f,r), length(r,l), embaralha(l,r,nf),!. insere(2,s,f,nf) :- append(f,s,nf),!. insere(3,s,f,nf) :- append(s,f,nf),!. embaralha(0,f,f) :-!. embaralha(l,f,[x NF]) :- N is random(l), nth0(n,f,x), delete(f,x,r), M is L-1, embaralha(m,r,nf),!. tipo(1,aleatória). tipo(2,largura). tipo(3,profundidade). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 33
34 Algoritmo de busca não-informada generalizado Exercício 12. Teste do algoritmo de busca não-informada generalizado Resolva o problema do mundo do aspirador usando as consultas a seguir:?- busca_ni(1).?- busca_ni(2).?- busca_ni(3). Exercício 13. Mundo do aspirador versão 2 Considere uma versão do mundo do aspirador em que há três salas. Nesta versão, um estado do mundo pode ser representado por uma estrutura da forma [P,S 1,S 2,S 3 ], onde P {1,2, 3} indica a posição do agente, e S i {s,l} indica a situação da sala i. Com base nesta nova configuração, defina as ações,, entrar3 e. Em seguida, use o algoritmo de busca generalizado para encontrar soluções para o problema com estado inicial [2,s,l,s] e meta [1,l,l,l] Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 34
35 Algoritmo de busca não-informada generalizado Exercício 14. Problema do fazendeiro Um fazendeiro precisa atravessar um rio levando um lobo, uma ovelha e um repolho. Para isto, ele dispõe de um pequeno bote com capacidade para levar apenas ele mesmo e mais uma de suas cargas. Ele poderia cruzar o rio quantas vezes fossem necessárias para transportar seus pertences; porém, na sua ausência, a ovelha pode comer o repolho e o lobo pode comer a ovelha. Encontre uma sequência de passos que possibilite o fazendeiro atravessar o rio sem perder nenhum de seus pertences. % estado indica margem do rio em que se encontra cada elemento inicial([e,e,e,e]). meta([d,d,d,d]). ação(vai vai, [e,l,o,r],[d,l,o,r]) :- L\=O, O\=R. ação(levalobo levalobo, [e,e,o,r],[d,d,o,r]) :- O\=R. ação(levaovelha levaovelha, [e,l,e,r],[d,l,d,r]). ação(levarepolho levarepolho,[e,l,o,e],[d,l,o,d]) :- L\=O.... Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 35
36 Algoritmo de busca não-informada generalizado Exercício 15. Problema dos jarros Há dois jarros com capacidades de 3 e 4 litros, respectivamente. Nenhum dos jarros contém qualquer medida ou escala, de modo que só se pode ter certeza a respeito do conteúdo exato de um jarro enchendo-o completamente. Sabendo-se que podemos encher ou esvaziar um jarro, bem como despejar de um jarro em outro (sem perda de água), encontre uma sequência de passos cuja execução possa garantir que o jarro de 4 litros ficará com exatamente 2 litros de água. despejar água inicial([0,0]). meta([_,2]). ação(encher1 encher1, [A,B],[3,B]) :- A<3. ação(esvaziar1 esvaziar1, [A,B],[0,B]) :- A>0. ação(despejar1em2 despejar1em2,[a,b],[0,s]) :- A>0, B<4, S is A+B, S=<4. ação(despejar1em2 despejar1em2,[a,b],[r,4]) :- A>0, B<4, S is A+B, S>4, R is S Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 36
37 Algoritmo de busca não-informada generalizado Exercício 16. Problema das Torres de Hanói A seguir temos a especificação do problema das Torres de Hanói, com 3 discos. Use o algoritmo de busca generalizada para encontrar soluções para este problema e, em seguida, modifique e teste a especificação para um problema com: 1 disco 2 discos 4 discos inicial([[1,2,3], [], []]). meta([[], [], [1,2,3]]). ação(m12 m12, [[X A],B,C], [A,[X B],C]) :- B=[] ; (B=[Y _], X<Y). ação(m13 m13, [[X A],B,C], [A,B,[X C]]) :- C=[] ; (C=[Y _], X<Y). ação(m21 m21, [A,[X B],C], [[X A],B,C]) :- A=[] ; (A=[Y _], X<Y). ação(m23 m23, [A,[X B],C], [A,B,[X C]]) :- C=[] ; (C=[Y _], X<Y). ação(m31 m31, [A,B,[X C]], [[X A],B,C]) :- A=[] ; (A=[Y _], X<Y). ação(m32 m32, [A,B,[X C]], [A,[X B],C]) :- B=[] ; (B=[Y _], X<Y). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 37
38 Continua...
Busca no espaço de estados
Busca no espaço de estados Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo Idéia básica A idéia básica da busca no espaço de estados é considerar
Leia maisBusca no Espaço de Estados
Busca no Espaço de Estados Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo Idéia básica A idéia idéia básica da da busca no no espaço de de
Leia maisBusca no espaço de estados (parte II)
Busca no espaço de estados (parte II) Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo Estratégias de busca: recordando... Uma estratégia de
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula II Algoritmos básicos de busca cega
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Resolução de problemas por meio de algoritmos de busca Aula II Algoritmos básicos de busca
Leia maisResolução de Problemas. Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial
Resolução de Problemas Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial 2 Resolução de Problemas Introdução Componentes Solução Busca de soluções 3 Resolução
Leia maisResolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.4 e 3.5
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.4 e 3.5 Formulação de problemas Um problema é definido por quatro itens: 1. Estado inicial ex., em Arad" 2. Ações ou função
Leia maisAula 04 / LAB 01 Resolução de problemas por meio de busca Prof. Dr. Alexandre da Silva Simões. Exercício 1. Problema dos jarros de água
Aula 04 / LAB 01 Resolução de problemas por meio de busca Prof. Dr. Alexandre da Silva Simões Exercício 1 Prof. Dr. Alexandre da Silva Simões Problema dos jarros de água Problema dos jarros de água: modelagem
Leia maisResolução de problemas por meio de busca. Capítulo 3 Inteligência Artificial Sistemas de Informação
Resolução de problemas por meio de busca Capítulo 3 Inteligência Artificial Sistemas de Informação Conteúdo Um exemplo Resolução de problemas por meio de busca Exemplos de problemas Em busca de soluções
Leia maisInteligência Artificial
Contextualizando Inteligência Artificial Buscas Onde podemos usar a IA Problemas que não possuem soluções algortimicas Problemas que possuem soluções algoritimicas, mas são impraticáveis (Complexidade,
Leia maisInteligência Artificial
Inteligência Artificial Aula #2: Resolução de Problemas Via Busca Prof. Eduardo R. Hruschka 1 Agenda Tipos de Problemas Estados únicos (totalmente observável) Informação parcial Formulação do Problema
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli www2.joinville.udesc.br/~coca/ Agentes solucionadores
Leia maislnteligência Artificial
lnteligência Artificial Busca Heurística - Informada Estratégias de Busca Heurística Usam conhecimento específico do problema na busca da solução Mais eficientes que busca não informada Busca Informada
Leia maisInteligência Artificial 04. Busca Sem Informação (Cega) Capítulo 3 Russell & Norvig; Seções 3.4 e 3.5
Inteligência Artificial 04. Busca Sem Informação (Cega) Capítulo 3 Russell & Norvig; Seções 3.4 e 3.5 Formulação dos problemas Um problema é definido por quatro itens: 1. Estado inicial ex., em Arad" 2.
Leia maisINTELIGÊNCIA ARTIFICIAL 2008/09
INTELIGÊNI RTIFIIL 2008/09 PROUR 1) onsidere o problema da torre de Hanoi com discos. Neste problema, existem três pinos, e e discos de diâmetros diferentes, estando no início todos os discos colocados
Leia maisInteligência Artificial - IA
Busca sem informação Estratégias para determinar a ordem de expansão dos nós: 1. Busca em extensão 2. Busca de custo uniforme 3. Busca em profundidade 4. Busca com aprofundamento iterativo Direção da expansão:
Leia maisRESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig)
RESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig) 1 Tópicos 1. Agentes para resolução de problemas 2. Formulação de problemas 3. Exemplos de problemas 4. Soluções aos problemas
Leia mais*Capítulo 3 (Russel & Norvig)
*Capítulo 3 (Russel & Norvig) 1 Estratégias de busca sem informação Busca em largura Busca de custo uniforme (menor custo) Busca em profundidade Busca em profundidade limitada Busca de aprofundamento iterativo
Leia maisGSI010 - Programação Lógica Resolvendo problemas com Programação Lógica Busca informada
GSI010 - Programação Lógica Resolvendo problemas com Programação Lógica Busca informada Nesta aula Busca informada no espaço de estados Busca no espaço de estados Método Considerar a existência de um agente,
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 5 Algoritmos de Busca 2 de 27 Sumário Introdução Gerar e Testar Busca
Leia maisResolução de problemas por meio de busca. Inteligência Artificial. Formulação de problemas. Estratégias de busca
Inteligência Artificial Aula 4 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.4 e 3.5 Formulação de problemas Algoritmo
Leia maisAula 03 Métodos de busca sem informação
Problema dos jarros de água ula 03 Métodos de busca sem informação Prof. Dr. lexandre da Silva Simões Existem dois vasos: um de 4 litros e um de 3 litros, inicialmente vazios, e uma fonte que jorra água
Leia maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Agente: É um elemento qualquer capaz de perceber seu ambiente por meio de sensorese de agir sobre este ambiente
Leia maisInteligência Artificial
Inteligência Artificial Aula 3 Métodos de Busca para Resolução de Problemas Busca Informada Heurísticas Busca Gulosa Busca A* Busca Local Prática #2 Prof. Ricardo M. Marcacini ricardo.marcacini@ufms.br
Leia maisBusca em Espaço de Estados a
Busca em Espaço de Estados a Fabrício Jailson Barth BandTec Agosto de 2012 a Slides baseados no material do Prof. Jomi F. Hübner (UFSC) Introdução 2 Agente orientado a meta O projetista não determina um
Leia maisExercícios: Árvores. Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C
Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C Exercícios: Árvores 1. Utilizando os conceitos de grafos, defina uma árvore.
Leia maisAgentes baseados em metas Capítulo 3 Parte I
Agentes baseados em metas Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a estímulos do ambiente
Leia maisBUSCA CEGA OU SEM INFORMAÇÃO (parte 2 Resolução de problemas por busca) *Capítulo 3 (Russel & Norvig)
BUSCA CEGA OU SEM INFORMAÇÃO (parte 2 Resolução de problemas por busca) *Capítulo 3 (Russel & Norvig) 1 Tópicos Estratégias de busca sem informação Busca em largura ou extensão custo uniforme (menor custo)
Leia maisTópicos Especiais: Inteligência Artificial
Tópicos Especiais: Inteligência Artificial RESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA Material baseado e adaptado do Cap. 3 do Livro Inteligência Artificial de Russel & Norving Bibliografia Inteligência
Leia maisSCC603 Algoritmos e Estruturas de Dados II Prof.a Rosane Minghim 1o sem. 2013
SCC603 Algoritmos e Estruturas de Dados II Prof.a Rosane Minghim 1o sem. 2013 Lista de Exercícios 1 1) Escrever em C funções para: a) Obter todos os nós adjacentes (vizinhos) a um nó do grafo, dado que
Leia maisResolução de problemas por meio de busca. Inteligência Artificial. Busca. Exemplo: Romênia. Exemplo: Romênia 8/23/2010
Inteligência Artificial Aula 2 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas
Leia maisIntrodução à Resolução de Problemas por meio de Busca
Introdução à Resolução de Problemas por meio de Busca Huei Diana Lee huei@unioeste.br 2006 Conteúdo Introdução Exemplos Descrição formal Os Vasilhames com Água Estratégias de Controle Problemas Exercício!!
Leia maisAgentes que resolvem problemas através de busca Capítulo 3 Parte I
Agentes que resolvem problemas através de busca Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a
Leia maisÁrvores. SCC-202 Algoritmos e Estruturas de Dados I. Lucas Antiqueira
Árvores SCC-202 Algoritmos e Estruturas de Dados I Lucas Antiqueira Listas e árvores Listas lineares Um nó após o outro, adjacentes Nó sucessor e antecessor Diversas aplicações necessitam de estruturas
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de omputação e Matemática (FFLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por meio
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisLERCI/LEIC TAGUSPARK INTELIGÊNCIA ARTIFICIAL 2005/06 PROCURA
LERI/LEI TGUSPRK INTELIGÊNI RTIFIIL 005/06 PROUR ) onsidere o espaço de estados definido pelo estado inicial,, e pela função que gera os sucessores de um estado, sucessores(n)={n, n+}. onsiderando o estado
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli www2.joinville.udesc.br/~coca/ Agentes solucionadores
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisInteligência Artificial - IA. Resolução de problemas por meio de busca
Resolução de problemas por meio de busca 1 Agente reativo - definido por ação reação Agente de resolução de problemas (ou baseado em objetivos) encontra sequencias de ações que leva ao estado desejável.
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisTeoria de Linguagens 2 o semestre de 2015 Professor: Newton José Vieira Primeira Lista de Exercícios Entrega: até 16:40h de 15/9.
Pós-Graduação em Ciência da Computação DCC/ICEx/UFMG Teoria de Linguagens 2 o semestre de 2015 Professor: Newton José Vieira Primeira Lista de Exercícios Entrega: até 16:40h de 15/9. Observações: Pontos
Leia maisSCC Modelagem Computacional em Grafos Profª Rosane Minghim 1º sem ª lista de exercícios
DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÂO SCC0216 - Modelagem Computacional em rafos Profª Rosane Minghim 1º sem. 2014 1ª lista de eercícios Questão 1 Desenhe as versões orientada e não orientada do grafo:
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 02 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 02 Prof. Vitor Hugo Ferreira Agentes Inteligentes O que torna um agente
Leia maisResolução de Problemas
Resolução de Problemas Como um agente pode encontrar uma sequência de ações que alcança seus objetivos quando nenhuma ação isolada é capaz de fazê-lo. 1 Resolução de Problemas Agente reativo simples: baseia
Leia maisEstruturas de Dados Grafos
Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:
Leia maisRecursividade e listas
Recursividade e listas Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo Princípio de recursividade Recursividade é um princípio que permite
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maismeio de busca Seções 3.1, 3.2 e 3.3
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reativos não funcionam em ambientes para quais o número de regras condição
Leia maisResolução de problemas por meio de busca. CAPÍTULO 3 - Russell
Resolução de problemas por meio de busca CAPÍTULO 3 - Russell Os agentes de resolução de problemas decidem o que fazer encontrando seqüências de ações que levam a estados desejáveis. Inicialmente veremos:
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 03 Resolução de Problemas por Meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades capazes de observar o ambiente
Leia maisResolução de problemas por meio de busca. Inteligência Artificial
1 Resolução de problemas por meio de busca (Capítulo 3 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto 2 Estrutura 1. Agente de resolução de problema 2. Tipos de problema
Leia maisListas: nós de cabeçalho, listas não homogêneas, listas generalizadas
Listas: nós de cabeçalho, listas não homogêneas, listas generalizadas SCC-502 Algoritmos e Estruturas de Dados I Prof. Thiago A. S. Pardo Lista com nó de cabeçalho Nó de cabeçalho Header, sentinela, etc.
Leia maisInteligência Artificial
Inteligência Artificial Resolvendo Problemas com Busca Agente solucionador de problemas (guiado por objetivo deliberativo) Busca uma sequência de ações que o leve a estados desejáveis (objetivos). Propriedades
Leia maisPCS Inteligência Artificial
ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia de Computação e Sistemas Digitais PCS - 2059 Inteligência Artificial Prof. Jaime Simão Sichman 2 a. Lista de Exercícios Espaço
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia maisResumo. Como um agente busca de seqüência de ações para alcançar seus objetivos.
Resumo Inteligência Artificial Russel e Norvig Capítulos 3,4 e 5 Prof. MsC Ly Freitas UEG Resolução de problemas por meio de busca Como um agente busca de seqüência de ações para alcançar seus objetivos.
Leia maisPROCURA E PLANEAMENTO
PROCURA E PLANEAMENTO Primeiro Exame 12 de Janeiro de 2006 17:00-19:00 Este exame é composto por 13 páginas contendo 6 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisInteligência Artificial
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Agentes 2 Agente, Ambiente e Sensores Um agente é definido pelo ambiente que ele consegue perceber através de seus sensores e as
Leia maisIntrodução 1. Um espaço de estados possíveis, incluindo um estado inicial e um estado final(objetivo): Introdução
à Resolução de Problemas por Meio de Busca HueDiana Lee Universidade Estadual do Oeste do Paraná (UNIOESTE) Foz do Iguaçu, Brasil Muitos problemas podem ser vistos como alcançar um estado final(meta) a
Leia maisInteligência Artificial Busca
Inteligência Artificial Busca Professora Sheila Cáceres Ja vimos: Agentes simples que baseiam ações em um mapeamento direto de estados. Porém: Y se o conjunto de estados e ações for muito grande? Daria
Leia maisLista 1 Sistemas Inteligentes (INE5633) 2014s2. Cap. 2 - Russel & Norvig - Exercícios selecionados (respostas em azul)
Lista 1 () 2014s2 Sistemas de Informação Universidade Federal de Santa Catarina Cap. 2 - Russel & Norvig - Exercícios selecionados (respostas em azul) 1. Tanto a medida de desempenho quanto a função de
Leia maisOs problemas de IA empregam heurísticas, basicamente, em duas situações:
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisEstrutura de Dados II
Estrutura de Dados II Introdução à Estrutura de Dados www.aeciocosta.com.br aecio.costa@faculdadeguararapes.edu.br Estrutura de Dados Estrutura de dados é um modo particular de armazenamento e organização
Leia maisAutômatos Finitos Determinís3cos (AFD)
Linguagens Formais e Autômatos Autômatos Finitos Determinís3cos (AFD) Andrei Rimsa Álvares Material extraído do livro e slides do Prof. Newton Vieira (hcp://dcc.ufmg.br/~nvieira) Introdução Exemplos Sumário
Leia maisSistemas de Produção, Espaços de estados e buscas
Sistemas de Produção, Espaços de estados e buscas Sistemas de Produção É um mecanismo genérico para modelar certos tipos de problemas. Consiste em transformar o problema em um grafo de estados. Este grafo
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisEstrutura de Dados: Aula 3 - Linguagem C
Estrutura de Dados: Aula 3 - Linguagem C Uso de Memória Alocação de memória Estática Ocorre em tempo de compilação no momento em que se define uma variável ou estrutura é necessário que se definam seu
Leia maisAlgoritmos e Estrutura de Dados II. Árvore. Prof a Karina Oliveira.
Algoritmos e Estrutura de Dados II Árvore Prof a Karina Oliveira kkco@dei.unicap.br Introdução Estruturas de dados lineares (pilha, fila) são estruturas que guardam coleções de elementos que são acessados
Leia maisÁrvores. Listas e árvores. Árvores. Árvores. Árvores. Árvores 03/11/2011. Listas lineares
istas e árvores istas lineares Um nó após o outro, adjacentes Sem relações hierárquicas entre os nós, em geral S-502 lgoritmos e struturas de ados iversas aplicações necessitam de estruturas mais complexas
Leia maisAlgoritmos e Estrutura de Dados Aula 08 Pilhas
Algoritmos e Estrutura de Dados Aula 08 Pilhas Profa. Alana Oliveira e Prof. Davi Viana alanaslz@gmail.com e davi.viana@lsdi.ufma.br Se não entender, pergunte! Dados e Tipos de Dados Um dado é uma informação
Leia maisSistemas Inteligentes 2014/2
Sistemas Inteligentes 2014/2 1) O que você espera desta disciplina? 2)Você imagina a aplicação do conteúdo da disciplina em sua carreira profissional? Exemplifique em caso afirmativo. Resolução de problemas
Leia maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Métodos Revogáveis de Busca Busca em profundidade Busca em largura Busca em profundidade iterativa Busca ordenada
Leia maisAgentes de Procura Procura Cega. Capítulo 3: Costa, E. e Simões, A. (2015). Inteligência Artificial Fundamentos e Aplicações, 3.ª edição, FCA.
Agentes de Procura Procura Cega Capítulo 3: Costa, E. e Simões, A. (2015). Inteligência Artificial Fundamentos e Aplicações, 3.ª edição, FCA. AGENTES DE PROCURA CEGA 1 Agentes de Procura Vamos analisar
Leia maisPROCURA E PLANEAMENTO
PROCURA E PLANEAMENTO Primeiro Exame 13 de Janeiro de 2007 11:00-13:30 Este exame é composto por 13 páginas contendo 6 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisTeoria de Linguagens 1 o semestre de 2018 Professor: Newton José Vieira Primeira Lista de Exercícios Data de entrega: 17/4/2018 Valor: 10 pontos
Departamento de Ciência da Computação ICEx/UFMG Teoria de Linguagens o semestre de 8 Professor: Newton José Vieira Primeira Lista de Exercícios Data de entrega: 7/4/8 Valor: pontos. Uma versão do problema
Leia maisGrafos: Busca. SCE-183 Algoritmos e Estruturas de Dados 2. Thiago A. S. Pardo Maria Cristina
Grafos: Busca SCE-183 Algoritmos e Estruturas de Dados 2 Thiago A. S. Pardo Maria Cristina Percorrendo um grafo Percorrendo um Grafo Percorrer um grafo é um problema fundamental Deve-se ter uma forma sistemática
Leia maisIntrodução a Computação
O que é um computador? Um computador é uma coleção de componentes que realizam operações lógicas e aritméticas sobre um grande volume de dados. (F. K. Miyazawa) Um computador é composto por: Introdução
Leia maisCTC-17 Inteligência Artificial Problemas de Busca. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Problemas de Busca Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Agentes que buscam soluções para problemas: Exemplo Tipos de
Leia maisAlguns Exercícios de Inteligência Artificial
Alguns Exercícios de Inteligência Artificial Ana Paula Tomás Nelma Moreira Departamento de Ciência de Computadores Faculdade de Ciências, Universidade do Porto email: {apt,nam}@ncc.up.pt 1997 1. Números
Leia maisUniversidade Estadual de Mato Grosso do Sul Bacharelado em Ciência da Computação Algoritmos e Estruturas de Dados II Prof. Fabrício Sérgio de Paula
Universidade Estadual de Mato Grosso do Sul Bacharelado em Ciência da Computação Algoritmos e Estruturas de Dados II Prof. Fabrício Sérgio de Paula Tópicos Introdução Alocação sequencial Listas lineares,
Leia maisLFA Aula 05. AFND: com e sem movimentos 05/12/2016. Linguagens Formais e Autômatos. Celso Olivete Júnior.
LFA Aula 05 AFND: com e sem movimentos vazios 05/12/2016 Celso Olivete Júnior olivete@fct.unesp.br www.fct.unesp.br/docentes/dmec/olivete/lfa 1 Na aula passada... Reconhecedores genéricos Autômatos finitos
Leia maisBit (Binary Digit) é a menor unidade de armazenamento de informação dentro do computador; Byte é a união de 8 bits capaz de representar 256
Bit (Binary Digit) é a menor unidade de armazenamento de informação dentro do computador; Byte é a união de 8 bits capaz de representar 256 informações diferentes; Tipos Primitivos são implementados nas
Leia maisBuscas Não Informadas (Cegas) - Parte I
Buscas Não Informadas (Cegas) - Parte I Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 BUSCA EM LARGURA(BREADTH-FIRST ) - 1/5 A raiz é expandida.
Leia maisCapítulo 8: Abstrações de dados
Capítulo 8: Abstrações de dados Ciência da computação: Uma visão abrangente 11a Edition by J. Glenn Brookshear Copyright 2012 Pearson Education, Inc. Estruturas de dados básicas Matriz homogênea Matriz
Leia maisIntrodução à Inteligência Artificial MAC MAC 415. Exercício Programa 1 Busca
Introdução à Inteligência Artificial MAC 5739 - MAC 415 006 Exercício Programa 1 Busca Data de Divulgação: 6 de agosto Data de Entrega: 6 de setembro 1 Objetivo Implementar os algoritmos de busca em Inteligência
Leia maisGrafos: algoritmos de busca
busca em grafos como caminhar no grafo de modo a percorrer todos os seus vértices evitando repetições desnecessárias do mesmo vértice? e por onde começar? solução: necessidade de recursos adicionais que
Leia maisBusca com informação e exploração. Inteligência Artificial
Busca com informação e exploração (Capítulo 4 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura Busca pela melhor escolha Busca gulosa pela melhor escolha Busca
Leia maisModelos Universais de Computação
Modelos Universais de Computação 1 Equivalência entre Variantes de TM TM s definem naturalmente uma classe. Toda variante razoável de TM define a mesma classe de linguagens. (reforça a Tese Church-Turing)
Leia maisEdital de Seleção 023/2018 PROPESP/UFAM. Prova de Conhecimento. Caderno de Questões
Edital de Seleção 023/2018 PROPESP/UFAM Prova de Conhecimento Caderno de Questões CANDIDATO: INSCRIÇÃO: Assinatura conforme identidade INSTRUÇÕES PARA O CANDIDATO: Verifique o seu nome e o número da sua
Leia maisUsar a implementação Prolog do A*
Usar a implementação Prolog do A* 2018/09/16 O algoritmo A* serve para resolver problemas. Basicamente, descobre a sequência de passos necessários para converter um estado inicial num estado final (ou
Leia maisEPUSP PCS 2011 Laboratório Digital I. Uma ULA Simples
Uma ULA Simples Versão 2015 RESUMO Esta experiência tem como objetivo o desenvolvimento do projeto de uma unidade lógica e aritmética simples que realiza quatro operações sobre dados de quatro bits. OBJETIVOS
Leia maisINF1010 Lista de Exercícios 2
INF00 Lista de Exercícios 2 Árvores. Construir algoritmo para dada uma árvore n-ária, transformá-la em uma árvore binária. 2. Qual a maior e menor quantidade de nós que podem existir em uma árvore binária
Leia maisCálculo Diferencial e Integral I
Cálculo Diferencial e Integral I Prof. Lino Marcos da Silva Atividade 1 - Números Reais Objetivos De um modo geral, o objetivo dessa atividade é fomentar o estudo de conceitos relacionados aos números
Leia maisAula 15. Memória Virtual - Desempenho. 1.1 Contexto 1.2 Políticas de Reposição de Páginas 1.3 Working-Set 1.4 Trashing
Aula 5 Memória Virtual - Desempenho. Contexto. Políticas de Reposição de Páginas. Working-Set.4 Trashing E se encher a memória? Usamos a memória toda, mas acessos às página que não estão na memória comtinuam:
Leia maisEPUSP PCS 2011 Laboratório Digital I. Uma ULA Simples
Uma ULA Simples Versão 2013 RESUMO Esta experiência tem como objetivo o desenvolvimento do projeto de uma unidade lógica e aritmética simples que realiza quatro operações sobre dados de quatro bits. OBJETIVOS
Leia maisProf. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa
Busca Heurís9ca - Informada PCS 2428 / PCS 2059 lnteligência Ar9ficial Prof. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa Busca Heurís9ca 2 Estratégias de Busca Heurís9ca Usam conhecimento
Leia maisAlgoritmo da IFT 2 / 16. Algoritmo da IFT Estrutura da fila de prioridade Resolvendo empates. Algoritmo 1 Algoritmo geral da IFT
Transformada Imagem-Floresta (Estrutura de dados) Prof. Dr. Paulo A. V. de Miranda Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) pmiranda@vision.ime.usp.br 1 / 16 Algoritmo
Leia maisBusca em Espaço de Estados: Implementação. Busca em Espaço de Estados: Geração e Teste. Busca em Espaço de Estados:Algoritmo
PCS 2428 / PCS 2059 lnteligência Ar8ficial Prof. r. Jaime Simão Sichman Prof. ra. Anna Helena Reali Costa Busca Cega Geração e Teste Fronteira do espaço de estados nós (estados) a serem expandidos no momento.
Leia mais