Sumário. Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real
|
|
- Adriana Alencastre Gentil
- 6 Há anos
- Visualizações:
Transcrição
1 Jogos Capítulo 6
2 Sumário Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real
3 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que é bom para um jogador (vitória=+1) é mau para o outro (derrota=-1) Limitação temporal tipicamente não é encontrado um objectivo mas antes uma aproximação
4 Procura com Cortes Jogos são muito mais difíceis do que os problemas de procura (capítulos 3 e 4) Factor de ramificação muito elevado - e.g. xadrez factor de ramificação jogadas/jogador nós (destes apenas são nós distintos) Cortes permitem eliminar partes da árvore de procura que são irrelevantes para o resultado final
5 Caracterização de um Jogo Estado inicial Configuração inicial + ordem de jogada Função sucessores Para cada estado devolve uma lista de pares <acção,estado> Teste terminal Identifica estados terminais Função de utilidade Atribui um valor numérico aos estados terminais
6 Árvore para Jogos (2 jogadores, determinístico, alternado)
7 Minimax Estratégia mais adequada para jogos determinísticos Ideia: escolher jogada para o estado com o maior valor minimax melhor valor para a função de utilidade contra as melhores jogadas do adversário Valor-minimax(n) = Função-utilidade(n) max s sucessores(n) Valor-minimax(s) se n é terminal se n é nó MAX min s sucessores(n) Valor-minimax(s) se n é nó MIN
8 Minimax: 2 jogadores Formato dos nós em função do tipo de nó (MIN/MAX) Valores dos estados terminais correspondem à função de utilidade para MAX Valores para os restantes estados obtidos a partir dos valores para os nós terminais Resultado do algoritmo: próxima jogada!
9 Algoritmo Minimax Função Minimax (estado) devolve acção v ValorMax(estado) devolve acção em sucessores(estado) com valor v Função ValorMax(estado) devolve valor de utilidade se TesteTerminal(estado) então devolve Utilidade(estado) v - para a,s em sucessores(estado) v MAX(v,ValorMin(s)) devolve v Função ValorMin(estado) devolve valor de utilidade se TesteTerminal(estado) então devolve Utilidade(estado) v + para a,s em sucessores(estado) v MIN(v,ValorMax(s)) devolve v
10 Minimax: mais de 2 jogadores Função de utilidade devolve vector de valores com utilidade do estado do ponto de vista de cada jogador Cada jogador procura maximizar a sua utilidade
11 Propriedades do algoritmo minimax Completo? Sim (se a árvore de procura é finita) Óptimo? Sim (contra um adversário óptimo) Tempo? O(r m ) Espaço? O(rm) (procura em profundidade primeiro) (m: máxima profundidade do espaço de estados) Para xadrez, r 35, m 100 para um jogo padrão impossível determinar a solução exacta
12 Cortes α-β Minimax: número de estados examinados é exponencial em função do número de jogadas Não é possível eliminar o factor exponencial, mas podemos reduzir o número de estados analisados para metade! É possível calcular a decisão resultante do algoritmo minimax sem ter de analisar todos os estados
13 Cortes α-β: exemplo
14 Cortes α-β: exemplo
15 Cortes α-β: exemplo
16 Cortes α-β: exemplo
17 Cortes α-β: exemplo Os nós sucessores do primeiro nó a ser expandido em cada nível de profundidade nunca podem ser cortados
18 Propriedades de α-β Cortes não afectam resultado final Eficiência dos cortes depende da ordenação dos sucessores Com uma ordenação perfeita" a complexidade temporal fica reduzida a O(r m/2 ) duplica profundidade da procura
19 Porquê o nome α-β? α é o valor da melhor escolha (i.e., valor mais elevado) encontrada até ao momento em qualquer ponto de procura ao longo do caminho para max Se v é pior do que α, max irá evitar escolher v ramo com v é cortado Definir β para min de forma análoga
20 Algoritmo α-β Função AlfaBeta (estado) devolve acção v ValorMax(estado, -, + ) devolve acção em sucessores(estado) com valor v Função ValorMax(estado,, ) devolve valor de utilidade se TesteTerminal(estado) então devolve Utilidade(estado) v - para a,s em sucessores(estado) v MAX(v,ValorMin(s,, )) se v então devolve v MAX(,v) devolve v
21 Algoritmo α-β Função ValorMin(estado,, ) devolve valor de utilidade se TesteTerminal(estado) então devolve Utilidade(estado) v + para a,s em sucessores(estado) v MIN(v,ValorMax(s,, )) se v então devolve v MIN(,v) devolve v
22 Exercício Qual a melhor ordenação de modo a optimizar os cortes α-β? Nós MIN: ordem decrescente Nós MAX: ordem crescente
23 Exercício (exemplo) Ordenação original Ordenação óptima
24 Decisões imperfeitas em tempo real Decisões têm que ser tomadas em tempo real não é possível analisar toda a árvore de procura Função de avaliação (Eval) devolve uma estimativa da utilidade do estado Idealmente a ordenação resultante da função de avaliação é igual à da função de utilidade Teste terminal é substituído por um teste de limite
25 Funções de Avaliação Tipicamente soma linear de características do jogo, associadas a diferentes pesos Eval(s) = w 1 f 1 (s) + w 2 f 2 (s) + + w n f n (s) e.g., xadrez w 1 = 9 com f 1 (s) = (número de rainhas brancas) (número de rainhas pretas), etc.
26 Teste Limite MinimaxLimite é idêntico ao MinimaxValue excepto Terminal? é substituído por Limite? Utilidade é substituído por Eval Limite? Recebe estado e profundidade e devolve verdadeiro caso o limite actual exceda o limite fixado Devolve também verdadeiro para estados terminais
27 Teste Limite Problema da aquiescência Função de avaliação deve aplicar-se apenas a estados cujo valor não possa ser radicalmente alterado num futuro próximo Estados nestas condições devem ser expandidos até que sejam gerados estados sem este problema Problema do efeito de horizonte Procura com limite coloca eventuais problemas futuros para além do horizonte
28 Elemento Sorte Árvore com nós sorte MIN e MAX para além dos nós A cada ramo da árvore está associada uma probabilidade Se for possível estabelecer limites para a função de avaliação então podem aplicar-se cortes Expectiminimax(n) = Função-utilidade(n) se n é terminal max s sucessores(n) Expectiminimax(s) se n é nó MAX min s sucessores(n) s sucessores(n) Expectiminimax(s) se n é nó MIN P(s) Expectiminimax(s) se n é nó SORTE
29 Elemento Sorte: exemplo Alteração de valores das folhas mantendo a mesma ordem relativa resulta em decisões diferentes
30 Estado da Arte Damas: Chinook derrotou o campeão do mundo (durante 40 anos) Marion Tinsley in Uso de uma base de dados pré-processada que define uma jogada perfeita para todas as posições envolvendo no máximo 8 peças, num total de 444 biliões de posições. Xadrez: Deep Blue derrotou campeão do mundo Garry Kasparov em O Deep Blue procura 200 milhões de nós por segundo, usa uma função de avaliação muito sofisticada. Othello: campeões humanos recusam-se a competir com computadores, que são muito bons. Go: campeões humanos recusam-se a competir com computadores, que são muito fracos. Neste jogo, r > 300. Logo, a maioria dos programas existentes usa padrões de conhecimento para sugerir jogadas hipotéticas.
Busca Competitiva. Inteligência Artificial. Até aqui... Jogos vs. busca. Decisões ótimas em jogos 9/22/2010
Inteligência Artificial Busca Competitiva Aula 5 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia-pos Capítulo 6 Russell & Norvig Seção 6.1 a 6.5 2 Até aqui... Problemas sem interação com outro agente.
Leia maisInteligência Artificial (SI 214) Aula 6 Busca com Adversário. Prof. Josenildo Silva
Inteligência Artificial (SI 214) Aula 6 Busca com Adversário Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides de Hwee Tou
Leia maisTécnicas para Implementação de Jogos
Técnicas para Implementação de Jogos Solange O. Rezende Thiago A. S. Pardo Considerações gerais Aplicações atrativas para métodos de IA Formulação simples do problema (ações bem definidas) Ambiente acessível
Leia maisJogos vs. Problemas de Procura
Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que
Leia maisIntrodução à Inteligência Artificial. Procura em contextos competitivos jogos (cont.)
Introdução à Inteligência Artificial Procura em contextos competitivos jogos (cont.) Sumário n Vimos Jogos de 2 jogadores n Determinísticos, soma nula, informação perfeita Estratégia óptima minimax Algoritmos
Leia maisFigura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall.
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 maisInteligência Artificial. 3º Quadrimestre de 2018
Inteligência Artificial Prof. Fabrício Olivetti de França Prof. Denis Fantinato 3º Quadrimestre de 2018 1 Busca Competitiva 2 Busca Competitiva Quando falamos sobre agentes mencionamos alguns cenários
Leia maisÁrvore de Jogos Minimax e Poda Alfa-Beta
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Árvore de Jogos Minimax e Poda Alfa-Beta Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisBusca competitiva. Inteligência Artificial. Profª. Solange O. Rezende
Profª. Solange O. Rezende 1 O que vimos até agora... Busca não informada Baseada somente na organização de estados e a sucessão entre eles Busca informada Utiliza, também, informações a respeito do domínio
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula VI Busca Competitiva
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação http://www.inf.unioeste.br/~claudia/ia2017.html Inteligência Artificial Resolução de problemas por meio de algoritmos
Leia maisJogos. Geralmente o oponente tentará, na medida do possível, fazer o movimento menos benéfico para o adversário.
Jogos Os jogos tem atraído a atenção da humanidade, às vezes de modo alarmante, desde a antiguidade. O que o torna atraente para a IA é que é uma abstração da competição (guerra), onde se idealizam mundos
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 7 Algoritmos de Busca Competitiva 2 de 20 Sumário Introdução Busca Competitiva
Leia maisAlternativamente pode ser pensado como uma forma de maximizar o minimo ganho possível.
Inteligência Artificial Algoritmo i com cortes Alfa-Beta Ana Saraiva 050509087 Ana Barbosa 050509089 Marco Cunha 050509048 Tiago Fernandes 050509081 FEUP - MIEIC 3ºAno/ºSemestre 1 Introdução O algoritmo
Leia maisJogos e Busca. Silvio Lago
1 Jogos e Busca Silvio Lago slago@ime.usp.br 2 Sumário Jogos adversariais Algoritmo MINIMAX Algoritmo de poda α-β Função de avaliação e corte Jogos de sorte 3 Jogos Ambientes competitivos, em que as metas
Leia maisIntrodução à Inteligência Artificial 2007/08
Introdução à Inteligência rtificial 2007/08 Procura em contextos competitivos jogos Contexto Um agente vs multiagente mbiente cooperativo vs competitivo Teoria dos jogos (ramo da Economia) Sistema multiagente
Leia maisINTELIGÊNCIA ARTIFICIAL 2008/09
INTELIGÊNCIA ARTIFICIAL 2008/09 JOGOS Ex. 1) ( Teste 2005/06) Considere a seguinte árvore de procura de dois agentes. Reordene as folhas de modo a maximizar o número de cortes com uma procura da esquerda
Leia maisJogos com Oponentes. March 7, 2018
Jogos com Oponentes March 7, 2018 Jogos com Oponentes ˆ Problemas de busca: não assumem a presença de um oponente ˆ Jogos: oponente INCERTEZA! ˆ Incerteza porque não se conhece as jogadas exatas do oponente
Leia maisAlgoritmos de retrocesso
Algoritmos de retrocesso Algoritmos em que se geram escolhas que vão sendo testadas e eventualmente refeitas Problemas para os quais não existem algoritmos eficientes: retrocesso é melhor que pesquisa
Leia maisAlgoritmos de retrocesso
Algoritmos de retrocesso Algoritmos em que se geram escolhas que vão sendo testadas e eventualmente refeitas Problemas para os quais não existem algoritmos eficientes: retrocesso é melhor que pesquisa
Leia maisEx. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: f=7 f=7 f=1 f=2
LERCI/LEIC Tagus 2005/06 Inteligência Artificial Exercícios sobre Minimax: Ex. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: Max Min f=4 f=7
Leia maisInteligência Artificial Taguspark
Inteligência Artificial Taguspark Repescagem do Primeiro Teste 22 de Julho de 2006 9H00-10H30 Nome: Número: Este teste tem 7 perguntas e 12 páginas. Escreva o número em todas as páginas. Deve ter na mesa
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisBusca com Adversários: Jogos. Maria Carolina Monard
Busca com Adversários: Jogos Thiago A. S. Pardo Maria Carolina Monard Busca com Adversários Diferentemente da busca tradicional vista até agora, na qual a situação não troca durante a busca, a busca com
Leia maisExemplo de aprendizagem máquina
(Primeiro exemplo) Jogo de damas c/ aprendizagem Tom Mitchell, Machine Learning, McGraw-Hill, 1997 chapter 1 17-Jul-13 http://w3.ualg.pt/~jvo/ml 12 1 Exemplo de aprendizagem máquina 1. Descrição do problema
Leia maisTeoria de Jogos. Algoritmo Minimax e Alfa-Beta AED - 2002
Teoria de Jogos Algoritmo Minimax e Alfa-Beta AED - 2002 Conceptualização do Problema Jogar pode ser visto como uma generalização do problema de procura em espaço de estados, em que existem agentes hostis
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 maisa) Defina em Prolog iguais/1, um predicado que recebe um estado do jogo e que verifica que todas as pilhas têm o mesmo número de peças.
Introdução à Inteligência Artificial 2ª Época 29 Janeiro 2015 Nº Aluno: Nome Completo: Exame com consulta. Responda às perguntas nesta própria folha, nos espaços indicados. (I) O jogo do Nim (também chamado
Leia maisJ2 Velha. Uma Implementação Java do Jogo da Velha Utilizando o Algoritmo MiniMax. Universidade Federal do ABC ufabc. André Filipe de Moraes Batista
Universidade Federal do ABC ufabc J2 Velha Uma Implementação Java do Jogo da Velha Utilizando o Algoritmo MiniMax André Filipe de Moraes Batista andre.batista@ufabc.edu.br Luis Fernando de Oliveira Jacintho
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Primeiro Exame 7 de Julho de 2005 9:00-11:00 Este exame é composto por 9 págínas contendo 8 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisAlgoritmo MiniMax. Minimax
Algoritmo MiniMax Luís Carlos Calado 050509043 João Carlos Sousa 050509027 José Carlos Campos 060509007 Rodolfo Sousa Silva 050509069 1 Minimax Minimax (ou minmax) é um método usado na Teoria da Decisão,
Leia maisCEFET/RJ Inteligência Artificial (2017.2) Professor: Eduardo Bezerra Lista de exercícios 03
. CEFET/RJ Inteligência Artificial (2017.2) Professor: Eduardo Bezerra (ebezerra@cefet-rj.br) Lista de exercícios 03 Créditos: essa lista de exercícios contém a tradução dos exercícios disponibilizados
Leia maisInteligência Artificial
Repescagem Segundo Teste 31 de Janeiro de 2014 10:30-12:00 1.º Enunciado Esta prova é constituída por 5 enunciados separados. Preencha cuidadosamente o nome e número na primeira página de cada um dos enunciados.
Leia maisCTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...
Leia maisJogos com Oponentes. Problemas de busca: não assumem a presença de um oponente
istemas Inteligentes, 10-11 1 Jogos com ponentes Problemas de busca: não assumem a presença de um oponente Jogos: oponente INCERTEZA! Incerteza porque não se conhece as jogadas exatas do oponente e não
Leia maisSOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Sumário Procura Melhor Primeiro Procura Gananciosa Procura A * Heurísticas Procura local Árvore de Procura Uma estratégia de procura determina a ordem de expansão dos nós As
Leia maisPMR Computação para Mecatrônica
PMR3201 - Computação para Mecatrônica Prof. Thiago de Castro Martins Prof. Newton Maruyama Prof. Marcos de S.G. Tsuzuki Monitor: Pietro Teruya Domingues Exercício Programa 2 - Versão 2017 Resolvendo o
Leia maisJogos com Oponentes. Problemas de busca: não assumem a presença de um oponente
Sistemas Inteligentes, 13-14 1 Jogos com ponentes Problemas de busca: não assumem a presença de um oponente Jogos: oponente INCERTEZA! Incerteza porque não se conhece as jogadas exatas do oponente e não
Leia maisJogos com Oponentes. espaço de busca muito grande tempo para cada jogada
Jogos com Oponentes Jogos com Oponentes ˆ Problemas de busca: não assumem a presença de um oponente ˆ Jogos: oponente INCERTEZA! ˆ Incerteza porque não se conhece as jogadas exatas do oponente e não por
Leia maisAlgoritmos de busca local e problemas de otimização
Algoritmos de busca local e problemas de otimização Os algoritmos de busca estudados até agora foram projetados para explorar sistematicamente espaços de busca. Sistemático: mantém um ou mais caminhos
Leia maisInteligência Artificial
Licenciatura em Engenharia Informática e de Computadores Inteligência Artificial Primeiro Teste 31 de Outubro de 2009 09:00 10:30 Nome: Número: Esta prova, individual e sem consulta, tem 9 páginas com
Leia maisAula 9 TECNOLOGIA EM JOGOS DIGITAIS PROGRAMACAO E INTEGRACAO DE JOGOS I. Marcelo Henrique dos Santos
Aula 9 TECNOLOGIA EM JOGOS DIGITAIS PROGRAMACAO E INTEGRACAO DE JOGOS I Marcelo Henrique dos Santos Marcelo Henrique dos Santos Mestrado em Educação (em andamento) Pós-graduação em Negócios em Mídias Digitais
Leia maisOs Problemas de Optimização Combinatória e a Teoria da Complexidade
Metodologias de Apoio à Decisão Os Problemas de Optimização Combinatória e a Teoria da Complexidade Programação Inteira Mista Programação Linear Programação Binária Mista Programação Inteira Slide Fluxos
Leia maisInteligência Artificial Alameda e Taguspark
Inteligência Artificial Alameda e Taguspark Primeiro Teste 31 de Outubro de 2008 19H00-20H30 Nome: Número: Este teste tem 7 perguntas e 7 páginas. Escreva o número em todas as páginas. Deve ter na mesa
Leia maisSistemas Baseados em Conhecimento
Departamento de Informática Faculdade de Ciências Universidade de Lisboa Sistemas Baseados em Conhecimento Primeiro Teste 24 de Abril de 2008 Nome Completo: Nº Aluno: Licenciatura: com consulta 1 hora
Leia maisJogo King Relatório da Melhoria do Trabalho Inteligência Artificial. Tiago Fonseca, ei02100
Jogo King Relatório da Melhoria do Trabalho Inteligência Artificial Tiago Fonseca, ei02100 19 de Julho de 2005 Resumo Conteúdo 1 Introdução 3 1.1 Objectivo................................... 3 1.2 Motivação...................................
Leia maisJogos em Teoria dos Jogos e em
3 Jogos em Teoria dos Jogos e em Computação A Teoria dos Jogos pode ser entendida como a análise matemática de qualquer situação que envolva um conflito de interesses com o intuito de indicar as melhores
Leia maisImplementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers. Jhonny Moreira
Implementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers Jhonny Moreira Introdução Introdução Na área da inteligência artificial (IA), a motivação é conseguir colocar os computadores
Leia maisTécnicas de Desenho de Algoritmos
Técnicas de Desenho de Algoritmos Mudança de ênfase: da implementação de algoritmos para o desenho de algoritmos A ver: 5 tipos de algoritmos abordagem ao problema exemplos complexidade em tempo e espaço
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Primeiro Teste 29 de Outubro de 2011 17:00-18:30 Este teste é composto por 9 páginas contendo 11 perguntas. Para perguntas com resposta de escolha múltipla, respostas erradas com
Leia maisSociedades de Agentes
Sociedades de Agentes Capítulo 9: Costa, E. e Simões, A. (2008). Inteligência Artificial Fundamentos e Aplicações, 2.ª edição, FCA. SOCIEDADES DE AGENTES 1 Sociedades de Agentes O tratamento que temos
Leia maisDepartamento de Ciência de Computadores - FCUP Primeiro Teste de Inteligência Artificial / Sistemas Inteligentes (Duração: 2 horas)
Departamento de Ciência de Computadores - FCUP Primeiro Teste de Inteligência Artificial / Sistemas Inteligentes (Duração: horas) Nome: Data: 7 de Abril de 016 1) Considere a aplicação da busca em profundidade
Leia maisEnunciados dos Exercícios Cap. 2 Russell & Norvig
Enunciados dos Exercícios Cap. 2 Russell & Norvig 1. (2.2) Tanto a medida de desempenho quanto a função de utilidade medem o quanto um agente está desempenhando bem suas atividades. Explique a diferença
Leia maisCTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...
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 maisInteligência Artificial Alameda e Taguspark
Inteligência Artificial Alameda e Taguspark Repescagem do Primeiro Teste 13 de Fevereiro de 2009 17H00-18H30 Nome: Número: Este teste tem 7 perguntas e 5 páginas. Escreva o número em todas as páginas.
Leia mais8 Experimentos. de pelo menos uma solução. 2 Na verdade, poderíamos definir uma função que retorna o conjunto de equilíbrios de
8 Experimentos Neste capítulo tratamos da utilização do verificador de modelos na prática, e realizamos algumas comparações entre outros algoritmos existentes. Os experimentos foram executados em uma máquina
Leia mais7. Introdução à Complexidade de Algoritmos
7. Introdução à Complexidade de Algoritmos Fernando Silva DCC-FCUP Estruturas de Dados Fernando Silva (DCC-FCUP) 7. Introdução à Complexidade de Algoritmos Estruturas de Dados 1 / 1 Análise de Algoritmos
Leia maisErnesto Costa e Anabela Simões, Inteligência Artificial: Fundamentos e Aplicações (2ª edição) FCA, Set chapter 9
Adversarial Search: game playing part II Stuart Russel and Peter Norvig, Artificial Intelligence: A modern approach, 3rd edition, Pearson Education, 200 http://aima.cs.berkeley.edu/ chapter 6 Ernesto Costa
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Primeiro Teste 7 de Novembro de 2011 17:00-18:30 Este teste é composto por 11 páginas contendo 8 perguntas. Identifique já todas as folhas do teste com o seu nome e número. Na mesa
Leia maisAlgoritmo Minimax Russel and Norvig, AIMA slides
PCS 48 / PCS 59 lnteligência r9ficial Prof. r. Jaime Simão Sichman Prof. ra. nna Helena Reali Costa Jogos Jogos: considerações gerais plicações atra9vas para métodos I desde o início. Formulação simples
Leia maisInteligência Artificial Projecto 2
Bantumi ESPECIFICAÇÕES O projecto destina-se a resolver um conjunto de problemas do jogo Bantumi utilizando métodos de procura em espaço de estados. Bantumi é um jogo derivado do jogo Mancala de origem
Leia maisAgentes de Procura Procura Estocástica. Capítulo 3: Costa, E. e Simões, A. (2008). Inteligência Artificial Fundamentos e Aplicações, 2.ª edição, FCA.
Agentes de Procura Procura Estocástica Capítulo 3: Costa, E. e Simões, A. (2008). Inteligência Artificial Fundamentos e Aplicações, 2.ª edição, FCA. AGENTES DE PROCURA ESTOCÁSTICA 1 Procura Aleatória O
Leia maisJogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra
Jogo de Damas Alunos: Sávio Mendes de Figueiredo (savio@cos.ufrj.br) Sômulo Nogueira Mafra (somulo@cos.ufrj.br) Prof.: Inês dutra Inteligência artificial Coppe sistemas - UFRJ 1. Algumas Frases 2. Origens
Leia maisBusca com informação e exploração. Inteligência Artificial. Revisão da aula passada: Heurística Admissível. Revisão da aula passada: Busca A *
Inteligência Artificial Aula 6 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 Revisão da aula passada: Busca A * Idéia:
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Material Capítulo 4 Secções 1-3 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing
Leia maisJOGOS JOGOS. Exemplo: xadrez. Vários tipos de jogos. Uma árvore de jogo. Raciocínio em jogo de xadrez?
JOGOS JOGOS entre os primeiros domínios de aplicação razões - problema de definição fácil (regras do jogo) - constituem uma tarefa estruturada em que é fácil medir o sucesso ou fracasso Vários tipos de
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Livro Capítulo 4 Secções 1-3 Resumo Estratégias de procura informadas Gananciosa A* IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing
Leia maisAnálise de complexidade
Introdução Algoritmo: sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador) Estratégia: especificar (definir propriedades) arquitectura
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 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 maisInteligência Artificial Projecto 1
Bantumi ESPECIFICAÇÕES O projecto destina-se a resolver um conjunto de problemas do jogo Bantumi utilizando métodos de procura em espaço de estados. Bantumi é um jogo derivado do jogo Mancala de origem
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 8 : O método Simplex. Casos particulares. Empate no critério de entrada. Óptimo não finito. Soluções óptimas alternativas. Degenerescência. INÍCIO Forma Padrão Faculdade
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 E SISTEMAS DE DECISÃO Ano Lectivo 2005/2006 Semestre de Inverno. 1º Exame, 13/Janeiro/2006
Mestrado em Engenharia Electrotécnica e de Computadores Licenciatura em Engenharia Electrotécnica e de Computadores Licenciatura em Engenharia Aeroespacial INTELIGÊNCIA ARTIFICIAL E SISTEMAS DE DECISÃO
Leia maisIA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA: Busca Competitiva Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução Árvores de Jogos Minimax Antecipação Limitada Poda Alfa-beta Introdução Jogos têm sido continuamente uma importante
Leia maisInteligência Artificial
Inteligência Artificial CTC15 Aula 3b CTC15 Aula 3b 1 Sumário Exemplos de PSR Busca genérica aplicada à PSRs Backtracking Verificação forward Heurísticas para PSRs CTC15 Aula 3b 2 Problemas de satisfação
Leia maisBuscas Informadas ou Heurísticas - Parte II
Buscas Informadas ou Heurísticas - Parte II Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 FUNÇÕES HEURÍSTICAS - 1/7 FUNÇÕES HEURÍSTICAS - 2/7 Solução
Leia maisAplicação. Controlo Óptimas. 23º Seminário de Engenharia Mecânica - 4 Junho de Nuno Manuel R. S. Órfão
Aplicação de Cadeias de Markov em Redes de Filas de Espera Políticas de Controlo Óptimas 23º Seminário de Engenharia Mecânica - 4 Junho de 2003 - Nuno Manuel R. S. Órfão nmorfao@estg.ipleiria.pt 1 Sumário
Leia maisInvestigação Operacional
Métodos de Programação Linear: Big M, Fases, S Dual (Licenciatura) Tecnologias e Sistemas de Informação http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Simplex
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 maisAnálise de Decisão, Jogos & Negociação. Cesaltina Pires
Análise de Decisão, Jogos & Negociação Cesaltina Pires Fevereiro 2007 ii Conteúdo 1 Introdução (incompleto) 1 1.1 Decisão várias abordagens........................... 1 1.1.1 Decisões individuais versus
Leia maisInvestigação Operacional
Ano lectivo: 0/06 Universidade da Beira Interior - Departamento de Matemática Investigação Operacional Ficha de exercícios n o Algoritmo Simplex Cursos: Gestão e Economia. Considere o seguinte conjunto
Leia maisConjuntos disjuntos. Objectivo resolver eficientemente o problema da equivalência estrutura de dados simples (vector) implementação rápida
Conjuntos disjuntos Objectivo resolver eficientemente o problema da equivalência estrutura de dados simples (vector) implementação rápida Desempenho análise complicada Uso problemas de grafos equivalência
Leia maisJogos - aula 2. Xadrez chinês. Exemplo de função de avaliação:
Exemplo de jogo: Xadrez chinês Jogos - aula 2 Função de avaliação? Prof. Luis Otavio Alvares 1 2 Xadrez chinês Ligue 4 Exemplo de função de avaliação: o valor das peças é de acordo com a sua posição: 12
Leia maisDecisão Decidir Análise / Teoria da Decisão
Decisão Decidir é o acto de seleccionar uma linha de acção preferida entre várias alternativas existentes. Existem diversos instrumentos que podem contribuir para a tomada de decisões, dependentes do ambiente
Leia maisFICHA DE REVISÕES Micro 1
FIH DE REVISÕES Micro 1 1) Monopólio Num determinado mercado, servido só por uma empresa, a procura de mercado desse bem é dada por Q D = 100 P +, em que P é o preço do bem e os gastos em publicidade efectuados
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 maisBusca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.2 e 4.3
Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 1 Revisão da aula passada: Busca A * Idéia: evitar expandir caminhos que já são caros Função de avaliação f(n) = g(n) + h(n)
Leia maisESCOLA SECUNDÁRIA DE LOUSADA
ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento
Leia maisAgrupamento de Escolas do Fundão
Agrupamento de Escolas do Fundão MATEMÁTICA P GPI 13 12º Ano CURRÍCULO DA DISCIPLINA E Nº DE AULAS PREVISTAS Período PLANIFICAÇÃO ANUAL Módulos a leccionar + Conteúdos Programáticos Módulo A6- Taxa de
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Segundo Exame 11 de Julho de 2006 9:00-11:00 Este exame é composto por 11 páginas contendo 8 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisAlgoritmos 3/17/ Algoritmos como área de estudo e investigação
Algoritmos e Complexidade Ana Teresa Freitas INESC-ID/IST ID/IST 3/17/2005 1 O que é um algoritmo? Algoritmos: Sequência de instruções necessárias para a resolução de um problema bem formulado [passíveis
Leia mais7. Introdução à Complexidade de Algoritmos
7. Introdução à Complexidade de Algoritmos Fernando Silva DCC-FCUP Estruturas de Dados Fernando Silva (DCC-FCUP) 7. Introdução à Complexidade de Algoritmos Estruturas de Dados 1 / 1 Análise de Algoritmos
Leia maisConjuntos disjuntos. Relações de equivalência
Conjuntos disjuntos Objectivo resolver eficientemente o problema da equivalência estrutura de dados simples (vector) implementação rápida análise complicada Uso problemas de grafos equivalência de tipos
Leia maisProblema de Satisfação de Restrições
Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas para PSRs Problema de Satisfação
Leia maisProblema de Satisfação de Restrições. Problema de Satisfação de Restrições. Grafo de restrições. Exemplo: 4 Rainhas como um PSR
Problema de Satisfação de Restrições Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas
Leia mais