Planejamento em Inteligência Artificial Capítulo 4 Planejamento como busca no Espaço de Estados
|
|
- Jónatas Carmona Espírito Santo
- 6 Há anos
- Visualizações:
Transcrição
1 Planejamento em Inteligênia Artifiial Capítulo 4 Planejamento omo busa no Espaço de Estados Leliane Nunes de Barros
2 Motivação Planejamento é um problema de busa Busa em espaço de estados» Cada nó representa um estado do mundo» Um plano é um aminho através do espaço de estados Busa em espaço de planos» Cada nó representa um plano parial dado por um onjunto de operadores parialmente instaniados e um onjunto de restrições de ordem» Um plano é obtido adiionando-se ada mais e mais restrições, até obtermos um plano solução.
3 Planejamento omo Busa Espaço de Estados Espaço de Planos Algoritmo Nós Planejamento Progressivo (busa para frente) (Planejamento Regressivo) (busa para trás) Estados do Mundo POP Partial-Order Planning Planos Pariais Arestas/ Transições Ações Por exemplo, no mundo dos bloos: move-a-from-b-to-c move-b-from-a-to-table move-c-from-b-to-a Refinamentos de Planos: Step addition Step reuse Demotion Promotion
4 Tópios Planejamento omo uma busa em espaço de estados» Planejamento Progressivo» Planejamento Regressivo» Lifting» STRIPS» Exemplo: O Mundo dos Bloos
5 Forward Searh take 3 take 2 move r1
6 Planejamento Progressivo Algumas implementações de busa para frente: breadth-first a s best-first 1 1 depth-first s greedy 0 a 2 s 2 a 4 a 5 s 4 s 5 s g Os algoritmos de busa breadth-first e best-first são orretos e ompletos Porém, eles onsomem muita memória: exponenial em função do tamanho da solução Na prátia, é melhor usar uma busa depth-first ou greedy Pior-aso: o uso de memória rese linearmente em função do tamanho da solução orreto mas não ompleto» omo o planejamento lássio possui um número finito de estados, os aminhos não são infinitos mas podem entrar em loop é neessário evitar nós repetidos a 3 s 3
7 Fator de ramifiação do Planejamento Progressivo a 1 a 2 a 1 a 2 a 3 a 50 Estado iniial a 3 meta A busa para frente pode ter um fator de ramifiação muito grande (veja exemplo) Porque isto é ruim: podem gastar tempo tentando muitas ações irrelevantes É preiso onstruir boas funções heurístias e/ou proedimento de poda.
8 Planejamento Regressivo No planejamento progressivo, omeçamos om o estado iniial e alulamos as transições de estados através da função de transição γ s = γ(s,a) No planejamento regressivo, omeçamos por um dos estados meta e alulamos a inversa da função de transição, γ -1 Novo onjunto de sub-metas = γ -1 (g,a)
9 Transições inversas de estados O que signifia γ -1 (g,a)? Primeiro preisamos definir relevânia: Uma ação a é relevante para uma meta g se» a torna pelo menos um dos literais de g verdadeiro g effets(a)» a não torna falso nenhum dos literais de g g + effets (a) = g effets + (a) = Se a for relevante para g, então γ -1 (g,a) = (g effets(a)) preond(a)
10 g 1 a 1 g 4 a 4 s 0 g 5 a 5 g 2 a 2 g 0 a 3 g 3
11 Efiiênia do Planejamento Regressivo a 1 a 2 a 1 a 2 a 3 a 50 a 3 Estado iniial O fator de ramifiação da busa para trás é pequena no exemplo Existem asos em que a ramifiação pode ser muito grande Muitas instânias de operadores são avaliadas foo(x,y) preond: p(x,y) effets: q(x) p(a,a) p(a,b) p(a,) foo(a,b) foo(a,) foo(a,a) meta q(a)
12 Lifting p(a,a) foo(x,y) preond: p(x,y) effets: q(x) p(a,b) p(a,) foo(a,b) foo(a,) foo(a,a) q(a) Podemos reduzir o fator de ramifiação se nós instaniamos parialmente os operadores Isto é hamado de lifting p(a,y) foo(a,y) q(a)
13 Busa para trás Lifted Mais ompliado que o planejamento regressivo anterior Porém, tem um fator de ramifiação muito menor
14 Problema: o espaço de busa é ainda muito grande A busa Lifted-bakward-searh gera um espaço de busa menor que Bakwardsearh, porém este ainda pode ser muito grande No pior aso é preiso examinar todas as ordenações possíveis antes de pereber que não há solução Mais sobre isto no Capítulo 5 (Planejamento em Espaço de Planos) a b b a b a b goal a b a b
15 Outras formas de reduzir a Busa Estratégias de ontrole de busa Estratégias gerais serão tratadas na Parte III do livro Aqui veremos dois exemplos de estratégias espeífias:» STRIPS» Empilhamento de bloos blok-staking
16 STRIPS π o plano vazio Fazer uma busa para trás modifiada desde g No lugar de γ -1 (s,a), ada novo onjunto sub-metas é só preond(a) Cada vez que voê aha uma ação que é exeutável no estado atual, então STRIPS ompromete a exeução desse operador e não deixa fazer baktraking do ompromisso Repita até que todas as metas sejam satisfeitas π = a 6, a 4 s= γ(γ(s 0,a 6 ),a 4 ) g 6 satisfeita em s 0 g 4 g5 g 3 a 4 a 5 a 3 a 6 g 1 g 2 Trajetória atual de busa g 3 a 1 a 2 a 3 g
17 STRIPS
18 Mundo dos Bloos (revisão) unstak(x,y) Pre: on(x,y), lear(x), handempty Eff: ~on(x,y), ~lear(x), ~handempty, holding(x), lear(y) stak(x,y) Pre: holding(x), lear(y) Eff: ~holding(x), ~lear(y), on(x,y), lear(x), handempty pikup(x) Pre: ontable(x), lear(x), handempty Eff: ~ontable(x), ~lear(x), ~handempty, holding(x) putdown(x) Pre: holding(x) Eff: ~holding(x), ontable(x), lear(?x), handempty a a a a b b b b a b
19 A Anomalia de Sussman a a b b Estado iniial meta Para este problema, STRIPS não onsegue enontrar uma solução sem redundânias
20 O Problema de Atribuição de Registros Formulação usando variáveis de estado: Estado Iniial: {valor(r1)=3, valor(r2)=5, valor(r3)=0} Meta: Operador: {valor(r1)=5, valor(r2)=3} atribuir(r,v,r,v ) preond: valor(r)=v, valor(r )=v efeitos: valor(r)=v STRIPS não onsegue resolver este problema
21 Versão DWR da anomalia de Sussman
22 Várias formas: Como soluionar isto? Busa no Espaço de Planos, Grafos de Planejamento, Planejamento omo Satisfazibilidade e uso de Ténias de Satisfação de Restrições (Capítulo 5 8) Ou ainda, usar busa no espaço de estados para frente ou para trás, om onheimento espeífio do domínio para podar o espaço de busa» Podemos resolver os dois problemas de forma fáil» Exemplo: blok staking usando busa para frente
23 Conheimento Espeífio do Domínio Um problema de planejamento do mundo dos bloos P = (O,s 0,g) tem solução se s 0 e g satisfazem algumas ondições de onsistênia simples» g não deve envolver nenhum bloo não menionado em s 0» um bloo não pode estar sobre dois bloos ao mesmo tempo» et. Podem ser headas em tempo O(n log n) Se P tem uma solução, podemos failmente onstruir uma solução de tamanho O(2m), onde m é o número de bloos Mover todos os bloos para a mesa e então onstruir pilhas de baixo para ima» Isso pode ser feito em tempo O(n) Com onheimento espeífio adiional do domínio podemos melhorar ainda mais
24 Conheimento Espeífio Adiional do Domínio Um bloo x preisa ser movimentado se alguma das seguintes ondições for verdade: s ontém ontable(x) e g ontém on(x,y) s ontém on(x,y) e g ontém ontable(x) s ontém on(x,y) e g ontém on(x,z) para algum y z s ontém on(x,y)e y preisa ser movimentado a e d b a b d Estado iniial meta
25 blok-staking: Algoritmo Espeífio do Domínio oop if there is a lear blok x suh that x needs to be moved and x an be moved to a plae where it won t need to be moved then move x to that plae else if there is a lear blok x suh that x needs to be moved then move x to the table else if the goal is satisfied then return the plan a else return failure d b epeat e a b d estado iniial meta
26 Solução da Anomalia de Sussman oop if there is a lear blok x suh that x needs to be moved and x an be moved to a plae where it won t need to be moved then move x to that plae else if there is a lear blok x suh that x needs to be moved then move x to the table else if the goal is satisfied then return the plan else return failure a epeat a b b estado iniial meta
27 O algoritmo blok-staking é: Propriedades orreto, ompleto, om garantia de terminação Exeuta em tempo O(n 3 )» Pode ser modifiado para exeutar em tempo O(n) Em geral, aha soluções ótimas (mais urtas) Porém, algumas vezes somente perto do ótimo (Exeríio 4.22 no livro)» Lembre que PLAN LENGTH é NP-ompleto
28 Algoritmo de empilhamento de ontainers
29 Algoritmo de empilhamento de ontainers (ontinuação)
Inteligência Artificial Capítulo 4. Planejamento em. Espaço de Estados
Planejamento em Inteligência Artificial Capítulo 4 Planejamento em Espaço de Estados José de Jesús Pérez-Alcázar MAC 5788 - IME/USP segundo semestre de 2005 Motivação Quase todos os procedimentos de planejamento
Leia maisProf. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa
PS 2428 / PS 2059 Inteligênia r8fiial Prof. Dr. Jaime Simão Sihman Prof. Dra. nna Helena Reali osta Planejamento Planejamento 1. Introdução 2. Planejamento e Resolução de Problemas 3. bordagens 3.1. álulo
Leia maisInteligência Artificial
Planejamento:onceitos básicos lnteligência rtificial Planejamento tarefa de apresentar uma seqüência de ações que alcançarão um objetivo é chamada planejamento. Vimos até agora dois exemplos de agentes
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 11 Planejamento Edirlei Soares de Lima Agentes Vistos Anteriormente Agentes Baseados em Busca. Busca cega; Busca heurística; Busca local; Agentes
Leia maisA reta numérica. Matemática Básica. A reta numérica. Expansões decimais: exemplo 1. Folha 1. Humberto José Bortolossi. Parte 6
Folha 1 Matemátia Básia Humberto José Bortolossi Departamento de Matemátia Apliada Universidade Federal Fluminense A reta numéria Parte 6 Parte 6 Matemátia Básia 1 Parte 6 Matemátia Básia 2 A reta numéria
Leia maisInteligência Artificial
Inteligência Artificial Métodos de resolução de problemas Prof. Angel Alberto Vazquez Sánchez Objetivos Caracterizar a busca como um método para resolver problemas a partir de seus elementos fundamentais
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 maisCapítulo 5 Planejamento no espaço de planos
Planejamento em Inteligência Artificial Capítulo 5 Planejamento no espaço de planos Leliane Nunes de Barros MAC5788 IME-USP 2005 Motivação Problema com a busca de um caminho no grafo de um sistema de transição
Leia maisMétodo Simplex Resolução Algébrica. Prof. Ricardo Santos
Método Simple Resolução Algébria Prof. Riardo Santos Método Simple Dada uma solução fatível: Essa solução é ótima? Caso não seja ótima omo determinar uma melhor? Considere uma solução básia fatível: em
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 maisPrimeira Lista de Exercícios 2004/2...
UFLA Universidade Federal de Lavras Departamento de Ciênia da Computação COM62 Linguagens Formais e Autômatos Prof. Rudini Sampaio Monitor: Rodrigo Pereira dos Santos Primeira Lista de Exeríios 24/2...
Leia maisDescobrindo medidas desconhecidas (II)
A UU L AL A Desobrindo medidas desonheidas (II) Q uem trabalha no ramo da meânia sabe que existem empresas espeializadas em reforma de máquinas. As pessoas que mantêm esse tipo de atividade preisam ter
Leia maisCurso de Data Mining
Aula 7 - Os algoritmos SPIRIT Curso de Data Mining Sandra de Amo O esquema geral dos algoritmos SPIRIT é o seguinte: ETAPA 1 : Etapa do relaxamento R Calula-se o onjunto L das sequênias frequentes que
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 maisUM MODELO DE MINIMIZAÇÃO DE CUSTOS EM DIAGNÓSTICOS COM UM CASO DE APLICAÇÃO EM UM BANCO DE SANGUE
Vol. 20, No. 2, p. 8-95, dezembro de 2000 Pesquisa Operaional 8 UM MODELO DE MINIMIZAÇÃO DE CUSTOS EM DIAGNÓSTICOS COM UM CASO DE APLICAÇÃO EM UM BANCO DE SANGUE Eugenio K. Eppreht PUC-Rio / Departamento
Leia maisSISTEMA DE RISCO BM&F (SRB)
SISTEMA DE RISCO BM&F (SRB) Subsistema de Margem para Ativos Líquidos Opções Padronizadas sobre Disponível e sobre Futuro Setembro 2005 .ii. 1. Introdução Neste doumento, apresenta-se a nova metodologia
Leia maisExemplo para Fixar a Matéria Vista Até Agora: Modelagem de Reações Químicas
Exemplo para Fixar a Matéria Vista Até Agora: Modelagem de eações Químias. Introdução Em uma reação químia, um onjunto de ompostos químios hamados reagentes e indiados aqui por i se ombina para formar
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR Aprendizagem Bayesiana Plano de Aula Introdução Teorema de Bayes Classifiador
Leia maisTP052-PESQUISA OPERACIONAL I Análise de Sensibilidade. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP5-PESQUISA OPERACIOAL I Análise de Sensiilidade Prof. Volmir Wilhelm Curitia, Paraná, rasil Análise de Sensiilidade Interpretação geométria de análise de sensiilidade Os preços-somra variáveis duais
Leia maisCiclos hamiltonianos e o problema do caixeiro viajante
Ciclos hamiltonianos e o problema do caixeiro viajante Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional.
Leia mais3.1. Algoritmos de Solução (algoritmo N 1) o chiller acompanha a carga. os programas N 1.1 e N 1.2 (algoritmo N 2) (algoritmo N 3)
3 Solução Usando os modelos matemátios apresentados no apitulo 2 para ada omponente do sistema e para o sistema global, foram elaborados os algoritmos e os programas de álulo para simular o omportamento
Leia maisESTUDO TERMO-ESTOCÁSTICO DE CIRCUITOS SIMPLES
Departamento de Físia ESTUDO TERMO-ESTOCÁSTICO DE CIRCUITOS SIMPLES Aluno: Maro Antônio Guimarães Auad Barroa Orientador: Welles Antônio Martinez Morgado Introdução Foi feito a análise de iruitos isolados
Leia maisPlanejamento em Inteligência Artificial
Planejamento em Inteligência Artificial Anderson Amorim Lucas Leal Maíra Freitas Ricardo Igor Thiago Bomfim Túlio Miranda Departamento de Ciência da Computação Universidade Federal da Bahia (UFBA) Introdução
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 maisFilas. Estruturas de Dados. O TAD Fila. Inserções e remoções seguem a política First-in First-out. Operações auxiliares:
Estruturas de Dados Filas Prof. Riardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis em http://ww3.datastrutures.net (Goodrih & Tamassia). O TAD Fila
Leia maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisEstimação de Parâmetros de um Modelo Semi-Empírico de Transferência Simultânea de Calor e Água no Solo
rabalho apresentado no XXXV CNMAC, Natal-RN, 0. Estimação de Parâmetros de um Modelo Semi-Empírio de ransferênia Simultânea de Calor e Água no Solo Emanueli Bandeira Avi, Peterson Cleyton Avi, Depto de
Leia maisESTUDO TERMO-ESTOCÁSTICO DE CIRCUITOS SIMPLES
ESTUDO TERMO-ESTOCÁSTICO DE CIRCUITOS SIMPLES Aluno: Maro Antônio Guimarães Auad Barroa Orientador: Welles Antônio Martinez Morgado Introdução Foi feito a análise de iruitos isolados e aoplados baseando-se
Leia maisPlaneamento com procura em espaço de estados
Planeamento Enquadramento Linguagens para planeamento Planeamento com procura em espaço de estados Planeamento de ordem parcial Grafos em planeamento Planeamento com lógica proposicional Análise das abordagens
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 maisAnálise e Síntese de Algoritmos
Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Algoritmos em Grafos Estruturas de Dados para Conjuntos Disjuntos Programação Linear Programação Dinâmica Algoritmos Greedy
Leia maisIntrodução Morfologia Binária em Imagens Morfologia de Tons de Cinza Segmentação Morfológica Bibliografia
Proessamento e Reuperação de Imagens Médias Morfologia Matemátia em Imagens Prof. Lui Otavio Murta Jr. Informátia Biomédia Depto. de Físia e Matemátia (FFCLRP/USP) Introdução Morfologia Binária em Imagens
Leia maisAnálise e Síntese de Algoritmos. Problemas NP-Completos CLRS, Cap. 34
Análise e Síntese de Algoritmos Problemas NP-Completos CLRS, Cap. 34 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais
Leia maisistemas Inteligentes, 12-13 1
istemas Inteligentes, 12-13 1 Algoritmo Gerador de Planos: POP Partial-Order Planner Algoritmo não-determinístico. Utilização de choose e fail. Começa com um plano parcial mínimo. A cada passo expande
Leia maisPlanejamento de Ordem Parcial. (ou planejamento como busca no espaço de planos) Revisão baseada no livro AIMA. Leliane Nunes de Barros
Planejamento de Ordem Parcial (ou planejamento como busca no espaço de planos) Revisão baseada no livro AIMA Leliane Nunes de Barros Introdução O que é planejamento? Artigo recomendado: A Review of AI
Leia maisTEORIA DE COMPLEXIDADE
TEORIA DE COMPLEXIDADE Fundamentos: classes P e N P Mauricio Ayala-Rincón Grupo de Teoria da Computaç~ao http://ayala.mat.unb.br/tcgroup Instituto de Ciências Exatas Universidade de Brasília, Brasília
Leia maisPolo Olímpico de Treinamento Intensivo UFPR Curso de Combinatória, Nível 3 2 o semestre de 2018
Polo Olímpio de Treinamento Intensivo UFPR Curso de Combinatória, Nível 3 2 o semestre de 2018 Vitor Emanuel Gulisz Grafos: Introdução Definição 1. Um grafo 1 é um par G = (V, A), onde V = {v 1,..., v
Leia maisRecursividade, Tentativa e Erro
Recursividade, Tentativa e Erro Túlio Toffolo www.toffolo.com.br Marco Antônio Carvalho marco.opt@gmail.com BCC402 Aula 07 Algoritmos e Programação Avançada Na aula anterior Prova 2 Na aula de hoje Técnicas
Leia maisGrafos de Planejamento
Grafos de Planejamento O planejador Graphplan Grafo de Planejamento [Blum&Furst 1997] Grafo de níveis: seqüência de níveis que correspondem a passos de tempo no plano. Nível 0 é o estado inicial. níveli:
Leia maisREA DILATAÇÃO DO TEMPO
Bloo III - Postulados e suas Consequênias REA.3.3.. ILATAÇÃO O TEPO Para a relatividade, o tempo é uma grandeza que depende do referenial. Isso signifia que o funionamento dos relógios (nossos instrumentos
Leia maisInteligência Artificial
Inteligência Artificial Taguspark Segundo Teste 14 de Junho de 006 9H00-10H30 Nome: Número: Este teste tem 8 perguntas e 11 páginas. Escreva o número em todas as páginas. Deve ter na mesa apenas o enunciado
Leia maisDica : Para resolver esse exercício pegue o arquivo pontosm.txt, na página do professor.
Colégio Ténio Antônio Teieira Fernandes Disiplina ICG Computação Gráfia - 3º Anos (Informátia) (Lista de Eeríios I - Bimestre) Data: 10/03/2015 Eeríios 1) Elabore um proedimento em C++ que passe os pares
Leia maisProf. Daniel Hasse. Princípios de Comunicações
Prof. Daniel Hasse Prinípios de Comuniações Aula 04 Modulação em Amplitude AM Prof. Daniel Hasse Modulação Proesso pelo qual alguma(s) araterístia(s) da portadora é(são) alterada(s), por uma forma de onda,
Leia maisProblemas e Estratégias. March 31, 2016
Problemas e Estratégias March 31, 2016 Exemplos de Aplicações Jogo dos oito :-) Mundo dos blocos (ex: torre de Hanoi) Problema das n-rainhas Criptoaritmética Missionários e Canibais Resta-um e muitos outros...
Leia maisEstratégias de Busca: Métodos Informados. March 9, 2015
Estratégias de Busca: Métodos Informados March 9, 2015 Busca de Soluções: Métodos Informados Utilizam conhecimento específico do problema para encontrar a solução algoritmo geral de busca somente permite
Leia maisRecursividade. Objetivos do módulo. O que é recursividade
Recursividade Objetivos do módulo Discutir o conceito de recursividade Mostrar exemplos de situações onde recursividade é importante Discutir a diferença entre recursividade e iteração O que é recursividade
Leia maisOs Teoremas de Cavalieri 1. 2 Os Princípios de Cavalieri para áreas e volumes
Os Teoremas de Cavalieri 1 Roerto Rieiro Paterlini 1 Introdução O estudo de volumes de sólidos no ensino médio tem omo ase o Prinípio de Cavalieri Esse prinípio tamém pode ser usado para áreas de regiões
Leia maisESTRUTURA DE DADOS (TCC )
ESTRUTURA DE DADOS (TCC-00.319) Listas lineares Pilhas e Filas Cristina Boeres 2 Manipulando listas lineares! Dependendo do problema a ser resolvidos, existem duas formas especiais (que veremos aqui no
Leia mais1ª Lista de Exercícios. 1. São dados 2n números distintos distribuídos em dois vetores com n elementos A e B ordenados de maneira tal que
Uiversidade Federal de Mias Gerais Departameto de Ciêia da Computação Algoritmos e Estruturas de Dados II (Turmas M, N, W, F) 1º Semestre de 01 Profs. Camilo Oliveira, Gisele Pappa, Ítalo Cuha, Loï Cerf,
Leia maisInteligência Artificial
Inteligência Artificial CTC15 Aula 2b CTC15 Aula 2b 1 Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de busca básicos Sumário CTC15 Aula 2b 2
Leia maisProblema 4.40 do livro do Symon
Problema 4.4 do livro do Symon O problema 4.4 do livro do Symon é uma variação do que vimos na postagem Dois osiladores harmônios aoplados pois onsta de três massas presas a duas molas ao longo de um eixo
Leia maisProva de Recuperação PMR3201/PMR2300 1o. semestre 2015 Prof. Thiago Martins
Prova de Recuperação PMR21/PMR2 1o. semestre 2 Prof. Thiago Martins Instruções: screva o nome e o número USP na folha de papel almaço. 1. (2 pontos) Uma pilha é uma estrutura de dados na qual o elemento
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 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 maisEstratégias informadas de Busca. March 3, 2016
Estratégias informadas de Busca March 3, 2016 Busca de Soluções: Métodos Informados ˆ Utilizam conhecimento específico do problema para encontrar a solução ˆ algoritmo geral de busca somente permite introduzir
Leia maisComplexidade de algoritmos Notação Big-O
Complexidade de algoritmos Notação Big-O Prof. Byron Leite Prof. Tiago Massoni Engenharia da Computação Poli - UPE Motivação O projeto de algoritmos é influenciado pelo estudo de seus comportamentos Problema
Leia maisAlgoritmos Tentativa e Erro (Backtracking) Prof.: Jonas Potros
1 Algoritmos Tentativa e Erro (Backtracking) Prof.: Jonas Potros Tentativa e Erro 2 Tentativa e erro: decompor o processo em um número finito de subtarefas parciais que devem ser exploradas exaustivamente.
Leia maisEXPLORANDO GRAFOS 1. Grafos e Jogos uma introdução
1. Grafos e Jogos uma introdução Considere o seguinte jogo, o qual é uma das muitas variantes de Nim, também conhecido como jogo Marienbad. Inicialmente existe uma certa quantidade de fósforos na mesa
Leia maisExercícios de Procura e Planeamento 2013/2014
Exercícios de Procura e Planeamento 203/204 Fausto lmeida ula Prática de PP apítulo 2 apítulo 2 Estratégias ásicas de Procura Heurística Exercício onsidere o seguinte espaço de estados, com estado inicial,
Leia maisDOSAGEM DE TRAÇOS DE CONCRETO PARA OBRAS DE PEQUENO PORTE, PELO MÉTODO ACI/ABCP E MODELO PROPOSTO POR CAMPITELI. Junio de Matos Torres
0 DOSAGE DE TRAÇOS DE ONRETO PARA OBRAS DE PEQUENO PORTE, PELO ÉTODO AI/ABP E ODELO PROPOSTO POR APITELI. Junio de atos Torres Garanhuns setembro de 2015 1 ONRETO DEFINIÇÃO onreto é basiamente o resultado
Leia maisLógica Computacional Aula 4
Lógica Computacional Aula 4 DCC/FCUP 2017/18 Conteúdo 1 Lógica proposicional 1 1.1 Fórmulas de Horn.......................................... 1 1.2 Satisfazibilidade............................................
Leia maisBacktracking. Túlio Toffolo Marco Antônio Carvalho BCC402 Aula 10 Algoritmos e Programação Avançada
Backtracking Túlio Toffolo www.toffolo.com.br Marco Antônio Carvalho marco.opt@gmail.com BCC402 Aula 10 Algoritmos e Programação Avançada Backtracking Backtracking é um refinamento do algoritmo de busca
Leia maisBCC402 Algoritmos e Programação Avançada Prof. Marco Antonio M. Carvalho Prof. Túlio Ângelo M. Toffolo 2011/1
BCC402 Algoritmos e Programação Avançada Prof. Marco Antonio M. Carvalho Prof. Túlio Ângelo M. Toffolo 2011/1 Na aula anterior Prova 2 Na aula de hoje Técnicas básicas de contagem; Tentativa e Erro; Recursividade.
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 maisMacroeconomia Revisões de Derivadas para aplicação no cálculo de multiplicadores
Maroeonomia 64 Revisões de Derivadas para apliação no álulo de multipliadores Nota introdutória: O que se segue é uma pequena revisão do oneito de derivada e algumas regras de derivação que são utilizadas
Leia maisGrafos. Notas. Notas. Notas. Notas. Caminhos mais curtos de única origem. Subestrutura ótima. Propriedades de caminhos mais curtos
Grafos Caminhos mais curtos de única origem Conteúdo Subestrutura ótima Inicialização Propriedades de caminhos mais curtos Algoritmos Algoritmo de Bellman-Ford Caminhos mais curtos de única origem em gaos
Leia maisAs Equações de Maxwell e a Onda Eletromagnética
As Equações de Maxwell e a Onda Eletromagnétia Evandro Bastos dos antos 27 de Maio de 2017 1 Introdução Até agora vimos aqui quatro leis do no eletromagnetismo. A lei de Gauss na eletrostátia, E ˆnda =
Leia maisCapítulo 7 Sistemas de Comunicações Analógicos
Capítulo 7 Sistemas de Comuniações Analógios 7.1 Reeptores para Modulação CW Reeptores Super-heteródinos: Além da demodulação, um reeptor de radiodifusão típio deve desempenhar outras três operações: Sintonia
Leia maisANALYTICAL METHODS IN VIBRATION. Leonard Meirovitch Capitulo 1
ANALYTICAL METHODS IN VIBRATION Leonard Meirovith Capitulo Comportamento de sistemas Um sistema é definido omo uma montagem de omponentes atuando omo um todo. Os omponentes são lassifiados e definidos
Leia maisBusca Local. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Busca Local Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmos de busca local e problemas de otimização Em muitos problemas de otimização o caminho até a solução
Leia maisGuia de conexão. Instalando a impressora localmente (Windows) O que é impressão local? Instalando a impressora usando o CD de Software e documentação
Página 1 de 6 Guia de onexão Instalando a impressora loalmente (Windows) Nota: se o sistema operaional não for suportado pelo CD Software e doumentação, será neessário usar o Assistente Adiionar impressora.
Leia maisSOBRE O PAPEL DA RESOLUÇÃO LITERAL DE PRO- BLEMAS NO ENSINO DA FÍSICA: EXEMPLOS EM ME- CÂNICA +
SOBRE O PAPEL DA RESOLUÇÃO LITERAL DE PRO- BLEMAS NO ENSINO DA FÍSICA: EXEMPLOS EM ME- CÂNICA + Luiz O.Q. Peduzzi Sônia Silveira Peduzzi Departamento de Físia - UFSC Florianópolis - SC Resumo Neste trabalho
Leia maisTeoria dos Grafos Aula 6
Teoria dos Grafos Aula 6 Aula passada Busca em grafos Busca em largura (BFS Breadth First Search) Propriedades Aula de hoje BFS implementação Complexidade Busca em profundidade (DFS) Conectividade, componentes
Leia mais1.6 Imperfeições de Colunas
1.6 Imperfeições de olunas Foi mostrado anteriormente, omo o omportamento das olunas é afetado quando a arga é apliada exentriamente. O omportamento de uma oluna também pode ser afetado devido às imperfeições
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Engenharia de Controle e Automação 9ª Série Controle e Servomeanismos I A atividade prátia supervisionada (ATPS) é um proedimento metodológio de ensino-aprendizagem
Leia maisSistemas Inteligentes / Inteligência Artificial, Outros Métodos de Procura
Sistemas Inteligentes / Inteligência Artificial, 14-15 1 Outros Métodos de Procura Sistemas Inteligentes / Inteligência Artificial, 14-15 2 Exemplos de Aplicações Jogo dos oito :-) Mundo dos blocos (ex:
Leia maisAgenda. Complexidade Não Determinista A classe NP. A classe Co-NP Reduções de tempo polinomial. Definida por. Exemplos em:
A Classe NP Agenda Complexidade Não Determinista A classe NP Definida por aceitação em tempo polinomial por NTM s instâncias positivas com provas de tamanho polinomial aceitação por verificadores em tempo
Leia maisCaminhos em Grafos. Grafos - Caminho Simples (1) (Cliente para M. de Adj.) static int visited[maxv];
Caminhos em rafos Caminho simples Dados dois vértices num grafo, saber se estão ligados por um caminho; Determinar se o caminho existe ou calculá-lo explicitamente; Caminho de Hamilton Dados dois vértices
Leia maisBCC202 - Estrutura de Dados I
BCC202 - Estrutura de Dados I Aula 13: Ordenação: MergeSort Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Computação, DECOM Website: www.decom.ufop.br/reifortes Email: reifortes@iceb.ufop.br
Leia maisMatemática A Extensivo V. 2
GRITO Matemática Extensivo V. Exercícios 0) a) Verdadeira. e são elementos de. b) Verdadeira. Pois {} é elemento de. c) Verdadeira. Pois não é elemento de. d) Verdadeira. Pois {} é um subconjunto de. e)
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 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 maisIntrodução à Geração de Código
MAB 471 2011.2 Introdução à Geração de Código http://www.dcc.ufrj.br/~fabiom/comp Forma do Código Definição Todas as propriedades do código que influenciam no desempenho Código em si, abordagens para diferentes
Leia maisÁrvores de pesquisa. Árvores de pesquisa equilibradas
Árvores VL Árvores Splay Árvores Árvores de pesquisa Árvores Vermelho-Preto Árvores e Árvores Multidimensionais quaternárias k-d [Árvores para Pesquisa Lexicográfica tries multivia tries binárias PTRII]
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 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 maisAlgoritmos Combinatórios: Backtracking com Bounding
Algoritmos Combinatórios: Backtracking com Bounding lucia@site.uottawa.ca UFSC, Fevereiro, 2010 Backtracking com bounding Backtracking com bounding Quando aplicamos backtracking para um problema de otimização,
Leia maisCompiladores. Bruno Lopes. Bruno Lopes Compiladores 1 / 31. Instituto de C
ompiladores Análise Léxica Bruno Lopes Bruno Lopes ompiladores 1 / 31 Front-end Lida com a linguagem de entrada Teste de pertinência: código fonte linguagem fonte? Programa está bem formado? Sintaticamente?
Leia maisInteligência Artificial (SI 214) Aula 5 Problemas de Satisfação de Restrições
Inteligência Artificial (SI 214) Aula 5 Problemas de Satisfação de Restrições Prof. Josenildo Silva jcsilva@ifma.edu.br 2012 2012 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides
Leia maisMétodos de Ordenação Parte 3
Estrutura de Dados II Métodos de Ordenação Parte 3 Prof a Márcio Bueno ed2tarde@marciobueno.com / ed2noite@marciobueno.com Material baseado nos materiais do Prof. Robson Lins Classificação em Memória Primária
Leia maisAtribuição em PROLOG. Em PROLOG temos 2 operadores de atribuição. A atribuição simbólica é bidireccional, para X=Y temos:
Atribuição em PROLOG Em PROLOG temos 2 operadores de atribuição = para a atribuição simbólia X=a is para a atribuição numéria X is 5 A atribuição simbólia é bidireional, para X=Y temos: Se X não está instaniado
Leia maisResolução da Prova 735 (Matemática B)
Resolução da Prova 75 (Matemátia B) 1. 1.1 Proposta da Isabel: margaridas rosas violetas 7 arranjos tipo A 11 8 56 7 arranjos tipo B 56 56 56 Total de flores neessárias 168 84 11 Proposta do Dinis: margaridas
Leia mais