Busca no espaço de estados (parte II)
|
|
- Madalena Lacerda Brunelli
- 6 Há anos
- Visualizações:
Transcrição
1 Busca no espaço de estados (parte II) Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo
2 Estratégias de busca: recordando... 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 2
3 Busca informada busca pelo menor custo busca pela melhor estimativa busca ótima (A*)
4 Custo de ação Em muitos problemas de busca, as ações podem ter custos que refletem a dificuldade que o agente tem em executá-las. Este custo pode representar uma quantia de dinheiro, tempo, distância, etc. Para que o custo de uma ação possa ser levado em conta durante a busca, precisamos adicioná-lo como um novo argumento na especificação das ações. Representação de ações com custos ação(α,e 1,e 2,g) :- 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 g é o custo de executar a ação α β é uma especificação das precondições e/ou efeitos da ação α Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 4
5 Custo de ação No problema das rotas, as ações do agente permitem seu deslocamento de um ponto ao outro do mapa e seus custos representam as distâncias percorridas. Exemplo 1. Problema das rotas (versão 1) Mapa de vias inicial(a). meta(j). ação(vai(p,q) vai(p,q),p,q,d),p,q,d) :- via(p,q,d). via(a,b,4.0). via(a,d,5.8). via(a,e,3.2). via(a,h,7.0). via(b,c,3.2). via(c,f,4.0). via(d,c,2.8). via(d,j,5.8). via(e,g,2.2). via(f,i,3.2). via(g,j,3.0). via(h,j,2.2). via(i,d,5.1). via(i,j,4.0). via(j,a,8.2). 3.2 B 4 A C D 5.8 E F 5.1 G H I 4 J 2.2 Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 5
6 Custo de caminho Custo de caminho Mapa de vias quando as ações têm custo, o custo de um caminho [a 1, a 2,..., a n ] é onde g(a i ) é o custo da ação a i. 3.2 B 4 A C D E F 5.1 G H I 4 J 2.2 Exemplo 2. Custo de caminho O custo do caminho [vai(a,h) vai(a,h),vai(h,j) vai(h,j) vai(h,j)] é = 9.2 Numa árvore de busca, o custo de uma folha é o custo do caminho da raiz até ela. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 6
7 Busca pelo menor custo Na busca pelo menor custo em cada instante, expande-se uma das folhas que tenha custo mínimo 0:a vai(a,b) vai(a,d) vai(a,e) vai(a,h) 4.0:b 5.8:d 3.2:e 7.0:h vai(b,c) vai(d,c) vai(d,j) vai(e,g) vai(h,j) 7.2:c 8.6:c 11.6:j 5.4:g 9.2:j vai(c,f) vai(g,j) 11.2:f Solução: [vai(a,e),vai(e,g),vai(g,j)] 8.4:j Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 7
8 Busca pelo menor custo A busca pelo menor custo garante encontrar uma solução de custo mínimo (não necessariamente com menos passos) se as ações têm custo uniforme (todos iguais), esta busca funciona como a busca em largura Folhas de maior custo Folha de custo mínimo nós ainda não explorados Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 8
9 Busca pelo menor custo Exemplo 3. Implementação de busca pelo menor custo busca_menor_custo :- inicial(e), busca_menor_custo([0:e:[]],[],p:g), format('~nplano: ~w',[p]), format('~ncusto: ~w~n~n',[g]). busca_menor_custo([ ([G:E:C _],_,P:G) :- meta(e),!, reverse(c,p). busca_menor_custo([ ([G:E:C F],V,P) :- sucessoresg(g:e:c,v,s), insereordenado(s,f,nf), union([e],v,nv), busca_menor_custo(nf,nv,p). Ordenando as folhas pelo valor de g(s), garantimos escolher a folha de menor custo Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 9
10 Busca pelo menor custo Exemplo 3. Implementação de busca pelo menor custo (continuação) sucessoresg(g:e:c,v,s) :- findall(g1:n:[a C],(ação(A,E,N,G2), not(member member(n,v)), G1 is G+G2),S). insereordenado(s,f,nf) :- append(s,f,r), sort(r,nf),!. Exercício 1. Teste de busca pelo menor custo Considerando a especificação de ações do problema das rotas (versão 1), encontre uma solução de custo mínimo para os seguintes problemas: Ir de A até J Ir de J até H Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 10
11 Busca pelo menor custo Exercício 2. O problema de aritmética Resolva o problema especificado a seguir usando busca pelo menor custo: inicial(0). meta(10). ação(inc inc,s1,s2,1) :- S2 is S1+1. ação(dec dec,s1,s2,1) :- S2 is S ação(dup dup,s1,s2,2) :- S2 is S1*2. ação(div div,s1,s2,2) :- S2 is S1//2. ação(inv inv,s1,s2,2) :- S2 is -S1. Exercício 3. Outros problemas de aritmética Resolva os problemas de aritmética a seguir usando busca pelo menor custo: Transformar 10 em 0 Transformar 7 em 1 Transformar -7 em 1 Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 11
12 Busca pelo menor custo Exercício 4. O problema das fichas O problema das fichas consiste num tabuleiro com cinco posições e apenas quatro fichas. O objetivo é posicionar as duas fichas azuis à esquerda e as duas fichas vermelhas à direita. As ações possíveis são da forma mij, sendo i a posição atual da ficha e j a nova posição para a qual ela é movida (que deve estar livre). Se i e j são adjacentes, o custo da ação é 1; caso contrário, o custo da ação é igual ao dobro do número de posições saltadas pela ficha movida. ação(m21 m21,[,[b,a,b,c,d],[a,,a,b,c,d],[a,b,b,c,d],1).,b,c,d],1). ação(m31 m31,[,[b,a,b,c,d],[b,a,,a,b,c,d],[b,a,b,c,d],2).,c,d],2). ação(m41 m41,[,[b,a,b,c,d],[c,a,b,,a,b,c,d],[c,a,b,b,d],4).,d],4). ação(m51 m51,[,[b,a,b,c,d],[d,a,b,c,,a,b,c,d],[d,a,b,c,b],6). ],6). Especifique as ações para este problema e resolva-o usando busca pelo menor custo. inicial([v,b,a,v,a]) meta([a,a,b,v,v]) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 12
13 Função heurística Função heurística é uma função h que estima o custo mínimo de um caminho (desconhecido) que leva de um determinado estado corrente s a um estado meta s. inicial corrente meta s 0 s s o custo exato do caminho já percorrido é g(s) o custo mínimo estimado do caminho que falta percorrer é h(s) Seja h* uma função que calcula o custo mínimo exato de um caminho que leva de um estado corrente s a um estado meta s. Uma função heurística h é admissível se, para todo estado s, temos h(s) h*(s). Particularmente, se s é um estado meta, devemos ter h(s) = 0. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 13
14 Função heurística (distância de Manhattan) Exemplo 4. Função heurística admissível O problema do quebra-cabeça de oito peças consiste em encontrar uma seqüência de movimentos que transforme um estado inicial s num estado meta s. Uma heurística admissível bastante conhecida para este problema é a chamada distância de Manhattan. Esta heurística estima o custo mínimo do caminho a ser percorrido de um estado corrente s a um estado meta s, calculando a soma das distâncias entre as posições que as peças ocupam em s e em s. h(s 1 ) = d 1 (2) + d 1 (3) + d 1 (4) = = 3 h(s 2 ) = d 2 (2) + d 2 (3) + d 2 (4) + d 2 (5) = = 5 Esta heurística é admissível porque as peças não podem se mover na diagonal. Sucessor mais promissor? s s 1 s s Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 14
15 Função heurística (distância em linha reta) Exemplo 5. Problema das rotas (versão 2) inicial(a). meta(j). ação(vai(p,q) vai(p,q),p,q,d),p,q,d) :- via(p,q), dist(p,q,d). h(s,h) :- meta(m), dist(s,m,h). via(a,b). via(a,d). via(a,e). via(a,h). via(b,c). via(c,f). via(d,c). via(d,j). via(e,g). via(f,i). via(g,j). via(h,j). via(i,d). via(i,j). via(j,a). dist(p,q,d) :- pos(p,xp,yp), pos(q,xq,yq), D is sqrt((xp ((Xp-Xq)^2 Xq)^2 + (Yp-Yq)^2). Yq)^2). pos(a,1,2). pos(b,1,6). pos(c,2,9). pos(d,4,7). pos(e,4,3). pos(f,6,9). pos(g,6,4). pos(h,8,2). pos(i,9,8). pos(j,9,4). Exercício 5. Heurística Calcule a heurística para cada localização do mapa a abaixo. Mapa com coordenadas 9 C F B A D E G H I J Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 15
16 Busca heurística Um método de busca heurístico é um método que usa a estimativa fornecida por uma função heurística h para escolher a folha mais promissora (i.e., mais próxima a um estado meta) a ser expandida em cada instante da busca. De acordo com esta definição, embora o método de busca pelo menor custo seja um método de busca informada (pois utiliza informação sobre o custo das ações para escolher a folha mais promissora a ser expandida), ele não é um método heurístico (pois a informação que ele tem não serve para orientar a busca em direção à meta). A seguir, apresentamos dois métodos de busca heurística: busca pela melhor estimativa busca ótima (A*) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 16
17 Busca pela melhor estimativa Na busca pela melhor estimativa em cada instante, expande-se uma das folhas que tenha a melhor estimativa (heurística) 8.2:a vai(a,b) vai(a,d) vai(a,e) vai(a,h) 8.2:b 5.8:d 5.1:e 2.2:h vai(h,j) Solução: [vai(a,h),vai(h,j)] 0.0:j Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 17
18 Busca pela melhor estimativa A busca pelo menor custo minimiza o comprimento do caminho já percorrido, a partir do estado inicial, até um estado corrente. Conseqüência: encontra uma solução de custo mínimo. inicial corrente meta s 0 s s busca pelo menor custo busca pela melhor estimativa A busca pela melhor estimativa minimiza o comprimento estimado do caminho que ainda falta percorrer, do estado corrente, até um estado meta. Conseqüência: encontra uma solução rapidamente. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 18
19 Busca pela melhor estimativa Exemplo 6. Implementação de busca pela melhor estimativa busca_melhor_estimativa :- inicial(e), busca_melhor_estimativa([_:0:e:[]],[],p:g), format('~nplano: ~w',[p]), format('~ncusto: ~w~n~n',[g]). busca_melhor_estimativa([ ([_:G:E:C _],_,P:G) :- meta(e),!, reverse(c,p). busca_melhor_estimativa([ ([_:G:E:C F],V,P) :- sucessoresh(g:e:c,v,s), insereordenado(s,f,nf), union([e],v,nv), busca_melhor_estimativa(nf,nv,p). Ordenando as folhas pelo valor de h(s), garantimos escolher a folha de melhor estimativa Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 19
20 Busca pela melhor estimativa Exemplo 6. Implementação de busca pela melhor estimativa (continuação) sucessoresh(g:e:c,v,s) :- findall(h:g1:n:[a C],(ação(A,E,N,G2), not(member member(n,v)), h(n,h), G1 is G+G2),S). insereordenado(s,f,nf) :- append(s,f,r), sort(r,nf),!. Exercício 6. Teste de busca pela melhor estimativa Usando busca pela melhor estimativa, encontre uma solução para a segunda versão do problema das rotas. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 20
21 Busca pela melhor estimativa Exercício 7. Heurística para o problema das fichas O número de peças fora do lugar desejado pode ser usado como heurística no problema das fichas. h(s,h) :- meta(m), dif(s,m,h),!. dif([],[],0) :-!. dif([b A],[_ B],D) :-!, dif(a,b,d). dif([x A],[X B],D) :-!, dif(a,b,d). dif([_ A],[_ B],D) :-!, dif(a,b,r), D is R+1. Use esta heurística para resolver o problema, com o algoritmo de busca pela melhor estimativa. inicial([v,b,a,v,a]) meta([a,a,b,v,v]) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 21
22 Busca ótima (ou A*) Na busca ótima (ou A*) em cada instante, expande-se uma das folhas que tenha a menor soma de custo e heurística. 8.2:0.0:a vai(a,b) vai(a,d) vai(a,e) vai(a,h) 8.2:4.0:b 5.8:5.8:d 5.1:3.2:e 2.2:7.0:h vai(e,g) 3.0:5.4:g vai(g,j) Solução: [vai(a,e),vai(e,g),vai(g,j)] 0.0:8.4:j Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 22
23 Busca ótima (ou A*) A busca pelo menor custo encontra uma solução de custo mínimo. A busca pela melhor estimativa encontra uma solução rapidamente. inicial corrente meta s 0 s s menor custo minimiza g(s) melhor estimativa minimiza h(s) busca ótima minimiza g(s)+h(s) A busca ótima (ou A*) encontra uma solução de custo mínimo rapidamente. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 23
24 Busca ótima (ou A*) Exemplo 7. Implementação de busca ótima busca_ótima :- inicial(e), busca_ótima([_:_:0:e:[]],[],p:g), format('~nplano: ~w',[p]), format('~ncusto: ~w~n~n',[g]). busca_ótima([ ([_:_:G:E:C _],_,P:G) :- meta(e),!, reverse(c,p). busca_ótima([ ([_:_:G:E:C F],V,P) :- sucessoresf(g:e:c,v,s), insereordenado(s,f,nf), union([e],v,nv), busca_ótima(nf,nv,p). Ordenando as folhas pelo valor de f(s), garantimos escolher a folha de menor g(s)+h(s) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 24
25 Busca ótima (ou A*) Exemplo 7. Implementação de busca ótima (continuação) sucessoresf(g:e:c,v,s) :- findall(f:h:g1:n:[a C],(ação(A,E,N,G2), not(member member(n,v)), h(n,h), G1 is G+G2, F is H+G1), S). insereordenado(s,f,nf) :- append(s,f,r), sort(r,nf),!. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 25
26 Busca ótima (ou A*) Exercício 8. Teste de busca ótima Considerando a segunda versão do problema das rotas, use busca ótima para resolver os seguintes problemas: Encontrar uma rota de A até J. Encontrar uma rota de J até A B C D E F G I J 2 A 1 H Exercício 9. Teste de busca ótima Considerando a especificação de ações para o problema das fichas, use busca ótima para encontrar uma solução para o problema ilustrado na figura ao lado. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 26
27 Algoritmo de busca generalizado Exemplo 8. Algoritmo de busca generalizado busca(t) :- inicial(e), busca(t,[_:_:0:e:[]],[],p:g), tipo(t,n), format(' ('~ntipo ~ntipo.: ~w',[n]), format(' ('~nplano ~nplano: ~w',[p]), format(' ('~ncusto ~ncusto: ~w~n~n w~n~n',[g]). busca(_,[_:_:g:e:,[_:_:g:e:c _ C _],_,P:G) :- meta(e),!, reverse(c,p). busca(t,[_:_:g:e:,[_:_:g:e:c F C F], ],V,P),P) :- sucessores(t,g:e:c,v,s), insere(t,s,f,nf), union([e],v,nv), busca(t,nf,nv,p). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 27
28 Algoritmo de busca generalizado Exemplo 8. Algoritmo de busca generalizado (continuação) sucessores(t,g1:e:c,v,r) :- findall(f:h:g:s:[a C], (ação(a,e,s,g2), not(member member(s,v)), h(s,h), G is G1+G2, (T=4 -> F is G ;T=5 -> F is H ;T=6 -> F is G+H ; F is 0)),R). 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),!. insere(_,s,f,nf) :- append(s,f,r), sort(r,nf),!. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 28
29 Algoritmo de busca generalizado Exemplo 8. Algoritmo de busca generalizado (continuação) 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). tipo(4,menor_custo). tipo(5,melhor_estimativa). tipo(6,ótima). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 29
30 Algoritmo de busca generalizado Exercício 10. Teste do algoritmo de busca generalizado Para cada um dos problemas a seguir: problema das rotas (versão 2) problema das fichas faça as consultas abaixo e analise os resultados obtidos:?- busca(1).?- busca(2).?- busca(3).?- busca(4).?- busca(5).?- busca(6). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 30
31 Representações sucintas hipótese do mundo fechado representação sucinta de estados representação sucinta de ações busca generalizada
32 Hipótese do mundo fechado A hipótese do mundo fechado assume que aquilo que não é explicitamente declarado como verdadeiro é falso permite que os estados do mundo sejam representados de forma mais concisa os fatos verdadeiros são declarados por meio de fluentes Fluente Significado C A B clear(x) on(x,y) ontable(x) bloco X está livre bloco X está sobre o bloco Y bloco X está sobre a mesa Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 32
33 Representação sucinta de estados Estados são representados por conjuntos de fluentes Fluente Significado C A B A B C clear(x) on(x,y) ontable(x) bloco X está livre bloco X está sobre o bloco Y bloco X está sobre a mesa Exemplo 9. Estado inicial e meta do problema de Sussman (Mundo dos Blocos) inicial([ ([clear(b) clear(b),clear(c) clear(c),on(c,a) on(c,a),ontable(a) ontable(a),ontable(b) ontable(b)]). meta(s) :- subset([on(a,b) on(a,b),on(b,c) on(b,c)],s). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 33
34 Representação sucinta de ações Exemplo 10. Ações para o mundo dos blocos ação(stack(x,y) stack(x,y),e,s,1),e,s,1) :- member(ontable(x), ontable(x),e), member(clear(x) clear(x),e), member(clear(y) clear(y),e), X\=Y =Y, union(e,[on(x,y) on(x,y)],s1), subtract(s1,[ontable(x) ontable(x),clear(y) clear(y)],s). ação(unstack(x,y) unstack(x,y),e,s,1),e,s,1) :- member(clear(x) clear(x),e), member(on(x,y) on(x,y),e),,e), union(e,[ontable(x) ontable(x),clear(y) clear(y)],s1), subtract(s1,[on(x,y) on(x,y)],s). ação(move(x,y) move(x,y),e,s,1),e,s,1) :- member(clear(x) clear(x),e), member(clear(y) clear(y),e), X\=Y =Y, member(on(x,z) on(x,z),e),,e), Y\=Z =Z, union(e,[on(x,y) on(x,y),clear(z) clear(z)],s1), subtract(s1,[on(x,z) on(x,z),clear(y) clear(y)],s). precondições efeito positivo efeitos negativos Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 34
35 Busca com representações sucintas Exemplo 11. Algoritmo de busca com representações sucintas busca(t) :- inicial(e), busca(t,[_:_:0:e:[]],[],p:g), tipo(t,n), format(' ('~ntipo ~ntipo.: ~w',[n]), format(' ('~nplano ~nplano: ~w',[p]), format(' ('~ncusto ~ncusto: ~w~n~n w~n~n',[g]). busca(_,[_:_:g:e:,[_:_:g:e:c _ C _],_,P:G) :- meta(e),!, reverse(c,p). busca(t,[_:_:g:e:,[_:_:g:e:c F C F], ],V,P),P) :- sucessores(t,g:e:c,v,s), insere(t,s,f,nf), adiciona(e,v,nv), busca(t,nf,nv,p). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 35
36 Busca com representações sucintas Exemplo 11. Algoritmo de busca com representações sucintas (continuação) sucessores(t,g1:e:c,v,r) :- findall(f:h:g:s:[ (F:H:G:S:[A C A C], (ação(a,e,s,g2), not(pertence pertence(s,v)), h(s,h), G is G1+G2, (T=4 -> F is G ;T=5 -> F is H ;T=6 -> F is G+H ; F is 0)),R). 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),!. insere(_,s,f,nf) :- append(s,f,r), sort(r,nf),!. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 36
37 Busca com representações sucintas Exemplo 11. Algoritmo de busca com representações sucintas (continuação) 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),!. pertence(x,s) :- member(y,s), subset(x,y),!. adiciona(x,a,a) :- pertence(x,a),!. adiciona(x,a,[ (X,A,[X A X A]). tipo(1,aleatória). tipo(2,largura). tipo(3,profundidade). tipo(4, (4,menor_custo menor_custo). tipo(5, (5,melhor_estimativa melhor_estimativa). tipo(6,ótima). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 37
38 Busca com representações sucintas Exercício 11. Problema de Sussman Use o algoritmo de busca com representações sucintas para encontrar uma solução para o problema de Sussman especificado no Exemplo 8. Defina h(_,0). Exercício 12. Outros problemas no mundo dos blocos Especifique e encontre soluções para os problemas a seguir: D C B A A C B D A C B D A C B D Usando time/1 time/1, compare os tempos de busca em largura e profundidade. Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 38
39 Busca com representações sucintas Exercício 13. Mundo do aspirador simplificado Especifique as ações para o mundo do aspirador simplificado, usando o fluente em(x) para denotar que o aspirador está na sala X e o fluente limpa(x) para denotar que a sala X está limpa. Em seguida, teste sua especificação para encontrar uma solução para o problema em que: Estado inicial = aspirador está na sala 1 e as duas salas estão sujas Estado meta = as duas salas estão limpas e não importa onde esteja o aspirador Heurística nula: h(_,0). Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 39
40 Busca com representações sucintas Exercício 14. Quebra-cabeça de oito peças (inicial e meta) inicial([p( ([p(2,0,0), p(5,0,1), p(6,0,2), p(1,1,0), p(-,1,1), p(3,1,2), p(8,2,0), p(4,2,1), p(7,2,2)]). meta(s) :- subset([p( ([p(1,0,0), p(2,0,1), p(3,0,2), p(8,1,0), p(-,1,1), p(4,1,2), p(7,2,0), p(6,2,1), p(5,2,2)],s) Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 40
41 Busca com representações sucintas Exercício 14. Quebra-cabeça de oito peças (ações) ação(a,e,s,1) :- member(p( (p(-,x1,y1),e), novapos(a,x1,y1,x2,y2), subtract(e,[p( (E,[p(-,X1,Y1),p(N,X2,Y2)],S1),,X1,Y1),p(N,X2,Y2)],S1), union([p( ([p(-,x2,y2),p(n,x1,y1)],s1,s). novapos(up up,x1,y,x2,y) :- X1>0, X2 is X novapos(lt lt,x,y1,x,y2) :- Y1>0, Y2 is Y novapos(rt rt,x,y1,x,y2) :- Y1<2, Y2 is Y1+1. novapos(dn dn,x1,y,x2,y) :- X1<2, X2 is X1+1. h([],0) :-!. h([p( ([p(-,_,_) R],H) :- h(r,h),!. h([p(n,x,y) R],H) :- meta(m), member(p(n,x1,y1),m), h(r,h1), H is H1+abs abs(x1 (X1-X)+ X)+abs abs(y1 (Y1-Y), Y),! Use busca com representações sucintas para resolver este problema! Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 41
42 Busca com representações sucintas Exercício 15. Quebra-cabeça de oito peças: outro problema Especifique e resolva o problema a seguir usando busca heurística Prof. Dr. Silvio do Lago Pereira DTI / FATEC-SP 42
43 Fim
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 idéia básica da da busca no no espaço de de
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 básica da busca no espaço de estados é considerar
Leia maisBusca no espaço de estados (parte I)
Busca no espaço de estados (parte I) 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
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 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 maisTécnicas Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas Inteligência Artificial Aula 03 Métodos de Busca Parte 1 Prof. Max Pereira Solução de Problemas como Busca Um problema pode ser considerado
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 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 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 maisTécnicas Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas Inteligência Artificial Aula 03 Métodos de Busca Prof. Max Pereira Solução de Problemas como Busca Um problema pode ser considerado
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 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 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 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. 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 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 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
Resolução de Problemas 1 Agente de Resolução de Problemas (1/2) 2 O agente reativo Escolhe suas ações com base apenas nas percepções atuais não pode pensar no futuro, não sabe aonde vai 4 5 8 1 6 7 2 3?
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 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 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 maisEstratégias informadas de Busca. February 19, 2018
Estratégias informadas de Busca February 19, 2018 Busca de Soluções: Métodos Informados ˆ Utilizam conhecimento específico do problema para encontrar a solução ˆ algoritmo geral de busca somente permite
Leia maisBusca Heurística - Informada
Busca Heurística - Informada Estratégias de Busca Exaustiva (Cega) encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo; são ineficientes na maioria
Leia maisCap. 4 Busca com Informações e Exploração. do livro de Russel e Norvig
Cap. 4 Busca com Informações e Exploração do livro de Russel e Norvig Busca Heurística(Best-First Search) Largura, profundidade e aprof. iterativo: desinformadas sobre proximidade da solução Heurística:
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 Pós-Graduação
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 maisMétodos de Busca. Inteligência Artificial. Busca Heurística. Busca Heurística. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
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 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 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 maisTópicos Especiais: Inteligência Artificial BUSCA COM INFORMAÇÃO E EXPLORAÇÃO
Tópicos Especiais: Inteligência Artificial BUSCA COM INFORMAÇÃO E EXPLORAÇÃO Material baseado e adaptado do Cap. 4 do Livro Inteligência Artificial de Russell & Norvig Bibliografia Inteligência Artificial
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 maisSistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes
Sistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber
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 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 maisPROCURA E PLANEAMENTO
PROCURA E PLANEAMENTO Primeiro Exame 10 de Janeiro de 2012 9:00-11:30 Este exame é composto por 16 páginas contendo 6 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
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 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 maisResolução de Problemas: Busca Heurística
Resolução de Problemas: Busca Heurística Aula 3 - Inteligência Artificial Busca Heurística Duas variações: Busca usando heurística (não numérica). Busca usando funções de avaliação e funções de custo.
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 maisEstratégias de Busca Cega
Estratégias de Busca Cega Encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo. São ineficientes na maioria dos casos: utilizam apenas o custo de
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 maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas 1 Agente solucionador de problemas (guiado por objetivo) O agente reativo Escolhe suas ações com base apenas nas percepções
Leia maisEstratégias de Busca Cega
Estratégias de Busca Cega Encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo. São ineficientes na maioria dos casos: utilizam apenas o custo de
Leia maisMétodos de Busca. Estratégias de Busca Cega
Métodos de Busca Métodos de Busca Estratégias de Busca Cega encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo; são ineficientes na maioria dos
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 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 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 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 #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 maisBusca Cega (Exaustiva) e Heurística. Busca Aula 2
Busca Cega (Exaustiva) e Heurística Busca Aula 2 Ao final desta aula a gente deve saber: Conhecer as várias estratégias de realizar Busca não-informada (Busca Cega) Determinar que estratégia se aplica
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 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 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 maisBusca com informação e exploração. Inteligência Artificial. Busca pela melhor escolha. Romênia com custos em km. Busca com informação (ou heurística)
Inteligência Artificial Aula 5 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.1 Busca com informação (ou heurística) Utiliza
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 maisMAC425/5739 Inteligência Artificial 3. Busca informada
MAC425/5739 Inteligência Artificial 3. Busca informada Denis Deratani Mauá (largamente baseado no material de aula dos Profs. Edileri de Lima e Leliane de Barros) MÉTODOS DE BUSCA Busca cega ou sistemática:
Leia maisBusca com informação e exploração. Inteligência Artificial. Busca pela melhor escolha. Romênia com custos em km 9/13/2010
Inteligência Artificial Aula 3 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia-pos Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.1 2 Busca com informação (ou heurística) Utiliza
Leia maisPrimeiro Trabalho de IA/SI: Buscas. Entrega: 03/03/2019 (2 semanas)
Primeiro Trabalho de IA/SI: Buscas Entrega: 03/03/2019 (2 semanas) 18 de Fevereiro de 2019 Este trabalho é para ser submetido via Moodle. Será desenvolvido principalmente durante as aulas práticas, mas
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 maisResolução de Problemas de Busca
Resolução de Problemas de Busca 1 Ao final desta aula a gente deve Compreender o que é um problema de busca em IA Ser capaz de formulá-lo Conhecer algumas aplicações Entender como buscar a solução do problema
Leia maisMétodos de Busca Informada (best first search) Capítulo 4 Parte I
Métodos de Busca Informada (best first search) Capítulo 4 Parte I Leliane Nunes de Barros leliane@ime.usp.br Busca não informada: geração sistemática de estados Busca em profundidade: boa quando não se
Leia maisBuscas Informadas ou Heurísticas - Parte I
Buscas Informadas ou Heurísticas - Parte I Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 BUSCAS INFORMADAS OU HEURÍSTICAS Consideram a probabilidade
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 maisInteligência Artificial Apontamentos para as aulas Luís Miguel Botelho
Inteligência Artificial Apontamentos para as aulas Luís Miguel Botelho Departamento de Ciências e Tecnologias da Informação Instituto Superior de Ciências do Trabalho e da Empresa Agosto de 2015 1 Algoritmos
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 maisResolução de Problemas através de Busca. Prof. Júlio Cesar Nievola PPGIA - PUC-PR
Resolução de Problemas através de Busca Prof. Júlio Cesar Nievola PPGIA - PUC-PR Solução de Problemas Sistemas inteligentes devem agir de maneira a fazer com que o ambiente passe por uma seqüência de estados
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 maisFísica Professor Dutra / Movimento Retilíneo Uniforme Exercícios (Resolução) Exercício 1. Resolução. S 0 = 15 m Posição Inicial. V = 2 m/s Velocidade
Física Professor Dutra / Movimento Retilíneo Uniforme Exercícios () Física Movimento Retilíneo Uniforme Resoluções dos Exercícios Professor Dutra Exercícios () 1)Um móvel parte da posição 15 m com velocidade
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 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 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 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 maisResolução de problemas por meio de busca. Prof. Pedro Luiz Santos Serra
Resolução de problemas por meio de busca Prof. Pedro Luiz Santos Serra Agentes de resolução de problemas Agente: É um elemento qualquer capaz de perceber seu ambiente por meio de sensores e de agir sobre
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 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 maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Métodos Revogáveis de Busca Busca em profundidade Backtracking Busca em largura Busca em profundidade iterativa
Leia maisLista de exercícios 1
Lista de exercícios 1 Paulo Gurgel Pinheiro MC906A - Inteligência Articial Universidade Estadual de Campinas - UNICAMP pinheiro@ic.unicamp.br 3 de setembro de 2010 1. Considere o problema do quebra-cabeças
Leia maisInteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística
Inteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material
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
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Busca Informada 2 Recapitulando Definição de um problema: Conjunto de estados Conjunto de ações Função de transição Função de custo
Leia maisMétodos de Busca: Busca sem Informação. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Métodos de Busca: Busca sem Informação Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 3) Métodos de Busca Resolução de Problemas a. Espaço de estados:
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 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 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 maisBusca Heurística. Profa. Josiane M. P. Ferreira
Busca Heurística Profa. Josiane M. P. Ferreira Texto base: Stuart Russel e Peter Norving - Inteligência Artificial David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A logical approach
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 maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
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 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 maisEstudo e implementação de heurísticas para determinação do caminho de menor custo para atender a rotas pré estabelecidas. Por: Charles Pereira
Estudo e implementação de heurísticas para determinação do caminho de menor custo para atender a rotas pré estabelecidas Por: Charles Pereira Objetivos Principal: - Criar, implementar e avaliar heurísticas
Leia maisLista de exercícios 1 - Gabarito
Lista de exercícios 1 - Gabarito Prof. Paulo Gurgel Pinheiro MC906A - Inteligência Articial Universidade Estadual de Campinas - UNICAMP pinheiro@ic.unicamp.br 6 de setembro de 2010 1. (a) Possíveis estados:
Leia maisProgramação de Computadores III
Programação de Computadores III Aula 4 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/prog3/ Aula 4-14/09/2006 1 Atribuições Depois que as variáveis são declaradas,
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 01 Resolução de problemas por meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisGrafos: Busca. Algoritmos e Estruturas de Dados 2. Graça Nunes
Grafos: Busca Algoritmos e Estruturas de Dados Graça Nunes Percorrendo um grafo Percorrendo um Grafo Percorrer um grafo é uma tarefa fundamental Pense no caso de se procurar uma certa informação associada
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 mais