Sistemas Baseados em Conhecimento
|
|
- Glória Machado Caldas
- 7 Há anos
- Visualizações:
Transcrição
1 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 e 30 minutos Responda às perguntas nesta própria folha, nos espaços indicados. (I) (7 valores) 1. Considere uma das variantes do jogo do Nim para dois jogadores em que temos inicialmente uma pilha de 7 fósforos, e uma jogada consiste em dividir uma das pilhas em duas pilhas não vazias e diferentes. Por exemplo, o primeiro jogador, pode dividir a pilha única de 7 em duas pilhas de 1 e de 6, ou de 2 e de 5, ou de 3 e de 4, mas não pode dividi-la em duas de 3 fósforos. No caso da primeiro jogador ter dividido a pilha inicial em duas de 3 e de 4, o segundo jogador pode dividir a de 3 em duas: [1,2], ou a de 4 em duas: [1,3] e assim por diante. O jogador ganha quando o adversário não puder dividir nenhuma das pilhas, ou seja quando só existirem pilhas de 1 e de 2 fósforos. a) Construa a árvore de pesquisa {Dica: Se construir o grafo do espaço de estados e não a árvore poupa espaço.}. A ordem das pilhas não é importante, senão teríamos uma árvore muito mais extensa e redundante. b) Defina uma função de utilidade para os estados terminais. Derrota = -1 e vitória = +1. Não há empates. 1/1
2 c) Aplique o algoritmo minimax. Resolva esta alínea na fig. da alínea a. d) Será que existe uma estratégia vencedora para o primeiro jogador? O valor da raiz é -1, que corresponde a uma derrota, o que quer dizer que não há estratégia vencedora. 2. Considere a árvore de jogo na figura seguinte onde A-F representam alguns valores reais. Assuma que os nós são explorados da esquerda para a direita e que utilizamos o algoritmo alfa-beta a) Atribua um valor a A de tal modo que B seja cortado. Justifique. Se A tiver um valor maior ou igual a 5, não precisaremos de continuar a avaliar os nós irmãos, porque vai haver um corte. Quando o nó antecessor de A invoca o alfabeta sobre o seu primeiro sucessor (A) ele tem alfa=- e beta=5. Após a avaliação da folha A (por exemplo 5) alfa é actualizado e fica com o valor 5. Como alfa é maior ou igual a beta então corta! 2/2
3 b) Supondo que as folhas com o valor 5 e 0 poderiam ser alteradas, existiria alguma maneira de cortar o nó A? Não! Porque antes de avaliar A o nó antecessor tem alfa=- e não há maneira (independentemente do valor de beta, que é igual ao menor valor das duas folhas mais à esquerda) desse alfa ser maior do que qualquer beta, - é o menor valor possível. c) Existem valores para A e B de modo a que a subárvore que contém C e D seja podada? Justifique. Não! Por razões semelhantes às invocadas em cima. Quando o nó antecessor da subárvore que contém C e D começa a executar o algoritmo de alfa e beta, tem alfa=min(max(5,0),max(a,b)) e beta=+ e não há maneira do alfa (qualquer que seja o seu valor) de ser maior do que +, para qualquer A ou B. d) Sendo A=B=5, dê valores a C e a D de modo a que a subárvore que contem E e F seja podada. Justifique. Se A e B forem 5, então quando vamos avaliar o nó raiz da subárvore binária que contém C e D, teremos alfa=5 e beta=+. Se C e D forem inferiores ou iguais a 5, isso quer dizer que o antecessor de C e D vai terá alfa=5 e beta=5 e teremos um corte na subárvore de E e F, porque alfa maior ou igual a beta. É o que acontece quando C=D=5, por exemplo. e) Tendo a possibilidade de escolher os valores dos nós de A-F, qual o máximo número de folhas que é possível podar? Justifique. Só podemos podar 3 folhas. Já vimos que não podemos podar C e D. Não podemos podar nunca as duas primeiras folhas (a contar da esquerda) porque beta é sempre igual a +. Não podemos podar A porque alfa=-, quando o vamos avaliar e alfa não pode ser maior do que beta. Já vimos que podemos podar E e F e B. 3/3
4 (II) (7) Uma parte de um bosque de um parque florestal precisava de ser desbastada, para reflorestamento. Inicialmente existiam 49 abetos dispostos numa matriz de 7 por 7, como mostra a figura, quando os lenhadores acabaram o seu trabalho, tinham removido 29 árvores e conseguiram deixar 20, que ficaram dispostas em 18 linhas com 4 árvores cada! Como fizeram isto? O objectivo é procurar a solução do problema do reflorestamento (descrito em cima) utilizando o Paradigma de Espaço de Estados. a) Defina uma representação para os estados. Uma maneira de representar pode ser um tuplo com a lista de árvores desbastadas, uma lista de árvores por desbastar, o número dessa lista e o número de linhas de tamanho 4 que existem. Uma árvore desbastada é um ponto com as coordenadas da árvore (linha+coluna, ordem de cima para baixo e da esquerda para a direita). b) Como são os estados iniciais e finais? O estado inicial é um triplo com (0,[],[(1,1),(1,2), (7,7)],0). O estado final tem como primeiro elemento do tuplo, 29 e como último 18, no meio tem uma lista de 29 árvores desbastadas e outra com vinte por desbastar. 4/4
5 c) O que são os operadores? Um operador consiste em ir buscar uma árvore ainda não desbastada, à terceira lista e colocá-la na lista das árvores desbastadas. É preciso incrementar o primeiro elemento do tuplo e actualizar o número de linhas com 4 árvores. d) Que algoritmo de pesquisa acha mais adequado para o resolver? Porquê? A pesquisa em profundidade é uma boa opção no caso de querermos utilizar uma pesquisa cega. Não queremos optimizar, não há a hipótese de termos ciclos, os estados finais estão todos à mesma profundidade. (Pelas razões inversas, tanto a largura como o aprofundamento progressivo, seriam uma hipótese pouco razoável). Poderíamos optimizar a profundidade se tivéssemos operadores que atinjam becos sem saída quando já não é possível atingir uma solução. (explicado em baixo). Uma boa solução seria o trepa-colinas (desce-gradiente) em que escolheríamos o sucessor com menor valor heurístico. Isso depende da heurística mas seria um caso a explorar. (discutem-se as heurísticas em e) e) Pense numa heurística e discuta a sua admissibilidade. Podemos contar o número de linhas com 4 árvores que ficaram por desbastar e fazer a diferença entre o número 18 e esse valor. A heurística terá o valor 0 no objectivo. Não convém que a heurística seja menor do que zero, por isso se houver mais do que 18 linhas com 4 árvores e ainda árvores por debastar das 29, então daremos uma punição a esse estado, (obtendo por exemplo o seu simétrico). Convém que tenha um valor muito alto no caso de não podermos satisfazer o objectivo. Basta pensar que já não temos 18 linhas com mais de 4 árvores. Devemos dar um valor muito alto (o mais alto possível) a esses estados. A admissibilidade não faz sentido aqui porque a distancia para o objectivo é sempre conhecida. Nós sabemos logo que vamos cortar 29 árvores e sabemos quantas já cortámos. 5/5
6 (III) (6,5 valores) 1. Considere o espaço de estados apresentado na figura em baixo, em que S é o estado inicial e G 1 ou G 2 são os estados finais; os arcos apresentam os custos dos operadores de transição entre estados e em que associados aos estados temos os valores heurísticos respectivos. Para cada um dos algoritmos listados nas alíneas a seguir, indique qual o objectivo alcançado, o caminho solução e a sequência de estados visitados. a) Largura, com memoria de visitados. Evolução da Largura: ((0 S)) (S) não é solução e remove-se, adiciona-se dois novos caminhos sucessores de (S). A e C ainda não expandidos. ((2 A S) (3 C S)) (A S) não é solução e remove-se, adiciona-se dois novos caminhos sucessores de (A S). ((3 C S) (B A S) (E A S)) (A S) não é solução e remove-se, adiciona-se no fim dois novos caminhos sucessores de (A S). D e G 2 não tinham sido visitados. ((B A S) (E A S) (D C S) (G 2 C S)) (B A S) não é solução e remove-se, C e D já tinham sido visitados, mas não G 1. ((E A S) (D C S) (G 2 C S) (G 1 B A S)) (E A S) não é solução e remove-se, E não tem sucessores ainda não visitados. ((D C S) (G 2 C S) (G 1 B A S)) (D C S) não é solução e remove-se, D não tem sucessores ainda não visitados. ((G 2 C S) (G 1 B A S)) (G 2 C S) é solução! O Caminho solução (com menos operadores) é S C G 2 A sequência de visitados é S A C B E D G 2 G 1 O objectivo atingido foi G 2 6/6
7 b) Aprofundamento progressivo. Nível 1 ((S)) (S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa () Nível 2: ((S)) (S) não é solução, é retirado e temos dois sucessores: A e C ((A S) (C S)) (A S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa ((C S)) (C S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa () Nível 3 ((S)) (S) não é solução, é retirado e temos dois sucessores: A e C ((A S) (C S)) (A S) não é solução, retiramos e como A tem 2 sucessores colocamos à cabeça dois novos caminhos ((B A S) (E A S) (C S)) (B A S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa ((E A S) (C S)) (C A S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa ((C S)) (C S) não é solução, retiramos e como C tem 2 sucessores colocamos à cabeça dois novos caminhos ((D C S) (G 2 C S)) (D C S) não é solução, retiramos e não tem sucessores porque chegámos ao limite da pesquisa ((G 2 C S)) (G 2 C S) não é solução! Objectivo atingido G 2 Caminho Solução: S C G 2 Sequência de visitados: S S A C S A C B E D G 2 c) Custo Uniforme com programação dinâmica. ((S)) (S) não é solução e remove-se, adiciona-se no fim dois novos caminhos sucessores de (S). A e C não tinham sido visitados. S é adicionado à lista de expandidos ((A S) (C S)) (A S) não é solução e remove-se, adiciona-se no fim dois novos caminhos sucessores de (A S). B e E não tinham sido expandidos. A é adicionado à lista de expandidos. ((3 C S) (3 B A S) (10 E A S)) (3 B A S) não é solução (igual valor que (3 C S), mas ganha no critério de desempate) e remove-se, adicionase no fim dois novos caminhos sucessores de (A S). C e D e G 1 não tinham sido expandidos. B é adicionado à lista de expandidos. (3 C B S) não é adicionado porque não é mais curto do que outro caminho que acaba em C: (3 C S). ((10 E A S) (4 D B A S) (3 C S) (7 G 1 B A S)) (3 C S) não é solução e remove-se, D e G 2 não tinham sido expandidos, mas (4 D C S) não é mais curto do que o caminho já existente que acaba em D. C é expandido! ((10 E A S) (4 D B A S) (8 G 2 C S) (7 G 1 B A S)) (4 D B A S) não é solução e remove-se, D tem como sucessores os dois objectivos que não foram expandidos claro. (9 G 1 D B A S) não é melhor do que o caminho que temos para o primeiro objectivo mas (6 G 2 D B A S) é ((10 E A S) (6 G 2 D B A S) (7 G 1 B A S)) (6 G 2 D B A S) é solução! O Caminho solução óptimo é S A B D G 2 A sequência de visitados é S A C B E D G 1 G 2 G 2 O objectivo atingido foi G 2 7/7
8 2. Quantos nós serão visitados se, para o grafo seguinte, ao procurarmos um caminho entre I e F, aplicarmos o A* com programação dinâmica? E qual o caminho solução? Suponha em que todos os nós estão ligados através das distâncias em linha recta excepto os arcos em zigzag que ligam ao estado final F. Todos os arcos que não ligam a F estão desenhados à escala e todos os arcos que ligam a F têm o mesmo comprimento (100 vezes maiores do que o maior dos outros). A heurística é a distancia em linha recta até F. F I Todos os nós são visitados até chegarmos a F expandindo qualquer o nó com menor valor de custo+heurística, porque os nós em cada nível têm os mesmos sucessores sempre. Até atingirmos F todos os nós terão sido visitados pelo menos uma vez. Os 18 estados foram visitados pelo menos uma vez. O caminho solução será: F I Podemos escolher qualquer dos dois arcos zigzag entre o antecessor de F a laranja e F. O facto de a heurística ser admissível não garante a solução óptima mas neste caso acontece. Quando chegamos a F pelo caminho mais curto só colocamos 1 caminho por causa da Programação Dinâmica como estamos perante dois arcos de 100, a escolha é arbitrária. Apesar de já termos chegado a F, teremos ainda de expandir todos os nós que não tinham ainda sido expandidos, devido à diferença de distâncias dos caminhos zigzag face aos outros. Mas, quando expandirmos o nó antecessor de F que não está a laranja ele vai-nos dar piores caminhos para F que não serão adicionados. Ficaremos assim com um único caminho que acaba em F e que é óptimo. 8/8
a) 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 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 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 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 maisEstruturas de Dados Grafos
Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:
Leia 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 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 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 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 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 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 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 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 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 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 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 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 maisInteligência Artificial 2008/09 E z D
/Jan/009 9h-h Inteligência Artificial 008/09 DI/FCT/UNL, Duração: 3h Exame: Época Normal GRUP I I.) Considere o seguinte grafo de estados de um problema de procura. s valores apresentados nos arcos correspondem
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 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 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 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 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 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 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 maisSUMÁRIO. Fundamentos Árvores Binárias Árvores Binárias de Busca
ÁRVORES SUMÁRIO Fundamentos Árvores Binárias Árvores Binárias de Busca 2 ÁRVORES Utilizadas em muitas aplicações Modelam uma hierarquia entre elementos árvore genealógica Diagrama hierárquico de uma organização
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 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 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 mais8. Árvores. Fernando Silva DCC-FCUP. Estruturas de Dados. Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38
8. Árvores Fernando Silva DCC-FCUP Estruturas de Dados Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38 Árvores - estruturas não lineares (1) Uma lista é um exemplo de uma estrutura de dados
Leia mais8. Árvores. Fernando Silva. Estruturas de Dados DCC-FCUP. Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38
8. Árvores Fernando Silva DCC-FCUP Estruturas de Dados Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38 Árvores - estruturas não lineares (1) Uma lista é um exemplo de uma estrutura de dados
Leia maisEstruturas de Dados. Profº Carlos Alberto Teixeira Batista
Estruturas de Dados Profº Carlos Alberto Teixeira Batista E-mail: carlos.batista@facape.br carlos36_batista@yahoo.com.br Árvores São estruturas de dados adequadas para a representação de hierarquias. Uma
Leia maisSISTEMAS INTELIGENTES 1 PROF. TACLA/UTFPR/CPGEI-PPGCA
SISTEMAS INTELIGENTES 1 PROF. TACLA/UTFPR/CPGEI-PPGCA BUSCA CEGA EXERCÍCIOS 1. Por que a estratégia de busca em largura só garante encontrar a solução ótima quando o custo por ação é uniforme? 2. Compare
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 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 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 maisÁrvores. SCC-214 Projeto de Algoritmos. Thiago A. S. Pardo. Um nó após o outro, adjacentes Sem relações hierárquicas entre os nós, em geral
SCC-214 Projeto de Algoritmos Thiago A. S. Pardo Listas e árvores Listas lineares Um nó após o outro, adjacentes Sem relações hierárquicas entre os nós, em geral Diversas aplicações necessitam de estruturas
Leia maisESTRUTURA DE DADOS. Árvores, árvores binárias e percursos. Cristina Boeres
ESTRUTURA DE DADOS Árvores, árvores binárias e percursos Cristina Boeres 2 Árvores! utilizada em muitas aplicações! modela uma hierarquia entre elementos árvore genealógica diagrama hierárquico de uma
Leia maisPesquisa em Grafos. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Pesquisa em Grafos 2014/ / 33
Pesquisa em Grafos Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Pesquisa em Grafos 2014/2015 1 / 33 Pesquisa em Grafos Uma das tarefas mais importantes é saber percorrer um grafo, ou seja
Leia maisÁrvores: conceitos gerais e representações
1 1. Conceitos fundamentais Até agora estudamos estruturas de dados lineares, isto é, estruturas apropriadas ao armazenamento de dados que têm uma relação seqüencial: 1. Estruturas lineares contíguas em
Leia maisInteligência Artificial
Inteligência Artificial Primeiro Teste 28 de Outubro de 2013 18:00-19:30 Este teste é composto por 10 páginas contendo 6 grupos de perguntas. Para perguntas com resposta de escolha mu ltipla, respostas
Leia maisSCC Algoritmos e Estruturas de Dados II. 6ª lista de exercícios
DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÂO SCC0203 - Algoritmos e Estruturas de Dados II 6ª lista de exercícios Questão 1 Explique a seguinte sentença: Árvores-B são construídas de baixo para cima, enquanto
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 maisInteligência Artificial
Contextualizando Inteligência Artificial Buscas Onde podemos usar a IA Problemas que não possuem soluções algortimicas Problemas que possuem soluções algoritimicas, mas são impraticáveis (Complexidade,
Leia maisInteligência Artificial 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 maisÁrvores Conceitos gerais
http://www.mysticfractal.com/ FractalImaginator.html Árvores Conceitos gerais 9/11 Nesta aula veremos conceitos e definições sobre árvores Diferentemente das estruturas de pilhas, filas e listas que são
Leia maisPROCURA E PLANEAMENTO
PROCURA E PLANEAMENTO Primeiro Exame 31 de Janeiro de 2006 17:00-19:00 Este exame é composto por 12 páginas contendo 6 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisSumário. Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real
Jogos Capítulo 6 Sumário Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas
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 maisÁrvores-B (Parte IV) Leandro C. Cintra M.C.F. de Oliveira Fonte: Folk & Zoelick, File Structures
Árvores-B (Parte IV) Leandro C. Cintra M.C.F. de Oliveira 2004 Fonte: Folk & Zoelick, File Structures http://www.icmc.sc.usp.br/~sce183 Definição e Propriedades de árvores-b Ordem A ordem de uma árvore-b
Leia maisOrdem. Árvores-B (Parte IV) Número mínimo de chaves por página. Definição formal das Propriedades de árvores-b /30 1
Ordem Árvores-B (Parte IV) Leandro C. Cintra M.C.F. de Oliveira Fonte: Folk & Zoelick, File Structures A ordem de uma árvore-b é dada pelo número máximo de descendentes que uma página, ou nó, pode possuir
Leia maisGrafos. Fabio Gagliardi Cozman. PMR2300 Escola Politécnica da Universidade de São Paulo
PMR2300 Escola Politécnica da Universidade de São Paulo Um grafo é uma estrutura que generaliza árvores, sendo formado por nós e arestas. Cada nó em um grafo pode ser conectado a vários outros nós por
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 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 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 maisINF1010 Lista de Exercícios 2
INF00 Lista de Exercícios 2 Árvores. Construir algoritmo para dada uma árvore n-ária, transformá-la em uma árvore binária. 2. Qual a maior e menor quantidade de nós que podem existir em uma árvore binária
Leia 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 maisOptimização em Redes e Não Linear
Departamento de Matemática da Universidade de Aveiro Optimização em Redes e Não Linear Ano Lectivo 005/006, o semestre Folha - Optimização em Redes - Árvores de Suporte. Suponha que uma dada companhia
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 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 maisÁRVORES E ÁRVORE BINÁRIA DE BUSCA
ÁRVORES E ÁRVORE BINÁRIA DE BUSCA Prof. André Backes Definição 2 Diversas aplicações necessitam que se represente um conjunto de objetos e as suas relações hierárquicas Uma árvore é uma abstração matemática
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 maisÁrvores. SCC-202 Algoritmos e Estruturas de Dados I. Lucas Antiqueira
Árvores SCC-202 Algoritmos e Estruturas de Dados I Lucas Antiqueira Listas e árvores Listas lineares Um nó após o outro, adjacentes Nó sucessor e antecessor Diversas aplicações necessitam de estruturas
Leia 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 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 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 maisÁrvores. Algoritmos e Estruturas de Dados I. José Augusto Baranauskas Departamento de Física e Matemática FFCLRP-USP
Árvores lgoritmos e Estruturas de Dados I Nesta aula veremos conceitos e definições sobre árvores Diferentemente das estruturas de pilhas, filas e listas que são lineares, uma árvore é uma estrutura de
Leia maisConceitos gerais Terminologia Forma de Representação de Árvores Árvores Binárias
Conceitos gerais Terminologia Forma de Representação de Árvores Árvores Binárias Conceitos gerais Representação por Contiguidade Física Representação por Encadeamento Operações 2 Conceitos gerais Uma árvore
Leia maisEstrutura de Dados: Aula 3 - Linguagem C
Estrutura de Dados: Aula 3 - Linguagem C Uso de Memória Alocação de memória Estática Ocorre em tempo de compilação no momento em que se define uma variável ou estrutura é necessário que se definam seu
Leia maisTrabalho 1: Caminho mais curto entre duas cidades. Discentes: Ricardo Seromenho a23842 Rui Dias a24254
Universidade do Algarve Faculdade de Ciências e Tecnologia Departamento de Engª Electrónica e Informática Inteligência Artificial (2005/2006 2º Semestre) Trabalho 1: Caminho mais curto entre duas cidades
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 maisÁrvores. Thiago Martins, Fabio Gagliardi Cozman. PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo
PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó
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 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 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 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 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 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 maisESTRUTURA DE DADOS E ALGORITMOS. Árvores Binárias de Busca. Cristina Boeres
ESTRUTURA DE DADOS E ALGORITMOS Árvores Binárias de Busca Cristina Boeres Árvore Binária de Busca 30! construída de tal forma que, para cada nó: nós com chaves menores estão na sub-árvore esquerda nós
Leia maisRelatório de Inteligência Artificial
Relatório de Inteligência Artificial Hidato Grupo 4 Diogo Simões - 63558 Inês Almeida - 63556 Miguel Diogo - 63567 Introdução O objectivo deste projecto é resolver automaticamente um tabuleiro de Hidato
Leia maisBuscando um Invariante
Resolução de Problemas Lista 01 com dicas e discussão Faça mentalmente as seguintes multiplicações: 1. 27 37 2. 21 23 Invente e resolva um problema, usando como inspiração o problema anterior. Decida o
Leia maisExercícios: Árvores. Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C
Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C Exercícios: Árvores 1. Utilizando os conceitos de grafos, defina uma árvore.
Leia 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 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 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 mais2284-ELE/5, 3316-IE/3
INTELIGÊNCIA ARTIFICIAL 2284-ELE/5, 3316-IE/3 Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2007/2008 Resolução de Problemas No âmbito da IA, o conceito de problema pode
Leia maisÁrvores. Fabio Gagliardi Cozman. PMR2300 Escola Politécnica da Universidade de São Paulo
PMR2300 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó (exceto a
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 maisBusca 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 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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado
Leia maisUNIVERSIDADE DA BEIRA INTERIOR
UNIVERSIDADE DA BEIRA INTERIOR Algoritmos e Estruturas de Dados - Bioengenharia 2º Semestre Exame Época Normal Resolução 13/junho/2015 A. [3.5 val] Algoritmos de ordenação e de pesquisa Considere-se as
Leia maisTeoria dos Grafos. Árvores
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br Preparado a partir
Leia maisPCS Inteligência Artificial
PCS 2059 - Inteligência Artificial 1a. Lista de Exercícios Prof. Responsável: Jaime Simão Sichman A. Introdução à IA 1. Descreva resumidamente o que é o Teste de Turing. B. Representação por Espaço de
Leia maisEstrutura de Dados e Algoritmos e Programação e Computadores II. Aula 10: Introdução aos Grafos
Estrutura de Dados e Algoritmos e Programação e Computadores II Aula 10: Introdução aos Grafos História O assunto que se constitui no marco inicial da teoria de grafos é na realidade um problema algorítmico.
Leia maisInteligência Artificial - IA
Busca sem informação Estratégias para determinar a ordem de expansão dos nós: 1. Busca em extensão 2. Busca de custo uniforme 3. Busca em profundidade 4. Busca com aprofundamento iterativo Direção da expansão:
Leia maisPROGRAMAÇÃO DE COMPUTADORES I BCC Aula Prática 15
Exercício 1 PROGRAMAÇÃO DE COMPUTADORES I BCC701 2017-1 Aula Prática 15 No jogo Inventei, cada posição do tabuleiro é representada por suas coordenadas x e y e contém um número. O tabuleiro pode ser representado
Leia maisCIC 111 Análise e Projeto de Algoritmos II
CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 18 Tree queries Finding ancestors Subtrees and paths Lowest common ancestor Offline
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 maisAlgoritmo Aproximado. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximado Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas N P- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
Leia mais