INTELIGÊNCIA ARTIFICIAL

Documentos relacionados
INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL

Inteligência Artificial

Inteligência Artificial

PROCURA E PLANEAMENTO

Inteligência Artificial

Inteligência Artificial Alameda e Taguspark

Inteligência Artificial Taguspark

Inteligência Artificial

INTELIGÊNCIA ARTIFICIAL

Inteligência Artificial Alameda e Taguspark

PROCURA E PLANEAMENTO

PROCURA E PLANEAMENTO

INTELIGÊNCIA ARTIFICIAL

Inteligência Artificial

Inteligência Artificial

Inteligência Artificial

PROCURA E PLANEAMENTO

Inteligência Artificial

PROCURA E PLANEAMENTO

Inteligência Artificial

Inteligência Artificial

Inteligência Artificial

Exercícios de Procura e Planeamento 2013/2014

INTELIGÊNCIA ARTIFICIAL 2008/09

Ex. 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

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.

INTELIGÊNCIA ARTIFICIAL E SISTEMAS DE DECISÃO Ano Lectivo 2005/2006 Semestre de Inverno. 1º Exame, 13/Janeiro/2006

INTELIGÊNCIA ARTIFICIAL 2008/09

Inteligência Artificial

Inteligência Artificial Taguspark

PROCURA E PLANEAMENTO

Inteligência Artificial

CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02

LERCI/LEIC TAGUSPARK INTELIGÊNCIA ARTIFICIAL 2005/06 PROCURA

Inteligência Artificial Alameda e Taguspark

Fundamentos de Inteligência Artificial [5COP099]

Fundamentos de Programação

Fundamentos de Programação

Fundamentos de Programação

Sistemas Baseados em Conhecimento

Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall.

Exercícios da cadeira de Inteligência Artificial. Helena Sofia Pinto João Cachopo Daniel Gonçalves Carlos Lopes António Inês Lynce Pedro Matos

Inteligência Artificial. 3º Quadrimestre de 2018

Procura e Planeamento

Inteligência Artificial Projecto 1

Fundamentos de Programação

Inteligência Artificial Alameda e Taguspark

Inteligência Artificial Taguspark

Inteligência Artificial

Departamento de Ciência de Computadores - FCUP Primeiro Teste de Inteligência Artificial / Sistemas Inteligentes (Duração: 2 horas)

Inteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula VI Busca Competitiva

Optimização/Matemática II (Eco)

Baseado nos slides de Tom Lenarts (IRIDIA) e Lin Zuoquan(PeckingUniversity) Capítulo 11

Jogos. Geralmente o oponente tentará, na medida do possível, fazer o movimento menos benéfico para o adversário.

Algoritmos de retrocesso

Algoritmos de retrocesso

Inteligência Artificial 2008/09 E z D

Busca Competitiva. Inteligência Artificial. Até aqui... Jogos vs. busca. Decisões ótimas em jogos 9/22/2010

Alternativamente pode ser pensado como uma forma de maximizar o minimo ganho possível.

Fundamentos da Programação

Sumário. Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real

Introdução à Inteligência Artificial. Procura em contextos competitivos jogos (cont.)

Inteligência Artificial

Aprendizagem a partir de observações

AULA TEÓRICA RESOLUÇÃO DE PROBLEMAS 4ª

Lógica para Programação

Exercícios da cadeira de Inteligência Artificial. Helena Sofia Pinto João Cachopo Daniel Gonçalves Carlos Lopes António Inês Lynce Pedro Matos

Fundamentos de Programação

Inteligência Artificial - IA. Resolução de problemas por meio de busca

Aprendizagem de Máquina

Introdução à Inteligência Artificial MAC MAC 415. Exercício Programa 1 Busca

Fundamentos da Programação

Jogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra

INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO DO PORTO CURSO DE MARKETING

Jogos com Oponentes. March 7, 2018

Inteligência Artificial Projecto 2

Implementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers. Jhonny Moreira

CEFET/RJ Inteligência Artificial (2017.2) Professor: Eduardo Bezerra Lista de exercícios 03

Planeamento em Robótica

PCS Inteligência Artificial

2284-ELE/5, 3316-IE/3. Universidade da Beira Interior, Departamento de Informática

Instituto Superior Técnico 2009/2010. Segundo Exame 13/7/2010

Abstração de dados. Pedro Kröger. 5 de outubro de Um índice bibliográco poderia ser armazenado dessa maneira:

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.

FUNDAMENTOS DA PROGRAMAÇÃO 1º Teste, 19 de abril de 2013, 1h30m

Enunciados dos Exercícios Cap. 2 Russell & Norvig

Aprendizagem de Máquina

3. Resolução de problemas por meio de busca

Aprendizagem indutiva

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas

Prova escrita de conhecimentos específicos de MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS

Árvore de Jogos Minimax e Poda Alfa-Beta

Estruturação de Procedimentos

Introdução à Inteligência Artificial 2007/08

Exame de 1ª Época Introdução à Programação IGE e ETI 2003/02/25-1º semestre de 2002/2003 ISCTE

1) Considere a gramática constituída pelas seguintes regras e em que F é o símbolo inicial.

Busca competitiva. Inteligência Artificial. Profª. Solange O. Rezende

Transcrição:

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. Na mesa em que está a fazer o exame deve ter apenas lápis/caneta, identificação e este exame. Pode utilizar o verso das folhas como rascunho. Deve responder às perguntas no espaço deixado para o efeito. Numa pergunta de escolha múltipla deve escolher a alternativa mais correcta, desenhando um círculo à volta da letra que identifica a alternativa escolhida. Numa pergunta assinalada como de escolha múltipla EM, se houver n alternativas e a cotação for c, respostas erradas contribuem negativamente para a classificação final com c/(n-1), i.e. numa pergunta com seis alternativas e cotação de 0,5 a uma resposta errada é descontado 0,1 valores. Cotações Grupos I II III IV V VI VII VIII 1. (0,5) (EM) Um agente Grupo I (2,5 valores) a) sabe sempre o que fazer em qualquer situação. b) sabe sempre o resultado das suas acções. c) tem sempre capacidade de aprender. d) define sempre uma medida de performance para o seu comportamento. e) Todas as respostas de a) a d) estão correctas. f) Todas as respostas de a) a d) estão incorrectas. 2. Considere um agente que controla uma linha de embalagem que embala pacotes de arroz em grupos de 10Kg. Esta linha tem duas máquinas, uma máquina A e uma máquina B, tendo a máquina A o dobro da capacidade da máquina B. De forma a maximizar a produção o agente deve encaminhar 1/3 dos pacotes para a máquina B acção B e encaminhar 2/3 dos pacotes para a máquina A acção A. Para além disso o agente possui sensores que lhe dizem se as máquinas estão operacionais: A-ok? e B- ok?. O agente não deve encaminhar pacotes para uma máquina que não esteja operacional. Se nenhuma das máquinas estiver operacional o agente deve devolver a acção no-op. a. (0,3) Indique que tipo de agente se trata. Justifique.

b. (0,2) Defina o tipo percepção para este agente. c. (1,5) Escreva código em ANSI Common Lisp para a criação deste agente.

Grupo II (2 valores) 1. (1,0) Escreva uma função em ANSI Common Lisp que recebe como argumento uma lista de listas e a converte num array bidimensional de MxN. Por exemplo, > (converte ((:B :* :P) (:P :* :B))) #2A((:B :* :P) (:P :* :B)) 2. (1,0) Considere a seguinte interacção com o interpretador de Common Lisp: > (defun f1 (i) (let ((j 0)) #'(lambda (k) (setf j (+ j (- k i)))))) f1 > (setf c1 (f1 1)) #<Interpreted Closure (:INTERNAL F1) @ #x2122978a> > (setf c2 (f1 2)) #<Interpreted Closure (:INTERNAL F1) @ #x21087f62> > (funcall c1 2) <valor devolvido 1> > (funcall c2 2) <valor devolvido 2> > (funcall c1 10) <valor devolvido 3> > (funcall c2 10) <valor devolvido 4> a. (0,25) Qual o valor devolvido 1? b. (0,25) Qual o valor devolvido 2? c. (0,25) Qual o valor devolvido 3? d. (0,25) Qual o valor devolvido 4?

Grupo III (3,5 valores) 1. Considere o seguinte espaço de estados, em que os valores dos ramos correspondem ao custo da transição e os dos nós se referem à função heurística. Os nós correspondendo a estados objectivo estão assinalados com dois círculos concêntricos. Diga para cada estratégia de procura qual a ordem pela qual os nós são expandidos e é identificado o estado objectivo. Considere que em caso de empate os nós são expandidos da esquerda para a direita. A 5 2 1 1 6 B D 4 C 1 5 3 4 2 0 3 E 0 F 12 G 4 H 0 I 1 J 5 a. (1,0) Procura em Profundidade Incremental: b. (1,0) Procura Gananciosa: c. (1,0) RBFS: 2. (0,5) (EM) O factor de ramificação efectiva: a) É uma forma de avaliar uma heurística. b) É o quociente entre o número de nós expandidos e o número total de nós. c) É a profundidade da árvore de procura. d) É uma medida da complexidade espacial de um algoritmo de procura. e) Permite saber se um algoritmo de procura tem capacidade para resolver um problema. f) Nenhuma das resposta acima é verdadeira.

Grupo IV (2,5 valores) 1. (0,5) (EM) O algoritmo MINIMAX tem como objectivo principal: a) Resolver problemas de procura. b) A utilização de cortes ALFA e BETA. c) Realizar jogos de dois agentes. d) Escolher a próxima jogada do jogador MAX admitindo que os jogadores jogam de forma óptima. e) Encontrar o caminho que leva ao tabuleiro final de maior utilidade para o jogador MAX. g) Nenhuma das respostas acima é verdadeira. 2. Considere a seguinte árvore de procura de um jogo: 6 5 0 3 5 4 5 9 4 a. (2,0) Suponha que o triângulo com o vértice virado para cima quer maximizar e o triângulo com o vértice virado para baixo quer minimizar. Aplique o algoritmo minimax com cortes alfa-beta da direita para a esquerda, escurecendo os nós terminais visitados, e indicando os cortes e tipos de cortes. Indique a jogada escolhida.

Grupo V (5,0 valores) 1. Considerando os predicados em baixo responda às perguntas, escolhendo a frase mais adequada para cada uma das fórmulas em Lógica de Primeira Ordem. elfo(x): x é elfo anão(x): x é anão odeia(x, y): x odeia y feiticeiro(x): x é feiticeiro hobbit(x): x é um hobbit tem_pés_peludos(x): x tem os pés peludos 1.1. (0,5) (EM) x y anão(x) elfo(y) odeia(x, y) a) Os elfos e os anões odeiam-se. b) Todos os anões odeiam os elfos. c) Não há nenhum elfo que não odeie um anão. d) Todos os elfos odeiam os anões. e) Todos os anões odeiam pelo menos um elfo. f) Todos os elfos odeiam anões e todos os anões odeiam elfos. 1.2. (0,5) (EM) x anão(x) feiticeiro(x) a) Todos os anões são feiticeiros. b) Existe um anão que não é feiticeiro. c) Nem todos os anões são feiticeiros. d) Existem feiticeiros que são anões. e) Nenhum anão é feiticeiro. f) Todos os feiticeiros são anões. 1.3. (0,5) (EM) x y anão(x) elfo(y) odeia(x, y) a) Existe um elfo que não odeia um anão. b) Não existem elfos e anões que não se odeiem. c) Existe um anão que não odeia nenhum elfo. d) Existe um anão que não odeia um elfo. e) Todos os anões não odeiam um elfo. f) Não existem elfos e anões que se odeiem. 1.4. (0,5) (EM) x (hobbit(x) baixinho(x) tem_pés_peludos(x)) a) Nenhum hobbit é baixinho e tem os pés peludos. b) Se é beixinho e tem os pés peludos então é um hobbit. c) Todos os hobbits são baixinhos e têm os pés peludos. d) Nem todos os hobbits são baixinhos e têm os pés peludos. e) Existe um hobbit que é baixinho e tem os pés peludos. f) Todos os baixinhos com pés peludos são hobbits.

2. (1,0) Converta a fórmula abaixo numa fórmula na Forma Implicativa Normal x hobbit(x) baixinho(x) tem_pés_peludos(x) 3. (2,0) Considere a seguinte base de conhecimento 1. mulher(x) usa_faca(x) 2. estava_cozinha(x) usa_faca(x) matou(x, Dr.Neves) 3. homem(x) médico(x) usa_faca(x) 4. cozinheira(x) estava_cozinha(x) 5. cozinheira(x) mulher(x) 6. TRUE cozinheira(d.ana) 7. TRUE mulher(d.ana) 8. TRUE homem(dr.pacheco) 9. TRUE médico(dr.pacheco) 10. TRUE homem(prof.bradão) Usando resolução, prove por refutação que a D. Ana matou o Dr. Neves.

Grupo VI (1,0 valores) 1. (0,5) (EM) O Princípio da Navalha de Ockham ( Ockham s razor ) diz que, em Aprendizagem Indutiva, se deve, entre as várias hipóteses (funções) possíveis, a) preferir a hipótese mais simples. b) preferir a hipótese mais complexa. c) preferir a hipótese mais simples consistente com os dados. d) preferir a hipótese mais complexa consistente com os dados. e) preferir uma hipótese inconsistente mas que generaliza melhor. f) Todas as respostas de a) a d) estão incorrectas. 2. (0,5) (EM) Na indução de árvores de decisão a partir de exemplos, a) devem-se testar os atributos do menos importante para o mais importante, sendo o atributo mais importante o que provoca maior diferença na classificação de um exemplo. b) o teste de um atributo separa os exemplos do problema de aprendizagem em sub-conjuntos de exemplos, cada um dos quais é um novo problema de aprendizagem. c) um resultado de um teste de um atributo com ausência de exemplos corresponde a devolver um valor negativo para o predicado. d) um resultado de um teste de um atributo com exemplos positivos e negativos obriga a um voto de maioria. e) Todas as respostas de a) a d) estão correctas. f) Todas as respostas de a) a d) estão incorrectas. Grupo VII (1,0 valores) 1. (0,5) (EM) O Homem é o único animal capaz de a) comunicar eficazmente mensagens. b) comunicar eficazmente mensagens em número ilimitado. c) comunicar eficazmente mensagens qualitativamente diferentes. d) comunicar eficazmente mensagens quantitativamente diferentes. e) comunicar eficazmente mensagens em número ilimitado e qualitativamente diferentes. f) comunicar eficazmente mensagens em número ilimitado e quantitativamente diferentes. 2. (0,5) (EM) O lado direito de uma regra de uma Gramática de Cláusulas Definidas (DCG) pode conter os seguintes elementos e nada mais: a) símbolo não-terminal não aumentado, símbolo não-terminal aumentado, variável representando um símbolo terminal, constante terminal e teste lógico. b) símbolo não-terminal aumentado, variável representando um símbolo terminal, constante terminal e teste lógico. c) símbolo não-terminal não aumentado, variável representando um símbolo terminal, constante terminal e teste lógico. d) Símbolo não-terminal não aumentado, símbolo não-terminal aumentado, constante terminal e teste lógico. e) Símbolo não-terminal não aumentado, símbolo não-terminal aumentado, variável representando um símbolo terminal e teste lógico. f) símbolo não-terminal não aumentado, símbolo não-terminal aumentado, variável representando um símbolo terminal e constante terminal.

Grupo VIII (2,5 valores) 1. (0,5) (EM) As ideias-chave para o planeamento, para ultrapassar as limitações da resolução de problemas por procura, são: a) Usar inferência lógica em vez de um método de procura. b) Fazer a procura num espaço de planos em vez de num espaço de situações para poder fazer um planeamento de ordem-total. c) Abrir a representação de estados, objectivos e acções, adicionar acções ao plano onde quer que seja e decompor o problema em sub-problemas. d) Usar o princípio de compromisso mínimo para permitir que o planeador tenha que procurar apenas quando os planos não interagem. e) Todas as respostas de a) a d) estão correctas. f) Todas as respostas de a) a d) estão incorrectas. 2. (2,0) A figura abaixo define um problema do mundo dos blocos. C A C A B D B D Inicio Fim Usando o algoritmo POP e os operadores STRIPS definidos em baixo encontre o plano parcialmente ordenado que é solução do problema. OP : (ACTION : Move(b,x,y), PRECOND : On(b,x) Clear(b) Clear(y), EFFECT: On(b,y) Clear(x) On(b,x) Clear(y)) OP : (ACTION : MoveToTable(b,x), PRECOND : On(b,x) Clear(b), EFFECT: On(b,TABLE) Clear(x) On(b,x))