Intelligenza Artificiale. Lezione 6bis. Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 0
|
|
- Virginio Salvatori
- 8 anni fa
- Visualizzazioni
Transcript
1 Intelligenza Artificiale Lezione 6bis Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 0
2 Sommario CSP RN 3.8, 4.3, 4.5 Giochi RN 5 Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 1
3 Problemi di soddisfacimento di vincoli: CSP Problema di ricerca standard: stato è una black box ogni struttura dati che supporta test obiettivo, valutazione, successori CSP (Constraint Satisfaction Problem): stato è definito da variabili V i con valori in domini D i test obiettivo è un insieme di vincoli che specificano combinazioni di valori per sottoinsiemi delle variabili Permette utili algoritmi general-purpose più potenti degli algoritmi di ricerca standard Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 2
4 Vincoli Dominio discreto e continuo Vincolo sul dominio Unario Vincolo Binario: correla due variabili Vincoli assoluti o di preferenza Grafo dei vincoli: i nodi sono variabili, gli archi mostrano i vincoli Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 3
5 Esempio: colorazione di mappe Colorare una mappa in modo che paesi adiacenti non siano dello stesso colore Variabili paesi C i Domini {Rosso, Blu, V erde} Vincoli P 1 P 2, P 1 P 5, etc. C 3 C C 1 2 C 5 C 6 C 4 Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 4
6 Colorazione mappa Grafo dei vincoli: C1 C2 C 5 C 3 C 6 C 4 Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 5
7 Ricerca della soluzione nei CSP CSP sono problemi di ricerca speciali : gli stati sono dati da valori di un insieme fissato di variabili test obiettivo definito da vincoli su valori di variabili I metodi di ricerca nello spazio degli stati non sono adatti. Backtracking = ricerca in profondità 1) ordine delle variabili fissato 2) solo successori legali La verifica in avanti impedisce assegnazioni che risulterebbero in futuri fallimenti Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 6
8 Euristiche L ordinamento delle variabili e le euristiche di scelta dei valori possono essere molto efficaci: variabile più vincolata variabile più vincolante valore meno vincolante C A GREEN B RED E F D Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 7
9 Algoritmi iterativi per CSP Hill-climbing, simulated annealing tipicamente lavorano con stati completi, i.e., tutte le variabili assegnate Per applicarli a CSP: permettere stati con vincoli violati operatori per riassegnare valori a variabili che creano conflitti Euristica del min-conflicts : scegliere il valore che viola il minimo numero di vincoli i.e., hillclimb con h(n) = numero totale di vincoli violati Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 8
10 Giochi astratti, scacchi dama, go, backgammon, bridge concentrano l attenzione sulla strategia: ambiente accessibile, statico e (in molti casi) informazione perfetta reali calcio, esplorazione, ricerca: ambiente solo parzialemente accessibile, dinamico, l informazione è incompleta Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 9
11 Giochi vs. problemi di ricerca Avversario non prevedibile soluzione è un piano con contingenza Limiti di tempo improbabile trovare obiettivo, bisogna approssimare Piano d attacco: algoritmi per giochi perfetti (Von Neumann, 1944) orizzonte finito, valutazione approssimata (Zuse, 1945; Shannon,1950; Samuel, ) potatura per ridurre i costi (McCarthy, 1956) Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 10
12 Tipi di giochi informazione perfetta informazione imperfetta deterministici dama, scacchi, go, otello fortuna backgammon monopoli bridge, poker, scarabeo Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 11
13 Caratterizzazione del problema Lo stato iniziale, che include la posizione sulla scacchiera e un indicazione di chi deve muovere. Un insieme di operatori, che definiscono le mosse lecite che può fare un giocatore. Un test di terminazione, che determina quando il gioco è finito. Gli stati in cui il gioco si conclude sono detti stati terminali. Una funzione di utilità (detta anche una funzione di guadagno), che attribuisce un valore numerico al risultato di una partita. Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 12
14 MA () MIN (O) MA () O O O... MIN (O) O O O TERMINAL Utility O O O O O O O O O O Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 13
15 Ricerca della soluzione con Minimax Minimax: Per giochi deterministici a informazione perfetta Idea: scegli una mossa verso una posizione con il più alto valore minimax = il migliore guadagno ottenibile a fronte del miglior gioco dell avversario 1. si genera l albero del gioco 2. si applica la funzione di utilità a ciascuno stato terminale 3. si usa l utilità al livello N + 1 per determinare l utilità al livello n, scgliendo il min per le mosse dell avversario ed il max per le proprie mosse. Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 14
16 MA 3 A 1 A 2 A 3 MIN A 11 A 12 A 13 A 21 A A A 31 A 32 A Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 15
17 Risorse limitate Supponiamo di avere 100 secondi, di esplorare 10 4 nodi/secondo 10 6 nodi per mossa Occorre ridurre lo spazio di ricerca: test di taglio (cutoff) e.g., limite di profondità funzione di valutazione = desiderabilità stimata della posizione Potatura α-β Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 16
18 Giochi deterministici in pratica Dama: Chinook ha concluso i 40 anni di regno del campione umano Marion Tinsley in Usa un database di chiusure di gioco che specificano le mosse con 8 pezzi sulla scacchiera, o meno, un totale di posizioni. Scacchi: Deep Blue ha vinto il campione mondiale Gary Kasparov in un match di sei partite nel Deep Blue cerca 200 milioni di posizioni al secondo, usa una funzione di valutazione molto sofisticata, e metodi (non pubblicati) per estendere alcune linee di ricerca fino a 40 turni. Otello: i campioni umani si rifiutano di competere con i calcolatori, che sono troppo bravi Go: i campioni umani si rifiutano di competere con i calcolatori, che sono troppo stupidi. Nel Go, b > 300. Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 17
Intelligenza Artificiale. Lezione 6bis. Sommario. Problemi di soddisfacimento di vincoli: CSP. Vincoli CSP RN 3.8, 4.3, 4.5.
Sommario Intelligenza Artificiale CSP RN 3.8, 4.3, 4.5 Giochi RN 5 Lezione 6bis Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 0 Intelligenza Artificiale Daniele Nardi, 2004 Lezione 6bis 1 Problemi
DettagliIntelligenza Artificiale. Lezione 15. Intelligenza Artificiale Daniele Nardi, 2003 Lezione 15 0
Intelligenza Artificiale Lezione 15 Intelligenza Artificiale Daniele Nardi, 2003 Lezione 15 0 Sommario CSP RN 3.8, 4.3, 4.5 Giochi RN 5.1, 5.2, 5.3, 5.4 Algoritmi genetici RN 20.8 Intelligenza Artificiale
DettagliIntelligenza Artificiale Ing. Tiziano Papini
Intelligenza Artificiale Ing. Tiziano Papini Email: papinit@dii.unisi.it Web: http://www.dii.unisi.it/~papinit Constraint Satisfaction Introduzione Intelligenza Artificiale - CSP Tiziano Papini - 2011
DettagliIntelligenza Artificiale. Lezione 14. Intelligenza Artificiale Daniele Nardi, 2003 Lezione 14 0
Intelligenza Artificiale Lezione 14 Intelligenza Artificiale Daniele Nardi, 2003 Lezione 14 0 Sommario Russell & Norvig Capitolo 4, Paragrafi 3 4 IDA* SMA* Ricerca Hill-climbing Simulated annealing Intelligenza
DettagliProblemi di soddisfacimento di vincoli. Formulazione di problemi CSP. Colorazione di una mappa. Altri problemi
Problemi di soddisfacimento di vincoli Maria Simi a.a. 2014/2015 Problemi di soddisfacimento di vincoli (CSP) Sono problemi con una struttura particolare, per cui conviene pensare ad algoritmi specializzati
DettagliIntelligenza Artificiale
Intelligenza Artificiale Esercizi e Domande di Esame Tecniche di Ricerca e Pianificazione Esercizi Griglia Si consideri un ambiente costituito da una griglia n n in cui si muove un agente che può spostarsi
DettagliIntelligenza Artificiale. Metodi di ricerca
Intelligenza Artificiale Metodi di ricerca Marco Piastra Metodi di ricerca - 1 Ricerca nello spazio degli stati (disegno di J.C. Latombe) I nodi rappresentano uno stato Gli archi (orientati) una transizione
DettagliIntelligenza Artificiale Ing. Tiziano Papini
Intelligenza Artificiale Ing. Tiziano Papini Email: papinit@dii.unisi.it Web: http://www.dii.unisi.it/~papinit Game Playing Intelligenza Artificiale - Game Playing Tiziano Papini - 2011 2 Cosa vedremo
DettagliFONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 13 Febbraio 2015 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (punti 6) Si esprimano in logica dei predicati del I ordine le seguenti frasi:
DettagliIntelligenza Artificiale. Risoluzione dei Problemi
Intelligenza Artificiale Risoluzione dei Problemi Ricerca con avversari I Giochi I giochi sono stati uno dei primi campi in cui è stata applicata l IA. La presenza di un avversario rende più complicato
DettagliRicerca Automatica. Esercitazione 3. Ascensore. Ascensore. Ascensore
Ascensore Ricerca Automatica Esercitazione In un grattacielo ci sono coppie formate da marito e moglie. Il cancello delle scale viene chiuso e l unico modo per scendere è con l ascensore che può portare
DettagliTeoria dei Giochi. Teoria dei Giochi
Teoria dei Giochi E uno strumento decisionale, utile per operare previsioni sul risultato quando un decisore deve operare in concorrenza con altri decisori. L ipotesi principale su cui si basa la TdG è
DettagliRicerca con avversari
Ricerca con avversari Roberto Tagliaferri Dipartimento di Informatica Università di Salerno ( Sa ) 84084 Fisciano rtagliaferri@unisa.it Indice I giochi Decisioni ottime nei giochi L algoritmo minimax Potatura
DettagliInformatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati
Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè
DettagliEVOLUZIONE DEI LINGUAGGI DI ALTO LIVELLO
EVOLUZIONE DEI LINGUAGGI DI ALTO LIVELLO Linguaggi di programmazione classificati in base alle loro caratteristiche fondamentali. Linguaggio macchina, binario e fortemente legato all architettura. Linguaggi
DettagliTeoria dei giochi. 2. Forma estesa (struttura ad albero e matrice dei pagamenti) Slides di Teoria dei Giochi, Vincenzo Cutello 1
Teoria dei giochi 2. Forma estesa (struttura ad albero e matrice dei pagamenti) Vincenzo Cutello 1 Struttura ad albero: Gioco dei fiammiferi 2 2 1 2 0 2 0 2 1 1 1 0 0 1 0 0 A B Struttura ad albero (mossa
DettagliAmbienti più realistici. Ricerca online. Azioni non deterministiche L aspirapolvere imprevedibile. Soluzioni più complesse. Alberi di ricerca AND-OR
Ambienti più realistici Ricerca online Maria Simi a.a. 2011/2012 Gli agenti risolutori di problemi classici assumono: Ambienti completamente osservabili e deterministici il piano generato può essere generato
DettagliGESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10. Angelo Bonomi
GESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10 Angelo Bonomi CONSIDERAZIONI SUL MONITORAGGIO Un monitoraggio ottimale dipende dalle considerazioni seguenti:
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
DettagliIndice generale. Presentazione dell edizione italiana XIII Presentazione della terza edizione XV Prefazione XVII Ringraziamenti XXI
Pagine di apertura VII XXII 26-05-2003 14:45 Pagina VII Presentazione dell edizione italiana XIII Presentazione della terza edizione XV Prefazione XVII Ringraziamenti XXI Capitolo 1 L economia di mercato
DettagliLa matematica del gioco. Il gioco della matematica
. Il gioco della matematica Viterbo 2 Maggio 2015 May 16, 2015 Sommario Giochi matematici Il gioco dell intelligenza Il gioco della matematica La matematica è un gioco Giochi matematici Teoria matematica
DettagliFONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 12 Luglio 2012 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 12 Luglio 2012 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (7 punti) Si formalizzi in logica dei predicati del primo ordine la seguente
DettagliDa 2 a 4 Giocatori Autore Martin Wallace
Traduzione La Strada Da 2 a 4 Giocatori Autore Martin Wallace Scopo del Gioco Ogni giocatore, impersona un Ricco Mercante ed è alla ricerca di Nuovi Mercati nelle crescenti cittadine che vi permetteranno
DettagliEsercizi di Ricerca Operativa I
Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione
DettagliPage 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo
Evoluzione In ogni popolazione si verificano delle mutazioni. Intelligenza Artificiale In un ambiente che varia, le mutazioni possono generare individui che meglio si adattano alle nuove condizioni. Questi
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliTeoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 2
Teoria dei Giochi Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 2 1 Concetti risolutivi per i giochi in forma normale I
DettagliIL MARKETING E QUELLA FUNZIONE D IMPRESA CHE:
IL MARKETING E QUELLA FUNZIONE D IMPRESA CHE:! definisce i bisogni e i desideri insoddisfatti! ne definisce l ampiezza! determina quali mercati obiettivo l impresa può meglio servire! definisce i prodotti
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliSistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
DettagliRicerca informata. Scelta dell euristica
Ricerca informata Scelta dell euristica SMA* (Simplified Memory-Bounded A*) SMA* espande sempre la foglia migliore finché la memoria è piena A questo punto deve cancellare un nodo in memoria SMA* cancella
DettagliTSP con eliminazione di sottocicli
TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 7-8 9 7 9-8 79
DettagliIntelligenza Artificiale. Lezione 10
Un sentito ringraziamento ed un ricordo per Raymond Reiter Intelligenza Artificiale Lezione 10 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 10 0 Sommario Il calcolo delle situazioni Reiter
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliLA MIGRAZIONE. Alcuni cenni storici. La migrazione in Europa. Cinque fasi storiche: Periodo Da A 1945-1960 Germania dell Est 20 Germania Ovest
LA MIGRAZIONE Ragioni puramente economiche, persecuzioni politico-sociali e religiose, guerre e conflitti etnici una semplice preferenza per il paese estero, causano il movimento del fattore lavoro da
Dettaglida 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti
da 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti OBIETTIVO Il vincitore è colui che, dopo due round di gioco, delle sue 11 ordinazioni, ne ha consegnate il maggior numero. CONTENUTO DELLA SCATOLA
DettagliRicerca euristica. Funzioni di valutazione euristica. Esempi di euristica. Strategia best-first: esempio. Algoritmo di ricerca Best-First 03/03/15
Ricerca euristica Ricerca euristica Maria Simi a.a. 2014/2015 La ricerca esaustiva non è praticabile in problemi di complessità esponenziale Noi usiamo conoscenza del problema ed esperienza per riconoscere
DettagliLogiche e strumenti per la valutazione degli investimenti
Finanza Aziendale Analisi e valutazioni per le decisioni aziendali Logiche e strumenti per la valutazione degli investimenti Capitolo 13 Indice degli argomenti 1. Definizioni e modalità di classificazione
Dettaglimin 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5
IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:
DettagliI metodi colore in Photoshop e il significato dei canali
I metodi colore in Photoshop e il significato dei canali IL COLORE Iniziamo a pensare alla luce come definita da due caratteristiche indipendenti: 1. LUMINOSITÀ 2. COLORE Luminosità quanto è forte questa
DettagliLA SEGMENTAZIONE DEL MERCATO
LA SEGMENTAZIONE DEL MERCATO Perché segmentare? I mercati sono numerosi, dispersi geograficamente ed eterogenei nelle loro esigenze d'acquisto. Un'impresa che decide di operare in un certo mercato non
DettagliStrumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno 2010. Meccanismi Randomizzati
Strumenti della Teoria dei Giochi per l Informatica AA 2009/10 Lecture 22: 1 Giugno 2010 Meccanismi Randomizzati Docente Vincenzo Auletta Note redatte da: Davide Armidoro Abstract In questa lezione descriveremo
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliPlanning as Model Checking Presentazione della Tesina di Intelligenza Artificiale
Planning as Model Checking Presentazione della Tesina di Intelligenza Artificiale di Francesco Maria Milizia francescomilizia@libero.it Model Checking vuol dire cercare di stabilire se una formula è vera
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
Dettagli2) Codici univocamente decifrabili e codici a prefisso.
Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il
DettagliEsercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2
Esercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2 [1] Metodo di Bisezione gli estremi a e b di un intervallo reale trovi uno zero della funzione f(x) nell intervallo [a, b] usando il metodo
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliIntelligenza Artificiale. Lezione 23. Intelligenza Artificiale Daniele Nardi, 2003 Lezione 23 0
Intelligenza Artificiale Lezione 23 Intelligenza Artificiale Daniele Nardi, 2003 Lezione 23 0 Azioni e cambiamento Il calcolo delle situazioni Pianificazione Deduttiva (Capitolo 11 delle dispense, 7.6
DettagliEsame di Ricerca Operativa del 19/01/2016
Esame di Ricerca Operativa del 19/01/201 (Cognome) (Nome) (Matricola) Esercizio 1. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse
DettagliPosizionamento ottimale di sensori per il monitoraggio degli inquinanti nelle reti idriche
Posizionamento ottimale di sensori per il monitoraggio degli inquinanti nelle reti idriche Fulvio BOANO Politecnico di Torino Dipartimento di Ingegneria dell Ambiente, del Territorio e delle Infrastrutture
DettagliGiochi su grafi Marco Faella
Giochi su grafi Marco Faella Universita' di Salerno University of California, Santa Cruz Universita' di Napoli Federico II Giochi su grafi: reachability 2 1 4 5 3 player 1 (P-1) player 2 (P-2) Può il player
DettagliConcetti di soluzione in giochi dinamici a informazione perfetta in strategie pure (LEZIONE 4)
Economia Industriale (teoria dei giochi) Concetti di soluzione in giochi dinamici a informazione perfetta in strategie pure (LEZIONE 4) Valerio Sterzi Università di Bergamo Facoltà di ingegneria 1 Cosa
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
Dettaglib i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
DettagliLe scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliEsame di Ricerca Operativa del 19/01/2016
Esame di Ricerca Operativa del 9/0/06 (Cognome) (Nome) (Matricola) Esercizio. Una banca offre ai suoi clienti diversi tipi di prestito: mutuo casa, credito auto, credito famiglia, che rendono un interesse
DettagliIntelligenza Artificiale Ing. Tiziano Papini
Intelligenza Artificiale Ing. Tiziano Papini Email: papinit@dii.unisi.it Web: http://www.dii.unisi.it/~papinit Constraint Satisfaction metodi costruttivi Intelligenza Artificiale - CSP Tiziano Papini -
DettagliCorrezione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia
Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello
Dettaglimese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000
1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliIntroduzione ai database relazionali
Introduzione ai database relazionali Tabelle Un database (DB) è costituito da un insieme di file che memorizzano dati opportunamente organizzati Nei database relazionale tale organizzazione è costituita
DettagliGLI APPARATI PER L INTERCONNESSIONE DI RETI LOCALI 1. Il Repeater 2. L Hub 2. Il Bridge 4. Lo Switch 4. Router 6
GLI APPARATI PER L INTERCONNESSIONE DI RETI LOCALI 1 Il Repeater 2 L Hub 2 Il Bridge 4 Lo Switch 4 Router 6 Gli apparati per l interconnessione di reti locali Distinguiamo i seguenti tipi di apparati:
Dettagli3 Ricerca per Giochi e CSP
Esercizio 3.1 Dire quale tecnica usereste per risolvere i seguenti giochi: 1. Backgammon 2. Scarabeo 3. Scacchi 4. Go 5. Monpoli 6. Poker Motivate le risposte con adeguate ragioni basate sulle caratteristiche
DettagliTeoria dei Giochi non Cooperativi
Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliLa pubblicità. La pubblicità. La pubblicità. La pubblicità
La La rappresenta il canale principale attraverso il quale i consumatori ottengono informazioni sui prodotti. Nel 2006, le spese pubblicitarie in USA sono state pari al 2,2% 2% del PIL. In Italia, nel
DettagliProblemi complessi : come trovare una soluzione soddisfacente?
Informatica nel futuro, sfide e prospettive - evento scientifico per i 40 anni di ated Manno, 7 ottobre 2011 Problemi complessi : come trovare una soluzione soddisfacente? Marino Widmer Università di Friburgo
DettagliFONDAMENTI DI INTELLIGENZA ARTIFICIALE M 15 Luglio 2010 Tempo a disposizione 2h 45min Risultato 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE M Luglio 2010 Tempo a disposizione 2h 45min Risultato 32/32 punti Esercizio 1 (punti 4) Si formalizzino il logica dei predicati del I ordine le seguenti frasi: Ogni
DettagliLe funzioni di due variabili
Le funzioni di due variabili 1)DEFINIZIONE Se consideriamo una coppia di numeri reali X,Y e ad essi facciamo corrispondere un altro numero reale Z, allora abbiamo determinato una funzione reale di due
DettagliNero cattura togliendo l'ultima libertà. I bordi non contano come libertà.
Le regole del go 1)I due giocatori, bianco e nero, giocano una mossa ciascuno, per convenzione inizia nero. Si gioca sulle intersezioni. Le pietre possono essere messe in qualunque posizione ove non siano
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.
DettagliANALISI DI SETTORE. Robert M. Grant
ANALISI DI SETTORE Robert M. Grant Prof. T. Pencarelli Spagnoletti Massimo indice 1. Analisi ambientale e settoriale 2. Analisi dell attrattività del settore 3. Previsione della redditività settoriale
DettagliParte I. Prima Parte
Parte I Prima Parte Capitolo 1 Introduzione generale 1.1 Il problema dell assegnazione Corsi-Borsisti Il problema dell assegnazione delle borse dei corsi ai vari studenti può essere riassunto nei punti
DettagliAlgoritmo proposto. Maria Silvia Pini, Francesca Rossi, K. Brent Venable. Dipartimento di Matematica Pura e Applicata Università di Padova
Algoritmo proposto Maria Silvia Pini, Francesca Rossi, K. Brent Venable Dipartimento di Matematica Pura e Applicata Università di Padova Algoritmo proposto L agoritmo che proponiamo Parte da una soluzione
DettagliRegolamento. Preparazione
Obiettivo del Gioco Come porcellino, il tuo più grande desiderio è quello di costruire una casa forte e bella in cui trascorrere le lunghe sere d inverno. Per farlo, non ti serviranno gli strumenti da
DettagliIl test del Chi-quadrato
Il test del Chi-quadrato Prof.ssa Montomoli- Univ. di Pavia Prof.ssa Zanolin Univ. di Verona Il rischio di contrarre epatite C è associato all avere un tatuaggio? Cosa vuol dire ASSOCIAZIONE tra due variabili?
DettagliLE BASI DI DATI. Seconda parte La progettazione di database Relazionali SCHEMA CONCETTUALE LE ASSOCIAZIONI
LE BASI DI DATI Seconda parte La progettazione di database Relazionali SCHEMA CONCETTUALE LE ASSOCIAZIONI L'associazione (in inglese Relationship) descrive eventuali legami concettuali tra una, due o più
DettagliCorso di Visione Artificiale. Immagini digitali. Samuel Rota Bulò
Corso di Visione Artificiale Immagini digitali Samuel Rota Bulò Immagini digitali Un immagine viene generata dalla combinazione di una sorgente di energia e la riflessione o assorbimento di energia da
DettagliCPM - PERT CPM - PERT. Rappresentazione di un progetto. Gestione di un progetto. Critical Path Method Project Evaluation and Review Technique
CPM - PERT CPM - PERT CPM e PERT sono metodologie per la gestione di progetti composti da più attività in cui esistano relazioni di precedenza. Critical Path Method Project Evaluation and Review Technique
DettagliApplicazione di tecniche di Infinitesimal Perturbation Analysis alle reti di Petri ibride.
Applicazione di tecniche di Infinitesimal Perturbation Analysis alle reti di Petri ibride. Relatori: A. Giua, C. Seatzu Reti di Petri ibride Analisi perturbativa infinitesimale Il simulatore HYPENS I sistemi
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 9 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html TEOREMI DI ESISTENZA TEOREMI DI ESISTENZA Teorema
DettagliSUDOKU MATCH (beta) Gianpaolo Francesco Trotta
SUDOKU MATCH (beta) Gianpaolo Francesco Trotta Sommario INTRODUZIONE... 3 OBIETTIVI... 3 LINGUAGGI E AMBIENTI DI SVILUPPO USATI... 4 TECNOLOGIA USATA... 5 CREAZIONE GRIGLIE SUDOKU: PSEUDO CODICE... 6 Creazione
DettagliImplementazione del gioco del Bantumi Corso di Intelligenza Artificiale 2012
Implementazione del gioco del Bantumi Corso di Intelligenza Artificiale 2012 Nicola Febbrari Università degli Studi di Verona Facoltà MM.FF.NN. nicola.febbrari@studenti.univr.it 22 gennaio 2013 1 Introduzione
DettagliApprocci esatti per il job shop
Approcci esatti per il job shop Riferimenti lezione: Carlier, J. (1982) The one-machine sequencing problem, European Journal of Operational Research, Vol. 11, No. 1, pp. 42-47 Carlier, J. & Pinson, E.
DettagliCONCETTO DI ANNIDAMENTO
LEZIONE14 SQL ANNIDAMENTI PAG. 1 / 5 PROF. ANDREA ZOCCHEDDU LEZIONE14 SQL ANNIDAMENTI CONCETTO DI ANNIDAMENTO LINGUAGGIO SQL QUERY ANNIDATE Per annidamento si intende la possibilità che, all interno di
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI
ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI PROBLEMA: un azienda deve scegliere fra due possibili investimenti al fine di massimizzare il profitto netto nel rispetto delle condizioni interne e di mercato
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
Dettagli