Si consideri un gioco del filetto di dimensione 3 con i seguenti stati iniziali e finali:
|
|
- Alessio Danieli
- 5 anni fa
- Visualizzazioni
Transcript
1 Strategie di ricerca Esercizio Si consideri un gioco del filetto di dimensione con i seguenti stati iniziali e finali: Stato Iniziale Stato Finale Si assuma che si preferisca prima muovere il tassello bianco a destra, poi a sinistra, poi in alto e infine in basso e si mostri lo spazio di ricerca per il problema. Si mostri poi come viene esplorato tale spazio nei casi di depth-first e breadth-first. SOLUZIONE Lo spazio di ricerca è indipendente dal modo in cui viene esplorato. Quindi quando si chiede di mostrare lo spazio di ricerca è necessario espandere tutti i nodi, evidenziando casi di loop, ossia quando si incontra un nodo identico a uno precedentemente visitato sullo stesso ramo. Strategie di Ricerca
2 A loop goal loop L E H loop loop loop loop A D F G C loop loop H F loop goal D L E loop A C G Strategie di Ricerca
3 ESERCIZIO Si consideri un gioco del filetto di dimensione con i seguenti stati iniziali e finali: Stato Iniziale Stato Finale Si assuma che si preferisca prima muovere il tassello bianco a destra, poi a sinistra, poi in alto ed infine in basso e si mostri lo spazio di ricerca per il problema. Si mostri poi come viene esplorato tale spazio nei casi di depth-first e breadth-first. Si mostri poi come cambia lo spazio degli stati se non consentiamo che una mossa torni a uno stato precedente. Strategie di Ricerca
4 A {} () {} {} () {4} {5} C {6} {7} {8} C A Loop {9} Goal Loop D C Loop E Loop A F D E Loop G Loop H F G Loop L Loop H Loop L Goal Strategie di Ricerca 4
5 I numeri in parentesi tonda corrispondono a una esplorazione depth first, mentre in parentesi graffa a breadth first. La depth first va in loop mentre la breadth first arriva al goal in 9 espansioni di nodi. Se eliminassimo i loop otterremmo uno spazio di ricerca ridotto. In tal caso, eliminando i loop, il depth first arriva direttamente al goal e lo raggiunge alla terza espansione mentre il breadth first lo raggiunge alla quinta. Strategie di Ricerca 5
6 {}() {} {}() {4} {5}() Goal Strategie di Ricerca 6
7 ESERCIZIO Il problema dei tre missionari e dei tre cannibali consiste nel determinare come essi possano tutti e sei trasferirsi da un lato all altro di un fiume utilizzando una barca che può portare al massimo due persone evitando che i cannibali mangino i missionari. I cannibali mangiano i missionari ogni volta che li superano in numero. Si mostri lo spazio di ricerca del problema dei tre missionari e dei tre cannibali. Si supponga, per semplicità, che non si possa riproporre durante la ricerca uno spazio già presente nell albero ad un livello precedente (tali stati quindi non devono essere descritti nell albero di ricerca). SOLUZIONE Nel risolvere questo problema come ricerca nello spazio degli stati, è necessario porre attenzione alla descrizione di stato che deve essere completa, ossia deve descrivere tutta l informazione che caratterizza un nodo. Descrizione stato: Numero Missionari e Cannibali sulla riva Sx Numero Missionari e Cannibali sulla riva Dx Posizione barca Gli stati di fallimento (numero di cannibali maggiore a quello dei missionari su una sponda) non sono stati rappresentati. Potevamo rappresentarli ed etichettarli con fail. Strategie di Ricerca 7
8 Sx= M, C Dx= 0M, 0C arca a Sx Sx= M, C Dx= M, C arca a Dx Sx= M, C Dx= 0M,C arca a Sx Sx=M, 0C Dx= 0M,C arca a Dx Sx= M, C Dx= 0M, C arca a Sx Sx=M, C Dx= 0M,C arca a Dx Uguale a Sx= M, C Dx= 0M,C arca a Dx Sx= M, C Dx= OM, C arca a Sx Uguale a Sx= M, C Dx= 0M, C arca a Dx Unica possibile mossa successiva: ->loop Sx= M, C Dx= M, C arca a Dx Sx= M, C Dx= M,C arca a Sx Sx= 0M, C Dx= M, C arca a Dx Sx= 0M,C Dx=M, 0C arca a Sx Sx= 0M, C Dx= M,C arca a Dx Sx= 0M, C Dx= M, C arca a Sx Sx= M, C Dx= M, C arca a Sx Sx= 0M, 0C Dx= M, C GOAL Strategie di Ricerca 8
9 ESERCIZIO 4 Anche il linguaggio Prolog per risolvere una query esplora uno spazio di ricerca in profondità. Si consideri il programma che descrive quanto segue: Due individui sono colleghi se lavorano presso la stessa ditta collega(x,y):- lavora(x,z), lavora(y,z), div(x,y). lavora(emp,ibm). lavora(emp,ibm). lavora(emp,txt). lavora(emp4,olivetti). lavora(emp5,txt). div(emp,emp). div(emp,emp). div(emp,emp).... :- collega(x,y). X=emp Y=emp; X=emp Y=emp; X=emp Y=emp5; X=emp5 Y=emp NOTA: Il seguente albero NON E un albero SLD!!! Strategie di Ricerca 9
10 collega(x,y) lavora(x,z) lavora(emp,ibm) lavora(y,ibm) lavora(emp,ibm) div(emp,emp) FAIL lavora(emp,ibm) lavora(y,ibm) lavora(emp,ibm) div(emp,emp) soluzione lavora(emp,txt) lavora(emp4,oliv) lavora(y,txt) lavora(emp,txt) div(emp,emp) FAIL lavora(y,oliv) lavora(emp4,oliv) lavora(emp,txt) div(emp4,emp4) FAIL lavora(emp5,txt) lavora(emp5,txt) lavora(y,txt) div(emp5,emp) soluzione lavora(emp5,txt) lavora(emp,ibm) div(emp,emp) soluzione lavora(emp,ibm) div(emp,emp) FAIL div(emp,emp5) soluzione div(emp5,emp5) FAIL Strategie di Ricerca 0
11 ESERCIZIO 5 Si consideri il seguente problema. Si hanno due contenitori per liquidi, uno da cinque litri completamente pieno d'acqua e uno da due litri vuoto. Vogliamo ottenere precisamente un litro d'acqua nel contenitore da due litri. Possiamo trasferire acqua da un contenitore all'altro, o buttarla, ma non ottenerne di nuova. Si mostri tutto lo spazio degli stati per risolvere il problema. Si indichi, inoltre, dopo quanti passi si giungerebbe alla soluzione se si utilizzasse una strategia breadth-first e depth-first FAIL A LOOP FAIL 0 0 FAIL 0 LOOP 0 0 FAIL 0 0 Nodo A 0 LOOP 0 GOAL 0 0 FAIL Strategie di Ricerca
12 ESERCIZIO Si supponga di avere monete ripartite in tre distinte pile. La prima pila è formata da 4 monete, la seconda da 7 e la terza da. Lo spostamento delle monete deve avvenire secondo la seguente regola: ogni volta che si spostano delle monete da una pila A ad un'altra, le monete in devono raddoppiare di numero. Si mostri lo spazio di ricerca con stato iniziale rappresentato dalla tripla <4,7,> e stato finale dalla tripla <4,4,4> generato in due spostamenti e lo si esplori con strategia in ampiezza e profondità. () [] <4,7,> A [] () <,7,> D [] <4,6,> [4] <8,,> () [5] [6] [7] [8] [9] [0] <,7,4> <6,4,> <,5,4> <,6,4> <8,,> <4,4,4> <5,6,> <7,,> <8,,> A C soluz. D C Il depth first (numeri in parentesi tonda) va in loop supponendo di avere un criterio preferenziale che seleziona le mosse come in figura <4,7,>, <,7,>, <,7,4>, <,7,>... Se invece si suppone di fermarsi a due livelli di esplorazione (senza generare ed esplorare i livelli sottostanti), il depth first trova una soluzione in 9 passi. In breadth first (numeri in parentesi quadra) trova la soluzione in 0 passi. Strategie di Ricerca
13 STRATEGIA DI RICERCA INFORMATA Si consideri un puzzle con la seguente configurazione iniziale: N N N V Ci sono tre tessere Nere (N) e tre tessere bianche () e una cella vuota (V). Il puzzle ha le mosse seguenti: (a) Una tessera si può spostare in una adiacente vuota con costo unitario. (b) Una cella si può spostare ed inserirsi nella cella vuota saltando al più due altre tessere con costo uguale alla distanza coperta (al numero delle tessere saltate più ). Il goal del puzzle è avere tutte le tessere bianche a sinistra di quelle nere, indipendentemente da dove sia la tessera vuota. Si costruisca una funzione euristica f = g + h' per questo problema dove g è stato specificato precedentemente e si mostri l'albero di ricerca prodotto dall'algoritmo A*. Esempi di EURISTICHE: Strategie di Ricerca
14 . Si può considerare il numero di tessere fuori posto: le tessere nere sono fuori posto se occupano le caselle,, mentre le bianche sono fuori posto se occupano le celle 5, 6, N N N V h =5. Come euristica si può considerare la distanza che separa le tessere nere dalle posizioni 4, 5, 6. Euristica non ammissibile: infatti, nella configurazione goal N N N h=0 h = il costo dell'euristica è mentre il costo vero è 0 essendo già arrivati al goal. Euristica ammissibile: min distanza delle tessere nere da qualunque posizione goal. Strategie di Ricerca 4
15 Euristica: numero di tessere fuori posto. () N N N f=+5 () f=+5 f=+6 N N N N N N N N N f=4+4 f=+5 () f=+6 N N N N N N N N N f=4+4 (4) N N N N N N f=5+4 N N N f=5+4 (5) f=6+4 (8) f=5+4 N N N f=4+5 N N N N N N N N N f=7+ f=6+4 (6) f=7+4 N N N N N N f=9+4 (7) N N N N N N f=7+ f=8+ N N N ecc... Strategie di Ricerca 5
16 Euristica: min distanza delle tessere nere da qualunque posizione goal. () N N N f=+9 () f=+9 f=+9 N N N N N N N N N f=4+6 () f=+9 f=+9 N N N N N N N N N f=5+5 (4) f=6+4 f=5+6 N N N N N N N N N f=6+4 (5) f=7+5 f=8+5 N N N N N N N N N.. f=9+4 (6) f=0+4 N N N N N N f=0+ (7) f=+.. N N N N N N Strategie di Ricerca 6
17 Esercizio Si consideri il puzzle con le seguenti configurazioni iniziale e finale: STATO INIZIALE GOAL Ci sono 0 palline che devono essere opportunamente spostate al fine di raggiungere la configurazione finale. Il puzzle ha le mosse seguenti: (a) Si possono spostare solo le palline nere con costo unitario. Le palline possono essere spostate solo in posizioni adiacenti ad altre palline. Una possibile mossa può essere la seguente: (b) È inoltre possibile spostare una fila intera (palline bianche e nere) con costo pari al numero di palline della fila solo se la fila è esterna. Strategie di Ricerca 7
18 Nella configurazione iniziale le file che possono essere spostate sono quelle contrassegnate dalla freccia, quindi una possibile mossa è la seguente: Si costruisca una funzione euristica ammissibile f = g + h' per questo problema dove g è stato specificato precedentemente. Ad ogni nodo si considerino solo tre strade alternative dell'albero di ricerca prodotto dall'algoritmo A* tra cui quella che arriva ad una soluzione. Si calcoli, per ciascun nodo, la funzione euristica corrispondente. SOLUZIONE L'euristica per essere ammissibile deve essere ottimistica ossia il costo stimato dall'euristica per raggiungere il goal deve essere sempre inferiore al costo vero. Nella posizione iniziale il costo minimo per raggiungere il goal è di tre mosse. Pertanto, l'euristica, nella posizione iniziale deve avere un costo al massimo di. Strategie di Ricerca 8
19 Si costruisca un triangolo (con un vertice rivolto verso il basso) contenente il massimo numero di palline. L'euristica è uguale al numero di palline che cadono all'esterno del triangolo. f=+ f=4+ f=+ f=+ f=+ f=+ f=+0 Goal Strategie di Ricerca 9
20 GRAFI AND/OR Dato il seguente albero AND/OR: A C D E F G H I J K L M N O P Q R S Si indichino quali nodi devono essere di successo affinché venga dimostrato A. Si trasformi inoltre l'albero AND/OR in un albero OR equivalente, supponendo che tutte le foglie siano di successo. Esiste un solo albero OR equivalente o ne possono esistere più di uno? Strategie di Ricerca 0
21 SOLUZIONE I nodi che devono essere di successo affinché si dimostri A sono H e I oppure J o K o L assieme a M o N con S Q ed R. Può esistere più di un albero OR, ma non cambiano i rami di successo. D,C,C E,C A H I I C C J C K C L C C F,G C C (uguali) C N G G M,G G O O P,Q,R S Q R QR P,Q,R S Q R QR R SUCCESSO R SUCCESSO Strategie di Ricerca
22 ESERCIZIO Dato lo stato iniziale A, lo stato finale H e le seguenti regole: A--> A-->C -->F C-->D C-->E D-->G D-->I E-->H disegnare l albero OR forward generato e mostrare l ordine con cui vengono visitati i nodi dell albero adottando: - strategia depth-first - strategia breadth-first. e discutere i vantaggi delle due strategie. Nel caso si aggiunga la regola: G-->C che cosa avviene nei due casi? Strategie di Ricerca
23 SOLUZIONE A () () 4 C () F (4) 5 D (5) 8 E (6) (7) 6 G 7 I (8) 9 H (9) I numeri fra parentesi mostrano l'ordine dello sviluppo dell'albero OR in breadth-first; gli altri in depth-first. Aggiungendo la clausola G--> C la ricerca in depth-first andrebbe il loop. Strategie di Ricerca
24 Grafi AND-OR Risoluzione per scomposizione in sottoproblemi. Sia dato un problema P: - se P è un problema elementare di cui si conosce la soluzione, allora P è risolto; - se P è un problema complesso, allora si cerca di scomporre P in un certo numero di sottoproblemi P, P,..., Pn. Si passa poi a risolvere i problemi P, P,..., Pn (che dovrebbero essere più facili di P) e quindi si costruisce la soluzione per P a partire delle soluzioni per P, P,..., Pn. Lo spazio dei problemi può essere rappresentato mediante un particolare tipo di grafo, un grafo AND/OR in cui: - a ogni problema P corrisponde un nodo; - se P è un problema elementare o un problema non decomponibile, allora P è una foglia nel grafo (ossia è un nodo senza successori); - se un problema P può essere decomposto in n modi alternativi, allora P ha n successori P,P,..., Pn in OR. - se un problema P può essere decomposto in m sottoproblemi, allora P ha m successori P,P,...,Pm in AND. P P P' P" P n P P P m Strategie di Ricerca 4
25 Esempio Si consideri il problema di pianificare un viaggio da Torino a ologna e si supponga di avere le seguenti regole di scomposizione p (da Torino a ologna) -> [p (da Torino a ologna in aereo)]. p (da Torino a ologna) -> [p (da Torino a ologna in treno)]. p (da Torino a ologna in aereo) -> [p (da Torino a Roma in aereo), p (da Roma a ologna in aereo)]. p (da Torino a ologna in treno) -> [p (da Torino a Milano in treno), p4 (da Milano a ologna in treno)]. p (da Torino a ologna in treno) -> [p7 (da Torino a Piacenza in treno), p6 (da Piacenza a ologna in treno)]. p4 (da Milano a ologna in treno) -> [p5 (da Milano a Piacenza in treno), p6 (da Piacenza a ologna in treno)]. p,p,p,p5,p7 elementari Il grafo AND/OR relativo a tale problema è: P P' P P P" P" () P" () P P 4 P 7 P 5 P 6 Strategie di Ricerca 5
26 Più in generale, dato un problema, saranno note delle regole generali di scomposizione di un problema in sottoproblemi. Ad esempio, una regola generale di scomposizione in un sistema per la pianificazione di viaggi potrebbe avere una forma del tipo: p(da X a Y con Z) -> [p (da X a W con Z), p (da W a Y con Z)]. (si noti che in questo caso si hanno dipendenze tra sottoproblemi). Una soluzione per un problema P è data da un sottografo del grafo AND/OR che rappresenta P che permetta di etichettare P come risolto. Un nodo di un grafo AND/OR può essere etichettato come un problema risolto secondo le seguenti regole: - un nodo terminale corrispondente a un problema elementare di cui è nota la soluzione è risolto; - un nodo terminale corrispondente a un problema non elementare e non decomponibile è un problema irrisolvibile; - un nodo i cui successori sono in OR è risolto se almeno uno dei suoi successori è risolto; altrimenti il problema è irrisolvibile; - un nodo i cui successori sono in AND è risolto se tutti i suoi successori sono risolti; altrimenti il problema è irrisolvibile. Strategie di Ricerca 6
27 P P' P P P" P" () P" () P P 4 P 7 P 5 P 6 Ad esempio, il sottografo formato dai nodi P, P, P permette di etichettare come risolto il problema P. Il processo di risoluzione di un problema corrisponde quindi alla ricerca in un grafo AND/OR di un sottografo che permetta di etichettare come risolto il nodo che rappresenta il problema iniziale (al solito il grafo viene costruito durante il processo di ricerca). In tale ricerca possono essere utilizzate strategie in profondità, in ampiezza o euristiche. Strategie di Ricerca 7
28 ESERCIZIO: Ricerca Locale Si consideri la funzione di valutazione (da massimizzare) f: {0,} 4 {,,...}, così definita: f(x,x,x,x4) = 5, se x = x = x = x4 = f(x,x,x,x4) = (-x) + (-x) + (-x) + (-x4), altrimenti Si applichi l'algoritmo Hill-climbing (partendo dallo stato (0,,0,)) utilizzando di volta in volta una delle seguenti strutture dei vicini: siano X = (x,x,x,x4), Y = (y,y,y,y4), con x i e y j variabili binarie; ) N(X) = {Y distanza di Hamming (X,Y) = } es.: (,,0,) è vicino di (,,,) ) N(X) = {Y distanza di Hamming (X,Y) = } es.: (,,0,) è vicino di (0,,,) ) N(X) = {Y Y è ottenuto scambiando due valori in X} es.: (,,0,) è vicino di (,0,,) Strategie di Ricerca 8
29 SOLUZIONE: [tra parentesi quadra si indica il valore corrispondente della funzione obiettivo] N(X) = {Y distanza di Hamming (X,Y) = } (0,,0,) [] (,,0,) [] (0,0,0,) [] (0,,,) [] (0,,0,0) [] (0,0,0,) [] (,0,0,) [] (0,,0,) [] (0,0,,) [] (0,0,0,0) [4] (0,0,0,0) [4] (,0,0,0) [] (0,,0,0) [] (0,0,,0) [] (0,0,0,) [] (0,0,0,0) non ha vicini "migliori" quindi l'algoritmo si arresta. Lo stato raggiunto è un ottimo locale. Analogamente nel caso si scegliesse come successore di (0,,0,) lo stato (0,,0,0). Da quali (e quanti) stati è raggiungibile l'ottimo globale (,,,) con questa struttura dei vicini. Strategie di Ricerca 9
30 N(X) = {Y distanza di Hamming (X,Y) = } (0,,0,) [] (,0,0,) [] (,,,) [5] (,,0,0) [] (0,0,,) [] (0,0,0,0) [4] (0,,,0) [] (,,,) [5] (0,0,,) [] (0,,0,) [] (0,,,0) [] (,0,0,) [] (,0,,0) [] (,,0,0) [] (,,,) non ha vicini "migliori" quindi l'algoritmo si arresta. Lo stato raggiunto è un ottimo globale. Da quali (e quanti) stati è raggiungibile l'ottimo globale (,,,) con questa struttura dei vicini? E come cambierebbero le cose se si considerasse la seguente struttura N4(X) = N(X) N(X)? Strategie di Ricerca 0
31 N(X) = {Y Y è ottenuto scambiando due valori in X} (0,,0,) [] (,0,0,) [] (0,,0,) [] (,,0,0) [] (0,0,,) [] (0,,,0) [] Qualunque vicino si scelga si rimarrà sempre nello stesso insieme di stati (si è in un plateau, senza uscita!!). OSSERVAZIONI: - come si può osservare un intorno "più ampio", cioè un insieme di vicini con più alta cardinalità, aumenta la probabilità di trovare l'ottimo globale. Tuttavia, in problemi di grosse dimensioni, un ampio intorno aumenta il costo computazionale. - la funzione f è totalistica (cioè dipende solo dalla somma dei valori delle variabili) e la scelta dell'intorno N è quantomeno inopportuna. Da questo si vede come anche la scelta della struttura dei vicini possa dipendere dalla natura del problema e dalla funzione obiettivo. - uno stato è un ottimo locale in funzione di f ed N. Strategie di Ricerca
max e tagli alfa-beta Una funzione euristica h(n) è detta ammissibile se non sbaglia mai per eccesso la stima del costo per arrivare all obbiettivo
Strategie di ricerca Esercizi Martedì Maggio 005 Scopo:. Esercizi sulle strategie di ricerca. Esercizi sui giochi, alberi min-max max e tagli alfa-beta Errata corrige precedente esercitazione Una funzione
Strategie di ricerca. Scopo: 1. Esercizi sulle strategie di ricerca 2. Esercizi sui giochi, alberi min-max e tagli alfa-beta
Strategie di ricerca Scopo:. Esercizi sulle strategie di ricerca. Esercizi sui giochi, alberi min-max e tagli alfa-beta Ricordiamoci che Una funzione euristica h(n) è detta ammissibile se non sbaglia mai
Strategie di ricerca. Scopo: 1. Esercizi sulle strategie di ricerca 2. Esercizi sui giochi, alberi min-max e tagli alfa-beta
Strategie di ricerca Scopo:. Esercizi sulle strategie di ricerca. Esercizi sui giochi, alberi min-max e tagli alfa-beta Ricordiamoci che Una funzione euristica h(n) è detta ammissibile se non sbaglia mai
ESERCIZIO MIN-MAX Si consideri il seguente albero di gioco dove i punteggi sono tutti dal punto di vista del primo giocatore.
ESERCIZIO MIN- Si consideri il seguente albero di gioco dove i punteggi sono tutti dal punto di vista del primo giocatore. B C D E F G H I J K L M N O P Q R S T U (6) (8) (5) (0) (-2) (2) (5) (8) (9) (2)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 26 Gennaio 2017 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 26 Gennaio 2017 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si formalizzino le seguenti frasi in logica dei predicati del I ordine: - I
Esercizi d'esame su strategie di ricerca, CSP e Giochi. Compiti d'esame 2017 e 2018
Esercizi d'esame su strategie di ricerca, CSP e Giochi Compiti d'esame 2017 e 2018 1 Giugno 2018 Strategia a costo uniforme Si consideri il seguente grafo in cui gli archi sono annotati col costo e si
Intelligenza Artificiale Compito - 12 Marzo 2007
Intelligenza Artificiale Compito - 1 Marzo 007 Nome e Cognome: Matricola: Nickname: ESERCIZIO N 1 Ricerca Informata A* 4 punti Stabilite se un euristica monotona permette ad A* di espandere sempre meno
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 11 Gennaio 2018 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 11 Gennaio 2018 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si formalizzino le seguenti frasi in logica dei predicati: 1. Chi conosce la
PLANNING LINEARE FORWARD. Esercizio in Prolog
PLANNING LINEARE FORWARD Esercizio in Prolog 1 Prendiamo l esempio noto come anomalia di Sussman: Stato iniziale: Planning lineare in Prolog c" b a " Stato finale: a " b" c " 2 Stato Per rappresentare
Espansione: si parte da uno stato e applicando gli operatori (o la funzione successore) si generano nuovi stati.
CERCARE SOLUZIONI Generare sequenze di azioni. Espansione: si parte da uno stato e applicando gli operatori (o la funzione successore) si generano nuovi stati. Strategia di ricerca: ad ogni passo scegliere
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 13 Gennaio 2015 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 13 Gennaio 2015 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si esprimano in logica dei predicati del I ordine le seguenti frasi:
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 14 Gennaio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 14 Gennaio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si rappresentino in logica dei predicati del I ordine, le seguenti affermazioni:
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 28 Gennaio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 28 Gennaio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Date le seguenti frasi in linguaggio naturale: 1. Anna ama gli stessi dolci
FONDAMENTI DI INTELLIGENZA ARTIFICIALE PRIMA PARTE (6 CFU) 9 Dicembre 2010 Tempo a disposizione 2h Risultato 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE PRIMA PARTE (6 CFU) 9 Dicembre 0 Tempo a disposizione h Risultato / punti Esercizio 1 (punti 6) Si rappresentino in logica dei predicati del primo ordine le seguenti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 16 Giugno 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 16 Giugno 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si modellino le seguenti frasi (si noti che il dominio contiene solo entità
Strutture dati per rappresentare grafi
lgoritmi e strutture dati amil emetrescu, Irene inocchi, iuseppe. Italiano Strutture dati per rappresentare grafi opyright 2004 - The Mcraw - Hill ompanies, srl lgoritmi e strutture dati amil emetrescu,
2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 12 Febbraio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 12 Febbraio 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Date le seguenti frasi in linguaggio naturale: 1. Chi soffre di allergie starnutisce.
Intelligenza Artificiale. Ricerca euristica Algoritmo A*
Intelligenza Artificiale Ricerca euristica Algoritmo A* Marco Piastra Metodi di ricerca - Ricerca non informata Ricerca nello spazio degli stati Definizione di un grafo come spazio degli stati I nodi rappresentano
Intelligenza Artificiale. Risoluzione dei Problemi
Intelligenza Artificiale Risoluzione dei Problemi Strategie non-informate: principali 1. breadth-first; 2. depth-first; 3. depth-first a profondità limitata; 4. ad approfondimento iterativo. Ricerca in
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 8 Settembre 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 8 Settembre 2016 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si formalizzino in logica dei predicati del I ordine le seguenti frasi: 1.
Intelligenza Artificiale. Tecniche di ricerca basate sullo spazio degli stati
Intelligenza Artificiale Tecniche di ricerca basate sullo spazio degli stati Marco Piastra Ricerca e stati - 1 Problemi diversi, soluzioni simili Fox, Goat and Cabbage La definizione prevede Uno stato
COMPITO DI FONDAMENTI DI INTELLIGENZA ARTIFICIALE INTELLIGENZA ARTIFICIALE (v.o.) PARTE I. 2 Dicembre 2008 (Tempo a disposizione 2h ; su 32 punti)
COMPITO DI FONDAMENTI DI INTELLIGENZA ARTIFICIALE INTELLIGENZA ARTIFICIALE (v.o.) PARTE I 2 Dicembre 2008 (Tempo a disposizione 2h ; su 32 punti) Esercizio 1 (punti 5) Rappresentare le seguenti frasi:
Algoritmi e Strutture Dati. Capitolo 11 Visite di grafi
lgoritmi e Strutture ati apitolo Visite di grafi Strutture dati per rappresentare grafi rafi non diretti Quanto spazio? a b c d a b c d a 0 a b d c b 0 0 b c a c 0 c a d b d 0 0 d c a Matrice di adiacenza
2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di
Algoritmi di Ricerca
Algoritmi di Ricerca Contenuto Algoritmi non informati Nessuna conoscenza sul problema in esame Algoritmi euristici Sfruttano conoscenze specifiche sul problema Giochi Quando la ricerca è ostacolata da
Corso di Intelligenza Artificiale
Nome e Cognome: Matricola: Corso di Intelligenza Artificiale Anno Accademico 2010/2011 Compitino del 14 Febbraio 2011 Istruzioni Scrivere la risposta nello spazio bianco al di sotto della domanda; Non
RICERCA OPERATIVA (a.a. 2014/15) Nome: Cognome: Matricola:
7 o Appello /9/ RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL max x x x x x x + x 6 x e la corrispondente soluzione x = [,. Utilizzando il teorema degli
Intelligenza Artificiale
Intelligenza Artificiale 17 Marzo 2005 Nome e Cognome: Matricola: ESERCIZIO N 1 Ricerca Cieca 5 punti 1.A) Elencare in modo ordinato i nodi (dell'albero sotto) che vengono scelti per l'espansione dalle
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento
UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),
3 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
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 12 Gennaio 2017 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 12 Gennaio 2017 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (5 punti) Si formalizzino in logica dei predicati del I ordine le seguenti frasi: 1.
Intelligenza Artificiale. Ricerca euristica L algoritmo A*
Intelligenza Artificiale Ricerca euristica L algoritmo A* Marco Piastra Ricerca euristica - Ricerca non informata Ricerca nello spazio degli stati Definizione di un grafo come spazio degli stati I nodi
Parte III: Algoritmo di Branch-and-Bound
Parte III: Algoritmo di Branch-and-Bound Sia Divide et Impera z* = max {c T x : x S} (1) un problema di ottimizzazione combinatoria difficile da risolvere. Domanda: E possibile decomporre il problema (1)
PROBLEMI DI SODDISFACIMENTO DI VINCOLI
PROBLEMI DI SODDISFACIMENTO DI VINCOLI ESERCIZIO Ci sono 5 scatole (S1,...,S5 nell'ordine) che possono contenere numeri da 1 a 5. Si inseriscano i 5 numeri nelle scatole rispettando il vincolo: Si può
Espansione: si parte da uno stato e applicando gli operatori (o la funzione successore) si generano nuovi stati.
Strategie di ricerca Esercitazione del 12 Marzo 2010 Scopo: 1. Assestare la comprensione delle strategie di ricerca viste a lezione 2. Imparare ad utilizzare la libreria aima.search, che vi potrà essere
Algoritmi di ricerca locale
Algoritmi di ricerca locale Utilizzati in problemi di ottimizzazione Tengono traccia solo dello stato corrente e si spostano su stati adiacenti Necessario il concetto di vicinato di uno stato Non si tiene
Possibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
Quinto appello 27/6/ = 4. B b B = 2 b N = 4
Quinto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il problema di PL dato applicando l algoritmo del Simplesso Duale, per via algebrica, a partire dalla base B {, }. Per
Esercizi proposti 10
Esercizi proposti 10 In questo gruppo di esercizi assumiamo, dove non sia specificato diversamente, di rappresentare i grafi mediante liste di archi, con il tipo di dati così dichiarato: type a graph =
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)
FONDMENTI DI INTELLIGENZ RTIFIILE (8 FU) 10 Luglio 2014 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si esprimano in logica dei predicati del I ordine le seguenti frasi: 1. Lucy
K 4 è planare? E K 3,3 e K 5 sono planari? Sì! No! (Teorema di Kuratowski) K 5. Camil Demetrescu, Irene Finocchi, Giuseppe F.
K 4 è planare? Sì! E K 3,3 e K 5 sono planari? K 5 No! (Teorema di Kuratowski) 1 Un albero è un grafo bipartito? SÌ! Ma un grafo bipartito è sempre un albero?? 2 Algoritmi e Strutture Dati Capitolo 11
METODI DELLA RICERCA OPERATIVA
Università degli Studi di Cagliari FACOLTA' DI INGEGNERIA CORSO DI METODI DELLA RICERCA OPERATIVA Dott.ing. Massimo Di Francesco (mdifrance@unica.it) i i Dott.ing. Maria Ilaria Lunesu (ilaria.lunesu@unica.it)
INDUZIONE E NUMERI NATURALI
INDUZIONE E NUMERI NATURALI 1. Il principio di induzione Il principio di induzione è una tecnica di dimostrazione molto usata in matematica. Lo scopo di questa sezione è di enunciare tale principio e di
Il Branch & Bound. Definizione 1. Sia S R n. La famiglia S = {S 1, S 2,..., S k S} tale che S 1 S 2 S k = S viene detta suddivisione di S.
Il Branch & Bound Il metodo Branch & Bound è una tecnica che permette di risolvere all ottimo un generico problema di Programmazione Lineare Intera. Tale metodo si basa su due concetti cardine: quello
Strategie di ricerca
Strategie di ricerca Scopo: 1. Assestare la comprensione delle strategie di ricerca viste a lezione 2. Imparare ad utilizzare la libreria aima.search, che vi potrà essere utile per eventuali tesine Com
Introduzione all Intelligenza Artificiale a.a. 2016/17
Introduzione all Intelligenza Artificiale a.a. 2016/17 Prima prova intermedia 7 Aprile 2017 PRIMA PARTE Domande (punti 7) La risposta corretta alla maggior parte delle domande abilita la correzione della
Ripasso di teoria ed esercizi in preparazione al terzo compito. 26 gennaio 2004
Ripasso di teoria ed esercizi in preparazione al terzo compito 26 gennaio 2004 Teoria: domande tipo per il terzo compitino 1. Metaprogrammazione: In cosa consiste la metaprogrammazione? Quali sono alcuni
Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 9/9/2015
Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 9/9/2015 Chi deve recuperare il progetto del modulo 1 ha 1 ora e 0 minuti per svolgere gli esercizi 1, 2, Chi deve recuperare
Grafi: visita generica
.. Grafi: visita generica Una presentazione alternativa (con ulteriori dettagli) Algoritmi di visita Scopo: visitare tutti i vertici di un grafo (si osservi che per poter visitare un vertice occorre prima
Pumping lemma per i linguaggi Context-free
Pumping lemma per i linguaggi Context-free Sia L un linguaggio context-free. E possibile determinare una costante k, dipendente da L, tale che qualunque stringa z! L con z > k si può esprimere come z=
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 25 Gennaio 2018 Tempo a disposizione: 2 h Risultato: 32/32 punti
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 25 Gennaio 2018 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si formalizzino le seguenti frasi in logica dei predicati: 1. Ogni attore invitato
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 12 Giugno 2014 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si esprimano in logica dei predicati del I ordine le seguenti frasi:
Ricerca non informata
Ricerca non informata Corso di Intelligenza Artificiale, a.a. 2017-2018 Prof. Francesco Trovò 05/03/2018 Ricerca non informata Definizione del problema della ricerca Architettura necessaria Blind search
TORRI DI HANOI E CAMMINI HAMILTONIANI
TORRI DI HANOI E CAMMINI HAMILTONIANI SIMONE MORETTI GABRIELE ARGIRÒ GIORGIO PICCININI ABSTRACT. Si analizzano le relazioni tra due contesti matematici apparentemente distanti: lo studio delle strategie
COMPITO DI RICERCA OPERATIVA. max 3x 1 + 2x 2 x x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3
COMPITO DI RICERCA OPERATIVA ESERCIZIO 1. (7 punti) Sia dato il seguente problema di PL: max 3x 1 + 2x 2 x 1 + 1 2 x 2 + x 3 = 4 2x 1 + x 2 + x 4 = 3 Lo si risolva con l algoritmo che si ritiene più opportuno
RICERCA OPERATIVA (a.a. 2015/16) Nome: Cognome: Matricola:
o Appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: max x + x x x x x x + x x Si applichi l algoritmo del Simplesso Duale, per via algebrica, a
Progettazione di algoritmi
Progettazione di algoritmi Discussione dell'esercizio [acqua 2] Vogliamo trovare una sequenza di versamenti che sia buona e parsimoniosa. Consideriamo quindi il grafo i cui nodi sono le possibili configurazioni
PROVE D'ESAME 1994/95
PROVE D'ESAME 1994/9 PROVA PARZIALE DEL 21/11/94 1) Sia dato il seguente programma lineare: max 2 x 1 + 3 x 2 - x 3 s.t. 2 x 1 + 3 x 2 - x 3 2 x 1 + x 2 - x 3 4 x 1 - x 2 + x 3 1 x 1, x 2, x 3 0 a - Dire
3 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
Ricerca Cieca. Spazio di Ricerca. ! albero di ricerca. Russell & Norvig: Introduzione al Problem Solving. Introduzione al Problem Solving
Ricerca Cieca Russell & Norvig: 3.4 3.6 Spazio di Ricerca! albero di ricerca Concetti di Base Albero di ricerca Espansione nodi Strategia di ricerca: Per ogni nodo determina quale nodo espandere Nodi di
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 15 Febbraio 2013 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (7 punti) Si considerino le seguenti frasi: 1. Daria è una donna 2.
Alberi. Gli alberi sono una generalizzazione delle liste che consente di modellare delle strutture gerarchiche come questa: Largo. Fosco.
Alberi Alberi Gli alberi sono una generalizzazione delle liste che consente di modellare delle strutture gerarchiche come questa: Largo Fosco Dora Drogo Frodo Dudo Daisy Alberi Gli alberi sono una generalizzazione
Alberi. Gli alberi sono una generalizzazione delle liste che consente di modellare delle strutture gerarchiche come questa: Largo. Fosco.
Alberi Alberi Gli alberi sono una generalizzazione delle liste che consente di modellare delle strutture gerarchiche come questa: Largo Fosco Dora Drogo Dudo Frodo Daisy Alberi Gli alberi sono una generalizzazione
Ricorsione in SQL-99
Ricorsione in SQL-99 Introduzione In SQL2 non è possibile definire interrogazioni che facciano uso della ricorsione Esempio Voli(lineaAerea, da, a, parte, arriva) non è possibile esprimere l interrogazione
Esercizi svolti a lezione
Esercizi svolti a lezione Problema 1 In un corso di laurea sono previsti un certo numero di esami obbligatori. Esistono inoltre dei vincoli di propedeuticità: se un esame A è propedeutico ad un esame B
Introduzione. Ricorsione in SQL-99. Esempio. Idea di base. Esempio (continua) SQL-99 - comando WITH
icorsione in SQL99 Introduzione In SQL2 non è possibile definire interrogazioni che facciano uso della ricorsione Voli(lineaAerea, da, a, parte, arriva) non è possibile esprimere l interrogazione che ritrova
RICERCA OPERATIVA (a.a. 2018/19) Nome: Cognome: Matricola:
Primo appello //9 RICERCA OPERATIVA (a.a. /9) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x + x x + x x + x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica,
Intelligenza Artificiale Compito - 12 Marzo 2007
Intelligenza Artificiale Compito - 1 Marzo 007 Nome e Cognome: Matricola: Nickname: ESERCIZIO N 1 Ricerca Informata A* 4 punti Stabilite se un euristica monotona permette ad A* di espandere sempre meno
Algoritmi Avanzati Soluzioni dello scritto del 2 febbraio 2004 (appello straordinario)
Algoritmi Avanzati Soluzioni dello scritto del febbraio 004 (appello straordinario) 1. Tengo nascosto nel taschino della giacca un grafo misterioso di 7 nodi. Vi dico solo che listando le valenze (= numero
Fondamenti di Informatica Laurea in Ingegneria Civile e Ingegneria per l ambiente e il territorio
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Il problema di fondo Fondamenti di Informatica Laurea in Ingegneria Civile e Ingegneria per l ambiente e il territorio Algoritmi
RICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Sesto appello // RICERCA OPERATIVA (a.a. /) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x x + x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire
3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
COMPITO di LOGICA PER INFORMATICA (fila 1) 21 settembre 2005
COMPITO di LOGICA PER INFORMATICA (fila 1) 21 settembre 2005 Nome: Matricola: Esercizio 1.1 Si consideri la seguente scrittura ( ((x) ((y) P (x)(y))))( ((y) ((x) P (y)(x)))) Supponendo fissate le arietà
RICERCA OPERATIVA (a.a. 2017/18) Nome: Cognome: Matricola:
Terzo appello //8 RICERCA OPERATIVA (a.a. 7/8) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x x x x x applicando l algoritmo del Simplesso Primale, per via algebrica, a
Riduzione a sottoproblemi e grafi AND/OR
Riduzione a sottoproblemi e grafi AND/OR Lo scopo della riduzione a sottoproblemi è arrivare a sottoproblemi con soluzione ovvia (si risolvono con 1 passo nello spazio degli stati o la soluzione è conosciuta).
Constraint Satisfaction Problems
Constraint Satisfaction Problems Corso di Intelligenza Artificiale, a.a. 2017-2018 Prof. Francesco Trovò 19/03/2018 Constraint Satisfaction problem Fino ad ora ogni stato è stato modellizzato come una
RICERCA OPERATIVA (a.a. 2018/19)
Secondo appello //9 RICERCA OPERATIVA (a.a. 8/9) Nome: Cognome: Matricola: ) Si consideri il seguente problema di PL: min y + y y y y y = y + y y = y, y, y, y Si verifichi se la soluzione ȳ =,,, sia ottima
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE 1 parte (6 CFU) 14 Giugno 2013 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (7 punti) Si considerino le seguenti frasi: 1. Tutti gli insegnanti sono
Un secondo problema : Quadrato Magico
Un secondo problema : Quadrato Magico E dato un quadrato di 10 caselle per 10 (in totale 100 caselle). Nello stato iniziale tutte le caselle sono vuote tranne la più in alto a sinistra che contiene il
Esercizio 1. Esercizio 2
Esercizio 1 Si scriva un programma C che realizza l'assegnazione ottima di un insieme di persone ad un insieme di città avente la stessa cardinalità. Ogni persona ha espresso una serie di preferenze, elencando
Soluzione dei problemi di Programmazione Lineare Intera
Fondamenti di Ricerca Operativa T-A a.a. 2015-2016 Soluzione dei problemi di Programmazione Lineare Intera Andrea Lodi, Enrico Malaguti, Paolo Tubertini, Daniele Vigo rev. 2. ottobre 2016 Fondamenti di
Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE
Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE COMPLESSITÀ DEGLI ALGORITMI L oggetto della teoria della complessità è stabilire se un problema sia facile o difficile In base a quali parametri
Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
Informatica Generale Homework di Recupero 2016
Informatica Generale Homework di Recupero 016 docente: Ivano Salvo Sapienza Università di Roma Gruppo 1 Esercizio 1.1 Scrivere un programma C che presi in input due interi positivi a ed b (a, b > 0) calcola
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU)
FONDAMENTI DI INTELLIGENZA ARTIFICIALE (8 CFU) 29 Gennaio 2015 Tempo a disposizione: 2 h Risultato: 32/32 punti Esercizio 1 (6 punti) Si esprimano in logica dei predicati del I ordine le seguenti frasi:
Laboratorio di Algoritmi e Strutture Dati
Laboratorio di Algoritmi e Strutture Dati Docente: Camillo Fiorentini 8 gennaio 8 Il problema è simile all esercizio 5.6 del libro di testo di algoritmi (Introduzione agli algoritmi e strutture dati, T.
COMPITO DI INTELLIGENZA ARTIFICIALE, Fondamenti di Intelligenza Artificiale e Intelligenza Artificiale Modulo A 16 Dicembre 2005 Tempo 2,30 ore
COMPITO DI INTELLIGENZA ARTIFICIALE, Fondamenti di Intelligenza Artificiale e Intelligenza Artificiale Modulo A 16 Dicembre 2005 Tempo 2,30 ore Esercizio 1 (punti 5) Date due liste di atomi, si determini
Agenti basati su Ricerca: Introduzione
Agenti basati su Ricerca: Introduzione Intelligenza Artificiale Prof. Alfonso E. Gerevini Dipartimento Ingegneria dell Informazione Università degli Studi di Brescia Un Agente Risolutore di Problemi Segue
2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
Intelligenza Artificiale. A n n o A c c a d e m i c o La Rappresentazione della Conoscenza: I Sistemi di Produzione
Intelligenza Artificiale A n n o A c c a d e m i c o 2 0 0 8-2 0 0 9 La Rappresentazione della Conoscenza: I Sistemi di Produzione 1 Sommario Formalismi dichiarativi e procedurali Le regole di produzione