Intelligenza Artificiale. Lezione 3. Intelligenza Artificiale Daniele Nardi, 2004/05 Lezione 3 0
|
|
- Emilio Meli
- 7 anni fa
- Visualizzazioni
Transcript
1 Intelligenza Artificiale ezione 3 Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 0
2 isoluzione automatica di problemi Prolem solving sommario(ussell&norvig Cap. 3) Agenti risolutori di problemi Tipi di problemi Formulazione del problema Esempi di problemi Algoritmi di ricerca elementari Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 1
3 Architetture di agente agenti basati su riflessi semplici (stimolo risposta, tropistici): reagiscono agli stimoli agenti basati su modelli costruiscono una rappresentazione del mondo agenti basati su obiettivi individuano degli obiettivi e cercano di raggiungerli agenti basati su utilità valutano l utilità degli stati in base alla misura di prestazioni e cercano di massimizzarla Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 2
4 Progetto di agenti basati su obiettivi ricerca traduzione della conoscenza in una rappresentazione specializzata degli stati e in un insieme di operatori inferenza rappresentazione dello stato e tecniche di ragionamento generali. pianificazione rappresentazione esplicita dello stato e metodi specializzati per la specifica delle azioni ed il ragionamento; Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 3
5 agente risolutore di problemi formulazione del problema: individuazione degli stati, l insieme degli stati si definisce spazio degli stati stato iniziale operatori (azioni che caratterizzano le transizioni di stato); cammino nello spazio degli stati è una sequenza di operatori formulazione obiettivo: insieme di stati o test obiettivo ricerca: processo che individua una soluzione del problema, cioè un cammino dallo stato iniziale ad uno degli stati finali. esecuzione: l agente esegue le azioni specificate dalla soluzione Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 4
6 function emplice-agente-isolutore-problemi( p) returns un azione inputs: p, una percezione static: s, una sequenza di azioni, inizialmente vuota stato, descrizione dello stato attuale g, un obiettivo, inizialmente nullo problema, formulazione di un problema stato Aggiorna-tato(stato,p) if s è vuota then g Formula-Obiettivo(stato) problema Formula-Problema(stato,g) s Cerca( problema) azione accomanda(s,stato) s esto(s,stato) return azione Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 5
7 Esempio: omania In viaggio in omania; correntemente in Arad. Il volo parte domani da Bucarest Formulazione dell obiettivo: essere a Bucarest Formulazione del problema: stati: varie città operatori: guidare tra le città Trovare una soluzione: sequenza di città, per es., Arad, ibiu, Fagaras, Bucarest Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 6
8 Esempio: omania 71 Oradea Neamt Zerind 75 Arad Timisoara Dobreta 151 ibiu 99 Fagaras 80 imnicu Vilcea ugoj Mehadia 120 Pitesti Bucharest Craiova 90 Giurgiu 87 Iasi Urziceni Vaslui Hirsova 86 Eforie Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 7
9 Tipi di problemi Deterministico, osservabile = problema a stati singoli Non Osservabile = problema a stati multipli conformant problem Nondeterministico, parzialmente osservabile = problemi di contingenza deve usare sensori durante l esecuzione; la soluzione è un albero spesso si fa un interleave di ricerca e esecuzione. pazio degli stati sconosciuto = problema di esplorazione ( online ) icerca automatica offline: la risoluzione di problemi Online richiede di agire senza conoscenza completa del problema e della soluzione. Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 8
10 Il mondo dell aspirapolvere tato singolo, start in #5. olution?? [ight, uck] Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 9
11 Mondo non osservabile - conformant ingle-state, start in #5. olution?? [ight, uck] Conformant, start in {1, 2, 3, 4, 5, 6, 7, 8} e.g., ight goes to {2, 4, 6, 8}. olution?? Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 10
12 Mondo parzialmente osservabile - contingenza ingle-state, start in #5. olution?? [ight, uck] Conformant, start in {1, 2, 3, 4, 5, 6, 7, 8} e.g., ight goes to {2, 4, 6, 8}. olution?? [ight, uck, ef t, uck] Contingency, start in #5 Murphy s aw: uck can dirty a clean carpet ocal sensing: dirt, location only. olution?? [ight, if dirt then uck] Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 11
13 Formulazione del problema a stati singoli Un problema è definito da quattro componenti: stato iniziale e.g., ad Arad operatori (o funzioni successore (x)) e.g., Arad Zerind Arad ibiu etc. test obiettivo, può essere esplicito, e.g., x = a Bucarest implicito, e.g., pulito(x) costo di cammino (additivo) e.g., somma delle distanze, numero di operatori, etc. Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 12
14 cegliere lo spazio degli stati Il mondo reale è molto complesso per fare ricerca automatica di soluzioni lo spazio degli stati deve essere una astrazione stato (astratto) = insieme di stati reali operatore (astratto) = sintesi di azioni reali complesse e.g., Arad Zerind rappresenta un insieme di possibili strade, deviazioni, posti ristoro, etc. Per garantire la realizzabilità ogni stato reale in Arad deve portare a qualche stato reale in Zerind soluzione (astratta) = insieme di cammini che sono soluzioni nel mondo reale Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 13
15 Esempio: il mondo dell aspirapolvere stati: coordinate intere della sporcizia e dell aspirapolvere operatori: inistra, Destra, Aspira test obiettivo: niente sporco costo di cammino: 1 per operatore Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 14
16 Esempio: il gioco dell otto tart tate Goal tate stati: coordinate delle tessere (senza posizioni intermedie) operatori: muovere la tessera vuota a dx, sx, su, giù test obiettivo: = stato obiettivo prefissato costo di cammino: 1 per mossa [Nota: la soluzione di giochi della famiglia degli n-puzzle è NP-hard] Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 15
17 Problemi a stati multipli spazio dell insieme degli stati insieme di stati iniziali gli operatori specificano gli insiemi di stati raggiunti a partire da ciascuno stato l applicazione di un operatore ad un insieme di stati si ottiene facendo l unione degli insiemi di stati ottenuti applicando un operatore a ciascuno degli stati dell insieme di partenza una soluzione è un cammino che conduce ad un insieme di tutti stati obiettivo Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 16
18 Esempio: il mondo dell aspirapolvere Il robot non conosce la propria posizione, nè sapere dove c è sporcizia. insiemi di stati: sottoinsiemi di stati 1 8 operatori: inistra, Destra, Aspira test obiettivo: tutti gli stati nell insieme degli stati non contengono sporcizia costo di cammino: 1 per operatore o stato iniziale è l insieme di tutti gli stati. Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 17
19 Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 18
20 Esempio: robot per assemblaggio pezzi P stati: coordinate a valori reali degli angoli dei giunti del robot e parti dell oggetto da assemblare operatori: movimenti continui dei giunti del robot test obiettivo: assemblaggio completo costo di cammino: tempo di esecuzione Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 19
21 Cannibali e Missionari uppose you have a raw boat obot o barca? 3 Cannibali e 3 missionari devono attraversare un fiume con una barchetta che contiene due passeggeri al massimo. I missionari devono sempre in numero maggiore (o uguale) dei cannibali altrimenti vengono mangiati dai cannibali. Come fanno i missionari ad attraversare il fiume senza essere mangiati? Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 20
22 Problemi veri trovare il percorso (voli aerei) disegno VI movimento robot mobili sequenze di assemblaggio ricerca in Internet Intelligenza Artificiale Daniele Nardi, 2004/05 ezione 3 21
Risoluzione automatica di problemi Prolem solving Architetture di agente Progetto di agenti basati su obiettivi basati su riflessi semplici
isoluzione automatica di problemi Prolem solving Intelligenza Artificiale sommario(ussell&norvig Cap. 3) Agenti risolutori di problemi ezione 3 Tipi di problemi Formulazione del problema Esempi di problemi
DettagliIntelligenza Artificiale. Problem Solving -Agenti risolutori di problemi
Intelligenza Artificiale Problem Solving -Agenti risolutori di problemi Ragionare per cercare soluzioni Un problema viene risolto ricercandone la soluzione in un ampio spazio di possibili soluzioni. La
DettagliTEST: RAGGIUNGIMENTO DEL GOAL La verifica può essere solo l appartenenza dello stato raggiunto all insieme dello stato (o degli stati) goal. A volte l
Soluzione del problema come ricerca in uno spazio degli stati: Gran parte dei problemi di Intelligenza Artificiale hanno la ricerca (o controllo) come componente fondamentale. I problemi si possono modellare
DettagliSoluzione del problema come ricerca in uno spazio degli stati:
Soluzione del problema come ricerca in uno spazio degli stati: Gran parte dei problemi di Intelligenza Artificiale hanno la ricerca (o controllo) come componente fondamentale. I problemi si possono modellare
DettagliIntelligenza Artificiale. Lezione 5. Sommario. Ricerca Best-first. Ricerca golosa. Russell & Norvig Capitolo 4, Paragrafi 1 2. Ricerca Best-first
Sommario Russell & Norvig Capitolo 4, Paragrafi 1 2 Intelligenza Artificiale Ricerca Best-first Ricerca A Euristiche Lezione 5 IDA* SMA* Intelligenza Artificiale Daniele Nardi, 2004 Lezione 5 0 Intelligenza
DettagliRicerca 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
DettagliSoluzione del problema come ricerca in uno spazio degli stati:
Soluzione del problema come ricerca in uno spazio degli stati: Gran parte dei problemi di Intelligenza Artificiale hanno la ricerca (o controllo) come componente fondamentale. I problemi si possono modellare
DettagliSISTEMI BASATI SULLA CONOSCENZA: PRINCIPI ARCHITETTURALI
SISTEMI BASATI SULLA CONOSCENZA: PRINCIPI ARCHITETTURALI Ogni sistema basato sulla conoscenza deve riuscire ad esprimere due tipi di conoscenza in modo separato e modulare: Conoscenza sul dominio dell'applicazione
DettagliAgenti 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
DettagliRicerca in uno spazio di stati (SEARCH)
Ricerca in uno spazio di stati (SEARCH) DEFINIZIONE E CLASSIFICAZIONE DEI PROBLEMI ALGORITMI DI RICERCA Algoritmi ciechi Algoritmi euristici Algoritmi A*, IDA* Riferimenti : Stuart J. Russell, Peter Norvig
DettagliAgenti basati su Ricerca: Introduzione
Agenti basati su Ricerca: Introduzione Intelligenza Artificiale Prof. Alfonso E. Gerevini Dipartimento Ingegneria dell Informazione Università degli Studi di Brescia 1 Un Agente Risolutore di Problemi
DettagliLaurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi Modulo I - 6 CFU
Laurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi Modulo I - 6 CFU Laurea Magistrale in Scienze della Mente Corso di Intelligenza artificiale Modulo I - 4 CFU Vincenzo Lombardo
DettagliAgenti Intelligenti. Corso di Intelligenza Artificiale, a.a Prof. Francesco Trovò
Agenti Intelligenti Corso di Intelligenza Artificiale, a.a. 2017-2018 Prof. Francesco Trovò 26/02/2018 Agenti Intelligenti Definizione di agente Razionalità Specifica dell ambiente Design di un agente
DettagliAgenti che risolvono problemi attraverso la ricerca in uno spazio di stati
Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_1 V1.4 Agenti che risolvono problemi attraverso la ricerca in uno spazio di stati Il contenuto del documento è
DettagliIntelligenza Artificiale
Intelligenza Artificiale Agenti intelligenti Agenti intelligenti 1 Agenti intelligenti La nostra definizione di agente intelligente Introduzione al concetto di ambiente esempio molto semplice di ambiente
DettagliAgenti razionali. Sistemi distribuiti LS Prof. Andrea Omicini A.A
Agenti razionali Sistemi distribuiti LS Prof. Andrea Omicini A.A. 2003-2004 1 Il concetto di razionalità (I) Intelligenza e razionalità ci si concentra sul processo razionale ragionamento razionale visione
DettagliRicerca informata in uno spazio di stati
Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_3 V2.5 Ricerca informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli studenti,
DettagliESEMPIO: LA TORRE DI HANOI ALTRI ESEMPI
Soluzione del problema come ricerca in uno spazio degli stati: Gran parte dei problemi di Intelligenza rtificiale hanno la ricerca (o controllo) come componente fondamentale. I problemi si possono modellare
DettagliLaurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi Modulo I - 6 CFU
Laurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi 2014-15 Modulo I - 6 CFU mutuato da Laurea Magistrale in Scienze del Corpo e della Mente 6 CFU Laurea Magistrale in Scienze della
DettagliIntelligenza 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. 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
DettagliAgenti risolutori di problemi. Risolvere i problemi mediante ricerca Maria Simi a.a 2014/2015
Agenti risolutori di problemi Risolvere i problemi mediante ricerca Maria Simi a.a 2014/2015 Agenti risolutori di problemi Adottano il paradigma della risoluzione di problemi come ricerca in uno spazio
DettagliL INFORMATICA c1. Informatica è qualcosa che ha a che fare con l uso del computer
L INFORMATICA c1 Negli incontri precedenti ci siamo occupati di cercare la soluzione di alcuni problemi. Ora cerchiamo di definire cosa si intende per informatica. Informatica è qualcosa che ha a che fare
DettagliINFORMATICA. Scienza dei calcolatori elettronici (computer science) Scienza dell informazione (information science)
INFORMATICA Cosa è l informatica Scienza dei calcolatori elettronici (computer science) Scienza dell informazione (information science) E una scienza E una tecnologia Cosa può essere automatizzato nell
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
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
DettagliAgente Razionale Ideale. Esempio Robot Aspirapolvere. Quando un Agente Artificiale è Razionale?
Agente Artificiale Intelligente (razionale) AMBIENTE Percezioni attraverso sensori AGENTE Azioni attraverso attuatori (bracci meccanici, ruote, ecc.) Quando un Agente Artificiale è Razionale? Quando fa
DettagliSommario. Tecniche di Decomposizione dei Problemi. Algoritmi: Costruzione. Tipi di problemi
Sommario Tecniche di Decomposizione dei Problemi Costruzione di algoritmi Approccio alla soluzione di problemi complessi Sequenza; Selezione; Iterazione; Ricorsione Tecniche di Decomposizione dei Problemi
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano Cagnoni Il problema
DettagliTecniche Computazionali Avanzate
Tecniche Computazionali Avanzate Modelli Probabilistici per le Decisioni A.A. 2007/08 Enza Messina Markov Decision Problem Come utilizare la conoscenza dell ambiente per prendere decisioni nel caso in
DettagliUniversità di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A3_1 V1.3. Agenti
Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A3_1 V1.3 Agenti Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio personale e per
DettagliLe macchine calcolatrici possono pensare?
Pattern Recognition and Applications Lab Le macchine calcolatrici possono pensare? Miti, realtà, opportunità e rischi di un mondo dominato dagli algoritmi matematici Fabio Roli Accademia Nazionale dei
DettagliAgente Razionale Ideale. Esempio Robot Aspirapolvere. Quando un Agente Artificiale è Razionale?
Agente Artificiale Intelligente (razionale) Percezioni attraverso sensori Quando un Agente Artificiale è Razionale? Quando fa la cosa giusta Cosa giusta = azione che causa maggior successo AMBIENTE AGENTE
DettagliIntelligenza 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
DettagliRicerca con avversari
Ricerca con avversari Corso di Intelligenza Artificiale, a.a. 2017-2018 Prof. Francesco Trovò 12/03/2018 Ricerca con avversari Definizione di gioco Giochi deterministici Giochi stocastici Giochi con parziale
Dettagli1. Assestare la comprensione delle strategie di ricerca viste a lezione 2. Imparare ad utilizzare la libreria aima.search
Strategie di ricerca Seminario del 13 e 21 ottobre 2016 Scopo: 1. Assestare la comprensione delle strategie di ricerca viste a lezione 2. Imparare ad utilizzare la libreria aima.search Com è organizzata
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano Cagnoni Il problema
DettagliCorso di Programmazione Problem Solving. Tipi di Problemi. Problemi Complessi Soluzione. Dott. Pasquale Lops. Primitivi. Complessi
Materiale didattico preparato dal dott. Stefano Ferilli Corso di Programmazione Problem Solving Dott. Pasquale Lops lops@di.uniba.it Corso di Programmazione - DIB 1/30 Tipi di Problemi Primitivi Risolubili
DettagliAgenti risolutori di problemi
Agenti risolutori di problemi Agenti risolutori di problemi Risolvere i problemi come ricerca Maria Simi a.a 2010/2011 Adottano il paradigma della risoluzione di problemi come ricerca in uno spazio di
DettagliIntelligenza Artificiale basata sulla logica Lezione 1. Scopo delle lezioni
Intelligenza Artificiale basata sulla logica Lezione 1 1 Scopo delle lezioni Presentare l approccio logico all AI. Il corso di Intelligenza Artificiale sviluppa tale approccio. 2 1 1. Breve inquadramento
DettagliGenerare sequenze di azioni.
Cercare soluzioni L idea è quella di mantenere ed estendere un insieme di sequenze soluzioni parziali. Un agente con diverse opzioni immediate di esito sconosciuto può decidere cosa fare esaminando prima
DettagliRicerca Automatica. Esercitazione 3. Intelligenza Artificiale Daniele Nardi, 2004 Esercitazione 3 0
Ricerca Automatica Esercitazione 3 Intelligenza Artificiale Daniele Nardi, 2004 Esercitazione 3 0 Ascensore In un grattacielo ci sono 3 coppie formate da marito e moglie. Il cancello delle scale viene
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
DettagliIntelligenza 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
DettagliAlberi. 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
DettagliSommario Obiettivo della programmazione e ciclo di sviluppo di programmi. Programmi. Ciclo di sviluppo di programmi. Obiettivo
Sommario Obiettivo della programmazione e ciclo di sviluppo di programmi Istruzioni variabili e tipi Sottoprogrammi Strutture di controllo Ricorsione 1 2 Obiettivo Ciclo di sviluppo di programmi Risoluzione
DettagliProgramma del corso. Elementi di Programmazione. Introduzione agli algoritmi. Rappresentazione delle Informazioni. Architettura del calcolatore
Programma del corso Introduzione agli algoritmi Rappresentazione delle Informazioni Architettura del calcolatore Reti di Calcolatori Elementi di Programmazione Algoritmi e programmi Algoritmo Sequenza
DettagliAgenti risolutori di problemi
Agenti risolutori di problemi Risolvere i problemi mediante ricerca Alessio Micheli a.a. 2015/2016 Credits: Maria Simi Russell-Norvig Agenti risolutori di problemi Adottano il paradigma della risoluzione
Dettaglimax 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
DettagliOltre la ricerca classica
Oltre la ricerca classica Cap 4 Ricerca locale, ricerca online Alessio Micheli a.a. 2015/2016 Credits: Maria Simi Russell-Norvig Risolutori classici Gli agenti risolutori di problemi classici assumono:
DettagliIntelligenza 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
DettagliElementi di Informatica. Introduzione. Cos è l informatica. Corso di Laurea in Ingegneria Biomedica aa 2003/2004. Ing.
Elementi di Informatica Corso di Laurea in Ingegneria Biomedica aa 2003/2004 Ing. Antonio Coronato 1 Introduzione 2 Cos è l informatica Scienza della rappresentazione e della elaborazione (trasformazione)
DettagliC1: L C1 C2: L C2 C: C1 C2
Abbiamo visto Gli agenti logici applicano inferenze a una base di conoscenza per derivare nuove informazioni. Concetti base della logica: sintassi: struttura formale delle sentenze semantica: verita` di
DettagliProgamma sintetico. Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP
Progamma sintetico Nozioni preliminari Automi Finiti Macchine di Turing Limiti delle macchine di Turing La tesi di Church-Turing Le classi P e NP Un problema classico Un uomo viaggia con un lupo, una pecora
DettagliTECNICO SUPERIORE PER L AUTOMAZIONE INDUSTRIALE
UNITA CAPITALIZZABILI PER LA FIGURA PROFESSIONALE TECNICO SUPERIORE PER L AUTOMAZIONE INDUSTRIALE ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE 73 74 ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE UNITÀ CAPITALIZZABILE
Dettaglie Algoritmi Marco Piastra Intelligenza Artificiale I Soddisfacibilità
Intelligenza Artificiale I Soddisfacibilità e Algoritmi Marco Piastra Intelligenza Artificiale I - A.A. 2010- Soddisfacibilità e Semantic Tableau [1] Problemi e decidibilità (automatica) Problema Un problema
DettagliAlgoritmi e Strutture Dati
Cognome................................ Nome................................... Matricola............................... Algoritmi e Strutture Dati Prova scritta del 2 febbraio 201 TEMPO DISPONIBILE: 2
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
DettagliProgrammazione logica e PROLOG. Esercitazione 1. Sommario. Programmazione logica. Applicazioni della Programmazione Logica
Sommario Programmazione logica e PROLOG Esercitazione 1 Programmazione logica Base delle conoscenze Interrogazione del sistema Regole Ricorsive Esecuzione dei programmi Modello operazionale Rappresentazione
DettagliModellazione di sistemi software
Modellazione di sistemi software Modellare un sistema: rappresentarlo in termini di oggetti matematici che ne riflettono le proprietà Modellare implica astrarre: semplificare la descrizione del sistema,
DettagliAlberi. 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
DettagliProgrammazione. Dipartimento di Matematica. Ing. Cristiano Gregnanin. 29 febbraio Corso di laurea in Matematica
Programmazione Dipartimento di Matematica Ing. Cristiano Gregnanin Corso di laurea in Matematica 29 febbraio 2016 1 / 33 INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, bisogna conoscere
DettagliL ELABORATORE ELETTRONICO
L ELABORATORE ELETTRONICO Il calcolatore elettronico è uno strumento in grado di eseguire insiemi di azioni ( mosse ) elementari le azioni vengono eseguite su dati in ingresso (input) per produrre uno
DettagliI Tipi di Dato Astratto
I Tipi di Dato Astratto Sommario Cosa sono le Strutture Dati Astratte? Le strutture dati Le operazioni Come scegliere fra varie implementazioni? Quale è la questione? Come organizzare (strutturare) i dati
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Il problema di fondo Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algoritmi e Programmazione Stefano
DettagliUso delle liste per rappresentare tipi astratti di dati
Uso delle liste per rappresentare tipi astratti di dati Il tipo astratto di dati dizionario Il tipo astratto dizionario è una collezione di elementi, ciascuno dei quali è costituito da una coppia (chiave,
Dettaglidefinire definire una una funzione in termini di se stessa compare una chiamata alla funzione stessa identificare un caso base
Funzioni e Ricorsione La ricorsione consiste nella possibilità di definire una funzione in termini di se stessa Nel codice di una funzione ricorsiva compare una (o più di una) chiamata alla funzione stessa
DettagliEsercizi su alberi binari
Esercizi su alberi binari Esercizi svolti: Determinazione nodi contenti verifica completezza verifica quasi completezza lunghezza del cammino interno determinazione ultima foglia in un quasi completo verifica
Dettaglidefinire definire una una funzione in termini di se stessa compare una chiamata alla funzione stessa identificare un caso base
Funzioni e Ricorsione La ricorsione consiste nella possibilità di definire una funzione in termini di se stessa Nel codice di una funzione ricorsiva compare una (o più di una) chiamata alla funzione stessa
DettagliRicerca euristica. Funzioni di valutazione euristica. Esempi di euristica. Strategia best-first: esempio. Algoritmo di ricerca Best-First 3/17/11
Ricerca euristica Ricerca euristica Maria Simi a.a. 2010/2011 La ricerca esaustiva non è praticabile in problemi di complessità esponenziale Noi usiamo conoscenza del problema ed esperienza per riconoscere
DettagliIl paradigma divide et impera. Paolo Camurati Dip. Automatica e Informatica Politecnico di Torino
Il paradigma divide et impera Paolo Camurati Dip. Automatica e Informatica Politecnico di Torino Paradigmi per il Problem Solving: Divide et Impera Divide da problema di dimensione n in a problemi indipendenti
DettagliLaurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi Modulo I - 6 CFU
Laurea Magistrale in Cinema e Media Corso di Rappresentazione e Algoritmi Modulo I - 6 CFU Laurea Magistrale in Scienze della Mente Corso di Intelligenza artificiale Modulo I - 4 CFU Anno Accademico 2013/14
DettagliUnità A2. Progettazione concettuale. Obiettivi. Astrazione. Astrazione per aggregazione
Obiettivi Unità A2 Progettazione concettuale Imparare ad astrarre i dati per definire entità. Saper distinguere tra astrazione per classificazione, per aggregazione e per generalizzazione. Saper distinguere
DettagliFONDAMENTI DI INTELLIGENZA ARTIFICIALE-M
FONDAMENTI DI INTELLIGENZA ARTIFICIALE-M A.A. 2016/2017 Gioco del "Mulino" Prof. Paola Mello, Ing. Federico Chesani, Ing. Andrea Galassi 1 scopo della competizione Stimolare la comprensione e la discussione
DettagliL ELABORATORE ELETTRONICO
L ELABORATORE ELETTRONICO Il calcolatore elettronico è uno strumento in grado di eseguire insiemi di azioni ( mosse ) elementari le azioni vengono eseguite su oggetti (dati) per produrre altri oggetti
DettagliAgenti risolutori di problemi
Agenti risolutori di problemi Agenti risolutori di problemi Risolvere i problemi mediante ricerca Maria Simi a.a 2012/2013 Adottano il paradigma della risoluzione di problemi come ricerca in uno spazio
DettagliIntelligenza di un robot autonomo Comportamento, ragionamento, pianificazione
Comportamento, ragionamento, pianificazione ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione
DettagliRisoluzione di un problema
Algoritmi Risoluzione di un problema Descrizione di un problema! Individuazione di un ALGORITMO! Metodo risolutivo (progetto) Introduzione 2 Algoritmo Sequenza finita di mosse che risolve in un tempo finito
DettagliINTELLIGENZA ARTIFICIALE: INTRODUZIONE
INTELLIGENZA ARTIFICIALE: INTRODUZIONE 1 AI: Preistoria Filosofia Logica, metodi di ragionamento,, la mente, l apprendimento,, la razionalità Matematica rappresentazione formale,dimostrazioni, computazioni,
DettagliIntelligenza Artificiale. Logica proposizionale: calcolo automatico
Intelligenza Artificiale Logica proposizionale: calcolo automatico Marco Piastra Logica formale (Parte 3) - Parte 3 Calcolo automatico Forme normali ed a clausole Risoluzione e refutazione Forward chaining
DettagliRisoluzione automatica di problemi. Sistemi distribuiti LS Prof. Andrea Omicini A.A
Risoluzione automatica di problemi Sistemi distribuiti LS Prof. Andrea Omicini A.A. 2003-2004 Problemi del risolvere problemi Goal organizzare il comportamento del problema attorno al goal rappresentare
DettagliFondamenti 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
DettagliUnità E1. Obiettivi. Non solo problemi matematici. Problema. Risoluzione di un problema. I dati
Obiettivi Unità E1 Dall analisi del problema alla definizione dell algoritmo Conoscere il concetto di algoritmo Conoscere le fasi di sviluppo di un algoritmo (analisi, progettazione, verifica) Conoscere
DettagliNuovi scenari per la matematica Salerno 29/08/2012.
Nuovi scenari per la matematica Salerno 29/08/2012 rprosp@alice.it, albertaschettino@gmail.com 2 Due livelli di azione Medie Disuguaglianza Concetto centrale della statistica Confronto media aritmetica
DettagliCosa è l Informatica?
Cosa è l Informatica? Scienza degli elaboratori elettronici (Computer Science) Scienza dell informazione Scienza della rappresentazione, memorizzazione, elaborazione e trasmissione dell informazione Elaboratore
DettagliAlgoritmi e Strutture Dati
Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2006/07 Il concetto di dato Il concetto di tipo di dato Insertion Sort for j 2 to lenght[a]
DettagliAlgoritmi e Strutture Dati
Strutture Elementari Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino 29 ottobre 2008 Strutture Dati Astratte Il concetto di dato Il concetto
DettagliLinguaggi e Ambienti di Programmazione
Linguaggi e Ambienti di Programmazione Principi e tecniche diffuse che si incontrano spesso nelle applicazioni dell informatica. Compilatori Editor di struttura: riceve in input una sequenza di comandi
DettagliOltre la ricerca classica
Oltre la ricerca classica Cap 4 Ricerca locale, ricerca online Alessio Micheli a.a. 2015/2016 Credits: Maria Simi Russell-Norvig Risolutori classici Gli agenti risolutori di problemi classici assumono:
Dettaglid. Cancellazione del valore 5 e. Inserimento del valore 1
Esercizio1 Si consideri un albero binario non vuoto in cui a ciascun nodo v è associato un numero reale v.val. Scrivere un algoritmo che, dato in input l'albero T e un numero reale x, restituisce true
DettagliIntelligenza Artificiale I
Intelligenza Artificiale I Risoluzione e clausole di Horn Marco Piastra Risoluzione e clausole di Horn [1] Sistemi deduttivi e automazione Il problema è decidibile? La definizione di derivabilità a la
DettagliAlgoritmi e Strutture Dati
Maria Rita Di Berardini 2, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino 2 Polo di Scienze Università di Camerino ad Ascoli Piceno Il concetto di dato Il concetto
DettagliRICERCA BINARIA...1 ALBERO BINARIO DI RICERCA (ABR)...3 RICORSIONE...4 ESEMPI DI RICORSIONE IN VISUAL BASIC...5 ESEMPI DI RICORSIONE IN C / C++...
Tre piccioni con una fava: Ricerca Binaria, Albero Binario di Ricerca e Ricorsione prof. Claudio Maccherani - 2006 / 2007 foto Claudio Maccherani RICERCA BINARIA...1 ALBERO BINARIO DI RICERCA (ABR)...3
DettagliINTRODUZIONE ALLA TEORIA DEI GIOCHI
Corso di Identificazione dei Modelli e Controllo Ottimo Prof. Franco Garofalo INTRODUZIONE ALLA TEORIA DEI GIOCHI A cura di Elena Napoletano elena.napoletano@unina.it Teoria dei Giochi Disciplina che studia
DettagliUnità di apprendimento 6. Dal problema al programma
Unità di apprendimento 6 Dal problema al programma Unità di apprendimento 6 Lezione 1 Conosciamo gli algoritmi e i linguaggi In questa lezione impareremo: cos è un problema come affrontarlo come descrivere
DettagliIntelligenza Artificiale. Cooperazione e coordinamento. Intelligenza Artificiale Daniele Nardi, 2003 Cooperazione e coordinamento 0
Intelligenza Artificiale Cooperazione e coordinamento Intelligenza Artificiale Daniele Nardi, 2003 Cooperazione e coordinamento 0 Sommario Cooperazione [Ferber - MAS, cap. 7.1-7.3] Coordinamento [Ferber
Dettagli