پاورپوینت هوش مصنوعي مسائل ارضای محدودیت (pptx) 33 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 33 اسلاید
قسمتی از متن PowerPoint (.pptx) :
1
هوش مصنوعي
فصل پنجم: مسائل ارضای محدودیت
2
هوش مصنوعي Artificial Intelligence
فهرست
ارضای محدوديت چيست؟
جستجوی عقبگرد برای CSP
بررسی پيشرو
پخش محدوديت
3
مسائل ارضای محدوديت
ارضای محدوديت (CSP) چيست؟
مجموعه متناهی از متغيرها؛ X1, X2, …, Xn
مجموعه متناهی از محدوديتها؛ C1, C2, …, Cm
دامنه های ناتهی برای هر يک از متغيرها؛DX1,DX2,…,DXn
هر محدوديت Ci زيرمجموعه ای از متغيرها و ترکيبهای ممکنی از مقادير برای آن زيرمجموعه ها
هر حالت با انتساب مقاديری به چند يا تمام متغيرها تعريف ميشود
انتسابی که هيچ محدوديتی را نقض نکند، انتساب سازگار نام دارد
انتساب کامل آن است که هر متغيری در آن باشد
راهحل CSP يک انتساب کامل است اگر تمام محدوديتها را برآورده کند
بعضی از CSPها به راهحلهايي نياز دارند که تابع هدف را بيشينه کنند
4
مسائل ارضای محدوديت
مثال CSP: رنگ آميزی نقشه
متغيرها: WA, NT, Q, NSW, V, SA, T
دامنه: {آبی، سبز، قرمز} = Di
محدوديتها: دو منطقه مجاور، همرنگ نيستند
مثال: WA ≠ NT يعنی (WA,NT) عضو
{(قرمز,سبز),(قرمز,آبی),(سبز,قرمز)، (سبز,آبی),(آبی,قرمز),(آبی,سبز)}
5
مسائل ارضای محدوديت
راهحل انتساب مقاديری است که محدوديتها را ارضا کند
6
مسائل ارضای محدوديت
گراف محدوديت
در گراف محدوديت:
گرهها: متغيرها
يالها: محدوديتها
گراف برای سادهتر کردن جستجو به کار ميرود
7
مسائل ارضای محدوديت
مثال CSP: رمزنگاری
متغيرها: F,T,U,W,R,O,X1,X2,X3 دامنه:{9و8و7و6و5و4و3و2و1و0}
محدوديتها: F,T,U,R,O,W مخالفند - O+O=R+10.X1 - ...
8
مسائل ارضای محدوديت
نمايش حالتها در CSP از الگوی استانداردی پيروی ميکند
برای CSP ميتوان فرمول بندی افزايشي ارائه کرد:
حالت اوليه: انتساب خالی{} که در آن، هيچ متغيری مقدار ندارد
تابع جانشين: انتساب يک مقدار به هر متغير فاقد مقدار، به شرطی که با متغيرهايي که قبلا مقدار گرفتند، متضاد نباشند
آزمون هدف: انتساب فعلی کامل است
هزينه مسير: هزينه ثابت برای هر مرحله
9
مسائل ارضای محدوديت
جستجوی عقبگرد برای CSP
جستجوی عمقي
انتخاب مقادير يک متغير در هر زمان و عقبگرد در صورت عدم وجود مقداری معتبر برای انتساب به متغير
يک الگوريتم ناآگاهانه است
برای مسائل بزرگ کارآمد نيست