Ìm hiểu một số giải thuật môn học trí tuệ nhân tạo

1 Tìm hiểu một số giải thuật môn học Trí Tuệ Nhân Tạo GVHD Th S Ngô Hồ Anh Khôi TÌM HIỂU MỘT SỐ GIẢI THUẬT MÔN HỌC TRÍ TUỆ NHÂN TẠO GVHD Th S Ngô Hồ Anh Khôi Sinh viên thực hiện Nguyễn Lập An Khương 1[.]

Tìm hiểu số giải thuật mơn học Trí Tuệ Nhân Tạo GVHD: Th.S Ngơ Hồ Anh Khơi TÌM HIỂU MỘT SỐ GIẢI THUẬT MƠN HỌC TRÍ TUỆ NHÂN TẠO GVHD: Th.S Ngô Hồ Anh Khôi Sinh viên thực hiện: Nguyễn Lập An Khương Tìm kiếm theo chiều rộng Tìm kiếm theo chiều rộng (BFS) thuật tốn tìm kiếm đồ thị việc tìm kiếm bao gồm thao tác: (a) cho trước đỉnh đồ thị; (b) thêm đỉnh kề với đỉnh vừa cho vào danh sách hướng tới Có thể sử dụng thuật tốn tìm kiếm theo chiều rộng cho hai mục đích: tìm kiếm đường từ đỉnh gốc cho trước tới đỉnh đích, tìm kiếm đường từ đỉnh gốc tới tất đỉnh khác Trong đồ thị khơng có trọng số, thuật tốn tìm kiếm theo chiều rộng ln tìm đường ngắn Thuật tốn BFS đỉnh gốc nhìn đỉnh kề với đỉnh gốc Sau đó, với đỉnh số đó, thuật tốn lại nhìn trước đỉnh kề với mà chưa quan sát trước lặp lại Xem thêm thuật tốn tìm kiếm theo chiều sâu, sử dụng thao tác có trình tự quan sát đỉnh khác với thuật tốn tìm kiếm theo chiều rộng  giải thuật tìm kiếm theo chiều rộng duyệt từ A tới B tới E tới F sau tới C, tới G cuối tới D Giải thuật tuân theo qui tắc:    Qui tắc 1: Duyệt tiếp tới đỉnh liền kề mà chưa duyệt Đánh dấu đỉnh mà duyệt Hiển thị đỉnh đẩy vào hàng đợi (queue) Qui tắc 2: Nếu khơng tìm thấy đỉnh liền kề, xóa đỉnh hàng đợi Qui tắc 3: Lặp lại Qui tắc hàng đợi trống Tìm hiểu số giải thuật mơn học Trí Tuệ Nhân Tạo GVHD: Th.S Ngơ Hồ Anh Khơi Ứng dụng: Thuật tốn tìm kiếm theo chiều rộng dùng để giải nhiều toán lý thuyết đồ thị, chẳng hạn như:     Tìm tất đỉnh thành phần liên thơng Tìm đường ngắn hai đỉnh u v (với chiều dài đường tính số cung) Kiểm tra xem đồ thị có đồ thị hai phía Tìm thành phần liên thông Ưu điểm:   Xét duyệt tất đỉnh để trả kết Nếu số đỉnh hữu hạn, thuật tốn chắn tìm kết Nhược điểm:   Mang tính chất vét cạn, không nên áp dụng duyệt số đỉnh lớn Mang tính chất mù qng, duyệt tất đỉnh, khơng ý đến thông tin đỉnh để duyệt hiệu quả, dẫn đến duyệt qua đỉnh không cần thiết Tìm hiểu số giải thuật mơn học Trí Tuệ Nhân Tạo GVHD: Th.S Ngô Hồ Anh Khôi Tìm kiếm theo chiều sâu Giải thuật tìm kiếm theo chiều sâu (Depth First Search – viết tắt DFS), cịn gọi giải thuật tìm kiếm ưu tiên chiều sâu, giải thuật duyệt tìm kiếm một đồ thị sử dụng stack (ngăn xếp) để ghi nhớ đỉnh liền kề để bắt đầu việc tìm kiếm khơng gặp đỉnh liền kề vòng lặp Giải thuật tiếp tục gặp đỉnh cần tìm tới nút khơng có Khi giải thuật quay lui đỉnh vừa tìm kiếm bước trước Trong hình minh họa trên, giải thuật tìm kiếm theo chiều sâu duyệt từ đỉnh A tới B tới C tới D sau tới E, sau tới F và cuối tới G Giải thuật tuân theo qui tắc sau:    Qui tắc 1: Duyệt tiếp tới đỉnh liền kề mà chưa duyệt Đánh dấu đỉnh mà duyệt Hiển thị đỉnh đẩy vào ngăn xếp (stack) Qui tắc 2: Nếu khơng tìm thấy đỉnh liền kề, lấy đỉnh từ ngăn xếp (thao tác pop up) (Giải thuật lấy tất đỉnh từ ngăn xếp mà khơng có đỉnh liền kề nào) Qui tắc 3: Lặp lại qui tắc qui tắc ngăn xếp trống Tìm hiểu số giải thuật mơn học Trí Tuệ Nhân Tạo GVHD: Th.S Ngơ Hồ Anh Khôi Ưu điểm:   Xét duyệt tất đỉnhđể trả kết Nếu số đỉnh hữu hạn, thuật tốn chắn tìm kết Nhược điểm:   Mang tính chất vét cạn, khơng nên áp dụng duyệt số đỉnh lớn Mang tính chất mù quáng, duyệt tất đỉnh, không ý đến thông tin đỉnh để duyệt hiệu quả, dẫn đến duyệt qua đỉnh không cần thiết Tìm kiếm theo chiều sâu có giới hạn Trong trí tuệ nhân tạo hay lý thuyết đồ thị, thuật tốn tìm kiếm có giới hạn độ sâu (DLS)  hay depth-limited search algorithm thuật toán phát triển nút chưa xét theo chiều sâu có giới hạn mức để tránh vào đường không mang lại kết tốt thuật tốn tìm kiếm sâu dần Ưu điểm:  Nó nhớ hiệu quả, sử dụng khơng gian tuyến tính O (bxL) Nhược điểm:  Chưa hoàn thành giải pháp nằm giới hạn L(d