Full tất cả thuât toán trong Ai, Viết chương trình (bằng mã giả ) tính Phi bằng phương pháp ngẫu nhiên, Thuật giải AT, Thuật giải AKT, Thuật giải A, thuật giải GTS , Thuật giải tô màu tối ưu,thuật giải leo đồi đơn giản,Thuật giải leo đồi dốc đứng,Vương Hạo,Robinson,
1> Viết chương trình (bằng mã giả ) tính Phi phương pháp ngẫu nhiên : Function Pi:Real; Var m,i : Interger ; x,y : Real ; Begin m:= ; For i := To N Do {Phát ngẫu nhiên N điểm } Begin x:= random : { x (0,1)} y:= random : { y (0,1)} if(x2 + y2) Thuật giải AT Bước : • • Mọi đỉnh n , giá trị g(n) ẩn Mở đỉnh gọi đỉnh S đặt g(S)=0 Bước : Chọn đỉnh mở với giá thành g tương ứng nhỏ gọi đỉnh N • • • Nếu N mục tiêu : đường từ đỉnh ban đầu đến N đường ngắn g(N) Dừng (Success) Nếu không tồn đỉnh mở : biểu diễn vấn đề đường tới mục tiêu Dừng (Fail) Nếu tồn nhiều đỉnh N ( nghĩa có đỉnh N trở lên ) mà có giá thành g(N) nhỏ kiểm tra xem số có đỉnh đích hay khơng: o Nếu có : đường từ đỉnh ban đầu đến đỉnh N ngắn g(N) Dừng (Success) o Nếu khơng có : chọn ngẫu nhiên đỉnh gọi đỉnh N Bước : Đóng đỉnh N mở đỉnh sau N (là đỉnh có hướng từ N tới ) Tại đỉnh S sau N tính : g(S) = g(N)+ cost(N->S) Bước : Quay lại bước 3> Thuật giải AKT Bước : Mọi đỉnh ,cũng hàm g,h,f chưa biết • • • Mở đỉnh S , gán g(S)=0 Sử dụng tri thức bổ sung để ước tính hàm h(S) Tính f(S) = g(S) + h(S) Bước : chọn đỉnh mở có f nhỏ gọi đỉnh N • • • Nếu N đích : đường từ đỉnh ban đầu đến đỉnh N ngắn băng g(N) Dừng ( Success) Nếu không tồn đỉnh mở : biểu diễn vấn đề không tồn đường tới mục tiêu Dừng ( Fail ) Nếu có đỉnh mở trở lên có giá trị f nhỏ : phải kiểm tra xem đỉnh có đỉnh đích hay khơng : o có : đường từ đỉnh ban đầu đến đỉnh N ngắn g(N) dừng (Success) o : chọn ngẫu nhiên đỉnh gọi đỉnh N Bước :Đóng đỉnh N , mở đỉnh sau N với đỉnh S sau N tính : g(S)=g(N)+cost(S->N) • Sử dụng tri thức bổ sung để tính h(S) f(S) : f(S) = g(S) + h(S) Bước : quay lại bước 4> Thuật giải A* Bước : Mọi đỉnh , hàng g,h,f chưa biết • • • Mở đỉnh S , gán g(S)=0 Ước lượng hàm h(S) Gán f(S) = h(S) + g(S) Bước : chọn đỉnh mở có f(S) nhỏ gọi đỉnh N : • • • Nếu N đích : đường từ đỉnh ban đầu đến đỉnh N ngắn băng g(N) Dừng ( Success) Nếu không tồn đỉnh mở : biểu diễn vấn đề không tồn đường tới mục tiêu Dừng ( Fail ) Nếu có đỉnh mở trở lên giá trị f(S) nhỏ : ta phải kiểm tra xem đỉnh có đỉnh đích hay khơng : o có : đường từ đỉnh ban đầu đến đỉnh N ngắn g(N) dừng (Success) o khơng có : chọn ngẫu nhiên đỉnh gọi đỉnh N Bước : Đóng đỉnh N , đỉnh S sau N , tính : • • • g’(S)= g(N) + cost(S->N) Nếu đỉnh S mở g(S) thuật giải GTS : Bước : {khởi đầu} Đặt Tour :={}; Cost := 0; V := U : {V đỉnh làm việc } Bước : {thăm tất thành phố } For k := To n Do Qua bước ; Bước :{chọn cung } Đặt {V,W} cung có chi phí nhỏ tính từ V đến đỉnh W chưa dùng : Tour := Tour + {(V,W)}: Nhãn W sử dụng Đặt V := W : {gán để xét bước } Bước : {chuyến hoàn thành } Đặt Tour := Tour + {(V,U)}: Cost := Cost + Cost(V,U); Dừng 6> Thuật giải tô màu tối ưu Lặp lại bước sau tô màu hết đỉnh : Bước : chọn đỉnh có bậc lớn tô màu i; Bước : Hạ bậc : • Đỉnh tơ màu : bậc = • Những đỉnh có liên hệ : bậc := bậc – Bước : Đánh dấu đỉnh liên hệ ( bậc vừa trừ ) cấm tô màu i 7> thuật giải leo đồi đơn giản B1 : trạng thái ban đầu (T0) trạng thái đích : báo tìm lời giải Ngược lại , đặt trạng thái hành (Ti) trạng thái khởi đầu (T0) B2 : Lặp lại đạt đến trạng thái kết thúc không tồn trạng thái hợp lệ (Tk) trạng thái hành : a.Đặt Tk trạng thái hợp lệ trạng thái hành Ti b.Đánh giá trạng thái Tk : b.1 trạng thái kết thúc trả giá trị b.2 khơng phải trạng thái kết thúc tốt trạng thái hành cập nhật thành trạng thái hành b.3 khơng tốt trạng thái hành tiếp tục vòng lặp 8> Thuật giải leo đồi dốc đứng : Bước :nếu trạng thái bắt đầu trạng thái đích báo tìm lời giải Ngược lại , đặt trạng thái hành (Ti) trạng thái khởi đầu (T0) Bước : lặp lại đạt đến trạng thái kết thúc (Ti) không tồn trạng thái (Tk) tốt trạng thái (Ti) : a) Đặt S tập tất trạng thái có Ti tốt Ti b) Xác định Tkmax trạng thái tốt tập S Đặt Ti = Tkmax 9> Trình bày nêu ý nghĩa bước thuật giải Vương Hạo Bước 1: Phát biểu lại giả thiết kết luận vấn đề dạng chuẩn sau: GT1, GT2, …, GTn → KL1, KL2, … KLm Trong GTi KLj xây dựng từ biến mệnh đề phép tốn ∧,∨,¬ Bước 2: Chuyển vế GTi KLj có dạng phủ định Bước 3: Thay dấu “∧” GTi dấu “∨” KLj dấu “,”(phẩy) Bước 4: Nếu GTi dấu “∨” KLj dấu “∧” dòng tách thành hai dòng Bước 5: Nếu dòng chứng minh: tồn chung mệnh đề vế coi Bước 6: nếu dòng khơng dấu liên kết tuyển hội mà hai vế khơng có chung biến mệnh đề dòng khơng chứng minh Lưu ý: Từ bước đến bước không cần làm theo thứ tự 10> Trình bày nêu ý nghĩa bước thuật giải Robinson Bước 1: Phát biểu lại giả thiết kết luận vấn đề dạng chuẩn sau: GT1, GT2, …, GTn →KL1, KL2, … KLm Trong GTi KLj xây dựng từ biến mệnh đề phép tốn ∧,∨,¬ Bước 2: Biến đổi dòng thành danh sách mệnh đề: {GT1, GT2, …, GTn, ¬KL1,¬KL2, …, ¬KLm Bước 3: Nếu danh sách mệnh đề có mệnh đề đối ngẫu vấn đề giải xong Nếu khơng chuyển sang bước Bước 4: Xây dựng mệnh đề cách tuyển cặp mệnh đề từ danh sách mệnh đề bước Nếu mệnh đề có biến mệnh đề đối ngẫu biến mệnh đề loại bỏ Bước 5: Bổ sung mệnh đề vào danh sách mệnh đề loại bỏ mệnh đề tuyển thành mệnh đề Bước 6: Nếu không xây dựng thêm mệnh đề danh sách mệnh đề khơng có mệnh đề đối ngẫu vấn đề phát biểu dạng chuẩn bước sai 11> Vẽ mơ hình mơ tả cấu trúc chương trình trí tuệ nhân tạo 12> Thuật tốn Quiland : Quyết định thuộc tính phân hoạch cách xây dựng vector đặc trưng cho giá trị thuộc tính dẫn xuất thuộc tính mục tiêu Bước 1: Phân loại thuộc tính dẫn xuất thuộc tính mục tiêu Thuộc tính mục tiêu: thuộc tính quan tâm Thuộc tính dẫn xuất: thuộc tính quan sát Bước 2: Với thuộc tính dẫn xuất A, tính vector đặc trưng VA(j) = ( T(j , r1), T(j , r2) , …, T(j , rn) ) T(j, ri) = (tổng số phần tử phân hoạch có giá trị thuộc tính dẫn xuất A j có giá trị thuộc tính mục tiêu ri ) / ( tổng số phần tử phân hoạch có giá trị thuộc tính dẫn xuất A j ) * r1, r2, … , rn giá trị thuộc tính mục tiêu Bước 3: Chọn thuộc tính có nhiều vector đơn vị để phân hoạch Vector đơn vị vector có thành phần có giá trị thành phần khác có giá trị Bước 4: Loại bỏ thuộc tính phân hoạch Nếu thuộc tính dẫn xuất quay lại bước để tính vector đặc trưng cho thuộc tính dẫn xuất Ngược lại, kết thúc thuật toán 13> Đo độ hỗn loạn Bước 1: Phân loại thuộc tính dẫn xuất thuộc tính mục tiêu Thuộc tính mục tiêu: thuộc tính quan tâm Thuộc tính dẫn xuất: thuộc tính quan quan sát Bước 2: Với thuộc tính dẫn xuất ta cần tính độ hỗn loạn đó: • bt tổng số phần tử có phân hoạch • bj tổng số phần tử có thuộc tính dẫn xuất A có giá trị j • bri : tổng số phần tử có thuộc tính dẫn xuất A có giá trị j thuộc tính mục tiêu có giá trị i Bước 3: Chọn thuộc tính có độ hỗn loạn thấp để phân hoạch Bước 4: Loại bỏ thuộc tính phân hoạch Nếu thuộc tính đẫn xuất quay lại bước để tính độ hỗn loạn cho thuộc tính dẫn xuất Ngược lại, kết thúc thuật toán 14> khái niệm mạng ngữ nghĩa : cho ví dụ minh họa ? ưu nhược điểm ? Khái niệm : mạng ngữ nghĩa biểu diễn tri thức dạng đồ thị , : - Đỉnh đối tượng (khái niệm) - Cung cho biết mối quan hệ đối tượng (khái niệm ) Ví dụ : Ưu điểm : - Mạng ngữ nghĩa linh động, ta dễ dàng thêm vào mạng đỉnh cung để bổ sung tri thức cần thiết - Mạng ngữ nghĩa có tính trực quan cao nên dễ hiểu - Mạng ngữ nghĩa cho phép đỉnh thừa kế tính chất từ đỉnh khác thơng qua cung, từ đó, tạo liên kết đỉnh khơng có liên kết trực tiếp với Khuyết điểm : - chưa có giới hạn cho đỉnh cung mạng - Tính thừa kế mạng dẫn đến nguy mâu thuẫn tri thức Chẳng hạn, bổ sung thêm nút "Gà" vào mạng dẫn đến kết luận "Gà" biết "bay"! - Hầu biển diễn tri thức dạng thủ tục mạng ngữ nghĩa khái niệm thời gian trình tự khơng thể tường minh mạng ngữ nghĩa 15> Nêu phương pháp học thông dụng để máy tiếp thu tạo tri thức - Học vẹt : Hệ tiếp nhận khẳng định định Học cách dẫn : Hệ thống cung cấp dẫn tổng quát Học quy nạp : Hệ thống cung cấp tập ví dụ kết luận rút từ ví dụ - Học tương tự : Hệ thống cung cấp đáp ứng cho tác vụ tương tự không giống - Học dựa giải thích : Hệ thống phân tích tập lời giải ví dụ ( kết quả) nhằm ấn định khả sai tạo giải thích dùng để hướng dẫn cách giải tốn tương lai - Học dựa tình : Tình hệ thống lưu trữ với kết Khi gằp tình hướng mới, hệ thống làm thích nghi hành vi lưu trữ với tình - học khơng giám sát : tìm kiếm mẫu quan hệ liệu nhập ví dụ : gom cụm liệu, học để nhận dạng đặc tính cạnh từ điểm ảnh - Học có giám sát :Bài tốn phân lớp sử dụng định danh (ID3) 16> Trình bày cách phân loại tri thức Vẽ mơ hình mơ tả phân lớp tri thức Tri thức kiện: khẳng định kiện, khái niệm (trong phạm vi xác định) Các định luật vật lý, toán học, thường xếp vào loại (Chẳng hạn : mặt trời mọc đằng đông, tam giác có góc 600, ) - Tri thức thủ tục: thường dùng để diễn tả phương pháp, bước cần tiến hành, trình từ hay ngắn gọn cách giải vấn đề Thuật toán, thuật giải dạng tri thức thủ tục Tri thức mô tả: cho biết đối tượng, kiện, vấn đề, khái niệm, thấy, cảm nhận, cấu tạo (một bàn thường có chân, người có tay, mắt, ) Tri thức Heuristic: dạng tri thức cảm tính Các tri thức thuộc loại thường có dạng ước lượng, đốn, thường hình thành thơng qua kinh nghiệm 17> Trình bày phương pháp biểu diễn tri thức thơng dụng giải thích ý nghĩa cho ví dụ Logic mệnh đề: - Mệnh đề khẳng định nhận giá trị sai Logic vị từ: - Định nghĩa: mở rộng logic mệnh đề cách đưa vào khái niệm vị từ lượng từ phổ thông dụng (∀, ∃) Ví dụ : Biểu diễn tri thức luật sinh: Các luật sinh có dạng: P1 ∧ P2 ∧ P3 ∧ … ∧ Pm → Q Tùy thuộc vào chất lĩnh vực quan tâm mà có ngữ nghĩa khác Biểu diễn tri thức sử dụng mạng ngữ nghĩa: biểu diễn tri thức dạng đồ thị , đỉnh đối tượng (khái niệm) cung cho biết mối quan hệ đối tượng (khái niệm) Biểu diễn tri thức frame : Frame cấu trúc liệu chứa đựng tất tri thức liên quan đến đối tượng cụ thể Biểu diễn tri thức script : Script cách biểu diễn tri thức tương tự frame thay đặc tả đối tượng , script mô tả chuỗi kiện Mục Lục ... chuẩn bước sai 11> Vẽ mơ hình mơ tả cấu trúc chương trình trí tuệ nhân tạo 12> Thuật tốn Quiland : Quyết định thuộc tính phân hoạch cách xây dựng vector đặc trưng cho giá trị thuộc tính dẫn... hành, trình từ hay ngắn gọn cách giải vấn đề Thuật toán, thuật giải dạng tri thức thủ tục Tri thức mô tả: cho biết đối tượng, kiện, vấn đề, khái niệm, thấy, cảm nhận, cấu tạo (một bàn thường có chân,... danh (ID3) 16> Trình bày cách phân loại tri thức Vẽ mơ hình mơ tả phân lớp tri thức Tri thức kiện: khẳng định kiện, khái niệm (trong phạm vi xác định) Các định luật vật lý, toán học, thường xếp