آموزش هوش مصنوعی - بخش چهارم
TRANSCRIPT
مصنوعیآموزش هوش
faradars.org/fvsft102
:مدرس
محمد صبریدانشجوی دکتری مهندسی کامپیوتر گرایش هوش مصنوعی
تهرانهیات علمی دانشگاه آزاد اسالمی واحد شهر قدس عضو
هوش مصنوعی، رهیافتی نوین
«جستجوهای آگاهانه»: فصل سوم
1
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
2
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
3
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی درختیfunction TREE-SEARCH(problem , fringe) return a solution or failure
fringe INSERT(MAKE-NODE(INITIAL-STATE[problem]), fringe)
loop do
if EMPTY?(fringe) then return failure
node REMOVE-FIRST(fringe)
if GOAL-TEST[problem] applied to STATE[node] succeeds
then return SOLUTION(node)
fringe INSERT-ALL(EXPAND(node, problem), fringe)
4
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی سطحی
آگاهانهجستجویبرایکلیروش•f(n)ارزیابیتابعاساسبردادنبسطبرایگره:سطحیجستجوی•
.شودمیانتخاب
رااییرهگیعنی.کندمیگیریاندازهراهدفتافاصلهارزیابیتابع:ایده•.باشدبهتریننظربهکهکندمیانتخابدادنبسطبرای
f(n)اساسبرمرتبصفیکfringe:سازیپیاده•
5
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
تابع هیورستیک
[dictionary]“A rule of thumb, simplification, or
educated guess that reduces or limits the search for
solutions in domains that are difficult and poorlyunderstood.”
h(n) برابر با هزینه تخمینی راه حل بهینه از گرهnتا هدف اگرn،آنگاه برابر با هدف باشدh(n)=0خواهد بود.
6
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
مساله کشور رمانی
•hSLDهدفتاگرههرهواییمستقیمفاصله•hSLDشودمحاسبهمسالهصورتازتواندنمی.
f(n)=h(n):حریصانهجستجوی•
.باشدترنزدیکهدفبهکهبدهبسطرااییگره•
7
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی حریصانه
شروعحالت=ریشه•
8
Arad (366)
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی حریصانه
9
Sibiu(253) Zerind(374)Timisoara(329)
Arad
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی حریصانه
10
Arad
Sibiu
Arad(366)
Fagaras(176)
Oradea(380)
Rimnicu Vilcea(193)
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی حریصانه
11
Arad
Sibiu
Fagaras
Sibiu(253)
Bucharest(0)
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی حریصانه
بودن؟کامل•(تکرارحلقه)خیر•
بودن؟بهینه•(نبودنکامل)خیر•
زمانی؟مرتبه•حافظه؟مرتبه•
12
O(bm )
O(bm )
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
آگاهانهجستجویترینشدهشناخته•.کندمیاجتنابرسند،نمینظربهصرفهبهکههاییگرهبسطاز:ایده•
f(n)=g(n):ارزیابیتابع• + h(n)
•g(n)گرهتاشروعگرهازواقعیهزینهn
•h(n)گرهازتخمینیهزینهnهدفتا•f(n)گرهازعبورباهدفتاشروعگرهازتخمینیهزینهn
13
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
تابع هیوریستیک قابل پذیرش
:استپذیرشقابلهیوریستیکتابعیک•.ندهدارایههدفتاهزینهازاضافیتخمینهیچگاه1..باشدبینانهخوش2.
Formally:
1. h(n) <= h*(n) where h*(n) is the true cost from n
2. h(n) >= 0 so h(G)=0 for any goal G.
است؟پذیرشقابلhSLD(n)آیا•
14
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
15
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
16
f(Arad) = c(??,Arad)+h(Arad)=0+366=366
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
17
f(Sibiu)=c(Arad,Sibiu)+h(Sibiu)=140+253=393
f(Timisoara)=c(Arad,Timisoara)+h(Timisoara)=118+329=447
f(Zerind)=c(Arad,Zerind)+h(Zerind)=75+374=449
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
18
f(Arad)=c(Sibiu,Arad)+h(Arad)=280+366=646f(Fagaras)=c(Sibiu,Fagaras)+h(Fagaras)=239+179=415f(Oradea)=c(Sibiu,Oradea)+h(Oradea)=291+380=671f(Rimnicu Vilcea)=c(Sibiu,Rimnicu Vilcea)+h(Rimnicu Vilcea)=220+192=413
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
19
f(Craiova)=c(Rimnicu Vilcea, Craiova)+h(Craiova)=360+160=526f(Pitesti)=c(Rimnicu Vilcea, Pitesti)+h(Pitesti)=317+100=417f(Sibiu)=c(Rimnicu Vilcea,Sibiu)+h(Sibiu)=300+253=553
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
20
f(Sibiu)=c(Fagaras, Sibiu)+h(Sibiu)=338+253=591f(Bucharest)=c(Fagaras,Bucharest)+h(Bucharest)=450+0=450
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
21
f(Bucharest)=c(Pitesti,Bucharest)+h(Bucharest)=418+0=418
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
22
Suppose suboptimal goal G2 in the queue.Let n be an unexpanded node on a shortest to optimal goal G.
f(G2 ) = g(G2 ) since h(G2 )=0> g(G) since G2 is suboptimal>= f(n) since h is admissible
Since f(G2) > f(n), A* will never select G2 for expansion
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
23
A heuristic is consistent if
If h is consistent, we have
h(n) c(n,a,n') h(n')
f (n') g(n') h(n')
g(n) c(n,a,n') h(n')
g(n) h(n)
f (n)
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
بودن؟کامل•بلی•بودن؟بهینه•بلی•
– A* expands all nodes with f(n)< C*
– A* expands some nodes with f(n)=C*
– A* expands no nodes with f(n)>C*
.باشدمینیزموثربهینه*Aبنابراین•
24
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
*Aجستجوی
زمانی؟مرتبه•.باشدمینماییمرتبهازکماکان•حافظه؟مرتبه•.استزمانیپیچیدگیبامرتبههم•
.استبزرگتریمشکلمراتببهحافظه!
25
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
با حافظه محدود *Aجستجوی
بودنبهینهوکاملویژگیحفظبا*Aحافظهمشکلبهبود•.1ID A*:محدودهزینهیکتعیینf-cost (g+h)محدودعمقجایبه
.2RBFS:خطیحافظهداشتنبرایبازگشتیالگوریتم
.3: (S)MA*رپزماندرقدیمییگرهبدترینحذفوجدیدگرهبهترینبسطحافظهشدن
26
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Recursive best-first search
function RECURSIVE-BEST-FIRST-SEARCH(problem) return a solution or failurereturn RFBS(problem,MAKE-NODE(INITIAL-STATE[problem]),∞)
function RFBS( problem, node, f_limit) return a solution or failure and a new f-cost limitif GOAL-TEST[problem](STATE[node]) then return nodesuccessors EXPAND(node, problem)if successors is empty then return failure, ∞for each s in successors do
f [s] max(g(s) + h(s), f [node])repeat
best the lowest f-value node in successorsif f [best] > f_limit then return failure, f [best]alternative the second lowest f-value among successorsresult, f [best] RBFS(problem, best, min(f_limit, alternative))if result failure then return result
27
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
RBFSالگوریتم
.شودانتخابآنبرایجانشینبهترینوبرگگرهبهترین1.
مسیرهبآنگاهشد،بیشترآنجانشینازبرگگرهبهترینمقداراگر2..شودعقبگردجانشین
.شودبروزرسانیf(n)مقدارعقبگرد،حیندر3.
.شوددادهبسطجانشینگره4.
28
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
RBFS
29
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
RBFS
30
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
RBFS
31
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
RBFS
•RBFSازموثرتریمراتببهجستجویID A*است..ردبمیرنجعقیدهتغییردلیلبهگرهزیادیبسیارتعدادتولیدازکماکان•
.استبهینهباشد،پذیرشقابلh(n)اگر*Aمانند•.استo(bd)حافظهپیچیدگی•.داردستگیبعقیدهتغییرمیزانوهیوریستیکتابعکیفیتبهزمانیپیچیدگی•
32
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
تابع هیوریستیک
33
.است22متوسططوربهبهینهجوابعمق•.است3متوسططوربهانشعابفاکتور•
3.1حالتفضایتعداد• x .باشدمی1010.دهدکاهشچشمگیریطرزبهراحالتفضایتواندمیخوبهیوریستیکتابع•
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
34
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
35
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
تابع هیوریستیک
36
•h1باشندنمیخودسرجایکههاییکاشیتعداد.h1(s)=8
•h2واقعیجایتاکاشیهر(منهتن)عمودی–افقیفاصلهمجموعh2(s)=3+1+2+2+2+3+3+2=18
•h3واقعیجایتاکاشیهرقطری–عمودی–افقیفاصلهمجموعh3(s)=2+1+1+1+2+2+2+2=13
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
کیفیت تابع هیوریستیک
یکنواختدرختدرانشعابفاکتور:(*b)موثرانشعابفاکتور•
است؟مقداریچه*bبرایمقداربهترین•
37
N 11 b*(b*) 2 ... (b*) dفرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
کیفیت تابع هیوریستیک
38
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
39
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
40
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
(1)ابداع تابع هیوریستیک قابل پذیرش
relax)مسالهازشدهسادهنسخهطریقاز• version)
h1شودمنتقلهرجاییبهتواندمیکاشیهر.h2شودمنتقلهمسایهخانههربهتواندمیکاشیهر.ABSolverزندمیتخمینراروبیکمکعببرایحلراههزینه.
41
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
(2)ابداع تابع هیوریستیک قابل پذیرش
(subproblem)مسالهازکوچترنسخهطریقاز•
42
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
(3)ابداع تابع هیوریستیک قابل پذیرش
learning)تجربهازیادگیریطریقاز• from experience)مسالهاززیادیبسیارتعدادحل:تجربه
43
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
44
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
45
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
جستجوی محلی
دخوبلکهباشدنمیمهمهدفتارسیدنحلراهمسایلازبرخیبرای•.باشدمیمهمهدفحالت
.شودمیاستفادهمحلیجستجویازمسایلاینگونهبرای•ایههمسبهترینبهونمودهذخیرهرافعلیحالتفقط:محلیجستجوی•
.کندمیحرکتتحاالتعدادبامسایلدرحلراهکردنپیداامکانوکمبسیارحافظه•
.استمحلیجستجوهایمزایایاززیاد،بسیار
46
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
الگوریتم تپه نوردی
دبرسقلهبهکهزمانی.کندمیحرکتبهبودجهتدرمتناوبطوربه•.شودمیمتوقف
هبدلیلهمینبهکند،نمیتوجهبرگهایگرهآیندهبهنوردیتپه•.استمشهورهمحریصانهمحلیجستجویالگوریتم
باشد،داشتهوجودبهترینگرهیکازبیشترصورتیکهدرنوردیتپه•.کندمیانتخابتصادفیصورتبهراگرهبهترین
47
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
الگوریتم تپه نوردی
48
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
الگوریتم تپه نوردی
function HILL-CLIMBING( problem) return a state that is a local maximum
input: problem, a problem
local variables: current, a node.
neighbor, a node.
current MAKE-NODE(INITIAL-STATE[problem])
loop do
neighbor a highest valued successor of current
if VALUE [neighbor] ≤ VALUE[current] then return STATE[current]
current neighbor
49
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
الگوریتم تپه نوردی
•h(n):یرغیامستقیمصورتبهراهمدیگرکهوزیرهاییجفتتعداد.کنندمیتهدیدمستقیم
50
a)h=3+4+2+3+2+2+1+0=17 b)h=1
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
الگوریتم تپه نوردی
51
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
تپه نوردیانواع الگوریتم
Stochastic)قطعیغیرنوردیتپه• hill-climbing):تمالاحالبته.شودانتخابتصادفیصورتبهیکیباالبهروهایحرکتبیندر
.استمتناسبشیبباانتخاب
First-choice)گزینهاولینانتخاببانوردیتپه• hill-climbing):شوندمیدادهبسطبهترگرهیکحصولتاهاگره.
Random-restart)تصادفینوردیتپه• hill-climbing):نمودخواهدشروعمجدداًجوابحصولتاتصادفیمجددشروعحالتاز.
52
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Simulated annealing
رکتحانجامبهدادناجازهبامحلیهایبیشینهدرکردنگیرازاجتناب•آنتعدادواحتمالزمانگذشتحیندرکه،(مناسبنا)فرعیهای
.یابدمیکاهش.گرددمیبرمتالورژیعلومبهالگویتمپیشینه•Bouncing:مثال• ball analogy
53
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Simulated annealing
function SIMULATED-ANNEALING( problem, schedule) return a solution stateinput: problem, a problem
schedule, a mapping from time to temperaturelocal variables: current, a node.
next, a node.T, a “temperature” controlling the probability of downward steps
current MAKE-NODE(INITIAL-STATE[problem])for t 1 to ∞ do
T schedule[t]if T = 0 then return currentnext a randomly selected successor of current∆E VALUE[next] - VALUE[current]if ∆E > 0 then current nextelse current next only with probability e∆E /T
54
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Local beam search
.بردمیبهرهشروعحالتیکجایبهشروعحالتkاز•تصادفیحالتk:شروعحالت•هابرگتمامبینازحالتبهترینتاkانتخاب:بعدیحالت•حاالتتمامبررسییاهدفشدنپیدا:خاتمهحالت•
بهاطالعاتکهاستاینتصادفیمجددشروعبانوردیتپهباتفاوت•.شودمیگذاشتهاشتراک
.باشدبرخوردارکافیتنوععدمازالگوریتماستممکن•
55
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Genetic algorithms
56
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
Genetic algorithms
57
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
58
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فهرست مطالب
های آگاهانهاستراتژی•جستجوی حریصانه•*Aجستجوی •
کیفیت توابع هیوریستیک•ابداع توابع هیوریستیک•جستجوی محلی•
تپه نوردی••SAپرتوی محلی•ژنتیک•
59
فرادرس
FaraDars.org
مصنوعیآموزش هوش
faradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
این اسالید ها بر مبنای نکات مطرح شده در فرادرس
« آموزش هوش مصنوعی».تهیه شده است
یدبرای کسب اطالعات بیشتر در مورد این آموزش به لینک زیر مراجعه نمایfaradars.org/fvsft102
مصنوعیآموزش هوش
faradars.org/fvsft102
فرادرس
FaraDars.org