др Милован Миливојевић aisp & uoop · 2020. 4. 3. · heuristički...

АКАДЕМИЈА СТРУКОВНИХ СТУДИЈА ЗАПАДНА СРБИЈАОдсек Ужице31000 Ужице • Трг Светог Саве [email protected]

ПРЕДМЕТИ:Увод у објектно програмирање

Алгоритми и структуре података● др Милован Миливојевић ●

Ментори: др Милован Миливојевић Тамара Комленовић

Студент:

AISP & uOOP

29.03.20

1

Тема: АЛГОРИТМИ

Дејан Пантелић IN17/19

http://www.vpts.edu.rs/


Ph.D. in Computer

Science



: СТУДЕНТ :

● СЕМИНАРСКИ РАД ●

AISP & uOOP

Тамара Комленовић.

спец. струк. инф.


2

29.03.20

Definicije i istorija❖ Postoje razne definicije, ali ne postoji opšteprihvaćena formalna

definicija algoritma.

❖ Algoritam je opis za rešavanje nekog problema.

❖ Algoritam je niz konačnih instrukcija.

❖ Algoritam je konačna i precizno definisana procedura (niz dobro definisanih pravila) kojom se ulazne vrednosti transformišu u izlazne.

❖ U informatici, pod algoritmom se često podrazumeva kompjuterski program koji nešto izračunava.

❖ U matematičkoj logici je algoritam generalizovan pojam i odnosi se na postupak za postupno pretvaranje nizova znakova.





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




3

29.03.20

❖ Sama reč algoritam dolazi od lošeg latinskog prevoda prezimena persijskog matematičara i astronoma Muhameda Al-Horezmija, koji je živeo u 9. veku. Taj pojam je dugo označavao postupak za račun sa decimalnim brojnim sistemom.

❖ Prvi algoritam koji se može smatrati procedurom čija je namena račun naautomatskoj mašini je napisala Ejda (Ada) Bajron 1842. godine, pa se ona često naziva prvim programerom u istoriji.

❖ Značajan napredak u formalizaciji uvođenja algoritma u matematiku i logiku je načinio Alan T(j)uring (Tjuringov test, Tjuring-kompletni programski jezici, Tjuringovi obrasci...) u svojim radovima definisanjem

Tjuringove mašine. To je primitivan automat, misaona tvorevina, ali poseduje mogućnost izvođenja nekoliko operacija koje su dovoljne za izvođenje skoro svih algoritama. [2]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




4

29.03.20

❖ Za svaki računarski posao algoritam mora biti jasno definisan; naveden na način koji podrazumeva sve moguće situacije koje se mogu pojaviti. Znači, svaki uslovni korak se mora sistematičnoobraditi, slučaj po slučaj; uslov za svaki slučaj mora biti jasan iizračunljiv.

❖ Pošto je algoritam jasan niz preciznih koraka, redosled izračunavanjaje uvek kritičan za njegovo funkcionisanje. Pretpostavlja se da suinstrukcije navedene jasno, da počinju od vrha i da teku do dna. Ova ideja se formalno opisuje kontrolom toka. [3]

❖ Algoritam može biti opisan na više načina: prirodnim jezikom, dijagramima, pseudokodom i programskim jezikom. Dijagrami sumožda i najpopularniji način, jer se jednostavno a slikovito predstavljaproblem i njegovo rešavanje. Za to nije potreban kompjuter, većprosto olovka i papir na kojem ćemo iscrtati algoritamsku šemu, tj. grafički prikaz algoritma. [4]

Detaljnije o algoritmu





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




5

29.03.20

❑ U programskom jeziku, svaki algoritamski korak se zamenjuje nizom instrukcija, koje čine kompjuterski program. Svaka instrukcija računaru mora biti napisana po određenim pravilima. Svaki programski jezik ima skup pravila kojima se definišu važeće jezičke konstrukcije i taj skup pravila se naziva sintaksa jezika. Sa druge strane, značenje ili dejstvo instrukcija čini semantiku jezika. [5]

❑ Svaki algoritam mora da ima ulazne veličine na osnovu kojih će da izračunava postavljeni zadatak. Postavka zadatka u grubim crtama određuje kako je najlakše da se zadatak reši. Način rešavanja zadatka određuje koliko brzo će algoritam doći do rešenja, jer nije svako rešenje jednako efikasno. Izlazne veličine su rezultat konačnog broja koraka koje je algoritam izveo u toku rada. Izlazne veličine ne moraju biti one koje se očekuju. [6]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




6

29.03.20

Dobro napisan algoritam mora poštovati sledeća pravila:

- diskretnost- determinisanost- efektivnost ili konačnost- rezultativnost- masovnost- optimalnost. [7]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




7

29.03.20

- Prema paradigmi programiranja:

- “podeli pa vladaj”

- dinamičko programiranje

- “pohlepni” algoritam (algoritam “lakomosti”)

- linearno programiranje

- pretraga i numeracija

- heuristički algoritmi i algoritmi slučajnosti.

- Ovi poslednji ne odgovaraju u potpunosti strogoj definiciji algoritma.

- Algoritmi slučajnosti prave u nekim situacijama slučajan izbor; za neke

probleme se stvarno može dokazati da se do najbržeg rešenja može doći

samo uvođenjem izvesnog stepena slučajnosti.

- Genetički (genetski) algoritam pokušava da nađe rešenje problema

imitirajući biološki evolucioni proces, koji u nizu slučajnih mutacija daje

uzastopne generacije 'rešenja'. Tako računar simulira razmnožavanje i 'preživljavanje najprilagođenijih'.

Podela algoritama





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




8

29.03.20

❖ Heuristički algoritmi su takvi algoritmi čija je osnovna namena nalaženje optimalnog rešenja, u stvari približnog rešenja, u skladu sa postavljenimograničenjima (vreme, memorija, cena…). Ova metoda se zasniva nasamootkrivanju. Naravno, u ovom slučaju je i dalje potrebno učešće čoveka kako bi prepoznao najbolje od ponuđenih rešenja.

❖ Heuristika može da da rezultat sama po sebi, ili se može koristiti u sprezi sa optimizacionim algoritmima radi unapređenja njihove efikasnosti.

❖ Mnogi antivirusi koriste heuristiku, a ona je prisutna i u oblasti veštačke inteligencije. [8]

❖ Optimizacija pomoću mravlje kolonije je metaheuristika (unapređena heuristika) zasnovana na populaciji koja se može koristiti za pronalaženje približnih rešenja teških optimizacionih problema. [9]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




9

29.03.20

❖ Osnovna karakteristika kolektivnog ponašanja mrava je da svi članovi kolonije

indirektno ili direktno razmenjuju informacije o svom okruženju, tj. prisutan je

fenomen kolektivne inteligencije. Svaki mrav za sobom ostavlja trag,

ispuštajući određenu količinu feromona. Što više mrava ide jednom putanjom,

više je i feromona, a to je za svakog sledećeg mrava „pozitivna informacija“ o

ispravnosti te putanje. Na ovaj način mravi posredno međusobno komuniciraju.

Primenom ovog principa kolonija mrava pronalazi najkraći put do hrane. [10]

❖ Mravlji algoritam je uspešno primenjen na mnoge klasične kombinatorne

probleme optimizacije, kao i diskretne optimizacione probleme koji imaju

stohastičke i/ili dinamičke komponente. Postoji i metaheuristička metoda

Optimizacije pomoću rojeva pčela i Optimizacija rojem čestica.

❖ Naučna disciplina koja se bavi veštačkim i prirodnim sistemima zasnovanim na

kolektivnom ponašanju društvenih insekata i drugih životinja, naziva se

Inteligencija jata. [11]Дејан Пантелић

IN17/19




Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




10

29.03.20

❖ Neuronska mreža je jedan oblik implementacije sistema veštačke inteligencije, koji

predstavlja sistem koji se sastoji od određenog broja međusobno povezanih procesora ili

čvorova, ili procesnih elemenata koje nazivamo veštačkim neuronima.

❖ Značaj neuronskih mreža je u tome da mogu paralelno da obrađuju podatke, čije

komponente su nezavisne jedne od drugih. Istovremeno radi više procesorskih jedinica, da

bi rezultati njihove obrade prešli na sledeće jedinice (neurone). Procesorske jedinice u

jednoj neuronskoj mreži su jednostavne i mogu obavljati samo jednu ili eventualno nekoliko

računarskih operacija i međusobno su povezane tako da u jednoj neuronskoj mreži postoji

mnogo više veza nego procesorskih jedinica. Broj ovih veza između neurona predstavlja

snagu neuronske mreže.

❖ Neuronske mreže se koriste u situacijama kada nisu poznata pravila prema kojima bi bilo

moguće dovesti u vezu ulazne i izlazne podatke iz željenog sistema.

❖ - Neuronske mreže se ne programiraju, već se treniraju, tako da je potrebno dosta

vremena za njihovo obučavanje, pre nego što počnu da se koriste. [12] Дејан Пантелић IN17/19




Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




11

29.03.20

- Podela algoritama prema oblastima rada: algoritmi za pretragu, sortiranje,

spajanje, numeričku analizu, kombinatoriku, mašinsko učenje, kriptografiju,

kompresiju podataka... [13]

- Oblast mašinskog učenja odnosi se na proučavanje algoritama koji su

sposobni da u skladu sa „iskustvom“, odnosno na osnovu podataka, a bez

eksplicitnog programiranja automatski poboljšaju svoje performanse.

- Mašinsko učenje predstavlja sposobnost algoritma da vrši generalizaciju na

osnovu prethodno naučenih veza između podataka. Oblasti primene metoda

nadgledanog i nenadgledanog mašinskog učenja su raznovrsne: u medicini,

bioinformatici, sportu, zarad unapređenja poslovnih performansi

preduzeća...Ove metode koriste se za mašinsko prevođenje teksta,

prepoznavanje lica, razumevanje govornog jezika, za autonomna vozila... [14]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




12

29.03.20

Grafički simboli

osnovnih

algoritamskih koraka

[16]





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




13

29.03.20

Vizuelni efekti nekih algoritama

Varijanta genetskog

algoritma

(GA – Genetic Algorithm)

(kroz različite faze/mutacije

poligoni evoluiraju, dajući sve

uspešniju, tj. finiju,

aproksimaciju originalne

slike)Дејан Пантелић

IN17/19




Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




14

29.03.20

Algoritam učenja

ansambala u

obliku

Random Forest





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




15

29.03.20

Deep Dream

(Guglova

algoritamska

pareidolija,

AI koji

“halucinira” ili

“sanja”)





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




16

29.03.20

=

+

content

image

style image

(turbulentni

Van Gog)





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




17

29.03.20

+

=

fraktalni “Veliki talas kod

Kanagave”





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




18

29.03.20





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




19

29.03.20

haotični

Polok

natpis na glagoljici





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




20

29.03.20





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




21

29.03.20

Algoritamska (generativna, proceduralna) “umetnost”





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




22

29.03.20





Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




23

29.03.20

https://sh.wikipedia.org/wiki/Algoritam ([2], [3], [8], [13])

https://sh.wikipedia.org/wiki/Neuronske_mre%C5%BEe ([12])

https://sites.google.com/site/dragoljubperisic/home/trecagodina/treca01012 ([1])

https://skologija.wordpress.com/primeri-algoritama-iz-svakodnevnog-zivota/ [15]

https://sr.wikipedia.org/wiki/Mravlji_algoritam ([10])

https://www.it-akademija.com/sta-je-algoritam ([4], [16])

https://www.link-elearning.com/site/kursevi/lekcija/4154 ([5], [7])

http://www.link-university.com/lekcija/Izra%C5%BEavanje-algoritma-i-primeri/2548 ([6])

P. Marković I. 2017, Izbor atributa integracijom znanja o domenu primenom metoda

odlučivanja kod prediktivnog modelovanja vremenskih serija nadgledanim mašinskim

učenjem [14]

Šarenac I. 2014, Inteligencija jata, Optimizacija pomoću mravlje kolonije ([9], [11])

Reference:




https://sh.wikipedia.org/wiki/Neuronske_mre%C5%BEe

https://sites.google.com/site/dragoljubperisic/home/trecagodina/treca01012

https://skologija.wordpress.com/primeri-algoritama-iz-svakodnevnog-zivota/

https://sr.wikipedia.org/wiki/Mravlji_algoritam

https://www.it-akademija.com/sta-je-algoritam

https://www.link-elearning.com/site/kursevi/lekcija/4154

http://www.link-university.com/lekcija/Izra%C5%BEavanje-algoritma-i-primeri/2548


Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




24

29.03.20

https://github.com/Newmu/shape-fitter

https://github.com/Newmu/stylize

https://deepdreamgenerator.com/

https://www.ostagram.me

https://dreamscopeapp.com/

https://en.wikipedia.org/wiki/Apophysis_(software)

Substance (NeuroSystems)

Visions of Chaos




https://github.com/Newmu/shape-fitter

https://github.com/Newmu/stylize

https://deepdreamgenerator.com/

https://www.ostagram.me/

https://dreamscopeapp.com/

https://en.wikipedia.org/wiki/Apophysis_(software)


Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




25

29.03.20

https://github.com/jcjohnson/neural-styleImplementacija originalnog “neuralnog stil-transfera”http://pmneila.github.io/jsexp/grayscott/Simulacija reakcija-difuzija sistema napisana u JavaScript-u (animacija)http://www.med-ai.com/models/eliza.htmlChatovanje sa veštačkom inteligencijomhttps://www.youtube.com/user/keeroyz/Dva nova kratka video-klipa svake sedmice, fokus na inovativnoj primeni veštačke inteligencijehttps://www.youtube.com/watch?v=LY7x2IhqjmcKratak naučnofantastični film za koga je scenario napisala veštačka inteligencijahttps://www.youtube.com/watch?v=wYb3Wimn01sNeuronske mreže komponuju muzikuhttps://www.youtube.com/watch?v=5Kowo_ys0pUIntro za The Secret Rules Of Modern Living: Algorithms (2015) – BBC dokumentarachttps://www.youtube.com/watch?v=5RAtFSEkFhoTrejler za fascinanatan BBC dokumentarac o matematici i svetu oko nas, brojevi, obrasci, teorija haosa – The Code (2011)

Interesantni

linkovi




https://github.com/jcjohnson/neural-style

http://pmneila.github.io/jsexp/grayscott/

http://www.med-ai.com/models/eliza.html

https://www.youtube.com/user/keeroyz/

https://www.youtube.com/watch?v=LY7x2Ihqjmc

https://www.youtube.com/watch?v=wYb3Wimn01s

https://www.youtube.com/watch?v=5Kowo_ys0pU

https://www.youtube.com/watch?v=5RAtFSEkFho


Ph.D. in Computer

Science



: СТУДЕНТ :


AISP & uOOP




26

29.03.20

Хвала на пажњи!!!




др Милован Миливојевић aisp & uoop · 2020. 4. 3. · heuristički...

Documents