پاورپوینت کامل معماری عامل ها ۸۹ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل معماری عامل ها ۸۹ اسلاید در PowerPoint دارای ۸۹ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل معماری عامل ها ۸۹ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل معماری عامل ها ۸۹ اسلاید در PowerPoint

اسلاید ۴: آزمایشگاه سیستمهای هوشمندslab4عامل واکنشی محض (PRA)این عامل بدون مراجعه به سابقه اش تصمیم می گیرد که چه انجام دهد. این عامل اتخاذ تصمیم خود را کاملا برمبنای زمان حال قرار می دهد و به هیچ وجه توجهی به گذشته ندارد.نمایش فرمال این عامل به این صورت است: action: S A به ازای هر PRA یک عامل استاندارد معادل آن وجود دارد. اما عکس آن همیشه درست نیست. مثال: ترموستات یک عامل PRA است.

اسلاید ۵: آزمایشگاه سیستمهای هوشمندslab5تصحیح مدل انتزاعیتفکیک تابع تصمیم گیری عامل به زیر سیستم های زیر:ادراک: تابع see توانایی عامل در مشاهده محیط خود را نشان می دهد. این تابع در سخت افزار می تواند بصورت دوربین ویدیویی یا حسگر مادون قرمز بر روی یک روبات متحرک پیاده سازی شود. در نرم افزار می تواند دستورات سیستمی ای باشند که اطلاعات مربوط به محیط نرم افزار را دریافت می کنند. خروجی تابع see یک ادراک است:see : S Pعمل: تابع action فرآیند اتخاذ تصمیم عامل را نمایش می دهد.action : P* A تابع action دنباله ای از ادراکات را به اعمال نگاشت می کند.

اسلاید ۶: آزمایشگاه سیستمهای هوشمندslab6زیر سیستم های ادراک و عملمحیطعاملادراکعمل

اسلاید ۷: آزمایشگاه سیستمهای هوشمندslab7عامل های دارای حالت داخلیاین عامل ها دارای ساختار داده ای می باشند که عموما برای ثبت اطلاعات وضعیت محیط و سابقه عملیات عامل از آنها استفاده می شود. فرض کنید I مجموعه تمام حالات داخلی عامل باشد.see : S P تابع ادراکaction : I A تابع انتخاب عمل next : I * P I حالت داخلی و ادراک را به یک حالت داخلی نگاشت می کند

اسلاید ۸: آزمایشگاه سیستمهای هوشمندslab8عامل های دارای حالت داخلی (ادامه)محیطعاملactionseestatenext

اسلاید ۹: آزمایشگاه سیستمهای هوشمندslab9عامل های دارای حالت داخلی (ادامه)حلقه کنترلی عاملآغاز فعالیت عامل از وضعیت اولیه i0 مشاهده وضعیت محیط s و تولید ادراک See(s)به روز آوری وضعیت داخلی از طریق تابع next(i0,See(s)) انتخاب عمل مناسب توسط تابع action(next(i0,See(s))) تکرار از مرحله ۲

اسلاید ۱۰: آزمایشگاه سیستمهای هوشمندslab10وظایف عامل هاعامل ها را می سازیم تا برایمان وظایفی انجام دهند.وظیفه باید توسط ما تعیین شود.اما می خواهیم به عامل بگوییم چه انجام دهند بدون این که به آن بگوییم چگونه آن را انجام دهد.

اسلاید ۱۱: آزمایشگاه سیستمهای هوشمندslab11توابع سودمندی بر روی حالتیک راه: به هر حالت یک سودمندی نسبت دهید. وظیفه عامل آن است که به حالاتی برسد که به حداکثر سودمندی منجر می شوند.توصیف وظیفه یک تابع بصورت زیر است:u : E Rاین تابع یک عدد حقیقی به هر حالت محیط نسبت می دهد.

اسلاید ۱۲: آزمایشگاه سیستمهای هوشمندslab12سودمندی و اجرا (سابقه)اما مقدار اجرا چیست؟مینیمم سودمندی حالت در اجرا؟ماکزیمم سودمندی حالت در اجرا؟مجموع سودمندی های حالات در اجرا؟میانگین آن؟عیب: تعیین یک نمایش طولانی مدت در هنگام نسبت دادن سودمندی به حالات دشوار است.یک راه: تخفیف برای حالات از یک زمان به بعد

اسلاید ۱۳: آزمایشگاه سیستمهای هوشمندslab13سودمندی در اجراراه دیگر: سودمندی را به جای حالات به اجراها نسبت دهید.u : h Rچنین رویکردی به خودی خود نمایش طولانی مدت را لحاظ می کند.صورت های دیگر: احتمال حالات مختلف پدید آمده را نیز در نظر بگیرید.مشکلات رویکردهای بر مبنای سودمندی:این اعداد و مقادیر از کجا می آیند؟تفکرات ما براساس سودمندی نیست.فرموله کردن وظایف به این صورت مشکل است.

اسلاید ۱۴: آزمایشگاه سیستمهای هوشمندslab14سودمندی در بازی دنیای کاشی هایک شبکه دو بعدی که در آن عامل، کاشی ها، موانع و حفره هایی وجود دارند.عامل می تواند در چهار جهت بالا، پایین، چپ و راست حرکت کند و اگر در کنار یک کاشی باشد می تواند آن را هل دهد.حفره ها باید با کاشی ها توسط عامل پر شوند. عامل با پرکردن حفره توسط کاشی امتیاز می گیرد و قصد دارد که تا حد ممکن حفره های بیشتری را پر کند.دنیای کاشی ها با ظاهر شدن و ناپدید شدن حفره ها بصورت تصادفی تغییر می کند.تابع سودمندی بصورت زیر تعریف می شود: h تعداد حفره های پرشده در u(h) = ——————————– h تعداد حفره های ظاهر شده در

اسلاید ۱۵: آزمایشگاه سیستمهای هوشمندslab15معماری های عاملپرسش: چگونه عملیات انتزاعی که در قبل دیدیم را می توان پیاده سازی کرد؟قصد ما این است که عامل هایی بسازیم که ویژگی های خودمختاری، واکنشی، کنش گرایی و قابلیت اجتماعی داشته باشند.پاسخ به این پرسش در حوزه پاورپوینت کامل معماری عامل ها ۸۹ اسلاید در PowerPoint قرار می گیرد.معماری عامل:یک نقشه از عناصر داخلی عامل – ساختمان داده های آن، اعمالی که ممکن است بر روی این ساختمان داده ها اجرا شوند و جریان کنترلی بین این ساختمان داده ها.

اسلاید ۱۶: آزمایشگاه سیستمهای هوشمندslab16چهار نوع معماریچهار نوع معماری برای چهار گروه از عامل ها مطرح است:عامل های منطقی/ نمادینعامل های واکنشیعامل های BDIعامل های ترکیبی و چند لایه

اسلاید ۱۷: آزمایشگاه سیستمهای هوشمندslab17تاریخچهدر سالهای ۱۹۵۶ تا ۱۹۸۵ تقریبا تمام عامل هایی که در هوش مصنوعی طراحی می شدند بر مبنای استدلال بودند و از استدلال منطقی در این گونه عامل ها برای تصمیم گیری استفاده شده است.در سال ۱۹۸۵ با توجه به مشکلات استدلال نمادین عامل های واکنشی مطرح شدند.از سال ۱۹۹۰ به بعد تکنیک های معماری ترکیبی ارائه شدند که سعی در ترکیب بهترین معماری های استدلالی و واکنشی را داشته اند.

اسلاید ۱۸: آزمایشگاه سیستمهای هوشمندslab18عامل های منطقی/ نمادینساده ترین روش برای ساخت عامل ها این است که آنها را نوع خاصی از سیستم های مبتنی بر دانش بدانیم.این الگو هوش نمادین نامیده می شود .یک معماری منطقی معماری ای است که :در آن عامل شامل مدلی نمادین از دنیای واقعی است که بطور صریح بیان می شود.تصمیمات آن بر مبنای استدلال نمادین یا منطق صورت می گیرد.

اسلاید ۱۹: آزمایشگاه سیستمهای هوشمندslab19عامل های منطقی/ نمادین (ادامه)مشکلات عمده عامل های منطقیتعریف تابع نگاشت محیط به ادراک به شکل نمادین مشکل است. به عبارت دیگر تعریف خصوصیات یک محیط پویا و واقعی در قالب مجموعه ای از قوانین استنتاج دشوار است.زمان لازم برای تصمیم گیری این عامل ها قابل کنترل نبوده و احتمال دارد تابع تصمیم گیری هرگز پایان نگیرد.

اسلاید ۲۰: آزمایشگاه سیستمهای هوشمندslab20عامل های منطقی/ نمادین (ادامه)عامل چگونه از راه اثبات قضیه تصمیم می گیرد که چه کاری انجام دهد؟ایده اصلی استفاده از منطق برای کد کردن قضیه است که بهترین عملی را که باید در هر موقعیت اجرا شود بیان می کند.فرض کنید:R این قضیه باشد (قوانین قیاسی)D یک پایگاه داده منطقی که حالت جاری جهان را بیان می کندAc یک مجموعه از اعمال که عامل می تواند انجام دهدD |- r j یعنی j بتواند با استفاده از r از D اثبات شود

اسلاید ۲۱: آزمایشگاه سیستمهای هوشمندslab21عامل های منطقی/ نمادین (ادامه)see : S Pnext: D * P action : D AD = j (L) یک مجموعه از L پایگاه داده است. وضعیت داخلی هر عامل عضوی از مجموعه D است که D1, D2, … اعضای D می باشند.

اسلاید ۲۲: آزمایشگاه سیستمهای هوشمندslab22عامل های منطقی/ نمادین (ادامه)شبه کد تعریف عملfunction action (p: P) : A/* try to find an action explicitly prescribed */ for each a e Ac do If D |- r Do ( a) then return a end-if end-for /* try to find an action not excluded */ for each a e Ac do If D |- r not Do(a) then return a end-if end-for return null /* no action found */end function action

اسلاید ۲۳: آزمایشگاه سیستمهای هوشمندslab23عامل های منطقی/ نمادین (ادامه)مثال: دنیای جاروبرقیهدف روبات روبات جستجوی محیط، کشف آشغال و جارو کردن آن است.

اسلاید ۲۴: آزمایشگاه سیستمهای هوشمندslab24عامل های منطقی/ نمادین (ادامه)عامل دنیای جاروبرقیاز سه گزاره در این مثال استفاده می کنیم:In(x,y) عامل در خانه (x,y) قرار داردDirt(x,y) در خانه (x,y) آشغال وجود داردFacing(d) جهت عامل به سمت d است که d می تواند شمال، جنوب، شرق یا غرب باشد.اعمال ممکنAc ={turn,forward,suck} که در آن turn به معنی گردش به راست می باشد.

اسلاید ۲۵: آزمایشگاه سیستمهای هوشمندslab25عامل های منطقی/ نمادین (ادامه)قوانین برای تعیین این که چه عملی انجام شودو غیرهعامل با استفاده از این قوانین و با شروع از خانه (۰و۰) شروع به برداشتن آشغال می کند.

اسلاید ۲۶: آزمایشگاه سیستمهای هوشمندslab26عامل های واکنشیمسائل حل نشده فراوانی در رابطه با هوش مصنوعی نمادین وجود دارد.این مشکلات باعث شد که تعدادی از محققین در پی یافتن جانشینی برای آن باشند و سه دیدگاه مطرح شد:دیدگاه اول به رد بازنمایی نمادین و تصمیم گیری براساس ساختار آن پرداخته استدیدگاه دوم این ایده را دارد که رفتار هوشمند عامل ناشی از تعامل با محیط است و بطور مستقل قابل تعریف نیست.در دیدگاه سوم رفتارهای هوشمند متشکل و منتج از رفتارهای ساده تر دانسته شده است. این دیدگاه عامل را مبتنی بر رفتار می داند.

اسلاید ۲۷: آزمایشگاه سیستمهای هوشمندslab27عامل های واکنشی (ادامه)Rodney Brooks معماری جزء به کل را مطرح کرد که در آن دو خصوصیت مطرح است:اول این که تصمیم گیری عامل از طریق مجموعه ای از رفتارهای مستقل صورت می گیرد و بر محیط اثر می گذارد. یعنی درک از محیط براساس اثر رفتار به عنوان ورودی نگاشتی از حالت به عمل می دهد.دوم این که تعدادی رفتار بطور همزمان می توانند اجرا شوند.

اسلاید ۲۸: آزمایشگاه سیستمهای هوشمندslab28عامل های واکنشی (ادامه)در این معماری رفتارها بصورت لایه های مختلفی ارائه می شوند کههر رفتار یک ساختار شبیه قانون دارد: عمل وضعیتهر رفتار برای گرفتن کنترل عامل با دیگران رقابت می کند.سطوح بالاتر رفتارهای انتزاعی تری را بروز می دهندلایه های پایین تر قادر به جلوگیری لایه های بالاتر هستند یعنی تقدم بیشتری نسبت یه آنها دارند.

اسلاید ۲۹: آزمایشگاه سیستمهای هوشمندslab29عامل های واکنشی (ادامه)تعریف تابع actionfunction action(p:P) : A var fired: j(R) var selected: A beginfired := {(c,a) | (c,a) e R and p e c}for each (c,a) e fired do if not( Exists (c’,a’) e fired such that (c’,a’) (c,a)) then return a end-ifend-forreturn nullend function action

اسلاید ۳۰: آزمایشگاه سیستمهای هوشمندslab30عامل های واکنشی (ادامه)یک مثال: سیستم کاوشگر مریخشامل گروهی از روبات (عامل) های جمع آوری نمونه سنگ ها از سطح مریخ می باشد که در آن مکان نمونه ها از قبل مشخص نیست اما می دانیم که نمونه ها در حوالی یکدیگر قرار دارند.هر روبات تا جایی می تواند از مبدا دور شود که امکان دریافت سیگنال از مبدا اصلی باشد.ارتباط بین عامل ها بصورت غیر مستقیم از طریق مبدا صورت می گیرد.اگر نمونه جمع آوری شده توسط یک عامل در مسیر انتقال به مبدا رها شود عامل دیگر آن