پاورپوینت کامل هوش مصنوعی رهیافتی نوین ۳۶۹ اسلاید در PowerPoint

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

 پاورپوینت کامل هوش مصنوعی رهیافتی نوین ۳۶۹ اسلاید در PowerPoint دارای ۳۶۹ 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 هوش مصنوعی رهیافتی نوین ۳۶۹ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل هوش مصنوعی رهیافتی نوین ۳۶۹ اسلاید در PowerPoint

اسلاید ۴: سیستم‌هایی که مانند انسان فکر می‌کنندسیستم‌هایی که به طور منطقی فکر می‌کنندسیستم‌هایی که مانند انسان عمل می‌کنندسیستم‌هایی که به طور منطقی عمل می‌کنند تمرکز بر روی پردازش‌های رفتاری پردازش‌های فکری و استدلالیایده‌آل هوشمندیارائه انسانی

اسلاید ۵: انسان گونه عمل کردن: رهیافت آزمون تورینگآزمونی از کامپیوتر به عمل آید، و آزمون گیرنده نتواند دریابد که در آن طرف انسان قرار دارد یا کامپیوتر. برای این کار کامپیوتر باید قابلیت‌های زیر را داشته باشد: پردازش زبان طبیعی = محاورهبازنمایی دانش= ذخیره اطلاعات استدلال خودکار= استدلال و استخراج یادگیری ماشینی= کشف الگو و برون ریزی

اسلاید ۶: تست تورینگ: این آزمون از ارتباط فیزیکی مستقیم بین کامپیوتر و محقق اجتناب می‌کند.به منظور قبول شدن در تست تورینگ کلی، کامپیوتر به موارد زیر احتیاج دارد: بینایی ماشین برای درک اشیاء روباتیک به منظور حرکت آنها

اسلاید ۷: ۲. انسانی فکر کردن-: رهیافت مدلسازی شناختی:چگونگی شناسایی عملکرد افکار انسان:۱- درون گرایی ۲- تجارب روانشناسیعلوم شناختی : مدل‌های کامپیوتر از AI و همچنین تکنیک‌های روانشناختی را گرد هم می‌آورد تا بتواند تئوری‌های دقیقی از کارکرد ذهن انسان به دست آورند.

اسلاید ۸: ۳. منطقی فکر کردن: قوانین رهیافت تفکررمز «تفکر درست»: ارسطو سعی در کشف آن داشت.قیاس: از موضوعات مطرح شده توسط ارسطو می‌باشد، که الگوهایی برای ساختار توافقی ایجاد کرد که همواره نتایج صحیحی به اندازه مقدمات صحیح به دست می‌آورد.مثال: «سقراط انسان است، تمام انسان‌ها می‌میرند، پس سقراط خواهد مرد.»

اسلاید ۹: دو مشکل عمده در این رسم منطق‌گرایی وجود دارد: تبدیل دانش غیر رسمی به شکل رسمی توسط اعلام، منطقی ساده نیست.تفاوت عمده‌ای بین قادر به حل مسئله بودن در اصول و انجام آن در عمل وجود دارد.

اسلاید ۱۰: ۴. منطقی عمل کردن: رهیافت عامل منطقیعامل: در اصل چیزی است که ابتدا درک می‌کند و سپس عمل می‌کند. در نگرش «قوانین تفکر» تأکید عمده بر روی استنتاج‌های صحیح بوده است.«مهارت‌های شناخت» که برای آزمون تورینگ موردنیاز است، برای انجام فعالیت‌های منطقی وجود دارند.

اسلاید ۱۱: مزایای مطالعه AI به‌عنوان طراحی عامل منطقی:عمومی‌تر از رهیافت «قوانین تفکر»پیشرفت علمی، بسیار قانون‌پذیرتر از رهیافت‌هایی است که بر تفکر یا رفتار انسانی متکی هستند.

اسلاید ۱۲: زیربنای هوش مصنوعی:AI، از علوم مختلفی بهره می‌برد که از میان آنها علوم زیر مهم‌تر شناخته شده‌اند:علم فلسفهعلم ریاضیعلم روانشناسیعلم زبان‌شناسیعلم کامپیوتر

اسلاید ۱۳: فلسفه: (۴۲۸ قبل از میلاد مسیح – تاکنون)پایه‌های تفکر و فرهنگ غرب تشکیل شده است از: افلاطون، استادش سقراط، و شاگردش ارسطو.قیاس: ارسطو، سیستمی غیررسمی از قیاس برای استدلال مناسب توسعه داد، امکان تولید نتایج، بر پایه فرضیات اولیه به طور مکانیکی وجود داشت.در نظر گرفتن ذهن به‌عنوان سیستمی فیزیکی

اسلاید ۱۴: رنه دکارت مدافع سرسخت قدرت استدلال بود؛ و همچنین طرفدار مکتب دوالیسم.ماتریالیسم: در مقابل دوالیسم قرار دارد و معتقد است تمامی جهان مطابق قوانین فیزیکی عمل می‌کنند.ویلهم لایبنیز: تبدیل موقعیت ماتریالیستی به نتایج منطقیساخت ابزاری مکانیکی برای انجام عملیات منطقی

اسلاید ۱۵: ایجاد منبع دانش:فرانسیس بیکن، جنبش آزمون‌گرایان را آغاز کرد. و با شعار جان لاک مفهوم یافت:«هیچ چیز قابل فهم نیست اگر ابتدا در حس نباشد.»اصل استقرای امروزی، در حقیقت از کتاب دیوید هیوم نشأت می‌گیرد: رسانه‌ای از طبیعت انسانبرتراندراسل، پایه‌گذار پوزیوتیزم منطقی، ارائه‌دهنده این تئوری بود که:«قوانین عمومی توسط تکرار ارتباطات بین عناصر آنها به وجود می‌آیند.»

اسلاید ۱۶: ارتباط بین دانش و عملاشیاء را با تحلیل، دسته‌بندی می‌کنیم و در اطراف آنها، کارکرد مورد نیازشان نوسان می‌نماید.در این میان پایه سیستم‌مکاشفه‌ای GPS بنیان گذارده می‌شود.

اسلاید ۱۷: ریاضیات (۸۰۰. C-تاکنون)برای ارتباط فلسفه با دانش نظری، نیاز به فرمول‌سازی ریاضی در سه زمینه اصلی است:محاسباتمنطقاحتمالات

اسلاید ۱۸: محاسبات: نظریه اظهار محاسبات به عنوان الگوریتمی رسمی به خوارزمی برمی‌گردد، ریاضیدان عربی قرن نهم که نوشته‌های وی، جبر و تئوری اعداد عربی را به اروپا معرفی کرد.

اسلاید ۱۹: منطق:در این زمینه، دانشمندان زیادی بر چگونگی شکل‌گیری و هدایت آن، نقش داشته‌اند که به چند نفر از آنها اشاره می‌کنیم:ارسطو: دانشمندی که بیشترین شکل‌گیری نگرش فلسفی منطق را به او نسبت می‌دهند.جورج بول: یک زبان رسمی برای ساخت استنتاج منطقی ارائه داد.FREGE: منطق مرتبه اول را به شکلی مطرح نمود که در بیشتر سیستم‌های نمایش دانش پایه استفاده می‌شود.آلفرد تارسکی: تئوری چگونگی ارتباط بین اشیاء موجود در محیط منطقی، و اشیاء موجود در دنیای واقعی را ارائه نمود.

اسلاید ۲۰: دیوید هیلبرت: ریاضیدان بزرگی بود که شهرت وی به دلیل مسائلی است که نتوانست حل کند.راسل: قضیه کامل نبودن (incompleteness) را مطرح نمود.تورینگ: ماشین تورینگ قادر به محاسبه هر تابع محاسبه‌پذیری است.تئوری پیچیدگی: انجام‌ناپذیریاستحالهاستیون کوک و ریچارد کارپ: تئوری NP-completeness را مطرح کردند.

اسلاید ۲۱: احتمالات: گاردنیوی: اولین کسی بود که ایده احتمال را مطرح کرد.پیر فرمت، پاسکال، برنولی، لاپلاس و دیگر دانشمندان بر رشد و توسعه این ایده تأثیر داشتند.برنولی: دیدگاه «درجه باور» ذهنی را در مقایسه با نرخ نتایج عینی مطرح کرد.بیس: قانونی برای بهنگام‌سازی احتمالات ذهنی را به وجود آورد.نیومن و مورگنسترن: تئوری تصمیم‌گیری را آغاز کردند. و از ترکیب تئوری احتمال، و تئوری سودمندی حاصل می‌شود.

اسلاید ۲۲: روانشناسی (۱۸۷۹- تاکنون): هلمولتز: روشی علمی برای مطالعه بینایی انسان به کار برد؛ که این کتاب به عنوان مرجع بینایی فیزیولوژیک و حتی به‌عنوان «مهمترین رساله فیزیکی و روانشناختی بینایی انسان تا به امروز» شناخته می‌شود.وندت: اولین آزمایشگاه روانشناسی تجربی را در دانشگاه لایپزیک راه‌اندازی کرد.داتسون و تورن دایک: حرکت رفتارگرایی (behaviorism) را مطرح کردند.اساس مشخصه روانشناسی شناختی(congnitive psychology)، این نگرش است که مغز دارنده و پردازش‌کننده اطلاعات است.

اسلاید ۲۳: کریک، کتاب ماهیت بیان را منتشر کرد. و سه مرحله کلیدی را برای عامل مبتنی بر داشن معین کرد: محرک‌ها باید به شکل درونی تبدیل شوند. بازنمایی توسط پردازش‌های شناختی بازنمایی‌های داخلی جدیدی را مشتق کند. اینها دوباره به صورت عمل برگردند.

اسلاید ۲۴: مهندسی کامپیوتر (۱۹۴۰- تاکنون)برای پیشرفت هوش مصنوعی، به دو چیز احتیاج داریم:هوشمحصول مصنوعیدر این تقسیم‌بندی، کامپیوتر می‌تواند به عنوان محصول مصنوعی محسوب گردد.

اسلاید ۲۵: Heath Robinson: اولین کامپیوتر مدرن عملیاتی بود که در سال ۱۹۴۰ توسط تیم آلن تورینگ به منظور کدگشایی پیام‌های آلمان‌ها ساخته شد.Colossus: نام ماشین بعدی بود که تیوپ‌های مکنده در آن به کار برده شد.Z-3: اولین کامپیوتر قابل برنامه‌ریزی که توسط کنراد زوس در ۱۹۴۱ اختراع شد.

اسلاید ۲۶: اعداد با ممیز شناور و زبان Plankalkul نیز توسط زوس اختراع شدند.ABC: اولین کامپیوتر الکترونیک در امریکا توسط جان آتاناسف و کلیفورد در دانشگاه ایالتی ایوا ساخته شد. MARK I , II , III: توسط تیمی به رهبری هوراد ایکن در هاروارد توسعه داده شد.ENIAC: اولین کامپیوتردیجیتال الکترونیک چند منظوره، توسط تیمی به سرپرستی ماچلی و اکرت در دانشگاه پنسیلوانیا ساخته شد.

اسلاید ۲۷: IBM 701: اولین کامپیوتر سودآور، توسط ناتانیل روچتر در ۱۹۵۲ ساخته شد. چارلز بابیج: طراحی ماشینی که جداول لگاریتمی را محاسبه کند. طراحی موتور آنالیتیکی طرح حافظه قابل‌آدرس‌دهی، برنامه ذخیره شده و پرش‌های شرطی

اسلاید ۲۸: کار در زمینه AI منجر به ایده‌های بسیار متعددی شد که به علوم کامپیوتر برگشت؛ مانند:اشتراک زمانی – مفسرهای دوسویه – نوع داده لیست پیوندی – مدیریت حافظه خودکار و برخی نکات کلیدی برنامه‌نویسی شیءگرا و محیط‌های توسعه برنامه مجتمع با واسط کاربر گرافیکی.

اسلاید ۲۹: زبان‌شناسی (۱۹۷۵- تاکنون)اسکینر در سال ۱۹۷۵ کتابی در زمینه رفتارگرایان برای یادگیری زبان، با نام «رفتار زبانی» منتشر کرد.نوآم چامسکی بر اساس تئوری خودش یعنی ساختارهای ترکیبی، این کتاب را تجدید نظر و چاپ کرد. که به اندازه اصل کتاب شهرت پیدا کرد.تئوری چامسکی بر اساس مدل‌های نحوی قرار دارد.

اسلاید ۳۰: زبان‌شناسی مدرن و AI در یک زمان متولد شدند، بنابراین زبان‌شناسی نقش مهمی در رشد AI بازی نمی‌کند.این دو دریک زمینه مشترک به نام زبان‌شناسی محاسباتی(Computatioal linguistics) یا پردازش زبان طبیعی (natural language processing)بهم تنیده شده‌اند که در آن بر روی مسئله استفاده زبان تمرکز شده است.

اسلاید ۳۱: تاریخچه هوش مصنوعیپیدایش هوش مصنوعی (۱۹۴۳- ۱۹۵۶) اشتیاق زودهنگام، آرزوهای بزرگ (۱۹۵۲-۱۹۶۹)مقداری واقعیت (۱۹۷۴-۱۹۶۶)سیستم‌های مبتنی بر دانش: کلید قدرت؟ (۱۹۶۹-۱۹۷۹)بازگشت شبکه‌های عصبی (۱۹۸۶- تاکنون)حوادث اخیر (۱۹۸۷- تاکنون)

اسلاید ۳۲: پیدایش هوش مصنوعیاولین کار جدی در حیطه AI، توسط وارن مک‌کلود و والتر پیتز انجام شد.سه منبع استفاده شده توسط آنها:دانش فیزیولوژی پایه و عملکرد نرون در مغزتحلیل رسمی منطق گزاره‌ها متعلق به راسل و رایت هدتئوری محاسبات تورینگ

اسلاید ۳۳: در ۱۹۴۹ دونالد هب، قانون ساده بهنگام‌سازی برای تغییر تقویت اتصالات بین نرون‌ها را تعریف کرد که از طریق آن یادگیری میسر می‌گردد.در زمانی که کلود شانون و آلن تورینگ، برنامه بازی شطرنج را نوشتند ، SNARC، اولین کامپیوتر شبکه عصبی در دانشگاه پرینستون توسط مینسکی و ادموندز ساخته شد.این کامپیوتر، از ۳ هزار تیوپ مکشی و مکانیزم خلبانی خودکار اضافی که مربوط به بمب‌افکن‌های B24 می‌باشد برای شبیه‌سازی شبکه ۴۰ نرونی استفاده کرد.

اسلاید ۳۴: محققین علاقمند به تئوری آتوماتا، شبکه‌های عصبی و مطالعه هوش، گرد یکدیگر جمع شدند و در کارگاهی در دورت موند مشغول فعالیت شدند. که در این میان نام هوش مصنوعی برای حیطه فعالیت آنها انتخاب شد.

اسلاید ۳۵: اشتیاق زودهنگام، آرزوهای بزرگ (۱۹۵۲-۱۹۶۹)فعالان در عرصه AI:روچستو و تیمش در IBM هربرت جلونتر: با ساخت Geometry Theorem Proverآرتور ساموئل: ساخت برنامه برای بازی چکر

اسلاید ۳۶: جان مک کارتی در MIT:تعریف زبان لیسپ (Lisp) مهمترین زبان هوش مصنوعی مفهوم اشتراک زمانی (time sharing)نشر مقاله‌ای با عنوان برنامه‌ها با حواس مشترکتشریح یک سیستم فرضی به نام Advice Taker ، که به اصول پایه بازنمایی معرفت و استدلال تجسم بخشید؛کار بر روی سیستم برنامه‌ریزی سؤال-جوابکار بر روی پروژه روبات‌های shakey

اسلاید ۳۷: مینسکی: کار بر روی میکرو ورلدها و همکاری با مک‌کارتی، ولی بر سر اختلاف بر نگرش منطقی و ضدمنطقی کار تحقیقاتی خود را از هم جدا کردند.مینسکی با گروهی از دانشجویان بر روی میکروورلدها کار کرد که برخی از آنها عبارتند از:جیمز اسلاگل، SAINT، قادر به حل مسائل انتگرال‌گیری فرم بسته اوانز: ANALOGY، حل مسائل مشابهت هندسی در تست‌های هوشرافائل: SIR: پاسخ به قضایای پرسشی جملات ورودی بابرو: STUDENT: حل مسائل داستانی جبر

اسلاید ۳۸: مقداری واقعیت (۱۹۶۶-۱۹۷۴)مشکلات تقریباً تمام پروژه‌ها تحقیقی AI وقتی پدیدار می‌شدند که مسائل گسترده‌تری برای حل توسط آنها مطرح می‌شد:برنامه‌های اولیه اغلب دارای دانش محدود یا فاقد دانش در مورد موضوع کار بودند.انجام ناپذیری بسیاری از مسائلبه دلیل اعمال برخی محدودیت‌های پایه‌ای بر روی ساختار پایه مورد استفاده برای تولید رفتار هوشمند

اسلاید ۳۹: سیستم‌های مبتنی بر دانش: کلید قدرت؟ (۱۹۶۹-۱۹۷۹)روش‌های ضعیف: مبتنی بر یک جستجوی همه‌منظوره می‌باشند که قدم‌های اولیه یادگیری را برمی‌دارند اما تلاشی در جهت یافتن راه‌حل‌های کامل ندارند.به این دلیل که اطلاعات ضعیفی را در مورد دامنه فعالیت خود به کار می‌برند.پس برای حل مسائل دشوار، تقریباً جواب را از قبل باید بدانیم.برنامه DENDRAL از برنامه‌هایی است که از این رهیافت استفاده می‌کند.

اسلاید ۴۰: اهمیت برنامه DENDRAL در این بود که اولین سیستم موفق با دانش غنی بود، یعنی تبحر سیستم بر پایه تعداد بسیار زیادی قانون ایجاد شده بود. سیستم‌های بعدی ایده اصلی رهیافت Advice taker مک کارتی را دنبال می‌کردند یعنی جداسازی دانش (در شکل قوانین) و مؤلفه استدلال.

اسلاید ۴۱: MYCIN نسبت به DENDRAL دو تفاوت عمده دارد:برخلاف قوانین DENDRAL، هیچ مدل تئوری‌وار عمومی برای آنکه قوانین MYCIN استنتاج شود، وجود نداشت.قوانین می‌بایست عدم قطعیت مربوط به دانش پزشکی را منعکس می‌کرد.

اسلاید ۴۲: AI به یک صنعت تبدیل می‌شود (۱۹۸۰-۱۹۸۸)RI: اولین سیستم خبره تجاری موفق از شرکت DEC که سودآوری زیادی را برای شرکت بهمراه داشت.پروژه «نسل پنجم»: این پروژه ژاپنی به منظور ساخت کامپیوترهای هوشمندی که پرولوگ را به جای کد ماشین اجرا می‌کردند، انجام شد.شرکت‌های دیگر جهان از جمله میکروالکترونیک، MCC، لیسپ ماشین، تگزاس اینسترومنت، سمبولیکس، زیراکس و غیره در ساخت ایستگاه‌های کاری بهینه شده در این عرصه فعالیت داشتند.

اسلاید ۴۳: بازگشت شبکه‌های عصبی:دانشمندان فعال در این عرصه:هاپ فیلد: که به آنالیز خواص ذخیره‌سازی و بهینه‌سازی شبکه‌ها پرداخت.راسل هارت و هینتون: مطالعه مدل‌های شبکه عصبی را ادامه دادند.بریسون و هو: الگوریتم یادگیری انتشار به عقب را مجدداً مطرح کردند.

اسلاید ۴۴: حوادث اخیر:رهیافت HMM: رهیافت غالب در سال‌های اخیر می‌باشد که توسط مایکف به وجود آمده است.این رهیافت از دو جنبه زیر حائز اهمیت است:مبتنی بر نظریه ریاضی محض است.طی فرایندی با یادگیری گروه عظیمی از داده گفتار واقعی خود را بهبود می‌بخشد.

اسلاید ۴۵: برنامه‌ریزی: در دهه ۷۰ فقط برای میکرووردها مناسب بودند، اکنون برای زمانبندی کار در کارخانه‌ها و مأموریت‌های فضایی استفاده می‌شوند.بیان شبکه باور: استدلال کارا را در مورد ترکیب رویدادهای غیرمنطقی ممکن ساخت.

اسلاید ۴۶: ایده سیستم‌های خبره فرماتیو توسط کار جوداپیر و اردیک هوروتیز و دیوید هکرمن مطرح شد:سیستم‌هایی که مطابق قوانین تئوری تصمیم‌گیری به طور منطقی عمل می‌کنند و سعی ندارند که تبحر انسانی را تقلید کنند.

اسلاید ۴۷: شرایط کنونی:برخی از سیستم‌هایی موجود در جهان که از هوش مصنوعی استفاده می‌کنند:HITECH: اولین برنامه کامپیوتری که موفق به شکست استاد بزرگ شطرنج جهان، آرنولد دنکر شده است.PEGASUS: یک برنامه درک گفتار که سؤالات کاربر را جواب می‌دهد و تمامی برنامه‌های مسافرتی شخص را با یک برنامه‌ریزی درست، مقرون به صرفه می‌کند.MARVEL: سیستم خبره‌ای که داده‌های ارسالی از سفینه فضایی را تحلیل نموده و در صورت بروز مشکلات جدی، پیغام هشدار به تحلیلگران می‌دهد.

اسلاید ۴۸: عامل‌های هوشمندفصل دوم:

اسلاید ۴۹: عامل:به هر چیزی اطلاق می‌شود، که قادر به درک محیط پیرامون خود از طریق حس‌گرها(sensor)و اثرگذاری‌ بر روی محیط از طریق اثرکننده‌ها (effector) باشد.عامل نرم‌افزاری: عامل نرم‌افزاری رشته‌های بیتی را به عنوان درک محیط و عمل، کدگذاری می‌کند.

اسلاید ۵۰: عوامل انسانیحس کردن: گوش، چشم، دیگر ارگان‌هااثرگذاری: دست، پا، بینی، اندام‌های دیگرعوامل روباتیکحس کردن: دوربین، یابنده‌های مادون قرمزاثرگذاری: موتور

اسلاید ۵۱: environmentagentsensorseffectorsperceptsactions

اسلاید ۵۲: عامل‌ها چگونه باید عمل کنند؟عامل منطقی: چیزی است که کار درست انجام می‌دهد.عمل درست: آن است که باعث موفق‌ترین عامل گردد.کارایی: چگونگی موفقیت یک عامل را تعیین می‌کند.

اسلاید ۵۳: تفاوت میان منطقی بودن و دانش کل (omniscience):عامل دانای کل معنی خروجی واقعی اعمال خود را دانسته و بر پایه آن عمل می‌کند اما دانش کل در واقعیت غیرممکن است.اگر معین کنیم که هر عامل هوشمند همواره باید همان کاری را انجام دهد که در عمل مناسب است، هیچگاه نمی‌توان عاملی را طراحی نمود که این مشخصات را مرتفع سازد.

اسلاید ۵۴: آن چه در هر زمانی منطقی است به چهار چیز وابسته است: معیار کارایی که درجه موفقیت را تعیین می‌کند. هر چیزی که تا کنون عامل، ادراک نموده است. ما این تاریخچه کامل ادراکی را دنباله ادراکی می‌نامیم. آنچه که عامل درباره محیط خود می‌داند. اعمالی که عامل می‌تواند صورت دهد.

اسلاید ۵۵: رفتار عامل وابسته به دنباله ادراکی تا حال است.عامل را باید به‌عنوان ابزاری برای تحلیل سیستم‌ها قلمداد کرد؛نه شخصیتی مطلق که جهان را به دو بخش عامل و غیر‌عامل‌ها تقسیم می‌کند.

اسلاید ۵۶: نگاشت ایده‌آل از دنباله‌های ادراکی به عملیاتهر عامل خاصی را به وسیله جدولی توصیف می‌کنیم، که در آن عمل آن در پاسخ به هر دنباله ادراکی قرار می‌گیرد.این بدان معنی نیست که ما جدول خاصی با یک ورودی برای هر دنباله ادراک ممکنی تولید کنیم. می‌توان مشخصات نگاشت را بدون شمارش خسته‌کننده آنها انجام داد.

اسلاید ۵۷: مثال:تابع ریشه دومدنباله ادراکی:دنباله‌ای از کلیدهای زده شدهنگاشت ایده‌آل:برای مقادیر مثبت x نشان داده شده توسط ادراک، z نیز مثبت باشد و عمل مناسب نمایش نشان داده شود.

اسلاید ۵۸: خودمختاری:در اینجا تعریف عامل باید کامل‌تر شود و بخش دانش درونی به آن اضافه می‌گردد.رفتار عامل می‌تواند متکی بر دو پایه تجربه خود و دانش درونی بنا نهاده شود. این رفتار، در ساخت عامل برای شرایط محیطی خاص که در آن عمل خواهد کرد، استفاده می‌شود.

اسلاید ۵۹: سیستم به وسعتی خود مختار است که رفتار آن بر اساس تجربه خودش تعیین می‌کند. زمانی که عامل فاقد تجربه و یا کم تجربه‌ است، مسلماً تصادفی عمل خواهد کرد، مگر آنکه طرح‌ کمک‌هایی به آن داده باشد.عامل هوشمند واقعاً خود مختار باید قادر به عمل موفقیت‌آمیز در دامنه وسیعی از محیط‌ها باشد و البته باید زمان کافی برای تطبیق نیز به آن داده شود.

اسلاید ۶۰: ساختار عامل‌های هوشمندوظیفه هوش مصنوعی طراحی برنامه عامل است؛این طراحی شامل تابعی است که نگاشت عامل از ادراک به عملیات را پیاده سازی می‌کند.معماری: فرض می‌کنیم برنامه عامل بر روی نوعی ابزار محاسبه‌گر اجرا می‌گردد که آن را معماری می‌نامیم.برنامه‌ عامل، باید توسط معماری قابل پذیرش و اجرا باشد.

اسلاید ۶۱: عموماً، معماری ادراک از طریق حس‌گرها را برای برنامه آماده ساخته، برنامه را اجرا نموده و اعمال انتخابی برنامه را به عمل‌کننده‌های سیستم منتقل می‌کند.ارتباط بین عامل‌ها، معماری‌ها و برنامه‌ها را می‌توان به صورت ذیل جمع بندی نمود: برنامه+ معماری= عامل

اسلاید ۶۲: در اینجا مسئله تمایز بین محیط واقعی و مصنوعی مطرح می‌شود؛ امامسأله اصلی، پیچیدگی مابین:ارتباط رفتار عامل،دنباله ادراکی تولید شده بوسیله محیط، واهدافی که عامل قصد حصول آن را دارد، است.مشهور‌ترین محیط مصنوعی، محیط تست تورینگ (turing) است.

اسلاید ۶۳: برنامه‌های عامل:تشابهات عامل‌های هوشمند: دریافت ادراک محیطی تولید اعمال لازمدو نکته در مورد شالوده برنامه قابل ذکر هستند:برنامه عامل تنها یک درک از شرایط محیطی واحد را به عنوان ورودی دریافت می‌کند.هدف یا معیار کارایی بخشی از برنامه شالوده نخواهد بود.

اسلاید ۶۴: چرا تنها به پاسخ‌ها نگاه نمی‌کنیم؟جدول مراجعه باید بر پایه حفظ کامل دنباله ادراکی در حافظه عمل نموده و از آن برای ایندکس‌سازی داخل جدول استفاده کند.جدول عامل نوع راننده تاکسی

اسلاید ۶۵: جنبه‌های مختلف یک عمل، انواع مختلف برنامه‌های عامل را پیشنهاد خواهد کرد. برای مثال، ۴ عامل را مورد بررسی قرار می دهیم: عامل‌های واکنشی ساده عامل‌هایی که اثرات دنیا را حفظ می‌کنند عامل‌های هدف‌گرا عامل‌های سودمند

اسلاید ۶۶: عامل‌های واکنشی سادهدر اینجا جدول رجوع باید مورد توجه قرار گرفته و فیلدهای مختلف آن توسط اطلاعات ورودی پر شود.اتصالاتی (واکنش‌هایی) وجود دارند که انسان‌ها بسیاری از آنها را دارا بوده:برخی از آنها قابل یادگیری و برخی دیگر غریزی است.

اسلاید ۶۷: مربع مستطیل: نشان‌دهنده وضعیت داخلی جاری فرایند تصمیم‌گیری عاملبیضی: نشان‌دهنده وضعیت اطلاعات پس‌زمینهEnvironmentWhat the world is like nowWhat action I should do nowCondition-action rulesAgentSensorsEffectorsدیاگرام شماتیک از عامل ساده واکنشی

اسلاید ۶۸: عامل‌هایی که اثرات دنیا را حفظ می‌کننداز آنجایی ناشی می‌شود که حسگرها نمی‌توانند دسترسی کامل به وضعیت دنیا را به وجود آورند.در چنین شرایطی، عامل ممکن است نیازمند دستکاری برخی اطلاعات وضعیت داخلی باشد تا از طریق آن تمایز بین وضعیت‌های دنیا که در ظاهر ورودی ادراکی یکسانی می‌کنند ولی در واقع معنی کاملاً متفاوتی دارند را میسر سازد.

اسلاید ۶۹: بهنگام‌سازی اطلاعات وضعیت داخلی همزمان با گذر زمان نیازمند دو نوع دانش کد شده در برنامه عامل است.اول: نیازمند آنیم که برخی اطلاعات درباره چگونگی تغییر جهان مستقل از عامل را داشته باشیم.دوم: نیازمند اطلاعات درباره اعمال خود هستیم که بر روی دنیا اثرگذار است.

اسلاید ۷۰: عامل واکنشی با حالت داخلیEnvironmentWhat the world is like nowWhat action I should do nowAgentsensorsEffectorsWhat my action doHow the world evolvesStateCondition-action rules

اسلاید ۷۱: عامل‌های هدف گرا:دانستن درباره وضعیت کنونی محیط همواره برای تصمیم‌گیری عمل نمی‌تواند کافی باشد.به همان گونه که عامل نیازمند شرح وضعیت جاری است، به نوعی نیازمند اطلاعات هدف(goal) می‌باشد که توضیح موقعیت مطلوب است.

اسلاید ۷۲: برنامه‌ عامل می‌تواند این اطلاعات را با اطلاعاتی درباره نتایج اعمال ممکن (همانند اطلاعاتی که در عامل واکنش برای بهنگام‌سازی وضعیت داخلی استفاده شد) ترکیب نموده تا اعمال مناسب را برای دسترسی به هدف انتخاب نماید.در مواقعی ساده است: که رضایت از هدف بلافاصله از عمل واحد تولید گردد.در مواقعی پیچیده است: که عامل باید دنباله‌های طولانی را در نظرگرفته تا راهی برای دستیابی به هدف پیدا کند.در مواقع پیچیده، جستجو و برنامه‌ریزی به یافتن دنباله اعمال منجر خواهند شد.

اسلاید ۷۳: تفاوت عامل‌های واکنشی و هدف‌گرا:در طراحی عامل‌های واکنشی طراح برای حالات متفاوت عملی درست را پیش محاسبه می‌کند. در عامل‌های هدف‌گرا، عامل می‌تواند دانش خود را در مورد چگونگی واکنش بهنگام سازد.

اسلاید ۷۴: برای عامل واکنشی ما مجبور به دوباره نویسی تعداد زیادی قوانین شرط –عمل خواهیم بود.عامل هدف‌گرا نسبت به رسیدن به مقاصد متفاوت انعطاف پذیر است.بسادگی با تعیین یک هدف تازه، می‌توانیم عامل هدف‌گرا را به رفتار تازه برسانیم.

اسلاید ۷۵: What it will be like if I do action AEnvironmentWhat the world is like nowWhat action I should do nowAgentsensorsEffectorsGoalsWhat my action doHow the world evolvesStateعاملی با اهداف دقیق

اسلاید ۷۶: عامل‌های سودمند:اهداف به تنهایی برای تولید رفتار با کیفیت بالا کافی نیستند. ملاک کارایی عومی باید مقایسه‌ای بین وضعیت‌های دنیای متفاوت (یا دنباله‌ حالات) را بر پایه چگونگی رضایت عامل در صورت حصول هدف بدهد.بنابراین اگر یک وضعیت دنیا به دیگری ترجیح داده می‌شود، آنگاه آن برای عامل سودمند‌تر خواهد بود

اسلاید ۷۷: سودمندی: تابعی است که یک وضعیت را به عدد حقیقی نگاشت می‌دهد، که درجه رضایت مربوط را تشریح می‌کند. مشخصات کامل تابع سودمندی امکان تصمیم‌گیری منطقی را برای دو نوع حالتی که هدف مشکل دارد، اجازه می‌دهد.زمانی که اهداف متناقص وجود دارند. زمانی که چندین هدف دارند که عامل می‌تواند آنها را هدف قرار دهد و هیچکدام از آنها با قطعیت قابل حصول نیست.

اسلاید ۷۸: ارتباط بین عامل و محیط: اعمال بوسیله عامل بر محیط انجام می‌شود، که خود ادراک عامل را مهیا می‌سازد. خواص محیط: قابل دسترسی در مقابل غیر دسترسی قطعی در برابر غیر قطعی اپیزودیک در مقابل غیراپیزودیک ایستا در مقابل پویا گسسته در مقابل پیوسته

اسلاید ۷۹: قابل دسترسی در مقابل غیرقابل دسترسیمحیط قابل دسترسی: محیطی که عامل آن توسط ابزار حس‌کننده‌اش امکان دسترسی به وضعیت کامل محیط را داشته باشد.محیط قابل دسترسی راحت است، زیرا عامل نیازمند دستکاری هیچ وضعیت داخلی برای حفظ دنیا را نخواهد داشت.

اسلاید ۸۰: قطعی در مقابل غیر قطعی محیط قطعی: محیطی است که اگر وضعیت بعدی محیط بوسیله وضعیت کنونی و اعمالی که با عامل‌ها انتخاب گردد، تعیین شود. بهتر است به قطعی یا غیر قطعی بودن محیط از دیدگاه عامل نگاه کنیم.

اسلاید ۸۱: اپیزودیک در مقابل غیر اپیزودیک محیط اپیزودیک (episodic)، تجربه عامل به اپیزودهایی تقسیم می‌گردد. هر اپیزود شامل درک و عمل عامل است. کیفیت اعمال آن تنها به خود اپیزود وابسته است. محیط‌های اپیزودی بسیار ساده‌ترند زیرا عامل نباید به جلوتر فکر کند.

اسلاید ۸۲: ایستا در مقابل پویا محیط پویا: محیطی که در حین سنجیدن عامل تغییر می‌کند.محیط نیمه‌پویا: محیطی که با گذر زمان تغییر نمی‌کند اما امتیاز کارایی تغییر می‌کند.محیط‌های ایستا برای کار ساده هستند زیرا عامل نیاز به نگاه‌کردن به دنیا در حین تصمیم‌گیری عملی نداشته و همچنین در مورد گذر زمان نیز نگران نمی‌باشد.

اسلاید ۸۳: گسسته در مقابل پیوسته محیط گسسته: اگر تعداد محدود و مجزا از ادراک و اعمال بوضوح تعریف شده باشد. – بازی شطرنج گسسته است. – رانندگی تاکسی پیوسته است. سخت‌ترین حالت در بین حالات موجود برای محیط:غیر قابل دسترسی، غیر اپیزودیک، پویا و پیوسته

اسلاید ۸۴: مثال‌هایی از انواع محیط و ویژگی‌های آنها

اسلاید ۸۵: برنامه‌های محیط شبیه‌ساز یک یا چند عامل را به عنوان ورودی گرفته و بگونه‌ای عمل می‌کند که هر عامل ادراک درست و نتیجه بازگشتی عمل خود را بدست آورد. شبیه‌ساز محیط را بر اساس اعمال و دیگر فرآیند‌های پویای محیط بهنگام می‌سازد. محیط با وضعیت آغازین و تابع بهنگام‌سازی تعریف می‌گردد.

اسلاید ۸۶: حل مسائل توسط جستجوفصل سوم:

اسلاید ۸۷: یک نوع عامل هدفگرا، عامل حل مسئله نامیده می‌شود.عامل‌های حل مسئله توسط یافتن ترتیب عملیات تصمیم می‌گیرند که چه انجام دهند تا آنها را به حالت‌های مطلوب سوق دهد.

اسلاید ۸۸: عامل‌های حل مسئله عامل‌های هوشمند به طریقی عمل می‌کنند که محیط مستقیماً به داخل دنباله حالت‌هایی وارد شود که معیار کارآرایی را افزایش می‌دهند. عملیات به گونه‌ای ساده‌سازی می‌شوند که عامل قادر باشد تا هدفی را قبول کرده و به آن برسد. الگوریتم جستجو مسئله‌ای را به عنوان ورودی دریافت نموده و راه‌حلی را به صورت دنباله عملیات بر می‌‌گرداند.

اسلاید ۸۹: فاز اجرایی: مرحله‌ای است که در آن زمان، راه‌حلی‌ پیدا می‌شود و عملیات پیشنهادی می‌توانند انجام شوند. به طور ساده برای طرح یک عامل مراحل «فرموله‌سازی، جستجو، اجرا» را در نظر می‌گیریم.پس از فرموله‌سازی یک هدف و یک مسئله برای حل عامل، رویه جستجویی را برای حل آن مسئله فراخوانی می‌کند. از راه حل برای راهنمایی عملیاتش استفاده می‌کند و هرآنچه که راه حل پیشنهاد می‌کند را انجام می‌دهد. آن مرحله را از دنباله حذف می‌کند. زمانی که راه‌حل اجرا شد، عامل هدف جدیدی را پیدا می‌کند.

اسلاید ۹۰: چهار نوع اساسی از مسائل وجود دارند: مسائل تک حالته (Single-state) مسائل چند حالته (Multiple-state) مسائل احتمالی (Contingency) مسائل اکتشافی (Exploration)

اسلاید ۹۱: دانش و انواع مسئلهدنیای مکش (جاروبرقی):اگر دنیا حاوی دو محل باشد:هر محل ممکن است که شامل خاک باشد و یا نباشد و عامل ممکن است که در یک محل یا دیگر محل‌ها باشد؛ که دارای هشت حالت متفاوت خواهد بود.هدف تمیز کردن تمام خاک‌هاست که در اینجا معادل با مجموعه حالت‌ {۸و ۷} است.

اسلاید ۹۲: مدل‌های مختلف برای مسئله جاروبرقی:- مدل تک حالته:حس‌گرهای عامل به آن اطلاعات کافی می‌دهند تا وضعیت دقیق مشخص شود. (دنیا قابل دسترسی است). عامل می‌تواند محاسبه کند که کدام وضعیت پس از هر دنباله از عملیات قرار خواهد گرفت.

اسلاید ۹۳: – مدل چند حالته:عامل تمام اثرهای عملیاتش را می‌داند اما دسترسی به حالت دنیا را محدود کرده است.زمانی که دنیا تماماً قابل دسترسی نیست عامل باید در مورد مجموعه حالت‌هایی که ممکن است به آن برسد استدلال کند.

اسلاید ۹۴: – مدل احتمالی:با این مدل حل مسئله، حس‌گرهایی را در طول فاز اجرایی نیاز داریم. عامل اکنون باید تمام درخت عملیاتی را بر خلاف دنباله عملیاتی منفرد، محاسبه کند. که به طور کلی هر شاخه درخت، با یک امکان احتمالی که از آن ناشی می‌شود، بررسی می‌شود.

اسلاید ۹۵: مدل اکتشافی: عاملی که هیچ اطلاعاتی در مورد اثرات عملیاتش ندارد. در این حالت، عامل باید تجربه کند و به تدریج کشف کند که چه عملیاتی باید انجام شود و چه وضعیت‌هایی وجود دارند. این روش یک نوع جستجو است.اگر عامل نجات یابد، «نقشه‌ای» از محیط را یاد می‌گیرد که می‌تواند مسائل بعدی را حل کند.

اسلاید ۹۶: مسائل و راه‌حل‌های خوب تعریف شدهمسئله: در واقع مجموعه‌ای از اطلاعات است که عامل از آنها برای تصمیم‌گیری در مورد اینکه چه کاری انجام دهد، استفاده می‌کند.عناصر اولیه تعریف یک مسئله، وضعیتها عملیات هستند.

اسلاید ۹۷: برای تعریف یک مسئله موارد زیر نیاز داریم: وضعیت آغازین (initial state) که عامل خودش از بودن در آن آگاه است. مجموعه‌ای از عملیات ممکن، که برای عامل قابل دسترسی باشد. آزمون هدف (goal test)، که عامل می‌تواند در یک تعریف وضعیت منفرد آن را تقاضا کند تا تعیین گردد که آن حالت، وضعیت هدف است یا خیر. تابع هزینه مسیر، تابعی است که برای هر مسیر، هزینه‌ای را در نظر می‌گیرد؛ و با حرف g مشخص می‌شود.هزینه یک سفر= مجموع هزینه‌های عملیات اختصاصی در طول مسیر

اسلاید ۹۸: برای حل مسئله چند حالته، فقط به یک اصلاح جزئی نیاز داریم:یک مسئله شامل: یک مجموعه حالت اولیه مجموعه‌ای از عملگرهای ویژه برای هر عمل به گونه‌ای که از هر وضعیت داده شده مجموعه‌ای حالات رسیده شده و یک آزمون هدف و تابع هزینه مسیر را معین کند.

اسلاید ۹۹: یک عملگر:توسط اجتماع نتایج اعمال عملگر در هر وضعیت مجموعه، به کار برده می‌شود.یک مسیر: مجموعه حالات را مرتبط می‌کند.یک راه حل:مسیری است که به مجموعه‌ای از حالات که تمام آنها، وضعیت هدف هستند، سوق می‌دهند.

اسلاید ۱۰۰: اندازه‌گیری کارایی حل مسئله:کارایی یک جستجو، حداقل از سه طریق می‌تواند اندازه‌گیری شود:آیا این جستجو راه حلی پیدا می‌کند؟آیا راه حلی مناسبی است؟هزینه جستجو از نظر زمانی و حافظه مورد نیاز برای یافتن راه حل چیست؟ مجموع هزینه جستجو= هزینه مسیر + هزینه جستجوعامل باید تصمیم بگیرد که چه منابعی را فدای جستجو و چه منابعی را صرف اجرا کند.

اسلاید ۱۰۱: انتخاب حالات و عملیاتهنر واقعی حل مسئله، تصمیم‌گیری در مورد این است که چه چیزهایی در تعریف حالات و عملگرها باید به حساب آورده شوند و چه چیزهایی باید کنار گذاشته شوند.

اسلاید ۱۰۲: انتزاع:فرآیند حذف جزئیات از یک بارنمایی انتزاع (abstraction) نامیده می‌شود. همانگونه که تعریف را خلاصه می‌کنیم می‌بایست عملیات را نیز خلاصه نمائیم. انتزاع به این دلیل مفید است، که انجام هر کدام از عملیات آسانتر از مسئله اصلی است. انتخاب یک انتزاع خوب از این رو شامل حذف تا حد ممکن می‌شود تا زمانی که عملیات خلاصه شده برای انجام آسان باشند.

اسلاید ۱۰۳: مسائل نمونه:مسائل اسباب‌بازی

اسلاید ۱۰۴: معمای ۸: معمای ۸ نمونه‌ای است شامل یک صفحه ۳*۳ با ۸ مربع شماره دار در یک صفحه خالی.هر مربع که مجاور خانه خالی است. می‌تواند به درون آن خانه برود. هدف رسیدن به ساختاری است که در سمت راست شکل نشان داده شده است. نکته مهم این است که بجای اینکه بگوییم «مربع شماره ۴ را به داخل فضای خالی حرکت بده» بهتر است بگوییم «فضای خالی جایش را با مربع سمت چپش عوض کند.»۵۱۲۳۸۴۷۶۵۴۱۶۸۷۳۲Start StateGoal Stateمسائل نمونه:مسائل اسباب‌بازی

اسلاید ۱۰۵: حالت‌ها: توصیف وضعیت مکان هر ۸ مربع را در یکی از ۶ خانه صفحه مشخص می‌کند. برای کارایی بیشتر، بهتر است که فضاهای خالی نیز ذکر شود. عملگر‌ها: فضای خالی به چپ، راست، بالا و پائین حرکت کند. آزمون هدف: وضعیت با ساختار هدف مطابقت می‌کند. هزینه مسیر: هر قدم ارزش ۱ دارد، بنابراین هزینه مسیر همان طول مسیر است.

اسلاید ۱۰۶: مسئله ۸ وزیر:هدف از مسئله ۸ وزیر، قرار دادن ۸ وزیر بر روی صفحه شطرنج به صورتی است که هیچ وزیری نتواند به دیگری حمله کند.دو نوع بیان ریاضی اصلی وجود دارد بیان افزایشی که با جایگزینی وزیرها، به صورت یکی یکی کار می‌کند و دیگری بیان وضعیت کامل که با تمام ۸ وزیر روی صفحه شروع می‌کند و آنها را حرکت می‌دهد. در این فرمول ما ۶۴ امکان داریم.

اسلاید ۱۰۷:

اسلاید ۱۰۸: بنابراین ما تست هدف و هزینه مسیر را به صورت زیر خواهیم داشت: آزمون هدف: ۸ وزیر روی صفحه، که با هم برخورد ندارند. هزینه مسیر: صفر. حالات: ترتیب از صفر تا ۸ وزیر بدون هیچ برخورد. عملگرها: یک وزیر را در خالی‌ترین ستون سمت چپ جایگزین کنید که هیچ برخوردی با بقیه نداشته باشد.

اسلاید ۱tarithmetic :در مسائل کریپتاریتمتیک، حروف به جای ارقام می‌نشینند و هدف یافتن جایگزینی از اعداد برای حروف است که مجموع نتیجه از نظر ریاضی درست باشد. معمولاً هر حرف باید به جای یک رقم مختلف بنشینند.مثال:FORTY+ TEN+ TEN———-SIXTY29786+ 850+ 850———-31486F=2, O=9, R=7, etc.

اسلاید ۱۱۰: یک فرمول ساده:حالات: یک معمای Cryptarithmetic با چند حروف جایگزین شده توسط ارقام. عملگرها: وقوع یک حروف را با یک رقم جایگزین کنید که قبلاً در معما ظاهر نشده باشد. آزمون هدف: معما فقط شامل ارقام است و یک مجموع صحیح را بر می‌گرداند. هزینه مسیر: صفر- تمام راه حل‌های صحیح است.

اسلاید ۱۱۱: می‌خواهیم که از تبدیل جایگزینی‌های مشابه اجتناب کنیم: قبول یک ترتیب ثابت مانند ترتیب الفبایی. هر کدام که بیشترین محدودیت جایگزینی را دارد، انتخاب کنیم؛ یعنی حرفی که کمترین امکان مجاز را دارند، محدودیت‌های معما را می‌دهد.

اسلاید ۱۱۲: دنیای مکش:مسئله تک حالته: عامل از جای خودش اطلاع دارد و تمام مکان‌های آلوده را می‌شناسد و دستگاه مکنده ما درست کار می‌کند.حالات: یکی از ۸ حالت نشان داده شده.عملگرها: حرکت به چپ، حرکت به راست، عمل مکش. آزمون هدف: هیچ خاکی در چهار گوش‌ها نباشد. هزینه مسیر: هر عمل ارزش ۱ دارد.

اسلاید ۱۱۳:

اسلاید ۱۱۴: مسئله چند حالته: عامل دارای حسگر نمی‌باشد. مجموعه وضعیت‌ها : زیر مجموعه‌ای از حالات.عملگرها: حرکت به چپ، حرکت به راست، عمل مکش. آزمون هدف: تمام حالات در مجموعه حالت‌ها فاقد خاک باشند. هزینه مسیر: هر عمل هزینه ۱ دارد.

اسلاید ۱۱۵: مسئله کشیش‌ها و آدمخوارها:سه کشیش و سه آدم خوار در یک طرف رودخانه قرار دارند و هم چنین قایقی که قادر است یک یا دو نفر را حمل کند. راهی را بیابید که هر نفر به سمت دیگر رودخانه برود، بدون آنکه تعداد کشیش‌ها در یکجا کمتر از آدم خوارها شود.

اسلاید ۱۱۶: حالات: یک حالت شامل یک دنباله مرتب شده از عدد است که تعداد کشیش‌ها، تعداد آدمخوارها و محل قایق در ساحلی از رودخانه که از آنجا مسئله شروع شده را نمایش می‌دهد.عملگرها: از هر حالت، عملگرهای ممکن یک کشیش، یک آدمخوار، دو کشیش، دو آدمخوار، یا یکی از هر کدام را در قایق جا می‌دهند. آزمون هدف: رسیدن به حالت(۰و ۰ و ۰).هزینه مسیر: تعداد دفعات عبور از رودخانه.

اسلاید ۱۱۷: مسیریابی:الگوریتم‌های مسیر یابی کاربردهای زیادی دراند، مانند مسیریابی در شبکه‌های کامپیوتری، سیستم‌های خودکار مسافرتی و سیستم‌های برنامه‌نویسی مسافرتی هوایی.مسائل دنیای واقعی

اسلاید ۱۱۸: مسائل فروشنده دوره گرد و تور :مسئله فروشنده دوره گرد مسئله مشهوری است که در آن هر شهر حداقل یکبار باید ملاقات شود هدف یافتن کوتاهترین مسیر است. علاوه بر مکان عامل، هر حالت باید مجموعه شهرهایی را که عامل ملاقات کرده، نگه دارد. علاوه بر برنامه‌ریزی صفر برای فروشنده دوره‌گرد، این الگوریتم‌ها برای اعمالی نظیر برنامه‌ریزی حرکات مته خوردکار سوراخ‌کننده برد مدار استفاده می‌شود.

اسلاید ۱۱۹: طرح VISI :ابزار طراحی کمکی کامپیوتری در هر فازی از پردازش استفاده می‌شود دو وظیفه بسیار مشکل عبارتند از: Channel routing Cell layoutکه بعد از اینکه ارتباطات و اتصالات مدار کامل شد، این دو قسمت انجام می‌شوند.

اسلاید ۱۲۰: هدف طراحی مداری روی تراشه است که کمترین مساحت و طول اتصالات و بیشترین سرعت را داشته باشد.هدف قرار دادن سلول‌ها روی تراشه به گونه‌ای است که آنها روی هم قرار نگیرند و بنابراین فضایی نیز برای سیم‌های ارتباطی وجود دارد که باید بین سلول‌ها قرار گیرند.کانال‌یابی، مسیر ویژه‌ای را برای هر سیم که از فواصل بین سلول‌ها استفاده می‌کند، پیدا می‌کند.

اسلاید ۱۲۱: هدایت ربات: یک ربات می‌تواند در یک فضای پیوسته با یک مجموعه نامحدودی از حالات و عملیات ممکن حرکت کند. ربات‌های واقعی باید قابلیت تصحیح اشتباهات را در خواندن حسگرها و کنترل موتور داشته باشند.

اسلاید ۱۲۲: خط تولید خودکار:در مسائل سرهم‌بندی، مشکل یافتن قانونی است که تکه‌های چند شیئی را جمع کند. اگر ترتیب نادرست انتخاب شود، راهی نیست که بتوان قسمت‌های بعدی را بدون از نو انجام دادن قسمت‌های قبلی، اضافه کرد.کنترل یک مرحله در دنباله، یک مسئله جستجوی پیچیده هندسی است که ارتباط نزدیکی با هدایت ربات دارد. از این رو تولید مابعدهای مجاز گران‌ترین قسمت دنباله سرهم‌بندی است و استفاده از الگوریتم‌های آگاهانه برای کاهش جستجو، ضروری است.

اسلاید ۱۲۳: جستجو برای راه‌حل: نگهداری و گسترش یک مجموعه از دنباله‌های راه حل ناتمام. جستجوی حالت‌های موجود و یافتن راه‌حل بنا بر اصل جستجو.

اسلاید ۱۲۴: تولید دنباله‌های عمل:فرایند گسترش حالت: فرایندی که از طریق تولید مجموعه جدیدی از حالات، عملگرها در حالت جاری را به کار گرفته، و نتیجتاً حالت هدف را در مجموعه وارد می‌کند.اصل جستجو: انتخاب یک حالت و کنار گذاشتن بقیه برای بعد، زمانی که اولین انتخاب به حل مسئله منجر نشود.ریشه درخت جستجو: یک گره جستجو است که با حالت اولیه مطابقت دارد.گره‌های برگی درخت: حالاتی هستند که دارای فرزندی در درخت نیستند.

اسلاید ۱۲۵: ساختارهای داده برای درخت‌های جستجو:گره به عنوان یک ساختار داده با پنج قسمت به شرح زیر است: وضعیتی که گره در فضای حالات دارا می‌باشند. گره‌ای که در جستجوی درخت، گره جدیدی را تولید کرده است (گره والد). عملگری که برای تولید گره به کار رفته است. تعداد گره‌های مسیر، از ریشه تا گره موردنظر (عمق گره). هزینه مسیر، از حالت اولیه تا گره.تفاوت بین گره‌ها و حالت‌ها:گره‌ها عمق و والد دارند؛ در صورتی که حالت‌ها شامل چنین چیزهایی نیستند.

اسلاید ۱۲۶: استراتژی جستجو:استراتژی‌ها باید دارای ۴ معیار زیر باشند: کامل بودن پیچیدگی زمانی پیچیدگی فضا بهینگی

اسلاید ۱۲۷: ما ۶ استراتژی را بررسی خواهیم کرد: جستجوی سطحی جستجوی با هزینه یکسان جستجوی عمقی جستجوی عمقی محدود شده جستجوی عمیق‌کننده تکراری جستجوی دوطرفه

اسلاید ۱۲۸: جستجوی سطحی:در این استراتژی که بسیار سیستماتیک است، ابتدا گره ریشه، و سپس تمام گره‌های دیگر گسترش داده می‌شوند.به عبارت کلی‌تر، تمام گره‌های عمیق d، قبل از گره‌های عمیق d+1 گسترش داده می‌شوند.مزایا:جستجوی سطحی، کامل و بهینه می‌باشد زیرا هزینه مسیر، یک تابع کاهش‌نیابنده از عمق گره است.معایب:مرتبه زما