CSI 4506: Introduction à l’Intelligence Artificielle La Recherche Aveugle.

Slides:



Advertisements
Présentations similaires
Optimisation des requêtes
Advertisements

Théorie des graphes.
Explorer un espace d’états
Structures de données et complexité
Introduction à l’Algorithmique
Les Structures de contrôles itératives
Modélisation par le concept de graphe
Traitement Co-Séquentiel: Appariment et Fusion de Plusieurs Listes
Utilisation des tableaux
Cours 8 Arbres équilibrés
Plus courts chemins On présente dans ce chapitre un problème typique de cheminement dans les graphes : la recherche d'un plus court chemin entre deux sommets.
Prise de décision dans les shooters TER 08/09 Sandrine Buendia
Les jeux (méthodes min-max et -)
MinMax et Alpha-Beta.
Les algorithmes: complexité et notation asymptotique
Heuristiques A. Introduction B. Recherche d ’une branche
Methode de Tri efficace
Gestion de Fichiers Arbres B.
Pr ZEGOUR Djamel Eddine
Les fichiers indexés (Les B-arbres)
Algorithme de Bellman-Ford
Structures de données IFT-2000
Structures de données IFT-2000
Structures de données IFT-2000
Structures de données IFT-2000
Les Fonctions. Définir une fonction Sections de code indépendantes que lon peut appeler à nimporte quel moment et dans nimporte quel ordre. Bout de code.
IFT Complexité et NP-complétude
Gestion de Fichiers Indexes basés sur les structures d’arbres binaires et indexes à niveaux multiples.
Le Jeu et l’intelligence artificielle
CSI 4506: Introduction à l'intelligence artificielle La recherche aveugle.
CSI 4506: Introduction à l’intelligence artificielle
1 CSI 4506: Introduction à lintelligence artificielle La recherche adversairiale.

Algorithmes d ’approximation
Deux méthodes incrémentales pour le maintien dun arbre de connexion Nicolas Thibault Christian Laforest
Programmation linéaire et Recherche opérationnelle
- GRAPHES - Composantes et types
Gestion de Fichiers GF-12: Comment Gerer les Indexes qui ne tiennent pas en Memoire de Maniere Efficace?: I. Indexes Bases sur les Structures dArbres Binaires.
Gestion de Fichiers GF-10: Traitement Co-Sequentiel: Appariment et Fusion de Plusieures Listes (Base sur les sections de Folk, Zoellick & Riccardi,
Exploration systématique de graphes
Algorithmes d’exploration
Graphes 1. Introduction 2. Définition 3. Représentation mémoire
Gestion de Fichiers GF-12: Comment Gerer les Indexes qui ne tiennent pas en Memoire de Maniere Efficace?: II. Arbres B (Base sur les Sections de.
On cherche le plus court chemin de E à S sur le graphe suivant :
Tutorat 7 - Introduction au Routage et OSPF
Arbres binaires et tables de hachage
Outils pour la programmation logique par contraintes
Le langage Racket (Lisp)
Intelligence Artificielle
CSI 4506: Introduction à l’Intelligence Artificielle
Exploration systématique de graphes
Les tris Tri Action de mettre une structure de données en ordre (croissant ou décroissant). Le plus simple est d’insérer en ordre. Les algorithmes de tri.
CSI 4506: Introduction à l’Intelligence Artificielle
IFT 615 – Intelligence artificielle Recherche heuristique
CREATION D’ENTREPRISE
Intelligence Artificielle

Structures de données avancées : Arbres B+ avec expansion partielle D. E ZEGOUR Institut National d ’Informatique.
Le Jeu et l’intelligence artificielle
Développement du jeu Ricochet Robots pour Android
4/25/2017 4:30 PM Arbres (2,4) CSI2510 CSI2510.
1 CSI 4506: Introduction à l’Intelligence Artificielle La Recherche Adversariale.
Traversées (Parcours ) de graphes
Projet Théorie des graphes
1 A. Cornuéjols Introduction à l’intelligence artificielle Introduction à l’Intelligence Artificielle (Cours n°3) Recherche informée dans les graphes Antoine.
1 A. Cornuéjols Introduction à l’intelligence artificielle Introduction à l’Intelligence Artificielle (Cours n°2) Recherche non informée dans les graphes.
La compression de données
IFT 615 – Intelligence artificielle Recherche heuristique
Transcription de la présentation:

CSI 4506: Introduction à l’Intelligence Artificielle La Recherche Aveugle

Plan du Cours Terminologie pour Espace/Arbre de Recherche Recherche Depth-First Recherche Breadth-First Analyse de Temps et d’Espace Garantie d’arrivee a un noeud final (but) Combiner (au niveau asymptotique) l’optimalite avec la garantie de trouver un noeud final  Recherche Iterative-Deepening Recherche dans les Graphes

Terminologie pour Espace/Arbre de Recherche Recherche Aveugle Espaces de Recherche structures en arbre Arc Dirige Outdegree Branching Factor Profondeur

Recherche Depth-First (Voir Example au Tableau) N = A n=A N =   N= B->C n=B N=C  N= D->E->C n=D N=E->C  N= E->C n=E N=C  N= C n=C N =   N= F->G n=F N=G  N= G n=G N=   Succes!!! Ordre de la visiteChemin le plus court: ACG

Recherche Breadth-First (Voir Example au Tableau) N = A n=A N =   N= B->C n=B N = C  N= C->D->E n=C N= D->E  N= D->E->F->G n=D N= E->F->G  N= E->F->G n=E N = F->G  N= F->G n=F N= G  N= G n=G N=   Succes!!! Chemin le plus court: ACG Ordre de la visite

Analyse de Temps et d’Espace: Resume [Derivation faite au tableau] Recherche Depth-First Recherche Breadth-First Temps au Pire(b d+1 -1) (b-1) (b d+1 -1) (b-1) Temps Moyenb d+1 +db+b-d-2 2(b-1) B d+1 +b d +b-3 2(b-1) Espace au Pire1+(b-1)dBdBd

Discussion RBF coute plus tant en temps qu’en espace computationnel  Y-a-t-il un avantage a la RBF? La reponse est: OUI Pourquoi? RBF trouvera un noeud final s’il en existe un, meme si l’arbre a une profondeur infinie!!! RDF n’en trouvera pas!!!

Recherche Iterative- Deepening (Voir Example au Tableau) N = A n=A N =   Echec!! N = A n=A N =   N= B->C n=B N= C  N= C n=C N =   Echec!! N = A n=A N =   N= B->C n=B N= C  N= D->E->C n=D N=E->C  N= E->C Max=0 Max=1 Max=2

Recherche Iterative- Deepening (Continuee) n=E N=C  N= C n=C N =   N= F->G n=F N=G  N= G n=G N=   Succes!!! Ordre de la visite

Analyse de Temps et d’Espace: Resume [Derivation faite au tableau] Temps Moyen: – O ( (b+1) b d+1 / 2 (b-1) 2 ) – Asymptotiquement, ce temps est egal au temps demande par la recherche DF. Usage d’espace: – Comme DFS: 1 + (b-1) d – A l’encontre de RBF, l’utilisation d’espace est raisonnable.

Discussion La recherche Iterative-Deepening est asymptotiquement optimale pour une recherche aveugle La recherche Iterative-Deepening est garantie de trouver un noeud final s’il en existe!

Quelle Recherche? Quand? RDF: Preferee pour chercher un espace de recherche structure en un arbre fini avec des noeuds finaux dans les feuilles de l’arbre. RBF: Preferee lorsque le “branching factor” est petit, les operateurs ont une application couteuse et les noeuds finaux sont attendus a une profondeur raisonnable. RID: Preferee pour chercher un espace de recherche structure en un arbre fini et si la profondeur de l’arbre est bien plus grande que la profondeur d’au moins un noeud final.

Recherche dans les Graphes 2 facons de le faire: – Facon 1: Faire la meme chose que dans un arbre, mais garder une liste des noeuds deja visites qui ne doivent pas etre re- visites.  On peut s’y perdre!!! – Facon 2: Re-tracer le graphe en un arbre en suivant tous les chemins possibles jusqu’a ce qu’ils ne puissent plus etre etendus sans creer de boucle.