Wykład Sztuczna inteligencja i systemy ewolucyjne Konspekt
advertisement
Wykład Sztuczna inteligencja i systemy ewolucyjne Konspekt Literatura S.J. Russell, P.Norvig, Artificial Intelligence. A Modern Approach, Prentice-Hall, New Jersey, 1995 G. Luger, Artificial intelligence, Addison-Wesley, 2008 N.L.Nilsson, Principles of Artificial Intelligence, Tioga Publ.,1980 Z. Michalewicz, D.Fogel, Jak to rozwiązać, czyli nowoczesna heurystyka, Wydawnictwa NaukowoTechniczne, Warszawa 2006 L.Bolc, J.Cytowski, Metody przeszukiwania heurystycznego, PWN, 1989 J.Arabas, P.Cichosz, Sztuczna inteligencja (materiały dydaktyczne MIMUW na studia informatyczne) J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001 1: Wstęp Inteligentne techniki obliczeniowe Inteligencja – definicje, badania Sztuczna inteligencja – definicje myśleć jak ludzie, działać jak ludzie, myśleć racjonalnie, działać racjonalnie Zakres badań nad sztuczną inteligencją Nauki „bazowe” filozofia, matematyka, psychologia, lingwistyka, informatyka, teoria sterowania, ekonomia Ograniczenia dotyczące systemów AI Krótka historia AI Zadania sztucznej inteligencji przeszukiwanie, wnioskowanie, uczenie się, planowanie Obszary zastosowań sztucznej inteligencji gry, automatyczne wnioskowanie i dowodzenie twierdzeń, systemy ekspertowe, przetwarzanie języka naturalnego, rozpoznawanie obrazów, planowanie działań i robotyka, automatyczne (maszynowe) uczenie się 2: Przeszukiwanie przestrzeni stanów. Algorytmy ślepe Przeszukiwanie rozwiązywanie innych zadań AI jako przeszukiwanie: wnioskowanie, uczenie się, planowanie problemy trudne dla przeszukiwania Zadanie przeszukiwania sformułowanie celu, zdefiniowanie problemu, poszukiwanie, realizacja Poszukiwanie rozwiązania przez przeszukiwanie drzewa Algorytmy przeszukiwania drzewa implementacja: ogólny algorytm przeszukiwania drzewa miary efektywności algorytmów: zupełność, optymalność, złożoność czasowa, złożoność pamięciowa algorytm przeszukiwania zbioru węzłów do odwiedzenia Ślepe strategie przeszukiwania strategia „w głąb”, strategia „wszerz”, własności strategii, porównanie metoda równomiernego kosztu 3: Przeszukiwanie przestrzeni stanów. Algorytmy heurystyczne Podstawowe pojęcia teorii grafów przeszukiwania Funkcja oceny Strategie heurystyczne strategie pierwszy najlepszy, poprawianie iteracyjne Przeszukiwanie zachłanne Przeszukiwanie A* wybór heurystyk, heurystyki dopuszczalne, heurystyki spójne, heurystyki dominujące Przeszukiwanie lokalne przeszukiwanie lokalne zachłanne (hill-climbing), unikanie optimów lokalnych, symulowane wyżarzanie, poszukiwanie z tabu 4: Algorytmy ewolucyjne Modele ewolucji ewolucja darwinowska, ewolucja jako inspiracja dla rozwiązywania problemów optymalizacyjnych, terminologia biologiczna, podstawowe pojęcia obliczeń ewolucyjnych Ogólny schemat metody ewolucyjnej inicjalizacja, ocena przystosowania, selekcja osobników, operacje genetyczne, warunki zatrzymania Podstawowe typy algorytmów ewolucyjnych klasyczny algorytm genetyczny (SGA), strategie ewolucyjne, programowanie ewolucyjne Sposoby kodowania kodowanie binarne, logarytmiczne, rzeczywistoliczbowe, całkowitoliczbowe, permutacyjne Selekcja proporcjonalna, rankingowa, progowa, turniejowa, elitarna Rekombinacja krzyżowanie jedno- i wielopunktowe, równomierne, rekombinacja arytmetyczna, uśredniająca Mutacja dla kodowania binarnego i rzeczywistoliczbowego Dynamika adaptacji lokalnej i globalnej krajobraz adaptacyjny funkcji przystosowania, typowe krajobrazy, nacisk selektywny, dynamika lokalna i globalna, eksploracja i eksploatacja 5: Algorytmy heurystyczne inspirowane naturą Inteligencja grupowa/rojowa – algorytmy mrówkowe, optymalizacja wielocząsteczkowa Systemy immunologiczne - naturalne i sztuczne systemy immunologiczne, algorytm selekcji klonalnej, algorytm selekcji negatywnej Ewolucja różnicowa 6: Przeszukiwanie przestrzeni stanów. Gry Etykietowanie węzłów drzewa Strategia minimax Strategia cięć alpha-betha 7. Wnioskowanie formalne. Elementy rachunku zdań: syntaktyka i semantyka Interpretacja Wnioskowanie - reguły
