دانلود فایل پاوپوینت راهبردهای جستجوی آگاهانه

PowerPoint قابل ویرایش
81 صفحه
8900 تومان

لطفا به نکات زیر در هنگام خرید دانلود فایل پاوپوینت راهبردهای جستجوی آگاهانه توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاوپوینت راهبردهای جستجوی آگاهانه قرار داده شده است

2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

4-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

جستجوی اول-بهترین
جستجوی حریصانه
جستجوی A*
جستجوی A* حافظه محدود
جستجوی عمیق کننده تکراریA*
جستجوی اول بهترین بازگشتی(RBFA*)
SMA*
هیوریستیک ها
الگوریتم های جستجوی محلی
جستجوی simulated annealing
الگوریتم های ژنتیک
جستجوی online

اسلاید ۲ :

نمونه ای از الگوریتم عمومی tree-search یا graph-search است که در ان یک گره بر اساس یک تابع ارزیابی f(n) برای گسترش انتخاب می شود.
تابع ارزیابی evaluation function تخمین ”میزان مطلوب بودن“ گره
هربار مطلوب ترین گره گسترش نیافته را بسط می دهد.
پیاده سازی:
گره ها در fringe به ترتیب نزولی میزان مطلوبیت مرتب می شوند.
یک صف اولویت
حالت های خاص
جستجوی حریصانه Greedy search
جستجوی A*

اسلاید ۳ :

تابع هیوریستیک h(n)
هزینه تخمینی مسیر از گره n تا نزدیکترین گره هدف
برای مثال، در نقشه رومانی می توان هزینه مسیر از هر شهری به بخارست را از طریق مسافت یک خط مستقیم از آن شهر به بخارست تخمین زد.
hSLD(n) فاصله مستقیم از n تا بخارست
جستجوی اول -بهترین حریصانه
جستجوی حریصانه گره ای را گسترش می دهد که به نظر می رسد نزدیکترین گره به هدف ( بخارست) باشد.
تابع ارزیابی f(n)= h(n)

اسلاید ۴ :

کامل؟
–خیر (ممکن است در حلقه بینهایت گیر کند)
پیچیدگی زمانی؟
O(bm) – اما با یک هیوریستیک خوب می تواند به شدت بهبود یابد
پیچیدگی حافظه؟
– O(bm) تمام گره ها را در حافظه نگه می دارد.
بهینه؟
– خیر (مثلا در مثال قبل مسیر بهینه ای وجود دارد که از دید جستجوی حریصانه مخفی می ماند).

اسلاید ۵ :

ایده: از گسترش مسیرهایی که تاکنون مشخص شده پرهزینه می باشند، اجتناب کن. 
تابع ارزیابی
f(n) = g(n) + h(n)
 
 

اسلاید ۶ :

یک هیوریستیک h(n) قابل قبول است اگر برای هر گره n داشته باشیم :
h(n) ≤ h*(n)
که h*(n) هزینه واقعی برای رسیدن به هدف از گره n می باشد.
یک هیوریستیک قابل قبول هرگز هزینه رسیدن به هدف را بیش از حد تخمین نمی زند، یعنی خوش بینانه است.
مثال: هیوریستیکhSLD(n) هیچگاه فاصله را بیش از حد واقعی تخمین نمی زند.
قضیه: اگر h(n) قابل قبول باشد، A* با استفاده از TREE-SEARCH بهینه است

اسلاید ۷ :

اگر به جایTREE–SEARCH از GRAPH–SEARCH استفاده کنیم، آنگاه قضیه قبل دیگر صدق نمی کند.
ممکن است راه حلهای نیمه بهینه برگردانده شوند، زیرا GRAPH–SEARCH می تواند میسر بهینه به یک حالت تکراری را کنار بگذارد، اگر اولین گره تولیدی نباشد.
دو راهکار برای حل این مشکل:
اولین راه حل، این است که GRAPH–SEARCH را به نحوی توسعه بدهیم که از بین مسیری که به یک گره می رسد آن مسیری که پرهزینه تر است را کنار بگذارد. این روش فضای زیادی اشغال می کند، اما بهینگی را تضمین می کند.
راه حل دوم، اطمینان از این موضوع است که مسیر بهینه به هر حالت تکراری، همیشه اولین مسیری است که دنبال می شود. شرط سازگاری (یا یکنواختی)

اسلاید ۸ :

یک هیوریستیک سازگار  consistent است اگر 
h(n) ≤ c(n,a,n’) + h(n’)
 
 
 
شکلی از قانون کلی نامساوی مثلث است که تصریح  می کند هیچ ضلعی از یک مثلث نمی تواند بلندتر از مجموع دو ضلع دیگر باشد.
هر هیوریستیک سازگار، قابل قبول نیز هست.
قضیه: اگر h(n) سازگار باشد، A* با استفاده از GRAPH–SEARCH بهینه است

اسلاید ۹ :

اگر h(n) سازگار باشد آنگاه f(n) در طول هر مسیری، غیرنزولی است. 
f(n’) = g(n’) + h(n’) 
      = g(n) + c(n,a,n’) + h(n’) 
      ≥ g(n) + h(n) 
      = f(n)
 
 
 
 
می توان نتیجه گرفت که رشته ای از گره ها که توسطA* با استفاده از GRAPH–SEARCH گسترش یافته اند به ترتیب غیرنزولی f(n) می باشد. 
در نتیجه، اولین گره هدفی که برای گسترش انتخاب می شود باید یک راه حل بهینه باشد، زیرا تمامی گره های بعدی حداقل به همان اندازه هزینه خواهند داشت.

اسلاید ۱۰ :

اولین راه حل پیداشده، باید یک راه حل بهینه باشد
زیرا گره های هدف در تمامی contourهای بعدی دارای هزینه f بیشتری خواهند بود و در نتیجه هزینه G بالاتری نیز دارند (زیرا تمامی گره های هدف دارای h(n)=0 هستند).
جستجوی A* کامل است.
همان طور که نوارهای با f در حال افزایش را اضافه می کنیم، باید بالاخره به نواری برسیم که در آنجا f مساوی هزینه مسیر تا یک حالت هدف است.

مطالب فوق فقط متون اسلاید های ابتدایی پاورپوینت بوده اند . جهت دریافت کل ان ، لطفا خریداری نمایید .
PowerPointقابل ویرایش - قیمت 8900 تومان در 81 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد