01 Search Uninformed

UNIVERSITATEA BABE-BOLYAI
Facultatea de Matematic i Informatic
INTELIGEN
ARTIFICIAL
Rezolvarea problemelor de cutare
Strategii de cutare neinformat
Laura Dioan
Sumar
A. Scurt introducere n Inteligena Artificial (IA)
B. Rezolvarea problemelor prin cutare
Definirea problemelor de cutare

Strategii de cutare
C.
Strategii de cutare neinformate

Strategii de cutare informate
Strategii de cutare locale (Hill Climbing, Simulated Annealing, Tabu Search, Algoritmi
evolutivi, PSO, ACO)
Strategii de cutare adversial
Sisteme inteligente
Sisteme bazate pe reguli n medii certe

Sisteme bazate pe reguli n medii incerte (Bayes, factori de
certitudine, Fuzzy)
Sisteme care nva singure
Arbori de decizie
Reele neuronale artificiale
Maini cu suport vectorial
Algoritmi evolutivi
Sisteme hibride
Martie, 2014
Inteligen artificial - metode de cutare neinformat
Sumar
Probleme
Rezolvarea problemelor
Pai n rezolvarea problemelor
Rezolvarea problemelor prin cutare
Pai n rezolvarea problemelor prin cutare

Tipuri de strategii de cutare
Martie, 2014
Materiale de citit i legturi utile
capitolele I.1, I.2 i II.3 din S. Russell, P. Norvig, Artificial

Intelligence: A Modern Approach, Prentice Hall, 1995
capitolele 1 i 2 din C. Groan, A. Abraham, Intelligent

Systems: A Modern Approach, Springer, 2011
capitolele 2.1 2.4 din http://wwwg.eng.cam.ac.uk/mmg/teaching/artificialintelligence/
Martie, 2014
Probleme
Dou mari categorii de probleme:
Rezolvabile n mod determinist
Calculul sinusului unui unghi sau a rdcinii ptrate

dintr-un numr
Rezolvabile n mod stocastic
Martie, 2014
Probleme din lumea real proiectarea unui ABS

Presupun cutarea unei soluii metode ale IA
Probleme
Tipologie
Probleme de cutare/optimizare
intrri
Probleme de modelare
Planificare, proiectarea sateliilor
model
ieiri
Predicii, clasificri
intrri
model
ieiri
Probleme de simulare
Martie, 2014
Teoria jocurilor economice
intrri
model
ieiri
Rezolvarea problemelor
Const n identificarea unei soluii
n informatic (IA) proces de cutare

n inginerie i matematic proces de optimizare
Cum?
Martie, 2014
Reprezentarea soluiilor (pariale) puncte n spaiul

de cutare
Proiectarea unor operatori de cutare transform o
posibil soluie n alt soluie
Pai n rezolvarea problemelor
Definirea problemei
Analiza problemei
Alegerea unei tehnici de rezolvare
cutare
reprezentarea cunotinelor
abstractizare
Martie, 2014
Rezolvarea problemelor prin cutare
bazat pe urmrirea unor obiective
compus din aciuni care duc la

ndeplinirea unor obiective
fiecare aciune modific o anumit stare a

problemei
succesiune de aciuni care transform

starea iniial a problemei n stare final
Martie, 2014

Definirea problemei
Definirea problemei implic stabilirea:
unui spaiu de stri
toate configuraiile posibile, fr enumerarea obligatorie a tuturor configuraiilor
reprezentare
explicit construirea (n memorie) a tuturor strilor posibile

implicit utilizarea unor structuri de date i a unor funcii (operatori)
unei/unor stri iniiale
unei/unor stri finale - obiectiv
unui/unor drum(uri)
succesiuni de stri
unui set de reguli (aciuni)
funcii succesor (operatori) care precizeaz starea urmtoare a unei stri
funcii de cost care evalueaz
Martie, 2014
trecerea dintr-o stare n alta

un ntreg drum
funcii obiectiv care verific dac s-a ajuns ntr-o stare final
10

Definirea problemei
Exemple
Joc puzzle cu 8 piese
Spaiul strilor configuraii ale tablei de

joc cu 8 piese
Starea iniial o configuraie oarecare
Starea final o configuraie cu piesele

aranjate ntr-o anumit ordine
7 2 1
5 6
3 8 4
Martie, 2014
Reguli aciuni albe

Condiii: mutarea n interiorul tablei
Transformri: spaiul alb se mic n sus, n jos,
la stnga sau la dreapta
1 2 3
4 5 6
7 8
Soluia secvena optim de aciuni albe
11

Definirea problemei
Exemple
Joc cu n dame
Spaiul strilor configuraii ale tablei de joc

cu n regine
Starea iniial o configuraie fr regine
Starea final o configuraie cu n regine care nu se atac
h
1
2
3
4
5
6
7
8
Martie, 2014
1
2
3
4
5
6
7
8
Reguli amplasarea unei regine pe tabl

Condiii: regina amplasat nu este atacat de nici o regin
existent pe tabl
Transformri: amplasarea unei noi regine ntr-o csu de pe
tabla de joc
Soluia amplasarea optim a reginelor pe tabl
12

Analiza problemei
Se poate descompune problema?
Sub-problemele sunt independente sau nu?
Universul strilor posibile este predictibil?
Se dorete obinerea oricrei soluii sau a unei soluii optime?
Soluia dorit const ntr-o singur stare sau ntr-o succesiune

de stri?
Sunt necesare multiple cunotine pentru a limita cutarea sau

chiar pentru a identifica soluia?
Problema este conversaional sau solitar?
Martie, 2014
Este sau nu nevoie de interaciune uman pentru rezolvarea ei?
13

Rezolvarea prin utilizarea regulilor (n combinaie cu o

strategie de control) de deplasare n spaiul problemei
pn la gsirea unui drum ntre starea iniial i cea
final
Rezolvare prin cutare
Martie, 2014
Examinarea sistematic a strilor posibile n vederea

identificrii
unui drum de la o stare iniial la o stare final
unei stri optime
Spaiul strilor = toate strile posibile + operatorii care
definesc legturile ntre stri
14

Strategii de cutare multiple cum alegem o

strategie?
Martie, 2014
Complexitatea computaional (temporal i spaial)
Completitudine algoritmul se sfrete ntotdeauna i gsete o

soluie (dac ea exist)
Optimalitate algoritmul gsete soluia optim (costul optim al
drumului de la starea iniial la starea final)
15


Strategii de cutare multiple cum alegem
o strategie?
Martie, 2014
Complexitatea computaional (temporal i spaial)

Performana strategiei depinde de:
Timpul necesar rulrii
Factori interni
Spaiul (memoria) necesar rulrii
Mrimea intrrilor algoritmului
Factori externi
Viteza calculatorului
Calitatea compilatorului
Se msoar cu ajutorul complexitii Eficien computaional
Spaial memoria necesar identificrii soluiei
S(n) cantitatea de memorie utilizat de cel mai bun algoritm A
care rezolvp o problem de decizie f cu n date de intrare
Temporal timpul necesar identificrii soluiei
T(n) timpul de rulare (numrul de pai) al celui mai bun
algoritm A care rezolv o problem de decizie f cu n date de
intrare
16

Rezolvarea problemelor prin cutare poate consta n:
Construirea progresiv a soluiei
Identificarea soluiei poteniale optime
Martie, 2014
17

Componentele problemei
Spaiul de cutare
Martie, 2014
Stare iniial
Operatori (funcii succesor)
Stare final
Soluia = un drum (de cost optim) de la starea iniial la starea final
Mulimea tuturor strilor n care se poate ajunge din starea iniial prin aplicarea
operatorilor
stare = o component a soluiei
Exemple
Problema comisului voiajor
Algoritmi
Ideea de baz: se ncepe cu o component a soluiei i se adaug noi
componente pn se ajunge la o soluie complet
Recursivi se re-aplic pn la ndeplinirea unei condiii
Istoricul cutrii (drumul parcurs de la starea iniial la starea final) este
reinut n liste de tip LIFO sau FIFO
Avantaje
Nu necesit cunotine (informaii inteligente)
18

Identificarea soluiei poteniale optime
Componentele problemei
Condiii (constrngeri) pe care trebuie s le satisfac (parial sau
total) soluia
Funcie de evaluare a unei soluii poteniale identificareaa optimului
Spaiul de cutare
Exemple
Ideea de baz: se ncepe cu o stare care nu respect anumite constrngeri pentru

a fi soluie optim i se efectueaz modificri pentru a elimina aceste violri
Iterativi se memoreaz o singur stare i se ncearc mbuntirea ei
Istoricul cutrii nu este reinut
Avantaje
Martie, 2014
Problema celor 8 regine
Algoritmi
mulimea tuturor soluiilor poteniale complete

Stare = o soluie complet
Simplu de implementat
Necesit puin memorie
Poate gsi soluii rezonabile n spaii de cutare (continue) foarte mari pentru care
ali algoritmi sistematici nu pot fi aplicai
19

Rezolvarea problemelor prin cutare presupune
Martie, 2014
algoritmi cu o complexitate ridicat (probleme NP-complete)
cutarea ntr-un spaiu exponenial
20

Tipologia strategiilor de cutare
n funcie de modul de generare a soluiei
Cutare constructiv
Cutare perturbativ
Cutare sistematic
Traversarea complet a spaiului
Ideintificarea soluiei dac ea exist algoritmi complei
Cutare local
Traversarea spaiului de cutare dintr-un punct n alt punct vecin algoritmi incomplei
O stare a spaiului poate fi vizitat de mai multe ori
n funcie de elementele de certitudine ale cutrii
O soluie candidat este modificat n vederea obinerii unei noi soluii candidat
Ex. SAT - Propositional Satisability Problem
n funcie de modul de traversare a spaiului de cutare

Ex. TSP
Cutare determinist
Algoritmi de identificare exact a soluiei
Cutare stocastic
Algoritmi de aproximare a soluiei
n funcie de stilul de explorare a spaiului de cutare
Martie, 2014
Cutare secvenial
Cutare paralel
21

n funcie de scopul urmrit
Cutare uni-obiectiv
Cutare multi-obiectiv
Cutare uni-modal
Cutare multi-modal
Exist mai multe soluii optime
Cutare de-a lungul unui numr finit de pai

Cutare iterativ
Algoritmii converg ctre soluie
Cutare euristic
Algoritmii ofer o aproximare a soluiei
n funcie de mecanismul cutrii
Exist o singur soluie optim
n funcie de tipul de algoritm folosit
Soluia trebuie s satisfac mai multe condiii (obiective)
n funcie de numrul de soluii optime
Soluia trebuie s satisfac o signur condiie/constrngere
Cutare tradiional
Cutare modern
n funcie de locul n care se desfoar cutarea n spaiul de cutare
Cutare local
Cutare global
Martie, 2014
22

n funcie de tipul (linearitatea) constrngerilor
Cutare liniar
Cutare neliniar
Clasic (determinist)
Direct bazat doar pe evaluarea funciei obiectiv

Indirect bazat i pe derivata (I si/sau II) a funciei obiectiv
Enumerativ
n funcie de modul de stabilire a soluiei
n funcie de tipul spaiului de cutare
Complet spaiu finit (dac soluia exist, ea poate fi gsit)

Incomplet spaiu infinit
Stocastic
Ne-informat soluia se tie doar cnd ea coincide cu starea final

Informat se lucreaz cu o funcie de evaluare a unei soluii pariale
Bazat pe elemente aleatoare
n funcie de agenii implicai n cutare
Cutare realizat de un singur agent fr piedici n atingerea obiectivelor

Cutare adversial adversarul aduce o incertitudine n realizarea obiectivelor
Martie, 2014
23

Exemplu
n funcie de modul de generare a soluiei
n funcie de modul de traversare a spaiului de cutare
Cutare sistematic
Cutare local
n funcie de elementele de certitudine ale cutrii
Cutare constructiv
Cutare perturbativ
Cutare determinist
Cutare stocastic
n funcie de stilul de explorare a spaiului de cutare
Martie, 2014
Cutare secvenial
Cutare paralel
24

Exemplu
Problema capra, varza i lupul
Se dau:
o capr, o varz i un lup pe malul unui ru

o barc cu barcagiu
Se cere
S se traverseze toi pasagerii pe malul cellalt al rului

cu urmtoarele condiii
n barc exist doar 2 locuri
nu pot rmne pe acelai mal
capra i varza
lupul i capra
Martie, 2014
25

B
C
V
L
C
B
L
V
L
V
C
B
L
B
L
V
B
C
L
V
C
C
V
Martie, 2014
B
V
C
B
C
B
L
C
B
C
V
V
L
B
V
L
26
Strategii de cutare
Elemente fundamentale
Tipuri abstracte de date (TAD)
TAD list structur liniar

TAD arbore structur arborescent
(ierarhic)
TAD graf structur de graf
TAD
Domeniu i operaii
Reprezentare
Martie, 2014
27
Strategii de cutare
Elemente fundamentale TAD List
Domeniu
D = {l | l = (el1, el2, ), unde eli, i=1,2,3, sunt de acelai tip TE (tip element) i fiecare element eli,
i=1,2,3, are o poziie unic n l de tip TP (TipPoziie)}
Operaii
Reprezentare
Creare(l)
Prim(l)
Ultim(l)
Urmtor(l,p)
Anterior(l,p)
Valid(l,p)
getElement(l,p)
getPoziie(l,e)
Modific(l,p,e)
AdugareLanceput(l,e)
AdugareLaSfrit(l,e)
AdugareDup(l,p,e)
Adugarenainte(l,p,e)
Eliminare(l,p)
Cutare(l,e)
Vid(l)
Dimensiune(l)
Distrugere(l)
getIterator(l)
Vectorial
Liste (simplu sau dublu) nlnuite, etc
Cazuri particulare
Stiv LIFO
Coad FIFO
Coad cu prioriti
Martie, 2014
28
Strategii de cutare
Domeniu
Operaii
Reprezentare
Creare(l)
Prim(l)
Ultim(l)
Urmtor(l,p)
Anterior(l,p)
Valid(l,p)
getElement(l,p)
getPoziie(l,e)
Modific(l,p,e)
AdugareLaSfrit(l,e)
AdugareDup(l,p,e)
Eliminare(l,p)
Cutare(l,e)
Vid(l)
Dimensiune(l)
Distrugere(l)
getIterator(l)
Vectorial
Cazuri particulare
Stiv LIFO
Coad FIFO
Coad cu prioriti
Martie, 2014
29
Strategii de cutare
Domeniu
Operaii
Reprezentare
Creare(l)
Prim(l)
Ultim(l)
Urmtor(l,p)
Anterior(l,p)
Valid(l,p)
getElement(l,p)
getPoziie(l,e)
Modific(l,p,e)
AdugareLaSfrit(l,e)
AdugareDup(l,p,e)
Eliminare(l,p)
Cutare(l,e)
Vid(l)
Dimensiune(l)
Distrugere(l)
getIterator(l)
Vectorial
Cazuri particulare
Stiv LIFO
Coad FIFO
Coad cu prioriti
Martie, 2014
30
Strategii de cutare
Elemente fundamentale TAD Graf
Domeniu container de noduri si legturi ntre noduri
Operaii
creare
creareNod
traversare
getIterator
distrugere
Reprezentare
D = {nod1,nod2,...,nodn, leg1, leg2, ...,legm, unde nodi, cu i=1,2,...,n sunt noduri, iar legi, cu i=1,2,...,m sunt
muchii ntre noduri}
Lista muchilor
Lista de adiacen (Tradiional i Modern)
Matricea de adiacen (Tradiional i Modern)
Matricea de inciden
Cazuri particulare
Grafuri
Grafuri
Grafuri
Grafuri
Grafuri
Martie, 2014
orientate i neorientate
simple sau multiple
conexe sau nu
complete sau nu
cu sau fr cicluri (aciclice pduri, arbori)
31
Strategii de cutare
Elemente fundamentale TAD Arbore
Domeniu container de noduri si legturi ntre noduri
Operaii
creare
creareFrunz
adugareSubarbore
getInfoRdcin
getSubarbore
traversare
getIterator
distrugere
Reprezentare
D = {nod1,nod2,...,nodn, leg1, leg2, ...,legm, unde nodi, cu i=1,2,...,n sunt noduri, iar
legi, cu i=1,2,...,m sunt muchii ntre noduri astfel nct s nu se formeze cicluri}
Vectorial
Liste nlnuite ale descendenilor
Cazuri particulare
Arbori binari (de cutare)

Arbori n-ari
Martie, 2014
32
Strategii de cutare
Elemente fundamentale parcurgerea grafelor
Drumuri
drum (path)
trail
nodul iniial = nodul final
circuit
fr restricii
drum nchis
muchiile nu se pot repeta
walk
nodurile nu se pot repeta
un trail nchis
ciclu
Martie, 2014
un path nchis
33
Strategii de cutare neinformate (SCnI)
Caracteristici
nu se bazeaz pe informaii specifice problemei

sunt generale
strategii oarbe
strategii de tipul forei brute
Topologie
n funcie de ordinea expandrii strilor n spaiul de cutare:
SCnI n structuri liniare

cutare liniar
cutare binar
SCnI n structuri ne-liniare
cutare n lime (breadth-first)

cutare de cost uniform (branch and bound)
cutare n adncime (depth-first)
cutare n adncime limitat (limited depth-first)
cutare n adncime iterativ (iterative deepening depth-first)
cutare bidirecional
Martie, 2014
34

Cutare liniar
Aspecte teoretice
Exemplu
Se verific fiecare element al unei liste pn la identificarea celui dorit

Lista de elemente poate fi ordonat sau nu
Lista = ( 2, 3, 1, ,7, 5)
Elem = 7
Algoritm
bool LS(elem, list){
found = false;
i = 1;
while ((!found) && (i <= list.length)){
if (elem = list[i])
found = true;
else
i++;
} //while
return found;
}
Martie, 2014
35

Cutare liniar
Analiza cutrii
Complexitate temporal
Complexitate spaial
Completitudine
Optimalitate
da
da
Simplitate, complexitate temporal bun pentru structuri mici

Structura nu trebuie sortat n prealabil
Dezavantaje
S(n) = n
Avantaje
Cel mai bun caz: elem = list[1] => O(1)

Cel mai slab caz: elem list => T(n) = n +1 => O(n)
Cazul mediu: T(n) = (1 + 2 + + n + (n+1))/(n+1) => O(n)
complexitate temporal foarte mare pentru structuri mari
Aplicaii
Cutri n baze de date reale
Martie, 2014
36

Cutare binar
Aspecte teoretice
Localizarea unui element ntr-o list ordonat

Strategie de tipul Divide et Conquer
Exemplu
List = ( 2, 3, 5, 6, 8, 9, 13,16, 18), Elem = 6
List
List
List
List
=
=
=
=
(
(
(
(
2, 3, 5, 6, 8, 9, 13,16, 18)
2, 3, 5, 6)
5, 6 )
6)
Algoritm
bool BS(elem, list){
found = false;
left = 1;
right = list.length;
while((left < right) && (!found)){
middle = left + (right - left)/2;
if (element == list[middle])
found = true;
else
if (element < list[middle])
right = middle 1;
else
left = middle + 1;
} //while
return found;
}
Martie, 2014
37

Cutare binar
Analiza cutrii
Complexitate temporal T(n) = 1, pt n = 1 i T(n) = T(n/2) + 1, altfel

Pp. c n = 2k => k = log2n
Pp. c 2k< n < 2k+1 => k < log2n < k + 1
T(n)
= T(n/2) + 1
T(n/2)
= T(n/22) + 1
T(n/2k-1) = T(n/2k) + 1
-----------------------------T(n) = k + 1 = log2n + 1
Avantaje
Complexitate temporal redus fa de cutarea liniar
Dezavantaje
Complexitate spaial S(n) = n

Completitudine da
Optimalitate da
Lucrul cu vectori (trebuie accesate elemente indexate) sortai
Aplicaii
Martie, 2014
Jocul ghicirii unui numr

Cutare ntr-o carte de telefon/dicionar
38
SC n structuri arborescente
Noiuni necesare
f(n) funcie de evaluare pentru estimarea costului soluiei prin nodul (starea) n
h(n) funcie euristic pentru estimarea costului drumului de la nodul n la nodul

obiectiv
g(n) funcie de cost pentru estimarea costului drumului de la nodul de start

pn la nodul n
f(n) = g(n) + h(n)
actual
start
estimat
n
g(n)
obiectiv
h(n)
f(n)
Martie, 2014
39
SCnI n structuri arborescente

cutare n lime (breadth-first search BFS)
Aspecte teoretice
Toate nodurile aflate la adncimea d se expandeaz naintea nodurile aflate la adncimea d+1
Toate nodurile fii obinute prin expandarea nodului curent se adaug ntr-o list de tip FIFO (coad)
A
Exemplu
B
Ordinea vizitrii: A, B, C, D, E, F, G, H, I, J, K
E
Algoritm
bool BFS(elem, list){

Vizitate deja
found = false;
visited = ;
toVisit = {start};
//FIFO list
A
while((toVisit != ) && (!found)){
node = pop(toVisit);
A, B
visited = visited U {node};
if (node == elem)
A, B, C
found = true;
A, B, C, D
else{
aux = ;
for all (unvisited) children of node do{ A, B, C, D, E
aux = aux U {child};
A, B, C, D, E, F
}
A, B, C, D, E, F, G
}
toVisit = toVisit U aux;
A, B, C, D, E, F, G, H
} //while
return found;
A, B, C, D, E, F, G, H, I
}
A, B, C, D, E, F, G, H, I, J
Martie, 2014
A, B, C, D, E, F, G, H, I, J, K
De vizitat
A
B, C, D
C, D, E, F
D, E, F, G
E, F, G, H, ,I, J
F, G, H, I, J
G, H, I, J
H, I, J
I, J
J, K
K
40

cutare n lime (breadth-first search BFS)
Analiza cutrii:
Complexitate temporal:
Complexitate spaial
Completitudine
Optimalitate
Avantaje
b factor de ramificare (nr de noduri fii ale unui nod)

d - lungimea (adncimea) soluiei
T(n) = 1 + b + b2 + + bd => O(bd)
S(n) = T(n)
Dac soluia exist, atunci BFS o gsete

nu
Gsirea drumului de lungime minim pn la nodul obiectiv (soluia cea mai puin adnc)
Dezavantaje
Generarea i stocarea unui arbore a crui mrime crete exponenial cu adncimea nodului obiectiv
Complexitate temporal i spaial exponenial
A
Experimentul Russel&Norvig????
Funcional doar pentru spaii de cutare mici
B
Aplicaii
Identificarea tuturor componentelor conexe ntr-un graf

Identificarea celui mai scurt drum ntr-un graf
Optimizri in reele de transport algoritmul Ford-Fulkerson
Serializarea/deserializarea unui arbore binar (vs. serializarea n

mod sortat) permite reconstrucia eficient a arborelui
Copierea colecilor (garbage collection) algoritmul Cheney
Martie, 2014
F
Vizitate deja
De vizitat
A, E, F
B, A
E, F, C
B, A, E
F, C
B, A, E, F
B, A, E, F, C
41

cutare de cost uniform (uniform cost search UCS)
Aspecte teoretice
BFS + procedur special de expandare a nodurilor (bazat pe costurile asociate legturilor dintre noduri)
Toate nodurile de la adncimea d sunt expandate naintea nodurilor de la adncimea d+1
Toate nodurile fii obinute prin expandarea nodului curent se adaug ntr-o list ORDONAT de tip FIFO
Se expandeaz mai nti nodurile de cost minim

Odat obinut un drum pn la nodul int, acesta devine candidat la drumul de cost optim
Algoritmul Branch and bound
Exemplu
Ordinea vizitrii nodurilor: A, C, B, D, G, E, F, I, H, J, K
10
15
5
G
bool UCS(elem, list){
found = false;
visited = ;
toVisit = {start};
//FIFO sorted list
if (node== elem)
found = true;
else
aux = ;
for all (unvisited) children of node do{
} // for
toVisit = toVisit U aux;
TotalCostSort(toVisit);
} //while
return found;
Martie, 2014
Algoritm
3
I
visited
toVisit
C(3), B(7), D(9)
A, C
B(7), D(9), G(3+7)
A, C, B
D(9), G(10), E(7+10), F(7+15)
A, C, B, D
G(10), I(9+3), J(9+4) ,H(9+5), E(17), F(22)
A, C, B, D, G
I(12), J(13) ,H(14), E(17), F(22)
A, C, B, D, G, I
J(13) ,H(14), E(17), F(22), K(9+3+7)
A, C, B, D, G, I, J
H(14), E(17), F(22), K(19)
A, C, B, D, G, I, J, H
E(17), F(22), K(19)
A, C, B, D, G, I, J, H, E
F(22), K(19)
A, C, B, D, G, I, J, H, E, F
K(19)
A, C, B, D, G, I, J, H, E, F, K
42

cutare de cost uniform (uniform cost search UCS)
Analiza complexitii
Complexitate spaial
A
5
Gsirea drumului de cost minim pn la nodul obiectiv E
Complexitate temporal i spaial exponenial
Aplicaii
Martie, 2014
10
Dezavantaje
Da
Avantaje
Da dac soluia exist, atunci UCS o gsete
Optimalitate
S(n) = T(n)
Completitudine

T(n) = 1 + b + b2 + + bd => O(bd)
Cel mai scurt drum algoritmul Dijkstra
C
3
D
5
Vizitate deja
De vizitat
A(0)
A(0)
B(5), C(10)
A(0), B(5)
F(8), C(10), E(14)
A(0), B(5), F(8)
C(9), E(10)
A(0), B(5), F(8), C(9)
E(10), H(14)
A(0), B(5), F(8), C(9), E(10)
H(14)
43

cutare n adncime (depth-first search DFS)
Aspecte teoretice
Expandarea intr-un nod fiu i naintarea n adncime pn cnd
Este gsit un nod int (obiectiv) sau

Nodul atins nu mai are fii
Cu revenirea n cel mai recent nod care mai poate fi explorat

Toate nodurile fii obinute prin expandarea nodului curent se adaug
ntr-o list de tip LIFO (stiv)
Similar cu BFS, dar nodurile se plaseaz ntr-o stiv (n loc de coad)
Exemplu
Ordinea vizitrii nodurilor: A, B, E, F, C, G, D, H, I, K, J
Algoritm
bool DFS(elem, list){

Vizitate deja
found = false;
visited = ;
A
toVisit = {start};
//LIFO list
A, B
A, B, E
if (node== elem)
A, B, E, F
found = true;
A, B, E, F, C
else{
A, B, E, F, C, G
aux = ;
A, B, E, F, C, G, D
A, B, E, F, C, G, D, H
}
toVisit = aux U toVisit;
A, B, E, F, C, G, D, H, I
}
A, B, E, F, C, G, D, H, I, K
} //while
Martie, 2014
A, B, E, F, C, G, D, H, I, K, J
return found;
}
De vizitat
A
B, C, D
E, F, C, D
F, C, D
C, D
G, D
D
H, I, J
I, J
K, J
J
44

Analiza complexitii
Complexitate spaial
Completitudine
S(n) = b * dmax
Nu algoritmul nu se termin pt drumurile infinite (neexistnd suficient memeorie pt reinerea

nodurilor deja vizitate)
Optimalitate

dmax - lungimea (adncimea) maxim a unui arbore explorat
T(n) = 1 + b + b2 + + bdmax => O(bdmax)
Nu cutarea n adncime poate gsi un drum soluie mai lung dect drumul optim
Avantaje
Gsirea drumului de lungime minim pn la nodul obiectiv cu consum minim de memorie
versiunea recursiv
Dezavantaje
Se poate bloca pe anumite drumuri greite (nenorocoase)

fr a putea reveni
A
Ciclu infinit
Gsirea unei soluii mai lungi dect soluia optim
Aplicaii
Problema labirintului (maze)
Identificarea componentelor conexe
Sortare topologic
Testarea planaritii
Martie, 2014
L
M
45

bool DFS_edges(elem, list){
discovered = ;
back = ;
toDiscover = ;
//LIFO
for (all neighbours of start) do
toDiscover = toDiscover U {(start, neighbour)}
found = false;
visited = {start};
while((toDiscover != ) && (!found)){
edge = pop(toDiscover);
if (edge.out ! visited){
discovered = discovered U {edge};
visited = visited U {edge.out}
if (edge.out == end)
found = true;
else{
aux = ;
for all neighbours of edge.out do{
aux = aux U {(edge.out, neighbour)};
}
toDiscover = aux U toDiscover;
}
else
back = back U {edge}
} //while
return found;
}
Martie, 2014
Muchii vizitate
deja
Muchii de vizitat
napoi
Noduri vizitate
AB, AF
AB
AB
BC, BK, AF
A, B
BC
AB, BC
CD, BK, AF
A, B, C
CD
AB. BC, CD
DE, BK, AF
A, B, C, D
DE
AB, BC, CD, DE
EF, EH, BK, AF
A, B, C, D, E
EF
AB, BC, CD, DE,

EF
FI, FG, EH, BK, AF
A, B, C, D, E, F
FI
AB, BC, CD, DE,

EF, FI
FG, EH, BK, AF
A, B, C, D, E, F, I
FG
AB, BC, CD, DE,

EF, FI, FG
GA, EH, BK, AF
A, B, C, D, E, F, I,
G
GA
AB, BC, CD, DE,

EF, FI, FG
EH, BK, AF
GA
A, B, C, D, E, F, I,
G
EH
AB, BC, CD, DE,

EF, FI, FG
HJ, HN, BK, AF
GA
A, B, C, D, E, F, I,
G, H
HJ
AB, BC, CD, DE,

EF, FI, FG, HJ
HN, BK, AF
GA
A, B, C, D, E, F, I,
G, H, J
HN
AB, BC, CD, DE,

EF, FI, FG, HI, HN
BK, AF
GA
A, B, C, D, E, F, I,
G, H, N
Muchia
46

cutare n adncime limitat (depth-limited search DLS)
Aspecte teoretice
Exemplu
DFS + adncime maxim care limiteaz cutarea (dlim)

Se soluioneaz problemele de completitudine ale cutrii n adncime (DFS)
dlim = 2
Ordinea vizitrii nodurilor: A, B, E, F, C, G, D, H, I, J
Algoritm
bool DLS(elem, list, dlim){

found = false;
visited = ;
toVisit = {start}; //LIFO list
Vizitate deja
A
if (node.depth <= dlim){
A, B
if (node == elem)
found = true;
A, B, E
else{
A, B, E, F
aux = ;
A, B, E, F, C
A, B, E, F, C, G
}
A, B, E, F, C, G, D
toVisit = aux U toVisit;
}//if found
A, B, E, F, C, G, D, H
}//if dlim
A, B, E, F, C, G, D, H, I
} //while
A, B, E, F, C, G, D, H, I, K, J
return found;
}
Martie, 2014
De vizitat
A
B, C, D
E, F, C, D
F, C, D
C, D
G, D
D
H, I, J
I, J
J
47

cutare n adncime limitat (depth-limited search DLS)
Analiza complexitii
Complexitate spaial
Se soluioneaz problemele de completitudine ale cutrii n adncime (DFS)
Dezavantaje
Nu cutarea n adncime poate gsi un drum soluie mai lung dect drumul optim
Avantaje
Da, dar dlim > d, unde d = lungimea (adncimea) soluiei optime
Optimalitate
S(n) = b * dlim
Completitudine

dlim limita lungimii (adncimii) permis pentru un arbore explorat
T(n) = 1 + b + b2 + + bdlim => O(bdlim)
Cum se alege o limit dlim bun?
Aplicaii
Determinarea podurilor ntr-un graf
Martie, 2014
48
SCnI n structuri arborescente cutare n adncime

iterativ (iterative deepening depth search IDDS)
Aspecte teoretice
U DLS(dlim), unde dlim = 1, 2, 3, ..., dmax

Se soluioneaz problema stabilirii limitei dlim optime din DLS
De obicei, se aplic acolo unde:
spaiul de cutare este mare i

se cunoate lungimea (adncimea) soluiei
Exemplu
lim_d=0
dlim
=0
lim_d=1
dlim
=1
dlim
=2
lim_d=2
Algoritm
bool IDS(elem, list){
found = false;
dlim = 0;
while ((!found) && (dlim < dmax)){
found = DLS(elem, list, dlim);
dlim++;
}
return found;
Martie, 2014
49
SCnI n structuri arborescente cutare n

adncime iterativ (iterative deepening depth search IDDS)
Analiza complexitii
Nodurile
Nodurile
...
Nodurile
Nodurile
situate la adncimea dmax (n numr de bdmax) se expandeaz o singur dat=> 1 * bdmax

situate la adncimea dmax-1 (n numr de bdmax-1) se expandeaz de 2 ori => 2 * (bdmax - 1)
situate la adncimea 1 (n numr de b) se expandeaz de dmax ori => dmax * b1
situate la adncimea 0 (n numr de 1 - rdcina) se expandeaz de dmax+1 ori => (dmax+1)*b0
d max
T (n) (i 1)b d max 1 O(b d max )

i 0
Complexitate spaial
Completitudine
Optimalitate
Da
Necesit memorie liniar

Asigur atingerea nodului int urmnd un drum de lungime minim
Mai rapid dect BFS i DFS
Dezavantaje
Da
Avantaje
S(n) = b * dmax
Necesit cunoaterea adncimii soluiei
Aplicaii
Jocul Tic tac toe
Martie, 2014
50
SCnI n structuri arborescente cutare n

adncime iterativ (iterative deepening depth search IDDS)
Martie, 2014
51

cutare bidirecional (bi-directional search BDS)
Aspecte teoretice
2 cutri simultane
nainte (forward): de la rdcin spre frunze

napoi (backward): de la frunze spre rdcin
care se opresc atunci cnd ajung la un nod comun

ntr-o direcie pot fi folosite oricare dintre streategiile de cutare
anterioare
necesit
stabilirea succesorilor, respectiv a predecesorilor unui nod

stabilirea locului de ntlnire
Exemplu
Algoritm
n funcie de strategia de cutare folosit
Martie, 2014
52

cutare bidirecional (bi-directional search BDS)
Analiza complexitii
Complexitate temporal

O(bd/2) + O(bd/2) => O(bd/2)
S(n) = T(n)
da
da
Complexitate spaial
Completitudine
Optimalitate
Avantaje
Dezavantaje
Complexitate spaial i temporal redus
Dificulti n formularea problemei astfel nct fiecare stare s poat fi inversat

Parcurgere dinspre cap spre coad
Parcurgere dinspre coad spre cap
Implementare dificil
Trebuie determinai succesorii i predecesorii tuturor strilor
Trebuie cunoscut starea final (obiectiv)
Aplicaii
Problema partiionrii
Cel mai scurt drum
Martie, 2014
53

fr euristici
FIFO
BFS
SCnI
cu euristici
SCI
LIFO
DFS
Se impune o anumit
limit adncimii
FIFO cu
prioriti
UCS
SC
DLS
Se crete gradual limita
adncimii
IDDS
Martie, 2014
54

Compararea performanelor
Metoda de
cutare
Complexitate
temporal
Complexitate
spaial
Completitudin
e
Optimalitate
BFS
O(bd)
O(bd)
Da
Da
UCS
O(bd)
O(bd)
Da
Da
DFS
O(bdmax)
O(b*dmax)
Nu
Nu
DLS
O(bdlim)
O(b*dlim)
Da
dac dlim > d
Nu
IDS
O(bd)
O(b*d)
Da
Da
BDS
O(bd/2)
O(bd/2)
Da
Da
Martie, 2014
55
Cursul urmtor
A. Scurt introducere n Inteligena Artificial (IA)
B. Rezolvarea problemelor prin cutare
Definirea problemelor de cutare

Strategii de cutare
C.
Strategii de
Strategii de
Strategii de
PSO, ACO)
Strategii de
cutare neinformate
cutare informate
cutare locale (Hill Climbing, Simulated Annealing, Tabu Search, Algoritmi evolutivi,
cutare adversial
Sisteme inteligente
Sisteme bazate pe reguli n medii certe

Sisteme bazate pe reguli n medii incerte (Bayes, factori de
certitudine, Fuzzy)
Sisteme care nva singure
Arbori de decizie
Reele neuronale artificiale
Maini cu suport vectorial
Algoritmi evolutivi
Sisteme hibride
Martie, 2014
56
Cursul urmtor
Materiale de citit i legturi utile
capitolul II.4 din S. Russell, P. Norvig, Artificial

Intelligence: A Modern Approach, Prentice Hall,
1995
capitolul 3 i 4 din C. Groan, A. Abraham,

Intelligent Systems: A Modern Approach,
Springer, 2011
capitolul 2.5 din http://wwwg.eng.cam.ac.uk/mmg/teaching/artificialintelligen

ce/
Martie, 2014
57
Informaiile prezentate au fost colectate din diferite surse

bibliografice, precum i din cursurile de inteligen artificial inute n
anii anteriori de ctre:
Conf. Dr. Mihai Oltean www.cs.ubbcluj.ro/~moltean
Lect. Dr. Crina Groan - www.cs.ubbcluj.ro/~cgrosan
Prof. Dr. Horia F. Pop - www.cs.ubbcluj.ro/~hfpop
Martie, 2014
58

01 Search Uninformed

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

01 Search Uninformed

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA BABE-BOLYAI

Facultatea de Matematic i Informatic

Definirea problemelor de cutare

Strategii de cutare neinformate

Sisteme bazate pe reguli n medii certe

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor

Rezolvarea problemelor prin cutare

Pai n rezolvarea problemelor prin cutare

Inteligen artificial - metode de cutare neinformat

Materiale de citit i legturi utile

capitolele I.1, I.2 i II.3 din S. Russell, P. Norvig, Artificial

capitolele 1 i 2 din C. Groan, A. Abraham, Intelligent

capitolele 2.1 2.4 din http://wwwg.eng.cam.ac.uk/mmg/teaching/artificialintelligence/

Inteligen artificial - metode de cutare neinformat

Dou mari categorii de probleme:

Rezolvabile n mod determinist

Calculul sinusului unui unghi sau a rdcinii ptrate

Rezolvabile n mod stocastic

Probleme din lumea real proiectarea unui ABS

Inteligen artificial - metode de cutare neinformat

Planificare, proiectarea sateliilor

Teoria jocurilor economice

Inteligen artificial - metode de cutare neinformat

Const n identificarea unei soluii

n informatic (IA) proces de cutare

Reprezentarea soluiilor (pariale) puncte n spaiul

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor

Alegerea unei tehnici de rezolvare

Inteligen artificial - metode de cutare neinformat

Rezolvarea problemelor prin cutare

bazat pe urmrirea unor obiective

compus din aciuni care duc la

fiecare aciune modific o anumit stare a

succesiune de aciuni care transform

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor prin cutare

Definirea problemei implic stabilirea:

unui spaiu de stri

toate configuraiile posibile, fr enumerarea obligatorie a tuturor configuraiilor

explicit construirea (n memorie) a tuturor strilor posibile

unei/unor stri iniiale

unei/unor stri finale - obiectiv

unui set de reguli (aciuni)

funcii succesor (operatori) care precizeaz starea urmtoare a unei stri

funcii de cost care evalueaz

trecerea dintr-o stare n alta

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor prin cutare

Joc puzzle cu 8 piese

Spaiul strilor configuraii ale tablei de

Starea iniial o configuraie oarecare

Starea final o configuraie cu piesele

Reguli aciuni albe

Soluia secvena optim de aciuni albe

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor prin cutare

Spaiul strilor configuraii ale tablei de joc

Starea iniial o configuraie fr regine

Starea final o configuraie cu n regine care nu se atac

Reguli amplasarea unei regine pe tabl

Inteligen artificial - metode de cutare neinformat

Pai n rezolvarea problemelor prin cutare