Bilgili arama Yöntemleri

Slides:



Advertisements
Benzer bir sunumlar
Arama ile sorun çözme Ders 3.
Advertisements

Hüseyin ELDEM Erkan ÜLKER
MIT503 Veri Yapıları ve algoritmalar
YAPAY ZEKA Yrd. Doç. Dr. Rembiye Kandemir
IT503 Veri Yapıları ve algoritmalar
YAPAY ZEKA Yrd. Doç. Dr. Rembiye Kandemir
Yapay Zeka DR.KORHAN KAYIŞLI.
MIT503 Veri Yapıları ve algoritmalar Algoritma Oluşturma – Açgözlü algoritmalar ve buluşsallar Y. Doç. Yuriy Mishchenko.
YAPAY ZEKA Yrd. Doç. Dr. Rembiye Kandemir
VARYANT HESAPLAMA. ►K►K►K►Kolay anlaşılması için varyantlara, gidiş yolu diyebiliriz. ►S►S►S►Satranççılar; satranç oyunun her aşamasında, planlarını gerçekleştirmek.
SINIFLANDIRMA VE REGRESYON AĞAÇLARI (CART)
Para Yönetimi ve Paranın Zaman Değeri - 2
Informed Search and Exploration
SEZGİSEL ALGORİTMALAR (devam)
Kümeleme Modeli (Clustering)
İkili Ağaçlar İkili Arama Ağaçları
Algoritmalar DERS 2 Asimptotik Notasyon O-, Ω-, ve Θ-notasyonları
Bölüm 6 Yatırım Kriterleri
MIT503 Veri Yapıları ve algoritmalar Algoritmalara giriş
İçerik Ön Tanımlar En Kısa Yol Problemi Yol, Cevrim(çember)
Bellek Tabanlı Sınıflandırma
MIT503 Veri Yapıları ve algoritmalar En önemli graf problemleri
META SEZGİSEL YÖNTEMLER
TÜREV UYGULAMALARI.
Lokal Arama Algoritmaları
Ek 2A Diferansiyel Hesaplama Teknikleri
Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu Nihat Pamuk.
En Küçük Yol Ağacı (Minimum Spanning Tree)
Uzaklık Vektörü Algoritması
Arama ile sorun çözme Ders 3.
Çizge Teorisi, Dağıtık Algoritmalar ve Telsiz Duyarga Ağları
YAPAY ZEKA ve UZMAN SİSTEMLER
İçerik: Graflar Tanım Gösterim Dolaşma Algoritmaları
Ders Notu – 3.1 Arama ile Problem Çözme
DERS-7 TESTLER Prof. Dr. Hüseyin BAŞLIGİL YILDIZ TEKNİK ÜNİVERSİTESİ
MIT503 Veri Yapıları ve algoritmalar Veri ağaçları
Ders Notu – 3.2 Bilgisiz (Kör) Arama Yöntemleri
İçindekiler: Marjinal Hâsılat Fonksiyonunun Ortalama Hâsılat Fonksiyonundan Elde Edilmesi 2. Marjinal Maliyet ve Ortalama Maliyet Fonksiyonları Arasındaki.
KESİRLİ FONKSİYONLARIN GRAFİKLERİ
Kısıtlamalı Sorunlar Constraint Satisfaction Problems
Akış Kontrol Mekanizmaları
M.Fatih AMASYALI Yapay Zeka Ders Notları
BİL551 – YAPAY ZEKA BİLGİSİZ ARAMA YÖNTEMLERİ
Rekabet ortamında arama Adversarial Search
Arama ile sorun çözme Ders 3.
Bilgili arama Yöntemleri
Oyunlar.
8 VEZİR PROBLEMİ (N QUEEN PROBLEM)
Çizge Algoritmaları Ders 2.
BİL551 – YAPAY ZEKA BİLGİLİ ARAMA YÖNTEMLERİ
Optimizasyon.
Economic Order Quantity Ekonomik Sipariş Miktarı
BİL 4112 Yapay Zeka Hafta 2 – Bölüm 2
BİL 4112 YAPAY ZEKA Hafta 3 – Bölüm 1
Oyunlar. Giriş YZ da oyunlar 3 sınıfa ayrılarak incelenir. – Rasgele sonuçlu (tavla vb) – Ustalık gerektiren (futbol, golf vs) – Stratejik (satranç,dama,
END 457 Sezgisel Arama ve Yapay Zeka
M.Fatih AMASYALI Yapay Zeka Ders Notları
BİL 4112 YAPAY ZEKA Hafta 6.
Bölüm10 İteratif İyileştirme Copyright © 2007 Pearson Addison-Wesley. All rights reserved.
Tesis (Kuruluş) Yeri Seçimi
Makine Öğrenmesinde Yeni Problemler YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ.
En kısa yol yön.alg. (shortes path routing alg.)
Algoritmalar II Ders 5 Açgözlü Algoritmalar.
Kümeleme Modeli (Clustering)
Algoritmalar II Ders 8 Açgözlü Algoritmalar.
Lojistik Merkez Yer Seçimi
Hafta_6 Sezgisel-Bilgili Arama (Heuristic-Informed Search)
Makine Öğrenmesinde Yeni Problemler
Fırat Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Müh.
Çizge Algoritmalari 5. ders.
Sunum transkripti:

Bilgili arama Yöntemleri

Sezgisel Arama Yöntemleri Kör arama yöntemleri basittir, fakat çoğu zaman pratik değildir. Kör arama yöntemleri bilgisiz yöntemlerdir. Yani, bu yöntemlerle arama, durum uzayı hakkında bilgi olmadan gerçekleştirilir. Sezgisel arama yöntemleri , önce en umut verici yolu incelemekle aramanın etkisini yükseltiyor

Konular Sezgisel arama Yerel arama algoritmaları-Local search En iyisini arama-Best-first search (istekli en iyisini arama-Greedy best-first search) A* arama Yerel arama algoritmaları-Local search Dağa Tırmanma-Hill-climbing search Yerel ışın arama-Local beam search Genetik algoritmalar-Genetic algorithms

Değerlendirme fonksiyonu Sezgisel aramayı kullanmak için bize değerlendirme fonksiyonu (evaluation function) gerekmektedir. Değerlendirme fonksiyonu , hedef/amaç durumuna yakınlığı değerlendirmek için arama ağacında düğümleri inceler Sezgisellik bir tahmindir, fakat aramayı gerçekleştirmek için yararlı yoldur. Temel düşünce… Tüm mümkün arama yollarını denemek yerine , seni hedefe/amaca yaklaştırdığını düşündüğün yolları deneyeceksin.

Yönbulma (durum uzayı) Sezgisel Arama Yönbulma (durum uzayı) CG SC S SR W CS L A R E SG FA 7 2 1 3 4 Örneğin, arama uzayında kentler arasındaki kuş uçuşu mesafeleri sezgisel değerlendirme için kullanıla bilir. Üstünlük verilen yollar SG’ye daha yakın olan yollardır. SG’ye kuş uçuşu yolların uzunlukları SG 3 4 7 6 11 8 E L CS A R FA SR S SC W CG

Sezgisel Arama Algoritması Sıfır uzunluklu,yalnız başlangıç durumu içeren elementten oluşan kuyruğu oluşturmalı (ağacın kökü) Kuyruktaki birinci yol amaç durumda sonlanana dek veya kuyruk boş olana dek aşağıdaki işlemleri yapmalı: Birinci yolu, uç durumun tüm ardıllarına dek genişletmekle yeni yollar oluşturmalı Döngülü tüm yeni yolları elemeli * Yeni yolları değerlendirme fonksiyonuna göre sıralamalı * Yeni yolları kuyruğa eklemeli Eğer amaç durum bulunmuşsa arama başarılıdır, eksi halde arama başarısız sonuçlanmıştır HeuristicSearch (initial, goal, queuing-fn, eval-fn) Sezgisel değerlendirme fonksiyonu, yeni yolların arama kuyruğuna eklenmeden önce incelenmesini sağlar

En İyisini arama algoritmaları Bazı hallerde amaca doğru her hangi bir yolun bulunması yeterli olsa da, bazı zamanlarda en iyi yolun bulunması gereke bilir. En hızlı, en düşük maliyetle ve en kolay yolla amaca ulaşılması için optimal arama yapılmalıdır.

En iyisini arama algoritmaları Mantıklı bir zaman diliminde en iyi çözümün bulunması yöntemleri: En iyisini arama A* Sezgisel tahminler(değerlendirmeler) kullanılıyor, fakat bu tahminler yakın çözüme doğru değil, genel çözüme doğru yönlenmiştir

En iyisini arama-Best-first search Temel fikir: değerlendirme fonksiyonu f(n) kullanmakla her bir düğüm için “-”arzuedilirliğin” (desirability) tahmin edilmesi En çok arzuedilen düğümü genişletmeli Düğümleri “arzuedilirlik”lerinin azalma sırası ile sıralamalı

En iyisini arama Ankara ile diğer kentler arasındaki kuş uçuşu mesafeleri

En iyisini arama H=600

En iyisini arama

En iyisini (istekli) arama Değerlendirme fonksiyonu f(n) = h(n) h(n)- n düğümünden amaca dek tahmin edilen maliyet (sezgisellik fonksiyonu) Örn., h(n) = n’den Ankara’ya dek kuş uçuşu mesafesi Algoritma ,amaca en yakın saydığı düğüme doğru genişlenme yapıyor

En iyisini arama algoritmasının özellikleri Tam? Değil – kör döngüler ola biliyor Zaman? O(bm), iyi sezgisel algoritma işlem zamanının küçülmesine neden ola biliyor Uzay? O(bm) – tüm düğümler bellekte tutuluyor Optimal? Değil

A* arama Temel düşünce: yüksek maliyetli yollara doğru genişlenme yapmamalı Değerlendirme fonksiyonu f(n) = g(n) + h(n) Toplam Değer(Çözüm)= Yol Değeri(gidilen) + Tahmin Değer(Kalan) n- aramadaki her hangi durumdur g(n)- başlangıç durumdan n durumuna dek gedilmiş yolun maliyetidir h(n) –n durumundan amaç durumuna dek gereken maliyetin sezgisel tahminidir h(n) – n durumundan amaç durumuna dek en kısa yolun maliyetine eşit veya ondan küçüktür

8 taş bulmacası örneği

8 taş bulmacası (devamı)

h(a)=3 f(a)=3

A* arama-örnek 600=0+600 Çanakkale

A* arama-örnek 600=0+600 Çanakkale 760=320+440 İzmir 630=280+350 Bursa 750=300+450 Balıkesir

A* arama-örnek 600=0+600 Çanakkale 760=320+440 İzmir 630=280+350 Bursa 800=550+250 Kütahya 880=580+300 Afyon 680=530+150 Bolu 700=530+170 Eskişehir 750=300+450 Balıkesir

A* arama-örnek 600=0+600 Çanakkale 760=320+440 İzmir 630=280+350 Bursa 750=500+250 Kütahya 880=580+300 Afyon 780=630+150 Bolu 700=530+170 Eskişehir 880=630+250 980=830+150 700=700+0 Ankara 750=300+450 Balıkesir

Yerel arama algoritmaları Pek çok optimallaştırma sorunlarında amaca götüren yolun hiçbir önemi olmaya bilir; amaç durumun kendisi çözümdür Bu durumlarda, yerel arama algoritmalarını kullana biliriz Yalnız “şimdiki" durumu tutmalı ve onu iyileştirmeye çalışmalı

Dağa Tırmanma(Hill-Climbing) “dağa tırmanma” yönteminin ana fikrinde böyle bir varsayım dayanmaktadır: ormancı gece dağda yolunu kaybetmiştir. Onun evi dağın zirvesindedir. Karanlık olsa da ormancı , her adımının onu amacına yakınlaştırdığını bilmektedir Dağa tırmanma yönteminde aramanın yönü her zaman amaca daha yakın düğüme doğrudur.

Dağa tırmanma algoritması

Dağa tırmanma Sorun: arama başlangıç duruma bağlıdır; yerel maksimumda takılıp kala biliyor

Dağa Tırmanma Sezgisel değerlendirme, derinine arama yöntemini dağa tırmanma yöntemine dönüştürür son durum ve amaç durum yolları arasındaki “mesafeyi” ölçmek için değerlendirme fonksiyonu her bir yeni yola uygulanıyor Zaman karmaşıklığı Uzay karmaşıklığı tam? Optimal? O(bd) değil

Dağa Tırmanma Önemli noktalar Arama uzayında döngüler varsa dağa tırmanma yöntemi kullanılamaz Mevcut durumdan daha iyi ardıl (komşu) durumlar olmadıkta arama dayandırılıyor . Bu, arama uzayında yerel maksimum bulunması sorununu doğuruyor. Başka değişle, etrafındaki durumlardan daha iyi olan durum, çözüm olmaya bilir. Dağa tırmanma yöntemi, çözümün tahmin edilen değerini doğru hesaplayan değerlendirme fonksiyonu verilmiş sorunlar için uygulanmaktadır.

Dağa Tırmanma S A B C D E F G 10.4 A B 8.9 C D 6.9 10.4 Dağa tırmanma sezgisel değerlendirmeli derine arama yöntemidir. Düğümler genişlendikçe seçenek sunuyor. Şekilde düğümlerin yanındaki sayılar son ( o anki) düğümlerden amaca kadar olan düz yolun uzunluğunu gösteriyor. 3.0 E F 6.7 G

Dağa tırmanma – 8 vezir sorunu h = doğrudan veya dolaylı olarak biri-birine hamle eden vezir çiftleri sayısı örnekte h = 17 h = doğrudan veya dolaylı olarak biri-birine hamle eden vezir çiftleri sayısı örnekte h = 17 Yerel minimum: h = 1

Işın arama Enine aramaya benzer. Fakat her seviyede genişlenen düğümler sayısına kısıtlama getirmekle zaman karmaşıklığı azaltılıyor. Enine genişlenme sınırı w (b >> w) belirlenir Bir sonraki genişlenmeler için en iyi w düğüm seçiliyor

Işın (Beam) Arama S A B C D E F H I J K L M G Arama seviye-seviye gerçekleştiriliyor. Fakat her seviyede en iyi w (enine genişlenme sınırı) sayıda düğüm genişlene bilir Örnekte w=2. S 10.4 A B 8.9 6.7 C D 8.9 E F 6.9 10.4 3.0 8.0 H I J K 7.9 6.7 3.9 L M 2.5 G

Genetik algoritmalar Ardıl durum iki baba durumu birleştirmekle üretiliyor Rasgele üretilmiş k sayıda durumla (popülasyon) başlamalı Durum, sınırlı alfabe ile (genelde 0 ve 1) oluşturulmuş satırla ifade edilir Değerlendirme fonksiyonu (uygunluk fonksiyonu). Daha iyi durumlar için daha yüksek değerler. Durumların bir sonraki nesilleri seçme, çaprazlama ve değişinim kullanmakla üretiliyor

Genetik algoritmalar-örnek Uygunluk fonksiyonu: biri birine hamle etmeyen vezir çiftleri sayısı (min = 0, max = (8 × 7)/2 = 28)