پاورپوینت هوش مصنوعی (مسائل ارضای محدودیت)

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت هوش مصنوعی (مسائل ارضای محدودیت) دارای ۵۱ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت هوش مصنوعی (مسائل ارضای محدودیت)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت هوش مصنوعی (مسائل ارضای محدودیت)

اسلاید ۴: ۴مسائل ارضای محدودیت(رنگ آمیزی نقشه)مساله :در نقشه ی مقابل باید هر منطقه را با قرمز،سبز یا آبی به گونه ای رنگ کنیم که مناطق همجوار هم رنگ نباشند. فرموله کردن مساله بصورت CSP:متغیرها: WA, NT, Q, NSW, V, SA, Tدامنه: {آبی، سبز، قرمز} = Diمحدودیتها: دو منطقه مجاور، همرنگ نیستندمثال: WA NT یعنی (WA,NT) عضو{(قرمز,سبز),(قرمز,آبی),(سبز,قرمز)، (سبز,آبی),(آبی,قرمز),(آبی,سبز)}

اسلاید ۵: ۵راه حل انتساب مقادیری است که محدودیتها را ارضا کندمسائل ارضای محدودیت(رنگ آمیزی نقشه-ادامه)

اسلاید ۶: ۶مسائل ارضای محدودیت(مثال گراف محدودیت)در گراف محدودیت:گره ها: متغیرهایالها: محدودیتهاگراف برای ساده تر کردن جستجو بکار میرود

اسلاید ۷: ۷انواع محدودیت ها در Cspمحدودیت یکانی :ساده ترین نوع محدودیت است که مقدار یک متغیر را محدود می کند. به عنوان مثال در رنگ آمیزی نقشه: استرالیای جنوبی به رنگ سبز نیست.محدودیت دودویی :به دو متغییر مربوط می شود.به عنوان مثال SANSWCSP دودویی:آن است که فقط محدودیت دودویی دارد و می توانند مانند گراف موجود در اسلاید ۶ نمایش داده شود.محدودیت های مرتبه ی بالاتر: شامل ۳ یا چند متغیر.اگر متغیرهای کمکی کافی معرفی شوند،هر محدودیت مرتبه ی بالاتر و با دامنه ی متناهی می تواند به مجموعه ای از محدودیت ها ی دودویی کاهش یابد.محدودیت اولویت : نشان می دهد کدام راه حل ارجح تر است.

اسلاید ۸: ۸مسائل ارضای محدودیت(مثال رمزنگاری)متغیرها F,T,U,W,R,O,X1,X2,X3 (X1,X2,X3 متغیرهای کمکی هستند.) دامنه:{۹و۸و۷و۶و۵و۴و۳و۲و۱و۰}محدودیتها: F,T,U,R,O,W مخالفند ( یک محدودیت ۶ متغیره) – …O+O=R+10.X1X1+W+W=U+10-X2X2+T+T=O+10-X3X3=F

اسلاید ۹: ۹مسائل ارضای محدودیتنمایش حالتها در CSP از الگوی استانداردی پیروی میکندبرای CSP میتوان فرمول بندی افزایشی ارائه کرد:حالت اولیه: انتساب خالی{} که در آن، هیچ متغیری مقدار نداردتابع جانشین: انتساب یک مقدار به هر متغیر فاقد مقدار، به شرطی که با متغیرهایی که قبلا مقدار گرفتند، متضاد نباشندآزمون هدف: انتساب فعلی کامل و معتبراستهزینه مسیر: هزینه ثابت برای هر مرحله

اسلاید ۱۰: ۱۰جست و جوی عقبگرد برای CSPجست و جوی عمقیانتخاب مقادیر یک متغیر در هر زمان و عقبگرد در صورت عدم وجود مقداری معتبر برای انتساب به متغیریک الگوریتم ناآگاهانه استبرای مسئله های بزرگ کارآمد نیستخاصیت تعویض پذیری: مسئله وقتی تعویض پذیر است که ترتیب به کارگیری هر مجموعه ای از فعالیت ها تاثیری در نتیجه ندارد-ابتدا WA را سبز در نظر بگیریم سپس NT را آبی و برعکس ابتدا Nt را ابی در نظر بگیریم و سپس WA را سبز تفاوتی ندارد.

اسلاید ۱۱: ۱۱جست و جوی عقبگرد برایCSP (مثال)

اسلاید ۱۲: ۱۲جست و جوی عقبگرد برایCSP (مثال-ادامه۱)

اسلاید ۱۳: ۱۳جست و جوی عقبگرد برایCSP (مثال-ادامه۲)

اسلاید ۱۴: ۱۴جست و جوی عقبگرد برایCSP (مثال-ادامه۳)

اسلاید ۱۵: سه تابع اکتشاف برای cspاکتشاف مقادیر باقیمانده کمینه(MRV)اکتشاف درجه ایاکتشاف مقداری با کمترین محدودیت۱۵

اسلاید ۱۶: ۱۶اکتشاف مقادیر باقیمانده کمینه(MRV)با نام های اکتشاف ”محدودترین متغیر“ یا ”اولین شکست“نیز شناخته می شود.انتخاب متغیری با کمترین مقادیر معتبرمتغیری انتخاب میشود که به احتمال زیاد، بزودی با شکست مواجه شده و در نتیجه درخت جست و جو را هرس میکند

اسلاید ۱۷: ۱۷اکتشاف درجه ایسعی میکند فاکتور انشعاب را در انتخاب آینده کم کندمتغیری که بیشترین فاکتور انشعاب را دارد در ابتدا انتخاب می شودمتغیری را انتخاب میکند که در بزرگترین محدودیتهای مربوط به متغیرهای بدون انتساب قرار دارد متغیری که یالهای بیشتری به متغیرهای بدون انتساب دارد

اسلاید