Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel.

Ähnliche Präsentationen


Präsentation zum Thema: "FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel."—  Präsentation transkript:

1 FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel

2 FH-Hof Allgemeine Aufgabenstellung Startzustand Menge der Folgezustände für einen beliebigen Zustand Zielzustände

3 FH-Hof Beispiel: Automatisches Beweisen Startzustand: Menge der Axiome Menge der Folgezustände: Schlussregeln Endzustand: zu beweisende Aussage

4 FH-Hof Beispiel: Konstruktionsexperte Startzustand: Bauteile Folgezustände: Konstruktionsregeln Endzustand: zu konstruierendes Gerät

5 FH-Hof Beispiel: Puzzle lösen

6 FH-Hof Allgemeiner Ansatz – General Problem Solver Erzeuge den Wurzelknoten zur Darstellung des Startzustands Wähle einen Knoten aus und erzeuge einen Kindknoten für jeden Folgezustand Überprüfe ob ein Knoten mit einem Endzustand erreicht wurde Bei Bedarf: Wähle den Knoten mit dem besten Endzustand aus

7 FH-Hof Beispiel: Lösen eines Puzzle

8 FH-Hof Elementare Suchverfahren Depth First Search:... zuerst in die Tiefe und danach in die Breite... Breadth First Search... Zuerst in die Breite und danach in die Tiefe... British Museum: alle Nachfolger erzeugen

9 FH-Hof Elementare Verfahren – Depth First Search

10 FH-Hof Elementare Verfahren – Breadth First Search

11 FH-Hof Heuristische Bewertungsfunktion Gibt für jeden Zustand den geschätzten Abstand zum Ziel an Beispiel: Zähle die Anzahl der falschen Positionen von Zahlen für das Puzzle Anzahl falscher Positionen: 3

12 FH-Hof Beispiel: Lösen des Puzzle mit Bewertungsfunktion

13 FH-Hof Verfahren mit Bewertungsfunktion Hill Climbing Wähle den Weg (Kindknoten) des aktuellen Knotens, der den kürzesten Weg zum Ziel repräsentiert Wähle einen alternativen Weg falls keine (optimale) Lösung gefunden wurde (Backtrack) Best First Search Wähle den Knoten mit der besten Bewertung aus allen bisher betrachteten Knoten

14 FH-Hof Hill Climbing - Beispiel

15 FH-Hof Best First Search - Beispiel

16 FH-Hof Kostenfunktion zur Bewertung einer Lösung Gesamtbewertung ergibt sich aus den tatsächlichen Kosten + dem geschätzten Abstand zum Ziel Abstandsfunktion ist admissive, wenn sie den tatsächlich Abstand nie überschätzt. Best First Search liefert für eine solche Abstandsfunktion immer die optimale Lösung Bezeichnung: A*


Herunterladen ppt "FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel."

Ähnliche Präsentationen


Google-Anzeigen