TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO MÔN HỌC TRÍ TUỆ NHÂN TẠO BÁO CÁO GIỮA KÌ MÔN HỌC TRÍ TUỆ NHÂN TẠO Giáo viên hướng dẫn Lương Hồng Lan Sinh viên thực hiện Lê Hùng Tiến Lớp D16TT[.]
Trang 1TRƯỜNG ĐẠI HỌC ĐIỆN LỰC
KHOA CÔNG NGHỆ THÔNG TIN
BÁO CÁO MÔN HỌC TRÍ TUỆ NHÂN TẠO
BÁO CÁO GIỮA KÌ MÔN HỌC
TRÍ TUỆ NHÂN TẠO
Giáo viên hướng dẫn: Lương Hồng Lan
Sinh viên thực hiện: Lê Hùng Tiến
Hà Nội, tháng 3 năm 2023
Trang 2LỜI CẢM ƠN
Trên thực tế không có sự thành công nào mà không gắn liền với những sự hỗ trợ, sự giúp đỡ dù ít hay nhiều, dù là trực tiếp hay gián tiếp của người khác Trong suốt thời gian từ khi bắt đầu học tập ở giảng đường Đại Học đến nay, chúng em đã nhận được rất nhiều sự quan tâm, giúp đỡ của Thầy Cô, gia đình và bạn bè
Xin gửi lời cảm ơn chân thành đến gia đình, bè bạn, đã luôn là nguồn động viên to lớn, giúp chúng em vượt qua những khó khăn trong suốt quá trình học tập và thực hiện đồ án
Mặc dù đã rất cố gắng hoàn thiện đồ án với tất cả sự nỗ lực, tuy nhiên báo cáo giữa kì môn học Trí tuệ nhân tạo chắc chắn sẽ không thể tránh khỏi những thiếu sót Chúng em rất mong nhận được sự quan tâm, thông cảm và những đóng góp quý báu của các thầy cô và các bạn để đồ án này ngày càng hoàn thiện hơn
Sau cùng, chúng em xin kính chúc các thầy cô trong Khoa Công Nghệ Thông Tin dồi dào sức khỏe, niềm tin để tiếp tục thực hiện sứ mệnh cao đẹp của mình là truyền đạt kiến thức cho thế hệ mai sau
Trân trọng!
Hà Nội, tháng 03 năm 2023 Sinh viên thực hiện:
Lê Hùng Tiến
Trang 3I BÀI TOÁN, THÀNH PHẦN BÀI TOÁN
VÀ PHƯƠNG PHÁP TÌM KIẾM LỜI GIẢI
1 Bài toán là gì
- Bài toán là một công việc hay một nhiệm vụ cần phải giải quyết
- Để giải quyết bài toán, ta cần xác định điều kiện cho trước và kết quả cần thu được
- Thuật toán là dãy hữu hạn các thao tác cần thực hiện theo một trình tự xác định để thu được kết quả cần thiết từ những điều kiện cho trước
2 Các thành phần của bài toán
Phát biểu bài toán theo dạng 5 thành phần:
- Trạng thái bài toán
- Trạng thái đầu
- Trạng thái đích
- Các phép chuyển trạng thái
- Lược đồ chi phí các phép chuyển trạng thái
3 Các phương pháp tìm kiếm kinh nghiệm
* Tìm kiếm ưu tiên tốt nhất (BFS) và giải thuật A*
Nguyên lý chung: Chọn hướng đi triển vọng nhất trong số những hướng đi đã biết
* Tìm kiếm ưu tiên tốt nhất (BFS):
Ưu điểm của tìm kiếm theo chiều sâu là không phải quan tâm đến sự
mở rộng của tất cả các nhánh Ưu điểm của tìm kiếm theo chiều rộng là không bị sa vào các đường dẫn bế tắc Tìm kiếm BFS kết hợp cả hai
Trang 4phương pháp trên cho phép ta đi theo một con đường duy nhất tại một thời điểm, nhưng đồng thời vẫn “quan sát” được những hướng khác Nếu con đường đang đi không triển vọng bằng những con đường ta đang “quan sát”
ta sẽ chuyển sang đi theo một trong số các con đường này
Cụ thể, tại mỗi bước tìm kiếm BFS, ta chọn đi theo trạng thái có khả năng cao nhất trong số các trạng thái đã được xét cho đến thời điểm đó Với tiếp cận này, ta sẽ đi sâu vào những nhánh tìm kiếm có khản năng nhất nhưng không bị luẩn quẩn trong các nhánh này vì nếu càng đi sâu vào một hướng mà ta đã phát hiện ra rằng hướng này càng đi thì càng xấu thì
sẽ không đi tiếp hướng hiện tại nữa mà chọn đi theo một hướng tốt nhất trong số những hướng chưa đi Đó là ý tưởng chủ đạo của tìm kiếm BFS
Để minh hoạ ý tưởng này ta có ví dụ sau:
Các con số dưới nút là giá trị hàm Heuristic ứng với nút đó Nút có giá trị càng nhỏ thì càng gần với nút đích
Khởi đầu, chỉ có một nút A nên nó sẽ được mở rộng tạo ra ba nút mới
B, C và D Do nút C là nút có khả năng nhất nên nó sẽ được mở rộng và sinh ra hai nút kế tiếp là E và F Đến đây, ta lại thấy nút B có khả năng nhất, nên ta chọn mở rộng nút B và tạo được hai nút G và H
Trang 5Ta lại thấy nút E có khả năng nhất, vì thế nút E được mở rộng sinh ra nút I và J Ở bước tiếp theo, J sẽ được mở rộng vì nó có khả năng nhất Quá trình này tiếp tục cho đến khi tìm thấy một lời giải
Thuật giải tìm kiếm BFS có hai đặc điểm khác với thuật giải tìm kiếm leo núi dốc đứng Thứ nhất, trong thuật giải tìm kiếm leo núi, một trạng thái được chọn và tất cả các trạng thái khác bị loại bỏ, không bao giờ chúng được xem xét lại Trong thuật giải tìm kiếm BFS, tại mỗi bước cũng
có một trạng thái được chọn nhưng những trạng thái khác vẫn được giữ lại,
để ta có thể trở lại xét sau đó khi mà trạng thái hiện tại trở nên kém khả năng hơn những trạng thái đã được lưu trữ Thứ hai, trong thuật giải BFS,
ta chọn trạng thái tốt nhất mà không quan tâm đén nó có tốt hơn các trạng thái trước đó hay không Trong khi đó leo núi sẽ dừng nếu không có trạng thái tiếp theo nào tốt hơn trạng thái hiện tại
Thực tế, hiếm có một bài toán nào có thể giải thuần tuý bằng BFS Ta thường vận dụng một biên bản đặc biệt của BFS là thuật giải A*
Trang 6* Giải thuật A*:
Trong khoa học máy tính, A* (đọc là A sao) là thuật toán tìm kiếm trong đồ thị Thuật toán này tìm một đường đi từ một nút khởi đầu tới một nút đích cho trước (hoặc tới một nút thỏa mãn một điều kiện đích) Thuật toán này sử dụng một "đánh giá heuristic" để xếp loại từng nút theo ước lượng về tuyến đường tốt nhất đi qua nút đó Thuật toán này duyệt các nút theo thứ tự của đánh giá heuristic này Do đó, thuật toán A* là một ví dụ của tìm kiếm theo lựa chọn tốt nhất (BFS)
Điểm khác biệt của A* đối với tìm kiếm theo lựa chọn tốt nhất là nó còn tính đến khoảng cách đã đi qua Điều đó làm cho A* "đầy đủ" và "tối ưu", nghĩa là, A* sẽ luôn luôn tìm thấy đường đi ngắn nhất nếu tồn tại một đường đi như vậy A* không đảm bảo sẽ chạy nhanh hơn các thuật toán tìm kiếm đơn giản hơn Trong một môi trường dạng mê cung, cách duy nhất để đến đích có thể là trước hết phải đi về phía xa đích và cuối cùng mới quay lại Trong trường hợp đó, việc thử các nút theo thứ tự "gần đích hơn thì được thử trước" có thể gây tốn thời gian
* Phương pháp nhánh
cận Ý tưởng:
- Thuật toán nhánh và cận sử dụng tìm kiếm leo đồi với hàm đánh giá f(u)
- Tại trạng thái u, chọn trạng thái v trong số các trạng thái kề với u, với f(v) đạt min
Tương tự cho đến khi:
- v là đích, hoặc
- v không có đỉnh kề, hoặc
- v có f(v) lớn hơn độ dài đường đi tối ưu hiện thời
- Không phát triển v nữa, quay về cha của v để tìm trạng thái tốt nhất trong các trạng thái còn lại chưa xét
Trang 7II BÀI TOÁN MINH HOẠ TÌM ĐƯỜNG NGẮN NHẤT
Tìm đường đi từ A đến B bằng phương pháp BFS, A* và nhánh cận
1 Phương pháp tìm kiếm ưu tiên tốt nhất (BFS)
- Ý tưởng: Tìm kiếm tốt nhất đầu tiên = tìm kiếm chiều rộng + hàm đánh giá
- Đầu vào:
+ Trạng thái đầu là A
+ Trạng thái kết thúc là B
Trang 8- Thực hiện:
+ A được xét → C, D, E, F
+ Chọn D, vì h(D) = 6 (min), sinh ra H, E
+ Trong số các đỉnh chưa xét C, H, E, F; chọn F vì h(F) = 7, sinh ra I & G
+ Chọn I để phát triển, sinh ra B và K
+ B là trạng thái kết thúc
→ Đường đi tốt nhất sẽ là A, D, F, I, B
- Ta có cây sơ đồ trạng thái như sau:
Trang 92 Thuật giải A*
- Ý tưởng: Tránh việc xét (phát triển) các nhánh tìm kiếm đã xác định (cho đến thời điểm hiện tại) là có chi phí cao
- Sử dụng hàm đánh giá f(n) = g(n) + h(n)
+ g(n) = chi phí từ nút gốc cho đến nút hiện tại n
+ h(n) = chi phí ước lượng từ nút hiện tại n tới đích
+ f(n) = chi phí tổng thể ước lượng của đường đi qua nút hiện tại n đến đích
Trang 103 Phương pháp nhánh cận
- Ý tưởng:
+ Thuật toán nhánh và cận sử dụng tìm kiếm leo đồi với hàm đánh giá f(u)
+ Tại trạng thái u, chọn trạng thái v trong số các trạng thái kề với u, với f(v) đạt min
- Tương tự cho đến khi:
+ v là đích, hoặc
+ v không có đỉnh kề, hoặc
Trang 11+ v có f(v) lớn hơn độ dài đường đi tối ưu hiện thời.
→ Không phát triển v nữa, quay về cha của v để tìm trạng thái tốt nhất trong các trạng thái còn lại chưa xét
- Xét không gian trạng thái ở bài mẫu:
+ Phát triển A, có các đỉnh con C, E, D, F với f(C) = 24, f(D) = 13, f(E)
= 21, f(F) = 27
+ Chọn D, sinh ra các đỉnh con mới là H và E (mới) với f(H) = 25, f(E) = 19
+ Chọn E, sinh ra K và I với f(K) = 17, f(I) = 18
+ Chọn K, sinh ra B với f(B) = g(B) = 21 → đường đi tạm thời là 21 + Từ B, quay về K, K quay lên E
+ Từ E, sang I với f(I) = 18 < độ dài tạm thời là 21 Sinh ra K, B với f(K)
= 25, f(B) = g(B) = 19 → đường đi tạm thời là 19
+ Với B thì không còn chi phí nào tốt hơn nữa
→ Đường đi tối ưu có độ dài 19