Bài giảng Trí tuệ nhân tạo - Bài 3: Giải quyết vấn đề bằng tìm kiếm: tìm kiếm mù

Bài 3 của bài giảng Trí tuệ nhân tạo giúp người học biểu diễn được các bài toán trong không gian trạng thái, biết được các chiến lược tìm kiếm, biết cách tìm kiếm trên không gian trạng thái, nắm bắt được cách sử dụng không gian trạng thái để biễu diễn suy luận với phép tính vị từ: đồ thị và/hoặc. Mời các bạn cùng tham khảo.

TTNT p.2

Nội dung

 Các chiến lược tìm kiếm

– T ìm kiếm mù

– T ìm kiếm kinh nghiệm (heuristic)

 Tìm kiếm trên không gian trạng thái:

– T ìm kiếm theo chiều rộng (breath – first search)

– T ìm ki ếm theo chiều sâu (depth – first search)

– T ìm kiếm sâu bằng cách đào sâu nhiều lần (depth – first

search with iterative deepening)

 Sử dụng không gian trạng thái để biễu diễn suy luận

với phép tính vị từ: Đồ thị Và/Hoặc (And/Or Graph)

TTNT p.3

 Khi biểu diễn một vấn đề như là một đồ thị không gian trạng thái, chúng ta có thể sử dụng lý thuyết đồ thị để phân tích cấu trúc và độ phức tạp của các vấn đề cũng như các thủ tục tìm kiếm.

b6

b4

TTNT p.4

Bài toán tìm kiếm

 Tìm kiếm: là tìm một đối tượng thoả mãn một số đòi hỏi nào đó, trong một tập hợp rộng lớn các đối tượng

 Các kỹ thuật tìm kiếm đuợc áp dụng rộng rãi trong lĩnh vực TTNT :

– Tìm kiếm mù : không có hiểu biết gì về các đối tượng để

hướng dẫn tìm kiếm

– Tìm kiếm kinh nghiệm (heuristic) : dựa vào kinh nghiệm và hiểu biết về vấn đề cần giải quyết để xây dựng hàm đánh giá hướng dẫn sự tìm kiếm.

• Tìm kiếm tối ưu

• Tìm kiếm có đối thủ : tìm kiếm nước đi trong các trò chơi hai người (cờ vua, cờ tướng, )

TTNT p.5

Không gian trạng thái

 Không gian tìm kiếm : bao gồm tất cả các đối tượng mà ta cần quan tâm tìm

kiếm (có thể là không gian liên tục (không gian các véc tơ thực n chiều) hoạc không gian các đối tượng rời rạc

 Toán tử : mô tả hành động hoặc phép biến đổi để đưa một trạng thái tới trạng

thái khác

Ví dụ : Bài toán tìm đường đi : các con đường nối các thành phố sẽ được biểu diễn bởi các toán tử ->Giải bài toán bằng tìm một dãy các toán tử để đưa

trạng thái ban đầu (điểm xuất phát) về trạng thái kết thúc (điểm đích)

 Biểu diễn một bài toán trong không gian trạng thái, cần xác định các yếu tố :

+ Trạng thái ban đầu

+ Một tập hợp các toán tử

+ Một tập hợp các trạng thái kết thúc (trạng thái đích)

Không gian trạng thái có thể được biểu diễn bởi một đồ thị có hướng: mỗi đỉnh của đồ thị tương đương với một trạng thái, nếu toán tử R biến đổi trạng thái u thành trạng thái v thì cung (u,v) được gán nhãn R

TTNT p.8

KGTT của 8-puzzle sinh ra bằng phép

“di chuyển ô trống”

Có khả năng xảy ra vòng lặp không?

TTNT p.9

Một ví dụ của bài toán TSP

nào?

TTNT p.10

KGTT của bài toán TSP

Mỗi cung được đánh dấu bằng tổng giá của con đường từ nút bắt đầu đến nút hiện tại.

– Gốc = trạng thái ban đầu

– Đỉnh = trạng thái của không gian trạng thái

A

I

DC

F

K

EG

G

F

K E F

KK

G

C

KFD

Cây tìm kiếm

TTNT p.12

Các chiến lược tìm kiếm

 Tìm kiếm mù : không có sự hướng dẫn nào cho tìm kiếm, chỉ phát triển các trạng thái ban đầu

cho tới khi gặp một trạng thái đích nào đó.

 Tìm kiếm kinh nghiệm (heuristic): tìm kiếm dựa vào hiểu biết về các vấn đề, dựa vào kinh

nghiệm, trực giác để đánh giá các trạng thái

2.1 if L rỗng then {thông báo tìm kiếm thất bại; stop};

2.2 Loại trạng thái u đầu danh sách L;

2.3 if u là trạng thái kết thúc then

{thông báo tìm kiếm thành công; stop};

2.4 for mỗi trạng thái v kề u do

{Đặt v vào cuối danh sách L;

father(v)  u};

end;

TTNT p.14

Đánh giá thuật toán

thái ban đầu tới trạng thái đích) thì thuật toán sẽ

tìm ra nghiệm và đường đi là ngắn nhất.

hạn, thuật toán dừng và thông báo vô nghiệm.

TTNT p.15

Tìm kiếm theo độ sâu

 Trạng thái chọn phát triển là trạng thái được sinh ra sau cùng

2.1 if L rỗng then {thông báo tìm kiếm thất bại; stop};

2.2 Loại trạng thái u đầu danh sách L;

2.3 if u là trạng thái kết thúc then

{thông báo tìm kiếm thành công; stop};

2.4 for mỗi trạng thái v kề u do

{Đặt v vào đầu danh sách L;

father(v)  u};

end;

TTNT p.16

Đánh giá thuật toán

hữu hạn thì thuật toán sẽ tìm ra nghiệm Nếu

không gian trạng thái vô hạn thì có thể không tìm

ra nghiệm không nên dùng thuật toán này với bài toán có cây tìm kiếm chứa các nhánh vô hạn.

kiếm có nhân tố nhánh b, độ phức tạp trong

gian là O(db).

TTNT p.17

Các chiến lược cho TK-KGTT

 TK hướng từ dữ liệu (Data-driven Search)

– Suy diễn tiến (forward chaining)

 TK hướng từ mục tiêu (Goal-driven Search)

– Suy diễn lùi (backward chaining)

– Tất cả hoặc một phần dữ liệu được cho từ đầu.

– Có nhiều mục tiêu, nhưng chỉ có một số ít các phép toán có thể

áp dụng cho một trạng thái bài toán

– Rất khó đưa ra một mục tiêu hoặc giả thuyết ngay lúc đầu.

– Có thể đưa ra mục tiêu hoặc giả thuyết ngay lúc đầu.

– Có nhiều phép toán có thể áp dụng trên 1 trạng thái của bài toán => sự bùng nổ số lượng các trạng thái

– Các dữ liệu của bài toán không được cho trước, nhưng hệ

thống phải đạt được trong quá trình tìm kiếm.

 Tìm kiếm rộng (breath-first search)

 Tìm kiếm sâu (depth-first search)

 TK sâu bằng cách đào sâu nhiều lần (depth-first

search with iterative deepening)

TTNT p.21

Tìm kiếm theo chiều rộng

1. Open = [A]; closed = []

TTNT p.22

Tìm kiếm theo chiều sâu

1. Open = [A]; closed = []

2. Open = [B,C,D]; closed = [A]

3. Open = [E,F,C,D];closed = [B,A]

TTNT p.23

Tìm kiếm Sâu hay Rộng? (1)

mục tiêu hay không?

 Khoảng cách trung bình của đường dẫn đến trạng

thái mục tiêu.

giải tìm được đầu tiên.

TTNT p.24

Tìm kiếm sâu bằng cách đào sâu nhiều lần

quay lui khi trạng thái đang xét đạt đến độ sâu giới hạn

đã định.

độ sâu giới hạn là 1, nếu thất bại, nó sẽ lặp lại GT TK sâu với độ sâu là 2,… GT tiếp tục cho đến khi tìm được mục tiêu, mỗi lần lặp lại tăng độ sâu lên 1.

TK Rộng và TK Sâu.

Hãy trả lời các câu hỏi sau:

1 h có đúng không?

2 h có cón đúng nêu b sai?

TTNT p.28

Cây nghiệm

 Gốc của cây ứng với bài toán cần giải

 Các lá là các đỉnh kết thúc (ứng với các bài toán sơ cấp)

 Nếu u là đỉnh trong của cây, thì các đỉnh con của u là các đỉnh kề u theo một toán tử nào đó.

 Các đỉnh được gán nhãn giải được hoặc không giải được

– Đỉnh giải được:

• Đỉnh kết thúc

• Đỉnh không kết thúc nhưng có toán tử R sao cho tất cả các đỉnh kề của

nó theo R đều giải được.

– Đỉnh không giải được:

• Đỉnh không kết thúc và không có đỉnh kề

• u không phải đỉnh kết thúc và mọi toán tử R áp dụng được tại u đều có

đỉnh v kề u theo R không giải được.

TTNT p.29

Tìm kiếm trên đồ thị VÀ/HOẶC

Begin

1 If u là đỉnh kết thúc then

{Solvable true; stop};

2 If u không là đỉnh kết thúc và không có đỉnh kề then

{Solvable false; stop};

3 For mỗi toán tử R áp dụng được tại u do

{OKtrue;

for mỗi v kề u theo R do

if Solvable(v) = false then

TTNT p.30

Ví dụ: Hệ Tư Vấn Tài Chính

Đồ Thị And/Or biểu diễn phần KGTT đã duyệt qua để đi đến lời giải

TTNT p.31

VÍ DỤ ĐỒ THỊ AND/OR:

Cho một bài toán được mô tả bằng

các câu vị từ:

Hãy vẽ đồ thị AND/OR biểu diễn

phần KGTK để trả lời câu hỏi: “Fred

đang ở đâu?” (Áp dụng suy diễn lùi)

TTNT p.32

Bài Tập Chương 3