- •Системы искуственного интеллекта.
- •Глава 8 Моделирование структуры мозга с помощью нейронных сетей………… 4
- •Глава 9 Моделирование деятельности человеческого коллектива
- •Глава 10 Поиск альтернативных решений…………………………………………………
- •Контрольные вопросы и задание……………………………………………………
- •Глава 11 Моделирование общения, восприятия и осуществления действий человеком.
- •11.15. Контрольные вопросы и задание
- •Глава 12 Настоящее и будущее искусственного интеллекта………………
- •Лекция 18 Глава 8 Моделирование структуры мозга с помощью нейронных сетей.
- •8.1. Биологический нейрон.
- •8.2. Модель искусственного нейрона.
- •8.3. Классификация нейронных сетей и их свойства.
- •Лекция 19
- •8.4. Теоретические основы построения и обучения нейронных сетей.
- •8.5. Алгоритм «обучение с учителем».
- •8.6. Алгоритм «обучение без учителем».
- •Лекция 20
- •8.7. Способы реализации нейронных сетей.
- •Практическое применение нейросетевых технологий.
- •Выводы по 8-ой главе.
- •Контрольные вопросы и задание.
- •Лекция 21
- •Глава 9 Моделирование деятельности человеческого коллектива
- •9.1. Основные понятия теории агентов.
- •Агент Датчики
- •Исполнительные механизмы
- •9.2. Поведение агентов.
- •Лекция 22
- •9.3. Определение характера среды.
- •Лекция 23
- •9.4. Структура агентов
- •Лекция 24
- •9.5. Мультиагентные системы.
- •9.6. Коллективное поведение агентов.
- •Лекция 25
- •9.7. Примеры мультиагентных систем
- •9.8. Технологии проектирования мультиагентных систем
- •9.9. Перспективы мультиагентных технологий.
- •9.10. Выводы по 9-ой главе.
- •9.11. Контрольные вопросы и задание.
- •Лекция 26
- •Глава 10 Поиск альтернативных решений.
- •Поиск в пространстве состояний.
- •Лекция 27
- •10.2. Алгоритмы поиска в пространстве состояний.
- •10.2.1. Алгоритм поиска с возвратом.
- •10.2.2. Алгоритм поиска в ширину.
- •Лекция 28.
- •10.2.3. Алгоритм поиска в глубину.
- •14 16 Цель
- •10.2.4. Поиск в глубину с итерационным заглублением.
- •10.3.1. "Жадный" алгоритм поиска
- •Лекция 29
- •10.4. Поиск на графах «и-или»
- •Лекция 30
- •10.5. Игровые модели и их классификация.
- •10.6. Игры с полной информацией и двумя участниками.
- •10.6.1. Оптимальные стратегии.
- •Лекция 31
- •10.6.2.Минимаксный алгоритм.
- •30Х30≈ 1000 позиций
- •10.6.3. Альфа-бета алгоритм.
- •10.6.4. Программы игры в шахматы.
- •10.6.5.Современные игровые программы.
- •Лекция 32
- •Локальный поиск.
- •10.7.1. Алгоритм поиска с восхождением к вершине
- •Лекция 33
- •10.7.2.Алгоритм отжига.
- •Лекция 34
- •10.7.3. Генетический алгоритм.
- •Анализ начальной популяции на первом шаге простого генетического алгоритма.
- •Контрольные вопросы и задание
- •Глава 11 Моделирование общения, восприятия и осуществления действий человеком.
- •12.15. Контрольные вопросы и задание.
- •Глава 13 Настоящее и будущее искусственного интеллекта.
9.11. Контрольные вопросы и задание.
1. Самостоятельно сформулируйте определения следующих понятий: агент; функция агента; программа агента; рациональность; автономность; рефлексный агент; агент, основанный на модели; агент на основе цели; агент на основе полезности; обучающийся агент.
2. Для измерения того, насколько успешно функционирует агент, используются и показатели производительности, и функция полезности. Объясните, в чем состоит различие между этими двумя критериями.
3. В этом упражнении исследуются различия между функциями агента и программами агента.
а) Может ли существовать больше чем одна программа агента, которая реализует данную функцию агента? Приведите пример, подтверждающий положительный ответ, или покажите, почему такая ситуация невозможна.
б) Есть ли такие функции агента, которые не могут быть реализованы никакими программами агента?
в) Верно ли, что каждая программа агента реализует точно одну функцию агента, при условии, что архитектура вычислительной машины остается неизменной?
г) Если в архитектуре предусмотрено n битов памяти, то сколько различных возможных программ агента может быть реализовано с ее помощью?
4. Для каждого из следующих агентов разработайте описание PEAS среды задачи:
а) робот-футболист;
б) агент, совершающий покупки книг в lnternet;
в) автономный марсианский вездеход;
г) ассистент математика, занимающийся доказательством теорем.
5. Для каждого из типов агентов, перечисленных в упр. 4, охарактеризуйте среду в соответствии со свойствами агента и выберите подходящий проект агента.
6. Может ли простой рефлексный агент с рандомизированной функцией агента превзойти по своей производительности простого рефлексного агента? Спроектируйте такого агента и измерьте его производительность в нескольких вариантах среды.
7. Можете ли вы спроектировать среду, в которой предложенный вами рандомизированный агент будет показывать очень низкую производительность? Продемонстрируйте полученные вами результаты.
8. Может ли рефлексный агент с поддержкой состояния превзойти по 'своей производительности простого рефлексного агента? Спроектируйте такого агента и измерьте его производительность в нескольких вариантах среды. Сумеете ли вы спроектировать рационального агента этого типа?
9. Дайте характеристику архитектурам мультиагентных систем.
10. Сформулируйте основные проблемы, возникающие при моделировании коллективного поведения интеллектуальных агентов.
11. Охарактеризуйте основные модели координации поведения агентов в мультиагентных системах: теоретико-игровые, модели коллективного поведения автоматов, модели планирования коллективного поведения, модели на основе ВDI-архитектур, модели координации поведения на основе конкуренции.
12. Сформулируйте постановки задач координации поведения агентов на основе модели аукциона.
13. Проведите сравнительный анализ свойств мобильных и статических агентов.
14. Опишите технологию построения мультиагентных систем. Приведите примеры инструментальных средств, предназначенных для этой цели.
15. Перечислите основные преимущества интеллектуальных поисковых мультиагентных систем перед традиционными средства ми поиска информации.
16. Для каких задач актуально применение мультиагентных технологий? Приведите примеры.
