Wiederholung / berblick. bersicht. Wdh: Allgemeiner Suchalgorithmus. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz
|
|
- Greta Egger
- vor 5 Jahren
- Abrufe
Transkript
1 Wiederhoung / berbick 4 Probemösen und Suche 8. Voresung: Suche: Vermeidung wiederhoter Zustände; Goa Trees; Game Trees Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 u VL 7: Agemeine Suchverfahren u Heute: Uninformierte Suche: Tiefensuche, Breitensuche Heuristische Suche: Bestensuche (Gierige Suche, A*) Bisher offenes Probem: wiederhote Zustände bei der Suche Goa-Tree Suche Game-Tree Suche 8. Voresung Methoden der KŸnstichen Inteigenz 2 bersicht u Vermeidung wiederhote Zustände u Goa-Tree Suche u Game-Tree Suche Wdh: Agemeiner Suchagorithmus search 1. Sei L die Liste ( Suchschange ) der Startknoten für das Probem 2. Ist L eer, dann mede Fehschag. Sonst entferne den ersten Knoten exp aus L. 3. Fas exp ein Zieknoten, d.h. goa-test(exp) = true, dann mede Erfog und iefere den Pfad zu exp as Ergebnis 4. Füge successors(exp) in L ein 5. Weiter mit 2 Speziee Suchverfahren unterscheiden sich darin, wie in Schritt 4 die Nachfoger von exp in L eingefügt werden; z.b. vorne, hinten, sortiert gemäß Bewertung durch estimator Tiefensuche Breitensuche Bestensuche 8. Voresung Methoden der KŸnstichen Inteigenz 3 8. Voresung Methoden der KŸnstichen Inteigenz 4
2 Zust.B Op.B Op.A Zust.K Op.E Zust.C Zust.E Zust.G Suchgraph Op.B Op.H Zust.D Wiederhote ZustŠnde Op.A Zust.J Zust.H Zust.L Op.E Op.G [Zykus] Zust.M Zust.B Op.B Op.E Op.A Op.B Zust.K Op.H Zust.J Op.G Op.E Zust.C Zust.E Zust.G Zust.H Zust.K Zust.G Zust.D Suchbaum Zust.D Zust.L Op.A Zust.K Op.H Zust.G Zust.D unendich anger Zweig Ziezust.2 Ziezust.1 Ziezust.1 Ziezust.1 Startzust. Startzust. Ziezust.2 Ziezust.1 Start- zust. Ebene Probem: Wiederhote ZustŠnde Wie äßt sich eine Suche geschickt steuern, um wiederhote Zustände im Suchraum (wiederhot besuchte Knoten im Suchgraph) zu vermeiden? Bei einer Suche können verschiedene Operatorsequenzen zum geichen Zustand im Suchraum führen. Betrachte das Beispie mit einer Depth-first Suche (Backtracking). Die Häufigkeit, mit der ein Knoten besucht wird, kann exponentie mit der Baumtiefe wachsen. Konsequenz: Der Knoten Z wird 2 n - ma besucht! B1 D1 Suchgraph A C E... Z B2 D2 8. Voresung Methoden der KŸnstichen Inteigenz 5 8. Voresung Methoden der KŸnstichen Inteigenz 6 Vermeiden wiederhoter ZustŠnde ae exporierten Zustände in einer Tabee abspeichern für jeden neu generierten Zustand nachsehen, ob er schon in der Tabee ist fas ja: von diesem Zustand aus nicht (erneut) den Suchraum exporieren Der Aufwand für dieses Verfahren kann durch O (og n) beschränkt werden ( n = Anzah der tabeierten Zustände), und zwar mit Hife von Diskriminationsnetzen. ANALOGIE: Bestimmungsschüsse in der Botanik ACHTUNG: Ein Diskriminationsnetz ist keine Repräsentation eines Suchraums! Diskriminationsnetze (erstmas so verwendet von Newe, Shaw und Simon im GPS) Idee: Während der Suche wird simutan mit dem Suchbaum ein weiterer Baum aufgebaut, mit dem exporierte Zustände tabeiert ("indexiert") werden: (1) in den Bättern werden generierte Zustände eingetragen (2) in nicht-terminaen Knoten werden Unterscheidungsgesichtspunkte (Fragen) eingetragen ( 3 ) die Kanten werden mit den Unterscheidungsmerkmaen (Antworten) geabet ( 4 ) kommt ein neuer Zustand hinzu, der sich von einem Battknotenzustand in einem Merkma unterscheidet, wird der Baum gemäß (2) und (3) erweitert. 8. Voresung Methoden der KŸnstichen Inteigenz 7 8. Voresung Methoden der KŸnstichen Inteigenz 8
3 Einsatz bei der Suche Ein Diskriminationsnetz Bemerkungen: 1. Jede neue Unterscheidung betrifft immer nur ein diskriminierendes Merkma (das "nächstzugängiche"). Mit jeder Operatoranwendung wird ein aktueer Zustand des Suchraums generiert. Frage: Ist dies ein neuer Zustand? Anhand seiner syntaktischen Merkmae wird der Zustand im Diskriminationsnetz eingeordnet wie fogt: Jeder nicht-terminae Knoten iefert jeweis eine Unterscheidungsfrage über ein syntaktisches Merkma des Zustandes. 2. Erforderich ist eine Art Parser für die Zustandsbeschreibung (etwa für agebraische Ausdrücke). Wird ein terminaer Knoten erreicht, vergeicht eine Match-Prozedur den dort eingetragenen Zustand mit dem fragichen aktueen Zustand des Suchraums: fas = : aktueen Zustand nicht weiter verfogen fas : Unterscheidungsmerkma feststeen, Baum erweitern, aktueen Zustand weiter verfogen. neuer Zustand 8. Voresung Methoden der KŸnstichen Inteigenz 9 8. Voresung Methoden der KŸnstichen Inteigenz 10 Diskriminationsnetz erweitert bersicht u Vermeidung wiederhote Zustände u Goa-Tree Suche u Game-Tree Suche 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 12
4 Probem-ReprŠsentation: Arten Suche in UND-ODER-BŠumen Òstate-space representationò Òprobem reduction representationò u Vorwärtssuche: jede Operator-Anwendung erzeugt nur ein neues Objekt (einen neuen Zustand im Probemraum ) ZUSTANDSRAUM-REPRÄSENTATION u Rückwärtssuche: 1. Fa: wie oben (jeweis ein neues Unterzie) Bsp.: LOGIC THEORIST 2. Fa: eine Operator-Anwendung erzeugt mehrere Unterziee, die jeweis in Konjunktion zu ösen sind PROBLEMREDUKTIONS- REPRÄSENTATION u Speziafa des agemeinen Suchprobems: Erfüung eines Zies, das sich in Teiziee zeregen äßt. Wenn es mehrere Methoden, die Erfübarkeit von (Tei-)zieen zu prüfen, suche eine erfogreiche. u Zwei Knotentypen: ODER-Knoten: aternative Methoden UND-Knoten: simutan zu erfüende Ziee (Zie wird durch Konjunktion von Teizieen ersetzt) SUCCESS-Knoten ( Erfogsknoten ): Battknoten, das sind UND- Knoten, die sich nicht weiter in Teiziee aufspaten assen 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 14 Bsp.: Ein UND-ODER-Baum Erweiterung: Goa Tree (Ziebaum) Essen In Goa Trees formuieren sog. CONSTRAINTS Ged verdienen Essen stehen ODER-Knoten (aternative Methoden) Ged borgen UND-Knoten (konkunktiv zu ösen) Goa Tree = UND-ODER-Baum + CONSTRAINTS Randbedingungen an die Lösung eines (nonsuccess-)und-knotens, die von den in Konjunktion zusammenzusetzenden Teiösungen des UND-Knotens gemeinsam erfüt werden müssen. Arbeit finden Buch schreiben zur Bank gehen Sicherheiten finden Zum Beispie könnte gefordert werden: daß die Summe der Kosten der Teiösungen durch einen Wert beschränkt ist Arbeitsamt konsutieren Bewerbung vorbereiten Termin machen Anzug anziehen daß die Variabenbindungen geich benannter Variaben in den Teiösungen auch tatsächich geich sind, etc. (siehe VL 4) 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 16
5 Goa Tree Ð agemeine Struktur Ziee und Teiziee am Beispie u ODER-Knoten hier durch Ziffern, UND-Knoten durch Buchstaben (hinten) gekennzeichnet u SUCCESS-Knoten sind forma UND-Knoten, die keine Tochterknoten haben (Battknoten) Die Randbedingungen (constraints) an den UND-Knoten mÿssen durch die Teišsungen in Konjunktion erfÿt werden! etwas sehr amerikanisch aber eingšngig... u Jeder nonsuccess- UND-Knoten kann einen zugeordneten CONSTRAINT haben (sonst: purer UND-ODER- Baum) u Ein ODER-Knoten ist geöst, wenn einer der Tochterknoten geöst ist. u Ein UND-Knoten ist geöst, wenn ae Tochterknoten so geöst sind, das sein CONSTRAINT insgesamt erfüt ist. u Der Goa Tree ist geöst, wenn sein Wurzeknoten (das Zie) geöst ist. 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 18 Suchverfahren fÿr Goa Trees Ziee und Teiziee am Beispie u Probem: Nach dem bisher Gesagten ist Goa-Tree-Suche nicht ohne weiteres as Speziafa des agemeinen Suchagorithmus search search untersucht nur Aternativen (ODER-Knoten), keine simutan zu erfüenden Teiziee (UND-Knoten)! Idee: Entwerfe einen ãpanò as Baumstruktur mšgicher Aktionen, die erwogen werden kšnnen, um das ãtop GoaÒ des Goa Trees zu erfÿen... u Idee: Zu einem gegebenen Goa Tree wird ein Suchraum as Raum von Teiösungen des Goa Trees definiert. Die Töchter eines Knotens sind Fortsetzungen des Knotens, bei denen genau eine weitere Festegung getroffen wird. 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 20
6 Zustände = (Tei-)Päne PŠne fÿr Goa-Tree-Lšsungen Pease Dinner Mc Donad s Pease No pan Pease Dinner Burger Pease Terry Pease Terry Dinner La Crudité Teipan wg. Constraintveretzung $50+$70 > $100 nicht fortsetzbar! ãpruningò des Suchbaums und redundanzfrei: (Suchraum von TeipŠnen) ACHTUNG: u Es gibt aternative mögiche Extensionen der UND-Knoten, die aber keine echt verschiedenen Päne erbringen. 1. dinner 2. entertainment vs 1. entertainment 2. dinner Pease Mc Donad s Pease No pan Pease Burger Pease Terry Pease Terry La Crudité Pease Dinner Entertain Mc Movie Donad s Pease Dinner Entertain Mc Roer Donad s Disco Pease Dinner Entertain Burger Movie Pease Dinner Entertain Burger Roer Disco u Die Reihenfoge der Generierung von Teipänen kann jedoch die Größe der Suche beeinfussen! Begründung: Unterschiediche Mögichkeiten zum Pruning Pease Mc Donad s Movie Pease Mc Donad s Roer Disco Pease Burger Movie Pease Burger Roer Disco 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 22 Lšsungen eines Goa Trees Bemerkungen zu Goa Trees Teiösung eines Knotens n: ein Teibaum mit Wurze n, der fas er einen ODER-Knoten m enthät, auch genau einen der Tochterknoten von m enthät Voständige Lösung eines Knotens n: eine Teiösung von n, die, fas sie einen UND-Knoten m enthät, (1) auch ae Tochterknoten von m enthät und (2) deren Lösungen ferner C(m), dem Constraint an m, genügen Lösung eines gesamten Goa Trees: eine voständige Lösung seiner Wurze 0 Fortsetzung s2 (Extension) einer Teiösung s1: fas s2 ein Baum mit aen Knoten von s1 ist und zusätzich 0 oder mehrere Knoten mit weiteren Festegungen enthät 8. Voresung Methoden der KŸnstichen Inteigenz 23 u Jeder Goa Tree kann in einen normaen Suchraum aternativer Mögichkeiten umformuiert werden! u Ein Goa Tree ist ein abstraktes Objekt, das einen Aternativenraum aufspannt und in der Rege nicht expizit im Computer repräsentiert ist. u Denkweise für Teiösungen im zugeordneten Suchraum: bisher gemachte Festegungen noch mögiche Festegungen (eingeschränkt durch die bisherigen) Beispie: FŠrben einer Landkarte Bei jedem Probemšsungszustand hat man eine Menge bereits gefšrbter und eine Menge noch zu fšrbender LŠnder, deren FŠrbemšgichkeit durch bereits getroffene Wahen eingeschršnkt ist. 8. Voresung Methoden der KŸnstichen Inteigenz 24
7 bersicht: Suchraum/Goa Tree bersicht Start Zie u Suchraum Zie Suchprobem: charakterisiert durch Startzustand und Ziezustandsbeschreibung (goa-state description) Operatoren: können einen Zustand in einen anderen transformieren Suchraum: Menge aer Zustände, die man durch Anwendung einer Foge von Operatoren erreichen kann u Goa Tree Teiziee beschreibt eine Situation, in der ein Zie durch das Lösen von Teizieen erreicht werden kann jedes Teizie kann aus mehreren Teien bestehen, die konsistent zu ösen sind Zwei Knotentypen: ODER: für Aternativen UND: für simutane Teiziee jeder nonsuccess-und-knoten kann eine Randbedingung an die Lösung haben (constraint) u Vermeidung wiederhote Zustände u Goa-Tree Suche u Game-Tree Suche 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 26 SpiebŠume Minimax Variante von Goa Trees Anwendung: Spiee mit 2 Spieern (z.b. Schach, Dame, Reversi, Go) Spiebaum = Suchraum aternativer Spieveräufe Aufgabe: Finde Gewinnstrategie Basisagorithmus: Minimax-Suche Erweiterungen MinimaxCutoff Apha-Beta-Pruning Frage jeweis: Was muß/kann bei der Suche unexporiert beiben? 8. Voresung Methoden der KŸnstichen Inteigenz 27 Formae Charakterisierung von Spieen Anfangszustand beschreibt initiae Konfiguration Operatoren beschreiben Züge Terminatest bestimmt Endzustände Utiity-Function bewertet Spieergebnisse (an Endzuständen), z.b. -1, 0, 1; z.b. Backgammon Spieer MIN und MAX 8. Voresung Methoden der KŸnstichen Inteigenz 28
8 Minimax Minimax - Anayse u Perfektes Spieen (voständige Suche) u Idee: Auswah des Zuges mit höchstem minimax-wert 1. Voständigen Baum aufbauen, Utiity der Terminaknoten berechnen 2. von unten nach oben Utiity der inneren Knoten bestimmen (min, max) u Voständig, fas Suchbaum endich u Optima gegen optima spieenden Gegner. Sonst? u Zeitbedarf: exponentie u Speicherbedarf: poynomia (bei Tiefensuche) Bsp: Spie mit je 1 Zug Probem für Minimax z.b. Schach: ca 35 Zugmögichkeiten, ca 50 Züge/Spieer Knoten im Spiebaum voständige Suche, d.h. perfektes Spie, nicht mögich 8. Voresung Methoden der KŸnstichen Inteigenz Voresung Methoden der KŸnstichen Inteigenz 30 Minimax mit Cutoff Apha-Beta-Suche Beschränkung der Suche Cutoff-Test; z.b. Tiefenimit evt fexibe Evauationsfunktion: heuristische Bewertung der erreichten Zustände MinimaxCutoff wie Minimax aber Terminatest ersetzt durch Cutoff-Test Utiity-Funktion ersetzt durch Evauationsfunktion MinimaxCutoff in der Praxis z.b. Zeitbeschränkung von 100 Sek/Zug, 10 4 Knoten/Sek exporierbar 10 6 Knoten/Zug exporierbar Schach: 35 m = 10 6 m=4, d.h. Anfängerniveau vg. typischer PC, Meister: m=8; Deep Bue, Kasparow m=12 8. Voresung Methoden der KŸnstichen Inteigenz 31 u Erweiterung von Minimax: apha-beta-pruning u Idee: bekannt schechte Zustände nicht weiter untersuchen, um herauszufinden wie schecht sie wirkich sind u z.b. max(3, min(2,x,y,z)) = 3 für beiebige x,y,z (x,y,z Bewertungen noch nicht untersuchter Teibäume) u Detais: Literatur, Übungen Leseempfehung heute: u Charniak & McDermott, Kapite 5, Seite zu Gamepaying auch: u Russe & Norvig, Kapite 5, Seite 122 ff 8. Voresung Methoden der KŸnstichen Inteigenz 32
General Problem Solver Ð GPS (Newell, Simon und Shaw) Hauptaspekt von ãmeans-endsò. 5 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz
Probemšsestrategien 5 Probemösen und Suche 8. Voresung: Means-Ends-Anaysis, Diskriminationsnetze; Goa Trees Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 000/00 8. Voresung Methoden der KŸnstichen
Mehrals Bewertungsfunktion g(n) eines Knotens n wird der tatsächliche Weg vom Startzustand zu diesem Knoten benutzt
5 Suche 12. Vorlesung: Bestensuche; Goal Trees best-first search einfache Bestensuche: als Bewertungsfunktion g(n) eines Knotens n wird der tatsächliche Weg vom Startzustand zu diesem Knoten benutzt Bewertungsfunktion
Mehr2 Problemlösen und Suche
2 Problemlösen und Suche 5. Vorlesung: Means-Ends-Analysis, Diskriminationsnetze; Goal Trees Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2011/2012 Problemlösestrategien 5. Vorlesung Methoden
MehrKernfragen der Vorlesung. Allgemeines Problemlšsemodell. 3 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz
Was ist Probemšsen? 3 Probemösen und Suche 7. Voresung: Suchprobeme und Suchagorithmen; Heuristische Suche Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Unter Probemšsen versteht man das
Mehr2 Problemlösen und Suche
2 Problemlösen und Suche 4. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2008/2009 Kernfragen der Vorlesung 1. Wie lässt sich Wissen
Mehr2 Problemlösen und Suche
Universität Bielefeld Was ist Problemlösen? Problemlösen und Suche. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 003/00 Unter Problemlösen
MehrIntelligenter Agent: 1. Modell. Methoden der KI WS 2000/ Ausgewählte Themen
UniversitŠt Bieefed UniversitŠt Bieefed Ziee der KI, kurz gesagt 9 Ausgewähte Themen 29. Voresung: Wiederhoung und Zusammenfassung Tei 1 Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 KŸnstiche
MehrArten von Kontrollstrukturen. Constraint Satisfaction. Constraints. 4 Problemlösen und Suche. Methoden der KŸnstlichen Intelligenz
4 Probemösen und Suche 9. Voresung: Constraint Satisfaction; Panen Methoden der KŸnstichen Inteigenz Bernhard Jung Ê WS 2001/2002 Eine ganze Reihe von Kontrostrukturen für die Suche ist entwicket worden,
MehrEinführung in Heuristische Suche
Einführung in Heuristische Suche Beispiele 2 Überblick Intelligente Suche Rundenbasierte Spiele 3 Grundlagen Es muss ein Rätsel / Puzzle / Problem gelöst werden Wie kann ein Computer diese Aufgabe lösen?
MehrZustandsraumsuche: Blinde und Heuristische Suche. Blinde und Heuristische Suche
Zustandsraumsuche: Blinde und Heuristische Suche Einführung in die KI Übungsstunde am 01.11.04 Benmin Altmeyer 1 Heute im Angebot Was ist Suche? Suche als Probemlösung Zustandsraumsuche Vollständigkeit
Mehr9. Heuristische Suche
9. Heuristische Suche Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany rudolf.kruse@cs.uni-magdeburg.de S Heuristische Suche Idee: Wir nutzen eine (heuristische)
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und en Ausarbeitung der Übungsstunde zur Voresung Anaysis I Wintersemester 2008/2009 Übung 7 Eineitung Vor den übichen Fragen bezügich der Unkarheiten in dem Hausaufgabenbatt so eine 15-minutige
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln 8-Damen-Problem Gegeben: Schachbrett
MehrMikroökonomische Theorie Kapitel 4: Produktion
Miroöonomische Theorie Kapite 4: Prodution Prof. Dr. W. Leininger / Dr. J. Frane 1 1. Wiederhoung: Neoassische Produtionsfuntion F(,) Output F(,) Ertragsgebirge Arbeit Kapita Definition Isoquante: { (,)
MehrE > 0. V eff (r) r. V eff,min < E < 0. r min. V (r)
II.2 Zwei-Körper-Systeme 43 2 2µr 2 r min E > 0 r V eff (r) r max r min V eff,min < E < 0 V (r) E < V eff,min Abbidung II.4 Effektives Potentia V eff (r) für das Keper-Probem. Mit dem newtonschen Gravitationspotentia
MehrIndexieren von PL-Formeln. Fetch-Pattern (ãhol-musterò) 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz
Indexing Accessibiity is just as important as content 4 Logik und Inferenz 12. Voresung: Indexing; Assoziative Netzwerke Inferenz durch Graphsuche Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001
Mehr2. Spiele. Arten von Spielen. Kombinatorik. Spieler haben festgelegte Handlungsmöglichkeiten, die durch die Spielregeln definiert werden.
. Spiele Arten von Spielen. Spiele. Spiele Arten von Spielen Kombinatorik Spieler haben festgelegte Handlungsmöglichkeiten, die durch die Spielregeln definiert werden. Kombinatorische Spiele als Suchproblem
MehrAussagenlogische Schlu regeln. Theorembeweisen: Strategien. 4 Logik und Inferenz. Methoden der KŸnstlichen Intelligenz
bersicht 4 Logik und Inferenz 11. Voresung: Unifikation; Vorwärts- und Rückwärtsverkettung, Goa Trees Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 u Unifikation; Vorwärts- und Rückwärtsverkettung
MehrThinking Machine. Idee. Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen
Thinking Machine (http://www.turbulence.org/spotlight/thinking/) Idee Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen Sie wurde von Martin Wattenberg
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Suchprobleme bestehen aus Zuständen
MehrÜbersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrProgrammierkurs Prolog, SS 2000
Programmierkurs Prolog SS 2000 Universitaet Dortmund nach Joachims 1998 Suche Repräsentation von Bäumen Repräsentation von Graphen Suchstrategien DFS, BFS, Iterative Deepening, Locale Heuristiken, Globale
MehrBeispiele. mit. Beispiel 2.3. Suche einen Weg von nach. Tiefensuche bzw. Breitensuche.
2. Suchverfahren Uninformierte Suchverfahren Beispiel 2.4. Ein Weinhändler hat drei Krüge, einen von 9 Liter, einen von 7 Liter und einen von 4 Liter Inhalt. Auf den Krügen sind keine Litermarkierungen
MehrWissensbasierte Suche
Wissensbasierte Suche Jürgen Dorn Inhalt uninformierte Suche wissensbasierte Suche A* und IDA* Algorithmus Suche in Und/Oder-Graphen Jürgen Dorn 2003 Wissensbasierte Suche 1 Suche Suche in (expliziten
MehrÜbungen zur Vorlesung. Mobile und Verteilte Datenbanken. WS 2008/2009 Übung 2 Anfrageoptimierung in zentralisierten Datenbanksystemen LÖSUNG
Dr. rer. nat. Sven Groppe Übungen zur Voresung Mobie und Verteite Datenbanken WS 28/29 Übung 2 Anfrageoptimierung in zentraisierten Datenbanksystemen Aufgabe 1: Fogende Reationen seien gegeben: LÖSUNG
MehrAbgrenzung & Ausgangspunkte. Was ist KŸnstliche Intelligenz? 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz
Was ist Inteigenz? 1 KI und symboische Repräsentation 1. Voresung: Einführung Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 [Phiosophisches Wšrterbuch, 1976] [Wšrterbuch zu den phiosophischen
MehrMathematische Probleme, SS 2013 Donnerstag $Id: convex.tex,v /10/22 15:58:28 hk Exp $
$Id: convex.tex,v.2 203/0/22 5:58:28 hk Exp $ 3 Konvexgeometrie 3.2 Die patonischen Körper Ein patonischer Körper von Typ (n, m) ist ein konvexer Poyeder dessen Seitenfäche ae geichseitige n-ecke und in
MehrBaustatik 2. Berechnung statisch unbestimmter Tragwerke. von Raimond Dallmann. 1. Auflage
Baustatik Berechnung statisch unbestimmter Tragwerke von Raimond Damann 1. Aufage Baustatik Damann schne und portofrei erhätich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 006 Verag C.H. Beck
Mehr6. Spiele Arten von Spielen. 6. Spiele. Effizienzverbesserung durch Beschneidung des Suchraums
6. Spiele Arten von Spielen 6. Spiele Kombinatorische Spiele als Suchproblem Wie berechnet man eine gute Entscheidung? Effizienzverbesserung durch Beschneidung des Suchraums Spiele mit Zufallselement Maschinelles
MehrWissensbasierte Systeme. Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche. Heuristiken und ihre Eigenschaften
1 Michael Beetz Technische Universität München Wintersemester 2004/05 Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche 2 3 der Eigenschaften der 4 : 8-Puzzle 5 Heuristiken und ihre Eigenschaften
MehrBerechnung von Wurzeln
Sieginde Fürst Berechnung von Wurzen Rekursive Fogen Zinseszinsforme; Heronverfahren Inhate Berechnung eines mit Zinsesezins verzinsten Kapitas auf zwei Arten Heronforme Einschranken von Wurzen Ziee Erernen
MehrHeuristische Suchverfahren
Heuristische Suchverfahren Suchprozesse sind ein wichtiger Bestandteil unterschiedlicher Problemlöseverfahren z.b. Bestimmung der Konfliktmenge in Produktionssystemen Suche nach resolvierbaren Klauseln
MehrStochastische Erweiterungen von Prozess-Algebra
Stochastische Erweiterungen von Prozess-Agebra Zie : PA Kakü so nichtfunktionae (stochastische) Zusammenhänge wiedergeben Motivation für stoch. Erweiterungen Modeierung nichtfunktionaer Systemaspekte,
MehrUniversitŠt Bielefeld Von den Sinnen ins GedŠchtnis. Annahmen über den Informationsfluß beim Menschen ("ohne Gewähr") Über die Sinne empfangene
Von den Sinnen ins GedŠchtnis 7 und Kommunikation 20. Voresung: Vom Iut zur internen Repräsentation am Beispie Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Annahmen über den Informationsfuß
MehrISA-Hierarchie und Vererbung. Alternative Notationen. 1 KI und symbolische Repräsentation. Methoden der KŸnstlichen Intelligenz
ReprŠsentation einer Szene 1 KI und symboische Repräsentation 3. Voresung: Aternative Notationen: Semantische Netze; Frames Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 bock-2 bock-1
MehrC Mathematische Grundlagen
C Mathematische Grundagen C.1 Summen Mit dem Summenzeichen werden Rechenanweisungen zum Addieren kompakt geschrieben. Sie assen sich oft mit Hife der Summenregen vereinfachen. C.1 Gibt es insgesamt n Werte
MehrProgrammierung in der KI. KI-Programmierung Ð Aufgaben. 2 Modellierung und Programmierung. Methoden der KŸnstlichen Intelligenz
Programmierstie 2 Modeierung und Programmierung 6. Voresung: KI-Programmierung. Lisp, PROLOG. Regebasiertes Programmieren Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Die zugrundeiegenden
MehrJohannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung
Johannes Keper Universität Linz Institut für Regeungstechnik und Prozessautomatisierung Schriftiche Prüfung aus Automatisierungstechnik Voresung, am 26. Mai 27 Name: Vorname(n): Matr.Nr.: SKZ: Aufgabe
MehrWissensbasierte Systeme
WBS5 Slide 1 Wissensbasierte Systeme Vorlesung 5 vom 17.11.2004 Sebastian Iwanowski FH Wedel WBS5 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrEinfacher Problemlösungsagent. Übersicht. Begriffsdefinitionen für Einfach-Probleme
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrDer Branching-Operator B
Branching 1 / 17 Der Branching-Operator B Unser Ziel: Löse das allgemeine Minimierungsproblem minimiere f (x), so dass Lösung(x). B zerlegt eine Menge von Lösungen in disjunkte Teilmengen. Die wiederholte
MehrDas Erstgespräch. sein will?
34 Kapite 2 Die Akquisitionsphase Das Erstgespräch Grundannahmen des Handens Das Ereben der Wirkichkeit ist das Ergebnis der Wahrnehmungsfokussierung Wie unterstütze ich meinen Coachee, das zu sein, was
MehrBeweise aus dem Fach Grundzüge der Künstlichen Intelligenz
Beweise aus dem Fach Grundzüge der Künstlichen Intelligenz Alexander Pacha TU Wien - Matr. Nr.: 0828440 alexander.pacha@tuwien.ac.at 1 Begriserklärungen Für die folgenden Beweise werden zuerst folgende
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 4: Suchverfahren Informierte Suche 1/132 INFORMIERTE SUCHSTRATEGIEN (ISS) Benutzt neben der Definition des Problems auch problemspezifisches Wissen. Findet Lösungen effizienter
MehrLösungshinweise zu Blatt 8 und Blatt 9 GIN2-SS04
Lösungshinweise zu Blatt 8 und Blatt 9 GIN2-SS04 er Baum zum Zustandsgraphen UI UI 0 1 2 3 4 UI 5 6 7 8 UI UI UI UI UI 9 0 1 2 3 4 5 6 7 9 K30 K31 K32 K33 K35 K36 K37 K38 K39 K41 K42 K43 K44 K45 8 K34
MehrZustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down
Zustände und Knoten Zustände: Schnappschüsse der Welt Knoten: Datenobjekte, welche Zustände repräsentieren und weitere Information enthalten Vorgängerknoten (im Baum 1) Nachfolgerknoten (im Baum b) mit
Mehr3.7 Sonderprobleme Ausnutzung der Symmetrie und Antimetrie. Größe. Belastung
VORLESUGSAUSKRIPT BAUSTATIK I II (UVERTIEFT).7 Sonderrobeme.7. Ausnutzung der Symmetrie und Antimetrie Durch die Ausnutzung der Symmetrie und Antimetrie kann der Grad der statischen Unbestimmtheit (u.
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 08 Stand der Folien: 9. pril 08 Einführung Blind Search n-damen Missionare
Mehr= p u. Ul x 0 U r x > 0
Das Riemann-Probem Das zu ösende Geichungssystem besteht aus den eindimensionaen hydrodynamischen Geichungen ohne Viskosität und externe Kräfte, den Euer-Geichungen. Beschränkung auf eine Dimension (x)
Mehr3. Übung Künstliche Intelligenz
Prof. Dr. Gerd Stumme, Robert Jäschke Fachgebiet Wissensverarbeitung 3. Übung Künstliche Intelligenz 21.11.2007 Wintersemester 2007/2008 1 Suche Berechnen Sie mit dem Greedy -Suchalgorithmus den Weg von
MehrIntelligente Systeme
Intelligente Systeme Spiele Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian,braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke Universität Magdeburg
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche PD Dr. David Sabel SoSe 0 Stand der Folien:. pril 0 Einführung Blind Search n-damen Missionare & Kannibalen Modellierung
MehrKI und Sprachanalyse (KISA)
Folie 1 KI und Sprachanalyse (KISA) Studiengänge DMM, MI (B. Sc.) Sommer Semester 15 Prof. Adrian Müller, PMP, PSM1, CSM HS Kaiserslautern e: adrian.mueller@ hs-kl.de Folie 2 ADVERSIALE SUCHE Spiele: Multi-Agenten
MehrDer Bestimmtheitssatz
2. Spielbäume und Intelligente Spiele Der Minimax-Algorithmus Der Bestimmtheitssatz Satz 2.1. Gegeben sei ein Spiel, das die folgenden Eigenschaften hat: 1. Das Spiel wird von zwei Personen gespielt. 2.
MehrWissensbasierte Systeme
WBS3 Slide 1 Wissensbasierte Systeme Sebastian Iwanowski FH Wedel Kap. 3: Algorithmische Grundlagen der KI WBS3 Slide 2 Suchstrategien Warum sind Suchstrategien so wichtig in Wissensbasierten Systemen?
MehrKlausur Grundlagen der Künstlichen Intelligenz
Klausur Grundlagen der Künstlichen Intelligenz 19.04.2007 Name, Vorname: Studiengang: Hinweise: Überprüfen Sie bitte, ob Sie alle 16 Seiten der Klausur erhalten haben. Bitte versehen Sie vor Bearbeitung
MehrBreitensuche BFS (Breadth First Search)
Breitensuche BFS (Breadth First Search) Algorithmus BREITENSUCHE EINGABE: G = (V, E) als Adjazenzliste, Startknoten s V 1 Für alle v V 1 If (v = s) then d[v] 0 else d[v] ; 2 pred[v] nil; 2 Q new Queue;
MehrUniversität Koblenz-Landau Fachbereich Informatik Klausur KI-Programmierung WS 2007/2008. Jun.-Prof. Dr. B. Beckert. 21.
Name, Vorname: Matrikel-Nr.: Studiengang: Universität Koblenz-Landau Fachbereich Informatik Klausur KI-Programmierung WS 2007/2008 Jun.-Prof. Dr. B. Beckert 21. Februar 2008 Informatik (Diplom) Computervisualistik
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.
MehrSFW-Block (1) SFW-Block (2)
Tupetabee Wert Attribute SFW-Bock (1 Grundgerüst einer SQL-Anfrage: SFW-Bock SELECT FROM [WHERE [GROUP BY [HAVING Projektionsiste Tabeenausdruck Prädikat] Attributiste] Gruppenprädikat] Was ist das Ergebnis
Mehr2. Spielbäume und Intelligente Spiele
2. Spielbäume und Intelligente Spiele Arten von Spielen 2. Spielbäume und Intelligente Spiele Kombinatorische Spiele als Suchproblem Wie berechnet man eine gute Entscheidung? Effizienzverbesserung durch
MehrPro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
MehrDefinition von Diagnostik. Diagnostik versus Konstruktion. 6 Einführung in Expertensysteme. Methoden der KŸnstlichen Intelligenz
UniversitŠt Bieefed UniversitŠt Bieefed Probemšsungsmethoden 6 Einführung in Expertensysteme 18. Voresung: Diagnostische Probemösungsmethoden Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001
MehrKapitel 5: Suchverfahren: Backtracking
Kapitel 5: Suchverfahren: Backtracking Prof. Dr. F. Otto (Universität Kassel) Entwurf und Analyse von Algorithmen 278 / 541 Suchverfahren: Backtracking Viele Probleme lassen sich als Suchprobleme formulieren.
MehrGraph Suchalgorithmus Uninformierte Suche Informierte Suche. Pfadsuche. Mario Mohr. GWV-Tutorium 2013/ Januar 2014
Pfadsuche Mario Mohr GWV-Tutorium 2013/14 17. Januar 2014 4 Informierte Suche Heuristik Best-first A* 1 Graph 2 Suchalgorithmus 3 Uninformierte Suche Breadth-first Loop detection & multiple-path pruning
MehrKünstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen
Künstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Optimierungsprobleme
MehrStartzustand. Mögliche heuristische Funktionen:
Informierte Suchverfahren Für größere Suchbäume sind Breiten- und Tiefensuche nicht effizient genug. Vielversprechender sind Ansätze, bei denen Problemwissen zur Steuerung des Suchprozesses eingesetzt
MehrMotivation für Suchverfahren. Einführung in die Methoden der Künstlichen Intelligenz. Suchverfahren / Uninformierte Suche
Motivation für Suchverfahren Einführung in die Methoden der Künstlichen Intelligenz Suchverfahren / Uninformierte Suche Prof. Dr. Manfred Schmidt-Schauß SoSe 06 Beispiele: Spiele: Suche nach dem besten
MehrInformierte Suchverfahren
Informierte Suchverfahren Für größere Suchbäume sind Breiten- und Tiefesuche nicht effizient genug. Vielversprechender sind Ansätze, bei denen Problemwissen zur Steuerung des Suchprozesses eingesetzt wird.
MehrAlgorithmen und Datenstrukturen 1-5. Seminar -
Algorithmen und Datenstrukturen 1-5. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Wintersemester 2009/10 Outline 5.+6. Übungsserie: 5 Aufgaben, insgesamt 40 Punkte A17 Baum-Traversierung
MehrEinführung in die Informatik 2
Einführung in die nformatik 2 raphenexploration Sven Kosub A Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester
MehrGrundlagen der Künstlichen Intelligenz Einführung Minimax-Suche Bewertungsfunktionen Zusammenfassung. Brettspiele: Überblick
Grundlagen der Künstlichen Intelligenz 22. Mai 2015 41. Brettspiele: Einführung und Minimax-Suche Grundlagen der Künstlichen Intelligenz 41. Brettspiele: Einführung und Minimax-Suche Malte Helmert Universität
MehrWissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrÜbersicht. Künstliche Intelligenz: 6. Spiele Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrKombinatorische Spiele mit Zufallselementen
Kombinatorische Spiele mit Zufallselementen Die Realität ist nicht so streng determiniert wie rein kombinatorische Spiele. In vielen Situationen spielt der Zufall (Risko) eine nicht zu vernachlässigende
MehrIntelligente Systeme
Intelligente Systeme Heuristische Suchalgorithmen Prof. Dr. R. Kruse C. Braune {rudolf.kruse,christian.braune}@ovgu.de Institut für Intelligente Kooperierende Systeme Fakultät für Informatik Otto-von-Guericke-Universität
Mehr80 Schwingende Saiten
80 Schwingende Saiten 331 80 Schwingende Saiten 80.1 Probem. Es werden die Schwingungen einer (Geigen-) Saite der Länge > 0 und Massendichte ρ(x) > 0, 0 x, untersucht. Ist diese in den Punkten x = 0 und
MehrVortrag. Suchverfahren der Künstlichen Intelligenz. Sven Schmidt (Technische Informatik)
Vortrag Suchverfahren der Künstlichen Intelligenz Sven Schmidt (Technische Informatik) Suchverfahren der Künstlichen Intelligenz Grundlagen Zustandsraumrepräsentation Generische Suche Bewertung von Suchstrategien
MehrExpertensysteme. Schalenmodell zur KI. ãwissen ist MachtÒ Francis Bacon ( ) 6 Einführung in Expertensysteme
6 Einführung in Expertensysteme 16. Voresung: Regebasiertes Programmieren Expertensysteme Methoden der KŸnstichen Inteigenz Ipke Wachsmuth ÊWS 2000/2001 Expertensysteme Mit Expertensystemen wird versucht,
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrFachbereich Bauingenieurwesen 31.03.2010 Fachgebiet Bauinformatik Semesterklausur Bauinformatik I (Nr.19) Name :... Matr.-Nr.:...
FH Potsdam Fachbereich Bauingenieurwesen 31.03.2010 Fachgebiet Bauinformatik Semesterkausur Bauinformatik I (Nr.19) Name :... Matr.-Nr.:... Geburtsdatum: (voräufig) max. COMPUTER Nr.:.. Erreichte Aufgabe
MehrGraphdurchmusterung, Breiten- und Tiefensuche
Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,
MehrTragwerksentwurf III+IV HS 2018
S. 1 / 6 Lernzie Entwicken des Verständnisses für Kräfteveräufe im bau unter variierenden Last- und Aufagersituationen sowie verschiedenen Fachwerkgeometrien. Aufgabe 1 Kräfteverauf in Fachwerkträgern
MehrÜbersicht. 5. Spiele. I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen VI
Mehrder Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen --- Vorlesung vom 30.4.2009 --- Sommersemester 2009 Ingo J. Timm, René Schumann Professur für Wirtschaftsinformatik und Simulation (IS) Spiele spielen Prof. Timm
MehrSmart Graphics: Search 1
Smart Graphics: Search 1 Lecture Smart Graphics Andreas Butz 23.11.2010 1 Über den Studiengang und das Forschungsgebiet Medieninformatik informieren Studenten, Interessenten sowie deren Familie und Freunde
MehrPrüfung in Methode der finiten Elemente. Matrikelnummer: Studiengang: Wiederholer
Universität Stuttgart INSTITUT MECH NIK FUR Prüfung in Methode der finiten Eemente Name, Vorname: Matrikenummer: Studiengang: Wiederhoer Emai: Unterschrift: Hauptfach: Bitte beachten Sie Fogendes: 1. Es
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Joachim Schauer Betriebliche Optimierung 1 / 31 1 Metaheuristische Verfahren 2 Joachim Schauer Betriebliche Optimierung 2 / 31 Einleitendes Metaheuristische Verfahren
MehrKapitel 2: Mathematik- und Informatik-Grundlagen
Kapite 2: Mathematik- und Informatik-Grundagen einer Menge gibt an, wie zufäig die Daten in einer Menge verteit sind (bzw. wie zufäig die Ausprägung eines Attributs in einer Menge von Objekten ist), auch
MehrTechnische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur 1
1. Teilklausur GKI Seite 1 von 5 Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen WS 2014/2015 Albayrak, Fricke (AOT) Opper,
MehrKlasse : Name : Datum :
Widerstand eins Drahtes; Widerstandmessung mit der Wheatstone-Brücke Kasse : Name : Datum : Versuchszie : Wir woen untersuchen, von wechen Größen der Widerstand eines Drahtes abhängig ist. Vermutung: Wir
MehrKapitel 3: Indices und Sichten
Kapite 3: Indices und Sichten Eineitung Eineitung Giederung im fogenden: Kassifikation Aggregationsfunktionen, Materiaisierte Sichten u Grundsätziche Aternativen beim Updaten materiaisierter Sichten, u
MehrDarstellende Geometrie Übungen. Tutorial zu Übungsblatt: Schatten in Axonometrie
Tutoria zu Übungsbatt: Schatten in Axonometrie BEISIEL Schatten des otrechten Stabes durch auf der waagrechten Grundebene:. Um diesen Schatten zu finden wird der Lichtstrah L durch den unkt und der Grundrissichtstrah
MehrTableaux-Beweise in der Aussagenlogik
Tableaux-Beweise in der Aussagenlogik Wie kann man auf syntaktische Weise eine Belegung mit Wahrheitswerten finden, die einen gegebenen Ausdruck wahr oder falsch macht? Die Frage schliesst Beweise durch
MehrVorlesung Inhaltsverzeichnis. 1. Einfache Rechnungen
1. Einfache Rechnungen. Hife! 3. Geitkommazahen 4. Listen 5. Kompexe und ganze Zahen Voresung 30.11.018 Inhatsverzeichnis Einfache Rechnungen Sage kann aes was ein Taschenrechner kann, und das entweder
MehrProjekt Experimentelle Mathematik mit GeoGebra
Projekt Experimentee Mathematik mit GeoGebra (Projekt für Q1, G. vom Stein) Gefäße mit unterschiedichen Formen werden mit einer variaben, aber konstanten Wasserzufuhr befüt. Es so jeweis die Funktion Zeit
MehrWS 2011/2012. Robert Giegerich Dezember 2013
WS 2011/2012 Robert 1 AG Praktische Informatik 11. Dezember 2013 1 robert@techfak.uni-bielefeld.de Vorschau Themen heute: Funktionen höherer Ordnung (Fortsetzung) künstliche Striktheit mehr zu fold für
Mehr7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure
7. Dynamische Datenstrukturen Bäume Informatik II für Verkehrsingenieure Übersicht dynamische Datenstrukturen Wozu? Oft weiß man nicht von Beginn an, wieviele Elemente in einer Datenstruktur untergebracht
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 6. Klassische Suche: Datenstrukturen für Suchalgorithmen Malte Helmert Universität Basel 7. März 2014 Klassische Suche: Überblick Kapitelüberblick klassische Suche:
Mehr