‫סיכום בינה מלאכותית‪:‬‬

‫‪n‬‬
‫‪MIN/MAX‬‬ ‫אלגוריתם ‪Max‬‬
‫‪d‬‬
‫סיבוכיות זמן‪ , b -‬סיבוכיות מקום‪. b⋅d -‬‬
‫מקסום עצמי‬
‫אלגוריתם ‪Paranoid‬‬

‫מזעור יריב‬
‫מושגים‪:‬‬
‫‪ - b‬מקדם התפצלות העץ‪.‬‬ ‫שלמות‪ -‬האם תמיד נגיע לפתרון אם הוא קיים‪.‬‬ ‫‪.1‬‬
‫‪ - m‬עומק החיפוש של הפתרון הזול ביותר‪.‬‬ ‫סיבוכיות זמן‪/‬מהירות‪ -‬מספר הקודקודים שמפותחים‪.‬‬ ‫‪.2‬‬
‫‪ d-‬עומק העץ המירבי‪.‬‬ ‫סיבוכיות מקום‪ -‬מספר הקודקודים המירבי בזיכרון‪.‬‬ ‫‪.3‬‬
‫לרוחב‪:BFS-‬‬ ‫לעומק‪:DFS-‬‬
‫לא מוצא את הנתיב המהיר ביותר‪.‬‬
‫מושלם גם לגרפים אינסופיים‪.‬‬ ‫מושלם לגרפים סופיים‪.‬‬
‫תמיד פתרון קצר ביותר‪.‬‬ ‫בגרף אינסופי‪ -‬לא בטוח שימצא פתרון‪.‬‬
‫פתרון אופטימאלי‪.‬‬ ‫שלמות‪ -‬רק כאשר אין לולאות‪.‬‬
‫שלמות‪ -‬כן (אם ‪ b‬סופי)‬ ‫לא אופטימאלי‬
‫‪m‬‬ ‫זמן‬ ‫‪d‬‬ ‫זמן‬
‫‪b‬‬ ‫‪b‬‬
‫‪m‬‬
‫‪b‬‬ ‫מקום‬ ‫‪b⋅d‬‬ ‫מקום‬
‫חיפוש דו כיווני‪:‬‬ ‫העמקה הדרגתית‪:IDS -‬‬
‫חישוב בו זמני מההתחלה לסוף ומהסוף להתחלה עד‬
‫המפגש‪.‬‬ ‫הגבלת עומק חיפוש‪.‬‬
‫אפשרי רק כאשר באופן ישיר ניתן לתאר את המטרה‪ ,‬וישנם‬ ‫אם לא נמצא נתיב‪ ,‬מתחילים מחדש עם עומק גדול יותר‬
‫חוקים להסקה אחורית וקדמית‪.‬‬ ‫מושלם ומוצא פתרון הקצר ביותר‬
‫‪m‬‬
‫זיכרון‪/‬מקום‪b⋅m -‬‬
‫מהירות‪/‬זמן‪b 2 -‬‬
‫‪d‬‬
‫‪m‬‬
‫מהירות‪/‬זמן‪b -‬‬
‫זיכרון‪/‬מקום‪b 2 -‬‬

‫חיפוש‬

‫שיטות‬
‫‪*A‬‬ ‫‪Optimal Uniform cost‬‬ ‫‪Uniform cost‬‬ ‫‪Greedy‬‬ ‫‪Hill climbing 1‬‬
‫שילוב של בדיקת סכום קודקוד‬
‫(מחיר אמיתי ‪+‬יורסטי)‪-‬‬ ‫שימוש ב‪Branch & Bound -‬‬
‫מהנמוך לגבוהה‬ ‫זיכרון ומהירות‪ -‬במקרה הגרוע‬ ‫‪.1‬החל בנקודה‬
‫‪Branch & Bound‬‬ ‫ביותר רק לפחות כמו‪.BFS -‬‬ ‫פתח את הקודקוד עם‬ ‫אקראית וטפס כל‬
‫שלמות‪ -‬כן (אם אין מחיר שלילי)‬ ‫בכל שלב בוחרים את‬
‫להמשיך עד ירך סופי גבוה‬ ‫המחיר המצטבר‬ ‫עוד ניתן‪.‬‬
‫¿∗‪c‬‬ ‫הקודקוד עם הערך‬
‫מתוצאה ראשונה‬ ‫הנמוך ביותר‪.‬‬ ‫‪.2‬שמור תוצאה‬
‫‪b‬‬ ‫זמן‪/‬מקום‪¿ -‬‬
‫‪ε‬‬ ‫היוריסטי הטוב‬
‫‪Path deletion‬‬ ‫(ערך למעבר בין הנק')‬ ‫טובה ביותר‪ ,‬חזור ל‬
‫(‪ -*c‬מחיר הנתיב האופטימאלי)‬ ‫ביותר‪.‬‬
‫מחיקת כפולים‬ ‫לא תמיד אופטימאלי!‬ ‫‪( 1-‬נעצור אחרי זמן‬
‫שלמות‪-‬כן‪.‬‬ ‫( ‪ - ε‬קבוע‪ ,‬אשר מחיר צעד‬ ‫מסוים)‪.‬‬
‫סיבוכיות זמן‪/‬מקום‪ -‬מעריכי‪.‬‬ ‫צריך להיות גדול ממנו)‬
‫פתרון אופטימאלי‪.‬‬
‫הערכת חסר‪:‬‬ ‫‪Branch & Bound‬‬
‫הערכת עודף‪:‬‬ ‫כאשר הפונקציה‬ ‫להפוך לאופטימאלי‬ ‫שיפור מקביל‪Path -‬‬
‫כאשר הפונקציה היורסטית‬
‫פונקציה קבילה‪-‬‬ ‫היורסטית מעריכה את‬ ‫להמשיך בגישת חיפוש‬ ‫‪deletion‬‬
‫מעריכה את העלות כגבוהה יותר‬
‫כאשר יש הערכת חסר או שווה‪.‬‬ ‫העלות כנמוכה יותר‬ ‫עד לערך גבוהה יותר‬ ‫מחיקת נתיבים‬
‫מהעלות האמיתית‬ ‫מהעלות האמיתית‬ ‫מהפתרון הראשוני‬ ‫זהים יקירים יותר‬
‫לא מחייב אופטימאליות‬ ‫פתרון אופטימאלי‬ ‫שנמצא‬
 ‫פתרון לפי תורת המשחקים‬
‫לדילמת האסיר?‬ ‫פתרון שבו כולם משחקים‬
‫את אסטרטגיית התגובה‬
‫חישוב הסתברות‪:‬‬ ‫הטובה ביותר‪ -‬אף אחד‬ ‫שיווי משקל‬
‫מהשחקנים לא יכול‬ ‫נאש‬
‫לשפר את מצבו‪ ,‬רק ע"י‬
‫שינוי התנהגותו הפרטית‪.‬‬

‫למידת מושג‬

‫הדור החדש יבנה ע"י‪:‬‬

‫‪:Tsp‬‬ ‫שכפול ‪ -‬התרבות‪ .‬ההסתברות לבחירה תלויה‬ ‫‪.1‬‬
‫בחוזק ה ‪ fitness -‬שקיבל הכרומוזום‪.‬‬
‫הכלאה‪ -‬האופרטור בוחר מקום אקראי‪ ,‬קוטע‬ ‫‪.2‬‬
‫שני כרומוזומים במקום זה ומחליף ביניהם את‬
‫התחיליות‪.‬‬
‫מוטציה‪ -‬האופרטור משנה באופן אקראי גנים‬ ‫‪.3‬‬ ‫אלגוריתם גנטי‬
‫בכרומוזום‪.‬‬
‫ניתנת עדיפות לטובים יותר‪ .‬לפתרונות טובים יותר סיכוי‬
‫גדול יותר להישרד הלאה‪.‬‬
‫הנחה ‪ :‬משום שניתנת עדיפות לטובים יותר בכל דור‪ ,‬ניתן‬
‫לצפות שאיכות הדור (הפתרונות) תלך ותגדל‪.‬‬