Professional Documents
Culture Documents
Notes Artificial Intelligence Unit 1
Notes Artificial Intelligence Unit 1
एआई का परिचय
कृत्रिम बुद्धिमत्ता क्या है?
आर्टिफि यल
इंटेलिजेंस
शि कंप्यूटर विज्ञान की वह शा खाहै जो कंप्यूटर को इंसानों की
तरह व्यवहार करने में सक्षम बनाती है।
प्रमुख एआई पाठ्यपुस्तकें कृत्रिम बुद्धिमत्ता को "बुद्धिमान एजेंटों के अध्ययन और डिजाइन" के
रूप में परिभाषित करती हैं, जहां एक बुद्धिमान एजेंट एक ऐसी प्रणाली है जो अपने वातावरण को समझती
है और ऐसी कार्रवाई करती है जो सफलता की संभावनाओं को अधिकतम करती है। जॉन मैक्कार्थी, जिन्होंने 1956 में
यह शब्द गढ़ा था, इसे "बुद्धिमान मशीनें, विशेष रूप से बुद्धिमान कं प्यूटर प्रोग्राम बनाने का विज्ञान और
इंजीनियरिंग" के रूप में परिभाषित करते हैं।
कुछ पाठ्य पुस्तकों के अनुसार एआई की परिभाषाओं को चार दृष्टिकोणों में वर्गीकृत
किया गया है और नीचे दी गई तालिका में संक्षेपित किया गया है:
सिस्टम जो इंसानों की तरह सोचते हैं
- कंप्यूटर को सोचने पर मजबूर करने का रोमांचक नया प्रयास... दिमाग वाली मशीनें, पूर्ण
और शाब्दिक अर्थ में। ‖ (हौगलैंड, 1985)
ऐसी प्रणालियाँ जो तर्कसंगत रूप से सोचती हैं
-कंप्यूटर मॉडल के उपयोग के माध्यम से मानसिक क्षमताओं का अध्ययन। ‖
(चार्नियाक और मैकडरमोंट, 1985)
सिस्टम जो इंसानों की तरह काम करते हैं
ऐसी मशीनें बनाने की कला जो ऐसे कार्य करती है जिन्हें लोगों द्वारा किए जाने पर बुद्धि की आवश्यकता होती है। ‖
(कुर्जवील,1990)
प्रणालियाँ जो तर्कसंगत रूप से कार्य करती हैं
“कम्प्यूटेशनल इंटेलिजेंस बुद्धिमान एजेंटों के डिजाइन का अध्ययन है। ‖ (पूले
एट अल.,1998)
अधिक विस्तार से चार दृष्टिकोण इस प्रकार हैं:
(ए) मानवीय रूप से कार्य करना: ट्यूरिंग टेस्ट दृष्टिकोण
o 1950 में एलन ट्यूरिंग द्वारा प्रस्तावित परीक्षण
o मानव पूछताछकर्ता द्वारा कं प्यूटर से प्रश्न पूछे जाते हैं।
यदि कोई मानव पूछताछकर्ता कुछ लिखित प्रन श्नपूछने के बाद यह नहीं बता पाता है कि
लिखित उत्तर किसी व्यक्ति से आए हैं या नहीं, तोकंप्यूटर परीक्ष
ण पास कर ले
ता है
। किसी कंप्यूटर को प्रो
ग्रा
मिं
ग
पास करने के लिए, कंप्यूटर में निम्नलिखित क्षमताएं होनी चाहिए:
अंग्रेजी में सफलतापूर्वक संवाद करने में सक्षम बनाने के लिए प्राकृतिक भाषा
प्रसंस्करण। ज्ञान का प्रतिनिधित्व जो वह जानता है या सुनता है उसे
संग्रहीत करने के लिए
प्रनों श्नोंका उत्तर देने और नए निष्कर्ष निकालने के लिए संग्रहीत जानकारी
का उपयोग करने के लिए स्वचालित तर्क।
नई परिस्थितियों के अनुकू ल ढलने और पैटर्न का पता लगाने और उसका अनुमान लगाने के लिए मशीन लर्निंग
संपूर्ण ट्यूरिंग टेस्ट पास करने के लिए कं प्यूटर की आवश्यकता होगी
वस्तुओं को देखने के लिए कं प्यूटर दृष्टि, और वस्तुओं में हेरफे र करने और घूमने के लिए रोबोटिक्स।
(बी)मानवीय रूप से सोचना: संज्ञानात्मक मॉडलिंग दृष्टिकोण हमें मानव मस्तिष्क की वास्तविक कार्यप्रणाली के अंदर
जाने की आवश्यकता है:
(ए) आत्मनिरीक्षण के माध्यम से - जैसे-जैसे हमारे विचार आते हैं, उन्हें
पकड़नेकी को करना;
(बी) मनोवैज्ञानिक प्रयोगों के माध्यम से
एलन नेवेल और हर्बर्ट साइमन, जिन्होंने जीपीएस विकसित किया, - जनरल प्रॉब्लम सॉल्वर - ने समान
समस्याओं को हल करने वाले मानव विषयों के निशान के लिए तर्क चरणों का पता लगाने की कोशिश की।
संज्ञानात्मक विज्ञान का अंतःविषय क्षेत्र एआई से कं प्यूटर मॉडल और मनोविज्ञान से प्रयोगात्मक तकनीकों को एक
साथ लाता है ताकि मानव मस्तिष्क के कामकाज के सटीक और परीक्षण योग्य सिद्धांतों का निर्माण करने का प्रयास
किया जा सके।
(सी) तर् क
संगत रू प सेसोचना: "विचार दृष्टिकोण के नियम"
यूनानी दार्निक
अ र्शरस्तू उन पहले लोगों में से एक थे जिन्होंने सही सोच यानी
स् त्
अकाट्य तर्क प्रक्रियाओं को संहिताबद्ध करने का प्रयास किया था। उनके न्याय स्त्ररशा
ने तर्क संरचनाओं के लिए पैटर्न प्रदान किए जो सही परिसर दिए जाने पर हमेशा सही निष्कर्ष निकालते हैं - उदाहरण
के लिए, सुकरात एक आदमी है; सभी मनुष्य नश्वर हैं; इसलिए सुकरात नश्वर है. ‖ .
विचार के ये नियम मन के संचालन को नियंत्रित करने वाले थे; उनके अध्ययन ने तर्क नामक क्षेत्र की शुरुआत की।
(डी) तर् क
संगत रू प सेकार्यकरना: तर् क
संगत एजें
ट दृष् टि
कोण
एजेंट वह चीज़ है जो कार्य करती है। कंप्यूटर एजेंट केवल प्रोग्राम नहीं हैं,
बल्कि उनसे निम्नलिखित विशेषताओं की भी अपेक्षा की जाती है:
(ए) स्वायत्त नियंत्रण के तहत संचालन,
(बी) उनके पर्यावरण को समझना,
(सी) लंबे समय तक बने रहना,
(ई) परिवर्तन को अपनाना।
एक तर्कसंगत एजेंट वह होता है जो सर्वोत्तम परिणाम प्राप्त करने के लिए कार्य
करता है।
आर्टिफि यल
इंटेलिजेंस
शि का इतिहास
कृत्रिम बुद्धि का उद्भव (1943-1955)
ऐसे कई शुरुआती कार्य के उदाहरण थे जिन्हें एआई के रूप में वर्णित किया जा सकता है, लेकिन यह
क्या एलन ट्यूरिंग ने सबसे पहले अपने 1950 के लेख "कंप्यूटिंग म&नरी
औ शीर
इंटेलिजेंस" में A1 का संपूर्ण दृष्टिकोण व्यक्त किया था। उसमें, उन्होंने ट्यूरिंग टेस्ट, मशीन लर्निंग,
जेनेटिक एल्गोरिदम और सुदृढीकरण लर्निंग की शुरुआत की।
कृत्रिम बुद्धि का जन्म (1956)
मैककार्थी ने ऑटोमेटा सिद्धांत, तंत् रि
का जाल और बुद् धि
केअध्ययन में
रुचिरखनेवालेअमे
रिकी शो'धकर् ता
ओंको एक
स्
साथ लाने में मदद करने के लिए मिन्स्की, क्लाउड शै ननऔर नाथनियल रोचेस्टर को आवस्ततश्व
किया। उन्होंने 1956 की गर्मियों में डार्टमाउथ में दो महीने की कार्य ला
काशा
आयोजन किया।
शायद कार्यशाला से निकलने वाली सबसे लंबे समय तक चलने वाली चीज़ क्षेत्र के लिए मैक्कार्थी के नए नाम को
अपनाने का समझौता था: कृत् रि
मबुद् धि
मत् ता
।
प्रारंभिक उत्साह, बड़ी उम्मीदें (1952-1969) ए 1 के शु रुआती वर्ष सीमित रूप से सफलताओं
से भरे थे।
जनरल प्रॉब्लम सॉल्वर (जीपीएस) एक कंप्यूटर प्रोग्राम था जिसे 1957 में हर्बर्ट साइमन और एलन नेवेल
द्वारा एक सार्वभौमिक समस्या सॉल्वर मशीन बनाने के लिए बनाया गया था। जिस क्रम में कार्यक्रम ने उप-लक्ष्यों और
संभावित कार्यों पर विचार किया वह उसी क्रम के समान था जिसमें मनुष्य समान समस्याओं से निपटते थे। इस
प्रकार, जीपीएस संभवतः "मानवीय रूप से सोचने" के दृष्टिकोण को अपनाने वाला पहला
कार्यक्रम था ।
वास्तविकता की एक खुराक (1966-1973)
रू से ही, एआई शो'धकर्ताअपनी आने वाली सफलताओं की भविष्यवाणी करने से नहीं
कतराते थे। 1957 में हर्बर्ट साइमन का निम्नलिखित कथन अक्सर उद्धृत किया जाता
है:
-आपको आश्चर्यचकित करना या आश्चर्यचकित करना मेरा उद्देश्य नहीं है - लेकिन सबसे सरल तरीका जिसे मैं संक्षेप
में बता सकता हूं वह यह है कि अब दुनिया में ऐसी म&नें
हैंशी जो सोचती हैं, जो
सीखती हैं और जो बनाती हैं। इसके अलावा, इन चीजों को करने की उनकी क्षमता तब
तक तेजी से बढ़ने वाली है जब तक कि एक दृयमान
भ श्य
विष्य में वे जिन समस्याओं
को संभाल सकते हैं वे उस सीमा के साथ व्यापक नहीं हो जाएंगी जिस पर मानव
मस्तिष्क लागू किया गया है।
ज्ञान-आधारित प्रणालियाँ: सत्ता की कुंजी? (1969-1979)
डेंड्रल 1960 के दशक की कृत्रिम बुद्धिमत्ता (एआई) और इसकेद् वा
रानिर् मि
त कंप्यूटर सॉफ्टवे
यर वि"षज्ञ
प्रणाली में एक प्रभावशाली अग्रणी परियोजना थी। इसका प्राथमिक उद्देश्य कार्बनिक रसायनज्ञों को उनके द्रव्यमान
स्पेक्ट्रा का विले
षक
ण श्ले
रके और रसायन विज्ञान के ज्ञान का उपयोग करके अज्ञात
वि द्
यालयश्व
कार्बनिक अणुओं की पहचान करने में मदद करना था। यह स्टैनफोर्ड विवविद्यालय
में एडवर्ड फेगेनबाम, ब्रूस बुकानन, जोआलेडरबर्ग
शु और कार्ल जेरासी द्वारा
किया गया था।
A1 एक उद्योग बन गया (1980-वर्तमान)
1981 में, जापानियों ने "फिफ्थ जेनरेशन" परियोजना की घोषणा की, जिसके निर्माण की 10 साल
की योजना थी
प्रोलॉग चलाने वाले बुद्धिमान कं प्यूटर। कु ल मिलाकर, A1 उद्योग 1980 में कुछ मिलियन डॉलर से
बढ़कर 1988 में अरबों डॉलर तक पहुंच गया।
तंत्रिका नेटवर्क की वापसी (1986-वर्तमान)
डेविड रुमेलहार्ट और ज्योफ हिंटन सहित मनोवैज्ञानिकों ने स्मृति के तंत्रिका-नेट
मॉडल का अध्ययन जारी रखा।
A1 एक विज्ञान बन गया (1987-वर्तमान)
हाल के वर्षों में, छिपे हुए मार्कोव मॉडल (एचएमएम) पर आधारित दृष्टिकोण इस क्षेत्र पर हावी हो गए
हैं। भाषण प्रौद्योगिकी और हस्तलिखित चरित्र पहचान का संबंधित क्षेत्र पहले से
ही व्यापक औद्योगिक और उपभोक्ता अनुप्रयोगों में परिवर्तन कर रहा है।
बायेसियन नेटवर्क औपचारिकता का आविष्कार अनिचित
ज्ञान
श्चि के कुशल
प्रतिनिधित्व और कठोर तर्क की अनुमति देने के लिए किया गया था।
बुद्धिमान एजेंटों का उद्भव (1995-वर्तमान)
बुद्धिमान एजेंटों के लिए सबसे महत्वपूर्ण वातावरणों में से एक इंटरनेट है।
कला की स्थिति:
AI आज क्या कर सकता है?
: पृथ्वी से सौ मिलियन मील दूर, नासा का रिमोट एजेंट कार्यक्रम एक
स्वायत्त योजना और शे"ड्यूलिंग
अंतरिक्ष यान के संचालन के शेड्यूल को नियंत्रित करने वाला पहला ऑन-बोर्ड स्वायत्त योजना
कार्यक्रम बन गया (जोन्सन एट अल।, 2000)। रिमोट एजें ष् टउच्च-स्तरीय
ट नेजमीन सेनिर् दि
लक्ष्यों से योजनाएं तैयार कीं, और योजनाओं के क्रियान्वित होने के साथ-साथ यह अंतरिक्ष यान के
संचालन की निगरानी करता था-समस्याओं का पता लगाना, उनका निदान करना और उनसे
उबरना।
खेल खेलना: आईबीएम का डीप ब्लू इसे हराने वाला पहला कं प्यूटर प्रोग्राम बन गया
एक शतरंज मैच में विव श्वचैंपियन जब इसने एक प्रदर्नी
मैचर्श (गुडमैन और कीन, 1997)
में गैरी कास्परोव को 3.5 से 2.5 के स्कोर से हराया।
क्षि
स्वायत्त नियंत्रण: एल्विन कंप्यूटर विज़न सिस्टम को कार चलाने के लिए प्र क्षिततशि
किया गया था
इसे एक लेन का अनुसरण करते रहने के लिए। इसे CMU के NAVLAB कंप्यूटर-नियंत्रित
मिनीवैन में रखा गया था और संयुक्त राज्य भर में नेविगेट करने के लिए उपयोग
किया जाता था - 2850 मील तक 98% समय वाहन को चलाने का नियंत्रण इसके पास था।
निदान: संभाव्य विले
षपण श्ले
र आधारित चिकित्सा निदान कार्यक्रम चिकित्सा के कई
क्षेत्रों में एक वि"षज्ञ
चिकित्सक
शे के स्तर पर प्रदर्न
कर्शरने में सक्षम हैं।
रसद योजना: 1991 के फारस की खाड़ी संकट के दौरान, अमेरिकी सेना ने परिवहन के लिए
स्वचालित रसद योजना और शे" ड्यूलिंगकरने के लिए एक गति&लविले
शी षणऔ श्ले
र
पुनर्योजना उपकरण, DART (क्रॉस और वॉकर, 1994) तैनात किया। इसमें एक समय में 50,000
वाहन, कार्गो और लोग शा मिलथे, और सभी मापदंडों के बीच शुरुआती बिंदुओं, गं , मार्गों और
तव्यों
संघर्ष समाधान को ध्यान में रखना था। एआई नियोजन तकनीकों ने एक योजना को
घंटों में तैयार करने की अनुमति दी जिसमें पुराने तरीकों के साथ कई सप्ताह लग
जाते। डिफेंस एडवांस्ड रिसर्च प्रोजेक्ट एजेंसी (DARPA) ने कहा कि इस एकल एप्लिके शन
ने AI में DARPA के 30 साल के निवेश का भुगतान कर दिया है।
रोबोटिक्स: कई सर्जन अब माइक्रोसर्जरी में रोबोट सहायकों का उपयोग करते हैं।
हिपनव (डिगियोइया)
एट अल., 1996) एक ऐसी प्रणाली है जो रोगी की आंतरिक शा रीरिकरचना का त्रि-आयामी
मॉडल बनाने के लिए कंप्यूटर विज़न तकनीकों का उपयोग करती है और फिर हिप
रिप्लेसमेंट प्रोस्थेसिस के सम्मिलन को निर्दे तकशि
रने के लिए रोबोटिक नियंत्रण
का उपयोग करती है।
भाषा की समझ और समस्या समाधान: PROVERB (लिटमैन एट अल., 1999) एक कंप्यूटर प्रोग्राम है
जो संभवतः शब्द भरने वालों पर बाधाओं, अतीत की पहेलियों के एक बड़े डेटाबेस और शब्दकोशों
सहित विभिन्न सूचना स्रोतों का उपयोग करके अधिकांश मनुष्यों की तुलना में
क्रॉसवर्ड पहेलियों को बेहतर ढंग से हल करता है। और ऑनलाइन डेटाबेस जैसे
फिल्मों और उनमें दिखाई देने वाले अभिनेताओं की सूची।
बुद्धिमान एजेंट
एजेंट और वातावरण
एक एजेंट वह चीज़ है जिसे सेंसर और संचार के माध्यम से अपने वातावरण को
समझने के रूप में देखा जा सकता है ऊपर वह _ _ _ पर्यावरण _ _ _ _ _ _ _ के माध्यम से _ _ _ आप
पर कार्रवाई करें । _ यह _ _ सरल _ _ _ _ _ विचार _ _ है _ आईएल एल उस्ट आर एट ई डी में आकृति
_ _ _ _ _ 1.
धारणा अनुक्रम
एक एजेंट की धारणा अनुक्रम उस हर चीज का पूरा इतिहास है जिसे एजेंट ने कभी
देखा है।
एजेंट का कार्य
गणितीय रू प सेबोलतेहुए, हम कहते हैं कि एक एजेंट के व्यवहार को एजेंट फ़ंक्ननक्श
द्वारा वर्णित किया जाता है जो किसी कार्रवाई के लिए किसी दिए गए धारणा अनुक्रम को
मैप करता है।
एजेंट कार्यक्रम
आंतरिक रूप से, एक कृत्रिम एजेंट के लिए एजेंट फ़ंक्नको
क्श एक एजेंट प्रोग्राम
द्वारा कार्यान्वित किया जाएगा। इन दोनों विचारों को अलग रखना महत्वपूर्ण है।
क अमूर्त गणितीय विवरण है; एजेंट प्रोग्राम एक ठोस कार्यान्वयन
एजेंट फ़ंक्नए क्श
है, जोएजें
ट आर् कि
टे
क्चर पर चलताहै
।
तर्कसंगत एजेंट
एक तर्कसंगत एजेंट वह होता है जो सही काम करता है-वैचारिक रूप से कहें तो,
एजेंट फ़ंक्नके
क्श लिए तालिका में प्रत्येक प्रविष्टि सही ढंग से भरी जाती है।
जाहिर है, सही काम करना ही सही है
गलत कामकरनेसेबे . सही कार्रवाई वह है जो एजेंट को सबसे अधिक सफल बनाएगी।
हतर है
प्रदर्शन के उपाय
एक प्रदर्न
मार्शप एक एजेंट के व्यवहार की सफलता की कसौटी का प्रतीक है। जब कोई
एजेंट किसी वातावरण में डूब जाता है, तो वह प्राप्त उपदे' शों
के अनुसार कार्यों का
एक क्रम उत्पन्न करता है। क्रियाओं का यह क्रम पर्यावरण को अवस्थाओं के अनुक्रम
न
से गुजरने का कारण बनता है। यदि अनुक्रम वांछनीय है, तो एजेंट ने अच्छा प्रदर्नर्श
किया है। चेतना
किसी भी समय तर्कसंगत क्या है यह चार बातों पर निर्भर करता है:
o प्रदर्शन माप जो सफलता की कसौटी को परिभाषित करता है। o एजेंट को पर्यावरण का पूर्व ज्ञान।
o वे कार्य जो एजेंट कर सकता है।
o आज तक एजेंट की अवधारणा का क्रम।
इससे एक तर्कसंगत एजेंट की परिभाषा सामने आती है:
प्रत्येक संभावित अवधारणा अनुक्रम के लिए, एक तर्कसंगत एजेंट को एक ऐसी कार्रवाई का चयन
करना चाहिए जिससे उसके प्रदर्न
मार्शप को अधिकतम करने की उम्मीद की जाती है ,
अवधारणा अनुक्रम द्वारा प्रदान किए गए सबूत और एजेंट के पास जो भी अंतर्निहित ज्ञान है।
सर्वज्ञता, शिक्षा और स्वायत्तता
एक सर्वज्ञ एजेंट अपने कार्यों के वास्तविक परिणाम को जानता है और उसके
अनुसार कार्य कर सकता है; लेकिन वास्तविकता में सर्वज्ञता असंभव है।
भविष्य की अवधारणाओं को संशोधित करने के लिए कार्य करना - जिसे कभी-कभी सूचना एकत्र करना भी
कहा जाता है - तर्कसंगतता का एक महत्वपूर्ण हिस्सा है।
हमारी परिभाषा के लिए एक तर्कसंगत एजेंट की आवयकता
है श्य कि वह न केवल
जानकारी एकत्र करे, बल्कि जो वह समझता है उससे जितना संभव हो उतना सीखे।
इस हद तक कि एक एजेंट अपने स्वयं के सिद्धांतों के बजाय अपने डिजाइनर के
पूर्व ज्ञान पर भरोसा करता है, हम कहते हैं कि एजेंट में स्वायत्तता का अभाव है। एक
तर्कसंगत एजेंट होना चाहिए
स्वायत्त-इसे सीखना चाहिए कि आं कया
शि गलत पूर्व ज्ञान की भरपाई के लिए यह क्या
कर सकता है।
कार्य वातावरण
हमें कार्य वातावरण के बारे में सोचना चाहिए, जो अनिवार्य रूप से "समस्याएं" हैं
जिनके लिए तर्कसंगत एजेंट "समाधान" हैं।
कार्य परिवेश निर्दिष्ट करना
सरल वैक्यूम-क्लीनर एजेंट की तर्कसंगतता, प्रदर्शन माप के विनिर्देश की आवश्यकता है
हे पर्यावरण
o एजेंट के एक्चुएटर्स और सेंसर।
मटर
इन सभी को कार्य परिवेश के शी&र्षकके अंतर्गत एक साथ समूहीकृत किया गया है। हम
इसे PEAS (प्रदर्शन, पर्यावरण, एक्चुएटर्स, सेंसर) विवरण कहते हैं।
किसी एजेंट को डिज़ाइन करने में, पहला कदम हमेशा कार्य वातावरण को यथासंभव पूर्ण रूप से
निर्दिष्ट करना होना चाहिए।
यूनिट-01 /व्याख्यान-02
विभिन्न प्रकार की उत्पादन प्रणालियाँ
एक ज्ञान प्रतिनिधित्व औपचारिकता में स्थिति-क्रिया नियमों (उत्पादन नियम या ऑपरेटर)
का संग्रह होता है, एक डेटाबेस जिसे नियमों के अनुसार सं'धित
किया
शो जाता है, और
एक उत्पादन प्रणाली दुभाषिया जो नियमों के संचालन को नियंत्रित करता है यानी
'नियंत्रण तंत्र' उत्पादन प्रणाली, उस क्रम का निर्धारण करती है जिसमें उत्पादन नियमों को सक्रिय किया जाता है।
एक प्रणाली जो ज्ञान प्रतिनिधित्व के इस रूप का उपयोग करती है उसे उत्पादन
प्रणाली कहा जाता है।
एक उत्पादन प्रणाली में नियम और कारक शा मिलहोते हैं। ज्ञान को एक घोषणात्मक
में एन्कोड किया गया है जिसमें फॉर्म के नियमों का एक सेट शामिल है
स्थिति---- कार्रवाई
स्थिति जिसका तात्पर्य कार्रवाई से है।
उदाहरण:-
यदि प्रारंभिक अवस्था एक लक्ष्य अवस्था है तो छोड़ दें।
एआई उत्पादन प्रणाली के प्रमुख घटक हैं
मैं। एक वैश्विक डेटाबेस
द्वितीय. उत्पादन नियमों का एक सेट और
iii. एक नियंत्रण प्रणाली
लक्ष्य डेटाबेस एआई उत्पादन प्रणाली द्वारा उपयोग की जाने वाली केंद्रीय डेटा संरचना है। उत्पादन प्रणाली. उत्पादन
नियम वैश्विक डेटाबेस पर संचालित होते हैं। प्रत्येक नियम की एक पूर्व शर्त होती है जो डेटाबेस द्वारा या तो संतुष्ट
होती है या नहीं। यदि पूर्व शर्त पूरी हो जाती है, तोनियमलागूकियाजासकताहै
। नियमको लागूकरनेसेडे
टाबे
स
बदल जाता है। नियंत्रण प्रणाली चुनती है कि कौन सा लागू नियम लागू किया जाना चाहिए और डेटाबेस पर समाप्ति
की स्थिति संतुष्ट होने पर गणना बंद कर देती है। यदि एक ही समय में कई नियमों को
सक्रिय करना है, तोनियं
त्र
ण प्र
णालीसंघर् षों
का समाधान करतीहै
।
उत्पादन प्रणालियों के चार वर्ग:-
1. एक मोनोटोनिक उत्पादन प्रणाली
2. एक गैर मोनोटोनिक उत्पादन प्रणाली
3. आं करूप
शि से क्रमविनिमेय उत्पादन प्रणाली
4. एक क्रमविनिमेय उत्पादन प्रणाली।
भाषा की स्वतंत्रता
उत्पादन प्रणाली का उपयोग करके किसी समस्या को हल करने के लिए, हमें वैविक कश्वि
डेटाबेस के नियमों और नियंत्रण रणनीति को निर्दिष्ट करना होगा। 8 पहेली समस्या के लिए
जो इन तीन घटकों से मेल खाती है। ये तत्व समस्या की स्थिति, चाल और लक्ष्
य हैं
। इस
समस्या में प्रत्येक टाइल कॉन्फ़िगरेशन एक स्थिति है। समस्या स्थिति या समस्या
स्थान के स्थान में सभी कॉन्फ़िगरेशन का सेट, 8 टाइल्स और रिक्त स्थान पर केवल
3,62,880 अलग-अलग कॉन्फ़िगरेशन हैं। एक बार जब समस्या की स्थिति वैचारिक रूप से पहचान ली जाती है,
तो हमें उनका एक कंप्यूटर प्रतिनिधित्व या विवरण तैयार करना चाहिए। फिर इस विवरण
का उपयोग उत्पादन प्रणाली के डेटाबेस के रूप में किया जाता है। 8-पहेली के लिए, एक
सीधा विवरण संख्याओं के मैट्रिक्स की 3X3 सरणी है। प्रारंभिक वैविक
डेटाबेस
श्वि
प्रारंभिक समस्या स्थिति का यह विवरण है। वस्तुतः किसी भी प्रकार की डेटा संरचना का उपयोग राज्यों का वर्णन
करने के लिए किया जा सकता है।
एक चाल एक समस्या स्थिति को दूसरी स्थिति में बदल देती है। 8-पहेली को चालों के लिए
निम्नलिखित के रूप में स्पष्ट रूप से व्याख्या किया गया है। खाली स्थान (रिक्त) को बाईं ओर ले जाएं,
रिक्त स्थान को ऊपर ले जाएं, रिक्त स्थान को दाईं ओर ले जाएं और रिक्त स्थान को
नीचे ले जाएं। ये चालें उत्पादन नियमों द्वारा तैयार की जाती हैं जो राज्य विवरणों पर उचित तरीके से काम करती हैं।
प्रत्येक नियम में पूर्व शर्ते होती हैं जिन्हें राज्य विवरण पर लागू होने के लिए राज्य विवरण से संतुष्ट किया जाना
कार "रिक्त स्थान को ऊपर ले जाएं" से जुड़े नियम की पूर्व शर्त उस आवयकता
चाहिए। इस प्र से श्य ली गई
हैजोरिक्त स्थान होनीचाहिए
पहले से ही शीर्ष पंक्ति में नहीं हो.
समस्या लक्ष्य स्थिति उत्पादन प्रणाली की समाप्ति स्थिति का आधार बनती है। नियंत्रण
रणनीति बार-बार राज्य विवरण पर नियम लागू करती है जब तक कि लक्ष्य राज्य का
विवरण तैयार नहीं हो जाता। यह लागू किए गए नियमों पर भी नज़र रखता है ताकि यह
उन्हें समस्या समाधान का प्रतिनिधित्व करने वाले अनुक्रम में बना सके। 8-पहेली
समस्या का समाधान निम्नलिखित चित्र में दिया गया है।
8 - पहेली समस्या को निम्नलिखित चित्रों में दिखाया गया है।
जल-सुराही समस्या
कथन:- हमें 2 जग दिए गए हैं, एक 4 लीटर वाला और एक 3 लीटर वाला। न ही इस पर कोई मापने
वाला मार्कर है। एक पंप है जिसका उपयोग जगों में पानी भरने के लिए किया जा
सकता है। हम 4 लीटर के जग में ठीक 2 लीटर पानी कै से प्राप्त कर सकते हैं?
समाधान:-
इस समस्या के लिए राज्य स्थान को इस प्रकार परिभाषित किया जा सकता है
{( i ,j ) i = 0,1,2,3,4 j = 0,1,2,3}
'i' 4-लीटर जग में लीटर पानी की संख्या को दर्शाता है और 'j' 3-लीटर जग में लीटर पानी की संख्या को दर्शाता है।
प्रारंभिक अवस्था (0,0) है अर्थात प्रत्येक जग में पानी नहीं है। लक्ष्य स्थिति 'एन' के
किसी भी मूल्य के लिए (2,एन) प्राप्त करना है।
इसे हल करने के लिए हमें कुछ ऐसी धारणाएँ बनानी होंगी जिनका समस्या में
उल्लेख नहीं किया गया है। वे हैं
समाधान:-
इस समस्या की स्थिति को इस प्रकार परिभाषित किया जा सकता है
{(i, j)/ i=0, 1, 2, 3, : j=0, 1, 2, 3} जहां मैं एक नदी के एक तरफ संख्या मिशनरियों का प्रतिनिधित्व करता हूं। j
नदी के एक ही किनारे पर नरभक्षियों की संख्या को दर्शाता है। प्रारंभिक अवस्था (3,3) है, यानी नदी के एक
तरफ तीन मिशनरीऔर तीन नरभक्षी , (बैंक 1) और नदी के दूसरी तरफ (बैंक 2) (0,0)। लक्ष्य स्थिति बैंक 2 पर
(3,3) और बैंक 1 पर (0,0) प्रा प्त करनाहै ।
5. लक्ष्य तक पहुँचने के लिए की जाने वाली यात्राओं की संख्या पर कोई प्रतिबंध नहीं है।
एक साधारण बाइनरी ट्री पर चौड़ाई-पहली खोज। प्रत्येक चरण में, अगले विस्तार किए जाने वाले नोड को
एक मार्कर द्वारा दर् जाता
यार्शा है।
गुण _ _ _ _ _ _ _ _ का _ पहले चौड़ा
ई खोजो _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
समाधान गहराई पर है d. सबसे खराब स्थिति में, हम स्तर d पर अंतिम नोड को छोड़कर सभी का
विस्तार करेंगे, जिससे स्तर d+1 पर bd+1 - b नोड्स उत्पन्न होंगे।
तब उत्पन्न नोड्स की कुल संख्या b + b2 + b3 + …+ bd + ( bd+1 + b) = O(bd+1) है।
उत्पन्न होने वाला प्रत्येक नोड स्मृति में रहना चाहिए, क्योंकि यह या तो फ्रिंज का
हिस्सा है या फ्रिंज नोड का पूर्वज है। इसलिए, स्थान की जटिलता समय की जटिलता के
समान है
यूनिट-01/व्याख्यान-04
सूचित खोज और अन्वेषण
सूचित (अनुमानित) खोज रणनीतियाँ
सूचित खोज रणनीति वह है जो समस्या की परिभाषा से परे समस्या-वि ष्ट
ज्ञान
शि का
उपयोग करती है
। यह बिनाजानकारीवालीरणनीति की तुलनामें
अधिक कुलता सेसमाधान ढूंढ सकता है
।
सर्वोत्तम-प्रथम खोज बे
स्ट-फर् स् -सर्च या ग्राफ-सर्च एल्गोरिदम का एक
टसर् चसामान्य ट् री
उदाहरण है जिसमें मूल्यांकन फ़ं क्शन एफ (एन) के आधार पर विस्तार के लिए एक नोड का चयन किया जाता
है
। सबसेकम मूल्यां , क्योंकि मूल्यांकन लक्ष्य की दूरी को मापता
कन वालेनोड को विस्तार केलिए चुनाजाता है
है
।
इसे प्राथमिकता-कतार, एक डे
टा संरचना का उपयोग करकेकार् या
न् वि
त किया जा सकता हैजो एफ-मानों के
आरोहीक्र
म में
फ् रिं
ज को बनाए रखे
गा।
अनुमानी कार्य
एक ह्यूरिस्टिक तकनीक समस्याओं को हल करने में मदद करती है, भले ही इसकी कोई
गारंटी नहीं है कि यह कभी भी गलत दि शामें नहीं ले जाएगी। प्रत्येक सामान्य
प्रयोज्यता के साथ-साथ डोमेन विशिष्ट के आंकड़े भी हैं। रणनीतियाँ सामान्य प्रयोजन अनुमान हैं। किसी
विशिष्ट डोमेन में उनका उपयोग करने के लिए उन्हें कु छ डोमेन विशिष्ट अनुमानों के साथ जोड़ा जाता है। ऐसे दो
प्रमुख तरीके हैं जिनसे डोमेन-विशिष्ट, अनुमानी जानकारी को नियम-आधारित खोज
प्रक्रिया में शा मिलकिया जा सकता है।
- नियमों में ही
- एक अनुमानी फ़ंक्नके
क्श रूप में जो व्यक्तिगत समस्या स्थितियों का मूल्यांकन करता
है और निर्धारित करता है कि वे कितने वांछित हैं।
एक अनुमानी फ़ंक्नए क्श
क ऐसा फ़ंक्नहै
क्श जो समस्या स्थिति विवरण से लेकर
वांछनीयता को मापने तक मैप करता है, जिसे आमतौर पर संख्या भार के रूप में दर्शाया जाता है। खोज प्रक्रिया में
किसी दिए गए नोड पर एक अनुमानी फ़ंक्नका
क्श मान उस नोड के समाधान के वांछित पथ
पर होने का एक अच्छा अनुमान देता है। अच्छी तरह से डिजाइन किए गए अनुमानी
कार्य इस बात का काफी अच्छा अनुमान प्रदान कर सकते हैं कि कोई पथ अच्छा है या
नहीं। ("अब तक तय की गई दूरियों का योग" ट्रैवलिंग सेल्समैन समस्या में एक सरल अनुमानी कार्य है)।
एक अनुमानी फ़ंक्नका
क्श उद्देय श्य
खोज प्रक्रिया को सबसे लाभदायक दि ओं
में
शा
निर्देशित करना है, यह सुझाव देकर कि एक से अधिक पथ उपलब्ध होने पर पहले कौन सा पथ
अपनाया जाए। हालाँकि कई समस्याओं में, अनुमानी फ़ंक्नके
क्श मूल्य की गणना करने
की लागत खोज प्रक्रिया में बचाए गए प्रयास से अधिक होगी। इसलिए आम तौर पर एक
अनुमानी फ़ंक्नके
क्श मूल्यांकन की लागत और फ़ंक्नद्वारा
क्श प्रदान की जाने वाली
खोज में बचत के बीच एक व्यापार-बंद होता है।
एक अनुमानी फ़ंक्नया
क्श बस एक अनुमानी एक ऐसा फ़ंक्नहै
क्श जो खोज के दौरान किस
शाखा का पालन किया जाना है, यह निर्णय लेने के लिए उपलब्ध जानकारी के आधार पर
प्रत्येक शा खाचरण पर विभिन्न खोज एल्गोरिदम में विकल्पों को रैंक करता है।
बेस्ट-फर्स्ट सर्च एल्गोरिदम का मुख्य घटक एक अनुमानी फ़ं क्शन है, जिसे h(n) द्वारा दर्शाया गया है:
h(n) = नोड n से लक्ष्य नोड तक सबसे सस्ते पथ की अनुमानित लागत।
उदाहरण के लिए, रोमानिया में, कोई अराद से बुखारेस्ट तक सीधी रेखा की दूरी के माध्यम
से अराद से बुखारेस्ट तक के सबसे सस्ते रास्ते की लागत का अनुमान लगा सकता है।
अनुमानी फ़ंक्नसक्श
बसे सामान्य रूप है जिसमें खोज एल्गोरिदम को अतिरिक्त ज्ञान
प्रदान किया जाता है।
लालची सर्वश्रेष्ठ-पहली खोज
लालची बेस्ट-फर्स्ट सर्च उस नोड का विस्तार करने की कोशिश करता है जो लक्ष्य के सबसे करीब है, इस आधार
पर कि इससे शी&घ्रसमाधान की संभावना है।
f(n) = h(n) का उपयोग करके नोड्स का मूल्यांकन करता है।
यह अनुमानी फ़ंक्ननक्श
रोमानिया में मार्ग-खोज समस्याओं का उदाहरण लेते हुए, अराद शहर से शु रू करके बुखारेस्ट
तक पहुँ
चनेका लक्ष्
य है
। हमें स्ट की सीधी-रेखा दूरी जानने की आवयकता
विभिन्नशहरोंसेबुखारे है श्य
उदाहरण के लिए, प्रारंभिक स्थिति In(Arad) है, और सीधी रेखा दूरी hSLD(In(Arad)) 366 पाई जाती
है।
सीधी-रेखा दूरी अनुमानी एचएसएलडी का उपयोग करके, लक्ष्य स्थिति तक तेजी से पहुंचा जा सकता
है
चित्र V a l u e s का _ एच एस एल डी - सीधा _ _ _ _ _ _ _ मैं एक सीई एस नहीं हूँ _ _ _ _ को _ बी
यूसी एच ए आर ई एस टी
चित्र: सीधी-रेखा दूरी अनुमानी एचएसएलडी का उपयोग करके बुखारेस्ट के लिए लालची
सर्वोत्तम-प्रथम खोज के चरण। नोड्स को उनके एच-मा नों के सा थ ले ब ल कि या जा ता है ।
यूनिट-01/व्याख्यान-05
स्थानीय खोज एल्गोरिदम और अनुकू लन समस्याएं
o कई अनुकूलन समस्याओं में, लक्ष्य का मार्ग अप्रासंगिक है; लक्ष्य स्थिति ही समाधान है
o उदाहरण के लिए, 8-रानियों की समस्या में, रानियों का अंतिम विन्यास मायने रखता है,
न कि उन्हें जोड़ने का क्रम।
o ऐसे मामलों में, हम स्थानीय खोज एल्गोरिदम का उपयोग कर सकते हैं। वे एक ही वर्तमान स्थिति (एकाधिक
पथों के बजाय) का उपयोग करके काम करते हैं और आम तौर पर केवल उस राज्य के पड़ोसियों के
जाते हैं।
o समस्याओं के इस वर्ग के महत्वपूर्ण अनुप्रयोग हैं (ए) एकीकृत-सर्किट डिजाइन, (बी) फै क्ट्री-फ्लोर लेआउट, (सी)
जॉब-शॉप शेड्यूलिंग, (डी) स्वचालित प्रोग्रामिंग, (ई) दूरसंचार नेटवर्क अनुकू लन, (एफ) वाहन रूटिंग, और (जी)
पोर्टफोलियो प्रबंधन।
स्थानीय खोज एल्गोरिदम के प्रमुख लाभ
(1) वे बहुत कम मेमोरी का उपयोग करते हैं - आमतौर पर एक स्थिर मात्रा; और
(2) वे अक्सर बड़े या अनंत (निरंतर) राज्य स्थानों में उचित समाधान पा सकते हैं जिसके
लिए व्यवस्थित एल्गोरिदम अनुपयुक्त हैं।
अनुकूलन समस्याएँ
लक्ष्यों को खोजने के अलावा, स्थानीय खोज एल्गोरिदम शुद्ध अनुकू लन समस्याओं को हल करने के लिए उपयोगी
होते हैं, जिसमें उद्देश्य एक उद्देश्य फ़ं क्शन के अनुसार सर्वोत्तम स्थिति ढूंढना है।
चित्र: पहाड़ी पर चढ़ने वाला खोज एल्गोरिदम (सबसे तेज़ चढ़ाई वाला संस्करण), जो सबसे
बुनियादी स्थानीय खोज तकनीक है। प्रत्येक चरण पर वर्तमान नोड को सर्वश्रेष्ठ पड़ोसी द्वारा प्रतिस्थापित किया
जाता है; उच्चतम मूल्य वाला पड़ोसी । यदि अनुमानित लागत अनुमान h का उपयोग किया जाता है, तोहम
सबसे कम h वाले पड़ोसी को ढूंढ सकते हैं।
पहाड़ी पर चढ़ने को कभी-कभी लालची स्थानीय खोज भी कहा जाता है क्योंकि यह आगे
कहां जाना है इसके बारे में पहले से सोचे बिना एक अच्छे पड़ोसी राज्य को
पकड़ लेता है। लालची एल्गोरिदम अक्सर काफी अच्छा प्रदर्न
कर्शरते हैं। पहाड़ी पर
चढ़ने में समस्या
पहाड़ी पर चढ़ना अक्सर निम्नलिखित कारणों से अटक जाता है:
o स्थानीय अधिकतम सीमा: एक स्थानीय अधिकतम वह शि खरहै जो अपने प्रत्येक पड़ोसी
राज्य से अधिक है, लेकिन वैश्विक अधिकतम से कम है। पहाड़ी पर चढ़ने वाले एल्गोरिदम जो आसपास तक
पहुंचते हैं
एक स्थानीय अधिकतम को शि खरकी ओर ऊपर की ओर खींचा जाएगा, लेकिन फिर कहीं और जाने
के लिए अटका रहेगा
o कटक: चित्र 2.10 में एक कटक दिखाया गया है। रिज के परिणामस्वरूप स्थानीय मैक्सिमा का एक क्रम बनता
है जिसे नेविगेट करना लालची एल्गोरिदम के लिए बहुत मुश्किल है।
o पठार: पठार राज्य अंतरिक्ष परिदृय श्य
का एक क्षेत्र है जहां मूल्यांकन कार्य समतल
होता है। यह एक समतल स्थानीय अधिकतम हो सकता है, जहाँ से कोई ऊपर की ओर जाने का निकास नहीं है, या
एक कंधा, जहाँ से प्रगति करना संभव है।
चित्र: पर्वतों पर चढ़ने में कठिनाइयाँ क्यों उत्पन्न होती हैं, इसका चित्रण। राज्यों का
ग्रिड (काले घेरे) बाएं से दाएं बढ़ते हुए एक रिज पर लगाया जाता है, जिससे स्थानीय मैक्सिमा का एक क्रम
बनता है जो सीधे एक दूसरे से जुड़े नहीं होते हैं। प्रत्येक स्थानीय अधिकतम से, सभी उपलब्ध विकल्प ढलान की
ओर इ राक शा
रते हैं।
पहाड़ी पर चढ़ने की विविधताएँ
स्टोके स्टिक पहाड़ी पर चढ़ना
o चढ़ाई की चालों के बीच यादृच्छिक चयन।
o चयन की संभावना चढ़ाई की ढलान के साथ भिन्न हो सकती है।
पहली पसंद पहाड़ी पर चढ़ना
ओ सीएफआर. बेहतर उत्तराधिकारियों के मिलने तक बेतरतीब ढंग से उत्तराधिकारियों को उत्पन्न करके
स्टोके स्टिक पहाड़ी पर चढ़ना।
रैंडम-रीस्टार्ट पहाड़ी-चढ़ाई
o स्थानीय मैक्सिमा में फं सने से बचने की कोशिश करता है। नकली एनीलिंग खोज
एक पहाड़ी पर चढ़ने वाला एल्गोरिदम जो कभी भी "डाउनहिल " नहीं बनाता है, कम मूल्य
(या उच्च लागत) वाले राज्यों की ओर बढ़ता है , अधूरा होने की गारंटी है, क्योंकि यह
स्थानीय अधिकतम पर अटक सकता है। इसके विपरीत, एक पूरी तरह से यादृच्छिक चलना - यानी,
चलती है उत्तराधिकारियों के समूह में से यादृच्छिक रूप से समान रूप से चुना गया
उत्तराधिकारी - पूर्ण है, लेकिन अत्यंत अक्षम है।
सिम्युलेटेड एनीलिंग एक एल्गोरिदम है जो पहाड़ी पर चढ़ने को किसी तरह यादृच्छिक रूप से चलने के साथ जोड़ता
है जो दक्षता और पूर्णता दोनों उत्पन्न करता है।
चित्र सिम्युलेटेड एनीलिंग एल्गोरिदम दिखाता है। यह काफी हद तक पहाड़ी चढ़ाई के
समान है। हालाँकि, सर्वोत्तम चाल चुनने के बजाय, यह यादृच्छिक चाल चुनता है। यदि इस कदम से
स्थिति में सुधार होता है, तोइसेहमे शा । अन्यथा, एल्गोरिथ्म 1 से कम कु छ संभावना के
स्वीकार कियाजाताहै
साथ चाल को स्वीकार करता है । चाल की "खराबता " के साथ संभावना तेजी से घट जाती है - रा शि
ई जिसके द्वारा मूल्यांकन खराब हो जाता है।
1980 के दशक की शु रुआत में वीएलएसआई लेआउट समस्याओं को हल करने के लिए
सिम्युलेटेड एनीलिंग का पहली बार बड़े पैमाने पर उपयोग किया गया था। इसे फ़ै क्टरी शेड्यूलिंग और अन्य बड़े
पैमाने पर अनुकूलन कार्यों में व्यापक रूप से लागू किया गया है।
सिम्युलेटेड एनीलिंग एल्गोरिदम
यह मूल पहाड़ी चढ़ाई एल्गोरिथ्म से भिन्न है, जो पहले बेहतर उत्तराधिकारी के बजाय सबसे
अच्छा उत्तराधिकारी चुनता है। यह इंगित करता है कि इसमें चौड़ाई प्रथम एल्गोरिदम के तत्व हैं।
3 दोहराएँ
लक्ष्य को उस राज्य के रूप में निर्धारित करें जिसे वर्तमान राज्य का कोई भी उत्तराधिकारी बेहतर बना सके ;
प्रत्येक ऑपरेटर के लिए जिसे वर्तमान स्थिति पर लागू किया जा सकता है
यदि लक्ष्य वर्तमान स्थिति से बेहतर है तो वर्तमान स्थिति को लक्ष्य पर सेट करें
पहाड़ी पर चढ़ने का मूल और यह तरीका दोनों ही ऐसी स्थिति में पहुंचकर समाधान ढूंढने में विफल हो सकते हैं जहां
सेबाद में
कोई सुधार नहींकियाजासकताहैऔर यह स् थि
तिसमाधान नहींहै
।
दिसम्बर 2013, 8
जून-2006,07
दिसम्बर 2005 5
दिसम्बर 2006
इकाई-01/व्याख्यान-07
सबसे अच्छी पहली खोज
बेस्ट-फर्स्ट सर्च एक खोज एल्गोरिदम है जो एक निर्दिष्ट नियम के अनुसार चुने गए सबसे आशाजनक नोड का
विस्तार करके एक ग्राफ का पता लगाता है।
ष्
जुडिया पर्ल ने सर्वरेष्ठ -पहली खोज को "अनुमानित मूल्यांकन फ़ं क्शन एफ (एन) द्वारा नोड एन
ठश्रे
के वादे का अनुमान लगाने के रूप में वर्णित किया, जो सामान्य तौर पर, एन के
विवरण, लक्ष्य के विवरण, खोज द्वारा एकत्रित की गई जानकारी पर निर्भर हो सकता है। उस
बिंदु तक, और सबसे महत्वपूर्ण, समस्या क्षेत्र के बारे में किसी भी अतिरिक्त ज्ञान पर।"
ए* खोज एल्गोरिदम सर्वोत्तम-प्रथम खोज का एक उदाहरण है, जैसा कि बी* है। बेस्ट-फर्स्ट
एल्गोरिदम का उपयोग अक्सर कॉम्बिनेटरियल खोज में पथ खोजने के लिए किया जाता
है। (ध्यान दें कि न तो A* और न ही B* एक लालची सर्वोत्तम-पहली खोज है क्योंकि उनमें लक्ष्य की
अनुमानित दूरी के अलावा प्रारंभ से दूरी भी शामिल होती है।)
सर्वोत्तम-प्रथम खोज को कार्यान्वित करने वाला एक एल्गोरिदम इस प्रकार है।[3]
ध्यान दें कि एल्गोरिदम का यह संस्करण पूर्ण नहीं है, यानी यह हमेशा दो नोड्स के बीच एक संभावित पथ नहीं ढूंढता
है, भले ही कोई एक हो। उदाहरण के लिए, यह एक लूप में फं स जाता है यदि यह एक मृत अंत पर पहुंच जाता है,
यह एक नोड है जिसका एकमात्र उत्तराधिकारी इसका माता-पिता है। फिर यह अपने माता-पिता के पास वापस चला
जाएगा, मृत-अंत उत्तराधिकारी को फिर से खुली सूची में जोड़ देगा, और इसी तरह।
निम्नलिखित संस्करण एक अतिरिक्त बंद सूची का उपयोग करने के लिए एल्गोरिदम का विस्तार करता है, जिसमें
सभी नोड्स शा मिलहैं जिनका मूल्यांकन किया गया है और जिन्हें दोबारा नहीं देखा
जाएगा। चूँकि इससे किसी भी नोड का दो बार मूल्यांकन होने से बचा जा सकेगा, यह अनंत
लूप के अधीन नहीं है।
यह भी ध्यान दें कि दोनों संस्करणों का दिया गया छद्म कोड कोई पथ नहीं मिलने पर समाप्त हो जाता है। वास्तविक
कार्यान्वयन के लिए निचित
रूप
श्चि से इस मामले को वि"ष
रूशेप से संभालने की
आवश्यकता होगी।
अपने सबसे बुनियादी रूप में सर्वश्रेष्ठ-पहली खोज में निम्नलिखित एल्गोरिदम शामिल है (पर्ल, 1984 से
अनुकू लित):
पहला कदम खुली सूची को एक नोड, शुरुआती नोड के साथ परिभाषित करना है। दूसरा चरण यह जांचना है कि
OPEN खाली है या नहीं। यदि यह खाली है, तो एल्गोरिदम विफलता लौटाता है और बाहर
निकल जाता है। तीसरा चरण सबसे अच्छे स्कोर वाले n नोड को OPEN से हटाकर CLOSED में रखना
है। चौथा चरण नोड n का "विस्तार" करता है, जहां विस्तार n के उत्तराधिकारी नोड्स की
पहचान है। पाँचवाँ चरण फिर प्रत्येक उत्तराधिकारी नोड की जाँच करता है कि उनमें से एक लक्ष्य नोड है या नहीं।
यदि कोई उत्तराधिकारी लक्ष्य नोड है, तो एल्गोरिदम सफलता और समाधान लौटाता है, जिसमें
लक्ष्य से प्रारंभ नोड तक पीछे की ओर पता लगाया गया पथ शामिल होता है। अन्यथा, एल्गोरिथम छठे चरण
, एफ लागू
पर आगे बढ़ता है। प्रत्येक उत्तराधिकारी नोड के लिए, एल्गोरिदम उस पर मूल्यांकन फ़ंक्ननक्श
करता है, फिर यह देखने के लिए जांच करता है कि नोड खुला या बंद है या नहीं। यदि नोड इनमें से किसी में भी
नहीं है, तो इसे OPEN में जोड़ दिया जाता है। अंत में, सातवां चरण एल्गोरिदम को
दूसरे चरण पर वापस भेजकर एक लूपिंग संरचना स्थापित करता है। यह लूप केवल तभी
टूटे
गाजब एल्गोरिदमचरण पां
च में
सफलतायाचरण दोमें
विफलतालौटाएगा।
या है:
एल्गोरिथ्म को यहां छद्म कोड में दर् गयार्शा
1. एक सूची को परिभाषित करें, OPEN, जिसमें केवल एक नोड, प्रारंभ नोड, s शामिल है।
3. सूची से सर्वोत्तम स्कोर वाले नोड n को हटा दें (वह नोड जहां f न्यूनतम है), और इसे एक
सूची में ले जाएं, बंद करें।
5. यदि n का कोई उत्तराधिकारी लक्ष्य नोड है, तो सफलता और समाधान लौटाएँ (लक्ष्य नोड
से s तक पथ का पता लगाकर)।
पर्ल FOR लूप में एक तीसरा चरण जोड़ता है जिसे पहले से देखे गए नोड्स के पुन: विस्तार को रोकने के
लिए डिज़ाइन किया गया है। इस चरण को ऊपर छोड़ दिया गया है क्योंकि यह सभी सर्वोत्तम-प्रथम खोज एल्गोरिदम
केलिएसामान्य नहींहै
।
ए एक प्रारंभिक नोड है, जिसे बी, सी और डी तक विस्तारित किया गया है। एक अनुमानी
फ़ं क्शन, लक्ष्य तक पहुंचने की लागत, इनमें से प्रत्येक नोड पर लागू किया जाता है, क्योंकि
डी सबसे आ जनक
है शा , इसे आगे विस्तारित किया जाता है, जिससे दो उत्तराधिकारी
नोड्स बनते हैं ई और एफ। ह्यूरिस्टिक फ़ं क्शन उन पर लागू होता है। अब शेष चार (बी,सी और एफ) में से
बी अधिक आ जनक
दिखता
शा है और इसलिए यह नोड्स जी और एच का विस्तार कर रहा है।
फिर जब मूल्यांकन किया जाता है तो E अगला पड़ाव प्रतीत होता है, J को नोड्स I और J को जन्म देते हुए
विस्तारित करना होगा। अगले चरण में J का विस्तार करना होगा, क्योंकि यह अधिक
आशाजनक है। यह प्रक्रिया तब तक जारी रहती है जब तक कोई समाधान नहीं मिल जाता।
उपरोक्त चित्र सबसे अच्छा - पहला खोज वृक्ष दिखाता है। चूँकि एक खोज वृक्ष डु प्लिके ट नोड उत्पन्न कर
सकता है, आमतौर पर एक खोज ग्राफ़ को प्राथमिकता दी जाती है।
सबसे अच्छी - पहली खोज एक एल्गोरिदम द्वारा कार्यान्वित की जाती है जिसे A* एल्गोरिदम के नाम
से जाना जाता है। एल्गोरिदम एक निर्दे तग्राफ़
शि खोजता है जिसमें प्रत्येक नोड
समस्या स्थान में एक बिंदु का प्रतिनिधित्व करता है। प्रत्येक नोड में उस समस्या
की स्थिति का विवरण होगा जिसका वह प्रतिनिधित्व करता है और इसमें उसके मूल
नोड्स और उत्तराधिकारी नोड्स के लिंक होंगे। इसके अलावा यह यह भी बताएगा कि खोज प्रक्रिया के लिए यह
कितना सर्वोत्तम है। ए* एल्गोरिदम का उपयोग उत्पन्न किया गया है, उन पर अनुमानी
फ़ं क्शन लागू किए गए हैं, लेकिन उत्तराधिकारी उत्पन्न नहीं हुए हैं। बंद की गई सूची में वे नोड शामिल हैं जिनकी जांच
की गई है, यानी, उनके उत्तराधिकारी उत्पन्न हुए हैं।
f प्रत्येक उत्पन्न नोड के गुणों का अनुमान लगाता है। इस फ़ं क्शन f के दो घटक g
एक अनुमानी फ़ंक्ननक्श
और h हैं। फ़ंक्ननक्श
g प्रारंभिक स्थिति से वर्तमान नोड तक पहुंचने की लागत देता है। फ़ं क्शन h वर्तमान
नोड से लक्ष्य स्थिति तक पहुंचने की अतिरिक्त लागत का एक अनुमान है। फ़ं क्शन f (=g+h) वर्तमान नोड के
माध्यम से प्रारंभिक स्थिति से लक्ष्य स्थिति तक पहुंचने की लागत देता है।
B C
D E
प्रन श्न2: सर्वोत्तम पहले, गहराई पहले और जून.2011 10
चौड़ाई पहले खोज समझाएँ। सबसे अच्छी
पहली खोज कब साधारण चौड़ाई वाली पहली
खोज से भी बदतर होगी?
इकाई-01/व्याख्यान-08
ए * कलन विधि _ _ _ _ _ _ _
A* सर्वोत्तम-प्रथम खोज का उपयोग करता है और किसी दिए गए प्रारंभिक नोड से एक
लक्ष्य नोड (एक या अधिक संभावित लक्ष्यों में से) तक कमसेकमलागत वालापथ ढूंढताहै
। जै
से
ही A* ग्राफ़ को पार करता है, यह रास्ते में वैकल्पिक पथ खंडों की एक क्रमबद्ध
प्राथमिकता कतार रखते हुए, न्यूनतम अपेक्षित कु ल लागत या दूरी के पथ का अनुसरण करता है।
f(x) फ़ं क्शन का h(x) भाग एक स्वीकार्य अनुमानी होना चाहिए; अर्थात्, उसे लक्ष्य की दूरी को अधिक
नहीं आंकना चाहिए। इस प्रकार, रूटिंग जैसे एप्लिकेशन के लिए, h(x) लक्ष्य से सीधी रेखा की दूरी का
प्रतिनिधित्व कर सकता है, क्योंकि यह भौतिक रूप से किन्हीं दो बिंदुओं या नोड्स के
बीच सबसे छोटी संभव दूरी है।
यदि अनुमानी h ग्राफ़ के प्रत्येक किनारे (x, y) के लिए अतिरिक्त शर्त h(x) <= d(x,y) +
h(y) को संतुष्ट करता है (जहाँ d उस किनारे की लंबाई को दर्शाता है), तोh है मोनोटोन, या सुसंगत कहा
जाता है। ऐसे मामले में, A* को अधिक कुशलता से कार्यान्वित किया जा सकता है - मोटे तौर पर
कहें तो, किसी भी नोड को एक से अधिक बार संसाधित करने की आवयकता हीं है (नीचे
न श्य
बंद सेट देखें) - और A* कम लागत d'(x, y) := d(x, y) + h(y) - h(x).
प्रक्रिया
सभी सूचित खोज एल्गोरिदम की तरह, यह पहले उन मार्गों की खोज करता है जो लक्ष्य की ओर ले जाने की
सबसे अधिक संभावना रखते हैं। जो चीज़ A* को लालची सर्वोत्तम-प्रथम खोज से अलग
करती है, वह यह है कि इसमें पहले से तय की गई दूरी को भी ध्यान में रखा जाता है;
अनुमानी का g(x) भाग प्रारंभिक बिंदु से लागत है, न कि के वल पहले विस्तारित नोड से स्थानीय लागत।
प्रारंभिक नोड से शुरू करके , यह पार किए जाने वाले नोड्स की प्राथमिकता कतार बनाए रखता है, जिसे ओपन
सेट या फ्रिंज के रूप में जाना जाता है। किसी दिए गए नोड x के लिए f(x) जितना कम
होगा, उसकी प्राथमिकता उतनी ही अधिक होगी। एल्गोरिथ्म के प्रत्येक चरण में,
सबसे कम f(x) मान वाले नोड को कतार से हटा दिया जाता है, उसके पड़ोसियों के f और
g मानों को तदनुसार अद्यतन किया जाता है, और इन पड़ोसियों को कतार में जोड़ा जाता है। एल्गोरिथ्म
तब तक जारी रहता है जब तक कि लक्ष्य नोड में कतार में किसी भी नोड की तुलना में
कम एफ मान न हो (या जब तक कतार खाली न हो)। (यदि कम एफ मान वाले अन्य नोड बने रहते हैं, तो
लक्ष्य नोड्स को कई बार पार किया जा सकता है, क्योंकि वे लक्ष्य के लिए छोटे पथ की ओर ले
जा सकते हैं।) लक्ष्य का एफ मान तब सबसे छोटे पथ की लंबाई है, क्योंकि एच पर स्वीकार्य अनुमान में लक्ष्य
शून्य है।
अब तक वर्णित एल्गोरिदम हमें के वल सबसे छोटे पथ की लंबाई देता है। चरणों के वास्तविक अनुक्रम को खोजने के
लिए, एल्गोरिदम को आसानी से सं'धित कियाशो जा सकता है ताकि पथ पर प्रत्येक नोड
अपने पूर्ववर्ती का ट्रैक रखे। इस एल्गोरिदम को चलाने के बाद, अंतिम नोड अपने पूर्ववर्ती को इंगित करेगा, और इसी
तरह, जब तक कि कुछ नोड का पूर्ववर्ती प्रारंभ नोड न हो।
इसके अतिरिक्त, यदि अनुमान मोनोटोनिक (या सुसंगत, नीचे देखें) है, तो खोज को और अधिक कुशल
बनाने के लिए पहले से ही ट्रैवर्स किए गए नोड्स के एक बंद सेट का उपयोग किया
जा सकता है।
कलन विधि:
1 . प्रारंभिक नोड वाले OPEN से प्रारंभ करें। इसका g=0 और f ' = h '
2. दोहराएँ
अन्यथा न्यूनतम f' मान के साथ BESTNODE को OPEN पर चुनें और इसे CLOSED पर रखें
अन्य
1. SUCCESSOR को BESTNODE पर वापस इंगित करने के लिए सेट करें। (बैक लिंक से मदद
मि ले गी
पथ पुनर्प्राप्त करें)
3. यदि SUCCESSOR OPEN पर किसी भी नोड के समान है, तोउस नोड को OLS कॉल करें और
BESTNODE के उत्तराधिकारियों में OLD जोड़ें। g(OLD) और g(SUCCESSOR) की जाँच करें।
यह g(SUCCESSOR) सस्ता है तो BESTNODE को इंगित करने के लिए OLD के मूल लिंक को
रीसेट करें। जी(ओएलडी) और एफ '(ओएलडी) को अपडेट करें।
संपूर्ण राज्य क्षेत्र की खोज के बाद सर्वोत्तम प्रथम खोजों से हमेशा लक्ष्य के लिए अच्छे रास्ते मिलेंगे। बस यह
आवयकहै
श्यकि लक्ष्
य दूरीका एक अच्छामाप उपयोगकियाजाए।
ए* एल्गोरिदम
ग्राह्यता का सु'भित
क्षय
शो
यदि h' शायद ही कभी h को d से अधिक आंकता है तो A* एल्गोरिदम शा यदही कभी ऐसा समाधान
खोजेगा जिसकी लागत इष्टतम समाधान से d अधिक हो।
इकाई-01/व्याख्यान-09
एओ* एल्गोरिदम
एओ* एल्गोरिदम (उच्चारण ``एओ-स्टार'') किसी की अनुमानी खोज के लिए ए* के समान एक
एल्गोरिदम
एओ* एल्गोरिदम
1. नोड प्रारंभ करने के लिए ग्राफ़ को प्रारंभ करें
2. उन नोड्स को जमा करने वाले वर्तमान पथ का अनुसरण करते हुए ग्राफ़ को पार करें जिन्हें अभी तक
विस्तारित या हल नहीं किया गया है
3. इनमें से कोई भी नोड चुनें और इसका विस्तार करें और यदि इसका कोई उत्तराधिकारी नहीं है तो इस मान
को FUTILITY कहें अन्यथा प्रत्येक उत्तराधिकारी के लिए केवल f' की गणनाकरें
।
4. यदि f' 0 है तो नोड को SOLVED के रूप में चिह्नित करें
5. नव निर्मित नोड के लिए f' का मान बदलें ताकि उसके उत्तराधिकारियों को बैक
प्रोपेगेशन द्वारा प्रतिबिंबित किया जा सके।
6. जहां भी संभव हो सबसे आशाजनक मार्गों का उपयोग करें और यदि किसी नोड को हल किया गया के रूप में
चिह् नि
त कियागयाहैतोमूल नोड को हल कियाहुआकेरू प में
चिह् नि
त करें
।
7. यदि आरंभिक नोड हल हो गया है या उसका मान व्यर्थता से अधिक है, तो रुकें
,
अन्यथा 2 से दोहराएं।
एओ* एल्गोरिथम 2.
एओ* एल्गोरिदम
जिस समस्या निवारण एल्गोरिथ्म का हमने अभी वर्णन किया है वह मार्टेली और मोंटानारी, मार्टेली और मोंटानारी और
निल्सन में वर्णित एल्गोरिदम का सरलीकरण है। निल्सन इसे AO* एल्गोरिथम कहते हैं, यह नाम हम मानते
हैं।
1. स्टार्ट नोड को खुले में रखें।
2. अब तक निर्मित खोज ट्री का उपयोग करते हुए, सबसे आशाजनक समाधान ट्री टी की गणना करें
3. एक ऐसे नोड n का चयन करें जो खुला है और T का एक हिस्सा है। n को खुले से
हटाएं और इसे बंद पर रखें।
4. यदि n एक टर्मिनल लक्ष्य नोड है, तो n को हल के रूप में लेबल करें। यदि n के
समाधान के परिणामस्वरूप n के किसी भी पूर्वज का समाधान हो जाता है, तोसभीपूर्व
जोंको हल के
रूप में लेबल करें। यदि प्रारंभ नोड s हल हो गया है, तो सफलता केसाथ बाहर निकलें
जहांT
समाधान वृक्ष है। सुलझे हुए पूर्वज वाले सभी नोड्स को खुले से हटाएँ।
5. यदि n एक सॉल्व करने योग्य नोड नहीं है (ऑपरेटर लागू नहीं किया जा सकता है), तो n को
अनसॉल्वेबल के रूप में लेबल करें। यदि प्रारंभ नोड को अघुलन&लके
शी रूप में
। यदिn के पूर्वजों में से कोई भी n के कारण
लेबल किया गया है, तोविफलताकेसाथ बाहर निकलें
शी जाता है, तोउन्हें
अघुलन&लहो भीअघुलन&लले
शी
बल दें
। अघुलन&लपूर्व
शीजों वालेसभीनोड्स को खुलेसे
हटा दें।
6. अन्यथा, इसके सभी उत्तराधिकारियों को उत्पन्न करते हुए नोड n का विस्तार करें। ऐसे प्रत्येक
उत्तराधिकारी नोड के लिए जिसमें एक से अधिक उप समस्याएँ हैं, व्यक्तिगत उप समस्याएँ देने के लिए उनके
उत्तराधिकारियों को उत्पन्न करें। प्रत्येक नव निर्मित नोड को उसके पूर्ववर्ती के लिए एक बैक पॉइंटर संलग्न करें।
प्रत्येक नव निर्मित नोड के लिए लागत अनुमान h* की गणना करें और ऐसे सभी नोड्स
को रखें जिनके पास अभी तक वंशज नहीं हैं। इसके बाद, n पर h* के मान और n के
प्रत्येक पूर्वज की पुनः गणना की गई।
7. चरण 2 पर लौटें।
एओ* एल्गोरिदम के साथ समस्या में कमी।
समस्या में कमी (और - या ग्राफ़ - एओ * एल्गोरिदम)
जब किसी समस्या को उप-समस्याओं के समूह में विभाजित किया जा सकता है, जहां प्रत्येक उप-समस्या को अलग-
अलग हल किया जा सकता है और इनका संयोजन एक समाधान होगा, तोसमाधान का प्र
तिनिधित्व
करने के लिए AND-OR ग्राफ़ या AND - OR पेड़ों का उपयोग किया जाता है। समस्या का
विघटन या समस्या में कमी और आर्क उत्पन्न करती है। एक AND किसी भी संख्या में उत्तराधिकारी
नोड्स को इंगित कर सकता है। इन सभी को हल किया जाना चाहिए ताकि चाप कई चापों तक बढ़ जाए, जो कई
संभावित समाधानों का संके त देगा। इसलिए ग्राफ़ को AND के बजाय AND - OR के रूप में जाना जाता
है। चित्र एक AND - OR ग्रा
फ़दिखाताहै
।
AND - OR ग्राफ़ में समाधान खोजने के लिए एक एल्गोरिदम को AND क्षेत्र को उचित
रूप से संभालना चाहिए। A* एल्गोरिथम AND - OR ग्राफ़ को कुशलतापूर्वक नहीं खोज
सकता। इसे दिए गए आंकड़े से समझा जा सकता है.
चित्र: और - या ग्राफ़
चित्र (ए) में शीर्ष नोड ए को दो क्षेत्रों का निर्माण करते हुए विस्तारित किया गया है, एक बी की ओर जाता है
और एक सीडी की ओर जाता है। प्रत्येक नोड पर संख्याएँ उस नोड पर f ' के मान को दर् हैं
तीर्शा (वर्तमान
स्थिति से लक्ष्य स्थिति तक पहुँचने की लागत)। सरलता के लिए, यह माना जाता है कि प्रत्येक
ऑपरेशन (यानी एक नियम लागू करने) की इकाई लागत होती है, यानी, एकल
उत्तराधिकारी के साथ प्रत्येक की लागत 1 और उसके प्रत्येक घटक की होगी। अब तक उपलब्ध जानकारी के
साथ, ऐसा प्रतीत होता है कि C अपने f' = 3 के बाद से विस्तार करने के लिए सबसे आ जनक
जनकशा
नोड है, सबसे कम लेकिन B से गुजरना बेहतर होगा क्योंकि C का उपयोग करने के लिए हमें D' का भी
उपयोग करना होगा और लागत 9 होगी। (3+4+1+1). बी के माध्यम से यह 6(5+1) होगा।
इस प्रकार विस्तार के लिए अगले नोड का चुनाव न के वल na मान पर निर्भर करता है, बल्कि इस पर भी निर्भर करता
है कि क्या वह नोड प्रारंभिक मोड से वर्तमान सर्वोत्तम पथ का हिस्सा है। चित्र (बी) इसे स्पष्ट करता है। चित्र में नोड
जी सबसे आशाजनक नोड प्रतीत होता है, न्यूनतम एफ 'मान के साथ। लेकिन G वर्तमान बीट पथ पर नहीं है,
क्योंकि G का उपयोग करने के लिए हमें 9 की लागत के साथ GH का उपयोग करना होगा
और फिर यह मांग करता है कि आर्क्स का उपयोग किया जाए (27 की लागत के साथ)। (17+1=18) की कुल
लागत के साथ ए से बी, ईएफ तक का मार्ग बेहतर है। इस प्रकार हम देख सकते हैं कि
AND-OR ग्रा
फ़खोजनेकेलिएनिम्न
लिखित तीन चीज़ें
करनीहों
गी।
1. प्रारंभिक नोड से शुरू करके और वर्तमान सर्वोत्तम पथ का अनुसरण करते हुए ग्राफ़
को पार करें, और उन नोड्स के सेट को जमा करें जो पथ पर हैं और अभी तक विस्तारित नहीं हुए हैं।
2. इन गैर-विस्तारित नोड्स में से एक को चुनें और इसका विस्तार करें। इसके उत्तराधिकारियों को ग्राफ़ में जोड़ें
और उनमें से प्रत्येक के लिए कं प्यूटर f' (शेष दूरी की लागत) जोड़ें।
AND - OR ग्राफ़ की अनुमानी खोज करने के लिए एल्गोरिदम नीचे दिया गया है। A*
एल्गोरिदम के विपरीत, जो दो सूचियों OPEN और CLOSED का उपयोग करता है, AO*
एल्गोरिदम एकल संरचना G का उपयोग करता है। G अब तक उत्पन्न खोज ग्राफ़ के भाग
का प्रतिनिधित्व करता है। जी में प्रत्येक नोड अपने तत्काल उत्तराधिकारियों और
अपने तत्काल पूर्ववर्तियों को इंगित करता है, और इसके साथ स्वयं से समाधान नोड्स के एक
सेट तक पथ की एच लागत का मूल्य भी होता है। प्रारंभ नोड्स से वर्तमान नोड "जी" तक पहुं
चनेकी लागत ए*
एल्गोरिदम के अनुसार संग्रहीत नहीं की जाती है। ऐसा इसलिए है क्योंकि ऐसे किसी
एक मूल्य की गणना करना संभव नहीं है क्योंकि एक ही स्थिति में कई रास्ते हो सकते
हैं। एओ* में एल्गोरिदम एक नोड की अच्छाई के अनुमान के रूप में कार्य करता है। इसके अलावा FUTILITY नामक
एक मान का उपयोग किया जाता है। किसी समाधान की अनुमानित लागत निरर्थकता से
अधिक है तो खोज को व्यावहारिक होने के लिए बहुत व्यापक मानकर छोड़ दिया जाता
है।
उपरोक्त ग्राफ़ का प्रतिनिधित्व करने के लिए AO* एल्गोरिदम इस प्रकार है
एओ* एल्गोरिदम:
1. मान लीजिए कि G केवल प्रारंभिक अवस्था का प्रतिनिधित्व करने वाले नोड से बना है,
इस नोड को INTT कहते हैं। गणना करना
एच' (आईएनआईटी)।
(बी) यदि उत्तराधिकारी एक टर्मिनल नोड नहीं है, तो इसेहल चिह् नि और इसकेएच 'मान को
त करें
शून्य निर्दिष्ट करें।
(III) निम्नलिखित कार्य करके नई खोजी गई जानकारी को ग्राफ़ में प्रसारित करें। मान लीजिए S नोड्स का एक सेट है
जिसे SOLVED के रूप में चिह्नित किया गया है। S से NODE आरंभ करें। जब तक S खाली न
हो, निम्न प्रक्रिया दोहराएँ;
(ए) यदि वर्तमान है तो एस कॉल से एक नोड का चयन करें और इसे एस से हटा दें।
(बी) करंट से निकलने वाले प्रत्येक चाप के h' की गणना करें, न्यूनतम h' निर्दिष्ट करें
मौजूदा।
(सी) न्यूनतम लागत पथ को वर्तमान में सर्वोत्तम के रूप में चिह्नित करें।
(डी) यदि सभी नोड्स नए के माध्यम से इससे जुड़े हैं तो करंट सॉल्व्ड को चिह्नित
करें
उन्हें SOLVED का लेबल दिया गया है।
(ई) यदि करंट को हल के रूप में चिह्नित किया गया है या इसका एच 'अभी बदला गया है,
तो इसकी नई स् थि
ति को ग्रा
फ़में चारित किया जाना चाहिए। इसलिए CURRENT के सभी
पीछेकी ओर प्र
पूर्वज जोड़ दिए जाते हैं
से एस.
एओ* खोज प्रक्रिया।
नियंत्रण रणनीति की पहली आवश्यकता यह है कि वह गति उत्पन्न करे। नियंत्रण रणनीति की दूसरी आवश्यकता यह
है कि मुद्दा व्यवस्थित होना चाहिए। हम इन दोनों को पानी के जग की समस्या के संबंध में समझाएंगे। यदि हमने पहले
ऑपरेटर को चुनना और फिर पहले वाले से मेल खाने वाले ऑपरेटर को चुनना लागू
किया होता, तोहम समस्याका समाधान नहींकर पाते
। यदिहम किसी ऐसीरणनीतिका पालन करतेहैं
जोकुछ
हलचल पैदा कर सकती है तो समाधान निकलेगा। लेकिन अगर इसका व्यवस्थित तरीके से पालन न किया जाए तो
इसका समाधान मिल जाता है। एक व्यवस्थित नियंत्रण रणनीति का पालन करने के लिए एक दिन प्रारंभिक अवस्था
को उसकी जड़ के रूप में एक पेड़ का निर्माण करना है। प्रथम स्तर के पत्ती नोड्स
से सभी संभावित संयोजनों को लागू करके । प्रक्रिया को तब तक जारी रखें जब तक कि कोई नियम लक्ष्य स्थिति
उत्पन्न न कर दे। पानी के जग की समस्या के लिए एक पेड़ का निर्माण किया जा सकता है जैसा कि निम्नलिखित चित्र
में दिखाया गया है।
खोज प्रक्रिया के लिए नियंत्रण रणनीति को चौड़ाई पहली खोज कहा जाता है। अन्य व्यवस्थित नियंत्रण रणनीतियाँ
भी उपलब्ध हैं। उदाहरण के लिए, हम किसी पेड़ की एक शाखा का चयन तब तक कर सकते हैं जब तक
कि वह कोई समाधान न दे दे या जब तक कि कुछ पूर्व निर्दिष्ट गहराई तक न पहुंच जाए।
यदि नहीं तो हम वापस जाएं और अन्य शा खाओंका पता लगाएं। इसे गहराई - पहली - खोज
कहते हैं। जल जग की समस्या का समाधान किसी भी नियंत्रण रणनीति को अपनाने से
मिलेगा क्योंकि समस्या सरल है। ऐसी स्थिति हर बार नहीं होती है।