Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ΠΛΗ31 ΜΑΘΗΜΑ 1.2

6,449 views

Published on

1) Εισαγωγή
1.1) Ορισμοί για Δένδρα
1.2) Χώρος Καταστάσεων - Χώρος Αναζήτησης
2) Αλγόριθμοι Τυφλής Αναζήτησης
2.1) Αναζήτηση Κατά Βάθος
2.1.1) Ψευδογλώσσα
2.1.2) Παράδειγμα Εκτέλεσης
2.1.3) Παρατηρήσεις
2.1.4) Βελτιστότητα
2.1.5) Πληρότητα
2.1.6) Πολυπλοκότητα Χρόνου
2.1.7) Πολυπλοκότητα Χώρου
2.2) Αναζήτηση Κατά Πλάτος
2.2.1) Ψευδογλώσσα
2.2.2) Παράδειγμα Εκτέλεσης
2.2.3) Παρατηρήσεις
2.2.4) Βελτιστότητα
2.2.5) Πληρότητα
2.2.6) Πολυπλοκότητα Χρόνου
2.2.7) Πολυπλοκότητα Χώρου

Published in: Education
  • Be the first to comment

  • Be the first to like this

ΠΛΗ31 ΜΑΘΗΜΑ 1.2

  1. 1. ΠΛΗ31 ΕΝΟΤΗΤΑ 1: ΑΝΑΖΗΤΗΣΗ Μάθηµα 1.2: Τυφλή Αναζήτηση ∆ηµήτρης Ψούνης∆ηµήτρης Ψούνης
  2. 2. ΠΕΡΙΕΧΟΜΕΝΑ Α. Σκοπός του Μαθήµατος Β.Θεωρία 1. Εισαγωγή 2∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση 2. Αναζήτηση Κατά Πλάτος 1. Ψευδογλώσσα 2. Παράδειγµα Εκτέλεσης 3. Παρατηρήσεις 1. Ορισµοί για ∆ένδρα 2. Χώρος Καταστάσεων – Χώρος Αναζήτησης 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αναζήτηση Κατά Βάθος 1. Ψευδογλώσσα 2. Παράδειγµα Εκτέλεσης 3. Παρατηρήσεις 3. Παρατηρήσεις 4. Βελτιστότητα 5. Πληρότητα 6. Πολυπλοκότητα Χρόνου 7. Πολυπλοκότητα Χώρου Γ.Ασκήσεις 3. Παρατηρήσεις 4. Βελτιστότητα 5. Πληρότητα 6. Πολυπλοκότητα Χρόνου 7. Πολυπλοκότητα Χώρου
  3. 3. Α. Σκοπός του Μαθήµατος Επίπεδο Α Οι αλγόριθµοι τυφλής αναζήτησης Κατά Βάθος και Κατά Πλάτος 3∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Επίπεδο Β Πληρότητα, Βελτιστότητα, Πολυπλοκότητα Χρόνου και Πολυπλοκότητα Χώρου των αλγορίθµων τυφλής αναζήτησης. Το Πρόβληµα του Λαβυρίνθου Επίπεδο Γ (-)
  4. 4. Β. Θεωρία 1. Εισαγωγή 1. Ορισµοί ∆ένδρων 4∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση v1 Επίπεδο 0 Ρίζα του δένδρου (είναι µοναδική) Στο παράδειγµα η v1 Φύλλα (= κόµβοι που δεν έχουν παιδιά). Στο π.χ.: v4,v6,v7,v8,v9,v10 Εσωτερικοί Κόµβοι (= κόµβοι που έχουν παιδιά). Στο π.χ.: v1,v2,v3,v5 v2 v3 v4 v5 v6 v7 Επίπεδο 1 Επίπεδο 2 (επίπεδο κόµβου ονοµάζεται η απόσταση (σε πλήθος ακµών) της ρίζας από τον κόµβο) έχουν παιδιά). Στο π.χ.: v1,v2,v3,v5 ΒΑΘΟΣ ∆ΕΝ∆ΡΟΥ = Μέγιστο Επίπεδο(Στο π.χ=3) (Συµβολίζεται συνήθως µε d) v8 Επίπεδο 3 ΠΑΡΑΓΟΝΤΑΣ ∆ΙΑΚΛΑ∆ΩΣΗΣ =Μέγιστο Πλήθος Παιδιών που έχει ένας εσωτερικός κόµβος (Στο π.χ. 3). (Συµβολίζεται συνήθως µε b) Το δένδρο λέγεται b-αδικό v9 v10 Για έναν συγκεκριµένο κόµβο (π.χ. για τον v5) Πατέρας του κόµβου είναι ο v2 Πρόγονοι του κόµβου είναι οι v2 και v1 Παιδιά του κόµβου είναι οι v8,v9,v10 Μονοπάτι από την ρίζα εώς το v9 Είναι το v1-v2-v5-v9
  5. 5. Β. Θεωρία 1. Εισαγωγή 2. Γράφος Αναζήτησης-Χώρος Αναζήτησης Από το προηγούµενο µάθηµα υπενθυµίζουµε: 5∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΕΩΝ (ή ΓΡΑΦΟΣ ΚΑΤΑΣΤΑΣΕΩΝ) είναι ένας γράφος που έχει: • ως κορυφές όλες τις έγκυρες καταστάσεις • ως ακµές (κατευθυνόµενες ή µη κατευθυνόµενες ανάλογα µε το πρόβληµα) τις ενέργειες που συνδέουν µια κατάσταση µε µια άλλη. ΧΩΡΟΣ ΑΝΑΖΗΤΗΣΗΣ είναι ένας δένδρο που περιέχει όλα ταΧΩΡΟΣ ΑΝΑΖΗΤΗΣΗΣ είναι ένας δένδρο που περιέχει όλα τα µονοπάτια από την αφετηρία προς τον κόµβο-στόχο Η παραγωγή του γίνεται µε συγκεκριµένο αλγόριθµο: Εξετάζουµε όλους του κόµβους και: • Θέτουµε ως παιδιά του κόµβου τους γείτονες στον γράφο, που δεν είναι πρόγονοι στο δένδρο.
  6. 6. Β. Θεωρία 1. Εισαγωγή 1. Χώρος Αναζήτησης Βλέπουµε ένα ακόµη παράδειγµα ενός χώρου καταστάσεων: 6∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση 3 5 4 5 4 3 S A B C G Και έστω ότι αρχική κατάσταση είναι η S και τελική κατάσταση είναι η G. Στην επόµενη διαφάνεια φαίνεται ο χώρος αναζήτησης 4 2 4 3 D E F
  7. 7. 7∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D 3 4 5 54 2 DB E F C D E B F A E B C E B F A C G 4 4 2 2 5 5 5 54 4 44 4 4 3 Αδιέξοδο F G D B F C G C E F G A C G 4 43 3 3 Μονοπάτι: S,A,B,E,F,G Μονοπάτι: S,A,D,E,F,G Μονοπάτι: S,D,A,B,E,F,G Μονοπάτι: S,D,E,F,G Αδιέξοδο Αδιέξοδο Αδιέξοδο Αδιέξοδο Αδιέξοδο
  8. 8. Β. Θεωρία 1. Εισαγωγή 2. ∆ένδρο Αναζήτησης Ο χώρος αναζήτησης είναι ΤΕΡΑΣΤΙΟΣ και δεν µπορεί να εξερευνηθεί εξ’ ολοκλήρου, ιδίως για µεγάλους χώρους καταστάσεων 8∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ολοκλήρου, ιδίως για µεγάλους χώρους καταστάσεων Οι αλγόριθµοι αναζήτησης εξερευνούν τον χώρο αναζήτησης ως εξής: Με µία µεθοδολογία (που εξαρτάται από τον αλγόριθµο) αναπτύσσουν έναν κόµβο µόνο εφόσον φαίνεται υποσχόµενος ότι θα οδηγήσει σε µία λύση. Έτσι σταδιακά, κατασκευάζουν ένα µέρος του χώρου αναζήτησης ο οποίος θα αποτελεί το ∆ΕΝ∆ΡΟ ΑΝΑΖΗΤΗΣΗΣ του συγκεκριµένου αλγορίθµου.αλγορίθµου. ∆ΕΝ∆ΡΟ ΑΝΑΖΗΤΗΣΗΣ είναι το µέρος του χώρου αναζήτησης που παράγεται από έναν αλγόριθµο αναζήτησης ΧΩΡΟΣ ΚΑΤΑΣΤΑΣΕΩΝ ΧΩΡΟΣ ΑΝΑΖΗΤΗΣΗΣ ∆ΕΝ∆ΡΟ ΑΝΑΖΗΤΗΣΗΣ ΤΗΣ ΚΑΤΑ ΒΑΘΟΣ
  9. 9. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης Για την εύρεση ενός µονοπατιού-λύσης έχουµε τους µηχανισµούς πλοήγησης που χωρίζονται σε δύο κατηγορίες: 9∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση πλοήγησης που χωρίζονται σε δύο κατηγορίες: Αλγόριθµοι Τυφλής Αναζήτησης (είναι αλγόριθµοι που αναζητούν µια λύση χωρίς να λαµβάνουν υπόψιν τα βάρη των ακµών) Αλγόριθµος αναζήτησης κατά βάθος Αλγόριθµος αναζήτησης κατά πλάτος Αλγόριθµοι Ευρετικής Αναζήτησης (που λαµβάνουν υπόψιν τα βάρη των ακµών) Απληστος Αλγόριθµος Αλγόριθµος A* Αλγόριθµος UCS
  10. 10. Ο αλγόριθµος διάσχισης κατά βάθος κινείται σαν βολίδα κάνοντας µια βουτιά στον χώρο αναζήτησης προσπαθώντας να εντοπίσει µία λύση: 10∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (1.Ψευδογλώσσα) βουτιά στον χώρο αναζήτησης προσπαθώντας να εντοπίσει µία λύση: ΑΛΓΟΡΙΘΜΟΣ ΚΑΤΑ ΒΑΘΟΣ Βήµα 1: ∆ηµιούργησε το δένδρο αναζήτησης Τ, το οποιο αρχικά αποτελείται από τον κόµβο αρχής n0 Βήµα 1.1: ∆ηµιούργησε µια στοίβα και ονόµασε την ΑΝΟΙΚΤΕΣ Βήµα 1.2: ∆ηµιούργησε µια λίστα και ονόµασε την ΚΛΕΙΣΤΕΣ Βήµα 1.3: Τοποθέτησε τον n0 στην ΑΝΟΙΚΤΕΣ Βήµα 2: Αν η ΑΝΟΙΚΤΕΣ είναι κενή στοίβα τότε τερµάτισε µε αποτυχία Βήµα 2.1: Επέλεξε το πρώτο στοιχείο της και αφαίρεσε το από αυτήν Βήµα 2.2: Ονόµασε αυτό το στοιχείο nΒήµα 2.2: Ονόµασε αυτό το στοιχείο n Βήµα 3: Αν το n είναι ο στόχος τότε τερµάτισε µε επιτυχία και επέστρεψε τη λύση. Βήµα 3.1: Επέκτεινε το n, δηλαδή εµφάνισε τα παιδιά της που δεν είναι στις κλειστές Βήµα 3.2: Τοποθέτησε τους παραγόµενους κόµβους στην αρχή της στοίβας. Βήµα 3.3: Βάλε το n στις ΚΛΕΙΣΤΕΣ και αφαίρεσε όλες τις εµφανίσεις του n από τις ΑΝΟΙΚΤΕΣ Βήµα 4: Επέστρεψε στο βήµα 2.
  11. 11. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (1.Ψευδογλώσσα) Εµπειρικά: 11∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΑΛΓΟΡΙΘΜΟΣ ΚΑΤΑ ΒΑΘΟΣ Αρχικά: • Βάζουµε την αφετηρία στο δένδρο. Επαναληπτικά: • Πατάµε «αριστερόστροφα» στον επόµενο κόµβο. • Ανοίγουµε τους γείτονες του (που δεν είναι πρόγονοί του) και τους θέτουµε ως• Ανοίγουµε τους γείτονες του (που δεν είναι πρόγονοί του) και τους θέτουµε ως παιδιά του • ∆ιαγράφουµε ανοικτές εµφανίσεις των κόµβων που έχουµε πατήσει. Εως ότου: • Πατήσουµε στον κόµβο-στόχο
  12. 12. 12∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D ∆ιαίσθηση: «Αριστερόστροφα Πατήµατα» DB E F C D E B F A E B C E B F A C G F G D B F C G C E F G A C G
  13. 13. 13∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {}
  14. 14. 14∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S}
  15. 15. 15∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D DB (2) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A}
  16. 16. 16∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D DB (2) (3) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E, DSA,DS) {S,A,B} EC
  17. 17. 17∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D DB (2) (3) (4) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E, DSA,DS) {S,A,B} 4 (E, D ,D ) {S,A,B,C} EC
  18. 18. 18∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D DB (2) (3) (4) (5) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E,DSA,DS) {S,A,B} 4 (E,DSA,DS) {S,A,B,C} 5 (D ,F,D ,D ) {S,A,B,C,E} EC (5) FD
  19. 19. 19∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) A D DB (2) (3) (4) (5) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E,DSA,DS) {S,A,B} 4 (E,DSA,DS) {S,A,B,C} 5 (DSABE,F,DSA,DS) {S,A,B,C,E} 6 (F) {S,A,B,C,E,D} EC (5) FD (6)
  20. 20. 20∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ A D DB (2) (3) (4) (5) 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E,DSA,DS) {S,A,B} 4 (E,DSA,DS) {S,A,B,C} 5 (DSABE,F,DSA,DS) {S,A,B,C,E} 6 (F) {S,A,B,C,E,D} 7 (G) {S,A,B,C,E,D,F} EC FD (6) G (7)
  21. 21. 21∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (2.Παράδειγµα Εκτέλεσης) S (1) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (B,DSA,DS) {S,A} 3 (C,E,DSA,DS) {S,A,B} A D DB (2) (3) (4) (5) 3 (C,E,DSA,DS) {S,A,B} 4 (E,DSA,DS) {S,A,B,C} 5 (DSABE,F,DSA,DS) {S,A,B,C,E} 6 (F) {S,A,B,C,E,D} 7 (G) {S,A,B,C,E,D,F} 8 () {S,A,B,C,E,D,F,G} EC FD (6) G (7) (8) Μονοπάτι: S-A-B-E-F-G Κόστος Μονοπατιού: 19 Σειρά Επίσκεψης: S-A-B-C-E-D-F-G Βήµατα: 8
  22. 22. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (3.Παρατηρήσεις) ΠΑΡΑΤΗΡΗΣΗ 1: Σειρά Τοποθέτησης των Παιδιών 22∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Υιοθετούµε την εξής σύµβαση: Όταν εισάγουµε τα παιδιά ενός κόµβου η σειρά µε την οποία τα βάζουµε στην λίστα ΑΝΟΙΚΤΕΣ είναι λεξικογραφική (αλφαβητική) Αν ακολουθήσουµε διαφορετική σύµβαση θα προκύψει διαφορετική εκτέλεση της κατά βάθος που ίσως οδηγήσει σε άλλη λύση Αν δεν καθορίζεται από την εκφώνηση ακολουθούµε την λεξικογραφική σειρά και θα αναφέρουµε ότι κάνουµε την συγκεκριµένη παραδοχή. Σε κάποιες εκφωνήσεις θα µας δίνεται η σειρά των κόµβων για τηνΣε κάποιες εκφωνήσεις θα µας δίνεται η σειρά των κόµβων για την διάσπαση των ισοπαλιών, δηλαδή για την απόφαση µε ποια σειρά εισάγονται οι κόµβοι στην λίστα ΑΝΟΙΚΤΕΣ
  23. 23. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (3.Παρατηρήσεις) ΠΑΡΑΤΗΡΗΣΗ 2: Παραλλαγές του Αλγορίθµου Κατά Βάθος 23∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Το ΕΑΠ δεν έχει διαλευκάνει το κριτήριο τερµατισµού του αλγορίθµου Συγκεκριµένα ακολουθούνται δύο κριτήρια τερµατισµού: Να πατήσουµε στον κόµβο-στόχο (όπως στις διαφάνειες αυτές) Οπότε και σταµατάµε στο βήµα 8 Να εµφανιστεί ο κόµβος-στοχος στους απογόνους του κόµβου που «πατάµε» Στο παράδειγµα µας θα σταµατούσαµε στο βήµα 7.Στο παράδειγµα µας θα σταµατούσαµε στο βήµα 7.
  24. 24. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος(4.Πληρότητα) 24∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΠΛΗΡΟΤΗΤΑ ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι πλήρης, εάν σίγουρα Ο αλγόριθµος αναζήτησης Κατά Βάθος ∆ΕΝ ΕΙΝΑΙ πλήρης Σε πεπερασµένους χώρους αναζήτησης είναι πλήρης. Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι πλήρης, εάν σίγουρα µπορεί να εντοπίσει µια (οποιαδήποτε) λύση στον χώρο αναζήτησης εφόσον αυτή υπάρχει. Εάν δεν υπάρχει θα πρέπει να είναι σε θέση να απαντήσει ότι δεν υπάρχει λύση. Σε πεπερασµένους χώρους αναζήτησης είναι πλήρης. Σε άπειρους χώρους αναζήτησης µπορεί να εγκλωβιστεί σε υποδένδρο που δεν περιέχει λύση του προβλήµατος, άρα δεν θα τερµατίζει ποτέ.
  25. 25. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (5.Βέλτιστος) 25∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Πότε ένας ΑΛΓΟΡΙΘΜΟΣ ΑΝΑΖΗΤΗΣΗΣ είναι ΒΕΛΤΙΣΤΟΣ Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι ΒΕΛΤΙΣΤΟΣ µε βάση Ο αλγόριθµος αναζήτησης Κατά Βάθος ∆ΕΝ ΕΙΝΑΙ ΒΕΛΤΙΣΤΟΣ Όσον αφορά την απόσταση από την ρίζα: Εντοπίζει την πρώτη λύση Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι ΒΕΛΤΙΣΤΟΣ µε βάση δύο κριτήρια: Α: Αν επιστρέφει την λύση που είναι κοντινότερα στην ρίζα (Αν ο Γράφος δεν έχει Βάρη). Β: Αν επιστρέφει την λύση που έχει το µικρότερο κόστος (Αν ο Γράφος έχει Βάρη). Όσον αφορά την απόσταση από την ρίζα: Εντοπίζει την πρώτη λύση κατά τη διάρκεια της «βουτιάς» ενώ µπορεί σε άλλο κλάδο να βρίσκεται µια λύση πιο κοντά στην ρίζα Όσον αφορά το κόστος: ∆εν συνεκτιµά τα κόστη των ακµών, άρα δεν επιστρέφει την βέλτιση λύση.
  26. 26. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (6. Πολ/τα Χρόνου) 26∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΧΡΟΝΙΚΗ ΠΟΛΥΠΛΟΚΟΤΗΤΑ ενός ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Χρονική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος Κάνουµε µια ανάλυση χειρότερης περίπτωσης σε ένα δένδρο που έχει βάθος d και έχει παράγοντα διακλάδωσης b: Χρονική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος των κόµβων του χώρου αναζήτησης που απαιτείται να εξετάσει ο αλγόριθµος προκειµένου να οδηγηθεί σε µία λύση. b Στην χειρότερη περίπτωση ο αλγόριθµος θα Βάθος: d b Στην χειρότερη περίπτωση ο αλγόριθµος θα εξετάσει όλους τους κόµβους του δένδρου: Άρα µιλάµε για εκθετική πολυπλοκότητα 1 2 1 1 ... ( ) 1 d d db b b b O b b + − + + + + = = −
  27. 27. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Βάθος (7. Πολ/τα Χώρου) 27∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΧΩΡΙΚΗ ΠΟΛΥΠΛΟΚΟΤΗΤΑ ενός ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Χωρική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος Κάνουµε µια ανάλυση χειρότερης περίπτωσης σε ένα δένδρο που έχει βάθος d και έχει παράγοντα διακλάδωσης b: Χωρική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος των κόµβων του χώρου αναζήτησης που θα πρέπει να αποθηκεύονται στην λίστα ΑΝΟΙΚΤΕΣ. b Βάθος: db
  28. 28. Ο αλγόριθµος διάσχισης κατά πλάτος κινείται κατά επίπεδα στον χώρο αναζήτησης προσπαθώντας να εντοπίσει µία λύση: 28∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (1.Ψευδογλώσσα) αναζήτησης προσπαθώντας να εντοπίσει µία λύση: ΑΛΓΟΡΙΘΜΟΣ ΚΑΤΑ ΠΛΑΤΟΣ Βήµα 1: ∆ηµιούργησε το δένδρο αναζήτησης Τ, το οποιο αρχικά αποτελείται από τον κόµβο αρχής n0 Βήµα 1.1: ∆ηµιούργησε µια ουρά και ονόµασε την ΑΝΟΙΚΤΕΣ Βήµα 1.2: ∆ηµιούργησε µια λίστα και ονόµασε την ΚΛΕΙΣΤΕΣ Βήµα 1.3: Τοποθέτησε τον n0 στην ΑΝΟΙΚΤΕΣ Βήµα 2: Αν η ΑΝΟΙΚΤΕΣ είναι κενή ουρά τότε τερµάτισε µε αποτυχία Βήµα 2.1: Επέλεξε το πρώτο στοιχείο της και αφαίρεσε το από αυτήν Βήµα 2.2: Ονόµασε αυτό το στοιχείο nΒήµα 2.2: Ονόµασε αυτό το στοιχείο n Βήµα 3: Αν το n είναι ο στόχος τότε τερµάτισε µε επιτυχία και επέστρεψε τη λύση. Βήµα 3.1: Επέκτεινε το n, δηλαδή εµφάνισε τα παιδιά της που δεν είναι στις κλειστές Βήµα 3.2: Τοποθέτησε τους παραγόµενους κόµβους στο τέλος της ουράς. Βήµα 3.3: Βάλε το n στις ΚΛΕΙΣΤΕΣ και αφαίρεσε όλες τις εµφανίσεις του n από τις ΑΝΟΙΚΤΕΣ Βήµα 4: Επέστρεψε στο βήµα 2.
  29. 29. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (1.Ψευδογλώσσα) Εµπειρικά: 29∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΑΛΓΟΡΙΘΜΟΣ ΚΑΤΑ ΠΛΑΤΟΣ Αρχικά: • Βάζουµε την αφετηρία στο δένδρο. Επαναληπτικά: • Πατάµε «κατά επίπεδα» στον επόµενο κόµβο. • Ανοίγουµε τους γείτονες του (που δεν είναι πρόγονοί του) στον γράφο και τους• Ανοίγουµε τους γείτονες του (που δεν είναι πρόγονοί του) στον γράφο και τους θέτουµε ως παιδιά του. • ∆ιαγράφουµε ανοικτές εµφανίσεις του κόµβου που πατήσαµε. Εως ότου: • Πατήσουµε στον κόµβο-στόχο
  30. 30. 30∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D ∆ιαίσθηση: «Πατήµατα κατά επίπεδα» DB E F C D E B F A E B C E B F A C G F G D B F C G C E F G A C G
  31. 31. 31∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (2.Παράδειγµα Εκτέλεσης) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {}
  32. 32. 32∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (2.Παράδειγµα Εκτέλεσης) (1) A D Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S}
  33. 33. 33∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (2.Παράδειγµα Εκτέλεσης) (1) A D DB (2) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A}
  34. 34. 34∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (2.Παράδειγµα Εκτέλεσης) (1) A D DB (2) A E (3) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D}
  35. 35. 35∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D (1) (2) (3) (4) DB A E EC (4) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D} 4 (ESD,C,ESAB) {S,A,D,B}
  36. 36. 36∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D (1) (2) (3) (4) (5) DB A E EC (4) (5) B F Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D} 4 (ESD,C,ESAB) {S,A,D,B} 5 (C,F) {S,A,D,B,E}
  37. 37. 37∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D (1) (2) (3) (4) (5) DB A E EC (4) (5) B F (6) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D} 4 (ESD,C,ESAB) {S,A,D,B} 5 (C,F) {S,A,D,B,E} 6 (F) {S,A,D,B,E,C}
  38. 38. 38∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D (1) (2) (3) (4) (5) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ DB A E EC (4) (5) B F (6) (7) 0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D} 4 (ESD,C,ESAB) {S,A,D,B} 5 (C,F) {S,A,D,B,E} 6 (F) {S,A,D,B,E,C} 7 (G) {S,A,D,B,E,C,F} G
  39. 39. 39∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση S A D (1) (2) (3) (4) (5) Βήµα ΑΝΟΙΚΤΕΣ ΚΛΕΙΣΤΕΣ 0 (S) {} DB A E EC (4) (5) B F (6) (7) (8)0 (S) {} 1 (A,D) {S} 2 (DS,B,DSA) {S,A} 3 (B,E) {S,A,D} 4 (ESD,C,ESAB) {S,A,D,B} 5 (C,F) {S,A,D,B,E} 6 (F) {S,A,D,B,E,C} 7 (G) {S,A,D,B,E,C,F} 8 () {S,A,D,B,E,C,F,G} G Μονοπάτι: S-D-E-F-G Κόστος Μονοπατιού: 13 Σειρά Επίσκεψης: S-A-D-B-E-C-F-G Βήµατα: 8
  40. 40. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Πλάτος (3.Παρατηρήσεις) ΠΑΡΑΤΗΡΗΣΗ 1: Σειρά Τοποθέτησης των Παιδιών 40∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Υιοθετούµε την εξής σύµβαση: Όταν εισάγουµε τα παιδιά ενός κόµβου η σειρά µε την οποία τα βάζουµε στην λίστα ΑΝΟΙΚΤΕΣ είναι λεξικογραφική (αλφαβητική) Αν ακολουθήσουµε διαφορετική σύµβαση θα προκύψει διαφορετική εκτέλεση της κατά βάθος που ίσως οδηγήσει σε άλλη λύση Αν δεν καθορίζεται από την εκφώνηση ακολουθούµε την λεξικογραφική σειρά και θα αναφέρουµε ότι κάνουµε την συγκεκριµένη παραδοχή. Σε κάποιες εκφωνήσεις θα µας δίνεται η σειρά των κόµβων για τηνΣε κάποιες εκφωνήσεις θα µας δίνεται η σειρά των κόµβων για την διάσπαση των ισοπαλιών, δηλαδή για την απόφαση µε ποια σειρά εισάγονται οι κόµβοι στην λίστα ΑΝΟΙΚΤΕΣ
  41. 41. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 1. Αλγόριθµος Αναζήτησης Κατά Πλάτος (3.Παρατηρήσεις) ΠΑΡΑΤΗΡΗΣΗ 2: Παραλλαγές του Αλγορίθµου Κατά Πλάτος 41∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Το ΕΑΠ δεν έχει διαλευκάνει το κριτήριο τερµατισµού του αλγορίθµου Συγκεκριµένα ακολουθούνται δύο κριτήρια τερµατισµού: Να πατήσουµε στον κόµβο-στόχο (όπως στις διαφάνειες αυτές) Οπότε και σταµατάµε στο βήµα 8 Να εµφανιστεί ο κόµβος-στοχος στους απογόνους του κόµβου που «πατάµε» Στο παράδειγµα µας θα σταµατούσαµε στο βήµα 7.Στο παράδειγµα µας θα σταµατούσαµε στο βήµα 7.
  42. 42. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (4.Πληρότητα) 42∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΠΛΗΡΟΤΗΤΑ ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι πλήρης, εάν σίγουρα Ο αλγόριθµος αναζήτησης κατά πλάτος ΕΙΝΑΙ πλήρης, διότι έστω και σε έναν πολύ µεγάλο χρόνο θα εξετάσει όλους τους κόµβους του δένδρου. Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι πλήρης, εάν σίγουρα µπορεί να εντοπίσει µια (οποιαδήποτε) λύση στον χώρο αναζήτησης εφόσον αυτή υπάρχει. Εάν δεν υπάρχει θα πρέπει να είναι σε θέση να απαντήσει ότι δεν υπάρχει λύση. έναν πολύ µεγάλο χρόνο θα εξετάσει όλους τους κόµβους του δένδρου.
  43. 43. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (5.Βέλτιστος) 43∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Πότε ένας ΑΛΓΟΡΙΘΜΟΣ ΑΝΑΖΗΤΗΣΗΣ είναι ΒΕΛΤΙΣΤΟΣ Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι ΒΕΛΤΙΣΤΟΣ µε βάση Ο αλγόριθµος αναζήτησης Κατά Πλάτος: Ένας αλγόριθµος αναζήτησης θα λέµε ότι είναι ΒΕΛΤΙΣΤΟΣ µε βάση δύο κριτήρια: Α: Αν επιστρέφει την λύση που είναι κοντινότερα στην ρίζα (Αν ο Γράφος δεν έχει Βάρη). Β: Αν επιστρέφει την λύση που έχει το µικρότερο κόστος (Αν ο Γράφος έχει Βάρη). Ο αλγόριθµος αναζήτησης Κατά Πλάτος: Όσον αφορά την απόσταση από την ρίζα: Είναι βέλτιστος διότι θα εντοπίσει την βέλτιστη λύση σε απόσταση από την ρίζα. Όσον αφορά το κόστος: ∆εν είναι βέλτιστος, διότι δεν λαµβάνει καν υπόψιν τα κόστη.
  44. 44. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (6. Πολ/τα Χρόνου) 44∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΧΡΟΝΙΚΗ ΠΟΛΥΠΛΟΚΟΤΗΤΑ ενός ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Χρονική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος Κάνουµε µια ανάλυση χειρότερης περίπτωσης σε ένα δένδρο που έχει βάθος d και έχει παράγοντα διακλάδωσης b: Χρονική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος των κόµβων του χώρου αναζήτησης που απαιτείται να εξετάσει ο αλγόριθµος προκειµένου να οδηγηθεί σε µία λύση. b Στην χειρότερη περίπτωση ο αλγόριθµος θα Βάθος: d b Στην χειρότερη περίπτωση ο αλγόριθµος θα εξετάσει όλους τους κόµβους του δένδρου: Η πολυπλοκότητα είναι εκθετική 1 2 1 1 ... ( ) 1 d d db b b b O b b + − + + + + = = −
  45. 45. Β. Θεωρία 2. Αλγόριθµοι Τυφλής Αναζήτησης 2. Αλγόριθµος Αναζήτησης Κατά Πλάτος (7. Πολ/τα Χώρου) 45∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΧΩΡΙΚΗ ΠΟΛΥΠΛΟΚΟΤΗΤΑ ενός ΑΛΓΟΡΙΘΜΟΥ ΑΝΑΖΗΤΗΣΗΣ Χωρική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος Κάνουµε µια ανάλυση χειρότερης περίπτωσης σε ένα δένδρο που έχει βάθος d και έχει παράγοντα διακλάδωσης b: Χωρική πολυπλοκότητα ενός αλγόριθµου αναζήτησης είναι το πλήθος των κόµβων του χώρου αναζήτησης που θα πρέπει να αποθηκεύονται στην λίστα ΑΝΟΙΚΤΕΣ. b Στην λίστα ΑΝΟΙΚΤΕΣ θα αποθηκευτούν το Βάθος: db Στην λίστα ΑΝΟΙΚΤΕΣ θα αποθηκευτούν το πολύ τόσοι κόµβοι όσο το πλήθος των κόµβων του τελευταίου επιπέδου. Άρα η πολ/τα είναι: Η πολυπλοκότητα είναι εκθετική ( )d O b
  46. 46. Γ. Ασκήσεις Ασκηση Κατανόησης 1 46∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση (α) Σχεδιάστε τον χώρο αναζήτησης του παρακάτω γραφήµατος θεωρώντας ως αφετηρία τον κόµβο Sαφετηρία τον κόµβο S C 4 5 4 2 S A T 1 8 6 9 (β) Πόσα τα µονοπάτια από το S στο Τ (γ) Ποιο το βέλτιστο µονοπάτι από το S στο T 5 Β D
  47. 47. Γ. Ασκήσεις Ασκηση Κατανόησης 2 47∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Εκτελέστε τον αλγόριθµο αναζήτησης κατά βάθος στον χώρο αναζήτησης της άσκησης κατανόησης 1 και κατασκευάστε το δένδρο αναζήτησης που προκύπτει, θεωρώντας ωςκατανόησης 1 και κατασκευάστε το δένδρο αναζήτησης που προκύπτει, θεωρώντας ως κόµβο στόχο τον T
  48. 48. Γ. Ασκήσεις Ασκηση Κατανόησης 3 48∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Εκτελέστε τον αλγόριθµο αναζήτησης κατά πλάτος στον χώρο αναζήτησης της άσκησης κατανόησης 1 και κατασκευάστε το δένδρο αναζήτησης που προκύπτει, θεωρώντας ωςκατανόησης 1 και κατασκευάστε το δένδρο αναζήτησης που προκύπτει, θεωρώντας ως κόµβο στόχο τον T
  49. 49. Ε. Ασκήσεις Εφαρµογή 1 Στον γράφο-καταστάσεων της εφαρµογής 1 του ΜΑΘ1.1 εκτελέστε τον αλγόριθµο κατά βάθος, έτσι ώστε να βρεθεί µια διαδροµή που συνδέει τους δύο παρακάτω κόµβους: 49∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση Προτεραιότητα έχει η µετακίνηση του κύβου Α, µετά του Β και µετά του Γ. Για τον ίδιο µετακινούµενο κύβο, προτεραιότητα έχει η µετακίνηση του πάνω σε άλλους κύβους, µε αλφαβητική προτεραιότητα και έπειτα η µετακίνησή του προς το τραπέζι (εφόσον δεν είναι ήδη εκεί).
  50. 50. Ε. Ασκήσεις Εφαρµογή 2 Στο πρόβληµα της πλοήγησης του Robbie στον Λαβύρινθο της εφαρµογής 3 του µαθήµατος 1.1: 50∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση µαθήµατος 1.1: (Α) Εκτελέστε τον αλγόριθµο κατά βάθος για την εύρεση ενός µονοπατιού από την αφετηρία (δωµάτιο S) στο δωµάτιο F (Β) Εκτελέστε τον αλγόριθµο κατά πλάτος για την εύρεση ενός µονοπατιού από την αφετηρία (δωµάτιο S) στο δωµάτιο F
  51. 51. Ε. Ασκήσεις Εφαρµογή 3 Η εταιρία «Νευρωνικά Ροµπότ» παρουσιάζει το νέο της µοντέλο, τον πλοηγό πάρκων ΝΡ-310. Το ΝΡ-310 είναι δηµοφιλές γιατί όπου και αν είσαι µέσα στο πάρκο σου λέει 51∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση ΝΡ-310. Το ΝΡ-310 είναι δηµοφιλές γιατί όπου και αν είσαι µέσα στο πάρκο σου λέει πώς πρέπει να κινηθείς για να φτάσεις όπου θες µέσα στο πάρκο χωρίς να πατήσεις το πράσινο. Οι κινήσεις που µπορεί να υποδείξει το ΝΡ-310 στο χρήστη του είναι βόρεια (↑), νότια (↓), ανατολικά (→), ή δυτικά (←). Στο παρακάτω σχήµα φαίνεται το σχήµα του ενός πάρκου, όπου οι σκιασµένες περιοχές αντιστοιχούν σε πράσινο και τα υπόλοιπα είναι δρόµοι. Σηµειώνουµε πως λόγω προβληµάτων στην ακρίβεια του µηχανισµού προσδιορισµού θέσης, το ΝΡ-310 µπορεί να προσδιορίσει τη θέση του µε ακρίβεια 50 µέτρων αλλά τοπροσδιορίσει τη θέση του µε ακρίβεια 50 µέτρων αλλά το παραπάνω σχήµα του πάρκου (το οποίο έχει µέγεθος 250m x 250m) είναι ακριβές για το σκοπό που το θέλουµε. Η εταιρία «Νευρωνικά Ροµπότ», παράλληλα µε την παρουσίαση του ΝΡ-310 προκήρυξε και ένα διαγωνισµό για την ανακάλυψη του µηχανισµού πλοήγησης που χρησιµοποιεί το ΝΡ-310 προκειµένου να φτάσει από ένα τετράγωνο-αφετηρία σε ένα τετράγωνο-προορισµό.
  52. 52. (Α) Σχεδιάστε τον γράφο καταστάσεων του προβλήµατος 52∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση
  53. 53. (Β) Ποιά είναι η διαδροµή από το τετράγωνο (,1) στο τετράγωνο (4,1) στην αναζήτηση-κατά-βάθος; Υποθέστε ότι µεταξύ εναλλακτικών επιλέγετε πρώτα αυτή µε τη µικρότερη X συντεταγµένη (και µετά, αν χρειαστεί, αυτή µε τη µικρότερη Y συντεταγµένη). 53∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση
  54. 54. (Γ) Ποιά είναι η διαδροµή από το τετράγωνο (3,3) στο τετράγωνο (4,1) στην αναζήτηση-κατά-πλάτος; Υποθέστε ότι µεταξύ εναλλακτικών επιλέγετε πρώτα αυτή µε τη µικρότερη X συντεταγµένη (και µετά, αν χρειαστεί, αυτή µε τη µικρότερη Y συντεταγµένη). 54∆ηµήτρης Ψούνης, ΠΛΗ31, Μάθηµα 1.2: Τυφλή Αναζήτηση

×