Bài 1: Tổng quan về phân tích thiết kế HTTT & Nguồn phần mềm - Giáo trình FPTMasterCode.vn
Tổng quan về phân tích thiết kế HTTT
Hệ thống?
PTTK HT?
Chuyên gia phân tích HT?
SDLC?
Nguồn phần mềm
Đánh giá phần mềm thương mại
Tiêu chí lựa chọn
Thu thập thông tin
Thuê ngoài
Sử dụng lại
Giáo trình "Giáo Trình Hệ Thống Thông Tin Quản Lý" được viết cho đối tượng là các nhà quản lý kinh tế chứ không phải cho đối tượng chuyên tin học. Do đó các vấn đề được lựa chọn để trình bày đều xuất phát từ quan điểm của nhà quản lý. gồm 9 chương sau: Chương 1: Một số vấn đề cơ bản về hệ thống thông tin quản lý Chương 2: Phân tích hệ thống thông tin Chương 3: Thiết kế hệ thống thông tin quản lý Chương 4: Cài đặt hệ thống thông tin quản lý Chương 5: Hiệu quả kinh tế của hệ thống thông tin quản lý Chương 6: Các hệ thống thông tin trong kinh tế và thương mại Chương 7: Các tính toán kinh tế - tài chính trong hệ thống thông tin quản lý Chương 8: Sử dụng cơ sở dữ liệu trong hệ thống thông tin quản lý Chương 9: Nghiên cứu tình huống
http://exelare.com/sourcing-vs-recruiting/ | Get to know a day in the life of a recruiter and sourcer and understand the main differences between the two using this easy-to-read infographic.
Bài 1: Tổng quan về phân tích thiết kế HTTT & Nguồn phần mềm - Giáo trình FPTMasterCode.vn
Tổng quan về phân tích thiết kế HTTT
Hệ thống?
PTTK HT?
Chuyên gia phân tích HT?
SDLC?
Nguồn phần mềm
Đánh giá phần mềm thương mại
Tiêu chí lựa chọn
Thu thập thông tin
Thuê ngoài
Sử dụng lại
Giáo trình "Giáo Trình Hệ Thống Thông Tin Quản Lý" được viết cho đối tượng là các nhà quản lý kinh tế chứ không phải cho đối tượng chuyên tin học. Do đó các vấn đề được lựa chọn để trình bày đều xuất phát từ quan điểm của nhà quản lý. gồm 9 chương sau: Chương 1: Một số vấn đề cơ bản về hệ thống thông tin quản lý Chương 2: Phân tích hệ thống thông tin Chương 3: Thiết kế hệ thống thông tin quản lý Chương 4: Cài đặt hệ thống thông tin quản lý Chương 5: Hiệu quả kinh tế của hệ thống thông tin quản lý Chương 6: Các hệ thống thông tin trong kinh tế và thương mại Chương 7: Các tính toán kinh tế - tài chính trong hệ thống thông tin quản lý Chương 8: Sử dụng cơ sở dữ liệu trong hệ thống thông tin quản lý Chương 9: Nghiên cứu tình huống
http://exelare.com/sourcing-vs-recruiting/ | Get to know a day in the life of a recruiter and sourcer and understand the main differences between the two using this easy-to-read infographic.
This document profiles Corporate Interiors Private Limited, an Indian interior design firm established in 2010. It provides a range of interior design and construction services, including corporate interior design, furniture, electrical, HVAC, security, and turnkey projects. The firm prides itself on innovation, client focus, on-time project delivery, and cost-effective customized solutions. It has worked with over 100 major corporate and government clients in sectors like automotive, technology, healthcare, and more. The document provides examples of completed office interior projects for clients like Avon, GFK, Hyundai, and Samsung.
- Continental Scaff Fab is a trusted scaffolding manufacturer and supplier that follows quality standards and uses latest production techniques.
- It produces a range of premium scaffolding products including adjustable spans, props, couplers, jacks, and formworks using quality materials.
- The company prioritizes quality control, customer satisfaction, and has manufacturing and distribution networks to deliver products globally.
Mukesh Kumar provides his curriculum vitae, including his educational and professional background. He completed a B.E. in Electronics and Communication Engineering in 2016 from Dhanalakshmi Srinivasan College of Engineering & Tech with 69% marks. His areas of interest include civil services, team leading, and digital electronics. He lists his computer skills, skill set, academic projects, extracurricular activities and personal details.
IT’S ALL ABOUT YOUR MESSAGE.
IS IT YOURS?
IF YOU DON’T CARE ABOUT YOUR DRESS,
THAT’S EXACTLY WHAT YOUR MESSAGE IS:
“I Don’t Care”
REMEMBER ONE SIMPLE TRUTH
MEN WHO LOOK LIKE LEADERS ARE FOLLOWED.
AND GET RAISED.
so WHAT exactly MAKES YOU LOOK LIKE A LEADER?
LEARN 3 SIMPLE RULES
1.Dress to look slightly older than you are.
2.Dress slightly above what employees are wearing.
3.When meeting with high-level execs match their level of style and formality.
SIMPLE, RIGHT?
BUT WHAT ABOUT SPECIAL OCCASIONS?
WELL, HERE IS… YOUR PERSONAL CHEAT SHEET
BUSINESS ATTIRE: DARK MATCHED SUIT, WHITE DRESS SHIRT, CONSERVATIVE TIE, OXFORD SHOES
BUSINESS CASUAL: BLAZER, BUTTON UP SHIRT, TROUSERS, BROGUES or MONKS
LAST SECRET
Have your personal Fashion Bro in Facebook Messenger (who never sleeps or gets bored)
Diluted, but is thought leadership dead, dying or dynamicFidoly Rangel
Thought leadership is being disrupted by knowledge businesses, big picture positioning strategies, and new digital disrupters. While thought leadership used to be a strategic tool for brands, it is now more diluted as content is produced more tactically and immediately. However, thought leadership can still be impactful if content is made credible, relevant, innovative, transformative, and accessible. Marketers must professionalize their approach by setting strategic context, aligning internally, evaluating impact, and watching trends in delivery and distribution. Overall, thought leadership remains dynamic if the bar is raised for high-quality, compelling content.
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành toán giải tích với đề tài: Một số kết quả về nghiệm của phương trình Cauchy-Riemann, cho các bạn có thể làm luận văn tham khảo
Download luận văn đồ án tốt nghiệp ngành toán học với đề tài: Tích phân ngẫu nhiên đối với Martingale, cho các bạn tham khảo
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận văn thạc sĩ ngành toán giải tích với đề tài: Quy hoạch toàn phương, cho các bạn có thể làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận án tiến sĩ ngành toán giải tích với đề tài: Xác định quy luật biên phi tuyến và xác định nguồn trong các quá trình truyền nhiệt, cho các bạn làm luận án tham khảo
Tuyển tập 9 chuyên đề bồi dưỡng Toán lớp 5 cơ bản và nâng cao ôn thi vào lớp ...Bồi Dưỡng HSG Toán Lớp 3
Tuyển tập 9 chuyên đề bồi dưỡng Toán lớp 5 cơ bản và nâng cao ôn thi vào lớp 6 trường chuyên. Đăng ký mua tài liệu Toán 5 vui lòng liên hệ: 0948.228.325 (Zalo - Cô Trang Toán IQ).
kl_HOÀN THIỆN CÔNG TÁC ĐÁNH GIÁ THỰC HIỆN CÔNG VIỆC TẠI CÔNG TY CỔ PHẦN ĐẦU T...Luận Văn Uy Tín
Luận Văn Uy Tín cung cấp dịch vụ viết thuê luận văn thạc sĩ, tốt nghiệp, báo cáo thực tập, hoàn tiền 100% nếu bài bị đánh rớt, bảo mật thông tin, giao bài đúng hạn.
Smartbiz_He thong MES nganh may mac_2024juneSmartBiz
Cách Hệ thống MES giúp tối ưu Quản lý Sản xuất trong ngành May mặc như thế nào?
Ngành may mặc, với đặc thù luôn thay đổi theo xu hướng thị trường và đòi hỏi cao về chất lượng, đang ngày càng cần những giải pháp công nghệ tiên tiến để duy trì sự cạnh tranh. Bạn đã bao giờ tự hỏi làm thế nào mà những thương hiệu hàng đầu có thể sản xuất hàng triệu sản phẩm với độ chính xác gần như tuyệt đối và thời gian giao hàng nhanh chóng? Bí mật nằm ở hệ thống Quản lý Sản xuất (MES - Manufacturing Execution System).
Hãy cùng khám phá cách hệ thống MES đang cách mạng hóa ngành may mặc và mang lại những lợi ích vượt trội như thế nào.
[NBV]-CHUYÊN ĐỀ 3. GTLN-GTNN CỦA HÀM SỐ (CÓ ĐÁP ÁN CHI TIẾT).pdf
Artificial intelligence ai l5-thoa man-rang_buoc
1. Trí Tuệ Nhân Tạo
(Artificial Intelligence)
Viện Công nghệ thông tin và Truyền thông
Trường Đại học Bách Khoa Hà Nội
Năm học 2016
Thân Quang Khoát
khoattq@soict.hust.edu.vn
2. Nội dung môn học:
n Giới thiệu về Trí tuệ nhân tạo
n Tác tử
n Giải quyết vấn đề: Tìm kiếm, Thỏa mãn ràng buộc
n Logic và suy diễn
n Biểu diễn tri thức
n Biểu diễn tri thức không chắc chắn
n Học máy
2
Trí tuệ nhân tạo
3. Ràng buộc
n Một ràng buộc (constraint) là một quan hệ trên một tập các biến
q Mỗi biến có (gắn với) một tập các giá trị có thể nhận – gọi là miền
giá trị (domain)
q Trong môn học này, chúng ta chỉ xét các miền hữu hạn các giá trị
rời rạc
n Một ràng buộc có thể được biểu diễn bằng
q Một biểu thức (toán học / logic)
q Một bảng liệt kê các phép gán giá trị phù hợp cho các biến
n Ví dụ về ràng buộc
q Tổng các góc trong một tam giác là 180o
q Độ dài của từ W là 10 ký tự
q X nhỏ hơn Y
q Tuấn có thể tham dự buổi seminar vào thứ 3 sau 14h
q …
3
Trí tuệ nhân tạo
4. Bài toán thỏa mãn ràng buộc
n Một bài toán thỏa mãn ràng
buộc (Constraint Satisfaction
Problem – CSP) bao gồm:
q Một tập hữu hạn các biến X
q Miền giá trị (một tập hữu hạn các
giá trị) cho mỗi biến D
q Một tập hữu hạn các ràng buộc C
n Một lời giải (solution) của bài toán
thỏa mãn ràng buộc là một phép
gán đầy đủ các giá trị của các
biến sao cho thỏa mãn tất cả các
ràng buộc
n Một bài toán thỏa mãn ràng buộc
có thể được biểu diễn bằng một
đồ thị (graph)
4
Trí tuệ nhân tạo
Ví dụ:
Các biến x1,…,x6.
Miền giá trị {0,1}.
Các ràng buộc:
• x1+x2+x6=1
• X1-x3+x4=1
• x4+x5-x6>0
• x2+x5-x6=0
5. Ví dụ: Bài toán tô màu bản đồ (1)
n Các biến: WA, NT, Q, NSW,
V, SA, T
n Các miền giá trị: Di = {red,
green, blue}
n Các ràng buộc: Các vùng liền
kề nhau phải có màu khác
nhau
n Ví dụ:
q WA ≠ NT
q (WA,NT) = {(red,green),
(red,blue), (green,red),
(green,blue), (blue,red),
(blue,green)}
5
Trí tuệ nhân tạo
6. Ví dụ: Bài toán tô màu bản đồ (2)
n Các lời giải là các phép
gán đầy đủ và chính xác
(thỏa mãn tất cả các ràng
buộc)
n Ví dụ: WA=red,
NT=green, Q=red,
NSW=green, V=red,
SA=blue, T=green
7. Đồ thị các ràng buộc
n Đối với bài toán thỏa mãn
ràng buộc nhị phân (binary
CSP): Mỗi ràng buộc chỉ
liên quan đến 2 biến
n Đồ thị các ràng buộc
(constraint graph)
q Các nút biểu diễn các biến
q Các cạnh biểu diễn các ràng
buộc
7
Trí tuệ nhân tạo
8. Các kiểu bài toán thỏa mãn ràng buộc
n Các biến rời rạc
q Các miền giá trị hữu hạn
n Với n biến và kích thước miền giá trị d, thì số lượng các phép gán
đầy đủ giá trị cần xét là O(dn)
n Ví dụ: Các bài toán thỏa mãn ràng buộc nhị phân (Boolean CSPs)
q Các miền giá trị vô hạn
n Miền giá trị các số nguyên, các chuỗi, ...
n Ví dụ: Trong bài toán xếp lịch công việc, các biến là các ngày bắt
đầu và kết thúc đối với mỗi công việc
n Cần một ngôn ngữ biểu diễn ràng buộc (constraint language), ví dụ:
StartJob1 + 5 ≤ StartJob3
n Các biến liên tục
q Ví dụ: Các mốc thời gian bắt đầu và kết thúc đối với các quan
sát bằng kính viễn vọng không gian Hubble
q Bài toán với các ràng buộc tuyến tính có thể giải quyết được ở
mức chi phí thời gian đa thức.
8
Trí tuệ nhân tạo
9. Các kiểu ràng buộc
n Ràng buộc đơn (unary constraint) chỉ liên quan đến 1
biến
q Ví dụ: SA ≠ green
n Ràng buộc nhị phân (binary constraint) liên quan đến 2
biến
q Ví dụ: SA ≠ WA
n Ràng buộc bậc cao (higher-order constraint) liên quan
đến nhiều hơn 2 biến
q Ví dụ: Các ràng buộc trong bài toán mật mã số học (trình bày ở
slide tiếp theo)
9
Trí tuệ nhân tạo
10. Ví dụ: Bài toán mật mã số học
n Các biến: F T U W R O X1 X2 X3 (các nhớ của các phép +)
n Miền giá trị: {0,1,2,3,4,5,6,7,8,9}
n Các ràng buộc: Giá trị của các biến (F,T,U,W,R,O) khác nhau
q O + O = R + 10 * X1
q X1 + W + W = U + 10 * X2
q X2 + T + T = O + 10 * X3
q X3 = F
q T ≠ 0
q F ≠ 0
10
Trí tuệ nhân tạo
11. Các bài toán CSP trong thực tế
n Các bài toán giao nhiệm vụ
q Ví dụ: Giáo viên nào dạy lớp nào?
n Các bài toán lập thời khóa (gian) biểu
q Ví dụ: Lớp học nào được dạy vào thời gian nào và ở đâu?
n Các bài toán lập lịch vận tải (giao hàng) của các công ty
n Các bài toán lập lịch sản xuất của các nhà máy
n Lưu ý: Nhiều bài toán thực tế liên quan đến các biến có giá
trị thực (liên tục)
11
Trí tuệ nhân tạo
12. Tìm kiếm lời giải bằng kiểm thử (1)
n Là phương pháp giải quyết vấn đề tổng quát nhất
n Phương pháp giải quyết bằng kiểm thử (Generate and
Test)
q Sinh ra một khả năng (candidate) của lời giải
q Kiểm tra xem khả năng này có thực sự là một lời giải
n Áp dụng phương pháp kiểm thử đối với bài toán CSP
q Bước 1. Gán các giá trị cho tất cả các biến
q Bước 2. Kiểm tra xem tất cả các ràng buộc được thỏa mãn hay
không
q Lặp lại 2 bước này cho đến khi tìm được một phép gán thỏa mãn
12
Trí tuệ nhân tạo
13. Tìm kiếm lời giải bằng kiểm thử (2)
n Điểm yếu nghiêm trọng của phương pháp tìm kiếm bằng
kiểm thử là việc phải xét quá nhiều các khả năng gán mà
không thỏa mãn các ràng buộc
n Ví dụ
q Các biến X,Y,Z lấy các giá trị {1,2}
q Các ràng buộc: X=Y, X≠Z, Y>Z
q Các phép (khả năng) gán: (1,1,1); (1,1,2); (1,2,1);
(1,2,2); (2,1,1); (2,1,2); (2,2,1)
13
Trí tuệ nhân tạo
14. Tìm kiếm lời giải bằng kiểm thử (3)
n Làm thế nào để cải thiện phương pháp kiểm thử?
q Sinh ra các khả năng (các phép gán giá trị) một cách thông minh
hơn
n Không theo thứ tự tuần tự
n Sử dụng các kết quả (thông tin) thu được từ bước kiểm tra
(bước 2)
q Phát hiện sớm (từ trước) các mâu thuẫn
n Các ràng buộc được kiểm tra ngay sau khi mỗi biến được gán
giá trị (chứ không phải đợi đến khi tất cả các biến được gán giá
trị)
14
Trí tuệ nhân tạo
15. Tìm kiếm quay lui (1)
n Tìm kiếm quay lui (backtracking) là giải thuật tìm kiếm
được sử dụng phổ biến nhất trong CSP
q Dựa trên giải thuật tìm kiếm theo chiều sâu (depth-first search)
q Mỗi lần gán, chỉ làm việc (gán giá trị) cho một biến
q (Tìm kiếm bằng kiểm thử: mỗi lần gán xác định các giá trị cho tất
cả các biến)
n Phương pháp tìm kiếm quay lui đối với bài toán CSP
q Gán giá trị lần lượt cho các biến – Việc gán giá trị của biến này
chỉ được làm sau khi đã hoàn thành việc gán giá trị của biến khác
q Sau mỗi phép gán giá trị cho một biến nào đó, kiểm tra các ràng
buộc có được thỏa mãn bởi tất cả các biến đã được gán giá trị
cho đến thời điểm hiện tại – Quay lui (backtrack) nếu có lỗi
(không thỏa mãn các ràng buộc)
15
Trí tuệ nhân tạo
16. Tìm kiếm quay lui (2)
n Các yếu tố ảnh hưởng đến phương pháp tìm kiếm quay
lui
q Thứ tự được xét của các biến?
n Ưu tiên các biến quan trọng hơn (được định nghĩa tùy vào bài
toán cụ thể)
n Ưu tiên xét trước các biến có ít giá trị (miền giá trị nhỏ)
n Ưu tiên xét trước các biến tham gia vào nhiều ràng buộc
q Với mỗi biến, thứ tự được xét của các giá trị?
n Thứ tự ưu tiên của các giá trị với mỗi biến được định nghĩa tùy
thuộc vào bài toán cụ thể
16
Trí tuệ nhân tạo
18. Tìm kiếm quay lui: Ví dụ (1)
18
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
19. Tìm kiếm quay lui: Ví dụ (2)
19
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
20. Tìm kiếm quay lui: Ví dụ (3)
20
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
21. Tìm kiếm quay lui: Ví dụ (4)
21
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
22. Tìm kiếm quay lui: Các vấn đề (1)
n Lặp đi lặp lại lỗi
q Lý do: Bỏ qua (không khai thác) lý do của mâu thuẫn
q Ví dụ:
n Các biến A,B,C,D,E lấy các giá trị trong miền 1..10
n Ràng buộc: A>E
n Phương pháp tìm kiếm quay lui thử tất cả các khả năng gán
giá trị cho các biến B,C,D cho đến khi phát hiện ra rằng A≠1
n Giải pháp: Phương pháp Backjumping (chuyển đến xét
từ chỗ sinh ra lỗi)
22
Trí tuệ nhân tạo
23. Tìm kiếm quay lui: Các vấn đề (2)
n Các thao tác (kiểm tra) không cần thiết
q Lặp lại các kiểm tra ràng buộc không cần thiết
q Ví dụ:
n Các biến A,B,C,D,E lấy các giá trị trong miền 1..10
n Các ràng buộc: B+8<D; C=5*E
n Khi gán giá trị cho các biến C,E, thì các giá trị 1..9 được kiểm
tra (lặp đi lặp lại) đối với biến D
n Giải pháp: Phương pháp Backchecking (lưu giữ / ghi
nhớ các phép gán tốt và không tốt)
23
Trí tuệ nhân tạo
24. Tìm kiếm quay lui: Các vấn đề (3)
n Phát hiện muộn các mâu thuẫn (vi phạm ràng buộc)
q Các vi phạm ràng buộc chỉ được phát hiện sau khi các giá trị
được gán
q Ví dụ:
n Các biến A,B,C,D,E lấy các giá trị trong miền 1..10
n Ràng buộc: A=3*E
n Chỉ đến khi gán giá trị cho biến E thì mới phát hiện ra rằng
A>2
n Giải pháp: Phương pháp Forward checking (kiểm tra
trước các ràng buộc)
24
Trí tuệ nhân tạo
25. Tìm kiếm quay lui: Cải thiện
n Hiệu quả của phương pháp tìm kiếm quay lui trong CSP
có thể được cải thiện bằng
q Thứ tự xét các biến (để gán giá trị)
q Thứ tự xét (gán) các giá trị đối với mỗi biến
q Phát hiện sớm các lỗi (vi phạm ràng buộc) sẽ xảy ra
25
Trí tuệ nhân tạo
26. Biến bị ràng buộc nhiều nhất
n Quy tắc lựa chọn thứ tự xét các biến: Ưu tiên biến bị
ràng buộc nhiều nhất (most constrained variable)
q Chọn biến có số lượng các giá trị hợp lệ ít nhất
q Ví dụ: Tại bước S2, biến NT được chọn vì nó có số lượng các
giá trị hợp lệ ít nhất (2)
n Còn được gọi là quy tắc ưu tiên các biến có tập giá trị
hợp lệ nhỏ nhất (Minimum Remaining Values – MRV)
26
Trí tuệ nhân tạo
(S2)
WA
NT
Q
NSW
SA
V
27. Biến ràng buộc các biến khác nhiều nhất
n Khi có >=2 biến có như nhau số lượng giá trị hợp lệ ít
nhất, thì chọn biến nào?
q Ví dụ: Trong ví dụ trước, 2 biến NT va SA có cùng số lượng giá
trị hợp lệ ít nhất (2)
n Chọn biến ràng buộc (khống chế) các biến khác (chưa
được gán giá trị) nhiều nhất
q Ví dụ: Tại bước S2, tuy cùng mức độ bị ràng buộc, nhưng biến SA
nên được xét trước biến NT – vì SA ràng buộc 5 biến khác, còn
NT chỉ ràng buộc 3 biến khác
27
Trí tuệ nhân tạo
S2
WA
NT
Q
NSW
SA
V
28. Giá trị ràng buộc các biến khác ít nhất
n Đối với một biến, các giá trị được xét (để gán) theo thứ
tự nào?
n Chọn giá trị ràng buộc (khống chế) các biến khác (chưa
được gán giá trị) ít nhất
q Giá trị này gây ra hạn chế tối thiểu đối với các khả năng
gán giá trị của các biến khác
28
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
29. Kiểm tra tiến (Forward checking)
n Mục đích: Tránh các thất bại, bằng kiểm tra trước các
ràng buộc
n Kiểm tra tiến đảm bảo sự phù hợp (consistency) giữa
biến đang được xét gán giá trị và các biến khác có liên
quan (ràng buộc) trực tiếp với nó
n Ý tưởng:
q Ở mỗi bước gán giá trị, theo dõi các giá trị hợp lệ (có thể được
gán) đối với các biến chưa được gán giá trị
q Loại bỏ (dừng) hướng tìm kiếm hiện tại khi có bất kỳ một biến
(chưa được gán giá trị) nào đó không còn giá trị hợp lệ
29
Trí tuệ nhân tạo
30. Kiểm tra tiến: Ví dụ (1)
30
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
31. Kiểm tra tiến: Ví dụ (2)
31
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
32. Kiểm tra tiến: Ví dụ (3)
32
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
33. Kiểm tra tiến: Ví dụ (4)
33
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
34. Lan truyền các ràng buộc
n Kiểm tra tiến giúp lan truyền thông tin (ràng buộc) từ các biến
đã được gán giá trị đến các biến chưa được gán giá trị
n Nhưng: phương pháp kiểm tra tiến không thể phát hiện trước
(ngăn chặn) được tất cả các thất bại
q Ví dụ: NT và SA không thể cùng là màu xanh!
34
Trí tuệ nhân tạo
n Lan truyền các ràng buộc chỉ đảm bảo tính phù hợp cục bộ
(local consistency) của các ràng buộc
WA
NT
Q
NSW
SA
V
dương
35. Phù hợp cạnh trong đồ thị ràng buộc (1)
n Trong đồ thị ràng buộc, một cạnh (X à Y) được gọi là phù
hợp (consistent) về ràng buộc, khi và chỉ khi đối với mỗi giá
trị x của biến X đều có một giá trị y của biến Y sao cho ràng
buộc giữa 2 biến X và Y được thỏa mãn
n Định nghĩa về phù hợp cạnh không có tính đối xứng
q (X à Y) là phù hợp không có nghĩa là (Y à X) là phù hợp!
q Ví dụ: (SA à NSW) là phù hợp, nhưng (NSW à SA) không
35
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
36. Phù hợp cạnh trong đồ thị ràng buộc (2)
n Để cạnh (X à Y) là phù hợp ràng buộc, thì cần loại bỏ
bất kỳ giá trị x của biến X mà không có giá trị y nào
của biến Y làm cho ràng buộc giữa 2 biến X và Y được
thỏa mãn
q Để cạnh (NSW à SA) là phù hợp ràng buộc, thì cần phải
loại bỏ giá trị màu xanh (blue) khỏi danh sách các giá trị
hợp lệ đối với biến NSW
36
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
37. Phù hợp cạnh trong đồ thị ràng buộc (3)
n Sau khi loại bỏ một giá trị x khỏi danh sách các giá trị hợp lệ
của biến X, thì cần xét lại tất cả các cạnh ràng buộc trực tiếp
tới biến X: xét lại mọi cạnh (… à X)
q Ví dụ: Sau khi loại bỏ giá trị màu xanh (blue) của biến NSW, thì
cần xét lại các cạnh (V à NSW), (SA à NSW) và (Q à NSW)
… Để cạnh (V à NSW) là phù hợp ràng buộc, thì cần loại bỏ giá trị
màu đỏ (red) của biến V
37
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
38. Phù hợp cạnh trong đồ thị ràng buộc (4)
n Phương pháp phù hợp cạnh (Arc consistency) phát hiện
được các thất bại sớm hơn so với phương pháp kiểm tra
tiến (Forward checking)
n Kiểm tra phù hợp cạnh có thể được sử dụng trước hoặc
sau mỗi phép gán giá trị của một biến
38
Trí tuệ nhân tạo
WA
NT
Q
NSW
SA
V
40. Tìm kiếm cục bộ cho CSP (1)
n Mục đích: Để sử dụng các phương pháp tìm kiếm cục
bộ (ví dụ: hill-climbing, simulated annealing) cho bài toán
thỏa mãn ràng buộc
n Mỗi trạng thái (của không gian tìm kiếm) ứng với một
phép gán đầy đủ giá trị cho tất cả các biến
q Không gian tìm kiếm bao gồm cả các trạng thái trong đó các ràng
buộc bị vi phạm
q Dịch chuyển trạng thái = Gán giá trị mới cho các biến
n Trạng thái đích = Trạng thái trong đó tất cả các
ràng buộc được thỏa mãn
40
Trí tuệ nhân tạo
41. Tìm kiếm cục bộ cho CSP (2)
n Quá trình tìm kiếm
q Lựa chọn biến để gán giá trị mới? → Chọn ngẫu nhiên một
biến mà giá trị của nó vi phạm các ràng buộc
q Đối với một biến, lựa chọn giá trị mới? → Dựa theo chiến
lược min-conflicts: chọn giá trị mà nó vi phạm ít nhất các
ràng buộc
n Ví dụ: Áp dụng phương pháp tìm kiếm cục bộ Hill-
climbing, với hàm ước lượng h(n) = tổng số các ràng
buộc bị vi phạm
q Trạng thái (lân cận) tiếp theo chuyển đến (được xét) là trạng thái
ứng với giá trị hàm h(n) tốt hơn (=ít ràng buộc bị vi phạm hơn)
41
Trí tuệ nhân tạo
42. Ví dụ bài toán 4 quân hậu
n Các trạng thái: ứng với vị trí của 4 quân hậu nằm ở 4 cột
q Chỉ có duy nhất một quân hậu ở mỗi cột
q Không gian trạng thái gồm tổng cộng (4x4x4x4=) 256 trạng thái
n Các hành động: di chuyển của một quân hậu (nào đó)
trong một cột (của nó)
n Trạng thái đích: không có quân hậu nào ăn nhau
n Hàm ước lượng: h(n) = tổng số các cặp hậu ăn nhau
42
Trí tuệ nhân tạo
43. Thỏa mãn ràng buộc: Tổng kết
n Trong một bài toán thỏa mãn ràng buộc (CSP) :
q Mỗi trạng thái tương ứng với một phép gán giá trị cho các biến
q Kiểm tra trạng thái đích = Kiểm tra tập các ràng buộc đối với các giá trị
của các biến
n Phương pháp quay lui (Backtracking) = Tìm kiếm theo chiều sâu
(Depth-first search) với mỗi nút tương ứng với một phép gán giá trị
cho một biến
n Các chiến lược chọn thứ tự xét các biến và thứ tự xét các giá trị đối
với một biến sẽ ảnh hưởng quan trọng đến hiệu quả của quá trình
tìm lời giải
n Phương pháp tìm kiếm tiến (Forward checking) cho phép ngăn chặn
các phép gán giá trị đưa đến các thất bại sau đó
n Lan truyền ràng buộc (ví dụ: phương pháp phù hợp cạnh – Arc
consistency) cho phép giới hạn hơn nữa các giá trị hợp lệ và cho
phép phát hiện các mâu thuẫn
n Phương pháp tìm kiếm cục bộ sử dụng chiến lược Min-conflicts
thường hiệu quả trong nhiều bài toán thực tế
43
Trí tuệ nhân tạo