logo

Eszközök-célok elemzése a mesterséges intelligenciában

  • Megvizsgáltuk azokat a stratégiákat, amelyek előre és hátra is okoskodhatnak, de a két irány keveréke alkalmas egy összetett és nagy probléma megoldására. Egy ilyen vegyes stratégia lehetővé teszi, hogy először a probléma nagyobb részét oldjuk meg, majd visszatérjünk, és a kisebb problémák megoldása a probléma nagy részeinek kombinálása során merüljön fel. Az ilyen technikát ún Eszközök elemzése .
  • A Means-Ends Analysis a mesterséges intelligenciában használt problémamegoldó technikák a mesterséges intelligencia programokban történő keresés korlátozására.
  • Ez a visszafelé és előre keresési technika keveréke.
  • A MEA technikát először 1961-ben vezette be Allen Newell és Herbert A. Simon problémamegoldó számítógépes programjukban, amelyet Általános problémamegoldónak (GPS) neveztek el.
  • A MEA elemzési folyamat középpontjában a jelenlegi állapot és a célállapot közötti különbség értékelése állt.

Hogyan működik az eszköz-cél elemzés:

Az eszköz-cél elemzési folyamat rekurzív módon alkalmazható egy problémára. Ez egy stratégia a keresés szabályozására a problémamegoldásban. Az alábbiakban a fő lépések találhatók, amelyek leírják a MEA-technika működését egy probléma megoldására.

  1. Először is értékelje a kezdeti állapot és a végső állapot közötti különbséget.
  2. Válassza ki a különböző operátorokat, amelyek az egyes eltérésekhez alkalmazhatók.
  3. Alkalmazza az operátort minden eltérésnél, ami csökkenti az aktuális állapot és a célállapot közötti különbséget.

Operátori részcélzás

A MEA folyamatban észleljük az aktuális állapot és a célállapot közötti különbségeket. Ha ezek a különbségek bekövetkeznek, akkor alkalmazhatunk egy operátort a különbségek csökkentésére. De néha előfordulhat, hogy egy operátor nem alkalmazható az aktuális állapotra. Így létrehozzuk az aktuális állapot részproblémáját, amelyben az operátor alkalmazható, olyan visszafelé láncolást, amelyben kiválasztjuk az operátorokat, majd felállítjuk az operátor előfeltételeinek meghatározására szolgáló részcélokat. Operátori részcélzás .

Algoritmus az eszközök-célok elemzéséhez:

Vegyük az Aktuális állapotot JELENLEGI-nek és a Célállapotot CÉL-nek, majd a következő lépések a MEA algoritmushoz.

    1. lépés:Hasonlítsa össze a CURRENT a GOAL értékkel, ha nincs különbség a kettő között, akkor adja vissza a Siker és a Kilépés lehetőséget.2. lépés:Ellenkező esetben válassza ki a legjelentősebb különbséget, és csökkentse azt a következő lépések végrehajtásával, amíg a siker vagy a kudarc be nem következik.
    1. Válasszon ki egy új O operátort, amely alkalmazható az aktuális különbségre, és ha nincs ilyen, akkor jelezze a hibát.
    2. Próbálja meg alkalmazni az O operátort a CURRENT értékre. Készítsen leírást két állapotról!
      i) O-Start, olyan állapot, amelyben az O-k előfeltételei teljesülnek.
      ii) O-eredmény, az az állapot, amely akkor keletkezne, ha O-t alkalmaznánk az O-startban.
    3. Ha
      (Első rész<------ mea (current, o-start)< strong>
      És
      (Utolsó rész<----- mea (o-result, goal)< strong>, sikeresek, majd jelzik a sikert, és visszaadják a FIRST-PART, O és LAST-PART kombinációjának eredményét.

A fent tárgyalt algoritmus inkább egyszerű feladat megoldására alkalmas, összetett problémák megoldására nem alkalmas.

Példa az átlagos cél elemzésére:

Vegyünk egy példát, ahol ismerjük a kezdeti állapotot és a célállapotot az alábbiak szerint. Ebben a feladatban a célállapotot a kiindulási állapot és a célállapot közötti különbségek megállapításával és operátorok alkalmazásával kell megkapnunk.

Means-Ends Analysis in AI

Megoldás:

A fenti probléma megoldásához először megkeressük a kezdeti állapotok és a célállapotok közötti különbségeket, majd minden eltéréshez generálunk egy új állapotot és alkalmazzuk az operátorokat. A problémára a következő operátoraink vannak:

    Mozog Töröl Kiterjed

1. A kezdeti állapot értékelése: Első lépésben kiértékeljük a kezdeti állapotot, és összehasonlítjuk a kezdeti és a célállapotot, hogy megtaláljuk a különbségeket a két állapot között.

Means-Ends Analysis in AI

2. A Delete operátor alkalmazása: Mivel ellenőrizhetjük, az első különbség az, hogy gólállapotban nincs olyan pont szimbólum, amely a kezdeti állapotban van, ezért először alkalmazzuk a Operátor törlése hogy távolítsa el ezt a pontot.

Means-Ends Analysis in AI

3. A Move Operator alkalmazása: A Delete operátor alkalmazása után az új állapot lép fel, amelyet ismét összehasonlítunk a célállapottal. Ezen állapotok összehasonlítása után van még egy különbség, hogy a négyzet kívül van a körön, ezért alkalmazzuk a Move Operator .

Means-Ends Analysis in AI

4. Expand Operator alkalmazása: Most a harmadik lépésben egy új állapot generálódik, és ezt az állapotot összehasonlítjuk a célállapottal. Az állapotok összehasonlítása után még mindig van egy különbség, ami a négyzet nagysága, ezért alkalmazzuk Operátor kibontása , és végül létrehozza a célállapotot.

Means-Ends Analysis in AI