انواع روش های جستجو در هوش مصنوعی — آشنایی با تکنیک های جستجو
در ادامه مباحث مربوط به هوش مصنوعی به شناخت انواع روش های جستجو در هوش مصنوعی می رسیم. قبل از این آموزش حتماً فضای جستجو در الگوریتم را مطالعه کنید چون پیش نیاز این آموزش است و برای درک درست این آموزش لازم است. پس با ادامه آموزش های هوش مصنوعی از مجموعه آموزشی پی استور با ما همراه باشد.
مقدمه
روش های جستجو در هوش مصنوعی، روشهای سراسری یا به اصطلاح universal حل مسئله هستند. عوامل منطقی یا عامل های حل مسئله در هوش مصنوعی بیشتر از این استراتژی ها یا الگوریتم های جستجو برای حل یک مسئله خاص و ارائه بهترین نتیجه استفاده می کنند. عامل های حل مسئله، عامل های مبتنی بر هدف هستند و از نمایش اتمیک استفاده می کنند. در این مبحث با الگوریتم های مختلف جستجوی حل مسئله آشنا می شویم.
انواع روش های جستجو در هوش مصنوعی
همزمان با رشد سخت افزاری در دنیای کامپیوتر دانشمندان که سودای حل مسائل پیچیده تری را داشتند، امکان فعالیت بیشتری پیدا کردند، مسائل نسل جدید بیشتر مسائلی بودند که در دو مجموعه زیر قرار می گرفتند:
- مسائلی که جواب قطعی برای آنها وجود نداشت.
- مسائلی که فضای حالت آنها یا اساساً قابل پیش بینی نبود یا بسیار بزرگ بود که با روش های مرسوم امکان جستجو در این فضا اگر هم غیر ممکن نبود، بسیار سخت بود.
برای حل چنین مسائلی محققین سراغ الگوریتم های جستجو رفتند که در دو دسته کلی قرار می گیرند، البته دسته سومی نیز هست که بیشتر در حوزه مباحث ریاضی و محاسبات تحلیلی قرار می گیرد و موضوع بحث ما نیست.
تعریف جستجو در هوش مصنوعی
برای درک انواع روش های جستجو در هوش مصنوعی لازم است ابتدا به تعریف جستجو می پردازیم.
منظور از جستجو انتخاب یک استراتژی یا تعریف یک معیار برای انتخاب حالت های جانشین در فضای حالت مسئله است که با انتخاب زنجیره ای از حالت ها ما را به هدف برساند.
منظور از آگاهی و عدم آگاهی در هوش مصنوعی چیست؟
جستجو به دو شکل آگاهانه و نا آگاهانه انجام می گیرد. اما منظور از آگاهی و عدم آگاهی چیست؟
اگر در فضای جستجو برای انتخاب حالت جانشین از یک معیار مثلا یک پارامتر ارزش گذاری یا ارزیابی حالت استفاده شود که بر اساس آن میزان امیدواری یک حالت برای رسیدن به جواب مشخص شود، این یک جستجوی آگاهانه است. یعنی برای انتخاب حالت جانشین، با استفاده از معیار یا معیارهایی حالات جانشین را ارزیابی می کنیم و بر اساس مقدار این معیار حالت جانشین انتخاب می شود. تنوع این معیار ها باعث ایجاد استراتژی های جستجوی متنوعی شده است.
در جستجوهای ناآگاهانه برای انتخاب حالت جانشین سراغ روش های ارزیابی نمی رویم، بلکه از یک استراتژی برای حرکت در فضای جستجو استفاده می کنیم که در ابتدای جستجو، این استراتژی تعیین و تا انتها ادامه پیدا می کند، در این روش ها هیچ اطلاعاتی به غیر تعریف مسأله در دسترس نیست و فقط هدف یا غیر هدف بودن یک حالت قابل تشخیص است یعنی در این حالت هیچ تفاوت ارزشی بین حالت های جانشین وجود ندارد بلکه اولویت حالت های جانشین بر اساس استراتژی تعیین می شود.
پاورپوینت هوش مصنوعی
پاورپوینت هوش مصنوعی در محیط Microsoft Powerpoint 2019 طراحی و اجرا شده است این پاورپوینت با پسوند .pptx در 17 صفحه و قابل ویرایش می باشد. برای تهیه این پاورپوینت روی لینک زیر کلیک کنید.
مثال بازی پازل 8 برای درک روش جستجو
برای درک بهتر موضوع این دو مفهوم را در مثال بازی پازل هشت بررسی می کنیم. درخت جستجوی بازی پازل هشت به شکل زیر را در نظر می گیریم.
برای استفاده از جستجوی آگاهانه باید معیاری برای ارزیابی هر کدام از حالت های جانشین داشته باشیم. برای این مثال ما از معیار تعداد خانه های اشتباه استفاده کردیم. یعنی از نه خانه، چندتا حاوی مقادیر اشتباه کمتری است. حالا ما اگر حالت جانشینی را انتخاب کنیم که تعداد خانه های اشتباه کمتری دارد یعنی از یک روش جستجوی آگاهانه استفاده کردیم.
اما اگر برای انتخاب حالت جانشین از یک استراتژی استفاده کنیم، مثلا همیشه سمت چپ ترین فرزند از درخت جستجو رو به عنوان حالت جانشین انتخاب کنیم، این یک جستجوی نااگاهانه است.
جستجوهای آگاهانه به دو دسته مکاشفه ای (heuristic) و فرا مکاشفه ای یا (meta heuristic) تقسیم می شوند. در الگوریتم های مکاشفه ای خود مسیر رسیدن به جواب جز جواب محسوب می شود یعنی بطور مثال در بازی هشت وزیر اگر خود چیدمان وزیرها به شکلی که همدیگر را گارد ندهند جواب مسئله باشد، نحوه رسیدن و مراحل طی شده تا رسیدن به این چیدمان نیز بخشی از جواب مسئله است و همیشه یک یا چند مسیر در حافظه نگه داشته می شود.
اما در روش های فرامکاشفه ای نحوه رسیدن به جواب زیاد مهم نیست، بطور مثال در همان بازی هشت وزیر مهم این است که هشت وزیری به شکلی در صفحه شطرنج باشند که همدیگر را گارد ندهند و دیگر مهم نیست چه مراحلی طی شده تا به این چیدمان رسیده ایم.
سورس کد حل مسئله 8 وزیر با الگوریتم ژنتیک GA در متلب
در سورس کد مسئله هشت وزیر با الگوریتم ژنتیک GA در متلب دو نمونه از حل مسئله 8 وزیر و n وزیر با الگوریتم ژنتیک در متلب ارائه شده است. برای تهیه این سورس کد روی لینک زیر کلیک کنید.
سخن آخر در مورد انواع روش های جستجو در هوش مصنوعی
در این پست به معرفی انواع روش های جستجو در هوش مصنوعی پرداخته شد. به طور کلی بیان شد دو نوع روش جستجوی کلی آگاهانه و نا آگاهانه وجود دارد دارد و مباحثی نیز برای هم برای هر کدام باز شد. در ادامه آموزش های هوش مصنوعی از مجموعه آموزشی پی استور به سراغ الگوریتم های جستجوی خواهیم رفت. مشتاقانه منتظر نظرات و پیشنهادات شما عزیزان هستیم. موفق و پاینده باشید.
پاورپوینت زبان های برنامه نویسی هوش مصنوعی
پاورپوینت زبان های برنامه نویسی هوش مصنوعی در محیط Microsoft Powerpoint 2019 طراحی شده است این پاورپوینت با پسوند .pptx در 17 صفجه و قابل ویرایش می باشد. برای تهیه این پاورپوینت روی لینک زیر کلیک کنید.
درباره مرتضی نصیر اقدم
دانشجوی دکتری تخصصی هوش مصنوعی، مدرس دانشگاه آزاد اسلامی، کارآفرین برتر در حوزه کسب و کارهای هوشمند، ایده پرداز در حوزه کسب و کارهای دیجیتال. ایشان در زمینه برنامه نویسی های هوشمند، الگوریتم های تکاملی و زبان های برنامه نویسی هوش مصنوعی سابقه تدریس فعال دارند.