HERNÍ BOTI S UMĚLÝM VĚDOMÍM
|
|
- Dana Bláhová
- před 6 lety
- Počet zobrazení:
Transkript
1 MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY HERNÍ BOTI S UMĚLÝM VĚDOMÍM UMĚLÁ INTELIGENCE (PB016) RICHARD VĚŽNÍK
2 Obsah 1. Úvod Hledání cesty McFly A star Příklady z her Unreal Tournament U.N. Bot Chat-Boti, Alice Prostředky a prog. jazyky pro UI ve hrách Lisp Prolog Závěr Bibliografie
3 1. Úvod Umělá inteligence jako obor je velice rozsáhlá a také poněkud nedefinovatelná. Už sama otázka co je inteligence zatím nemá obecně uznávanou odpověď, ale většinou si pod tímto pojmem představujeme něco, co se rozhoduje podobně jako člověk inteligentně. Většinou je to jednostranně zaměřená inteligence, kdy se systém naučí (nejčastěji s pomocí příkladů) řešit jednu situaci, ať už s pomocí člověka nebo v informacích nalezne systém sám. Umělá inteligence tak úzce souvisí s rozličnými obory lidské činnosti, jejichž znalosti využívá. Herní průmysl je v současnosti jedno z nejrychleji se rozvíjejících odvětví informatiky. Za minimálně posledních pětadvacet let lze sledovat tento rozvoj nejen na vizuální stránce hry (přechod z textového režimu na pixelovou grafiku, přechod od 2D ke 3D řešením apod.), ale i na kvalitě oponentů, proti kterým hráč soupeří. Samotná kvalita protivníků se vyvíjela také postupně od jednoduchých algoritmů, přes algoritmy odpovídajících sekvenci postupů ze seznamu, až po algoritmy založené na naučených údajích, evoluci, s možností predikce postavené na neuronových sítích Cílem této práce je tedy seznámit čtenáře s problematikou umělé inteligence nejen v počítačových hrách. 3
4 2. Hledání cesty Hledání cesty (pathfinding) je název jednoho z nejčastějších problémů a aplikace umělé inteligence ve hrách. Jedná se o hledání nejvhodnější cesty mezi dvěma body uloženými v rovině (2D hry: strategie apod.), anebo v prostoru (3D hry: letecké simulátory, First Person Shooter ) podle určitých pravidel tak, aby vyhovovali určitým kritériím. Jako příklad můžeme uvést hledání cesty pro zaútočení na nepřítele ve hře typu strategie: mezi pravidla například patří podmínka, že cesta nesmí vést přes vodu, anebo jinak neprůchozí terén, výstupním kritériem může být kritický čas, za který musí být schopný daný oddíl cíl dosáhnout McFly Jedním z možných způsobů, jak takové hledání cesty realizovat, je genetický algoritmus na základě simulované evoluce. Tento algoritmus byl použit i v pokusu, který měl demonstrovat učícího se letce v simulátoru přeletu dlouhou chodbou s horizontálními a vertikálními překážkami, jenž byl pojmenovaný Minimalistické chování pro vyhýbání se překážkám v prostoru. Základ tohoto pokusu byl založený na poznatcích z experimentů na mouchách (zkoumali je vědci zabývající se biologií hmyzu). V simulovaném pokuse bylo možné vidět i takové chování, jako u samotných much při pokusu o přelet z jednoho prostředí do druhého si hledali cestu tak, že opakovaně zkoušeli přeletět jedním místem, dokud nenašli vhodný průchod (například jak mouchy narážejí o sklo v okně, když hledají cestu ven). Jednotliví simulovaní piloti (minimalističtí létající agenti) byli kombinací dvou motorů a čtyř snímačů pohybu (dva na každém boku směr vertikální a horizontální). Navíc na každého pilota působila síla směrem dolů, kterou simulovali působení gravitace, aby se pokus co nejvíce blížil podmínkám v realitě. Celé řízení pilota bylo zabezpečené jednoduchou neuronovou sítí. Byl tedy použit genetický algoritmus na vytvoření nejlepšího letce prostorem. Genetický algoritmus spočívá ve: vytvoření jedinců s nějakými parametry, jejich aplikace na daný pokus, výběr nejvhodnějších (nejšikovnějších) jedinců podle vhodných pravidel (např. Nejkratší čas přeletu, nejnižší počet kolizí s pře- 4
5 kážkami ) a následně jejich křížení, mutace a reprodukce. Tak vznikají nové generace jedinců, na kterých je tento postup znovu a znovu provedený a to až do chvíle, dokud nevznikne dvacátá osmá generace pilotů o dvou stech členech, která má vhodné výsledky A star McFly: létající agent (motory, detektory pohybu, propojení motorů a snímačů). Jedná se o heuristickou metodu hledání cesty. Heuristická metoda se od algoritmu liší, i když její výsledek může být stejný. Zatímco algoritmus je přesný postup, jak dosáhnout určitého výsledku - pokud zadáme platné hodnoty (vstup má vhodné hodnoty pro daný algoritmus), tak heuristika nezaručuje, že v hledání výsledku uspěje. Ale může k výsledku dospět i v případech, kdy konkrétní algoritmus na daný problém neexistuje. Takovéto heuristické hledání cesty je použité například ve hrách typu Pac- Man a funguje následovně: známe startovní a cílovou pozici. Ve startovní pozici se nachází objekt, který chceme přesunout do cílové pozice konečným počtem kroků, a jestliže existuje více řešení, tak se použije to nejefektivnější. Z aktuální pozice, na které se přesouvaný objekt nachází, určíme další možné kroky (příklad možností: jeden krok vlevo, jeden krok vpravo, výstřel ) a tady se cesta algoritmu dělí na takový počet, kolik je možností na další krok, tudíž se jedná o rekurzivní aplikaci hledací funkce. V každé další cestě algoritmu se potom tento postup opakuje. Problémem tohoto algoritmu je však to, že kdybychom se v každém kroku vydali všemi směry z daného kroku, za velmi krátkou dobu by došlo k za- 5
6 plnění celé paměti počítače a také k velké spotřebě procesorového času; získání výsledku by bylo zdlouhavé a náročné (jedná se o exponenciální nárůst počtu prohledávaných směrů). Proto se do tohoto postupu aplikují ještě malé úpravy, respektive podmínky, které ho do značné míry kvalitativně vylepšují. Jedná se například o označování cesty, po které už prohledávací rutina procházela (aby nedošlo k vracení se po stejné cestě zpátky, popř. k zacyklení rutiny) a také upřednostňování některých směrů, jenž se podle nějakých pravidel zdají být lepší než ty ostatní (např. blížení se k cíli zmenšování vzdálenosti mezi objektem a cílem). Další nabízející se možnosti jak řešit hledání cesty jsou více matematické postupy, např. konverze mapy terénu do hranově orientovaného ohodnoceného stromu, na který je možné dále aplikovat známé algoritmy pro hledání minimální kostry, kritické cesty apod. (např. Dijkstrův a Bellman-Fordův algoritmus ) Ve hrách není vždy žádoucí, aby cesta, kterou najdeme, byla perfektní a nejkratší. To proto, aby nebyla moc počítačová a spíše vypadala lidštěji (menší obcházky apod.); tohoto se dá dosáhnout například přidáním šumu připočítáme malé náhodné číslo do ohodnocené hrany grafu. 3. Příklady z her 3.1. Unreal Tournament Boti v této hře jsou řešeni trochu netradičním způsobem oproti většině ostatních her. Je totiž možné, aby bot běžel na místním počítači nebo na síťovém. Při síťovém provozu si posílá tzv. senzorické zprávy (pozice v prostoru, vzdálenost, viditelnost nepřátelů apod.) Bot následně na tyto podněty reaguje a posílá příkazy (pohyb, střílení, hlášky ) nazpět do hry, která pak tyto příkazy vykonává. Výhodou takovýchto botů je jednak možnost použití jakéhokoliv programovacího jazyka a druh umělé inteligence na jeho realizování (odpadá nutnost učit se specifický skriptovací jazyk pro boty v dané hře), tak nezávislost na procesorovém čase na počítači, na kterém hra běží hra samotná, nemusí běžet i boti (ti můžou běžet na ostatních nevyužitých strojích v síti). Nevýhodou je slabý přístup (pomalý kvůli síti) k proměnným ve hře charakterizující prostředí hry, tedy nutnost odkládat si jejich hodnoty lokálně v 6
7 botovi; na straně druhé to má malou výhodu v tom, že bot nemůže podvádět tradičním způsobem (např. zeptat se hry, kde je nepřítel, kde je lékárnička ) 3.2. U.N. Bot Výsledek výzkumu umělé inteligence na univerzitě v Edinburghu je projekt jménem U. N. Bot. Používá směs algoritmů a zajímavé algoritmy z oblasti počítačů a agentové architektury. Snahou jeho vývojářského týmu bylo dosáhnout co nejlidštějšího chování. Náplní práce tohoto bota je objevování a hlídání terénu. Výhodou jeho průzkumného algoritmu je to, že na rozdíl od standardních botů do her nepotřebuje žádnou naplánovanou trasu. Dokáže se sám bez jakéhokoliv externího zásahu projít po naprosto neznámém terénu a orientovat se v něm. Také sám dynamicky obchází překážky, takže se dokáže vyhnout kolizím za pomoci změny svého kurzu Chat-Boti, Alice Chat-boti sice nepatří přímo do herního průmyslu, ale také obsahují různé aplikace umělé inteligence a též slouží více méně k zábavě (ať už formou přímé konverzace, anebo různými hláškami z her). Dá se říct, že fungují ve dvou fázích: učení a komunikace. Ve fázi učení sledují rozhovory ostatních a sbírají věty do databáze typu otázka-odpověď. Ve fázi komunikace se snaží najít na položenou otázku buď přímou odpověď, anebo se snaží najít nějaké klíčové slovo v otázce a podle toho vytvořit odpověď (např. v otázce je slovo počasí a chat-bot, který si neví rady, odepíše podle klíčového slova například U nás je hezky. Co u vás? V případě, že netuší, co má odpovědět, generuje náhodné univerzální odpovědi typu Dobře, jak myslíš, hm-hmm Asi nejznámějším chat-botem je Alice. 4. Prostředky a prog. jazyky pro UI ve hrách 4.1. Lisp Považuje se za jazyk jako stvořený pro programování umělé inteligence. Základy mu položil John McCarthy. Některé hry se vytvářejí takovým způsobem, že 7
8 grafické (vykreslování, animace ) a jiné části (obsluha klávesnice, síťová zapojení ) se vytvoří v nižším programovacím jazyce (např. C++) a samotná logika hry a její řízení se píše ve vyšším skriptovacím jazyce. Takovým vyšším skriptovacím jazykem může být např. i implementace Lispu, protože Lisp jako takový je lehký, ale výkonný, skvělý na popis dat a je standardizovaný. Příkaz jdi v imaginární hře bludiště pomocí funkce v Lispu: (let (a (member (roomsymbol mistnost) (mistnost-cesta you)) ( (if (eq a nil) (print "tam jit nemuzes") (setq you (car a)))) (nejsem si zcela jist jestli je spravne..kdyz ne tak me omluvte) 4.2. Prolog Prolog patří mezi deklarativní programovací jazyky, ve kterých programátor popisuje pouze cíl výpočtu, přičemž přesný postup, jakým se k výsledku dostane, je ponechán na systému. Vznikl v roce 1972 a autorství je připisováno Alainovi Colmerauerovi a Philippemu Rousselovi. Jeho přednosti jsou velmi podobné jako u Lispu: lehkost, ale výkonnost Příkaz jdi v imaginární hře bludiště pomocí ProLogu: jdi(x) :- %funkce na chozeni you(l), %do L ulozi vasi pozici connect(l,x),%zjisti jestli vede cesta z L do X-zde muze provadeni selhat retract(you(l)), %Zrusi spojeni ze starou mistnosti assert(you(x)). %Zavede do databaze novou asociaci-you a nova mistnost jdi(x):- %V pripade ze cesta nevede-prvni jdi selhalo write(' Tam to nejde. '),nl. 8
9 5. Závěr Zábavní průmysl je v současnosti jedno z nejrychleji, ne-li nejrychleji se rozvíjející odvětví a herní část v něm zastupuje významný podíl. Dříve si prognostikové představovali rapidní vývoj umělé inteligence (Terminátory, Matrix ), ale vytvořit něco tak komplexního a složitého zabere spoustu, opravdu spoustu času. Nelze toho dosáhnout ani navyšováním hrubého výpočetního výkonu. Nejedná se totiž o dílčí problémy, ale je potřeba tyto problémy sjednotit (problém inteligence). Existují ale různé projekty, které mají všestranný přístup k problematice (Artificial general intelligence). Mezi ně například spadá i AIXI. Bude zajímavé sledovat vývoj těchto systémů. Nabízí se totiž otázka, zda by tato umělá inteligence dokázala přijít na řešení, na která by člověk sám nepřišel. To se ale pravděpodobně v nadcházejících desetiletích nestane. 9
10 6. Bibliografie [online]. [cit ]. Dostupné z: [online]. [cit ]. Dostupné: [online]. [cit ]. Dostupné z: [online]. [cit ]. Dostupné: [online]. [cit ]. Dostupné: 10
Emergence chování robotických agentů: neuroevoluce
Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové
Základy umělé inteligence
Základy umělé inteligence Automatické řešení úloh Základy umělé inteligence - prohledávání. Vlasta Radová, ZČU, katedra kybernetiky 1 Formalizace úlohy UI chápe řešení úloh jako proces hledání řešení v
Umělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
Moderní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
Obsah. Proč právě Flash? 17 Systémové požadavky 17. Jak používat tuto knihu 18 Doprovodný CD-ROM 19
Úvod.............................15 Proč právě Flash? 17 Systémové požadavky 17 Jak používat tuto knihu 18 Doprovodný CD-ROM 19 Část první Začínáme s tvorbou her ve Flashi..............21 1 První kroky........................23
Implementace A* algoritmu na konkrétní problém orientace v prostoru budov
Implementace A* algoritmu na konkrétní problém orientace v prostoru budov Popis problému Orientaci ve známém prostředí lze převést na problém nalezení cesty z místa A do místa B. Obecně platí, že robot
Masarykova střední škola zemědělská a Vyšší odborná škola, Opava, příspěvková organizace
Masarykova střední škola zemědělská a Vyšší odborná škola, Opava, příspěvková organizace Číslo projektu Číslo materiálu Autor Průřezové téma Předmět CZ.1.07/1.5.00/34.0565 VY_32_INOVACE_284_Programovací_jazyky
Základy umělé inteligence
Základy umělé inteligence Hraní her (pro 2 hráče) Základy umělé inteligence - hraní her. Vlasta Radová, ZČU, katedra kybernetiky 1 Hraní her (pro dva hráče) Hraní her je přirozeně spjato s metodami prohledávání
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
Metody návrhu algoritmů, příklady. IB111 Programování a algoritmizace
Metody návrhu algoritmů, příklady IB111 Programování a algoritmizace 2011 Návrhu algoritmů vybrané metody: hladové algoritmy dynamické programování rekurze hrubá síla tato přednáška: především ilustrativní
Prohledávání do šířky = algoritmus vlny
Prohledávání do šířky = algoritmus vlny - souběžně zkoušet všechny možné varianty pokračování výpočtu, dokud nenajdeme řešení úlohy průchod stromem všech možných cest výpočtu do šířky, po vrstvách (v každé
Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV
Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 16. 2. (3h) 2. 3. (4h) 17. 3. (5h) 14. 4. (3h) Úvod, historie a vývoj UI, základní
Drsná matematika III 10. demonstrovaná cvičení Kostry grafů
Drsná matematika III 10. demonstrovaná cvičení Kostry grafů Martin Panák Masarykova univerzita Fakulta informatiky 21.11. 2006 1 Domácí úlohy z minulého týdne Příklad 1 Příklad 2 Příklad 3 2 Borůvkův algoritmus
Algoritmizace- úvod. Ing. Tomáš Otáhal
Algoritmizace- úvod Ing. Tomáš táhal Historie 9. století perský matematik a astronom Mohammed Al-Chorezím v latinském přepise příjmení= algoritmus Nejstarší algoritmus Euklides řecký matematik, 4. století
Algoritmus. Cílem kapitoly je seznámit žáky se základy algoritmu, s jeho tvorbou a způsoby zápisu.
Algoritmus Cílem kapitoly je seznámit žáky se základy algoritmu, s jeho tvorbou a způsoby zápisu. Klíčové pojmy: Algoritmus, vlastnosti algoritmu, tvorba algoritmu, vývojový diagram, strukturogram Algoritmus
IB111 Úvod do programování skrze Python Přednáška 13
IB111 Úvod do programování skrze Python Přednáška 13 Programovací jazyky Nikola Beneš 14. prosinec 2016 IB111 přednáška 13: programovací jazyky 14. prosinec 2016 1 / 21 Osnova dnešní přednášky Programovací
Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest
Obsah prezentace Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest 1 Základní pojmy Vrchol grafu: {množina V} Je to styčná vazba v grafu, nazývá se též uzlem, prvkem
Základy informatiky. Teorie grafů. Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová
Základy informatiky Teorie grafů Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová Obsah přednášky Barvení mapy Teorie grafů Definice Uzly a hrany Typy grafů Cesty, cykly, souvislost grafů Barvení mapy
Hry a UI historie. von Neumann, 1944 algoritmy perfektní hry Zuse, Wiener, Shannon, přibližné vyhodnocování
Hry a UI historie Hry vs. Prohledávání stavového prostoru Hry a UI historie Babbage, 1846 počítač porovnává přínos různých herních tahů von Neumann, 1944 algoritmy perfektní hry Zuse, Wiener, Shannon,
Řešení: PŘENESVĚŽ (N, A, B, C) = přenes N disků z A na B pomocí C
Hanojské věže - 3 kolíky A, B, C - na A je N disků různé velikosti, seřazené od největšího (dole) k nejmenšímu (nahoře) - kolíky B a C jsou prázdné - úkol: přenést všechny disky z A na B, mohou se odkládat
METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1
METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ
Algoritmy pro práci s neúplnou informací
Michal Krkavec 23. listopadu 2011 Obsah Náhoda Expectimax Neúplné informace Monte Carlo Tree Search Perfect Information Monte Carlo Realtime plánování Plánování v RTS Monte Carlo Plánování Expectimax Expectimax
Měření průtoku kapaliny s využitím digitální kamery
Měření průtoku kapaliny s využitím digitální kamery Mareš, J., Vacek, M. Koudela, D. Vysoká škola chemicko-technologická Praha, Ústav počítačové a řídicí techniky, Technická 5, 166 28, Praha 6 e-mail:
Pokročilé operace s obrazem
Získávání a analýza obrazové informace Pokročilé operace s obrazem Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 (BFÚ LF MU) Získávání
Hledání správné cesty
Semestrální práce z předmětu A6M33AST Závěrečná zpráva Hledání správné cesty Nela Grimová, Lenka Houdková 2015/2016 1. Zadání Naším úkolem bylo vytvoření úlohy Hledání cesty, kterou by bylo možné použít
Expertní systémy. 1. Úvod k expertním systémům. Cíl kapitoly:
Expertní systémy Cíl kapitoly: Úkolem této kapitoly je pochopení významu expertních systémů, umět rozpoznat expertní systémy od klasicky naprogramovaných systémů a naučit se jejich tvorbu a základní vlastnosti.
Genetické programování
Genetické programování Vyvinuto v USA v 90. letech J. Kozou Typické problémy: Predikce, klasifikace, aproximace, tvorba programů Vlastnosti Soupeří s neuronovými sítěmi apod. Potřebuje značně velké populace
5.3.1. Informatika pro 2. stupeň
5.3.1. Informatika pro 2. stupeň Charakteristika vzdělávací oblasti Vzdělávací oblast Informační a komunikační technologie umožňuje všem žákům dosáhnout základní úrovně informační gramotnosti - získat
Algoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
Grafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
ŠVP Gymnázium Ostrava-Zábřeh. 4.8.16. Úvod do programování
4.8.16. Úvod do programování Vyučovací předmět Úvod do programování je na naší škole nabízen v rámci volitelných předmětů v sextě, septimě nebo v oktávě jako jednoletý dvouhodinový kurz. V případě hlubšího
ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 13 0:40 Implementace Umělá inteligence (UI) Umělá inteligence
Dokumentace programu piskvorek
Dokumentace programu piskvorek Zápočtového programu z Programování II PRM045 Ondřej Vostal 20. září 2011, Letní semestr, 2010/2011 1 Stručné zadání Napsat textovou hru piškvorky se soupeřem s umělou inteligencí.
Program a životní cyklus programu
Program a životní cyklus programu Program algoritmus zapsaný formálně, srozumitelně pro počítač program se skládá z elementárních kroků Elementární kroky mohou být: instrukce operačního kódu počítače příkazy
Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly.
Kapitola Reprezentace grafu V kapitole?? jsme se dozvěděli, co to jsou grafy a k čemu jsou dobré. rzo budeme chtít napsat nějaký program, který s grafy pracuje. le jak si takový graf uložit do počítače?
Datová věda (Data Science) akademický navazující magisterský program
Datová věda () akademický navazující magisterský program Reaguje na potřebu, kterou vyvolala rychle rostoucí produkce komplexních, obvykle rozsáhlých dat ve vědě, v průmyslu a obecně v hospodářských činnostech.
Využití metod strojového učení v bioinformatice David Hoksza
Využití metod strojového učení v bioinformatice David Hoksza SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita v Praze Bioinformatika Biologické inspirace
Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma
Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky
5. Umělé neuronové sítě. Neuronové sítě
Neuronové sítě Přesný algoritmus práce přírodních neuronových systémů není doposud znám. Přesto experimentální výsledky na modelech těchto systémů dávají dnes velmi slibné výsledky. Tyto systémy, včetně
Teorie grafů. Kostra grafu. Obsah. Radim Farana Podklady pro výuku pro akademický rok 2013/2014
Teorie grafů Radim Farana Podklady pro výuku pro akademický rok 013/014 Obsah Kostra grafu. Tahy,. Úloha čínského pošťáka. Zdroj: Vítečková, M., Přidal, P. & Koudela, T. Výukový modul k předmětu Systémová
Úvod. Programovací paradigmata
.. Úvod. Programovací paradigmata Programovací techniky doc. Ing. Jiří Rybička, Dr. ústav informatiky PEF MENDELU v Brně rybicka@mendelu.cz Cíl: programování efektivně a bezpečně Programovací techniky
Algoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Grafové úlohy Daniela Szturcová Tento
Evoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi
Evoluční algoritmy Použítí evoluční principů, založených na metodách optimalizace funkcí a umělé inteligenci, pro hledání řešení nějaké úlohy. Populace množina jedinců, potenciálních řešení Fitness function
Úvod do informatiky. Miroslav Kolařík
Úvod do informatiky přednáška devátá Miroslav Kolařík Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008 Obsah 1 Kombinatorika: princip inkluze a exkluze 2 Počítání
Časová a prostorová složitost algoritmů
.. Časová a prostorová složitost algoritmů Programovací techniky doc. Ing. Jiří Rybička, Dr. ústav informatiky PEF MENDELU v Brně rybicka@mendelu.cz Hodnocení algoritmů Programovací techniky Časová a prostorová
Algoritmizace. 1. Úvod. Algoritmus
1. Úvod Algoritmizace V dnešní době již počítače pronikly snad do všech oblastí lidské činnosti, využívají se k řešení nejrůznějších úkolů. Postup, který je v počítači prováděn nějakým programem se nazývá
Úloha ve stavovém prostoru SP je <s 0, C>, kde s 0 je počáteční stav C je množina požadovaných cílových stavů
Stavový prostor a jeho prohledávání SP = formalismus k obecnějšímu uchopení a vymezení problému, který spočívá v nalezení posloupnosti akcí vedoucích od počátečního stavu úlohy (zadání) k požadovanému
OSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
2. úkol MI-PAA. Jan Jůna (junajan) 3.11.2013
2. úkol MI-PAA Jan Jůna (junajan) 3.11.2013 Specifikaci úlohy Problém batohu je jedním z nejjednodušších NP-těžkých problémů. V literatuře najdeme množství jeho variant, které mají obecně různé nároky
Užití software Wolfram Alpha při výuce matematiky
Jednalo se tedy o ukázku propojení klasického středoškolského učiva s problematikou běžného života v oblasti financí za pomoci využití informačních technologií dnešní doby. Hlavním přínosem příspěvku je
TGH06 - Hledání nejkratší cesty
TGH06 - Hledání nejkratší cesty Jan Březina Technical University of Liberec 31. března 2015 Motivační problémy Silniční sít reprezentovaná grafem. Ohodnocené hrany - délky silnic. Najdi nejkratší/nejrychlejší
4. Úvod do paralelismu, metody paralelizace
4. Úvod do paralelismu, metody paralelizace algoritmů Ing. Michal Bližňák, Ph.D. Ústav informatiky a umělé inteligence Fakulta aplikované informatiky UTB Zĺın Paralelní procesy a programování, Zĺın, 26.
Úvod do teorie grafů
Úvod do teorie grafů Neorientovaný graf G = (V,E,I) V množina uzlů (vrcholů) - vertices E množina hran - edges I incidence incidence je zobrazení, buď: funkce: I: E V x V relace: I E V V incidence přiřadí
Graf. Uzly Lokality, servery Osoby fyzické i právní Informatické objekty... atd. Hrany Cesty, propojení Vztahy Informatické závislosti... atd.
Graf 2 0 3 1 4 5 Uzly Lokality, servery Osoby fyzické i právní Informatické objekty... atd. Hrany Cesty, propojení Vztahy Informatické závislosti... atd. Běžné reprezentace grafu Uzly = indexy Stupně uzlů
Aproximativní algoritmy UIN009 Efektivní algoritmy 1
Aproximativní algoritmy. 14.4.2005 UIN009 Efektivní algoritmy 1 Jak nakládat s NP-těžkými úlohami? Speciální případy Aproximativní algoritmy Pravděpodobnostní algoritmy Exponenciální algoritmy pro data
Aplikace umělé inteligence v počítačových hrách
PB016 Úvod do umělé inteligence Aplikace umělé inteligence v počítačových hrách Eva Koláčková, 382878 14. 12. 2012 Obsah 1 Úvod... 3 2 Historie... 3 3 Bot... 4 3.1 Charaktery botů... 5 3.2 Soutěž BotPrize...
Výukový materiál zpracován v rámci projektu EU peníze školám
Výukový materiál zpracován v rámci projektu EU peníze školám Registrační číslo projektu: CZ. 1.07/1.5.00/34.0637 Šablona III/2 Název VY_32_INOVACE_39_Algoritmizace_teorie Název školy Základní škola a Střední
IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:
IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence Jméno: Třída: Rok: Prohlašuji, že mnou předložená práce je mým původním autorským dílem, které jsem vypracoval/a samostatně.
Zobrazte si svazy a uspořádané množiny! Jan Outrata
LatVis Zobrazte si svazy a uspořádané množiny! Jan Outrata Motivace potřeba visualizovat matematické (algebraické) struktury rychle, přehledně a automaticky počítačovými prostředky ruční kreslení je zdlouhavé
Neinformované metody prohledávání stavového prostoru. Gerstner Laboratory Agent Technology Group, Czech Technical University in Prague
Neinformované metody prohledávání stavového prostoru Michal Pěchouček Gerstner Laboratory Agent Technology Group, Czech Technical University in Prague http://labe.felk.cvut.cz/~ tkrajnik/kui2/data/k333/1.pdf
Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií
VY_32_INOVACE_31_02 Škola Střední průmyslová škola Zlín Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Inovace výuky
MULTIMEDIÁLNÍ A HYPERMEDIÁLNÍ SYSTÉMY
MULTIMEDIÁLNÍ A HYPERMEDIÁLNÍ SYSTÉMY 1) Úvod do problematiky Petr Lobaz, 18. 2. 2004 ORGANIZACE PŘ EDMĚ TU POŽADAVKY KE ZKOUŠCE vypracování semestrální práce (max. 70 bodů) napsání testu (max. 30 bodů)
MI-PAA. úkol č.3. Řešení problému batohu dynamickým programováním, metodou větví a hranic a aproximativním algoritmem
Jakub Holý holyjak1@fit.cvut.cz MI-PAA úkol č.3 Řešení problému batohu dynamickým programováním, metodou větví a hranic a aproximativním algoritmem Zadání Naprogramujte řešení problému batohu: 1. metodou
Objektově orientované programování v jazyce Python
Objektově orientované programování v jazyce Python Základní pojmy objektově orientovaného programování Objekt vychází z reálného světa. Má dva charakteristické rysy. Všechny objekty mají stav Všechny objekty
Jak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
Seminář z umělé inteligence. Otakar Trunda
Seminář z umělé inteligence Otakar Trunda Plánování Vstup: Satisficing task: počáteční stav, cílové stavy, přípustné akce Optimization task: počáteční stav, cílové stavy, přípustné akce, ceny akcí Výstup:
NP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NP-ÚPLNÉ PROBLÉMY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 13 Evropský sociální fond Praha & EU: Investujeme do
Algoritmy na ohodnoceném grafu
Algoritmy na ohodnoceném grafu Dvě základní optimalizační úlohy: Jak najít nejkratší cestu mezi dvěma vrcholy? Dijkstrův algoritmus s t Jak najít minimální kostru grafu? Jarníkův a Kruskalův algoritmus
Genetické programování 3. část
1 Portál pre odborné publikovanie ISSN 1338-0087 Genetické programování 3. část Macháček Martin Elektrotechnika 08.04.2011 Jako ukázku použití GP uvedu symbolickou regresi. Regrese je statistická metoda
1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017
Znalostní systémy úvodní úvahy a předpoklady 26. září 2017 1-1 Znalostní systém Definice ZS (Feigenbaum): Znalostní (původně expertní) systémy jsou počítačové programy simulující rozhodovací činnost experta
Vzdělávací obsah předmětu
Vzdělávací obsah předmětu 1. správně se přihlašuje ve školní síti využívá dostupné školní informační zdroje a techniku pracuje s informacemi a softwarovým vybavením ve školní síti v souladu se školním
Martin Hejtmánek hejtmmar@fjfi.cvut.cz http://kmlinux.fjfi.cvut.cz/ hejtmmar
Základy programování Martin Hejtmánek hejtmmar@fjfi.cvut.cz http://kmlinux.fjfi.cvut.cz/ hejtmmar Počítačový kurs Univerzity třetího věku na FJFI ČVUT Pokročilý 21. května 2009 Dnešní přednáška 1 Počátky
UITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14
UITS / ISY Výzkumná skupina inteligentních systémů Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně ISY: Výzkumná skupina inteligentních systémů 1 / 14 Obsah Představení skupiny
Algoritmy a algoritmizace
Otázka 21 Algoritmy a algoritmizace Počítačové programy (neboli software) umožňují počítačům, aby přestaly být pouhou stavebnicí elektronických a jiných součástek a staly se pomocníkem v mnoha lidských
WTFbots. prezentace strategie. Nikola Beneš Tomáš Kyjovský Jan Vykopal
WTFbots prezentace strategie Nikola Beneš Tomáš Kyjovský Jan Vykopal Osnova Proces vývoje Implementace naší strategie První turnaj Druhý turnaj Třetí turnaj Finále Nepoužité nápady Statistika Shrnutí Proces
Maturitní témata. IKT, školní rok 2017/18. 1 Struktura osobního počítače. 2 Operační systém. 3 Uživatelský software.
Maturitní témata IKT, školní rok 2017/18 1 Struktura osobního počítače Von Neumannova architektura: zakreslete, vysvětlete její smysl a popište, jakým způsobem se od ní běžné počítače odchylují. Osobní
Nalezení a stanovení společných cílů
Nalezení a stanovení společných cílů O co jde? - základy Při stanovování cílů, které mají vzejít v proces, jsou zahrnuty všechny zúčastněné strany. To platí i pro sítě, jejichž systémové cíle jsou již
Profilová část maturitní zkoušky 2013/2014
Střední průmyslová škola, Přerov, Havlíčkova 2 751 52 Přerov Profilová část maturitní zkoušky 2013/2014 TEMATICKÉ OKRUHY A HODNOTÍCÍ KRITÉRIA Studijní obor: 78-42-M/01 Technické lyceum Předmět: TECHNIKA
Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence
APLIKACE UMĚLÉ INTELIGENCE Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence Aplikace umělé inteligence - seminář ING. PETR HÁJEK, PH.D. ÚSTAV SYSTÉMOVÉHO INŽENÝRSTVÍ A INFORMATIKY
Základní škola a Mateřská škola Třemešná 793 82 Třemešná 341 tel: 554 652 218 IČ: 00852538
Základní škola a Mateřská škola Třemešná 793 82 Třemešná 341 tel: 554 652 218 IČ: 00852538 Charakteristika vyučovacího předmětu Obsahové, časové a organizační vymezení Vyučovací předmět informatika se
IB111 Programování a algoritmizace. Programovací jazyky
IB111 Programování a algoritmizace Programovací jazyky Programovací jazyky Programovací jazyk Prostředek pro zápis algoritmů, jež mohou být provedeny na počítači Program Zápis algoritmu v programovacím
Programovací jazyky. imperativní (procedurální) neimperativní (neprocedurální) assembler (jazyk symbolických instrukcí)
Programovací jazyky Programovací jazyky nižší assembler (jazyk symbolických instrukcí) vyšší imperativní (procedurální) Pascal, C/C++, Java, Basic, Python, php neimperativní (neprocedurální) Lisp, Prolog
MATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ metodický list č. 1 Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do těchto dílčích témat: 1. Řešení úloh ve stavovém
Úvodem... 9 Kapitola 1 Karetních
Úvodem... 9 Základní znalosti o programovacích jazycích...10 Jazyk C# a platforma.net...10 Visual C# 2010 Express...11 Instalace platformy.net 4.0 a Visual C# 2010 Express...11 Zdrojový kód aplikací...12
VÝUKOVÝ MATERIÁL. Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632 Číslo projektu
VÝUKOVÝ MATERIÁL Identifikační údaje školy Vyšší odborná škola a Střední škola, Varnsdorf, příspěvková organizace Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632
TGH06 - Hledání nejkratší cesty
TGH06 - Hledání nejkratší cesty Jan Březina Technical University of Liberec 26. března 2013 Motivační problémy Silniční sít reprezentovaná grafem. Najdi nejkratší/nejrychlejší cestu z místa A do místa
Informatika 8. třída/6
Rekurze Jedním z důležitých principů pro návrh procedur je tzv. rekurze. Nejlépe uvidíme tento princip na příkladech dvou velmi jednoduchých procedur (hvězdička označuje násobení). Rekurze vlastně označuje
Boti ve First Person Shooter hrách
Boti ve First Person Shooter hrách Vysvětlení pojmů z nadpisu: First Person Shooter Střílečka z pohledu první osoby. Hráč ovládá postavu, u které vidí jakoby jejíma očima a zároveň jediné co z ní vidí,
TGH05 - aplikace DFS, průchod do šířky
TGH05 - aplikace DFS, průchod do šířky Jan Březina Technical University of Liberec 28. března 2017 Grafová formulace CPM (critical path method) Orientovaný acyklický graf (DAG) je orientovaný graf neobsahující
VYUŽITÍ NĚKTERÝCH METOD TEORIE GRAFŮ PŘI ŘEŠENÍ DOPRAVNÍCH PROBLÉMŮ
VYUŽITÍ NĚKTERÝCH METOD TEORIE GRAFŮ PŘI ŘEŠENÍ DOPRAVNÍCH PROBLÉMŮ Markéta Brázdová 1 Anotace: Metody operačního výzkumu mají při řešení praktických problémů široké využití. Článek se zabývá problematikou
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta elektrotechniky a informatiky Programová realizace jednoduché strategické hry Květoslav Čáp Bakalářská práce 2010 Prohlášení autora Prohlašuji, že jsem tuto práci vypracoval
TGH05 - aplikace DFS, průchod do šířky
TGH05 - aplikace DFS, průchod do šířky Jan Březina Technical University of Liberec 31. března 2015 Grafová formulace CPM (critical path method) Orientovaný acyklický graf (DAG) je orientovaný graf neobsahující
Hanojská věž. T2: prohledávání stavového prostoru. zadání [1 1 1] řešení [3 3 3] dva možné první tahy: [1 1 2] [1 1 3]
Hanojská věž zadání [1 1 1] řešení [3 3 3] dva možné první tahy: [1 1 2] [1 1 3] který tah je lepší? (co je lepší tah?) P. Berka, 2012 1/21 Stavový prostor 1. množina stavů S = {s} 2. množina přechodů
Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto
Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT Mgr. Jana Kubcová Název
Úvod do expertních systémů
Úvod do expertních systémů Expertní systém Definice ES (Feigenbaum): expertní systémy jsou počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně zakódovaných,
Algoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Vývojové diagramy Daniela Szturcová
Programovací jazyky. imperativní (procedurální) neimperativní (neprocedurální) assembler (jazyk symbolických instrukcí)
Programovací jazyky Programovací jazyky nižší assembler (jazyk symbolických instrukcí) vyšší imperativní (procedurální) Pascal, C/C++, Java, Basic, Python, php neimperativní (neprocedurální) Lisp, Prolog
Programujeme, a co dál? Dan Lessner
Programujeme, a co dál? Dan Lessner ksvi.mff.cuni.cz/ucebnice ucime-informatiku.blogspot.cz Učebnice informatiky ksvi.mff.cuni.cz/ucebnice Patří programování do všeobecného vzdělávání? Potřebujeme snad
Překladač a jeho struktura
Překladač a jeho struktura Překladače, přednáška č. 1 Šárka Vavrečková Ústav informatiky, FPF SU Opava sarka.vavreckova@fpf.slu.cz http://fpf.slu.cz/ vav10ui Poslední aktualizace: 23. září 2008 Definice