Scribd
Carica
3 visualizzazioni11 pagine

Uottooooo

Il documento discute vari aspetti dell'intelligenza artificiale, inclusi agenti reattivi, algoritmi di ricerca e matrici di payoff. Viene analizzato un ambiente per calcolare l'expected utility di un agente, la costruzione di un albero di ricerca per un robot in uno spazio bidimensionale e l'esame di strategie dominanti e equilibri di Nash in matrici di payoff. Infine, si esplorano le ricerche avversariali attraverso un albero di gioco a somma zero con tecniche di minimax e potatura alfa-beta.

Caricato da

linac72118
Copyright
© All Rights Reserved
Per noi i diritti sui contenuti sono una cosa seria. Se sospetti che questo contenuto sia tuo, rivendicalo qui.
Formati disponibili
Scarica in formato PDF, TXT o leggi online su Scribd
3 visualizzazioni11 pagine

Uottooooo

Il documento discute vari aspetti dell'intelligenza artificiale, inclusi agenti reattivi, algoritmi di ricerca e matrici di payoff. Viene analizzato un ambiente per calcolare l'expected utility di un agente, la costruzione di un albero di ricerca per un robot in uno spazio bidimensionale e l'esame di strategie dominanti e equilibri di Nash in matrici di payoff. Infine, si esplorano le ricerche avversariali attraverso un albero di gioco a somma zero con tecniche di minimax e potatura alfa-beta.

Caricato da

linac72118
Copyright
© All Rights Reserved
Per noi i diritti sui contenuti sono una cosa seria. Se sospetti che questo contenuto sia tuo, rivendicalo qui.
Formati disponibili
Scarica in formato PDF, TXT o leggi online su Scribd

Expected utility

Si consideri un ambiente Env=<E,e0,𝜏> L’agente reattivo Ag1 è implementato come:

Le probabilità dei run di Ag1 sono le seguenti

La funzione utilità u1 di Ag1 è definita come

a) Disegnare il diagramma degli stati relativo all’agente Ag1


b) Calcolare l’expected utility dell’agente Ag1 nell’environment Env

Paolo Meridiani 2
Search algorithms

0 G

1
3 2 9

4 8

5 6 7

Si consideri il seguente percorso in uno spazio bidimensionale contrassegnato dagli stati {0,..9} in cui un
robot può muoversi compiendo 4 possibili azioni {Up,Down,Left,Right}. Lo stato di partenza è indicato in
figura (2), lo stato obiettivo è contrassegnato da G (0). Il costo di ogni azione è pari a 1 e l’ambiente è
deterministico. Se l’azione non risulta possibile nel percorso il robot resta nella posizione in cui era (e.g.
dalla posizione 2 il robot compiendo l’azione Down resta in 2)

a) Disegnare l’albero di ricerca del problema fino ad una profondità 2, assumendo di ordinare da sinistra
a destra i nodi dell’albero di ricerca utilizzando l’ordine numerico degli stati
b) Esiste una soluzione al problema di ricerca a questa profondità dell’albero?
c) Immaginando di utilizzare un algoritmo depth first search e un algoritmo breadth first search quale dei
2 riesce a trovare prima la soluzione? (si assuma l’ordinamento dei nodi discusso al punto a)
d) L’euristica h(i)=i dove i rappresenta lo stato contrassegnato da i è una euristica ammissibile per questo
problema?
Paolo Meridiani 3
Payoff Matrix (1)

Si consideri la seguente matrice di payoff per gli agenti I e J, ciascuno con possibili azioni {C,D}

a) Esistono strategie dominant per I e J?


b) Esistono uno o più equilibri di Nash?
c) Esistono una o più soluzioni che siano ottimi di Pareto?

Paolo Meridiani 4
Payoff Matrix (2)

Si consideri la seguente matrice di payoff per gli agenti I e J, ciascuno con possibili azioni {C,D}

a) Esistono strategie dominant per I e J?


b) Esistono uno o più equilibri di Nash?
c) Esistono una o più soluzioni che siano ottimi di Pareto?

Paolo Meridiani 5
Adversarial searches

MAX

MIN

MAX

Si consideri il seguente albero di ricerca per un gioco a somma zero con 2 giocatori MAX e MIN, i cui valori
terminali sono riportati in figura.
MINIMAX: Assegnare i valori mancanti ai nodi di MAX e MIN.
Alfa-Beta Pruning: ci sono parti dell’albero che si possono evitare di espandere?

Paolo Meridiani 6

Potrebbero piacerti anche