Bai giang Tri Tue Nhan Tao

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (9.18 MB, 236 trang )

(1)<div class='page_container' data-page=1>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 1

TRÍ TUỆ NHÂN TẠO

Nguyễn Ngọc Hiếu

Khoa Công nghệ Thông tin
Trường Đại học Vinh

</div>
(2)<div class='page_container' data-page=2>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 2

NỘI DUNG

 TỔNG QUAN VỀ KHOA HỌC TTNT

 CÁC PHƯƠNG PHÁP BIỂU DIỄN VÀ GIẢI 
QUYẾT VẤN ĐỀ

</div>
(3)<div class='page_container' data-page=3>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 3

TÀI LIỆU THAM KHẢO

1. Trí tuệ nhân tạo – Các phương pháp Giải quyết vấn đề và
kỹ thuật xử lý tri thức (1999)

Nguyễn Thanh Thuỷ

2. Lập trình lơgic trong Prolog (2004)

Phan Huy Khánh

3. Artificial Intelligence: A Modern Approach (2nd edition,
2002)

</div>
(4)<div class='page_container' data-page=4>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 4

ĐÁNH GIÁ

 Tham dự bài giảng: 10%
 Thi giữa kỳ: 20%

</div>
(5)<div class='page_container' data-page=5>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 5

KHỐI LƯỢNG & CẤU TRÚC HỌC PHẦN

 Số đơn vị học trình: 3
 Lý thuyết: 35 tiết

</div>
(6)<div class='page_container' data-page=6>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 6

</div>
(7)<div class='page_container' data-page=7>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 7

NỘI DUNG



CÁC KHÁI NIỆM CƠ BẢN



CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT



LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT



CÁC THÀNH TỰU CỦA KHOA HỌC TTNT

</div>
(8)<div class='page_container' data-page=8>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 8

CÁC KHÁI NIỆM CƠ BẢN:

TTNT là gì?



Trí tuệ nhân tạo là khoa học liên quan đến việc làm

</div>
(9)<div class='page_container' data-page=9>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 9



Intelligence: trí thơng minh

“ability to learn, understand and think” (Oxford
dictionary)



Artificial Intelligence (AI): trí thơng minh nhân tạo

“attempts to understand intelligent entities”
“strives to build intelligent entities”

(Stuart Russell & Peter Norvig)

CÁC KHÁI NIỆM CƠ BẢN:

</div>
(10)<div class='page_container' data-page=10>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 10

CÁC KHÁI NIỆM CƠ BẢN:

</div>
(11)<div class='page_container' data-page=11>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 11

CÁC KHÁI NIỆM CƠ BẢN:

</div>
(12)<div class='page_container' data-page=12>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 12

Thinking humanly

(Suy nghĩ như con người)

Thinking rationally
(Suy nghĩ hợp lý)
Acting humanly

(Hành động như con người) (Hành động hợp lý)Acting rationally

CÁC KHÁI NIỆM CƠ BẢN:

</div>
(13)<div class='page_container' data-page=13>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 13

CÁC KHÁI NIỆM CƠ BẢN:

Hành động như con người:Phép thử Turing



Alan Turing (1912-1954)



“Computing Machinery and Intelligence” (1950)

Phép thử

Người kiểm tra

Người

</div>
(14)<div class='page_container' data-page=14>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 14

 Chỉ ra các lĩnh vực cần nghiên cứu trong AI:

 Xử lý ngôn ngữ tự nhiên: để giao tiếp

 Biểu diễn tri thức: để lưu trữ và phục hồi các

thông tin được cung cấp trước/trong quá trình
thẩm vấn

 Suy diễn tự động: để sử dụng các thông tin đã

được lưu trữ trả lời các câu hỏi và đưa ra các kết
luận mới

 Học máy: thích nghi với các tình huống mới, phát

hiện và suy ra các mẫu

</div>
(15)<div class='page_container' data-page=15>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 15

CÁC KHÁI NIỆM CƠ BẢN:

Suy nghĩ như con người: Mô hình nhận thức

 Con người suy nghĩ ntn ?

 Nhờ tâm lý học, khoa học nhận thức.

 Người thuộc trường phái này, yêu cầu:

 Chương trình chẳng những giải đúng

 Còn so sánh từng bước giải với sự giải của 1

người.

 VD: General Problem Solver (GPS), Newell &

</div>
(16)<div class='page_container' data-page=16>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 16

CÁC KHÁI NIỆM CƠ BẢN:

Suy nghĩ có lý: Luật của suy nghĩ

 Aristole: ~420 BC.

 Tiến trình suy nghĩ đúng là gì?

 Mở ra nhánh: quá trình suy luận.

 VD: “Socrates is a man, all men are mortal; therefore

Socrates is mortal”

 Theo sau Aristole -> 20th:

 Logic hình thức (formal logic) ra đời.

 Hình thức hố về mặt ký hiệu và quá trình suy diễn với

</div>
(17)<div class='page_container' data-page=17>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 17

CÁC KHÁI NIỆM CƠ BẢN:

Hành động có lý

 Hành động có lý ~ hành động để đạt được mục tiêu.

 Ưu thế:

 Tổng quát hơn luật suy nghĩ: Xử lý thông tin không chắc

</div>
(18)<div class='page_container' data-page=18>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 18

CÁC KHÁI NIỆM CƠ BẢN:

Các phương pháp và kỹ thuật

 Các phương pháp biểu diễn tri thức và kỹ thuật 
xử lý tri thức

 Các phương pháp giải quyết vấn đề
 Các phương pháp Heuristic

</div>
(19)<div class='page_container' data-page=19>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 19

CÁC KHÁI NIỆM CƠ BẢN:

Các thành phần trong hệ thống

 Hai thành phần cơ bản:

 Các phương pháp biểu diễn vấn đề, các phương pháp

biểu diễn tri thức

 Các phương pháp tìm kiếm trong khơng gian bài tốn,

</div>
(20)<div class='page_container' data-page=20>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 20

NỘI DUNG



CÁC KHÁI NIỆM CƠ BẢN



CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT



LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT



CÁC THÀNH TỰU CỦA KHOA HỌC TTNT

</div>
(21)<div class='page_container' data-page=21>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 21

CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT

TTNT kế thừa nhiều ý tưởng, quan điểm và các kỹ thuật từ các
ngành khoa học khác

TTNT

Tâm

lý học

Ngôn ngữ học

Khoa học
máy tính

Triết
 học

Tốn học

Các lý thuyết của lập
luận và học

Các lý thuyết xác suất logic,
tạo quyết định và tính tốn

Làm cho TTNT trở
thành hiện thực
Nghiên cứu ý nghĩa và

</div>
(22)<div class='page_container' data-page=22>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 22

NỘI DUNG



CÁC KHÁI NIỆM CƠ BẢN



CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT



LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT

</div>
(23)<div class='page_container' data-page=23>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 23

LỊCH SỬ PHÁT TRIỂN CỦA

KHOA HỌC TTNT

 Bắt đầu của AI (1943 - 1956):

 1943: McCulloch & Pitts: Mơ hình chuyển mạch logic.

 1950: Bài báo “Computing Machinery and Intelligence”

của Turing.

</div>
(24)<div class='page_container' data-page=24>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 24

 “birth day”: Hội nghị ở Dartmouth College mùa hè 1956, do

Minsky và McCarthy tổ chức, và ở đây McCarthy đề xuất
tên gọi “artificial intelligence”. Có Simon và Newell trong
những người tham dự.

John McCarthy Marvin Minsky

</div>
(25)<div class='page_container' data-page=25>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 25

 Trơng mong nhất (1952 - 1969):

 Một số chương trình TTNT thành cơng:

 Samuel’s checkers

 Newell & Simon’s Logic Theorist

 Gelernter’s Geometry Theorem Prover.

 Thuật giải của Robinson cho lập luận logic.

</div>
(26)<div class='page_container' data-page=26>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 26

 Thực tế (1966 − 1974):

 Phát hiện được các khó khăn về độ phức tạp tính toán.
 Quyến sách của Minsky & Papert năm 1969.

 Hệ thống dựa trên tri thức (1969 − 1979):

 1969: DENDRAL by Buchanan et al.

Đưa ra cấu trúc phân tử từ thông tin của quang phổ kế

 1976: MYCIN by Shortliffle.

Chuẩn đoán nhiểm trùng máu

 1979: PROSPECTOR by Duda et al.

Chuẩn đốn vị trí khoan dầu

</div>
(27)<div class='page_container' data-page=27>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 27

 TTNT trở thành ngành công nghiệp (1980 - 
1988):

 Bùng nổ về các hệ chuyên gia.

 1981: Đề án máy tính thế hệ thứ năm của Nhật

Bản.

 Sự trở lại của các mạng nơron và lý thuyết 
TTNT (1986 - nay)

</div>
(28)<div class='page_container' data-page=28>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 28

LỊCH SỬ PHÁT TRIỂN CỦA

</div>
(29)<div class='page_container' data-page=29>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 29

NỘI DUNG



CÁC KHÁI NIỆM CƠ BẢN



CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT



LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT



CÁC THÀNH TỰU CỦA KHOA HỌC TTNT

</div>
(30)<div class='page_container' data-page=30>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 30

CÁC THÀNH TỰU CỦA

</div>
(31)<div class='page_container' data-page=31>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 31

CÁC THÀNH TỰU CỦA

</div>
(32)<div class='page_container' data-page=32>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 32

CÁC THÀNH TỰU CỦA

</div>
(33)<div class='page_container' data-page=33>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 33

SONY AIBO

</div>
(34)<div class='page_container' data-page=34>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 34

Đi bộ

Quay

Lên xuống
cầu thang

Honda Humanoid Robot
& Asimo

</div>
(35)<div class='page_container' data-page=35>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 35

CÁC THÀNH TỰU CỦA

</div>
(36)<div class='page_container' data-page=36>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 36

CÁC THÀNH TỰU CỦA

</div>
(37)<div class='page_container' data-page=37>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 37

NỘI DUNG



CÁC KHÁI NIỆM CƠ BẢN



CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT



LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT



CÁC THÀNH TỰU CỦA KHOA HỌC TTNT

</div>
(38)<div class='page_container' data-page=38></div>
(39)<div class='page_container' data-page=39></div>
(40)<div class='page_container' data-page=40></div>
(41)<div class='page_container' data-page=41></div>
(42)<div class='page_container' data-page=42></div>
(43)<div class='page_container' data-page=43></div>
(44)<div class='page_container' data-page=44></div>
(45)<div class='page_container' data-page=45></div>
(46)<div class='page_container' data-page=46></div>
(47)<div class='page_container' data-page=47></div>
(48)<div class='page_container' data-page=48></div>
(49)<div class='page_container' data-page=49></div>
(50)<div class='page_container' data-page=50></div>
(51)<div class='page_container' data-page=51></div>
(52)<div class='page_container' data-page=52></div>
(53)<div class='page_container' data-page=53></div>
(54)<div class='page_container' data-page=54>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 54

Một số chủ đề nghiên cứu

 Giải thuật di truyền và ứng dụng

 Mạng Nơron nhân tạo và ứng dụng

 Công nghệ tác tử và ứng dụng

 KDD và ứng dụng

 Phân lớp - học có thầy

 Lý thuyết tập thô
 Cây quyết định
 ...

 Phân cụm - học khơng có thầy
 Luật kết hợp

 ....

</div>
(55)<div class='page_container' data-page=55>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 55

</div>
(56)<div class='page_container' data-page=56>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 56

NỘI DUNG

 BIỂU DIỄN VÀ GIẢI QUYẾT VẤN ĐỀ

TRONG KHOA HỌC TTNT

</div>
(57)<div class='page_container' data-page=57>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 57

BIỂU DIỄN VÀ GIẢI QUYẾT VẤN ĐỀ

TRONG KHOA HỌC TTNT

 Giải quyết vấn đề và khoa học TTNT
 Giải quyết vấn đề của con người

 Phân loại vấn đề & Các đặc trưng cơ bản của vấn đề
 Các thành phần cơ bản trong hệ thống giải quyết

</div>
(58)<div class='page_container' data-page=58>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 58

Giải quyết vấn đề và khoa học TTNT

 Hoạt động trí tuệ: vận dụng các kỹ thuật giải quyết 
vấn đề

 Giải quyết vấn đề: tìm kiếm trong khơng gian các

lời giải bộ phận có thể có được.

 Phương pháp biểu diễn vấn đề => Phương pháp giải 
quyết vấn đề.

 VD: Biểu diễn bằng logic vị từ => Phương pháp hợp giải

 VD: Biểu diễn bằng mạng ngữ nghĩa => Các thủ tục tìm

</div>
(59)<div class='page_container' data-page=59>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 59

 Giải quyết vấn đề: duyệt-tìm kiếm trong khơng gian 
lời giải => bùng nổ tổ hợp => các thủ tục tìm kiếm
Heuristic

 Phân chia các hệ thống TTNT:

 Các hệ tìm kiếm thơng tin, các hệ hỏi đáp thông minh

 Các hệ suy diễn – tính tốn: dựa vào các mơ hình tốn

học và tri thức chuyên gia

 Các hệ chuyên gia

</div>
(60)<div class='page_container' data-page=60>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 60

Phát biểu bài toán-Xác định ph ơng phỏp bd bi toỏn

Sản sinh không gian bài toán

Bài toán có thể giải nhờ thuật toán đa thức

Xỏc nh li
giải nhờ các
ngơn ngữ lập

tr×nh

Xác định các tri thức đặc biệt để rút gọn khơng gian TK

X©y dùng các ph ơng pháp biểu diễn tri thức và suy diễn

Lựa chọn ngôn ngữ, công cụ phù hợp

Cỏc h gii quyt vn da vo tri thc
Bi toỏn (Vn )

Đ
S
Công nghệ
lập trình
truyền
thống
Công nghệ
xử lý
tri thức

Sơ đồ: Những khía cạnh khác nhau của TTNT

</div>
(61)<div class='page_container' data-page=61>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 61

Giải quyết vấn đề của con người

 Cách giải quyết vấn đề của con người là mơ hình 
thực tiễn quan trọng để các chuyên gia TTNT tìm
cách mơ phỏng lại trên máy tính q trình giải quyết
bài tốn.

 Khoa học về nhận thức: Nghiên cứu quá trình tổ chức,

lưu trữ, truy nhập, xử lý và thu nạp tri thức trong bộ não
người.

 Tâm lý học nhận thức và khoa học điều khiển: Tạo ra

</div>
(62)<div class='page_container' data-page=62>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 62

 Quá trình xử lý thơng tin của con người

Giải quyết vấn ca con ngi

Hệ thống thụ cảm

Cơ quan
thụ cảm

B nh
m

Hệ thống nhận thức

Bộ nhớ dài hạn
Bộ nhớ lµm viƯc

Bé xư lý nhËn thøc

Hệ thống hành động

Cơ quan
hành
động
Bộ nhớ
đệm
Kích
thích
Trả
lời

</div>
(63)<div class='page_container' data-page=63>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 63

 Giải quyết vấn đề của con người là một trường hợp 
riêng của q trình xử lý thơng tin trong bộ não. Đó
là việc tìm cách đi từ tình huống ban đầu nào đó đến
đích. Giải quyết vấn đề là một hoạt động đặc biệt
của hệ thần kinh cần tới quá trình suy nghĩ, tìm
kiếm trong khơng gian lời giải bộ phận để đi đến lời
giải cuối cùng.

 Tuy nhiên, cần lưu ý rằng không phải mọi hoạt động

xử lý thông tin đều là giải quyết vấn đề.

</div>
(64)<div class='page_container' data-page=64>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 64

Các chiến lược giải quyết vấn đề:

 Ước lượng mức độ phức tạp của vấn đề đặt ra:

 Nếu đơn giản, giải quyết vấn đề nhờ vào một thuật toán

tiền định nào đó với các thao tác cơ sở.

 Nếu phức tạp, các cơ quan não tìm cách hiểu chi tiết nội

dung của vấn đề để mã hố, tìm phương pháp phù hợp.

 Nới lỏng một vài ràng buộc của bài toán.

</div>
(65)<div class='page_container' data-page=65>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 65

Các chiến lược giải quyết vấn đề:

 Phương pháp thử - sai: Xuất phát từ tình huống ban đầu,

người ta đưa ra các tình huống mới, sau đó so sánh với các
ràng buộc để tìm ra các lời giải hợp lý.

 Phương pháp chia bài toán thành các bài toán con: Từ bài

toán phức tạp, con người chia thành các bài tốn nhỏ, ít

phức tạp cho đến khi gặp các bài toán sơ cấp, giải quyết
được ngay.

 Tổng quát hố bài tốn : Chuyển các thơng tin bên ngồi

thành các kí hiệu làm cho bài tốn dễ giải hơn. Q trình
này tạo ra một mơ hình trí tuệ của bài tốn, mơ hình này
thường được gọi khơng gian bài tốn.

</div>
(66)<div class='page_container' data-page=66>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 66

Khơng gian bài toán bao gồm:

 Các dạng mẫu ký hiệu, mỗi dạng biểu diễn một 
trạng thái hay một tình huống bài toán.

 Các mối liên kết giữa các dạng mẫu ký hiệu, mỗi 
mối liên kết tương ứng với các phép biến đổi từ
dạng này sang dạng khác.

</div>
(67)<div class='page_container' data-page=67>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 67

Phân loại vấn đề & Các đặc trưng cơ

bản của vấn đề

 Bài toán 1: Bài tốn trị chơi n2-1 số (nN, n>2).

1 2 3 4

5 6 7 8

9 10 11 12

</div>
(68)<div class='page_container' data-page=68>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 68

 Bài tốn 2: Bài tốn Tháp Hà nội

Phân loại vấn đề & Các đặc trưng cơ

bản của vấn đề

3
2

</div>
(69)<div class='page_container' data-page=69>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 69

Phân loại vấn đề:

 Vấn đề (bài toán) phát biểu chỉnh (well-formed problems):

Là các bài tốn có thể biết được hình trạng đầu, hình trạng
đích và có thể quyết định khi nào vấn đề được coi là giải
quyết xong. Các bài toán 1 - 2 là những vấn đề được phát
biểu chỉnh.

 Vấn đề (bài tốn) phát biểu khơng chỉnh (ill-formed

problems): Là các vấn đề được phát biểu chưa đầy đủ, thiếu
dữ kiện. Các bài toán chẩn đoán và điều trị bệnh, bài toán
xác định chất lượng sản phẩm là các bài toán phát biểu
không chỉnh.

</div>
(70)<div class='page_container' data-page=70>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 70

 Các đặc trưng cơ bản của vấn đề

 Bài tốn có thể phân tích thành các bài tốn dễ giải hơn khơng?
 Các bước giải của bài tốn có thể bỏ qua hay huỷ bỏ hay khơng?
 Khơng gian bài tốn có thể đốn trước hay khơng?

 Có tiêu chuẩn để xác định lời giải nào đó là tốt đối với bài tốn

khơng?

 Có cần tri thức để giải quyết bài tốn hay điều khiển q trình tìm

kiếm khơng?

 Cơ sở tri thức để giải quyết bài tốn có nhất qn với nội dung

khơng?

 Có cần tương tác người máy trong q trình giải quyết khơng?

</div>
(71)<div class='page_container' data-page=71>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 71

Các thành phần cơ bản trong hệ thống

giải quyết vấn đề

 Giải quyết vấn đề: Biểu diễn bài toán và tìm kiếm 
lời giải trong khơng gian bài tốn

 H thng gii quyt vn :

Giải thuật
tìm kiếm

Chiến l ợc
điều khiển

Kỹ thuật
Heuristic

Kỹ thuật
suy diƠn

Hệ thống giải quyết vấn đề

Bµi toán

Dữ liệu + Tri thức

Cơ sở
dữ liệu

</div>
(72)<div class='page_container' data-page=72>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 72

NỘI DUNG

 BIỂU DIỄN VÀ GIẢI QUYẾT VẤN ĐỀ TRONG 
KHOA HỌC TTNT

 CÁC PHƯƠNG PHÁP BIỂU DIỄN VẤN ĐỀ

</div>
(73)<div class='page_container' data-page=73>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 73

CÁC PHƯƠNG PHÁP BIỂU DIỄN

VẤN ĐỀ

 Phương pháp biểu diễn nhờ không gian trạng thái
 Phương pháp qui bài toán về các bài toán con

 Phương pháp biểu diễn vấn đề nhờ logic hình thức
 Lựa chọn phương pháp biểu diễn thích hợp

 Biểu diễn vấn đề trong máy tính

</div>
(74)<div class='page_container' data-page=74>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 74

Phương pháp biểu diễn nhờ KGTT

 Trạng thái (State) là hình trạng của bài tốn

 Tốn tử (Operator) là các phép biến đổi từ trạng

thái này sang trạng thái khác

 Hình trạng đầu, hình trạng cuối của bài toán được 
gọi là trạng thái đầu, trạng thái cuối

 Tập tất cả các trạng thái được sinh ra do xuất phát từ 
trạng thái đầu và áp dụng các toán tử được gọi là

</div>
(75)<div class='page_container' data-page=75>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 75

 Một cách biểu diễn trực quan đối với khơng gian

trạng thái và các tốn tử là sử dụng đồ thị, trong đó,
các đỉnh của đồ thị t ơng ứng với các trạng thái còn
các cung t ơng ứng với các toán tử

 VD: Bài tốn trị chơi n2-1 số (nN, n>2)

 n = 4 1 2 3 4

5 6 7 8

9 10 11 12

13 14 15

</div>
(76)<div class='page_container' data-page=76>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 76

</div>
(77)<div class='page_container' data-page=77>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 77

 Mỗi trạng thái là một sắp xếp nào đó của các con số từ 1 đến 15 sao

cho khơng có hai ơ nào có cùng giá trị

 Hình trạng đầu và cuối tương ứng với các trạng thái đầu và cuối

 Không gian trạng thái đạt được từ trạng thái đầu bao gồm tất cả các

hình trạng được sinh ra nhờ áp dụng những phép dịch chuyển chấp
nhận được của ô trống

 Đối với bài toán này số trạng thái chấp nhận được xấp xỉ (1/2). 16 ! 

10.5.1012

 Các toán tử chính là các phép biến đổi từ trạng thái này sang trạng

thái khác bao gồm: dịch ô trống sang phải, sang trái, lên trên, xuống
dưới. Đối với một số trạng thái có một số tốn tử khơng áp dụng
được.

 Lời giải của bài toán có thể nhận được nhờ sử dụng quá trình tìm

kiếm sau: áp dụng các toán tử vào trạng thái đầu để nhận được những
trạng thái mới, sau đó áp dụng các toán tử vào các trạng thái mới này
và cứ như vậy cho đến khi đạt đến trạng thái đích.

</div>
(78)<div class='page_container' data-page=78>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 78

Phương pháp qui bài tốn về các bài

toán con

 Tách bài toán thành các bài toán con sao cho lời giải 
của tập các bài toán con cho phép xác định lời giải
của bài toán ban đầu.

 Cách tiếp cận này dẫn đến phương pháp biểu diễn 
vấn đề bằng đồ thị Và /Hoặc.

Hoặc B C

E F

</div>
(79)<div class='page_container' data-page=79>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 79

Phương pháp qui bài toán về các bài

toán con

 VD: Bài toán Tháp Hà nội (n=3)

3
2

A B C A B C

Hµ Néi (3, A, B, C)

</div>
(80)<div class='page_container' data-page=80>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 80

 n = 3

 n = 4

</div>
(81)<div class='page_container' data-page=81>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 81

 Thông thường, để giải quyết vấn đề người ta cần 
phân tích logic để thu gọn q trình tìm kiếm và đơi
khi nhờ phân tích logic có thể chứng tỏ được rằng
một bài tốn nào đó khơng thể giải được.

 VD: Bài tốn trị chơi n2-1 số

Phương pháp biểu diễn vấn đề nhờ

logic hình thức

15 14 13 12

11 10 9 8

</div>
(82)<div class='page_container' data-page=82>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 82
 Các dạng logic hình thức được sử dụng để biểu diễn bài

toán gồm:

 Logic mệnh đề 
 Logic vị từ

 Phương pháp biểu diễn bài tốn nhờ logic hình thức cho

phép:

 Kiểm tra điều kiện kết thúc trong khi tìm kiếm đối với khơng gian

trạng thái

 Kiểm tra tính áp dụng được đối với các tốn tử
 Chứng minh khơng tồn tại lời giải

 Mục đích giải quyết vấn đề dựa trên logic hình thức là

chứng minh một phát biểu nào đó trên cơ sở những tiền đề
và luật suy diễn đã có.

</div>
(83)<div class='page_container' data-page=83>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 83

 Trong nhiều trường hợp, việc giải quyết bài toán

dựa trên các thuật ngữ đã được dùng để phát biểu nó

là rất khó khăn. Người ta thường lựa chọn một dạng
biểu diễn phù hợp nào đó đối với các dữ liệu của bài
toán, làm cho bài toán trở nên dễ giải hơn.

</div>
(84)<div class='page_container' data-page=84>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 84

 Việc lựa chọn phương pháp biểu diễn thích hợp nhằm:

 Tránh giải trực tiếp bài tốn đặt ra ban đầu do những khó khăn liên

quan tới kích cỡ, trọng số, tầm quan trọng và chi phí xử lý dữ liệu
của bài tốn.

 Bỏ bớt những thông tin thừa hoặc không quan trọng trong bài toán
 Tận dụng những phương pháp giải đã có đối với bài toán nhận

được sau khi phát biểu lại

 Cách phát biểu mới có thể cho phép thể hiện một vài tương quan

nào đó giữa các yếu tố của bài toán nhằm thu gọn quá trình giải

 Sau khi đã giải quyết xong bài tốn theo cách biểu diễn mới,

cần phải diễn giải lời giải nhận được cho sát với bài toán
thực tế và chứng minh rằng cách diễn giải đó thực sự giải
quyết được bài toán đặt ra.

</div>
(85)<div class='page_container' data-page=85>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 85

Để có thể giải quyết vấn đề trên máy tính, trước hết ta phải
tìm cách biểu diễn lại vấn đề sao cho máy tính có thể “hiểu”
được. Điều này có nghĩa là ta phải đưa các dữ liệu của bài
tốn về dạng có thể xử lý được trên máy tính.

 Cách biểu diễn dùng bảng: Sử dụng bảng để biểu diễn các

hình trạng của bài tốn.

Biểu diễn vấn đề trong máy tính

1 2 3 4

5 6 7 8

9 10 11 12

</div>
(86)<div class='page_container' data-page=86>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 86

 Cách biểu diễn dùng xâu ký hiệu

Biểu diễn vấn đề trong máy tính

TgT

ToĐ
VĐ

MĐ

</div>
(87)<div class='page_container' data-page=87>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 87

 Cách biểu diễn dùng cấu trúc danh sách

Biểu diễn vấn đề trong máy tính

a
ac
b

2
4



* 2 a

- b 2

</div>
(88)<div class='page_container' data-page=88>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 88

Có hai cách tiếp cận trong giải quyết vấn đề:

 Tổng qt hố để đưa ra mơ hình bài tốn

 Cụ thể hoá trên cơ sở sử dụng các tri thức đặc tả Trên

thực tế, có những bài tốn không thể giải được nhờ sử
dụng mơ hình, hơn nữa lời giải nhận được còn khá xa với
lời giải thực tế. Trong trường hợp đó, người ta áp dụng
cách tiếp cận sử dụng tri thức đặc tả. Các phương pháp
biểu diễn tri thức bao gồm: Frame, logic hình thức, mạng
ngữ nghĩa và các hệ sản xuất.

</div>
(89)<div class='page_container' data-page=89>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 89

NỘI DUNG

 BIỂU DIỄN VÀ GIẢI QUYẾT VẤN ĐỀ TRONG 
KHOA HỌC TTNT

 CÁC PHƯƠNG PHÁP BIỂU DIỄN VẤN ĐỀ

</div>
(90)<div class='page_container' data-page=90>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 90

CÁC PHƯƠNG PHÁP GIẢI QUYẾT

VẤN ĐỀ

 Biểu diễn vấn đề trong không gian trạng thái và các 
chiến lược tìm kiếm trên đồ thị

 Qui bài toán về bài toán con và các chiến lược tìm 
kiếm trên đồ thị Và/Hoặc

 Biểu diễn vấn đề nhờ logic hình thức và phương 
pháp suy diễn logic

</div>
(91)<div class='page_container' data-page=91>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 91

Biểu diễn vấn đề trong KGTT

và các chiến lược tìm kiếm trên đồ thị

 Các mơ tả trạng thái và tốn tử

 Biểu diễn vấn đề dưới dạng đồ thị

</div>
(92)<div class='page_container' data-page=92>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 92

Các mơ tả trạng thái và tốn tử

 Khi giải quyết bài tốn trong khơng gian trạng thái, 
chúng ta cần phải xác định dạng mô tả các trạng thái
của bài toán.

 VD: Bài toán n2 - 1 số (n = 4)

 Mỗi trạng thái là bảng có kích thước 4 x 4

 Toán tử: phép biến đổi từ trạng thái này sang trạng thái

</div>
(93)<div class='page_container' data-page=93>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 93

 VD: Biến đổi biểu thức đại số:

(A x B + C x D)/(B * C) thành A/C + D/B.

 Mỗi trạng thái là biểu thức đại số.

 Toán tử: Biến đổi được từ biểu thức này sang biểu thức

khác.

 Dùng cấu trúc cây nhị phân.

 Dùng ký pháp nghịch đảo Ba lan (Hậu tố, tiền tố).

 Các tốn tử trong khơng gian trạng thái là những 
phép biến đổi đưa trạng thái này về trạng thái khác

</div>
(94)<div class='page_container' data-page=94>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 94

 Có hai cách biểu diễn các tốn tử:

 Cách 1: Sử dụng kí hiệu hàm, có nghĩa là xem các toán tử như là

các hàm xác định trên tập các trạng thái và nhận giá trị cũng trong
tập này

 VD: Với bài toán trị chơi 15 số, ta có 4 loại tốn tử có thể mơ tả

được dưới dạng kí hiệu hàm như sau

dl: Dịch ô trống lên trên; dx: Dịch ô trống xuống dưới;
df: Dịch ô trống sang phải; dt: Dịch ô trống sang trái;

dl(A) = B, Giả sử A = (aij). B = (bij) và ô trống trong A ở vị trí (i0,
j0)). Khi đó ứng với phép dịch ô trống lên trên ta có thể viết B =
dl(A) = (bij) với aij (i, j) nÕu i0 = 1

bij = nÕu (i, j)  (i0, j0) vµ (i, j)  (i0-1, j0), i0>1
ai0j0 nÕu (i, j) = (i0-1, j0) vµ i0>1

ai0-1j0 nÕu (i, j) = (i0, j0) vµ i0>1

</div>
(95)<div class='page_container' data-page=95>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 95

 Cách 2: Sử dụng các quy tắc sản xuất (Production Rules)

si  sj. Nghĩa là, mỗi khi xuất hiện trạng thái si thì có thể

dẫn tới trạng thái sj.

 VD: Với bài tốn trị chơi 15 số, ta có sản xuất sau:

11 9 4 15 11 9 4 15

1 3 12 1 3 12

7 5 8 6 7 5 8 6

13 2 10 14 13 2 10 14

</div>
(96)<div class='page_container' data-page=96>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 96

 Các thủ tục tìm kiếm trong khơng gian trạng thái 
thường bao gồm quá trình xây dựng các trạng thái
mới xuất phát từ các trạng thái cũ và kiểm tra xem
trạng thái mới này có thoả mãn những điều kiện áp
dụng cho trạng thái đích khơng.

</div>
(97)<div class='page_container' data-page=97>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 97

 Kết luận: Để biểu diễn bài toán trong không gian 
trạng thái cần phải xác định:

 Dạng mô tả của các trạng thái.

 Tập các toán tử và tác động của chúng lên các mô tả

trạng thái .

 Các trạng thái đầu, các trạng thái đích .

</div>
(98)<div class='page_container' data-page=98>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 98

Một cách hình thức ta có thể phát biểu bài tốn như sau:

 Bài toán P1: Cho trạng thái đầu s0, tập trạng thái ĐICH.

Hãy tìm dãy trạng thái s0, s1, s2, . . ., sn sao cho sn  ĐICH,

thoả mãn một số điều kiện nào đó và với mọi i (i=0, .. ,n-1),
từ trạng thái si có thể áp dụng tốn tử biến đổi nào đó để
nhận được trạng thái si+1

(i oi  O sao cho oi(si) = si+1

hoặc

i pi  P sao cho si  si+1 )

</div>
(99)<div class='page_container' data-page=99>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 99

Hay dưới dạng khác:

Bài toán P2: Cho trạng thái đầu s0, tập trạng thái
đích ĐICH.

- Tìm dãy tốn tử o1, . . ., on sao cho

on(on-1(. . .(o1(s0). . .)) = sn  ĐICH

- Tìm dãy sản xuất p1, p2, . . ., pn sao cho

n
p

p

p s s s

s n
 


 

 

 1 2...

0 1 2  ĐICH

</div>
(100)<div class='page_container' data-page=100>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 100

Biểu diễn vấn đề dưới dạng đồ thị

 Đồ thò: là một cấu trúc G = (N,A) bao gồm:

 Tập các nút N

 Tập các cung A nối các cặp nút, có thể có nhiều cung

trên một cặp nút

A
B
D
C
E
B
C
A
D
E

Nút: {A,B,C,D,E}

Cung: {(a,d), (a,b), (a,c), (b,c), (c,d), (c,e), (d,e)},e),

</div>
(101)<div class='page_container' data-page=101>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 101

 Đồ thị có hướng: là đồ thị với các cung có định

hướng, nghĩa là cặp nút có quan hệ thứ tự trước sau

theo từng cung. Cung (Ni,Nj) có hướng từ Ni đến
Nj, Khi đó Ni là nút cha và Nj là nút con.

 Nút lá: là nút khơng có nút con.

 Đường đi: là chuoãi có thứ tự các nút mà 2 nút kế
tiếp nhau tồn tại một cung.

 Đồ thị có gốc: Trên đồ thò tồn tại nút X sao cho tất
cả các đường đi đều đi qua nút đó. X là gốc.

</div>
(102)<div class='page_container' data-page=102>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 102

Biểu diễn vấn đề dưới dạng đồ thị

 Không gian trạng thái là một hệ thống gồm 4 thành phần

[N,A,S,DICH]. Trong đó:

 N là tập nút của đ ồ thò. Moãi nút là một trạng thái của quá trình giải

quyết vấn đề

 A: Tập các cung nối giưõa các nút N. Moãi cung là một bước (toán

tử) trong giải quyết vấn đ . ề Cung có thể có hướng

 S: Tập các trạng thái bắt đầu. S khác roãng.

 DICH: Tập các trạng thái đích. DICH khác roãng.

 Lời giải: Là một đường đi đi từ một nút bắt đầu Si đến một nút

kết thúc DICHj .

 Mục tiêu của các giải thuật tìm kiếm là tìm ra một lời giải và/hay

</div>
(103)<div class='page_container' data-page=103>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 103

Các phương pháp tìm kiếm trong KGTT

 Tìm kiếm theo chiều rộng (Breath – first search)
 Tìm kiếm theo chiều sâu (Depth –first search )
 Tìm kiếm sâu dần (Depthwise search)

 Tìm kiếm cực tiểu hố giá thành (Cost 
minimization search)

 Tìm kiếm cực tiểu hố giá thành với tri thức bổ 
sung

</div>
(104)<div class='page_container' data-page=104>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 104

Các phương pháp tìm kiếm trong KGTT:

Breath First Search (TKR)

Vào: Cây G = (N, A), đỉnh gốc n0, tập ĐICH  N

Ra : Đường đi p từ đỉnh n0 tới đỉnh n*  ĐICH

Phương pháp:

/* Sử dụng hai danh sách kiểu FIFO là MO và ĐONG, trong đó MO là danh sách
chứa các đỉnh chưa xét còn ĐONG là danh sách chứa các đỉnh đã xét */

{MO  n0 /* Cho đỉnh n0 vào cuối danh sách MO */

While MO   do

{n  get(MO) /* Lấy đỉnh n ở đầu danh sách MO */

ĐONG  ĐONG  {n}

if B(n)   then /* B(n) là tập các nút con của nút n

{MO  MO  B(n) /* Cho B(n) vào cuối danh sách MO */

if B(n)  ĐICH   then

{exit(thành công); Xây dựng đường đi p}
}

}

</div>
(105)<div class='page_container' data-page=105>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 105

Các phương pháp tìm kiếm trong KGTT:

Breath First Search (TKR)

 VD: Áp dụng thuật tốn tìm kiếm theo chiều rộng với cây

sau, tập ĐICH = {r, p}

</div>
(106)<div class='page_container' data-page=106>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 106

Các phương pháp tìm kiếm trong KGTT:

Breath First Search (TKR)

</div>
(107)<div class='page_container' data-page=107>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 107

Các phương pháp tìm kiếm trong KGTT:

Depth First Search (TKS)

Vào: Cây G = (N, A), đỉnh gốc n0, tập ĐICH  N

Ra : Đường đi p từ đỉnh n0 tới đỉnh n*  ĐICH

Phương pháp:

/* Sử dụng danh sách MO kiểu LIFO và danh sách ĐONG kiểu FIFO */
{MO  n0 /* Cho đỉnh n0 vào đầu danh sách MO */

While MO   do

{n  get(MO) /* Lấy đỉnh n ở đầu danh sách MO */

ĐONG  ĐONG  {n}

if B(n)   then

{MO  MO  B(n) /* Cho B(n) vào đầu danh sách MO */

if B(n)  ĐICH   then

{exit(thành công); Xây dựng đường đi p}
}

}

</div>
(108)<div class='page_container' data-page=108>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 108

Các phương pháp tìm kiếm trong KGTT:

Depth First Search (TKS)

 VD: Áp dụng thuật tốn tìm kiếm theo chiều sâu với 
cây sau, tập ĐICH = {o, p}

Thứ tự duyệt:
a b d h

Đường đi:

</div>
(109)<div class='page_container' data-page=109>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 109

Các phương pháp tìm kiếm trong KGTT:

Depth First Search (TKS)

 Nếu cây G hữu hạn thì thủ tục tìm kiếm theo chiều 
sâu sẽ dừng và cho kết quả là một đường đi từ n0
đến tập ĐICH

</div>
(110)<div class='page_container' data-page=110>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 110

Các phương pháp tìm kiếm trong KGTT:

Depth First Search (TKS)

 Khắc phục bằng cách giới hạn đ ộ sâu của giải thuật.
 Chiến lược giới hạn:

 Cố đònh một đ ộ sâu D

 Theo cấu hình tài nguyên của máy tính

 Tri thức trong việc định giới hạn đ ộ sâu.

 Giới hạn đ ộ sâu => co hẹp không gian trạng thái =>

</div>
(111)<div class='page_container' data-page=111>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 111

Các phương pháp tìm kiếm trong KGTT:

Depthwise search (TKSD)

 Tìm kiếm theo chiều sâu đối với lớp các đỉnh tuỳ

thuộc vào mức sâu k đã cho ban đầu.

 Cách thực hiện: Ta ký hiệu độ sâu hiện tại là DS, 
ban đầu gán DS = k, duyệt các đỉnh trong phạm vi
độ sâu  DS, nếu chưa tìm được đường đi thì tăng

DS = DS + k và tiếp tục duyệt.

 Độ sâu d(n) của đỉnh n được định nghĩa:

 d(n0) = 0

</div>
(112)<div class='page_container' data-page=112>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 112

Các phương pháp tìm kiếm trong KGTT:

Depthwise search (TKSD)

Vào: Cây G = (N, A), đỉnh gốc n0, tập ĐICH  N, mức sâu k

Ra: Đường đi p từ đỉnh n0 tới đỉnh n*  ĐICH

Phương pháp: /* Sử dụng ds MO kiểu lai LIFO và FIFO, ds DONG kiểu FIFO */
{MO  n0; DS = k;

While MO   do

{n  get(MO) /* Lấy đỉnh n ở đầu danh sách MO */

DONG  ĐONG  {n}

if B(n)   then

{if B(n)  ĐICH   then {exit(thành công); Xây dựng đường đi p}

case d(n) do {

[0..DS - 1]: đặt B(n) vào đầu MO
DS: đặt B(n) vào cuối MO

DS + 1: {DS = DS + k;

if k =1 then đặt B(n) vào cuối MO
else đặt B(n) vào đầu MO

</div>
(113)<div class='page_container' data-page=113>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 113

Các phương pháp tìm kiếm trong KGTT:

Depthwise search (TKSD)

 VD: Áp dụng thuật toán TKSD với cây sau:

Tập ĐICH = {r, p}, độ sâu k = 2.

 Thứ tự duyệt:

a b d e c f g h n o k l

</div>
(114)<div class='page_container' data-page=114>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 114

Các phương pháp tìm kiếm trong KGTT:

Depthwise search (TKSD)

 Khi k =1 thủ tục TKSD trở thành thủ tục TKR

 Khi k>=2 thủ tục TKSD tìm theo chiều sâu đối với 
các đỉnh có độ sâu nằm trong khoảng từ tk + 1 đến
(t + 1)k với t bắt đầu từ 0 và mỗi lần tăng lên 1

 Nếu trong cây G tồn tại ít nhất một đường đi từ đỉnh 
n0 đến ĐICH thì thủ tục TKSD sẽ dừng và cho kết
quả là đường đi có độ dài khác đường đi ngắn nhất
không quá k - 1. Nếu không tồn tại đường đi như

</div>
(115)<div class='page_container' data-page=115>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 115

Các phương pháp tìm kiếm trong KGTT:

Cost minimization search (TKCT)

 Giả sử C: AR+ là hàm giá (cost) tương ứng mỗi cung a 

A với giá chi phí c(a)R+. Với một đường đi p trong G, p =

n1, ..., nk ta có:

Xác định p: n0nk  DICH sao cho: c(p)  min

Kí hiệu g(n) là giá của đường đi cực tiểu từ n0 đến n.
Khi đó, bài tốn trên được phát biểu thành: Tìm đường đi p0
từ đỉnh gốc n0 đến đỉnh nk  DICH sao cho g(nk)=min{g(n)|

n  DICH}.

</div>
(116)<div class='page_container' data-page=116>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 116

Vào: Cây G = (N, A), đỉnh gốc n0, tập ĐICH  N, c: A  R+

Ra: Đường đi p từ đỉnh n0 tới đỉnh n*  ĐICH sao cho c(p) min

Phương pháp: /* Sử dụng 2 danh sách MO và DONG */

{MO  n0; g0(n0)=0; /*g0(n): giá của đường đi hiện tại từ n0 đến n*/

While MO   do

{n  get(MO) /* Lấy đỉnh n  MO sao cho g0(n) min */

ĐONG  ĐONG  {n}

if n  ĐICH then exit(thành công)

if B(n)   then

{MO  B(n)  MO

for each m  B(n) do

g0(m) = g0(n) + c(n, m)}

} write(không thành công);
}

</div>
(117)<div class='page_container' data-page=117>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 117

 VD: Áp dụng thuật toán TKCT đối với cây sau

Tập ĐICH = {n, p}

Thứ tự duyệt:

a c b f l m d g h p
Đường đi:

a c f l p
Có giá: 10

</div>
(118)<div class='page_container' data-page=118>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 118

 Thủ tục TKR là trường hợp riêng của thuật toán 
TKCT khi c(a) =1 a  A.

 Thủ tục TKS cũng là trường hợp riêng của thủ tục 
TKCT khi lấy tiêu chuẩn chọn n  MO là d(n) max

thay cho điều kiện g0(n) min

 Nếu trong cây G tồn tại đường đi p từ n0 đến ĐICH
thì thủ tục TKCT sẽ dừng và cho kết quả là đường
đi p sao cho c(p) min. Hơn nữa, thủ tục TKCT tối
ưu theo nghĩa số đỉnh cho vào tập ĐONG là nhỏ

nhất so với các thủ tục tìm kiếm chỉ dựa vào giá các
cung.

</div>
(119)<div class='page_container' data-page=119>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 119

Các Heuristic áp dụng cho thủ tục TKCT :

 Chỉ xét các đỉnh trong B(n) có triển vọng đạt tới tập 
ĐICH.

 Sắp xếp các đỉnh trong MO trước mỗi lần xử lý nhờ 
các hàm đánh giá.

</div>
(120)<div class='page_container' data-page=120>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 120

 “Heuristics là các quy tắc, phương pháp, chiến lược, mẹo

giải hay phương cách nào đó nhằm làm giảm khối lượng tìm
kiếm lời giải trong khơng gian bài tốn cực lớn.”

 Thuật giải Heuristic là một sự mở rộng khái niệm thuật

toán. Nó thể hiện cách giải bài tốn với các đặc tính sau:

 Thường tìm được lời giải tốt (nhưng khơng chắc là lời giải tốt

nhất)

 Giải bài toán theo thuật giải Heuristic thường dễ dàng và nhanh

chóng đưa ra kết quả hơn so với giải thuật tối ưu, vì vậy chi phí
thấp hơn.

 Thuật giải Heuristic thường thể hiện khá tự nhiên, gần gũi với cách

suy nghĩ và hành động của con người.

</div>
(121)<div class='page_container' data-page=121>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 121

 Có nhiều phương pháp để xây dựng một thuật giải 
Heuristic, trong đó người ta thường dựa vào một số
nguyên lý cơ bản như sau:

 Nguyên lý vét cạn thơng minh: Trong một bài tốn tìm

kiếm nào đó, khi khơng gian tìm kiếm lớn, ta thường tìm
cách giới hạn lại khơng gian tìm kiếm hoặc thực hiện một
kiểu dị tìm đặc biệt dựa vào đặc thù của bài tốn để

nhanh chóng tìm ra mục tiêu.

 Nguyên lý tham lam (Greedy): Lấy tiêu chuẩn tối ưu

(trên phạm vi tồn cục) của bài tốn để làm tiêu chuẩn
chọn lựa hành động cho phạm vi cục bộ của từng bước
(hay từng giai đoạn) trong quá trình tìm kiếm lời giải.

</div>
(122)<div class='page_container' data-page=122>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 122

 Nguyên lý thứ tự: Thực hiện hành động dựa trên một

cấu trúc thứ tự hợp lý của không gian khảo sát nhằm
nhanh chóng đạt được một lời giải tốt.

 Hàm Heuristic: Trong việc xây dựng các thuật giải

Heuristic, người ta thường dùng các hàm Heuristic. Đó là
các hàm đánh giá thô, giá trị của hàm phụ thuộc vào

trạng thái hiện tại của bài toán tại mỗi bước giải. Nhờ giá
trị này, ta có thể chọn được cách hành động tương đối

hợp lý trong từng bước của thuật giải.

</div>
(123)<div class='page_container' data-page=123>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 123

 Thủ tục TKCT là thuật giải tìm kiếm đường đi tối

ưu khi chỉ xét tới các thông tin về các đỉnh, các cung
và giá thành của chúng.

 Trong nhiều trường hợp việc tìm kiếm đường đi sẽ 
được định hướng rõ thêm nếu sử dụng các tri thức
thu được dựa trên các hiểu biết về tình huống vấn đề
ở mỗi bước.

</div>
(124)<div class='page_container' data-page=124>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 124

 Các Heuristic trong việc tìm kiếm cực tiểu hố giá thành:

 Chọn tốn tử xây dựng cung B sao cho có thể loại bớt những đỉnh

không liên quan đến bài tốn hoặc ít có triển vọng nằm trên đường
đi tối ưu.

 Sử dụng thông tin bổ sung nhằm xây dựng tập MO và cách lấy các

đỉnh trong tập MO. Muốn vậy, ta phải đưa ra độ đo, tiêu chuẩn nào
đó để tìm ra các đỉnh có triển vọng, thường gọi là các hàm đánh
giá. Một số phương pháp xây dựng hàm đánh giá:

- Dựa vào xác suất của đỉnh trên đường đi tối ưu.

- Dựa vào khoảng cách, sự sai khác giữa một đỉnh nào đó với tập
các đỉnh đích.

</div>
(125)<div class='page_container' data-page=125>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 125
Vào: Đồ thị G=(N,A) tuỳ ý, đỉnh gốc n0. tập đỉnh đích ĐICH.

Hàm f0: NR+. /*f0 là hàm ước lượng heuristic nào đó*/

Ra: Đường đi p từ đỉnh n0 tới đỉnh n*  ĐICH

Phương pháp:

{ MO{n0}; Tính f0(n0) ;

While MO   do

{n  get(MO); /* Lấy n  MO sao cho f0 (n)  min */

ĐONG  ĐONG  {n};

if n ĐICH then exit(“ thành công”);

if B(n)   then

for each m  B(n) do

if m ĐONG  MO then

{ MO MO  {m}; Tính f0(m)}

else if f0

cũ(m) >fmới(m) then MO MO  {m}};

Write(“ không thành công”) }

</div>
(126)<div class='page_container' data-page=126>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 126

 f0=g0+h0 , trong đó: h0(n) là tri thức bổ sung chỉ ra

triển vọng của đỉnh n nằm trên đường tối ưu.
 f0(n) là ước lượng của hàm:

f(n)=g(n)+h(n) , trong đó:

g(n) là giá đường đi tối ưu từ n0 tới n

h(n) là giá đường đi tối ưu từ n tới tập ĐICH
 f0(n) là xấp xỉ của giá đường đi tối ưu từ n

0 tới tập

ĐICH và đi qua đỉnh n.

 Thủ tục TKCT là trường hợp riêng của thủ tục 
TKCT* khi lấy h0=0

</div>
(127)<div class='page_container' data-page=127>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 127

 Kết quả 1: (Tính đúng đắn)

Nếu đối với mỗi đỉnh nN ta có 0  h0(n)  h(n) và tồn tại
>0 sao cho aA c(a) thì thủ tục TKCT* dừng và cho

đường đi p: n0n*ĐICH sao cho g(n*) min.

 Kết quả 2: (Tính tối ưu)

Giả sử thủ tục TKCT*

i sử dụng hàm đánh giá f0i(n)=g0(n)

+h0

i(n), i=1,2 và giả sử h2 thoả mãn điều kiện h02(m) – h02(n)

 h(m, n), (h(m,n) là độ dài đường đi ngắn nhất từ m đến n)

và n 0  h01(n)  h02(n)  h(n) thì số nút đưa vào tập

DONG của thuật toán TKCT2* bao giờ cũng nhỏ hơn số nút

đối với thuật toán TKCT1*.

</div>
(128)<div class='page_container' data-page=128>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 128

 VD: Xét bài toán tháp Hà Nội với n=2, lấy hàm 
f0=g0+h0, trong đó h0(n) là thơng tin nói thêm về mối

liên hệ giữa n và trạng thái đích. Chẳng hạn:
h0=2 nếu ở cọc C chưa có đĩa nào,

h0=1 nếu ở cọc C có đĩa to,

h0=3 nếu ở cọc C có đĩa nhỏ,

h0=0 nếu ở cọc C đã có hai đĩa.

</div>
(129)<div class='page_container' data-page=129>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 129

Các phương pháp tìm kiếm trong KGTT:

Heuristic search: TKCT*

g0 =0

g0 =1

g0 =2

g0 =3

h0 = 2, f0=2

h0 = 3,

f0=4 h

0 = 2, f0=3

h0 = 1
f0=3

h0 = 3

f0=5 h

0 = 2

f0=4

h0 = 2

f0=5 h

0 = 0

f0=3 h

0 = 1

</div>
(130)<div class='page_container' data-page=130>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 130

Qui bài toán về các bài toán con và các

chiến lược tìm kiếm trên đồ thị Và/Hoặc

 Qui bài toán về các bài toán con

 Thể hiện dưới dạng đồ thị VÀ/HOẶC

</div>
(131)<div class='page_container' data-page=131>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 131

Qui bài tốn về các bài toán con

 Ý tưởng cơ bản là xuất phát từ bài toán đặt ra, tách 
bài toán này thành các bài toán con cho đến khi bài
toán ban đầu trở thành các bài toán sơ cấp.

 Bài toán sơ cấp được hiểu là bài toán mà lời giải của 
chúng có thể nhận được ngay.

VD: Với bài toán n2 – 1 số, bài toán sơ cấp chính là

</div>
(132)<div class='page_container' data-page=132>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 132

Thể hiện dưới dạng đồ thị VÀ/HOẶC

 Đồ thị (định hướng) VÀ/HOẶC là cặp G = (N,A), 
sao cho n  N, tất cả các đỉnh m B(n) cùng

thuộc vào một trong hai kiểu: đỉnh VÀ, đỉnh
HOẶC.

Khi các đỉnh con m của n là đỉnh VÀ thì cung (n,m)
(m B(n)) được nối bởi ngoặc lớn.

</div>
(133)<div class='page_container' data-page=133>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 133

Quy bài toán về các bài toán con Đồ thị và/hoặc

Bài toán

Toán tử quy bài toán về bài toán con
Bài toán ban đầu

Các bài toán sơ cÊp

Các bài toán con phụ thuộc
Các bài toán con độc lập
Giải bài tốn ban đầu.

§Ønh
Cung

Đỉnh đầu (đỉnh gốc)
Đỉnh cuối, đỉnh kết thúc
Đỉnh v

Đỉnh hoặc

Tỡm th con li gii.

</div>
(134)<div class='page_container' data-page=134>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 134

 Đỉnh giải được:

 Các đỉnh kết thúc (cuối) là đỉnh giải được.

 Nếu đỉnh n có các đỉnh con là đỉnh VÀ thì nó là đỉnh giải được khi

và chỉ khi tất cả các đỉnh con của nó giải được.

 Nếu đỉnh n có các đỉnh con là đỉnh HOẶC thì nó là đỉnh giải được

khi và chỉ khi tồn tại 1 đỉnh con của nó giải được.

 Đỉnh không giải được:

 Nếu đỉnh n khơng là đỉnh kết thúc và khơng có các đỉnh con thì nó

là đỉnh khơng giải được.

 Nếu đỉnh n khơng là đỉnh kết thúc và có các đỉnh con là đỉnh VÀ

thì nó là đỉnh khơng giải được khi và chỉ khi tồn tại một đỉnh con
không giải được.

 Nếu đỉnh n không là đỉnh kết thúc mà có các đỉnh con là đỉnh

HOẶC thì nó là đỉnh khơng giải được khi và chỉ khi tất cả các đỉnh
con là không giải được

</div>
(135)<div class='page_container' data-page=135>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 135

 Đồ thị lời giải: Là đồ thị con của đồ thị VÀ/HOẶC 
chỉ chứa các đỉnh giải được và đỉnh đầu.

 Nhận xét:

 Nếu trên đồ thị VÀ/HOẶC khơng có đỉnh VÀ nào thì đồ

thị VÀ/HOẶC trở thành đồ thị thông thường và khi đó
đồ thị con lời giải sẽ suy biến thành đường đi từ đỉnh đầu
tới một đỉnh kết thúc nào đó.

 Mục đích của q trình tìm kiếm trên đồ thị VÀ/HOẶC

là ta phải xác định xem đỉnh đầu có giải được hay khơng.
Trong trường hợp giải được thì ta phải đưa ra cây lời giải
thoả mãn điều kiện nào đó.

</div>
(136)<div class='page_container' data-page=136></div>
(137)<div class='page_container' data-page=137>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 137

Thủ tục gđ(nN)

{ if nhan(n)= “kxđ” then
if kt(n) then nhan(n)="gđ"

else if n MO ĐONG then nhan(n)=”kxđ”

else if kieu(n) then
{bien=True;

While B(n)  and bien do

{m  get(B(n));

gđ(m);

bien=(nhan(m)=”gđ”)}

if bien then nhan(n)=”gđ” else nhan(n)=”kxđ”}
else {bien=false;

repeat {m get(B(n));

gđ(m);

bien=(nhan(m)=”gđ”)}

until bien or B(n)=

if bien then nhan(n)=”gđ” else nhan(n)=”kxđ”}}

</div>
(138)<div class='page_container' data-page=138>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 138

 Thủ tục tìm kiếm theo chiều rộng TKRM
 Thủ tục tìm kiếm theo chiều sâu TKSM

</div>
(139)<div class='page_container' data-page=139>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 139

Vào: Cây VÀ/HOẶC G=(N, A) với đỉnh đầu n0, tập đỉnh kết thúc T={ti} N

Ra: Thông báo “không thành công” nếu n0 kgđ, “thành công” nếu n0 gđ và đưa ra cây lời giải.

Phương pháp: /* sử dụng hai danh sách FIFO: MO, ĐONG */

{MO ={n0};

While MO   do

{n get(MO); /*Lấy đỉnh n đầu danh sách MO*/

ĐONG{n}  ĐONG;

bool = false;

if B(n)  and bool = false then

{MO MO B(n); /* đưa B(n) vào cuối danh sách MO */

For each m B(n) do

{if kt(m) then {nhan=”gđ”; bool=true}}
if bool then

{gđ(n0);

if nhan(n0)=”gđ” then exit(“thành cơng”)

else loại khỏi MO các đỉnh có tổ tiên là đỉnh giải được}}

else {nhan(n)=”kgđ”; kgđ(n0);

if nhan(n0) = “kgđ” then exit (“không thành công”)

else loại khỏi MO các đỉnh có tổ tiên là đỉnh khơng giải được;}}}

</div>
(140)<div class='page_container' data-page=140>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 140

 VD:Áp dụng thuật tốn TKRM đối với cây sau
Tập T = {t1,t2,t3,t4}

Thứ tự duyệt:
abcdefgijk

Cây lời giải:
các cung tô đậm

 Nhận xét: Nếu cây lời giải tồn tại thì thủ tục TKRM sẽ dừng và cho

kết quả là cây lời giải có độ cao nhỏ nhất

Các phương pháp tìm kiếm trong đồ thị

VÀ/HOẶC: Thủ tục TKRM

b c

d e

f g

i j k

t1 t2

B C t3

D E

</div>
(141)<div class='page_container' data-page=141>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 141

Các phương pháp tìm kiếm trong đồ thị

VÀ/HOẶC: Thủ tục TKSM

Vào: Cây VÀ/HOẶC G=(N, A) với đỉnh đầu n0, tập đỉnh kết thúc T={ti} N. Giới hạn sâu D.

Ra: Thông báo “không thành công” nếu n0 kgđ, “thành công” nếu n0 gđ và đưa ra cây lời giải.

Phương pháp: /* sử dụng hai danh sách FIFO: DONG, LIFO: MO */

{MO ={n0};

While MO   do

{n get(MO); /*Lấy đỉnh n đầu danh sách MO*/

ĐONG{n}  ĐONG;

bool = false;

if d(n)<= D and B(n)  and bool = false then

{MO MO B(n); /* đưa B(n) vào đầu danh sách MO */

For each m B(n) do

{if kt(m) then {nhan=”gđ”; bool=true}}
if bool then

{gđ(n0);

if nhan(n0)=”gđ” then exit(“thành công”)

else loại khỏi MO các đỉnh có tổ tiên là đỉnh giải được}}

else {nhan(n)=”kgđ”; kgđ(n0);

if nhan(n0) = “kgđ” then exit (“không thành công”)

</div>
(142)<div class='page_container' data-page=142>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 142

 VD: Áp dụng thuật toán TKSM đối với cây sau

Tập T = {t1,t2,t3,t4}

Các phương pháp tìm kiếm trong đồ thị

VÀ/HOẶC: Thủ tục TKSM

b c

f g

B
t1 t2
t3
t4
A
C E
D
Thứ tự duyệt:

abdAfceg

Cây lời giải:
các cung tô đậm

 Nếu một đỉnh kết thúc nào đó có độ sâu vượt quá giới hạn độ sâu D thì nó sẽ

bị bỏ qua trong quá trình tìm kiếm. Do vậy, trên thực tế có thể tồn tại cây lời
giải, song thuật tốn lại thơng báo khơng thành cơng. Để khắc phục tình

</div>
(143)<div class='page_container' data-page=143>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 143

Biểu diễn vấn đề nhờ logic hình thức và

phương pháp suy diễn logic

 Logic mệnh đề
 Logic vị từ

 Chứng minh định lý nhờ logic hình thức

</div>
(144)<div class='page_container' data-page=144>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 144

Logic mệnh đề

 Mệnh đề p là một phát biểu chỉ có thể nhận giá trị đúng (True, 1) hoặc

sai (False, 0).

 VD: Phát biểu "1+1=2" có giá trị đúng.

Phát biểu "Mọi loại cá có thể sống trên bờ" có giá trị sai

 Các biểu thức trong logic mệnh đề được xây dựng trên cơ sở các tên

mệnh đề (thường ký hiệu bằng các chữ cái la tinh như a,b,p,q, . . .) và
các phép toán logic theo những quy tắc cú pháp nhất định. Các phép
toán logic bao gồm:

 Hội: (, and, và).
 Tuyển: (, or, hoặc).

 Phủ định: (, not, không).
 Kéo theo: ().

</div>
(145)<div class='page_container' data-page=145>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 145

Logic mệnh đề

 Giá trị chân lý của một biểu thức được tính dựa theo bảng chân lý:

 Dễ thấy ab  ab

 Mọi biểu thức logic mệnh đề đều có thể đưa về dạng biểu thức tương

đương chỉ chứa các phép toán , , 

 Các phép tốn ,  có tính giao hốn, kết hợp, phân phối và luỹ đẳng

a b ab ab a ab ab

0 0 0 0 1 1 1

0 1 0 1 1 1 0

1 0 0 1 0 0 0

</div>
(146)<div class='page_container' data-page=146>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 146

Logic mệnh đề

 Các phép biến đổi tương đương:

R1. a  b  b  a; a  b  b  a

R2. a  b  b  a

R3. a  a  a; a  a  a

R4. a  (b  c)  (a  b)  c; a  (b  c)  (a  b)  c

R5. a  b  (a  b); a  b  (a b)

R6. a  b  a  b

R7. a  (b  c)  (a  b)  (a  c); a  (b  c)  (a  b)  (a  c)

R8. a  (a  b)  a; a  (a  b)  a

R9. a  a

R10. (a  b)  a  b; (a  b)  a  b

R11. a  a  0

R12. a  0  0; a  1  1; a  0  a; a  1  a

</div>
(147)<div class='page_container' data-page=147>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 147

Logic vị từ

 Biểu diễn vấn đề bằng mệnh đề gặp phải một trở ngại cơ bản là ta

không thể can thiệp vào cấu trúc của một mệnh đề. Hay nói một cách
khác là mệnh đề khơng có cấu trúc. Điều này làm hạn chế rất nhiều
thao tác suy luận. Do đó, ngồi các phép  , , , , , người ta đã

đưa vào khái niệm vị từ và lượng từ ( - với mọi,  - tồn tại) để tăng

cường tính cấu trúc của một mệnh đề.

 Vị từ p(x,...,y) là một phát biểu chứa các biến x,...,y sao cho khi x,...,y

nhận các giá trị cụ thể thì nó nhận giá trị hoặc đúng hoặc sai.

 VD: p(x, y, z) được phát biểu x.y = z là một vị từ 3 biến x, y, z trên

</div>
(148)<div class='page_container' data-page=148>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 148

Logic vị từ

 Lượng từ : x p(x, y, z,. . .) có nghĩa là tồn tại một giá trị

x0 sao cho p(x0, y, z,. . .) đúng với mọi y, z, . . .

 Lượng từ : x p(x, y, z,. . .) có nghĩa là với mọi giá trị của

x p(x, y, z,. . .) đúng với mọi y, z,. . .

 Logic vị từ cho phép diễn đạt hầu hết các khái niệm và

nguyên lý của các khoa học cơ bản, nhất là toán học và vật
lý.

 Hai phạm vi ứng dụng chính của logic hình thức:

</div>
(149)<div class='page_container' data-page=149>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 149

Chứng minh định lý nhờ logic hình thức:

Giải thuật Wong.H (Vương Hạo)

 Bài toán: Cho các giả thiết dưới dạng các biểu thức mệnh đề (vị từ) GT1, GT2,. . .,

GTm. Hãy rút ra một trong các kết luận KL1, KL2,. . ., KLn

 Giải thuật Wong .H (Vương Hạo)

Vào: GT1, GT2,. . ., GTm; KL1, KL2,. . ., KLn .

Ra: Thông báo “thành công” nếu GT1  GT2  . . .  GTm  KL1  KL2  . . .  KLn

Phương pháp:

{ for i=1 to m do {trans(GTi); VT  GTi  VT}

for i=1 to n do {trans(KLi);VP  KLi  VP}

P  {(VT, VP)};

while P   do

{(VT, VP)  get(P);

if VT  VP =  then

{chuyen(VT, VP);
if VT  VP =  then

if not tach(VT, VP) then exit(“không thành công”)

else P  {(VT, VP)};}}

</div>
(150)<div class='page_container' data-page=150>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 150

 trans(BT): Đưa biểu thức BT về biểu thức tương đương mà chỉ chứa các phép toán

, ,  dưới 1 trong 2 dạng chuẩn sau:

hoặc , lij = pij hoặc lij = pij với pij là các mệnh đề đơn

VD: (a  b)  (c  d) có thể đưa về thành: (a  b)  (c  d)

 chuyen(VT, VP): chuyển vế các GTi và các KLj ở dạng phủ định. Thay dấu  bên

trong GTi và dấu  trong KLj bằng dấu phẩy.

VD: (a  b)  (c  d) được biến đổi thành: c, d  a, b

 tach(VT, VP): tách VT, VP thành hai danh sách con nếu có dấu  trong một GTi

hoặc dấu  trong một KLj nào đó. Nếu tách được thì thủ tục tach(VT, VP) nhận giá

trị True. ngược lại nhận giá trị False

VD: p  q, p  q được tách thành p, p  q và q, p  q

 Kết quả: Thuật toán Wong.H dừng sau một số bước hữu hạn và cho ra thông báo

“thành công” nếu và chỉ nếu từ GT1, GT2,. . ., GTmcó thể suy ra một trong các kết
luận KL1, KL2,. . ., KLn.

ij
n
j
k
i l
i
1
1 
 
 ij
n
j
k
i l
i
1
1 
 


</div>
(151)<div class='page_container' data-page=151>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 151
 VD: CMR từ a  b  c, b  c  d, a, b suy ra d

Dạng chuẩn:VT = a  b  c, b  c  d, a, b; VP = d

</div>
(152)<div class='page_container' data-page=152>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 152

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 Thuật giải này hoạt động dựa trên phương pháp chứng minh phản

</div>
(153)<div class='page_container' data-page=153>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 153

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 Thủ tục Resolution1 (Dùng cho logic mệnh đề)

Vào: GT1,..., GTm; KL1,..., KLn

Ra: Thông báo “thành công” nếu GT1...GTmKL1...KLn.

Phương pháp:

{ For i=1 to m do { Trans(GTi); PGTi;}

For i=1 to n do {Trans(KLi); P KLi;} /* P=MĐ1,...,MĐk , k=m+n*/

If mt(P) then exit(“Thành công”); P1=;

While P  P1 and mt(P) do {P1=P; hopgiai(P);}

If mt(P) then exit (“Thành công”) else exit (“Không thành công”)}

Procedure mt(P);
{mt=false;

for each pP do

for each qP and qp do if p=q or q=p then return (true)}

Procedure hopgiai(P);
{for each pP do

</div>
(154)<div class='page_container' data-page=154>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 154

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 VD: CMR từ a  b  c, b  c  d, a, b suy ra d

Đưa các GTi và KLj về dạng chuẩn và xây dựng P ta có:
P ={a  b  c, b  c  d, a, b, d}.

Để đơn giản, ta viết các xâu trong P dưới dạng:
1. a  b  c

2. b  c  d

3. a
4. b
5. d

Quá trình hợp giải như sau:
6.  b  c Res(1A,3)

7.  a  c Res(1B, 4)

8.  c  d Res(2A, 4)

9.  b   c Res(2C, 5)

10. c Res(3, 7A)

</div>
(155)<div class='page_container' data-page=155>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 155

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 Kết quả: Thuật giải Resolution1 sẽ dừng và đưa ra thông báo “thành

công” khi và chỉ khi GT1...GTmKL1...KLn.

 Thuật giải Resolution1 có thể mở rộng để giải quyết các bài toán

chứng minh định lý tự động sử dụng logic vị từ. Mấu chốt của phương
pháp là hợp giải hai vị từ:

A= P  Q1 Q2 ...Qk và B=P  R1  R2  ... Rt thành vị từ

C = Q1 Q2 ...Qk  R1  R2  ... Rt.

 Do các vị từ Pi, Qi và Rj phụ thuộc và các biến nên để tạo ra các cặp

đối ngẫu thực sự P và P ta phải thực hiện các phép gán.

Cách chọn phép gán:

</div>
(156)<div class='page_container' data-page=156>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 156

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 Thủ tục Resolution2 (Dùng cho logic vị từ)

Bước 1: Đưa các GTi và KLj về dạng chuẩn: x1x2 . . .xk

sao cho mọi biến có mặt trong Pij đều thuộc vào tập {x1, x2 ,. . .,xk}.
Muốn vậy ta thực hiện các thao tác sau:

1. Khử bỏ các dấu kéo theo và tương đương nhờ A  B  AB

2. Đưa dấu phủ định vào trong cùng chừng nào có thể, nhờ các phép biến đổi:
· (AB)  AB (AB)  AB

· A  A x A   x A

·   x A  xA

3. Thay tên biến để cho mỗi lượng từ chỉ có một tên biến riêng.

4. Khử bỏ các lượng từ tồn tại: x P(x) chuyển thành P(a), x y P(x,y) chuyển thành

P(x,g(x)). Hàm g(x) được gọi là hàm Scholem.

5. Chuyển mọi lượng từ  về đầu biểu thức, phần biểu thức gọi là ma trận.

6. Đưa ma trận về dạng chuẩn hội nhờ áp dụng A(BC)  (AB) (AC)

7. Loại bỏ các lượng từ 

8. Thay thế các liên kết  bởi các dấu phẩy, mỗi dòng được gọi là một câu.

</div>
(157)<div class='page_container' data-page=157>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 157

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 VD: Xét x {P(x)  {y {P(y)P(f(x,y))}   y {Q(x,y)P(y)}}}.

Áp dụng các bước để đưa về dạng chuẩn như sau:

1. x { P(x) {y { P(y)  P(f(x,y))}   y {Q(x,y)  P(y)}}}

2. x { P(x) {y { P(y)  P(f(x,y))}  y {Q(x,y)  P(y)}}}

3. x { P(x) {y { P(y)  P(f(x,y))}   {Q(x, )  P()}}}

4. x { P(x) {y { P(y)  P(f(x,y))}  {Q(x, g(x))  P(g(x))}}}

5. xy { P(x) {{ P(y)  P(f(x,y))}  {Q(x, g(x))  P(g(x))}}}

6. xy{{P(x)P(y)P(f(x,y))}{P(x)Q(x,g(x))}{P(x)P(g(x))}}

7. {P(x)P(y)P(f(x,y))}{P(x)Q(x,g(x))}{P(x)P(g(x))}

8. Tách câu và viết thành các dòng

P(x)P(y)P(f(x,y))
P(x)Q(x,g(x))

</div>
(158)<div class='page_container' data-page=158>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 158

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

Bước 2. Nếu tìm được một cặp câu P1, P2 và một phép gán q sao cho P1q=P2q thì

thơng báo “Thành cơng” và thuật tốn dừng. Ngược lại sang bước 3.

Bước 3: Tìm cặp câu P = P0  P1 ... Pk và Q = Q0  Q1  Q2 ...Qt và phép gán q sao

cho P0q = Q0q. Thực hiện hợp giải câu P với câu Q được câu R= P1 ... Pk  Q1  Q2
 Q2 ...Qt và bổ sung câu R vào danh sách các câu.

Bước 4: Nếu không thể xây dựng thêm được các hợp giải và khơng có cặp câu đối
ngẫu thì bài toán sai, ngược lại bài toán được giải quyết xong và thông báo “Thành
công”.

Kết quả: Nếu từ GT1 GT2 ... GTm  KL1  KL2 ...KLn thì thủ tục Resolution2

</div>
(159)<div class='page_container' data-page=159>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 159

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 VD: Biết rằng: Ngón tay là bộ phận của bàn tay, bàn tay là bộ phận của cánh tay, cánh tay là

bộ phận của cơ thể. CMR: Ngón tay là bộ phận của cơ thể.
Đặt vị từ P(x,y): “ x là bộ phận của y ”. Ta có:

P(nt,bt), P(bt,ct), P(ct,cothe).

P(x,y) có tính bắc cầu: P(x,y)  P(y,z)  P(x,z)   P(x,y)  P(y,z)  P(x,z)

CMR P(nt, cothe)

Mỗi câu được cho trên một dòng, trong mỗi dòng các dấu  được thay bởi dấu phấy:

1. P(x,z),  P(x,y), P(y,z)

2. P(nt,bt)
3. P(bt,ct)
4. P(ct,cothe)
5. P(nt, cothe)

6. P(nt,z), P(bt,z) Res(1B,2) q1 = {nt /x, bt /y}

7. P(nt,ct) Res(3,6B) q2 = {ct /z}

8. P(nt,z), P(ct,z) Res(1B,7) q3 = {nt/x, ct/y}

</div>
(160)<div class='page_container' data-page=160>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 160

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

 VD: Nếu xem một ai đó đi lừa dối người khác là kẻ bịp bợm và bất kỳ ai đồng tình

với kẻ bịp bợm cũng là bịp bợm, hơn nữa trong tập thể có một người nhút nhát đồng
tình với kẻ lừa dối thì chắc chắn là có một kẻ bịp bợm tính tình nhút nhát.

</div>
(161)<div class='page_container' data-page=161>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 161

Chứng minh định lý nhờ logic hình thức:

Thủ tục của Robinson

Khi đó ta có:

1. LD(x), BB(x)

2. ĐT(x,y), BB(y), BB(x)

3. NN(a)
4. LD(b)
5. ĐT(a,b)

6. BB(x), NN(x)

7. BB(b) Res(1A, 4), q1 ={b/x}

8. BB(b), BB(a)Res(2A, 5), q2 ={a/x, b/y}

9. BB(a) Res(3, 6B), q3 ={a/x}

10. NN(b) Res(6A, 7), q4 ={b/x}

11. BB(b) Res(8B, 9),

</div>
(162)<div class='page_container' data-page=162>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 162

Áp dụng phép tính vị từ trong

giải quyết vấn đề

 Phần này sẽ nghiên cứu việc xác định các phép gán trị cho các biến để từ

GT1...GTm suy ra KL1...KLn.

Có hai cách giải quyết:

 Lưu lại vết các phép gán giá trị nhận được cho đến khi đưa đến mâu thuẫn.

Ta đưa vào khái niệm hợp các phép gán. Giả sử ,  là hai phép gán trị, hợp của

chúng được kí hiệu bởi o sao cho đối với mọi biểu thức P ta có: Po=(P).

 VD: Giả sử Mai và Dương rất thân nhau. Đi đâu Mai và Dương cũng có nhau. Hơn

nữa ta biết rằng hiện nay Mai đang ở thư viện. Hỏi Dương đang ở đâu?
Ta đưa vào vị từ: P(x,y): x đang ở vị trí y.

Khi đó, ta có:

x P(Mai, x)P(Dương, x)

P(Mai, Thư viện).

</div>
(163)<div class='page_container' data-page=163>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 163

Áp dụng phép tính vị từ trong

</div>
(164)<div class='page_container' data-page=164>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 164

 Cải biên đồ thị lời giải

Bên cạnh biểu thức là phủ định của kết luận KLj cần chứng minh ta thêm vào phủ
định của chính nó (tức là KLj) và giữ ngun các phép hợp giải giống như ở trong

đồ thị hợp giải.

</div>
(165)<div class='page_container' data-page=165>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 165

Một số phương pháp giải quyết vấn đề

khác

 Phương pháp tạo - kiểm tra
 Phương pháp leo đồi

</div>
(166)<div class='page_container' data-page=166>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 166

</div>
(167)<div class='page_container' data-page=167>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 167

NỘI DUNG

 GIỚI THIỆU

 CẤU TRÚC CHƯƠNG TRÌNH
 ĐỐI TƯỢNG DỮ LIỆU

 CÁC KIỂU DỮ LIỆU VÀ CÁC PHÉP TOÁN
 CÁC BƯỚC XÂY DỰNG CHƯƠNG TRÌNH
 CẤU TRÚC DANH SÁCH

</div>
(168)<div class='page_container' data-page=168>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 168

GIỚI THIỆU

 Prolog là một ngôn ngữ lập trình dùng cho tính tốn

ký hiệu.

</div>
(169)<div class='page_container' data-page=169>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 169

GIỚI THIỆU

 Cho quan hệ gia đình 
qua cây gia phả

 Node : đối tượng
 Cung : quan hệ
 Đặt tên quan hệ :

chame.

 chame(X,Y) có nghĩa X

là cha/mẹ của Y.

minh

hoàng

mai

lê tâm

lan

</div>
(170)<div class='page_container' data-page=170>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 170

GIỚI THIỆU

 Thể hiện bằng Prolog

chame(minh, hoàng).
chame(mai, lan).

chame(mai, hoàng).
chame(hoàng, lê).
chame(hoàng, tâm).
chame(tâm, hạnh).

 Có 6 mệnh đề (clause)

minh

hoàng

mai

lê tâm

lan

</div>
(171)<div class='page_container' data-page=171>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 171

GIỚI THIỆU

 Làm được gì với đoạn chương trình trên ?

 Hỏi các câu hỏi.

 Cho phép hỏi về những quan hệ đã được thiết lập trong

chương trình.

 Loại 1 : Có hay khơng ?

 hồng có phải là cha/mẹ của tâm khơng ?
 lan có phải là cha/mẹ của hồng khơng ?

 Loại 2 : Xác định (tìm tất cả)

 Ai là cha/mẹ của hạnh ?
 Ai là con của mai ?

</div>
(172)<div class='page_container' data-page=172>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 172

GIỚI THIỆU

 Loại 1 : Có hay khơng ?

 hồng có phải là cha/mẹ của tâm khơng ?

 ?- chame(hồng, tâm).

 lan có phải là cha/mẹ của hồng khơng ?

 ?- chame(lan, hồng).

 Loại 2 : Xác định.

 Ai là cha/mẹ của hạnh ?

 ?-chame(X, hạnh).

 Ai là con của mai ?

 ?-chame(mai, X).

 Xác định tất cả các cặp cha/mẹ con ?

</div>
(173)<div class='page_container' data-page=173>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 173

 Các đối tượng trong một quan hệ có thể là : đối tượng cụ

thể hoặc đối tượng chung.

 hoàng, tâm trong chame(hoàng, tâm) : đối tượng cụ thể,

gọi là atom (nguyên tố).

 X trong chame(X, hạnh) hoặc X, Y trong chame(X, Y) :

đối tượng chung, gọi là variable (biến).

 Biến bắt đầu bằng chữ IN HOA.

 Nguyên tố bắt đầu bằng chữ thường.

</div>
(174)<div class='page_container' data-page=174>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 174

 Mở rộng câu hỏi:

 Ai là ông/bà của hạnh ?

 Giải quyết:

 Giả sử X là kết quả cần tìm.

 Khi đó, X là cha/mẹ của Y và Y là cha/mẹ của hạnh.

 Vậy : cần tìm X, Y thoả :

 chame (X,Y) and chame(Y, hạnh)

 Thể hiện bằng Prolog :

 ?-chame(X, Y), chame(Y, hạnh)

 Tương tự : Ai là cháu của mai ?

</div>
(175)<div class='page_container' data-page=175>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 175

 Chương trình bao gồm các mệnh đề (clause), kết 
thúc bằng dấu chấm (.).

 Tham số của quan hệ có thể là : đối tượng đã biết 
(nguyên tố, atom) hoặc đối tượng chung (biến,

variable).

 Biến bắt đầu bằng chữ in hoa.

 Các câu hỏi có thể có một hoặc nhiều mục tiêu 
(goal).

 Các câu hỏi có thể có dạng (1): có/khơng (thoả hay 
khơng thoả) ; (2) tìm tất cả (nếu thoả).

</div>
(176)<div class='page_container' data-page=176>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 176

 Với đoạn chương trình bên

cạnh, hãy trả lời :

 ?-chame(hoàng,X).
 ?-chame(X, lan).

 ?-chame(minh, X), chame(X,

tâm).

 ?-chame(minh,X),

chame(X,Y), chame(Y, hạnh)

 Viết dạng Prolog các câu hỏi

 Ai là cha/mẹ của tâm ?
 tâm có con khơng ?
 hạnh có con khơng ?
 Ai là ơng/bà của lê ?

 Đoạn chương trình:

</div>
(177)<div class='page_container' data-page=177>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 177

 Bổ sung 2 quan hệ mới : nam, nu.

 Ví dụ :

 nam(minh).
 nam(hoàng).
 nu(lan).

 nu(mai).
 ...

 Quan hệ nam, nu là các quan hệ một ngơi. (Chỉ 
thuộc tính của đối tượng)

 Quan hệ chame là quan hệ hai ngôi. (Chỉ mối liên 
hệ giữa các đối tượng)

</div>
(178)<div class='page_container' data-page=178>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 178

 Bổ sung thêm quan hệ con(X,Y). (X là con của Y). 
(Quan hệ ngược của quan hệ chame).

 Ta biết được

Với mọi X, Y

Y là con của X nếu X là cha/mẹ của Y.

 Có thể định nghĩa quan hệ con dựa trên quan hệ

chame.

 con(Y,X) :- chame(X,Y).

 Mệnh đề trên được gọi là quy tắc (rule).

</div>
(179)<div class='page_container' data-page=179>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 179

 Quy tắc chỉ đúng khi điều kiện được thoả.
 1 quy tắc có 2 phần :

 Phần điều kiện (hay là thân quy tắc (body))
 Phần kết luận (hay là đầu quy tắc (head))

 Ví dụ :

 con(Y,X) :- chame(X,Y).

Kết luận Điều kiện

</div>
(180)<div class='page_container' data-page=180>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 180

 Giả sử có câu hỏi : ?-con(tâm, hồng)

 Prolog giải quyết ra sao ?

 1) Tìm kiếm sự kiện con(tâm, hồng) ?

 (Khơng có)

 2) Áp dụng quy tắc con(X,Y).

 Khởi tạo X = tâm, Y = hoàng.

 Sau khởi tạo, ta có quy tắc đặc biệt :

 con(tâm, hồng):- chame(hoàng, tâm)

 Phần điều kiện trở thành chame(hoàng,tâm).

 Nếu phần điều kiện thoả thì phần kết luận đúng.

 chame(hồng, tâm) là một sự kiện nên có thể kết luận con(tâm,

hoàng) đúng.

</div>
(181)<div class='page_container' data-page=181>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 181

 Bổ sung các quan hệ mới : cha,

me, chiemgai, ongba.
 Quan hệ cha

Với mọi X, Y

X là cha của Y nếu X là cha/mẹ của
Y và X thuộc phái nam.

 cha(X,Y) :- chame(X,Y), 
nam(X).

X

Y
chame

nam

cha

</div>
(182)<div class='page_container' data-page=182>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 182

 Chương trình Prolog được mở rộng bằng cách thêm các mệnh đề

mới.

 Mệnh đề gồm phần đầu (head) và phần thân (body). Dấu , trong

phần thân chỉ phép và.

 Phân loại mệnh đề : sự kiện, quy tắc, câu hỏi
 Sự kiện luôn đúng .

 Quy tắc chỉ đúng khi điều kiện được thoả.
 Người sử dụng hỏi chương trình qua câu hỏi.

 Sự kiện chỉ gồm phần đầu. Câu hỏi chỉ có phần thân. Quy tắc có cả

phần đầu lẫn phần thân.

 Biến có thể thay thế bằng một đối tượng cụ thể. Ta nói biến được

khởi tạo.

</div>
(183)<div class='page_container' data-page=183>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 183

CẤU TRÚC CHƯƠNG TRÌNH

 Chương trình Prolog thường gồm các phần :

domains

...

predicates

...

clauses

...

goal

...

</div>
(184)<div class='page_container' data-page=184>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 184

 domains : phần định nghĩa các kiểu dữ liệu

 predicates : phần khai báo các quan hệ (vị từ)

 clauses : phần thể hiện các mệnh đề (có thể) của vị từ
 goal : đích cần đạt được của chương trình.

 goal được viết trong chương trình được gọi là internal goal.

 goal thực hiện lúc thực thi (cửa sổ Run) được gọi là external goal.

 Các ghi chú trong Prolog nằm trong cặp /* */ hoặc sau dấu

 Trong SWI-Prolog, người sử dụng không cần khai báo kiểu

dữ liệu, cấu trúc chương trình khơng cần các từ khóa trên.

</div>
(185)<div class='page_container' data-page=185>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 185

ĐỐI TƯỢNG DỮ LIỆU

 Gồm các loại :

 Nguyên tố (atoms)

 Số (numbers)

 Biến (variables)

 Cấu trúc (structures)

Đối tượng dữ liệu

Đối tượng cơ bản Cấu trúc

Hằng số Biến

</div>
(186)<div class='page_container' data-page=186>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 186

 Là chuỗi các ký tự

 Chữ hoa từ A đến Z

 Chữ thường từ a đến z

 Chữ số 0,..,9

 Ký tự đặc biệt : + - * / < > = : . & _ ~

 Dựa trên quy tắc

 Chuỗi các chữ cái, chữ số, dấu _ ,bắt đầu bằng một chữ

thường (VD : anna, x25, x__y, alpha_beta,...)

 Chuỗi các ký tự đặc biệt (VD : <---> , === > , ...)

 Chuỗi các ký tự nằm trong cặp dấu ‘ ’ (VD : ‘Hoàng’,

‘Hoa’,...)

</div>
(187)<div class='page_container' data-page=187>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 187

 Gồm số nguyên và số thực
 Ví dụ :

Số nguyên : -3, -100, 1, 5 ,2, ...
Số thực : 1.25, -3.25, ...

 Số thực ít được sử dụng trong lập trình Prolog

</div>
(188)<div class='page_container' data-page=188>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 188

 Biến

 Chuỗi các chữ cái, chữ số và dấu _, bắt đầu bằng một

chữ viết HOA hoặc dấu _.

 Ví dụ : X, Result, Object2, _23

 Biến vô danh

 Ký hiệu : _

 Nếu biến chỉ xuất hiện một lần, không cần đặt tên. Sử

dụng biến vơ danh

 Ví dụ :

haschild(X) :- parent(X,Y). %Biến Y chỉ xuất hiện một lần
haschild(X) :- parent(X,_). %Thay thế bằng biến vô danh

</div>
(189)<div class='page_container' data-page=189>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 189

ĐỐI TƯỢNG DỮ LIỆU

– Cấu trúc

 Các đối tượng có nhiều thành phần.
 Ví dụ :

 Đối tượng date có thể xem là một cấu trúc với các thành

phần : day, month, year.

 Thể hiện bằng Prolog: 
 Ví dụ :

 date(1,may, 2005) date

</div>
(190)<div class='page_container' data-page=190>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 190

 Term (hạng)

 Tất cả các đối tượng dữ liệu trong Prolog được gọi là

term.

 Ví dụ : thangnam, ngay(1, thangchin,2005) là các term.

 So khớp (matching)

 Là thao tác quan trọng nhất trên các term.

 Là quá trình kiểm tra xem hai term có khớp nhau hay

khơng.

</div>
(191)<div class='page_container' data-page=191>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 191

 Hai term được xem là khớp (match) nhau nếu:

 Giống nhau hoàn toàn

 Các biến trong cả hai term được khởi tạo thành các đối

tượng sao cho sau khi thay thế chúng bằng các đối tượng
này thì chúng giống nhau hồn tồn.

 Ví dụ

 Cho hai term date(D,M, 2005) và date(D1, thangchin,

Y1) được coi là khớp nhau

 Ta có : D khởi tạo thành D1, M khởi tạo thành thangchin,

còn Y1 khởi tạo thành 2005.

</div>
(192)<div class='page_container' data-page=192>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 192

 Xác định hai term có khớp nhau hay khơng?

 Nếu S, T là hằng số thì chúng khớp nhau khi chúng cùng

một đối tượng.

 Nếu S là biến và T bất kỳ. Nếu chúng khớp nhau thì S

được khởi tạo thành T và ngược lại.

 Nếu S và T là cấu trúc. Chúng khớp nhau khi tất cả các

thành phần trong S và T khớp nhau.

</div>
(193)<div class='page_container' data-page=193>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 193

KIỂU DỮ LIỆU & PHÉP TOÁN

KIỂU DỮ LIỆU

 char : ký tự ở giữa cặp dấu ‘’.

 Ví dụ : ‘a’, ‘b’, ‘1’, ...

 integer : số nguyên (từ -32768 đến 32767)

 Ví dụ : 200, -521, 322, ...

 real : số thực

 Ví dụ : 25.18, -78.3e+21, 25.5e-20, ...

 string : chuỗi dài tối đa 64KB, nằm cặp dấu “”.

 Ví dụ : “chào các bạn”, “Prolog”

 symbol : chuỗi dài tối đa 80 ký tự, có thể khơng có dấu “”.

</div>
(194)<div class='page_container' data-page=194>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 194

KIỂU DỮ LIỆU & PHÉP TỐN

PHÉP TỐN TRONG SWI-PROLOG
 Phép tốn số học : +, -, *, /, mod, //, **

 Biểu thức số học: được xây dựng nhờ vị từ is
Number is Expr

Number: đối tượng cơ bản

Expr: biểu thức số học được xây dựng từ các phép
toán số học, các số và các biến.

 Phép so sánh số học : >, <, =:=, >=, <=, =\=

</div>
(195)<div class='page_container' data-page=195>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 195

KIỂU DỮ LIỆU & PHÉP TỐN

Trong SWI-Prolog, có các vị từ xác định kiểu dữ liệu:

 var(V) V là một biến?

 nonvar(X) X không phải là một biến?

 atom(A) A là một nguyên tố?

 integer(I) I là một số nguyên?

 float(R) R là một số thực(dấu chấm động)?

 number(N) N là một số (nguyên hoặc thực)?

 atomic(A) A là một nguyên tố hoặc một số?

</div>
(196)<div class='page_container' data-page=196>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 196

 Tìm USCLN của 2 số a,b >0

Sử dụng thuật toán Euclide

 USCLN của X và X là X.

 USCLN của X và Y là USCLN của X – Y và Y nếu

X>Y.

 USCLN của X và Y là USCLN của Y-X và X nếu X<Y.

</div>
(197)<div class='page_container' data-page=197>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 197

CÁC BƯỚC XÂY DỰNG

(1) Đặc tả bài toán

=> xác định mục tiêu cần giải P

(2) Biểu diễn bài toán dưới dạng chuẩn
=> P i(jqij).

</div>
(198)<div class='page_container' data-page=198>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 198

(1) uscln(X,Y,Z)  Z là USCLN của X,Y.

(2) uscln(X,Y,Z) 

[(X>Y)  (T=X-Y)  uscln(T,Y,Z)]

 [(X<Y)  (T=Y-X)  uscln(X,T,Z)]

 [(Y=X)  (Z=X)].

(3) uscln(X,Y,Z)  (X>Y)  (T=X-Y)  uscln(T,Y,Z).

uscln(X,Y,Z)  (X<Y)  uscln(X,T,Z)  (T=Y-X).

uscln(X,Y,Z)  (Y=X)  (Z=X).

</div>
(199)<div class='page_container' data-page=199>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 199

(4) Chuyển sang Prolog

uscln (X,Y,Z):-X>Y, T is X-Y, uscln(T,Y,Z).
uscln (X,Y,Z):-X<Y, T is Y-X, uscln(X,T,Z) .
uscln (X,Y,Z):-X=Y, Z=X.

 Rút gọn và chỉnh sửa

uscln (X,X,X).

uscln (X,Y,Z):-X>Y, is(T, X-Y), uscln(T,Y,Z).
uscln (X,Y,Z):-X<Y, is(T, Y-X), uscln(X,T,Z).

Thỏa mãn các ràng buộc?

</div>
(200)<div class='page_container' data-page=200>

Nguyễn Ngọc Hiếu - Các Bài giảng Trí tuệ Nhân tạo 200

 Tính giai thừa của số N ?

</div>

Bai giang Tri Tue Nhan Tao

<b>TRÍ TUỆ NHÂN TẠO</b>

<b>NỘI DUNG</b>

<b>TÀI LIỆU THAM KHẢO</b>

<b>ĐÁNH GIÁ</b>

<b>NỘI DUNG</b>









CÁC KHÁI NIỆM CƠ BẢN:

<b>TTNT là gì?</b>







CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:





CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

CÁC KHÁI NIỆM CƠ BẢN:

<b>Các phương pháp và kỹ thuật</b>

CÁC KHÁI NIỆM CƠ BẢN:

<b>Các thành phần trong hệ thống</b>

<b>NỘI DUNG</b>









CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT

<b>NỘI DUNG</b>







LỊCH SỬ PHÁT TRIỂN CỦA

KHOA HỌC TTNT

LỊCH SỬ PHÁT TRIỂN CỦA

<b>NỘI DUNG</b>









CÁC THÀNH TỰU CỦA

CÁC THÀNH TỰU CỦA

CÁC THÀNH TỰU CỦA

CÁC THÀNH TỰU CỦA

CÁC THÀNH TỰU CỦA

<b>NỘI DUNG</b>









<b>Một số chủ đề nghiên cứu</b>

<b>NỘI DUNG</b>

BIỂU DIỄN VÀ GIẢI QUYẾT VẤN ĐỀ

TRONG KHOA HỌC TTNT

<b>Giải quyết vấn đề và khoa học TTNT</b>

<b>Giải quyết vấn đề của con người</b>

<b>Giải quyết vấn ca con ngi</b>

<b>Phân loại vấn đề & Các đặc trưng cơ </b>

<b>bản của vấn đề</b>

<b>Phân loại vấn đề & Các đặc trưng cơ </b>

<b>bản của vấn đề</b>

<b>Các thành phần cơ bản trong hệ thống </b>

<b>giải quyết vấn đề</b>

<b>NỘI DUNG</b>

CÁC PHƯƠNG PHÁP BIỂU DIỄN

VẤN ĐỀ

<b>Phương pháp biểu diễn nhờ KGTT</b>

<b>Phương pháp qui bài tốn về các bài </b>

<b>toán con</b>

<b>Phương pháp qui bài toán về các bài </b>

<b>toán con</b>

<b>Phương pháp biểu diễn vấn đề nhờ </b>

<b>logic hình thức</b>