chapter03

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (640.18 KB, 36 trang )

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

Ch

ươ

ng 3

CÁC K

Ỹ

THU

Ậ

T TÌM KI

Ế

M

HEURISTIC

GV: Nguyễn Thị Trúc Viên
Email:

N

ộ

i dung

Gi

ớ

i thi

ệ

u.

Ph

ươ

ng pháp sinh-và-th

ử

.

Ph

ươ

ng pháp leo

đồ

i.

Tìm ki

ế

m t

ố

t nh

ấ

t tr

ướ

c.

Thu gi

ả

m ràng bu

ộ

c.

Tho

ả

mãn ràng bu

ộ

c.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 3

Gi

ớ

i thi

ệ

u

Hai chi

ế

n l

ượ

c tìm ki

ế

m c

ơ

b

ả

n

đ

ã gi

ớ

i thi

ệ

u:

– DFS có quay lui

– BrFS

Hi

ệ

n th

ự

c:

Procedure Depth_first_search;
Begin

open :=[start]; close:=[];
While (open <>[]) do

begin

remove X which is the leftmost of Open;
If (X=goal) the return (Success)
else begin

generate children of X; Put X to close;

eleminate children of X which is in Open or Close;
Put remain children on LEFT end of open;

End;
End;

Return (FALL);
End;

DFS
có quay lui

Gi

ớ

i thi

ệ

u(tt.)

Hai chi

ế

n l

ượ

c tìm ki

ế

m c

ơ

b

ả

n

đ

ã gi

ớ

i thi

ệ

u:

– DFS có quay lui

– BrFS

Hi

ệ

n th

ự

c:

BrFS

Procedure Breadth_first_search;
Begin

open :=[start]; close:=[];
While (open <>[]) do

begin

remove X which is the leftmost of Open;
If (X=goal) the return (Success)
else begin

generate children of X; Put X to close;

eleminate children of X which is in Open or Close;
Put remain children on RIGHT end of open;

End;
End;

Return (FALL);
End;

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 5

Sinh-và-Th

ử

Gi

ả

i thu

ậ

t:

1. Sinh một lời giải nào đó (trạng thái OR con đường).

2. So sánh với trạng thái đích.

3. Nếu là đích dừng; ngược lại đến bước 1.

Các d

ạ

ng hi

ệ

n th

ự

c:

– Có hệthống: sinh các trạng thái một cách có hệthống, bằng
giải thuật tìm kiếm vét cạn KGTT, như DFS có quay lui.

– Ngẫu nhiên: sinh các trạng thái một cách ngẫu nhiên.

– Heuristic: dùng heuristic đểkhông phải sinh những trạng thái

mà nó dường như khơng dẫn đến đích.

V

ớ

i các bài tốn l

ớ

n:

– Thường khơng chỉsửdụng sinh-và-thử.

– Thường kết hợp với các kỹthuật khác đểgiới hạn KGTT được

khảo sát, (như DENRAL)

Leo

đồ

i

Phiên b

ả

n

đơ

n gi

ả

n:

1. Xét trạng thái bắt đầu.
1. Nếu là đích dừng.

2. Ngược lại: thiết lập khởi đầu như TT hiện tại.

2. Lặp đến khi: gặp đích OR khơng cịn luật nào chưa được áp
dụng vào TT hiện tại

1. Lựa một luật đểáp dụng vào TT hiện tại đểsinh ra một TT mới.
2. Xem xét TT mới này:

1. Nếu là đích dừng.

2. Nếu khơng là đích, nhưng tốt hơn TT hiện tại thiết lập TT mới là TT
hiện tại.

3. Nếu khơng tốt hơn thì thì tiếp lần lặp kế.

Nh

ậ

n xét:

– Có sửdụng hàm đánh giá đểtích hợp tri thức vào điều khiển.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 7

Leo

đồ

i(tt.)

Phiên bản cải tiến:

1. Xem xét trạng thái đầu.

1. Nếu là đích dừng.

2. Ngược lại thiết lập TT đầu là TT hiện tại.

2. Lặp đến khi: gặp đích OR khơng có sự thay đổi TT hiện tại

1. SUCC = TT con bất kỳnào của TT hiện tại

2. Với mỗi luật:

1. Áp dụng luật đểsinh ra TT mới.

2. Nếu TT mới là đích dừng. Ngược lại, so sánh với SUCC. Nếu tốt hơn SUCC thì
thiết lập SUCC là TT này. Ngược lại, không thay đổi SUCC.

3. Nếu SUCC tốt hơn TT hiện tại SUCC làm TT hiện tại.

Nhận xét:

– Cảhai phiên bản trên có thểsẽkhơng thểtìm đến đích được trong 3 trường
hợp sau:

Local Maximum:
Plateau:

Ridge:

Leo

đồ

i(tt.)

Bài toán s

ắ

p x

ế

p các kh

ố

i:

B
C
D
E
F
G
H
A

A
B
C
D
E
F
G
H

Trạng thái đầu Trạng thái đích

Thửgiải với giải thuật leo đồi, với hai heuristic (H1 và H2):

1. Cộng 1 cho các khối nằm mà nó nằm trên khối khác như mong muốn.
Trừ1 cho các khối nằm mà nó khơng nằm trên khối mong muốn
2. Cộng 1 cho mỗi khối nằm trong cấu trúc mong muốn (nhưđích).

Trừ1 cho mỗi khối khơng nằm trong cấu trúc mong muốn.
H1=4

H2=-28

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 9

Leo

đồ

i(tt.)

Bài tốn s

ắ

p x

ế

p các kh

ố

i:

B
C
D
E
F
G
H
A

B
C
D
E
F
G
H
A
B
C
D
E
F
G
H
B
C
D
E
F
G
H
A
B
C
D
E
F
G
H

A
A
H1=4
H2=-28
H1=6
H2=-21
H1=4
H2=-28
H1=4

H2=-16 H1=4H2=-15

K

ỹ

thu

ậ

t luy

ệ

n thép

Xác su

ấ

t ch

ấ

p nh

ậ

n TT có tr

ị

th

ấ

p h

ơ

n TT hi

ệ

n t

ạ

i:

– T: nhiệt độluyện, được chọn dựa vào lịch luyện thép.

– ∆E: Chuyển đổi trong mức năng lượng (dương). Trong giải
thuật đó là hiệu sốcủa hai hàm heuristic.

So sánh v

ớ

i GT leo

đồ

i:

– Là một cải tiến của leo đồi đểnó có thểchấp nhận TT mới khi
khơng có TT nào tốt hơn TT hiện tại.

– Lịch luyện phải được xây dựng trước, dựa vào kinh nghiệm, và

được lưu lại trong lúc GT chạy.

– Có thểchấp nhận TT mới tệ hơn TT hiện tại.

T
E

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 11

K

ỹ

thu

ậ

t luy

ệ

n thép(tt.)

Giải thuật:

1. Xem xét trạng thái đầu.

1. Nếu là đích dừng.

2. Ngược lại thiết lập TT đầu là TT hiện tại.
2. Khởi động BEST-SO-FAR = TT hiện tại.

3. Khởi động T dựa vào lịch luyện.

4. Lặp đến khi: gặp đích OR khơng cịn luật nào chưa được áp dụng vào TT
hiện tại.

1. Chọn một luật đểáp dụng vào TT hiện tại và sinh ra TT mới.

2. Xem xét TT mới, tính:

∆

∆
∆

∆E = (Trịcủa TT hiện tại) – (Trịcủa TT mới)

1. TT mới = đích dừng.

2. TT mới khơng là đích, nhưng tốt hơn TT hiện tại TT hiện tại là TT mới và

BEST-SO-FAR = TT mới.

3. Nếu không tốt hơn TT hiện tại thì:

1. Tính xác suất p’ nói trên.

2. Sinh ngẫu nhiên một sốp thuộc [0,1]. Nếu p < p’ thì chấp nhận TT mới tệ hơn

này.

3. Thay đổi T dựa vào lịch luyện.
5. TrảvềBEST-SO-FAR

Tìm ki

ế

m t

ố

t tr

ướ

c

Tìm ki

ế

m t

ố

t tr

ướ

c, best-first-search (BFS):

– Là phương pháp dung hồ của BrFS và DFS.

– Có bơm tri thức cụthểcủa bài tốn vào phần điều khiển.

– Có sửdụng để đánh giá ưu thếcủa mỗi trạng thái, có thểlà

ước lượng từnó đến TT đích.

– Tại mỗi bước, GT sẽchọn trạng thái mà nó cho rằng là có ưu

thếnhất trong sốcác trạng thái đã sinh ra được đến thời điểm
đó.

– Khác với GT leo đồi có cải tiến ởchổ: có lưu tất cảnhững TT

đã phát sinh đến thời điểm chọn TT đểxét tiếp.

– Dùng hai danh sách:

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 13

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Gi

ả

i thu

ậ

t BFS:

1. OPEN = [TT đầu]

2. Lặp đến khi: gặp đích OR OPEN rỗng.

1. Lấy TT tốt nhất từOPEN.
2. Phát sinh các con của nó.
3. Với mỗi con:

1. Nếu nó chưa được phát sinh: gán nó trị đánh giá, đưa vào OPEN, ghi nhận
TT cha của nó.

2. Nếu đã được phát sinh trước: Nếu đạt đến bởi đường khác tốt hơn ghi
nhận lại TT cha của nó, cập nhật lại trị đánh giá của nó và của các con của
nó.

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Tìm t

ố

t tr

ướ

c qua các b

ướ

c:

A A

B C D

(3) (5) (1)
Bước 1 Bước 2

A

B C D

(3) (5)
Bước 3

E F

(4) (6)

A

B C D

(5)
Bước 4

E F

G H

A

B C D

(5)
Bước 5

E F

(6)

G H

(6) (5)

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 15

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Greedy Search

– h(n) = Ước lượng chi phí từ TT n đến TT đích

Khơng đảm bảo tính tối ưu lẫn tính đầy đủ

Uniform-cost search

– g(n) = Ước lượng chi phí từ TT đầu đến TT n

Tối ưu và đầy đủ, nhưng khơng hiệu quả

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Giới thiệu giải thuật A*:

– Sửdụng 3 hàm:

f’(n) : Ước lượng chi phí từ TT đầu đến đich trên con đường có qua TT n.
g(n) : chi phí đã phải trải từ TT đầu đến TT n.

h’(n): Ước lượng chi phí từ TT n đến TT đích.
f’(n) = g(n) + h’(n)

– Sửdụng hai danh sách OPEN và CLOSED như đã nói trên.

Giải thuật A*:

1. OPEN =[TT đầu, g=0, f’=g+ h’ = h’]

2. Lặp đến khi: gặp TT đích:

1. OPEN rỗng báo error.

2. BESTNODE = TT tốt nhất( f nhỏnhất) trên OPEN.
Xoá BESTNODE khỏi OPEN.

Đưa vào CLOSED.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 17

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Với mỗi con gọi là SUCCESSOR:

(a) Thiết lập đểSUCCESSOR chỉ ngược về BESTNODE, đểcho phép trả

về con đường khi gặp đích.

(b) Tính g(SUCCESSOR) = g(BESTNODE) + cost(BESTNODE,
SUCCESSOR).

BESTNODE. Cập nhật lại con đường đạt đến OLD và trị đánh giá f cho

OLD trong OPEN.

(d) Nếu SUCCESSOR đã có trong CLOSED, gọi đó là OLD’. Thực hiện
kiểm tra tương tự như OPEN, song chú ý là nếu đạt tới SUCCESSOR bởi
con đường tốt hơn thì:

- Cập nhật lại cha của OLD’
- Đưa OLD’ vào lại OPEN.

- Cập nhật lại giá trịf cho các TT con của OLD’.

(e) Nếu SUCCESSOR khơng có trong cảOPEN , CLOSED thì: đưa nó
vào OPEN và thêm nó nào ds con của BESTNODE. Tính tốn gía trịf cho
nó.

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

M

ộ

t cách hi

ệ

n th

ự

c BFS:

Procedure Best_First_Search;
Begin

open:=[start]; close:=[];
While(open<>[]) do
begin

X = removefirst(OPEN).
ifX=GOAL then return path.
else begin

Sinh các con của X;
FORmỗi con Y của X DO

case Y khơng có trong OPEN, CLOSED:
begin

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

Khoa Cơng Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 19

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

M

ộ

t cách hi

ệ

n th

ự

c BFS(tt.):

case YCó trong OPEN:

if đến được Y bởi một path ngắn hơn

then

gán path ngắn hơn này cho Y trên OPEN.

case Ycó trong CLOSED

if đến được Y bởi một path ngắn hơn

then begin

Xoá Y khỏi CLOSED;
Thêm Y vào OPEN

end
end; /*end FOR*/
Đưa X vào CLOSED

Sắp xếp các TT trên OPEN (tăng dần theo hàm f)

end; / while/
return failure;

End;

Thu gi

ả

m bài toán

Đồ

th

ị

AND-OR :

– Được dùng đểbiểu diễn KGTT cho bài toán giải được bằng

cách phân rã ra các bài toán nhỏ hơn

– Khi bài toán được phân rã thành N bài toán con, mà tất cả

chúng phải được giải đểhồn thành bài tốn lớn thì được biểu

diễn thành cung AND chỉ đến N trạng thái con.

– Nhiều cách giải cho bài tốn có thể được dùng thì có thểbiểu
diễn bởi cung OR .

– Ví dụ: A

B C D

A có thể được thơng qua hai cách:
-Giải B, hoặc

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 21

Thu gi

ả

m bài toán (tt.)

Đồ

th

ị

AND-OR :

– Nếu dùng giải thuật BFS cho việc tìm lời giải trên đồthị

AND-OR thì có lẽkhơng thích hợp vì như xem xét đồthịsau:

A

B C D

(5) (3) (4)

-Nếu giá trịghi kềbên trạng thái là trị ước lượng cho trạng thái đó.
-Theo BFS thì trạng thái kếtiếp được chọn là C, như:

-Khi chọn cách giải qua C thì bắt buộc phải giải cảD. Do vậy 
tổng chi phí cho cách giải này là: C+D+ 2 = 9, 2 là giá trịcủa 
hàm g trong BFS.

- Trong khi đó nếu chọn cách giải qua B thì chi phí chỉlà: B+1 = 
6.

(9)

Thu gi

ả

m bài toán (tt.)

GT Thu gi

ả

m:

1. Khởi động đồthịlà TT bắt đầu.

2. Lặp đến khi: TT đầu được gán nhãn là SOLVED OR chi phí

vượt qua ngưỡng FUTILITY:

1. Duyệt đồthịbắt đầu từ TT đầu, theo con đường tốt nhất hiện tại,

tích luỹtập trạng thái trên con đường đó mà nó chưa được mở
rộng hoặc được gán nhãn SOLVED.

2. Lấy một TT chưa mởrộng và mởrộng nó. Nếu khơng có con thì

gán FUTILITY bằng trịcủa TT này. Ngược lại, thêm các con vào 
đồthịvà mỗi chúng tính f’ (sửdụng chỉh’, bỏqua g). Nếu f’ =0 thì
gán nhãn cho TT đó là SOLVED.

3. Thay đổi f’ của TT đã được mởrộng đểphản ánh thông tin được

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 23

Thu gi

ả

m bài toán (tt.)

GT Thu gi

ả

m (tt.) - t

ừ

ng b

ướ

c:

A

B C D

A
Trước bước 1:

(5)

Trước bước 2:

(3) (4) (5)

(9)
(6)

Thu gi

ả

m bài toán (tt.)

GT Thu gi

ả

m (tt.) - t

ừ

ng b

ướ

c:

A

B C D

Trước bước 3:

(3) (4)

(9)

E F

4 4

10

A

B C D

Trước bước 4:

(4)
(12)

E F

4 4

10

10 10

G H

5 7

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 25

Thu gi

ả

m bài toán

(tt.)

Gi

ả

i thu

ậ

t AO*:

1. Gán GRAPH chứa TT đầu (INIT). Tính h’(INIT).

2. Lặp đến khi INIT có nhãn SOLVED OR h’(INIT) >

FUTILITY:

1. Lần theo cung đã được gán nhãn đi từINIT, lựa chọn một NODE

đểmởrộng.

2. Phát sinh con của NODE. Nếu khơng có con thì FUTILITY =

h’(NODE). Nếu có con, với mỗi con SUCCESSOR thực hiện:
1. Đưa SUCCESSOR vào GRAPH.

2. Nếu SUCCESSOR là nốt dừng, gán nhãn SOLVED, gán
h’(SUCCESSOR) =0.

3. Nếu SUCCESSOR không là nốt dừng thì tính h’(SUCCESSOR).

3. Lan truyền ngược lên đồthị như sau: Gọi S là tập các nốt có nhãn

SOLVED, h’ của nó đã chuyển đổi, cần lan truyền ngược lên nốt 
cha. Khởi động S chưa NODE. Đến khi S trống thực hiện:

Thu gi

ả

m bài toán

(tt.)

Gi

ả

i thu

ậ

t AO*:

1. ...

2. …

1. …
2. …
3. …

1. Nếu có thểthì: lựa từS một nốt mà khơng có con nào của nó trong
GRAPH nằm trong S. nếu khơng có nốt như vậy thì : lựa một nốt bất kỳtừ
S, gọi là CURRENT, xố nó khỏi S.

2. Tính tốn phí của mỗi cung đi từCURRENT. Phí này bằng tổng các h’
của con nốt nằm ởcuối cung (AND NODE), cộng với phí của chính cung
đó (thơng thường là 1 cho mỗi cung). Gán cost nhỏnhất (trong các OR
NODE) cho CURRENT.

3. Đánh dấu con đường tốt nhất hiện tại.

4. Đánh dấu SOLVED cho CURRENT nếu: tất cảnốt nối vào nó xuyên qua

cung mới nói trên là SOLVED.

5. Nếu CURRENT là SOLVED hoặc nếu chi phí của CURRENT đã thay đổi
thì phải lan truyền ngược lên trên. Đưa vào S tất cảcác cha của

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 27

Tho

ả

mãn ràng bu

ộ

c

Giải thuật:

1. Sinh ra các ràng buộc có thểcó:

Gọi OPEN = tập các đối tượng phải được gán trị. Lặp đến khi OPEN trống
OR vi phạm xảy ra:

1. OB là một đối tượng của OPEN. Áp dụng các ràng buộc có thểcó vào OB.

2. Nếu tập này khác so với tập đã được gán trong lần sau cùng OB được xem 
xét, hoặc đây là lần đầu tiên OB được xem xét. Đưa vào OPEN tất cảcác

đối tượng nằm trong cùng ràng buộc với OB.

3. BỏOB khỏi OPEN.

2. Nếu hợp các ràng buộc đã được sinh ra có lời giải dừng.

3. Nếu hợp ràng buộc sinh đã được sinh ra có vi phạm trảvềlỗi.

4. Nếu hai điều trên khơng xảy ra thì: thực hiện cơng việc đốn, bằng cách:
lặp đến khi có lời giải OR tất cảcác lời giải có khả năng đã bịloại:

1. Lựa một đối tượng chưa có trị. Chọn cách gán trị đểthoảcác ràng buộc 
trên đó.

2. Gọi đệqui trên tập ràng buộc mới vừa cập nhật ở bước trên.

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

:

SEND
+MORE

---MONEY
Trạng thái đầu:

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

Khoa Cơng Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 29

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

: (tt) - m

ộ

t s

ố bướ

c gi

ả

i

M=1
S = 8 | 9
O = 0 | 1O=0

N=E | E+1 N = E+1.
C2 = 1

N +R > 8
E <> 9

N =3
R = 8 | 9

2 + D = Y | 2 + D = 10 + Y
Trạng thái đầu

SEND
+MORE

---MONEY

E =2 Đốn !!!

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

: (tt) - m

ộ

t s

ố bướ

c gi

ả

i

N =3
R = 8 | 9

2 + D = Y | 2 + D = 10 + Y

2 + D = Y
N + R = 10 + E

R =9

S = 8

2 + D = 10 + Y
D = 8 + Y
D = 8 | 9

C1 =0 C1 =1

Y= 0 Y = 1

D=8 D=9

Vi phạm Vi phạm

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 31

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Chi

ế

n l

ượ

c tìm ki

ế

m có th

ể

là:

– Tiến (forward)

– Lùi (backward)

– Hay kết hợp cả 2 như dạng: phương tiện - mục đích.

Ý t

ưở

ng:

– Nếu muốn đi từtrạng thái (A) đến (B), mà đã có tốn tửO
(luật) làm được như vậy thì áp dụng O dừng.

– Nếu khơng có tốn tử O như vậy thì:

Cốgắng tìm một con đường từ(A) (C), gọi lại thủtục này.
Mỗi khi đến (C) được rồi thì có thểáp dụng tốn tử O để đến (D). 
Nếu (D) là GOAL dừng.

Nếu khơng thì cốgắng tìm đường đến (D), gọi lại thủtục này.

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Chiến lược tìm kiếm có thểlà:

– Tiến (forward)

– Lùi (backward)

– Hay kết hợp cả 2 như dạng: phương tiện - mục đích.

Giải thuật: Mean-End-Analysis, MEA(CURRENT-GOAL):

1. So sánh CURRENT và GOAL. If không khác dừng.

2. Ngược lại: Chọn sựkhác nhau lớn nhất, thực hiện:

1. Lựa một tốn tử(luật) O mà có thểdùng được cho sựkhác nhau này. Nếu

khơng cóbáo error.

2. Áp dụng O vào CURRENT. Phát sinh hai trạng thái: (i) O-START, trạng 
thái mà điều kiện đầu của O được thoảmãn, (ii) O-RESULT , trạng thái 
kết cục nếu như O đã được áp dụng vào O-START.

3. IF

(FIRST-PART MEA(CURRENT, O-START))
AND

(LAST-PART MEA(O-RESULT, GOAL))
Là thành công

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 33

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

:

Một robot với các hành động có thể như bảng 1 và cho trước hành 
động nào thì được dùng đểlàm giảm sựkhác biệt của bài toán như 
bảng 2 (bảng khác biệt).

Đưa ra chuổi hành động đểrobot có thểmang một cái bàn từ
phịng này sang phịng khác, trên bàn có hai vật nhỏ.

at(robot, loc)

None

WALK(loc)

at(obj, loc) ^
at(robot, loc)
at(robot, obj)^

small(obj)
CARRY(obj, loc)

at(obj, loc) ^
at(robot, loc)
at(robot, obj)^
large(obj)^
clear(obj)^
armempty.
PUSH(obj, loc)
Kết quả
Điều kiện đầu

Tốn tử

<Bảng 1>

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

on(obj1,obj2)

at(robot, obj2) ^

holding(obj1)
PLACE(obj1, obj2)
¬holding(obj)
holding(obj)
PUTDOWN(obj)
holding(obj)
at(robot, obj)
PICKUP(obj)
Kết quả
Điều kiện đầu

Tốn tử

*
Be holding object

*
*

Get arm empty

*
Get object on object

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 35

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

– Move: bàn phịng 2.

Khơng có tốn tửnào dùng được.

Bảng khác biệt cho biết có PUSH và CARRY có thễdùng được.
– Nếu chọn CARRY: hai điều kiện phải thoả:

at(robot, bàn) ^ small(bàn).

at(robot, bàn) : giải được bằng WALK

small(bàn): khơng thể được vì khơng có tốn tửnào.
DEAD END.

– Chỉcòn giải pháp: dùng PUSH

A C PUSH D B

START GOAL

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

– Hai bài tốn cịn lại là : (A)(C) và (D) (B)

– Giải (A)(C): Khi dùng PUSH thì cần 4 điều kiện:

at(robot, bàn) : giải được WALK.
large(bàn): bàn sẵn sàng là large.
clear(bàn): giải được bằng PICKUP.
armempty: robot đã sẵn empty.

– Sau khi dùng PICKUP thì sau đó phải dùng PUTDOWN để

đưa cánh tay robot vềrỗng.

– … Kết quảcó thểtóm lược như sau:

A walk pickup putdown pickup putdown C D B

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

Ch

ươ

ng 3

CÁC K

Ỹ

THU

Ậ

T TÌM KI

Ế

M

HEURISTIC

GV: Nguyễn Thị Trúc Viên
Email:

N

ộ

i dung

Gi

ớ

i thi

ệ

u.

Ph

ươ

ng pháp sinh-và-th

ử

.

Ph

ươ

ng pháp leo

đồ

i.

Tìm ki

ế

m t

ố

t nh

ấ

t tr

ướ

c.

Thu gi

ả

m ràng bu

ộ

c.

Tho

ả

mãn ràng bu

ộ

c.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 3

Gi

ớ

i thi

ệ

u

Hai chi

ế

n l

ượ

c tìm ki

ế

m c

ơ

b

ả

n

đ

ã gi

ớ

i thi

ệ

u:

– DFS có quay lui

– BrFS

Hi

ệ

n th

ự

c:

Procedure Depth_first_search;
Begin

open :=[start]; close:=[];
While (open <>[]) do

begin

remove X which is the leftmost of Open;
If (X=goal) the return (Success)
else begin

generate children of X; Put X to close;

eleminate children of X which is in Open or Close;
Put remain children on LEFT end of open;

End;
End;

Return (FALL);
End;

DFS
có quay lui

Gi

ớ

i thi

ệ

u(tt.)

Hai chi

ế

n l

ượ

c tìm ki

ế

m c

ơ

b

ả

n

đ

ã gi

ớ

i thi

ệ

u:

– DFS có quay lui

– BrFS

Hi

ệ

n th

ự

c:

BrFS

Procedure Breadth_first_search;
Begin

open :=[start]; close:=[];

While (open <>[]) do

begin

remove X which is the leftmost of Open;
If (X=goal) the return (Success)
else begin

generate children of X; Put X to close;

eleminate children of X which is in Open or Close;
Put remain children on RIGHT end of open;

End;
End;

Return (FALL);
End;

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 5

Sinh-và-Th

ử

Gi

ả

i thu

ậ

t:

1. Sinh một lời giải nào đó (trạng thái OR con đường).

2. So sánh với trạng thái đích.

3. Nếu là đích dừng; ngược lại đến bước 1.

Các d

ạ

ng hi

ệ

n th

ự

c:

– Có hệthống: sinh các trạng thái một cách có hệthống, bằng
giải thuật tìm kiếm vét cạn KGTT, như DFS có quay lui.

– Ngẫu nhiên: sinh các trạng thái một cách ngẫu nhiên.

– Heuristic: dùng heuristic đểkhông phải sinh những trạng thái

mà nó dường như khơng dẫn đến đích.

V

ớ

i các bài tốn l

ớ

n:

– Thường khơng chỉsửdụng sinh-và-thử.

– Thường kết hợp với các kỹthuật khác đểgiới hạn KGTT được

khảo sát, (như DENRAL)

Leo

đồ

i

Phiên b

ả

n

đơ

n gi

ả

n:

1. Xét trạng thái bắt đầu.
1. Nếu là đích dừng.

2. Ngược lại: thiết lập khởi đầu như TT hiện tại.

2. Lặp đến khi: gặp đích OR khơng cịn luật nào chưa được áp
dụng vào TT hiện tại

1. Lựa một luật đểáp dụng vào TT hiện tại đểsinh ra một TT mới.
2. Xem xét TT mới này:

1. Nếu là đích dừng.

2. Nếu khơng là đích, nhưng tốt hơn TT hiện tại thiết lập TT mới là TT
hiện tại.

3. Nếu khơng tốt hơn thì thì tiếp lần lặp kế.

Nh

ậ

n xét:

– Có sửdụng hàm đánh giá đểtích hợp tri thức vào điều khiển.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 7

Leo

đồ

i(tt.)

Phiên bản cải tiến:

1. Xem xét trạng thái đầu.

1. Nếu là đích dừng.

2. Ngược lại thiết lập TT đầu là TT hiện tại.

2. Lặp đến khi: gặp đích OR khơng có sự thay đổi TT hiện tại

1. SUCC = TT con bất kỳnào của TT hiện tại

2. Với mỗi luật:

1. Áp dụng luật đểsinh ra TT mới.

2. Nếu TT mới là đích dừng. Ngược lại, so sánh với SUCC. Nếu tốt hơn SUCC thì
thiết lập SUCC là TT này. Ngược lại, khơng thay đổi SUCC.

3. Nếu SUCC tốt hơn TT hiện tại SUCC làm TT hiện tại.

Nhận xét:

– Cảhai phiên bản trên có thểsẽkhơng thểtìm đến đích được trong 3 trường
hợp sau:

Local Maximum:
Plateau:

Ridge:

Leo

đồ

i(tt.)

Bài toán s

ắ

p x

ế

p các kh

ố

i:

B

C
D
E
F
G
H
A

A
B
C
D
E
F
G
H

Trạng thái đầu Trạng thái đích

Thửgiải với giải thuật leo đồi, với hai heuristic (H1 và H2):

1. Cộng 1 cho các khối nằm mà nó nằm trên khối khác như mong muốn.
Trừ1 cho các khối nằm mà nó không nằm trên khối mong muốn
2. Cộng 1 cho mỗi khối nằm trong cấu trúc mong muốn (nhưđích).

Trừ1 cho mỗi khối không nằm trong cấu trúc mong muốn.
H1=4

H2=-28

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 9

Leo

đồ

i(tt.)

Bài toán s

ắ

p x

ế

p các kh

ố

i:

B
C
D
E
F
G
H
A
B
C
D
E
F
G
H
A
B
C
D
E
F
G

H
B
C
D
E
F
G
H
A
B
C
D
E
F
G
H
A
A
H1=4
H2=-28
H1=6
H2=-21
H1=4
H2=-28
H1=4

H2=-16 H1=4H2=-15

K

ỹ

thu

ậ

t luy

ệ

n thép

Xác su

ấ

t ch

ấ

p nh

ậ

n TT có tr

ị

th

ấ

p h

ơ

n TT hi

ệ

n t

ạ

i:

– T: nhiệt độluyện, được chọn dựa vào lịch luyện thép.

– ∆E: Chuyển đổi trong mức năng lượng (dương). Trong giải
thuật đó là hiệu sốcủa hai hàm heuristic.

So sánh v

ớ

i GT leo

đồ

i:

– Là một cải tiến của leo đồi đểnó có thểchấp nhận TT mới khi
khơng có TT nào tốt hơn TT hiện tại.

– Lịch luyện phải được xây dựng trước, dựa vào kinh nghiệm, và

được lưu lại trong lúc GT chạy.

– Có thểchấp nhận TT mới tệ hơn TT hiện tại.

T
E

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 11

K

ỹ

thu

ậ

t luy

ệ

n thép(tt.)

Giải thuật:

1. Xem xét trạng thái đầu.

1. Nếu là đích dừng.

2. Ngược lại thiết lập TT đầu là TT hiện tại.
2. Khởi động BEST-SO-FAR = TT hiện tại.

3. Khởi động T dựa vào lịch luyện.

4. Lặp đến khi: gặp đích OR khơng cịn luật nào chưa được áp dụng vào TT
hiện tại.

1. Chọn một luật đểáp dụng vào TT hiện tại và sinh ra TT mới.

2. Xem xét TT mới, tính:

∆
∆
∆

∆E = (Trịcủa TT hiện tại) – (Trịcủa TT mới)

1. TT mới = đích dừng.

2. TT mới khơng là đích, nhưng tốt hơn TT hiện tại TT hiện tại là TT mới và

BEST-SO-FAR = TT mới.

3. Nếu khơng tốt hơn TT hiện tại thì:

1. Tính xác suất p’ nói trên.

2. Sinh ngẫu nhiên một sốp thuộc [0,1]. Nếu p < p’ thì chấp nhận TT mới tệ hơn

này.

3. Thay đổi T dựa vào lịch luyện.
5. TrảvềBEST-SO-FAR

Tìm ki

ế

m t

ố

t tr

ướ

c

Tìm ki

ế

m t

ố

t tr

ướ

c, best-first-search (BFS):

– Là phương pháp dung hoà của BrFS và DFS.

– Có bơm tri thức cụthểcủa bài tốn vào phần điều khiển.

– Có sửdụng để đánh giá ưu thếcủa mỗi trạng thái, có thểlà

ước lượng từnó đến TT đích.

– Tại mỗi bước, GT sẽchọn trạng thái mà nó cho rằng là có ưu

thếnhất trong sốcác trạng thái đã sinh ra được đến thời điểm
đó.

– Khác với GT leo đồi có cải tiến ởchổ: có lưu tất cảnhững TT

đã phát sinh đến thời điểm chọn TT đểxét tiếp.

– Dùng hai danh sách:

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 13

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Gi

ả

i thu

ậ

t BFS:

1. OPEN = [TT đầu]

2. Lặp đến khi: gặp đích OR OPEN rỗng.

1. Lấy TT tốt nhất từOPEN.
2. Phát sinh các con của nó.
3. Với mỗi con:

1. Nếu nó chưa được phát sinh: gán nó trị đánh giá, đưa vào OPEN, ghi nhận
TT cha của nó.

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Tìm t

ố

t tr

ướ

c qua các b

ướ

c:

A A

B C D

(3) (5) (1)
Bước 1 Bước 2

A

B C D

(3) (5)
Bước 3

E F

(4) (6)

A

B C D

(5)
Bước 4

E F

G H

A

B C D

(5)
Bước 5

E F

(6)

G H

(6) (5)

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 15

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Greedy Search

– Sửdụng hàm h(n) = Ước lượng chi phí từ TT n đến TT đích

Khơng đảm bảo tính tối ưu lẫn tính đầy đủ

Uniform-cost search

– Sửdụng hàm g(n) = Ước lượng chi phí từ TT đầu đến TT n

Tối ưu và đầy đủ, nhưng khơng hiệu quả

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Giới thiệu giải thuật A*:

– Sửdụng 3 hàm:

h’(n): Ước lượng chi phí từ TT n đến TT đích.
f’(n) = g(n) + h’(n)

– Sửdụng hai danh sách OPEN và CLOSED như đã nói trên.

Giải thuật A*:

1. OPEN =[TT đầu, g=0, f’=g+ h’ = h’]

2. Lặp đến khi: gặp TT đích:

1. OPEN rỗng báo error.

2. BESTNODE = TT tốt nhất( f nhỏnhất) trên OPEN.
Xoá BESTNODE khỏi OPEN.

Đưa vào CLOSED.

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 17

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

Với mỗi con gọi là SUCCESSOR:

(a) Thiết lập đểSUCCESSOR chỉ ngược về BESTNODE, đểcho phép trả

về con đường khi gặp đích.

(b) Tính g(SUCCESSOR) = g(BESTNODE) + cost(BESTNODE,
SUCCESSOR).

BESTNODE. Cập nhật lại con đường đạt đến OLD và trị đánh giá f cho
OLD trong OPEN.

(d) Nếu SUCCESSOR đã có trong CLOSED, gọi đó là OLD’. Thực hiện
kiểm tra tương tự như OPEN, song chú ý là nếu đạt tới SUCCESSOR bởi
con đường tốt hơn thì:

- Cập nhật lại cha của OLD’
- Đưa OLD’ vào lại OPEN.

- Cập nhật lại giá trịf cho các TT con của OLD’.

(e) Nếu SUCCESSOR khơng có trong cảOPEN , CLOSED thì: đưa nó
vào OPEN và thêm nó nào ds con của BESTNODE. Tính tốn gía trịf cho
nó.

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

M

ộ

t cách hi

ệ

n th

ự

c BFS:

Procedure Best_First_Search;
Begin

open:=[start]; close:=[];
While(open<>[]) do
begin

X = removefirst(OPEN).
ifX=GOAL then return path.
else begin

Sinh các con của X;
FORmỗi con Y của X DO

case Y khơng có trong OPEN, CLOSED:
begin

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 19

Tìm ki

ế

m t

ố

t tr

ướ

c(tt.)

M

ộ

t cách hi

ệ

n th

ự

c BFS(tt.):

case YCó trong OPEN:

if đến được Y bởi một path ngắn hơn

then

gán path ngắn hơn này cho Y trên OPEN.

case Ycó trong CLOSED

if đến được Y bởi một path ngắn hơn

then begin

Xoá Y khỏi CLOSED;
Thêm Y vào OPEN

end
end; /*end FOR*/
Đưa X vào CLOSED

Sắp xếp các TT trên OPEN (tăng dần theo hàm f)

end; / while/
return failure;

End;

Thu gi

ả

m bài toán

Đồ

th

ị

AND-OR :

– Được dùng đểbiểu diễn KGTT cho bài toán giải được bằng

cách phân rã ra các bài toán nhỏ hơn

– Khi bài toán được phân rã thành N bài tốn con, mà tất cả

chúng phải được giải đểhồn thành bài tốn lớn thì được biểu

diễn thành cung AND chỉ đến N trạng thái con.

– Nhiều cách giải cho bài tốn có thể được dùng thì có thểbiểu
diễn bởi cung OR .

– Ví dụ: A

B C D

A có thể được thông qua hai cách:
-Giải B, hoặc

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 21

Thu gi

ả

m bài toán (tt.)

Đồ

th

ị

AND-OR :

– Nếu dùng giải thuật BFS cho việc tìm lời giải trên đồthị

AND-OR thì có lẽkhơng thích hợp vì như xem xét đồthịsau:

A

B C D

(5) (3) (4)

-Nếu giá trịghi kềbên trạng thái là trị ước lượng cho trạng thái đó.
-Theo BFS thì trạng thái kếtiếp được chọn là C, như:

-Khi chọn cách giải qua C thì bắt buộc phải giải cảD. Do vậy 
tổng chi phí cho cách giải này là: C+D+ 2 = 9, 2 là giá trịcủa 
hàm g trong BFS.

- Trong khi đó nếu chọn cách giải qua B thì chi phí chỉlà: B+1 = 
6.

(9)

Thu gi

ả

m bài tốn (tt.)

GT Thu gi

ả

m:

1. Khởi động đồthịlà TT bắt đầu.

2. Lặp đến khi: TT đầu được gán nhãn là SOLVED OR chi phí

vượt qua ngưỡng FUTILITY:

1. Duyệt đồthịbắt đầu từ TT đầu, theo con đường tốt nhất hiện tại,

tích luỹtập trạng thái trên con đường đó mà nó chưa được mở
rộng hoặc được gán nhãn SOLVED.

2. Lấy một TT chưa mởrộng và mởrộng nó. Nếu khơng có con thì

3. Thay đổi f’ của TT đã được mởrộng đểphản ánh thông tin được

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 23

Thu gi

ả

m bài tốn (tt.)

GT Thu gi

ả

m (tt.) - t

ừ

ng b

ướ

c:

A

B C D

A
Trước bước 1:

(5)

Trước bước 2:

(3) (4) (5)

(9)
(6)

Thu gi

ả

m bài toán (tt.)

GT Thu gi

ả

m (tt.) - t

ừ

ng b

ướ

c:

A

B C D

Trước bước 3:

(3) (4)

(9)

E F

4 4

10

A

B C D

Trước bước 4:

(4)
(12)

E F

4 4

10

10 10

G H

5 7

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 25

Thu gi

ả

m bài toán

(tt.)

Gi

ả

i thu

ậ

t AO*:

1. Gán GRAPH chứa TT đầu (INIT). Tính h’(INIT).

2. Lặp đến khi INIT có nhãn SOLVED OR h’(INIT) >

FUTILITY:

1. Lần theo cung đã được gán nhãn đi từINIT, lựa chọn một NODE

đểmởrộng.

2. Phát sinh con của NODE. Nếu khơng có con thì FUTILITY =

h’(NODE). Nếu có con, với mỗi con SUCCESSOR thực hiện:
1. Đưa SUCCESSOR vào GRAPH.

2. Nếu SUCCESSOR là nốt dừng, gán nhãn SOLVED, gán
h’(SUCCESSOR) =0.

3. Nếu SUCCESSOR không là nốt dừng thì tính h’(SUCCESSOR).

3. Lan truyền ngược lên đồthị như sau: Gọi S là tập các nốt có nhãn

SOLVED, h’ của nó đã chuyển đổi, cần lan truyền ngược lên nốt 
cha. Khởi động S chưa NODE. Đến khi S trống thực hiện:

Thu gi

ả

m bài toán

(tt.)

Gi

ả

i thu

ậ

t AO*:

1. ...

2. …

1. …
2. …
3. …

3. Đánh dấu con đường tốt nhất hiện tại.

4. Đánh dấu SOLVED cho CURRENT nếu: tất cảnốt nối vào nó xuyên qua
cung mới nói trên là SOLVED.

5. Nếu CURRENT là SOLVED hoặc nếu chi phí của CURRENT đã thay đổi
thì phải lan truyền ngược lên trên. Đưa vào S tất cảcác cha của

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Môn: Trí tuệnhân tạo Chương 03. Side 27

Tho

ả

mãn ràng bu

ộ

c

Giải thuật:

1. Sinh ra các ràng buộc có thểcó:

Gọi OPEN = tập các đối tượng phải được gán trị. Lặp đến khi OPEN trống
OR vi phạm xảy ra:

1. OB là một đối tượng của OPEN. Áp dụng các ràng buộc có thểcó vào OB.

đối tượng nằm trong cùng ràng buộc với OB.

3. BỏOB khỏi OPEN.

2. Nếu hợp các ràng buộc đã được sinh ra có lời giải dừng.

3. Nếu hợp ràng buộc sinh đã được sinh ra có vi phạm trảvềlỗi.

4. Nếu hai điều trên khơng xảy ra thì: thực hiện cơng việc đốn, bằng cách:
lặp đến khi có lời giải OR tất cảcác lời giải có khả năng đã bịloại:

2. Gọi đệqui trên tập ràng buộc mới vừa cập nhật ở bước trên.

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

:

SEND

+MORE

---MONEY
Trạng thái đầu:

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 29

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

: (tt) - m

ộ

t s

ố bướ

c gi

ả

i

M=1
S = 8 | 9
O = 0 | 1O=0
N=E | E+1 N = E+1.
C2 = 1

N +R > 8
E <> 9

N =3
R = 8 | 9

2 + D = Y | 2 + D = 10 + Y
Trạng thái đầu

SEND
+MORE

---MONEY

E =2 Đoán !!!

Tho

ả

mãn ràng bu

ộ

c

Ví d

ụ

: (tt) - m

ộ

t s

ố bướ

c gi

ả

i

N =3
R = 8 | 9

2 + D = Y | 2 + D = 10 + Y

2 + D = Y
N + R = 10 + E
R =9

S = 8

2 + D = 10 + Y
D = 8 + Y
D = 8 | 9

C1 =0 C1 =1

Y= 0 Y = 1

D=8 D=9

Vi phạm Vi phạm

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 31

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Chi

ế

n l

ượ

c tìm ki

ế

m có th

ể

là:

– Tiến (forward)

– Lùi (backward)

– Hay kết hợp cả 2 như dạng: phương tiện - mục đích.

Ý t

ưở

ng:

– Nếu muốn đi từtrạng thái (A) đến (B), mà đã có tốn tửO
(luật) làm được như vậy thì áp dụng O dừng.

– Nếu khơng có tốn tử O như vậy thì:

Nếu khơng thì cốgắng tìm đường đến (D), gọi lại thủtục này.

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Chiến lược tìm kiếm có thểlà:

– Tiến (forward)

– Lùi (backward)

– Hay kết hợp cả 2 như dạng: phương tiện - mục đích.

Giải thuật: Mean-End-Analysis, MEA(CURRENT-GOAL):

1. So sánh CURRENT và GOAL. If không khác dừng.

2. Ngược lại: Chọn sựkhác nhau lớn nhất, thực hiện:

1. Lựa một toán tử(luật) O mà có thểdùng được cho sựkhác nhau này. Nếu 
khơng cóbáo error.

3. IF

(FIRST-PART MEA(CURRENT, O-START))
AND

(LAST-PART MEA(O-RESULT, GOAL))
Là thành công

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 33

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

:

Đưa ra chuổi hành động đểrobot có thểmang một cái bàn từ
phòng này sang phòng khác, trên bàn có hai vật nhỏ.

at(robot, loc)
None

WALK(loc)

at(obj, loc) ^
at(robot, loc)
at(robot, obj)^

small(obj)
CARRY(obj, loc)

at(obj, loc) ^
at(robot, loc)
at(robot, obj)^

large(obj)^
clear(obj)^
armempty.
PUSH(obj, loc)
Kết quả
Điều kiện đầu

Toán tử

<Bảng 1>

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

on(obj1,obj2)
at(robot, obj2) ^

Tốn tử

*
Be holding object

*
*

Get arm empty

*
Get object on object

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

Khoa Công Nghệ Thông Tin - Đại Học Bách Khoa Tp. HCM

Bài Giảng Mơn: Trí tuệnhân tạo Chương 03. Side 35

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

– Move: bàn phịng 2.

Khơng có tốn tửnào dùng được.

Bảng khác biệt cho biết có PUSH và CARRY có thễdùng được.
– Nếu chọn CARRY: hai điều kiện phải thoả:

at(robot, bàn) ^ small(bàn).

at(robot, bàn) : giải được bằng WALK

small(bàn): không thể được vì khơng có tốn tửnào.
DEAD END.

– Chỉcịn giải pháp: dùng PUSH

A C PUSH D B

START GOAL

Phân tích ph

ươ

ng ti

ệ

n - m

ụ

c

đ

ích

Ví d

ụ

: (tt.)

– Hai bài tốn còn lại là : (A)(C) và (D) (B)

– Giải (A)(C): Khi dùng PUSH thì cần 4 điều kiện:

at(robot, bàn) : giải được WALK.
large(bàn): bàn sẵn sàng là large.
clear(bàn): giải được bằng PICKUP.
armempty: robot đã sẵn empty.

– Sau khi dùng PICKUP thì sau đó phải dùng PUTDOWN để

đưa cánh tay robot vềrỗng.

– … Kết quảcó thểtóm lược như sau:

A walk pickup putdown pickup putdown C D B

</div>

chapter03

<b>Ch</b>

ươ

<b>ng 3</b>

<b>CÁC K</b>

Ỹ

<b>THU</b>

Ậ

<b>T TÌM KI</b>

Ế

<b>M </b>

<b>HEURISTIC</b>

<b>N</b>

ộ

<b>i dung</b>

<b>Gi</b>

ớ

<b>i thi</b>

ệ

<b>u.</b>

<b>Ph</b>

ươ

<b>ng pháp sinh-và-th</b>

ử

<b>.</b>

<b>Ph</b>

ươ

<b>ng pháp leo </b>

đồ

<b>i.</b>

<b>Tìm ki</b>

ế

<b>m t</b>

ố

<b>t nh</b>

ấ

<b>t tr</b>

ướ

<b>c.</b>

<b>Thu gi</b>

ả

<b>m ràng bu</b>

ộ

<b>c.</b>

<b>Tho</b>

ả

<b>mãn ràng bu</b>

ộ

<b>c.</b>

<b>Gi</b>

ớ

<b>i thi</b>

ệ

<b>u</b>

<b>Hai chi</b>

ế

<b>n l</b>

ượ

<b>c tìm ki</b>

ế

<b>m c</b>

ơ

<b> b</b>

ả

<b>n </b>

đ

<b>ã gi</b>

ớ

<b>i thi</b>

ệ

<b>u:</b>

<b>Hi</b>

ệ

<b>n th</b>

ự

<b>c:</b>

<b>Gi</b>

ớ

<b>i thi</b>

ệ