Transcript EEE 243B
به نام خداوند بخشنده ی مهربان
1
هوش مصنوعی
Artificial Intelligence
By M. Joudaki
2
هوش مصنوعی
منابع و مراجع
هوش مصنوعی
جی راسل و پیتر نورویگ. استوارت: نویسندگان
حمید تیموری، محمد بهداد، سعید راحتی: مترجمان
Artificial Intelligence A Modern Approach روی وبالگ
Stuart J. Russell and Peter Norvig
Artificial Intelligence
Elaine Rich
3
هوش مصنوعی
ارزیابی
امتحان میان ترم
پروژه
تمرین
امتحان پایان ترم
جزییات بیشتر در آینده
ارتباط من با شما
کالس درس
وبالگ درس http://mylectures.blogfa.com
ارتباط شما با من
پست الکترونیک درس [email protected]
4
نکات قابل توجه در کالس درس
حضور به موقع
حضور من
حضور شما
عواقب
خاموش کردن تلفن همراه
عواقب
رعایت احترام
5
فصل اول
معرفی
6
مقدمه
نام علمی انسان Homo Sapiens ،به معنای انسان خردمند
تالش بشر برای فهمیدن:
فکر کردن
حس کردن
پیش بینی کردن
کنترل محیط اطراف
هوش مصنوعی :همه کارهای باال ،فراتر رفتن و ساختن موجودات هوشمند
7
هوش مصنوعی ؟
سیستم عقالنی
سیستم بر اساس دانسته هایش ”کار درست“ را انجام دهد.
تعاریفی در مورد هوش مصنوعی
8
فکر و استدالل
تفکر انسان
عملکرد انسان
مفهوم ایده آل هوشمندی
هوش مصنوعی ؟
تفکر انسان گونه
تفکر خردمندانه
رفتار انسان گونه
رفتار خردمندانه
رفتار
9
مفهوم ایده آل
هوشمندی
عملکرد انسان
فکر و استدالل
هوش مصنوعی(عملکرد انسان گونه)
آزمون تورینگ()Turing Test 1950
10
هوش مصنوعی(عملکرد انسان گونه) (ادامه)...
آزمون تورینگ()Turing Test
پردازش زبان طبیعی()Natural Language Processing
بازنمایی دانش()Knowledge Representation
استدالل خودکار()Automated Reasoning
یادگیری ماشین()Machine Learning
آزمون جامع تورینگ()Total Turing Test
همه موارد باال
بینایی کامپیوتر()Computer Vision
علم رباتیک()Robotic
11
هوش مصنوعی(تفکر انسان گونه)
انسان چگونه فکر میکند؟
درونگری :ثبت افکار در حالی که می گذرند.
روانشناس ی
علم شناخت()Cognitive Modeling
مدل های کامپیوتری هوش مصنوعی +فنون تجربی روانشناس ی ← طرز کار ذهن
مثال )Global Problem Solver ( GPSآلن نیوول -هربرت سیمون
12
هوش مصنوعی(تفکر خردمندانه)
ارسطو ،قیاس صوری :فرض درست ← نتیجه درست
A is B and B is C → A is C
منطق()Logic
امید به پیدا کردن برنامه های اصطالحا منطق گرا در زمینه هوش مصنوعی و در نتیجه خلق
سیستم های هوشمند.
دو تا مشکل؟
بیان دانش غیر رسمی با استفاده از کلمات رسمی نظام عالمت گذاری منطق کار آسانی نیست.
بین توانایی حل یک مساله از دیدگاه نظری و انجام این کار در عمل تفاوت بسیار زیادی وجود دارد.
مسائل مهار نشدنی -عدم توقف برنامه ؟؟؟
13
هوش مصنوعی(عملکرد خردمندانه)
عامل( :)Agentهر چیزی که کاری را انجام می دهد.
فرق عامل ها با برنامه های کامپیوتری معمولی
عمل با کنترل خودمختار
درک محیط
استمرار در طول زمان
انطباق با تغییرات
توانایی پیگیری هدف یک عامل دیگر
عامل عقالنی
رسیدن به بهترین نتیجه و در صورت عدم قطعیت پیدا کردن بهترین نتیجه ممکن
14
هوش مصنوعی(عملکرد خردمندانه) (ادامه)...
عقالنیت :استنتاج صحیح +اقدام
مواقعی که هیچ کار صحیح قابل اثباتی وجود ندارد ولی اقدامی باید صورت گیرد.
اجاق گاز ،عمل واکنش ی ،عدم استدالل ،نتیجه بهتر از تفکر
مطالعه هوش مصنوعی از این دیدگاه دو مزیت دارد:
بسیار کلی تر از تفکر خردمندانه ،به دلیل داشتن عقالنیت
نسبت به رفتار و تفکر انسان بسیار بیشتر تابع پیشرفت علمی است
استاندارد عقالنیت به وضوح تعریف شده است.
وابستگی رفتار انسان به محیط خاص.
نقش فرایند تکامل در شکل گیری رفتار.
15
علوم مرتبط و مبانی هوش مصنوعی
هوش مصنوعی ،دانش ی میان رشته ای
مطالعه بیشتر (کتاب و منابع مطالعاتی)...
16
فصل دوم
عامل های هوشمند
17
رئوس مطالب
عامل ها و محیط ها
عقالنیت() Rationality
معیار کارآیی ،محیط ،عمل کننده ها ،حسگرها PEAS
انواع محیط
انواع عامل
18
عامل ها و محیط ها
عامل :انسان ،ربات ،عامل نرم افزاری ،ترموستات و غیره
تابع عامل( :)agent functionرشته ادراکات را به یک اقدام نگاشت می کند.
برنامه عامل( :)agent programبر روی یک معماری فیزیکی برای تولید fدر حال
اجرا است.
19
دنیای جارو برقی
ادراکات( :)perceptsموقعیت و محتوا .مثال[A, Dirty] :
اقدامLeft, Right, Suck, NoOp :
20
یک عامل جارو برقی
مقادیر متفاوت در ستون سمت راست ← عامل های مختلف.
عامل خوب یا بد و یا احمق ؟؟؟
21
عقالنیت
عامل عقالنی :عاملی که کار درست انجام می دهد.
کار درست :اقدامی است که باعث می شود عامل موفق ترین باشد.
معیار موفقیت؟
معیار کارایی میزان موفقیت یک عامل را نشان می دهد.
معیار موفقیت برای همه عامل ها ثابت نیست.
در زمان Tبه ازای هر مربع که تمیز می شود یک امتیاز داده شود.
امتیاز مثبت برای هر مربع که تمیز می شود و امتیاز منفی برای تولید سروصدا و مصرف برق.
امتیاز منفی برای مربع های کثیف.
عامل عقالنی بر اساس شواهد حاصل از رشته ادراکات و دانش درونی خود ،اقدامی
را انتخاب می کند که مقدار معیار کارایی مورد انتظار را افزایش دهد.
22
عقالنیت(ادامه)...
عقالنیت ≠ همه چیز دانی
ادراکات همه ی اطالعات مرتبط را فراهم نمی کنند.
عقالنیت کارایی مورد انتظار را بیشینه می کند ،در حالی که کمال کارایی واقعی را .
محیط های متغیر
یادگیری.
مثال سوسک و زنبور
خودمختاری
استفاده از ادراکات برای اصالح دانش غلط یا ناقص قبلی
دانش اولیه در عامل = غریزه در حیوانات
اکتشاف +یادگیری +خودمختاری ← عقالنیت
23
PEAS
برای طراحی یک عامل عقالنی ابتدا باید محیط کار آن را در حد امکان به صورت
کامل تعیین کنیم.
مثال :راننده خودکار تاکس ی
24
معیار کارایی؟ امنیت ،مقصد ،مصرف بهینه ،احترام به قانون ،راحتی مسافران
محیط؟ خیابان ها و بزرگراه ها ،ترافیک ،عابران پیاده ،شرایط آب و هوا
اقدام گرها؟ فرمان اتومبیل ،پدال گاز ،ترمز ،بوق ،بلندگو و صفحه نمایش برای ارتباط
حسگرها؟ تصویری ،سرعت سنج ،سنسور مقدار سوخت ،حسگرهای موتورGPS ،
(PEASادامه)...
مثال دیگر :عامل خرید اینترنتی
25
معیار کارایی؟ قیمت ،کیفیت ،تناسب ،کارایی
محیط؟ صفحات وب جاری و صفحاتی که در آینده مالقات می شوند ،فروشنده ،حمل کننده
اقدام گرها؟ نمایش به کاربر ،دنبال کردن لینک ها ،پر کردن فرم ها
حسگرها؟ صفحات (HTMLمتن ها ،گرافیک ،اسکریپت ها)
محیط
هر محيط داراي مجموعه اي از حالت ها مي باشد:
محيط در هر لحظه فقط در يكي از اين حالت ها مي باشد.
مثال :دنیای جاروبرقی
}S = {1, 2, 3, 4, 5, 6, 7, 8
26
عامل و محیط
در لحظه شروع ،محيط در يكي از حالت هاي ممكن مي باشد.
عمل عامل در محيط ،باعث تغيیر حالت محيط مي شود.
حالت فعلي Si :
عمل عامل Action :
حالت بعدي Sj :
مثال :دنیای جاروبرقی
27
انواع محیط
كامال قابل مشاهده (در مقابل مشاهده پذير جزئي)
قطعي (در مقابل اتفاقي)
اپیزودیک (در مقابل ترتيبي)
ايستا (در مقابل پويا)
گسسته (در مقابل پيوسته)
تك عاملي (در برابر چند عاملي)
28
انواع محیط(ادامه)...
كامال قابل مشاهده (در مقابل مشاهده پذير جزئي) :محيطي كه در آن در هر لحظه از
زمان حسگرهاي عامل به آن امكان دستيابي به حالت كامل محيط را مي دهند.
مثال :دنياي جاروبرقی -حسگرها[ location, status] :
تشخيص مكان :چپ يا راست
تشخیص وضعیت :تمیز ویا کثیف
][LEFT, CLEAN
29
انواع محیط(ادامه)...
قطعي (در مقابل اتفاقي) :حالت بعدي محيط كامال بوسيله حالت فعلي و عمل انجام
شده توسط عامل قابل تعيین مي باشد.
اگر محيط به جز در مورد عمل عامل هاي ديگر قطعي باشد ،آنگاه محيط استراتژيك مي باشد.
مکش
؟؟؟
30
مکش
قطعی
اتفاقی
انواع محیط(ادامه)...
اپیزوديك (در مقابل ترتيبي) :تجربه عامل به ”دوره های“غیرقابل تجزيه تقسيم مي
شود (هر دوره شامل ادراك عامل و سپس انجام يك عمل مي باشد) و انتخاب عمل
در هر دوره تنها به خود همان دوره بستگي دارد.
مثال :روبات كنترل كننده كيفيت
31
انواع محیط(ادامه)...
ايستا (در مقابل پويا) :محيط در حین سنجش عامل (براي انتخاب عمل) تغيیر نمي
كند.
اگر خود محيط با گذشت زمان تغيیر نكند ولي معيار كارآيي عامل تغيیر كند ،آنگاه
محيط نيمه پويا مي باشد(شطرنج با ساعت)
32
انواع محیط(ادامه)...
گسسته (در مقابل پيوسته) :محيطي كه در آن تعداد محدود و متمايزي از ادراك و
عمل هاي كامال واضح تعريف شده باشد.
در محيط گسسته ،مجموعه حاالت محيط يك مجموعه گسسته مي باشد و حاالت
بسادگي قابل تمايز مي باشند.
مثال :محيط دنياي جاروبرقی
}– State = {1, 2, …, 8
}– Action = {Left, Right, Suck, NoOp
}… – Percept = {[Left, Clean], [Left, Dirty], [Right, Clean],
33
انواع محیط(ادامه)...
تك عاملي (در برابر چند عاملي) :يك عامل خودش به تنهايي در محيط عمل مي كند.
مثال :محيط عامل حل كننده جدول كلمات متقاطع و دنياي مكش
چند عاملي :تعدادي عامل كه با يكديگر در تعامل مي باشند.
مثال :شطرنج (رقابتي) ،روبوكاپ (بین اعضاي يك تيم همياري و بین اعضاي دو تيم
رقابتي) ،محيط تاكس ي خودكار (هميياري جزيي)
34
انواع محیط(ادامه)...
شطرنج با ساعت
رانندگي تاكس ي
بله
خیر
استراتژیک
خیر
خیر
خیر
نیمه پویا
خیر
گسسته
بله
خیر
تك عاملي
خیر
خیر
كامال قابل مشاهده
قطعي
دوره اي
ايستا
نوع محیط تاثیر بسیار زیادی بر طراحی عامل خواهد گذاشت.
دنیای واقعی :مشاهده پذير جزئي ،اتفاقي ،ترتيبي ،پويا ،پيوسته و چندعاملي
35
توابع و برنامه هاي عامل
يك عامل كامال بوسيله تابع عامل مشخص مي شود.
يادآوري :تابع عامل دنباله ادراكي را به عمل نگاشت مي كند.
يك تابع عامل (يا يك كالس هم ارزي كوچك) منطقي ( )rationalمي باشد.
هدف :يافتن روش ي به منظور پياده سازي تابع عامل منطقي به طور مختصر و مفيد
36
عامل مبتني بر جدول جستجو
يك روش به منظور توصيف تابع عامل
نشان دهنده فعاليت مناسب براي هر دنباله ادراكي ممكن
مثال :جدول دنياي جاروبرقي
37
برنامه عامل مبتني بر جدول جستجو
38
عامل مبتني بر جدول جستجو(ادمه)...
معايب:
39
جدول بسيار عظيم (مثال در شطرنج 10150سطر ،اتم ها در دنیای واقعی کمتر از ) 1080
زمان بسيار زياد براي ايجاد جدول و احتمال باالي خطا
عدم خود مختاري
حتي با قابليت يادگیري ،نياز به زمان بسيار زيادي براي يادگیري مداخل جدول دارد.
انواع عامل ها
چهار نوع اصلي به ترتيب افزايش عموميت ):(Generality
عامل هاي واكنش ي ساده )(Simple reflex
عامل هاي واكنش ي مبتني بر مدل )(Model-based reflex
عامل هاي مبتني بر هدف )(Goal-based
عامل هاي مبتني بر سودمندي )(Utility-based
40
عامل هاي واكنش ي ساده
ساده ترين نوع عامل
در هر لحظه ،عمل تنها بر اساس درك فعلي انتخاب مي شود
مثال:
شامل قوانین شرط -عمل مانند:
“ اگر چراغ ترمز اتومبيل جلويي روشن شد ،آنگاه ترمز كن”
41
ساختار عامل هاي واكنش ي ساده
42
برنامه عامل واكنش ي ساده
43
عامل هاي واكنش ي مبتني بر مدل (حافظه دار)
عامل واكنش ي ساده در صورتي كار مي كند كه محيط كامال قابل مشاهده باشد
اگر محيط مشاهده پذير جزئي باشد ،پيگیري تغيیرات دنيا الزم است
مثال :تاكس ي اتوماتيك
مستلزم دو نوع دانش
نحوه تغيیر دنيا
تاثیر اعمال عامل بر دنيا
44
عامل هاي واكنش ي مبتني بر مدل(ادامه)...
45
برنامه عامل هاي واكنش ي مبتني بر مدل
46
عامل هاي مبتني بر هدف
اطالعات الزم براي تصميم گیري در مورد عملي كه بايد انجام شود:
اطالعات مربوط به حالت فعلي
اطالعات هدف (توصيف موقعيت مطلوب)
مثال:
عمل مناسب براي تاكس ي اتوماتيك در يك چهار راه كدام است؟ (باال ،پايین چپ ،راست)
اگر براي رسيدن به هدف نياز به چندين عمل باشد
جستجو ()Search
برنامه ریزی ()Planning
47
عامل هاي مبتني بر هدف
48
مثال :عامل هدف گرا
49
)... عامل هدف گرا(ادامه:مثال
[UP, UP, UP, RIGHT]
[RIGHT, RIGHT, RIGHT, UP, UP, UP, LEFT, LEFT]
50
عامل هاي سودمند
در بسياري از محيط ها اهداف براي توليد رفتاري با كيفيت باال مناسب نيستند
مثال :تاكس ي اتوماتيك
ممكن است چندين مسیر براي رسيدن به مقصد موجود باشد ،اما بعض ي از آنها سريعتر ،امن
تر ،مطمئن تر و يا ارزانتر از بقيه مي باشند
اهداف مالكي خام براي توصيف وضعيت ها هستند (مطلوب و نامطلوب)
تابع سودمندي :حالت ( يا دنباله اي از حاالت) را به يك عدد حقيقي نگاشت مي كند
كه درجه مطلوبيت آن را توصيف مي كند
امكان تصميم گیري در مواردي كه:
اهداف متناقض باشند
چندين هدف وجود دارد ولي رسيدن به هيچ يك قطعي نيست
51
عامل هاي مبتني بر سودمندي
52
عامل هاي يادگیرنده
تورينگ ( :) 1950ايده برنامه نويس ي واقعي هوشمند به صورت دستي
نياز به روشهاي سريعتر
ساخت ماشین هاي يادگیرنده و آموزش به آنها
مولفه هاي عامل يادگیرنده
عنصر يادگیرنده :براي ايجاد بهبود
عنصر كارآيي :انتخاب فعاليت هاي خارجي
منتقد :توليد بازخورد با توجه به استاندارد كارآيي براي عنصر يادگیرنده
مولد مساله :پيشنهاد فعاليت هاي اكتشافي
مثال :تاكس ي اتوماتيك
53
عنصر كارآيي :حركت سريع از خط 3به خط 1
منتقد :دريافت شكايت راننده هاي ديگر
ايجاد یک قانون ،بيانگر بد بودن اين عمل و اصالح عنصر كارآيي
عامل هاي يادگیرنده(ادامه)...
انواع دانش ي كه عنصر يادگیرنده مي تواند ياد بگیرد:
يادگیري مستقيم از دنباله ادراكي
يادگیري نحوه تغيیرات دنيا :مشاهده دو حالت متوالي
يادگیري در مورد تاثیر عمل عامل :مشاهده نتايج فعاليت عامل
مثال :نحوه ترمز كردن در جاده هاي خيس
پاداش و جريمه(کیفیت رفتار عامل)
54
عامل هاي يادگیرنده(ادامه)...
55
فصل سوم
حل مسائل توسط جستجو
56
مقدمه
عامل هاي حل مسأله
انواع مسأله
فرموله سازي مسأله
مسائل نمونه
الگوريتم هاي ابتدايي جستجو
57
عامل هاي حل مسأله
فرضيات در مورد محيط :ايستا ،قابل مشاهده ،گسسته و قطعي
58
مثال :روماني
مكان فعلي شهرآراد ،حرکت و رسیدن به شهر بخارست
فرموله سازي هدف:
بودن در بخارست
فرموله سازي مسأله:
حالت ها :شهرهاي مختلف
عمليات :رفتن از شهري به شهر ديگر
يافتن پاسخ:
دنباله اي از شهرها ،مانند:
Arad → Sibiu → Fagaras → Bucharest
59
مثال :روماني
60
انواع مسأله
قطعي ،كامال مشاهده پذير ← مسائل تك-حالته
عامل دقيقا مي داند در چه حالتي خواهد بود؛ راه حل يك دنباله مي باشد.
قطعي ،مشاهده پذير جزئي ← مسائل چند-حالته
ممكن است عامل ايده اي درباره اينكه كجاست نداشته باشد؛ راه حل يك دنباله است.
غیر قطعي و/يا مشاهده پذير جزئي ← مسائل احتمالی
ادراك اطالعات جديدي درباره حالت فعلي فراهم مي كند.
در حین اجرا بايد از حسگرها استفاده كند.
راه حل به صورت يك درخت
اغلب جستجو و اجرا به صورت يك در ميان ()Interleave
فضاي حالت ناشناخته ← مسائل اکتشافی ()online
61
مثال :دنياي جاروبرقی
تك-حالته ،شروع در #5
راه حل ؟ ][Right, Suck
چند-حالته ،شروع از حالت های
}{1, 2, 3, 4, 5, 6, 7, 8
راه حل؟][Right, Suck, Left, Suck
احتمالي
62
غیر قطعي :مكش مي تواند يك فرش تمیز را كثيف كند.
درك محلي :گرد و خاك در محل فعلي
ادراک [left, clean] :یعنی شروع در #5یا #7
راه حل؟ ][Right, if dirty then Suck
فرموله سازي مسائل تك -حالته
يك مسأله بوسيله چهار مورد تعريف مي شود:
ً
اقدامات يا تابع حالت بعدي(پسین)
حالت اوليه مثال بودن در شهر Arad
= S(x) مجموعه اي از زوج هاي عمل -حالت
مثالS(Arad) = {<Arad → Zerind, Zerind>,…} :
تابع تست هدف
صریح ”x = "at Bucharest
ضمنی )NoDirt(x
تابع هزينه مسیر :
مثال :مجموع فواصل ،تعداد عمل هاي انجام شده و ...
هزينه گام (c(x, a, y)≥0 :)step cost
راه حل :دنباله اي از حرکت ها كه از حالت اوليه شروع و به حالت هدف ختم مي
شود.
63
انتخاب يك فضاي حالت
دنياي واقعي به شدت پيچيده مي باشد.
بنابراين ،براي حل مسأله بايد فضاي حالت انتزاعي باشد.
حالت( انتزاعي) = مجموعه اي از حالت هاي واقعي
عمل ( انتزاعي) = تركيبي پيچيده از عمل هاي واقعي
مثال عمل Arad→Zerindمي تواند مجموعه اي پيچيده از اعمال باشد.
راه حل ( انتزاعي) = مجموعه اي از مسیرهاي واقعي كه در دنياي واقعي راه حل مي
باشند.
هر عمل انتزاعي بايد از مسأله اصلي ساده تر باشد!
64
مثال :گراف فضاي حالت دنياي جاروبرقی
حاالت؟وجود گرد و خاك و مكان عامل(بدون در نظر گرفتن مقدار گرد و خاك)
اعمال؟ حرکت های Left, Right, Suck, NoOp
تست هدف؟ نبودن گرد و خاك
هزینه مسیر؟ بازاء هر عمل (1صفر برای )NoOp
65
مثال :معماي هشت
حاالت؟ اعداد صحيح بيانگر محل كاش ي ها
اعمال؟ حركت خانه خالي به چپ ،باال ،راست و پايین
تست هدف؟ حالت هدف( داده شده)
هزینه مسیر؟ بازاء هر حركت 1
]توجه :راه حل بهينه خانواده معماي nیک مساله NP-Hardمی باشد[
66
مثال :روبات اسمبل كننده
حاالت؟ زاويه مفاصل روبات ،مختصات قطعات
اعمال؟ حركت پيوسته مفاصل روبات
تست هدف؟ سرهم بندي كامل
هزينه مسیر؟ زمان اجرا
67
مسأله هشت وزير
حاالت؟ ترتيب 8وزير هر كدام در يك ستون {}1, 3, 5, 7, 2, 4, 6, 8
اعمال؟ انتقال يك وزير داراي برخورد به مربع ديگري در همان ستون
تست هدف؟ 8وزير روي صفحه شطرنج كه با هم برخورد ندارند.
هزينه مسیر؟ زمان اجرا
68
الگوريتم هاي جستجوي درخت
ایده اصلی :کاوش offlineو شبيه سازي شده فضاي حالت ،بوسيله توليد حاالت
بعدي حالت هايي كه تا كنون توليد شده اند.
69
مثال جستجوي درخت
70
71
مثال جستجوي درخت
72
پياده سازي :حالت و گره
يك حالت ( بيانگر) يك پيكره بندي فیزيكي مي باشد
يك گره يك ساختار داده اي تشكيل دهنده بخش ي از درخت جستجو شامل :پدر ،فرزندان،
عمق و هزينه مسیر ) g(xاست.
حالت ها :پدر ،فرزند ،عمق و هزينه مسیر ندارند!
تابع EXPANDگره هاي جديد ايجاد مي كند ،فيلدهاي مختلف را مقدار مي دهد و با
استفاده از تابع SuccessorFnمسأله ،حالت هاي مربوطه ايجاد مي شود.
73
پياده سازي :جستجوي عمومي درخت
74
استراتژي هاي جستجو
يك استراتژي بوسيله ترتيب گسترش گره ها تعريف مي شود.
ابعاد ارزيابي استراتژي ها:
كامل بودن -آيا در صورت وجود راه حل ،هميشه راه حلي پيدا مي كند؟
پيچيدگي زماني -تعداد گره هاي توليد شده/گسترش يافته.
پيچيدگي حافظه -حداكثر تعداد گره ها در حافظه.
بهينگي -آيا هميشه كم هزينه ترين راه حل را پيدا مي كند؟
پيچيدگي زمان و فضا برحسب پارامترهاي زير سنجيده مي شوند:
:b حداكثر فاكتور انشعاب درخت جستجو.
:d عمق كم هزينه ترين راه حل.
:m حداكثر عمق فضاي حالت ( ممكن است ∞ باشد).
75
استرتژي هاي جستجوي ناآگاهانه
استراتژي هاي ناآگاهانه( )Uninformedتنها از اطالعات موجود در تعريف مسأله
استفاده مي كنند.
جستجوي اول-سطح )Breadth-rst search (BFS
جستجوي هزينه -يكنواخت )Uniform-cost search (UCS
جستجوي اول-عمق ( عمقي) )Depth-first search (DFS
جستجوي با عمق محدود )Depth-limited search (DLS
76
جستجوي عميق كننده تكراري )Iterative deepening search (IDS