https://github.com/teodutu/ia

Inteligenta Artificiala - UPB 2020-2021
https://github.com/teodutu/ia

and-or-search branch-and-bound constraint-satisfaction-problem iterative-deepening-a-star learning-realtime-astar monte-carlo-tree-search unification-algorithm

Last synced: 10 months ago
JSON representation

Inteligenta Artificiala - UPB 2020-2021

• Host: GitHub
• URL: https://github.com/teodutu/ia
• Owner: teodutu
• License: gpl-3.0
• Created: 2020-10-12T08:44:48.000Z (over 5 years ago)
• Default Branch: main
• Last Pushed: 2021-01-26T22:56:03.000Z (about 5 years ago)
• Last Synced: 2025-01-30T03:42:32.892Z (12 months ago)
• Topics: and-or-search, branch-and-bound, constraint-satisfaction-problem, iterative-deepening-a-star, learning-realtime-astar, monte-carlo-tree-search, unification-algorithm
• Language: Jupyter Notebook
• Homepage:
• Size: 20.6 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
# IA

Inteligenta Artificiala - UPB 2020-2021

## Laboratoare

### Laborator 1 - A*

Se foloseste _A*_ pentru a se gasi drumul de lungime minima intre 2 puncte

dintr-un sistem de coordonate carteziene. Nu exista costuri la trecerea dintr-o

celula in alta, iar euristicile folosite sunt distanta euclidiana si cea

Manhattan.

#### Nota

Daca se elimina `sqrt()` din distanta euclidiana, **pare** ca algoritmul se

comporta mai bine, dar asta e o pura intamplare, din moment ce fara `sqrt()`

euristica nu mai e admisibila. De fapt, explorand mai putine stari, algoritmul

ar putea ajunge la un rezultat gresit daca ar fi rulat pentru o problema mai

complexa

### Laborator 2 - Arbore SI/SAU

Se foloseste un *arbore SI/SAU* pentru a se modela comportamentul unui aspirator

**nedeterminist** intr-un spatiu 1D, unde celulele pot fi fie curate, fie

murdare. Nedeterminismul consta in faptul ca atunci cand aspiratorul curata o

celula, exista 2 posibilitati:

- Celula era curata $\Rightarrow$ aceasta se poate ramane curata sau se poate

murdari

- Celula era murdara $\Rightarrow$ aceasta va fi curatat, dar se poate ca si

celula din dreapta sa fie curatata

#### Nod SAU

Reprezinta o decizie. In fiecare stare, sunt maxumum 3 actiuni posibile: `Left`,

`Right`, `Clean`. Fiii unui nod **SAU** reprezinta efectele acestor decizii,

daca ar deveni actiuni. Deci daca oricare dintre ele duce la o stare de succes

(in care toate celulele sunt cu siguranta curate), atunci si nodul poate duce

la o stare de succes.

#### Nod SI

Reprezinta o actiune in sine. Pentru actiunile de miscare (`Left`, `Right`), are

un singur fiu, noua pozitie in care ajunge aspiratorul. Pentru actiunea `Clean`,

nedeterminismul aspiratorului inseamna ca pentru a fi siguri ca acest nod duce

la o stare de succes, e nevoie ca ambele situatii care se pot obtine in urma

acestei actiuni (descrise mai sus) sa duca la succes, pentru ca nu stim care

scenariu se va intampla in cazul unei functionari a aspiratorului.

#### Plan

La final se creeaza un *plan* de actiune, un fel de algoritm care descrie

deciziile aspiratorului in functie de mediu (curatenia celulelor).

### Laborator 3 - PCSP

Se implementeaza un algoritm generic de rezolvare a unei probleme de satisfacere

a constrangerilor care admite un numar dat de abateri de la constrangerile date.

Algoritmul folosit este un *BKT* clasic care nu mai viziteaza nodurile de pe o

ramura atunci cand numarul de abateri de la constragneri de pe aceasta depaseste

numarul minim global gasit pana in acel moment, deoarece ce pe acea ramura nu

mai se poate gasi o asignare de variabile cu un cost mai mic decat minimul

curent.

### Laborator 4 - MCTS

Se implementeaza algoritmul *Monte Carlo Tree Search* pe un joc de

[connect 4](https://en.wikipedia.org/wiki/Connect_Four)

### Laborator 5 - Unificare in logica cu predicate de ordinul I

Se foloseste

[algoritmul Robinson](https://en.wikipedia.org/wiki/Unification_(computer_science)#A_unification_algorithm)

pentru a se realiza unificarea a doua formule, pe baza unui dictionar de

substitutii (care se completeaza pe parcursul algoritmului).

Bine ca de data asta putem sa alegem singuri cum reprezentam datele...

### Laborator 6 - Rezolutie in logica cu predicate de ordinul I

Se utilizeaza rezolutia pentru a demonstra propozitii.

### Laborator 7 - Forward Chaining

Se demonstreaza o serie de teoreme (implicatii) folosind forward chaining.

Teoremele sunt formulate in _FNC_ si se folosesc functiile implementate in

laboratoarele anterioare (`unify()` si `substitute()`) pentru a aplica un set

de fapte unor premise, astfel incat sa se obtina noi fapte.

### Laborator 8 - Graphplan

In lab e implementat algoritmul *Graphplan* care creeaza o planificare de

actiuni cu scopul de a ajunge la o anumita stare. Starile sunt definite ca o

lista de predicate. Algoritmul se bazeaza pe 2 notiuni:

#### Predicate mutex

Sunt predicate care se contrazic (de ex.: `A` si `~A`). Aceste predicate nu pot

face parte din aceeasi stare.

#### Actiuni mutex

Sunt actiuni care au cel putin unul dintre preconditii sau efecte in mutex.

Aceste actiuni nu se pot executa simultan.

Pe baza mutecsilor descrisi mai sus, se creeaza o lista de actiuni posibile, una

de actiuni aflate in mutex (au oricare dintre premise sau efecte in relatie de

mutex), alta de efecte ale actiunilor antementionate si inca una cu efectele

aflate in mutex.

### Laborator 9 - Seminar retele bayesiene

Niste tractoare scarboase de rezolvat pe hartie. Calcule chioare de

probabilitati si nimic mai mult. Nu merita sa ajunga pe Git...

### Laborator 10 - Eliminarea variabilelor din retele bayesiene

Se implementeaza reguli care reduc dimensiunea _factorilor_ (tabelelor de

probabilitati) din nodurile unei retele bayesiene.

#### Multiplicare

Un join intre 2 factori prin care se inmultesc probabilitatile liniilor care fac

match.

#### Insumare

Se elimina o variabila dintr-un factor adunand valorile intrarilor unde

variabila respectiva are valori opuse (se poate ignora pentru ca se considera

si cazul in care e adevarata si cel in care nu).

#### Reducere conform cu observatiile

Daca observam ca o variabila are o anumita valoare, putem elimina intrarile cu

valoarea opusa din toti factorii in care apare variabila.

## Teme

### Tema 1 - Cautari informate in spatiul starilor

Se implementeaza si se compara performantele algoritmilor `DFID`, `IDA*`,

`LRTA*` si [Branch and Bound](https://artint.info/html/ArtInt_63.html). Se

afieseaza caile gasite de agent de la starea initiala pana la cea finala,

costurile gasite de acesta pentru fiecare stare explorata, precum si timpii si

memoria utilizata in cadrul fiecarui algoritm.

### Tema 2 - Game about Squares

Se implementeaza un algoritm de rezolvare a nivelurilor din jocul "Game about

Squares". Se foloseste algoritmul Best First ce foloseste euristica euclidiana,

impreuna cu doua strategii de eliminare a starilor ce nu pot duce la o stare

castigatoare.

### Tema 3 - Clasificarea si rezumarea articolelor de stiri

Se foloseste algoritmul Naive Bayes pentru a clasifica articole de stiri dupa

domeniul acestora. Acelasi algoritm este folosit si pentru rezumarea acestor

articole. Rezumatele sunt create de catre model selectand unele propozitii din

articolul initial. Se antreneaza si se compara rezultatele obtinute atat cu

monograme cat si cu bigrame.