دانلود پاورپوینت هوش مصنوعی و بررسی  انواع بازیها

\n

جستجوی خصمانه

\n \n

عنوان های پاورپوینت  : 

\n

بازیها چیستند و چرا مطالعه میشوند؟

\n

انواع بازیها

\n

الگوریتم minimax

\n

بازیهای چند نفره

\n

هرس آلفا-بتا

\n

بازیهای قطعی با اطلاعات ناقص

\n

بازیهایی که حاوی عنصر شانس هستند

\n\n

---

\n\nقسمت ها و تکه های اتفاقی از فایل\n\n \n\nوقتی بوجود می آید که برنامه با اثری از رقیب مواجه شود که منجر به خرابی جدی گشته و اجتناب پذیر است\n\nمثال: شکل مقابل؛\n\nسیاه در اصل جلوست، اما اگر سفید پیاده اش را از سطر هفتم به هشتم ببرد، پیاده به وزیر تبدیل میشود و موقعیت برد برای سفید بوجود می آید\n\nاغلب توابع ارزیابی, مقدار عددی جداگانه ای برای هر خاصیت محاسبه، سپس آنها را ترکیب میکنند تا مقدار کل بدست آید\n\nمثال در تابع بازی شطرنج:\n\nمقادیر آن قطعات(1 برای پیاده، 3 برای اسب یا فیل،5 برای رخ و ...)\n\nتابع ارزیابی، ارائه تخمینی از سودمندی مورد انتظار بازی از یک موقعیت خاص\n\nتوابع اکتشافی، تخمینی از فاصله تا هدف را بر میگرداندند\n\nاغلب توابع ارزیابی، خواص گوناگونی از حالتها را محاسبه میکنند\n\nخواص روی هم رفته، کلاسهای هم ارزی یا دسته های مختلفی از حالتها را تعریف میکنند\n\nحالتهای هر دسته، برای تمام خواص مقدار یکسانی دارند\n\nهر دسته حاوی چند حالت است که\n\nموجب برنده شدن\n\nموجب رسم شدن\n\nمنجر به باختن\n\nتابع ارزیابی نمیداند کدام حالت منجر به چه چیزی میشود، اما میتواند مقداری برگرداند که تناسب حالتها را با هر نتیجه نشان دهد\n\nگره n که هر جای درخت میتواند باشد، بررسی میشود\n\nاگر بازیکن انتخاب بهتری داشته باشد\n\nدر گره والد n\n\nیا هر انتخاب بهتری تا کنون\n\nn هیچوقت در بازی واقعی قابل دسترس نخواهد بود\n\nدر نتیجه n هرس میشود\n\nدر الگوریتم MaxMin:\n\nتعداد حالتهای بازی که باید بررسی شوند، بر حسب تعداد حرکتها، توانی است\n\nراه حل: محاسبه تصمیم الگوریتم، بدون دیدن همه گره ها امکانپذیر است\n\nهرس آلفا-بتا:\n\nانشعابهایی که در تصمیم نهایی تأثیر ندارند را حذف میکند\n\nآلفا: مقدار بهترین انتخاب در هر نقطه انتخاب در مسیر Max تاکنون\n\nبتا: مقدار بهترین انتخاب در هر نقطه انتخاب در مسیر Min تاکنون\n\nتعداد گره هایی که باید بررسی شوند به             تقلیل میابد\n\nفاکتور انشعاب مؤثر به جای b برابر با جذرb خواهد بود\n\nپیش بینی آن نسبت به minimax دو برابر است\n\nالگوریتم؛\n\nبازیکن: انتخاب بهترین حالت\n\nحریف: انتخاب بهترین موقعیت برای خودش یا بدترین وضعیت برای بازیکن\n\nبازیکن: ماکزیمم حالت\n\nحریف: مینیمم حالت\n\nبازی دو نفره: Min و Max\n\nاول Max حرکت میکند و سپس به نوبت بازی میکنند تا بازی تمام شود\n\nدر پایان بازی، برنده جایزه و بازنده جریمه میشود\n\nبازی به عنوان یک جستجو:\n\nحالت اولیه: موقعیت صفحه و شناسه های قابل حرکت\n\nتابع جانشین:لیستی از (حالت,حرکت) که معرف یک حرکت معتبر است\n\nآزمون هدف:پایان بازی چه موقع است؟(حالتهای پایانه)\n\nتابع سودمندی: برای هر حالت پایانه یک مقدار عددی را ارائه میکند. مثلا برنده(1+) و بازنده(1-)\n\nحالت اولیه و حرکات معتبر برای هر بازیکن، درخت بازی را برای آن بازی ایجاد میکند\n\nبازیها حالتی از محیطهای چند عاملی هستند\n\nهر عامل نیاز به در نظر گرفتن سایر عاملها و چگونگی تأثیر آنها دارد\n\nتمایز بین محیطهای چند عامل رقابتی و همکار\n\nمحیطهای رقابتی، که در آنها اهداف عاملها با یکدیگر برخورد دارند، منجر به مسئله های خصمانه میشود که به عنوان بازی شناخته میشوند\n\nچرا مطالعه میشوند؟\n\nقابلیتهای هوشمندی انسانها را به کار میگیرند\n\nماهیت انتزاعی بازی ها\n\nحالت بازی را به راحتی میتوان نمایش داد و عاملها معمولا به مجموعه کوچکی از فعالیتها محدود هستند که نتایج آنها با قوانین دقیقی تعریف شده اند\n\n \n\n \n\n30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و  توجیهی |  پایان-نامه |  پی دی اف  مقاله ( کتاب ) | نقشه | پلان طراحی |  های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )