‫ترم اول ‪86-85‬‬
‫نمونه سوال امتحاني هوش مصنوعي‬
‫سوال اول‪:‬‬
‫‪ .1‬در ‪ ،Simulated Annealing‬دما به چه معنا است و با كم شدن دماا چاه‬
‫‪ 0.5‬نمره‬
‫اتفاقي ميافتد؟‬
‫‪ .2‬در الگوريتم *‪ ،A‬زماني يك جواب را قبول ميكنيم كاه اوً را‬
‫هدف باشد (‪ )Goal Node‬و ثانيا از فه ست ر هاي باز نشاد‬
‫ماد واوًنياي در‬
‫‪ List‬يا ‪ )OL‬خارج شود‪ .‬اما ممكن است اين ر‬
‫‪ OL‬ماند باشد‪ .‬بناب اين در صورتيكه به جاي زمان خارج شادن‪،‬‬
‫را ب رسي كنايم‪ ،‬خيياي‬
‫در زمان وارد شدن به ‪ OL‬هدف بودن ر‬
‫زودت به جواب مايرسايم و *‪ A‬تسا ي مايشاود‪ .‬باه ن ا شاما‬
‫‪ 0.5‬نمره‬
‫الگوريتم حاصل از *‪ A‬بهت است؟ چ ا؟‬
‫( ‪Open‬‬
‫‪ ،S‬الگاوريتم ‪Hill Climbing‬‬
‫شاما‪ ،‬ارا باا شا و از را‬
‫‪ .3‬به ن‬
‫‪ G‬را پيدا كند‪ ،‬الگوريتم ‪ Local Beam Search‬با انداز‬
‫بتواند ر‬
‫‪ 0.5‬نمره‬
‫‪ 3-Beam‬هم لزوما به ‪ G‬ميرسد؟‬
‫سوال دوم‬
‫يك مجموعه از ‪ 1000‬ركورد داد به شكل زي داريم كه در ه سار نن‪،‬‬
‫مقدار سه پارامت ‪ ،B ،A‬و ‪ C‬و مقدار يك تاب ب حسب اين سه متغي‬
‫نمد است‪ .‬ميدانيم كه در ه سر ‪ ،‬مقدار تاب يك ت كيب خري از ساه‬
‫‪Result = AX + BY + CZ‬‬
‫پارامت رفته شد است‪:‬‬
‫با توجه به اينكه ‪ ،Y ،X‬و ‪ Z‬ب‬
‫خواهيم با يك الگوريتم ژنتيك‪،‬‬
‫كنيم كه ميزان خراي تق يب كمت‬
‫ًزم‪ ،‬تواب ًزم‪ ،‬و ه چيز ديگ‬
‫دانيد را بنويسيد‪.‬‬
‫اي تمام سار ها يكساان هساتند‪ ،‬ماي‪-‬‬
‫مقدار ‪ ،Y ،X‬و ‪ Z‬را به شاكيي پيادا‬
‫ين شاود‪ .‬سااختار ژناوم‪ ،‬عميگ هااي‬
‫ي كه ب اي توضاي روناد ضا وري ماي‪-‬‬
‫‪ 1.5‬نمره‬
‫‪Result‬‬
‫‪C‬‬
‫‪B‬‬
‫‪A‬‬
‫‪56‬‬
‫‪7‬‬
‫‪3‬‬
‫‪6‬‬
‫‪45‬‬
‫‪2‬‬
‫‪9‬‬
‫‪4‬‬
‫‪67‬‬
‫‪6‬‬
‫‪5‬‬
‫‪11‬‬
‫…‬
‫…‬
‫…‬
‫سوال سوم‪:‬‬
‫ش و و ر هاي پايان مشخص شد اند‪ .‬با اي‬
‫در ر اف جستجوي زي ‪ ،‬ر‬
‫هادف پيادا‬
‫ه كدام از روشهاي جستجوي زي ‪ ،‬مشخص كنيد كه كدام ر‬
‫ميشود (يا هيچ ر اي پيدا نميشود) و تا رسيدن به هدف‪ ،‬كدام ر ها‬
‫چند بار در اين مسي ديد‬
‫و با چه ت تيبي باز ميشوند‪ .‬ار يك ر‬
‫زماني باز مايشاود كاه از‬
‫ميشود‪ ،‬تمام موارد را بنويسيد‪( .‬يك ر‬
‫صف‪/‬پشته‪ .../‬خارج شود و بچههايش به صف‪/‬پشته‪ .../‬افزود شوند)‪ .‬در‬
‫بعادي‪ ،‬تماام شا اين انتخاابي مسااوي‬
‫صورتيكه در زمان انتخاب ر‬
‫بودند‪ ،‬انتخاب ب اساس ت تيب ح وف الفبا انجام شود‪ .‬توجه كنيد كه‬
‫تمام يالها جهتدار هستند‪.‬‬
‫‪Breadth-First Search .1‬‬
‫‪ 0.5‬نمره‬
‫‪Iterative Deepening .2‬‬
‫‪ 0.5‬نمره‬
‫‪A* .3‬‬
‫‪ 0.5‬نمره‬
‫‪Hill Climbing .4‬‬
‫‪ 0.5‬نمره‬
‫‪ 1‬از‪2‬‬
‫نمونه سوال امتحاني هوش مصنوعي‬
‫ترم اول ‪86-85‬‬
‫سوال چهارم‪:‬‬
‫شما مسائل منرق و استنتاج دودويي (انتساب مقاادي تعادادي‬
‫به ن‬
‫متغيي منرقي به شكيي كه قضيههاي منرقي خاصي مقدار درست بگي ند –‬
‫در چهارچوب بيان شد در درس)‪ ،‬ياك مساهيه ‪ Constraint Satisfaction‬اسات ياا‬
‫خي ؟ ار هست‪ ،‬پس چ ا الگوريتمهاي ديگ ي ب اي اين مسهيه مع في مي‪-‬‬
‫‪1‬‬
‫شوند و ار نيست‪ ،‬چگونه ميتوان نن را به ‪ CSP‬تبديل نمود؟‬
‫نمره‬
‫سوال پنجم‪:‬‬
‫ار ‪ H2 ،H1‬و ‪ ،H3‬سه ‪ Admissible Heuristic‬با اي ياك مساهيه باشاند‪ ،‬نياا‬
‫ت كيب خري ننها هم اين خصوصيت را دارد يا ناه؟ ارا دارد‪ ،‬چا ا و‬
‫ندارد‪ ،‬چه ش وي ميتوان افزود كه اين خصوصيت به دست نيد‪ 1 .‬نمره‬
‫ار‬
‫سوال ششم‪:‬‬
‫سه روش از روشهاي رسمي توليد ‪ heuristic‬را بنويسيد‪ .‬ب اي ه‬
‫مثال كوچك بزنيد‪.‬‬
‫مورد ياك‬
‫‪ 1‬نمره‬
‫‪ 2‬از‪2‬‬