Bevezetés
A mesterséges intelligencia általános jellemzése.
Probléma modellezés. Útkereső probléma.
𝛿-gráf, ÉS/VAGY gráf (hiper-út, megoldás gráf), Gráfreprezentáció.
Keresés gráfreprezentációban.
Modellezés
Állapottér modell és az állapot-gráf.
Visszafelé haladó keresés és a probléma redukció.
A probléma dekompozíció fogalma.
Heurisztikus útkereső algoritmusok
Kereső rendszerek komponensei, a vezérlési stratégia szintjei, kategóriái.
Lokális keresések: hegymászó módszer, tabu-keresés, szimulált hűtés algoritmusa.
A heurisztika hatása a kereső rendszerre.
lokalker.pdf hegymászó_tabu animáció
Visszalépéses vezérlési stratégia. A visszalépéses keresés két változata.
visszalep.pdf n-királynő_animáció
Az általános gráfkereső algoritmus és tulajdonságai. Nevezetes gráfkereső eljárások: mélységi, szélességi és egyenletes keresés, előre tekintő (best-first) keresés, az A algoritmus, A* algoritmus, következetes (Ac) algoritmus. A* algoritmus hatékonysága, és a B algoritmus.
grafker.pdf black-white_animáció 8-puzzle_animáció Martelli_animáció
Kétszemélyes játékok
Teljes információjú kétszemélyes játékok reprezentálása játékfával. A nyerő stratégia létezése és elvi meghatározása. A játékfa részleges kiértékelése minimax eljárással. A minimax eljárás módosításai, az alfa-béta levágás.
Evolúciós algoritmusok
Evolúciós algoritmusok általános sémája, kódolás és a rátermettségi függvény szerepe, evolúciós operátorok jellemzése.
Logikai következtetés
A rezolúció, mint kereső rendszer.
Rezolúciós stratégiák. Rezolúciós válaszadási eljárás.
Szabályalapú logikai reprezentációk, előre és visszafelé haladó
szabályalapú logikai következtetés.
Bizonytalanságkezelés
A következtetések bizonytalansága.
Klasszikus valószínűségszámítási technikák.
Bayes (valószínűségi) háló építése és következtetésre való használata.
Heurisztikus bizonytalanságkezelő technikák.
Gépi tanulás
Gépi tanuló módszerek: k-legközelebbi szomszéd módszere, döntési fa, véletlen erdő, k-mean. gepi_tanulas.pdf
Mesterséges neuronhálók. neuronhalok.pdf