logo

Middelen-doelanalyse in kunstmatige intelligentie

  • We hebben de strategieën bestudeerd die zowel voorwaarts als achterwaarts kunnen redeneren, maar een combinatie van de twee richtingen is geschikt voor het oplossen van een complex en groot probleem. Een dergelijke gemengde strategie maakt het mogelijk dat je eerst het grootste deel van een probleem oplost en dan teruggaat en de kleine problemen oplost die ontstaan ​​tijdens het combineren van de grote delen van het probleem. Zo'n techniek heet Middelen-doelanalyse .
  • Means-Ends Analysis zijn probleemoplossende technieken die worden gebruikt in kunstmatige intelligentie om het zoeken in AI-programma's te beperken.
  • Het is een mix van achterwaartse en voorwaartse zoektechnieken.
  • De MEA-techniek werd voor het eerst geïntroduceerd in 1961 door Allen Newell en Herbert A. Simon in hun probleemoplossende computerprogramma, genaamd General Problem Solver (GPS).
  • Het MEA-analyseproces concentreerde zich op de evaluatie van het verschil tussen de huidige staat en de doelstatus.

Hoe de middel-doelanalyse werkt:

Het middelen-doelanalyseproces kan recursief op een probleem worden toegepast. Het is een strategie om het zoeken bij het oplossen van problemen te beheersen. Hieronder volgen de belangrijkste stappen die de werking van de MEA-techniek voor het oplossen van een probleem beschrijven.

  1. Evalueer eerst het verschil tussen de begintoestand en de eindtoestand.
  2. Selecteer de verschillende operatoren die voor elk verschil kunnen worden toegepast.
  3. Pas de operator toe bij elk verschil, waardoor het verschil tussen de huidige status en de doelstatus kleiner wordt.

Operator-subdoelen

In het MEA-proces detecteren we de verschillen tussen de huidige staat en de doelstatus. Zodra deze verschillen optreden, kunnen we een operator toepassen om de verschillen te verkleinen. Maar soms is het mogelijk dat een operator niet kan worden toegepast op de huidige status. We creëren dus het subprobleem van de huidige staat, waarin de operator kan worden toegepast, een dergelijk type achterwaartse keten waarin operators worden geselecteerd, en vervolgens worden subdoelen opgesteld om de randvoorwaarden van de operator vast te stellen, heet Operator-subdoelen .

Algoritme voor middel-doelanalyse:

Laten we de huidige status als HUIDIG en de doelstatus als DOEL nemen, en daarna volgen de stappen voor het MEA-algoritme.

    Stap 1:Vergelijk HUIDIG met DOEL. Als er geen verschillen zijn tussen beide, retourneer dan Succes en Afsluiten.Stap 2:Selecteer anders het belangrijkste verschil en verklein dit door de volgende stappen uit te voeren totdat het succes of de mislukking optreedt.
    1. Selecteer een nieuwe operator O die van toepassing is op het huidige verschil, en als een dergelijke operator niet bestaat, geef dan een signaal af.
    2. Probeer operator O toe te passen op CURRENT. Maak een beschrijving van twee toestanden.
      i) O-Start, een toestand waarin aan de voorwaarden van O is voldaan.
      ii) O-Resultaat, de toestand die zou ontstaan ​​als O zou worden toegepast in O-start.
    3. Als
      (Eerste deel<------ mea (current, o-start)< strong>
      En
      (Laatste deel<----- mea (o-result, goal)< strong>, succesvol zijn, signaleer dan Succes en retourneer het resultaat van het combineren van FIRST-PART, O en LAST-PART.

Het hierboven besproken algoritme is meer geschikt voor een eenvoudig probleem en niet geschikt voor het oplossen van complexe problemen.

Voorbeeld van Mean-Ends-analyse:

Laten we een voorbeeld nemen waarbij we de begintoestand en de doeltoestand kennen, zoals hieronder weergegeven. In dit probleem moeten we de doeltoestand verkrijgen door verschillen tussen de begintoestand en de doeltoestand te vinden en operatoren toe te passen.

Middelen-doelanalyse in AI

Oplossing:

Om het bovenstaande probleem op te lossen, zullen we eerst de verschillen tussen initiële toestanden en doeltoestanden vinden, en voor elk verschil zullen we een nieuwe toestand genereren en de operatoren toepassen. De operators die we voor dit probleem hebben zijn:

    Beweging Verwijderen Uitbreiden

1. Evaluatie van de begintoestand: In de eerste stap evalueren we de begintoestand en vergelijken we de begintoestand en de doeltoestand om de verschillen tussen beide toestanden te vinden.

Middelen-doelanalyse in AI

2. Wisoperator toepassen: Zoals we kunnen controleren is het eerste verschil dat er in de doeltoestand geen puntsymbool aanwezig is in de begintoestand. Daarom passen we eerst de Operator verwijderen om deze stip te verwijderen.

Middelen-doelanalyse in AI

3. Verplaatsoperator toepassen: Na het toepassen van de operator Verwijderen treedt de nieuwe toestand op, die we opnieuw zullen vergelijken met de doeltoestand. Na het vergelijken van deze toestanden is er nog een verschil: het vierkant bevindt zich buiten de cirkel, dus we zullen de Operator verplaatsen .

Middelen-doelanalyse in AI

4. Uitbreidingsoperator toepassen: Nu wordt in de derde stap een nieuwe staat gegenereerd, en we zullen deze staat vergelijken met de doelstaat. Na het vergelijken van de staten is er nog steeds één verschil, namelijk de grootte van het vierkant, dus we zullen toepassen Exploitant uitvouwen , en ten slotte zal het de doelstaat genereren.

Middelen-doelanalyse in AI