Artificial Intelligence 2020

ARTIFICIAL
INTELLIGENCE
‫الصنعي‬ ‫الذكاء‬ ‫محور‬
By Eng. Joud Khattab2020

Content
■ Overview.
■ Prolog.
■ Search Algorithms.
– Uniformed Search Algorithm.
– Informed Search Algorithm.
■ Games Algorithms.
– Min Max.
– Alpha Beta.
■ And Or Graph.
■ Logic.
■ MCQ.
2020 By Eng. Joud Khattab

OVERVIEW

Overview
■‫الصنعي‬ ‫الذكاء‬ ‫تعريف‬:
–‫مثل‬ ‫التفكير‬ ‫أو‬ ‫اإلنسان‬ ‫مثل‬ ‫التصرف‬ ‫أنه‬ ‫على‬ ‫الصنعي‬ ‫الذكاء‬ ‫تعريف‬ ‫يمكننا‬‫اإلنسان‬.
‫أن‬ ‫على‬ ‫الصنعي‬ ‫الذكاء‬ ‫تعريف‬ ‫يمكننا‬ ‫لذلك‬ ‫األخطاء‬ ‫في‬ ‫يقع‬ ‫قد‬ ‫اإلنسان‬ ‫ولكن‬‫ه‬
‫وعقالني‬ ‫منطقي‬ ‫بشكل‬ ‫التفكير‬ ‫أو‬ ‫التصرف‬.
–‫تعريف‬Turing‫غرف‬ ‫في‬ ‫حاسب‬ ‫مع‬ ‫إنسان‬ ‫وضعنا‬ ‫إذا‬ ‫بأنه‬ ‫عرفه‬ ‫والذي‬ ‫الصنعي‬ ‫للذكاء‬‫ة‬
‫اإلنسان‬ ‫وأخذ‬ ‫لوحده‬ ‫وحاسب‬ ‫حاسب‬ ‫مع‬ ‫إنسان‬ ‫له‬ ‫مجاورة‬ ‫غرفة‬ ‫في‬ ‫ووضعنا‬ ،‫واحدة‬
‫يعرف‬ ‫أن‬ ‫يستطع‬ ‫لم‬ ‫فإذا‬ ‫الثانية‬ ‫الغرفة‬ ‫مع‬ ‫يتخاطب‬ ‫األولى‬ ‫الغرفة‬ ‫في‬ ‫الموجود‬‫مصدر‬
‫أنها‬ ‫اآللة‬ ‫هذه‬ ‫عن‬ ‫نقول‬ ‫عندها‬ ‫اآللة‬ ‫أو‬ ‫اآلخر‬ ‫اإلنسان‬ ‫هو‬ ‫هل‬ ‫له‬ ‫القادمة‬ ‫األجوبة‬
‫ذكية‬.

Overview
■‫الصنعي‬ ‫الذكاء‬ ‫استخدامات‬:
–‫الطبيعية‬ ‫اللغات‬ ‫معالجة‬
■‫الحاسب‬ ‫مع‬ ‫للتخاطب‬ ‫الصوت‬ ‫استخدام‬ ‫أو‬ ‫مكتوب‬ ‫نص‬ ‫إلى‬ ‫الكالم‬ ‫تحويل‬.
–‫الرؤيا‬ ‫مسألة‬
■‫الوجوه‬ ‫واكتشاف‬ ‫الصور‬ ‫معالجة‬ ،‫آلي‬ ‫بشكل‬ ‫السيارة‬ ‫قيادة‬ ‫أو‬ ‫اآللي‬ ‫الطيار‬.
–‫الروبوت‬
–‫المعطيات‬ ‫عن‬ ‫التنقيب‬
■‫جديدة‬ ‫معلومات‬ ‫على‬ ‫للحصول‬ ‫المعطيات‬ ‫قاعدة‬ ‫في‬ ‫المخزنة‬ ‫المعطيات‬ ‫من‬ ‫يستفيد‬
■‫المخابر‬ ‫أحد‬ ‫معطيات‬ ‫قاعدة‬ ‫خالل‬ ‫من‬ ‫ال‬ ‫أو‬ ‫وباء‬ ‫وجود‬ ‫استنتاج‬ ‫مثل‬.
–...

PROLOG

Prolog
■‫المنطقية‬ ‫البرمجة‬ ‫على‬ ‫تعتمد‬ ‫لغة‬ ‫هي‬:
–‫المهمة‬ ‫لينجز‬ ‫المستثمر‬ ‫قبل‬ ‫من‬ ‫للحاسب‬ ‫تعطى‬ ‫والقواعد‬ ‫الحقائق‬ ‫من‬ ‫مجموعة‬
‫منه‬ ‫المطلوبة‬.
■‫المنطقي‬ ‫البرنامج‬ ‫أقسام‬ ‫هي‬ ‫والتي‬ ‫اللغة‬ ‫أقسام‬:
–‫الحقائق‬(facts:)‫مجموعة‬‫المعلومات‬‫إلنجاز‬ ‫للحاسب‬ ‫المستخدم‬ ‫يعطيها‬ ‫التي‬
‫منه‬ ‫المطلوبة‬ ‫المهمة‬.
–‫التساؤالت‬(queries:)‫المعلومات‬ ‫على‬ ‫الحصول‬ ‫طريقها‬ ‫عن‬ ‫نستطيع‬.
–‫المتحوالت‬(variables.)
–‫القواعد‬(rules:)‫المهمة‬ ‫إلنجاز‬ ‫قواعد‬ ‫لتشكيل‬ ‫الحقائق‬ ‫على‬ ‫االعتماد‬ ‫يمكننا‬
‫المطلوبة‬.

Prolog
Facts (‫)الحقائق‬
■‫مثال‬:‫زرقاء‬ ‫السماء‬
–‫في‬ ‫عنها‬ ‫نعبر‬prolog‫بالشكل‬:blue (sky).
–‫أن‬ ‫حيث‬blue‫بينما‬ ‫العالقة‬ ‫هي‬sky‫العالقة‬ ‫هذه‬ ‫أغراض‬ ‫هي‬.
–‫بنقطة‬ ً‫دائما‬ ‫الحقيقة‬ ‫تنتهي‬.
–‫صغيرة‬ ‫بأحرف‬ ‫تكتب‬ ‫العالقة‬ ‫وأغراض‬ ‫العالقة‬ ‫أسماء‬ ً‫دائما‬.
■‫امثلة‬:
–‫زيد‬ ‫ابن‬ ‫أسامة‬:son(ousama, zaid).
–‫القراءة‬ ‫يحب‬ ‫أسامة‬:like(ousama, reading).
–‫الخيل‬ ‫ركوب‬ ‫يحب‬ ‫أسامة‬:like(ousama, horse_riding).
■‫الحل‬ ‫على‬ ‫نحصل‬ ‫طريقها‬ ‫عن‬ ‫والتي‬ ‫البيانات‬ ‫قاعدة‬ ‫شكلنا‬ ‫قد‬ ‫نكون‬ ‫وبذلك‬.

Prolog
Facts (‫)الحقائق‬
■ Lina is daughter of Ahmad:
– daughter(lina, ahmad).
■ Ahmad likes reading:
– like(ahmad, reading).

Prolog
Queries (‫)التساؤالت‬
■‫مالحظات‬:
–‫بنقطة‬ ً‫دائما‬ ‫التساؤل‬ ‫ينتهي‬.
–‫إما‬ ‫أدخلناها‬ ‫التي‬ ‫المعلومات‬ ‫على‬ ‫بناء‬ ‫الجواب‬ ‫يكون‬Yes‫او‬No.
■‫أمثلة‬:
–‫القراءة؟‬ ‫أسامة‬ ‫يحب‬ ‫هل‬?- like(ousama, reading).
–‫القراءة؟‬ ‫زيد‬ ‫يحب‬ ‫هل‬?- like(zaid, reading).

Prolog
Queries (‫)التساؤالت‬
■ Facts:
– like(lina, horse_riding).
■ Query1:
– ?- like(lina, horse_riding).
– result: Yes.
■ Query2:
– ?- like(lina, reading).
– result: No.

Prolog
Variables (‫)المتحوالت‬
■‫أمثلة‬:
–‫أسامة؟‬ ‫يحبه‬ ‫الذي‬ ‫الشيء‬ ‫هو‬ ‫ما‬?- like(ousama, X).
■‫متحول‬ ‫استخدمنا‬ ‫أننا‬ ‫نالحظ‬X‫اإلجابة‬ ‫ستكون‬ ‫وبذلك‬X = reading
–‫ماذا؟‬ ‫يحب‬ ‫من‬.?- like (X, Y)
■‫الجواب‬ ‫فيكون‬:X = ousama, Y = reading
■‫ندخل‬ ‫ثم‬;‫على‬ ‫لنحصل‬:X = ousama, Y = horse_riding

Prolog
Variables (‫)المتحوالت‬
■ Facts:
– like(lina,horse_riding).
■ Query1:
– ?- like(lina, Y). Y is variable “What does lina like?”
– Result: Y=horse_riding
■ Query2:
– ?-like(X, reading).
– Result: X=ahmad

Prolog
Rules (‫)القواعد‬
–‫البرنامج‬ ‫في‬ ‫جزء‬ ‫أهم‬.
–‫الشكل‬ ‫تأخذ‬:A :- B1, B2, …, Bn .
–‫حيث‬A‫القاعدة‬ ‫رأس‬ ‫وهو‬ ‫األيسر‬ ‫الطرف‬ ‫هو‬.
–‫أخرى‬ ‫لقواعد‬ ‫استخدام‬ ‫أو‬ ‫حقائق‬ ‫هو‬ ‫األيمن‬ ‫الطرف‬ ‫بينما‬.
–‫عالقة‬ ‫إلى‬ ‫الفاصلة‬ ‫ترمز‬ ً‫دائما‬and‫عالقة‬ ‫إلى‬ ‫المنقوطة‬ ‫الفاصلة‬ ‫و‬or.
–‫صحيح‬ ‫كله‬ ‫األيمن‬ ‫الطرف‬ ‫يكون‬ ‫أن‬ ‫يجب‬ ً‫صحيحا‬ ‫األيسر‬ ‫الطرف‬ ‫يكون‬ ‫حتى‬.
–‫حقيقة‬ ‫القاعدة‬ ‫تصبح‬ ‫عندها‬ ‫موجود‬ ‫غير‬ ‫اليميني‬ ‫الطرف‬ ‫كان‬ ‫إذا‬.

Prolog
■ Facts:
– father(ibrahim, ammar).
– father(suliaman, rose).
– father(abdullah, suliaman).
■ Rule:
– grandFather(X,Y):- father(X,Z), father(Z,Y).
■ Query1: grandFather(abdullah,Y).
– Result: Y= rose.
■ Query2: grandFather(X,Y).
– Result: X=abdullah ,Y= rose.
■ Query3: grandFather(x,y).
– Result: false.

Prolog
■ Uncle:
– uncle(X,Y):- brother(X,Z), father(Z,Y).
– uncle(X,Y):- brother(X,Z), mother(Z,Y).
■ Aunt:
– aunt(X,Y):- sister(X,Z), father(Z,Y).
– aunt(X,Y):- sister(X,Z), mother(Z,Y).

Prolog
Cut (‫)القطع‬
■‫القطع‬ ‫ة‬ّ‫ي‬‫عمل‬! :
■‫التالية‬ ‫القواعد‬ ‫و‬ ‫الحقائق‬ ‫لدي‬ ‫ليكن‬:
–‫الحقائق‬:
– q(A). q(B). r(A). a(A). a(B).
–‫القواعد‬:
– p1(X) :- q(X) , ! , r (X) .
– p1(X) :- a(X) .
– p2(X) :- q(X) , r(X) , ! .
– p2(X) :- a(X) .

Prolog
Cut
■‫التساؤل‬ ‫وضعنا‬ ‫لو‬p1(A).
–‫التساؤل‬ ‫و‬ ‫القواعد‬ ‫بين‬ ‫بالمطابقة‬ ‫نقوم‬.
–‫هل‬q‫أجل‬ ‫من‬A،‫قة‬ّ‫ق‬‫مح‬ ‫ها‬ّ‫ن‬‫أ‬ ‫نجد‬ ‫الحقائق‬ ‫من‬ ‫قة؟‬ّ‫ق‬‫مح‬
–‫الـ‬ ‫ة‬ّ‫ي‬‫عمل‬ ‫هي‬ ‫تي‬ّ‫ال‬ ‫و‬ ‫القاعدة‬ ‫من‬ ‫الثانية‬ ‫للعبارة‬ ‫ننتقل‬ ‫قة‬ّ‫ق‬‫مح‬ ‫ها‬ّ‫ن‬‫أ‬ ‫بما‬cut !،
–‫أخرى‬ ‫قاعدة‬ ‫أي‬ ‫في‬ ‫النظر‬ ‫دون‬ ‫القاعدة‬ ‫هذه‬ ‫إتمام‬ ‫بعد‬ ّ‫ل‬‫الح‬ ‫عن‬ ‫ف‬ّ‫التوق‬ ‫معناها‬ ‫و‬
–‫الـ‬ ‫بعد‬ ‫و‬!ِ‫ـ‬‫ل‬ ‫سينتقل‬r(X)،‫هل‬r‫أجل‬ ‫من‬A‫؟‬ ‫قة‬ّ‫ق‬‫مح‬
–‫بالنتيجة‬ ً‫إذا‬ ،‫قة‬ّ‫ق‬‫مح‬ ‫ها‬ّ‫ن‬‫أ‬ ‫نجد‬ ‫الحقائق‬ ‫من‬:yes
–‫كانت‬ ‫لو‬q(X)‫الـ‬ ‫يرى‬ ‫لن‬ ‫و‬ ‫القاعدة‬ ‫يكمل‬ ‫لن‬ ،‫خاطئة‬!‫التالي‬ ‫للقاعدة‬ ‫سينتقل‬ ‫و‬‫ة‬..

Prolog
Cut
■‫التساؤل‬ ‫وضعنا‬ ‫لو‬p1(B).
–ّ‫ن‬‫أل‬ ‫لكن‬ ‫و‬ ‫األسلوب‬ ‫بنفس‬r(B)‫سيعطي‬ ‫قة‬ّ‫ق‬‫مح‬ ‫غير‬no
■‫التساؤل‬ ‫وضعنا‬ ‫لو‬p2(A).
–q‫أجل‬ ‫من‬Aِ‫ـ‬‫ل‬ ‫سينتقل‬ ،‫قة‬ّ‫ق‬‫مح‬r(X)‫و‬r‫أجل‬ ‫من‬a‫لـ‬ ‫بعدها‬ ‫وينتقل‬ ،‫قة‬ّ‫ق‬‫مح‬!ً‫إذا‬ ،
‫النتيجة‬ ‫سيعطي‬yes‫ف‬ّ‫يتوق‬ ‫و‬.
■‫التساؤل‬ ‫وضعنا‬ ‫لو‬p2(B).
–q‫أجل‬ ‫من‬Bّ‫ن‬‫لك‬ ،‫قة‬ّ‫ق‬‫مح‬r‫أجل‬ ‫من‬ ‫قة‬ّ‫ق‬‫مح‬ ‫غير‬B،‫الـ‬ ‫يرى‬ ‫لن‬ ً‫إذا‬!‫للقاعدة‬ ‫يذهب‬ ،
4‫فالجواب‬ ،‫قة‬ّ‫ق‬‫مح‬ ‫ويجدها‬yes

Prolog
Exercises
■ Add Two Numbers:
– add(X,0,X):-!.
– add(X,Y,Z):-Y1 is Y-1,add(X,Y1,Z1),Z is Z1+1.
■ GCD:
– gcd(X,X,X):-!.
– gcd(X,Y,Z):- X>Y,W is X-Y,gcd(W,Y,Z),!.
– gcd(X,Y,Z):- X<Y,W is Y-X,gcd(X,W,Z).

Prolog
Exercises
■ What is the type of this code:
– f(0,1).
– f(N,X):-N>0, N1 is N-1, f(N1,S), X is S*N.
– Factorial
■ What is the type of this code:
– p(_,0,1):-!.
– p(X,1,X):-!.
– p(X,N,Result):- N1 = N-1 , p(X,N1,XN1), Result = X * XN1.
– Power

Prolog
List
■ Normal Representation:
– List: [1,2,3]
– Empty List [ ]
– One Item List [X]
■ Ex: [1], [name]
■ General Representation:
– [X|Y]: X is the head, Y is the list of the tail
– Ex: [2,4,6,6]
■ 2 is the head
■ [4,6,6] is the tail

Prolog
List Example
■ Find element in a list:
– find(X,[X|Y]):-!.
– find(X,[Z|Y]):-not(X=Z),find(X,Y).
■ Count the element of a list:
– count(0,[]):-!.
– count(W,[X|Y]):-count(Z,Y), W is X+Z.
■ Delete element from list:
– delete(X,[],[]):-!.
– delete(X,[X|Y],Z):-delete(X,Y,Z),!.
– delete(X,[Y|Z],[Y|W1]):- not(X=Y),delete(X,Z,W1).

Note
■ Rule:
– x(0,[]).
– x(N,[N|L]):- x(N-2,L).
■ Need a stop condition!!!

Note
■‫هامة‬ ‫مالحظة‬:
–‫ال‬ ‫الترتيب‬ ‫تغيير‬ ‫أن‬ ‫أي‬ ،‫والقواعد‬ ‫للحقائق‬ ‫ترتيب‬ ‫لدينا‬ ‫ليس‬ ‫المنطق‬ ‫في‬‫على‬ ‫يؤثر‬
‫هام‬ ‫دور‬ ‫له‬ ‫الترتيب‬ ‫البرنامج‬ ‫في‬ ‫ولكن‬ ،‫النتائج‬.
■‫توضيحي‬ ‫مثال‬:
–‫ما‬ ‫شخص‬ ‫واجداد‬ ‫اباء‬ ‫يعطي‬ ‫برنامج‬ ‫كتابة‬ ‫نريد‬(‫ال‬ ‫المعطيات‬ ‫قاعدة‬ ‫في‬ ‫انه‬ ‫حيث‬
‫اإلباء‬ ‫طريق‬ ‫عن‬ ‫ذلك‬ ‫يتم‬ ‫وإنما‬ ،‫مباشرة‬ ‫ما‬ ‫شخص‬ ‫أجداد‬ ‫نطبق‬ ‫ان‬ ‫يمكن‬.)
–‫بالترتيب‬ ‫تختلف‬ ‫ولكن‬ ‫القواعد‬ ‫نفس‬ ‫يحوي‬ ‫طرق‬ ‫بأربع‬ ‫يكتب‬ ‫البرنامج‬ ‫هذا‬ ‫إن‬‫فقط‬.
–‫المتوقع‬ ‫والخرج‬ ‫منها‬ ‫كال‬ ‫يلي‬ ‫فيما‬ ‫سنرى‬.

Note

Question 1
■ What is a fact?
A. A term followed by a period.
B. A term.
C. A structure followed by a period.

Question 2
■ Can the term in a fact be a variable?
A. Yes.
B. No.

Question 3
■ Which of the following is not a query and doesn’t conform its syntax?
A. ?- student(Lisa, 5).
B. ?- student(Lisa, X), student(Abraham, X).
C. ?- student(Abraham, X)

Question 4
■ Can a query be made up of more than one subgoal?
A. Yes.
B. No.

Question 4
■ Can a query be made up of more than one subgoal?
A. Yes. ?- student(Lisa, 5), student(John, 3).
B. No.

Question 5
■ What is a free variable?
A. A variable which has not been given a value.
B. A variable which has been given a value.

Question 6
■ What is a bound variable?
A. A variable which has not been given a value.
B. A variable which has been given a value.

Question 7
■ Rules:
– check(x):- console::write(one).
– check(x):- ! , console::write(two).
■ What is the output of this query? check(1).
A. one
B. two
C. one two
D. else

SMART SEARCH
ALGORITHMS
‫الذكية‬ ‫البحث‬ ‫خوارزميات‬

Smart Search Algorithms
(‫الذكية‬ ‫البحث‬ ‫)خوارزميات‬
–‫المتجول‬ ‫البائع‬ ‫مسألة‬:
■‫ال‬ ‫باستخدام‬ ‫المسألة‬ ‫هذه‬ ‫حل‬ ‫يمكن‬Back Tracking‫خيار‬ ‫المسألة‬ ‫خيارات‬ ‫بمعالجة‬ ‫قمنا‬ ‫واذا‬
‫رتبة‬ ‫من‬ ‫المسألة‬ ‫تعقيد‬ ‫سيكون‬ ‫األخير‬ ‫الخيار‬ ‫هو‬ ‫الحل‬ ‫وكان‬ ‫اآلخر‬ ‫تلو‬N!
–‫للجامعة‬ ‫األسبوعي‬ ‫البرنامج‬ ‫إعداد‬ ‫مسألة‬:
■‫بشرية‬ ‫معامالت‬ ‫عدة‬ ‫بسبب‬ ‫معقدة‬ ‫أنها‬ ‫إال‬ ‫بسيطة‬ ‫المسألة‬ ‫هذه‬ ‫تبدو‬ ‫قد‬.
–‫ال‬ ‫مسألة‬:Spanning Tree
■‫ممكن‬ ‫كبل‬ ‫بأصغر‬ ‫حواسيب‬ ‫عدة‬ ‫توصيل‬ ‫وهي‬.
–‫الويب‬:
■‫بيان‬ ‫يعتبر‬ ‫الويب‬ ‫فضاء‬ ‫كل‬Graph‫ال‬ ‫خوارزميات‬ ‫وكل‬Graph‫فيه‬ ‫محققة‬.
–‫مواسير‬ ‫ضمن‬ ‫المياه‬ ‫ضخ‬:
■‫معين‬ ‫مياه‬ ‫ضغط‬ ‫وتتحمل‬ ‫محدد‬ ‫قطر‬ ‫لها‬ ‫يكون‬ ‫المواسير‬ ‫هذه‬ ‫من‬ ‫واحدة‬ ‫كل‬.

■‫يلي‬ ‫ما‬ ‫خالل‬ ‫من‬ ‫ذلك‬ ‫يتم‬ ،‫بحث‬ ‫مسألة‬ ‫هي‬ ‫ما‬ ‫مسألة‬ ‫أن‬ ‫نعتبر‬ ‫أن‬ ‫لنا‬ ‫كيف‬ ‫إذا‬:
.I‫المسألة‬ ‫من‬ ‫الهدف‬ ‫تحديد‬.
.II‫المسألة‬ ‫هذه‬ ‫حاالت‬ ‫تحديد‬.
.III‫العمليات‬ ‫تعريف‬(‫الحاالت‬ ‫بين‬ ‫المسموحة‬ ‫االنتقاالت‬.)
.IV‫وتنته‬ ‫االبتدائية‬ ‫الحالة‬ ‫من‬ ‫تبدأ‬ ‫التي‬ ‫العمليات‬ ‫من‬ ‫مجموعة‬ ‫عن‬ ‫عبارة‬ ‫هو‬ ‫الحل‬‫ي‬
‫الهدف‬ ‫مع‬.

Search Strategies
(‫الخوارزميات‬ ‫مقارنة‬ ‫معايير‬)
■ A search strategy is defined by picking the order of node expansion.
■ Strategies are evaluated along the following dimensions:
– Completeness:
■ does it always find a solution if one exists?
– Optimality:
■ does it always find a least-cost solution?
– Time complexity:
■ number of nodes generated.
– Space complexity:
■ maximum number of nodes in memory.

Search Strategies
(‫الخوارزميات‬ ‫مقارنة‬ ‫معايير‬)
■ Time and space complexity are measured in terms of:
– b (‫التفرع‬ ‫:)معامل‬
■ maximum branching factor of the search tree.
– d (‫البحث‬ ‫شجرة‬ ‫ضمن‬ ‫الحل‬ ‫:)عمق‬
■ depth of the least-cost solution.
– m (‫البحث‬ ‫شجرة‬ ‫:)عمق‬
■ maximum length of any path in the state space (may be infinite).
■‫الحافة‬(Fringe:)
–‫بعد‬ ‫زيارتها‬ ‫تتم‬ ‫لم‬ ‫ولكن‬ ‫اكتشافها‬ ‫تم‬ ‫التي‬ ‫العقد‬ ‫مجموعة‬ ‫هي‬.
–‫البحث‬ ‫استراتيجيات‬ ‫باختالف‬ ‫تختلف‬ ‫معطيات‬ ‫بنية‬ ‫ضمن‬ ‫العقد‬ ‫هذه‬ ‫تخزين‬ ‫يتم‬‫ضمن‬
‫الشجرة‬.

■‫تصنف‬‫خوارزميات‬‫البحث‬‫ضمن‬‫صنفين‬:
–‫خوارزميات‬‫البحث‬‫العمياء‬:(Uninformed Search Algorithm)
■‫تقوم‬‫بالبحث‬‫باستخدام‬‫خوارزميات‬‫البحث‬‫الكالسيكية‬‫بدون‬‫استخدام‬‫أي‬‫معلومات‬‫ع‬‫ن‬
‫المشكلة‬‫التي‬‫نقوم‬‫بمعالجتها‬.
–‫خوارزميات‬‫البحث‬‫التجريبية‬:(Informed Search Algorithm)
■‫تعتمد‬‫على‬‫التجريبيات‬Heuristic‫وهي‬‫معلومات‬‫مشتقة‬‫من‬‫طبيعة‬‫المسألة‬‫وتؤدي‬‫إلى‬
‫الوصول‬‫للحل‬‫األفضل‬.

Uninformed Search Strategies
(‫العمياء‬ ‫البحث‬ ‫)خوارزميات‬
■ Uninformed search strategies (Blind Search) use only the information available in
the problem definition.
■ Types:
1. Breadth-first search.
2. Uniform-cost search.
3. Depth-first search.
4. Iterative deepening search.
…

(‫العمياء‬ ‫البحث‬ ‫)خوارزميات‬
■‫الحالة‬(state:)
–‫معين‬ ‫وضع‬ ‫في‬ ‫المشكلة‬ ‫تمثل‬ ‫أنها‬ ‫أي‬ ‫الفيزيائي‬ ‫الوضع‬ ‫تمثيل‬ ‫هي‬.
–‫ال‬ ‫المدينة‬ ‫بتحديد‬ ‫الحالة‬ ‫عن‬ ‫التعبير‬ ‫بمكن‬ ‫الجوال‬ ‫البائع‬ ‫مسألة‬ ‫في‬ ً‫فمثال‬‫موجودين‬
‫فيها‬.
■‫العقدة‬(node:)
–‫إلى‬ ‫أدى‬ ‫الذي‬ ‫الحدث‬ ،‫األب‬ ‫العقدة‬ ،‫الحالة‬ ‫تتضمن‬ ‫حيث‬ ‫البنية‬ ‫عن‬ ‫عبارة‬ ‫هي‬
‫إليها‬ ‫الوصول‬ ‫وكلفة‬ ‫الحالة‬ ‫إلى‬ ‫االنتقال‬.

Breadth First Search
■ً‫أوال‬ ‫بالعرض‬ ‫البحث‬ ‫خوارزمية‬Breadth First Search :
–‫الغير‬ ‫العقد‬ ‫بزيارة‬ ‫الخوارزمية‬ ‫هذه‬ ‫تقوم‬‫مزارة‬ً‫عمقا‬ ‫األقل‬.
■‫غير‬ ‫العقد‬ ‫جميع‬ ‫تزور‬ ‫أنها‬ ‫أي‬‫المزارة‬‫تبعد‬ ‫التي‬k‫غير‬ ‫العقد‬ ‫تزور‬ ‫أن‬ ‫قبل‬ ‫الحالية‬ ‫العقد‬ ‫عن‬
‫المزراة‬‫تبعد‬ ‫والتي‬k+1
–‫تت‬ ‫لم‬ ‫والتي‬ ‫المكتشفة‬ ‫العقد‬ ‫تخزين‬ ‫طريق‬ ‫عن‬ ‫الخوارزمية‬ ‫هذه‬ ‫تحقيق‬ ‫يمكن‬‫م‬
‫رتل‬ ‫في‬ ‫بعد‬ ‫زيارتها‬(queue.)
–‫نسخة‬ ‫يوجد‬ ‫ال‬ ‫حيث‬ ‫فقط‬ ‫عودي‬ ‫غير‬ ‫بشكل‬ ‫الخوارزمية‬ ‫كتابة‬ ‫نستطيع‬‫عودية‬‫ل‬‫ها‬
‫االستدعاءات‬ ‫أن‬ ‫طالما‬‫العودية‬‫ارتال‬ ‫ضمن‬ ‫تخزن‬.

■ Complete?
– Yes (if branching factor b is finite).
■ Optimal?
– Yes, if cost = 1 per step
■ Time?
– O(bd)
■ Space?
– O(bd)
– Space is the bigger problem (more than time)

Uniform Cost Search
■‫ال‬ ‫خوارزمية‬:Uniformed Cost Search
–‫غير‬ ‫العقد‬ ‫بزيارة‬ ‫تقوم‬ ‫عام‬ ‫بشكل‬‫المزارة‬‫األقل‬ ‫الكلفة‬ ‫ذات‬.
–‫والغير‬ ‫المكتشفة‬ ‫العقد‬ ‫تخزين‬ ‫طريق‬ ‫عن‬ ‫المنهجية‬ ‫هذه‬ ‫تحقيق‬ ‫يمكن‬‫مزارة‬‫ض‬‫من‬
Priority queue‫الطريق‬ ‫كلفة‬ ‫على‬ ‫هنا‬ ‫األولوية‬ ‫فكرة‬ ‫وتعتمد‬(‫االكبر‬ ‫الى‬ ‫األصغر‬.)
–‫مالحظة‬:
■‫ال‬ ‫مفهوم‬ ‫بتطبيق‬ ‫نقوم‬ ‫ال‬ ‫المنهجية‬ ‫هذه‬ ‫في‬ ‫الطريق‬ ‫كلفة‬ ‫أهمية‬ ‫بسبب‬visited‫كما‬
‫خوارزمية‬ ‫في‬BFS‫و‬DFS‫المتب‬ ‫المسارات‬ ‫فحص‬ ‫وعند‬ ‫األقصر‬ ‫الطريق‬ ‫تخزين‬ ‫سيتم‬ ‫بل‬‫قية‬
‫به‬ ‫االحتفاظ‬ ‫يتم‬ ‫المخزن‬ ‫الطريق‬ ‫من‬ ‫أقصر‬ ‫آخر‬ ‫طريق‬ ‫هناك‬ ‫كان‬ ‫اذا‬ ‫الحلول‬ ‫فضاء‬ ‫ضمن‬
‫القديم‬ ‫الحل‬ ‫وإهمال‬.

Uniform Cost Search

Uniform Cost Search
■ Notes:
– Expand least-cost unexpanded node.
– Equivalent to breadth-first if step costs all equal.
■ Complete?
– Yes, if step cost is greater than some positive constant ε
■ Optimal?
– Yes, nodes expanded in increasing order of path cost.
■ Time?
– O(bc/ε)
–c‫و‬ ،‫األمثل‬ ‫الحل‬ ‫كلفة‬ ‫هي‬𝜀‫الخطوة‬ ‫كلفة‬ ‫وسطي‬.
– This can be greater than O(bd): the search can explore long paths consisting of small steps before
exploring shorter paths consisting of larger steps
■ Space?
– O(bc/ε)

Depth First Search
■ً‫أوال‬ ‫بالعمق‬ ‫البحث‬ ‫خوارزمية‬:First Search-Depth
–‫غير‬ ‫عقدة‬ ‫أعمق‬ ‫بزيارة‬ ‫الخوارزمية‬ ‫هذه‬ ‫تقوم‬‫مزارة‬‫الشجرة‬ ‫من‬.
–‫مكدس‬ ‫استخدام‬ ‫طريق‬ ‫عن‬ ‫المنهجية‬ ‫هذه‬ ‫تحقيق‬ ‫يمكن‬.
–‫عودي‬ ‫غير‬ ‫أو‬ ‫عودي‬ ‫بشكل‬ ‫الخوارزمية‬ ‫كتابة‬ ‫نستطيع‬.

Depth First Search

Depth First Search
■ Complete?
– Fails in infinite-depth spaces.
– complete in finite spaces.
■ Optimal?
– No, returns the first solution it finds.
■ Time?
– O(bm)
■ Space?
– O(bm)

Iterative Deepening Search
■ Use DFS as a subroutine:
1. Check the root.
2. Do a DFS searching for a path of length 1
3. If there is no path of length 1, do a DFS searching for a path of length 2
4. If there is no path of length 2, do a DFS searching for a path of length 3…

■ Complete?
– Yes
■ Optimal?
– Yes, if step cost = 1
■ Time?
– (d+1) b0 + d b1 + (d-1) b2 + … + bd = O(bd)
■ Space?
– O(bd)

Informed Search
( ‫التجريبية‬ ‫البحث‬ ‫خوارزميات‬-‫المطلعة‬ )
■ Idea:
– Give the algorithm “hints” about the desirability of different states.
– Use an evaluation function to rank nodes and select the most promising one for
expansion.
■ Types:
1. Greedy best-first search.
2. A* search.

Informed Search
Heuristic Function
■‫التجريبة‬( :Heuristic)
–‫الهدف‬ ‫من‬ ‫الحالة‬ ‫هذه‬ ‫قرب‬ ‫يقدر‬ ‫رقم‬ ‫يعيد‬ ‫حالة‬ ‫على‬ ‫يطبق‬ ‫عندما‬ ‫تابع‬ ‫هي‬.
–‫المعلومات‬ ‫من‬ ‫مجموعة‬ ‫على‬ ً‫اعتمادا‬ ‫المسائل‬ ‫بحل‬ ‫الخوارزميات‬ ‫هذه‬ ‫تقوم‬
‫بالتجريبية‬ ‫ندعوها‬ ‫المعلومات‬ ‫وهذه‬ ‫المسألة‬ ‫طبيعة‬ ‫من‬ ‫المستنبطة‬.
–‫تبخس‬ ‫ان‬ ‫يمكن‬‫التجريبة‬‫الهدف‬ ‫عن‬ ‫البعد‬ ‫تقدير‬ ‫في‬ ‫تغالي‬ ‫أو‬.

Informed Search
Heuristic Function
–‫طريق‬ ‫اقصر‬.
■‫التجريبة‬‫الهدف‬ ‫والمدينة‬ ‫ما‬ ‫مدينة‬ ‫بين‬ ‫النظر‬ ‫خط‬ ‫هي‬.
–‫لعبة‬‫التاكوتان‬.
■‫التجريبة‬‫الصحيح‬ ‫مكانها‬ ‫غير‬ ‫في‬ ‫الموجودة‬ ‫الخانات‬ ‫عدد‬ ‫هي‬(‫الفراغ‬ ‫عدا‬ ‫ما‬)
■‫التجريبة‬‫خانة‬ ‫لكل‬ ‫مانهاتن‬ ‫مسافة‬ ‫حساب‬ ‫هي‬.

Informed Search
Greedy best-first search
■ Expand the node that has the lowest value of the heuristic function h(n)

Informed Search
Greedy best-first search Example

Informed Search
Greedy best-first search Properties
■ Complete?
– No, can get stuck in loops
■ Optimal?
– No
■ Time?
– Worst case: O(bm)
– Best case: O(bd)
■ If h(n) is 100% accurate
■ Space?
– Worst case: O(bm)
start
goal

Hill Climbing Search
(‫التلة‬ ‫تسلق‬ ‫)خوارزمية‬
■‫التابع‬ ‫لدينا‬ ‫ليكن‬H(n)‫من‬ ً‫انطالقا‬ ‫للهدف‬ ‫الوصول‬ ‫ككلفة‬ ‫التقديرية‬ ‫القيمة‬ ‫يرد‬ ‫والذي‬‫العقدة‬
‫الحالية‬.
■‫للتابع‬ ‫األقل‬ ‫القيمة‬ ‫ذات‬ ‫العقدة‬ ‫اختيار‬ ‫على‬ ‫تعتمد‬ ‫التلة‬ ‫تسلق‬ ‫خوارزمية‬ ‫إن‬H(n)
"‫طموحة‬ ‫خوارزمية‬."
■ Is it complete/optimal?
– No – can get stuck in local optima
■ Example:
– local optimum for the 8-queens problem

The State Space
(Landscape)
■ How to escape local maxima?
– Random restart hill-climbing

Hill Climbing Search
(‫التلة‬ ‫تسلق‬ ‫)خوارزمية‬
■‫ال‬ ‫خوارزمية‬ ‫بين‬ ‫الفرق‬Hill Climbing‫وخوارزمية‬Uninformed Cost Search
–Hill Climbing‫أما‬ ‫الهدف‬ ‫عن‬ ‫العقدة‬ ‫لبعد‬ ‫التقديرية‬ ‫بالكلفة‬ ‫نهتم‬Uninformed Cost
Search‫الحالية‬ ‫العقدة‬ ‫إلى‬ ‫الوصول‬ ‫بالتكلفة‬ ‫نهتم‬.
–Hill Climbing‫ال‬ ‫أما‬ ً‫جدا‬ ‫سريعة‬ ‫خوارزمية‬Uninformed Cost Search‫خوارزمية‬ ‫فهي‬
ً‫جدا‬ ‫بطيئة‬.
–Hill Climbingً‫حال‬ ‫تعطي‬ ‫ال‬‫أمثليا‬(not optimal)‫مكتملة‬ ‫وغير‬(not complete)‫أما‬
Uninformed Cost Search‫فهيا‬(optimal & complete.)
–‫أمثلي‬ ‫خوارزمية‬ ‫إلى‬ ‫للوصول‬ ً‫معا‬ ‫الخوارزميتين‬ ‫هاتين‬ ‫بدمج‬ ‫نقوم‬ ‫ال‬ ‫لماذا‬ ‫ولكن‬‫ه‬
‫الوقت‬ ‫بنفس‬ ‫وسريعة‬.‫خوارزمية‬ ‫وهي‬A*

Informed Search
A* Search
■ Idea:
– avoid expanding paths that are already expensive.
■ The evaluation function f(n) is the estimated total cost of the path through node n to
the goal:
■ f(n) = g(n) + h(n)
– g(n): cost so far to reach n (path cost)
– h(n): estimated cost from n to goal (heuristic)

Informed Search
A* Search
–‫ال‬ ‫نضع‬ ‫أن‬ ‫وهو‬ ‫العمياء‬ ‫البحث‬ ‫خوارزميات‬ ‫في‬ ‫اتبعناه‬ ‫الذي‬ ‫األسلوب‬ ‫استخدام‬ ‫يمكننا‬‫عقد‬
‫معينة‬ ‫بنية‬ ‫ضمن‬ ‫نزرها‬ ‫ولم‬ ‫اكتشفناها‬ ‫التي‬.
■‫ال‬ ‫في‬Depth First‫ال‬ ‫نستخدم‬ ‫كنا‬Stack (LIFO)
■‫ال‬ ‫في‬Breadth First‫ال‬ ‫نستخدم‬ ‫كنا‬Queue (FIFO)
■‫ال‬ ‫في‬Uniform Cost‫ال‬ ‫نستخدم‬ ‫كنا‬Priority Queue‫ال‬ ‫حسب‬Cost
■‫ال‬ ‫خوارزمية‬ ‫في‬ ‫أما‬A*‫على‬ ‫سنعتمد‬Priority Queue‫ال‬ ‫قيمة‬ ‫حسب‬ ‫األفضلية‬ ‫وستكون‬F(n)
–‫التجريبية‬ ‫قيمة‬ ‫كانت‬ ‫حال‬ ‫في‬H=0‫إلى‬ ‫الخوارزمية‬ ‫ستتحول‬ ‫عندها‬Uniform Cost
‫الحلول‬ ‫كل‬ ‫بسبر‬ ‫نقوم‬ ‫أن‬ ‫بعد‬ ‫ولكن‬ ‫أمثلي‬ ‫لحل‬ ‫سنصل‬ ‫وبالتالي‬.
–‫ال‬ ‫كانت‬ ‫اذا‬H‫ف‬ ‫بسبر‬ ‫نقوم‬ ‫ولن‬ ً‫جدا‬ ‫سريع‬ ‫األداء‬ ‫سيكون‬ ‫الحقيقية‬ ‫الكلفة‬ ‫تساوي‬‫ضاء‬
ً‫كامال‬ ‫الحلول‬.
–‫إلى‬ ‫الوصول‬ ‫تسريع‬ ‫هو‬ ‫والهدف‬ ‫باألداء‬ ‫األساسي‬ ‫العامل‬ ‫هو‬ ‫التجريبية‬ ‫اختيار‬ ‫حسن‬
‫الحلول‬ ‫فضاء‬ ‫كل‬ ‫سبر‬ ‫دون‬ ‫للهدف‬.
–‫ال‬ ‫خوارزمية‬ ‫في‬A*‫حل‬ ‫تعطي‬ ‫خوارزمية‬ ‫فإن‬ ‫متفائلة‬ ‫التجريبية‬ ‫كانت‬ ‫اذا‬Optimal‫دائم‬.

Informed Search
A* Search
■‫المولدة‬ ‫العقد‬:‫زيارتها‬ ‫علينا‬ ‫التي‬ ‫العقد‬.
■‫العقد‬‫المزارة‬:‫المطورة‬ ‫العقد‬ ‫أي‬ ‫أبناءها‬ ‫ولدنا‬ ‫التي‬.
■‫مالحظة‬:
–‫التابع‬ ‫قيم‬ ‫تساوت‬ ‫اذا‬F‫أي‬ ‫الهدف‬ ‫إلى‬ ‫األقرب‬ ‫العقدة‬ ‫باختيار‬ ‫سنقوم‬ ‫عقدة‬ ‫من‬ ‫ألكثر‬
‫قيمة‬ ‫أصغر‬ ‫ذات‬‫لل‬H

A* Search Example

Informed Search
A* Search Properties
■ Complete?
– Yes, unless there are infinitely many nodes with f(n) ≤ C*
■ Optimal?
– Yes
■ Time?
– Number of nodes for which f(n) ≤ C* (exponential)
■ Space?
– Exponential

Informed Search
A* Search Exercise 2
■‫في‬ ‫المطورة‬ ‫العقد‬ ‫ترتيب‬ ‫وما‬ ‫المطورة‬ ‫والعقد‬ ‫المولدة‬ ‫العقد‬ ‫عدد‬ ‫هو‬ ‫ما‬
■‫التالي‬ ‫المثال‬:

Informed Search
■‫التالي‬ ‫الشكل‬ ‫على‬ ‫الحل‬ ‫سيكون‬:

Informed Search
■‫الحل‬ ‫عن‬ ‫مالحظات‬:
–‫العقدة‬ ‫عند‬1‫أقل‬ ‫كلفة‬ ‫ذات‬ ‫أوراق‬ ‫وجود‬ ‫بسبب‬ ‫الوراء‬ ‫إلى‬ ‫تراجعنا‬.
–‫العقدة‬ ‫عند‬3‫للعقدة‬ ‫نصل‬ ‫أن‬ ‫بإمكاننا‬ ‫كان‬1‫استطعنا‬ ‫ألننا‬ ‫بإهمالها‬ ‫قمنا‬ ‫ولكننا‬
‫أقل‬ ‫وبكلفة‬ ‫آخر‬ ‫طريق‬ ‫من‬ ‫إليها‬ ‫الوصول‬.
–‫ضمن‬ ‫العقد‬ ‫بوضع‬ ‫نقوم‬ ‫أننا‬ ‫وبما‬Queue‫نستطيع‬ ‫وال‬ ‫ضمنها‬ ‫من‬ ‫الهدف‬ ‫سيكون‬ ‫مرتبة‬
‫ال‬ ‫رأس‬ ‫في‬ ‫الهدف‬ ‫يكون‬ ‫أن‬ ‫إلى‬ ‫الشجرة‬ ‫عقد‬ ‫وتطوير‬ ‫توليد‬ ‫عن‬ ‫التوقف‬Queue(‫أي‬
‫األقل‬ ‫الكلفة‬ ‫ذات‬ ‫لعقدة‬ ‫هي‬ ‫الهدف‬ ‫عقدة‬.)
–‫هو‬ ‫المطورة‬ ‫العقد‬ ‫ترتيب‬ ‫وسيكون‬:
–‫هو‬ ‫وعددها‬6‫هو‬ ‫فعددها‬ ‫المولدة‬ ‫العقد‬ ‫أما‬ ‫مطورة‬ ‫عقد‬9

Comparison of search strategies
Algorithm Complete? Optimal?
Time
Complexity
Space
Complexity
BFS Yes
If all step costs
are equal
O(bd) O(bd)
UCS Yes Yes
O(bc/ε)
Number of nodes with g(n) ≤ C*
DFS No No O(bm) O(bm)
IDS Yes
If all step costs
are equal
O(bd) O(bd)
Greedy No No
Worst case: O(bm)
Best case: O(bd)
A* Yes Yes Number of nodes with g(n)+h(n) ≤ C*

Question 1
■ Which search strategy is also called as blind search?
A. Uninformed search.
B. Informed search.
C. Simple reflex search.
D. All of the mentioned.

Question 2
■ How many types are available in uninformed search method?
A. 3.
B. 4.
C. 5.
D. 6.

Question 2
■ How many types are available in uninformed search method?
A. 3.
B. 4.
C. 5.
D. 6.
■ Explanation:
– The five types of uninformed search method are:
■ Breadth-first, Uniform-cost, Depth-first, Depth-limited and Bidirectional search.

Question 3
■ Which search is implemented with an empty first-in-first-out queue?
A. Depth-first search.
B. Breadth-first search.
C. Bidirectional search.
D. None of the mentioned.

Question 4
■ When is breadth-first search is optimal?
A. When there is less number of nodes.
B. When all step costs are equal.
C. When all step costs are unequal.

Question 5
■ What is the space complexity of Depth-first search?
A. O(b).
B. O(bl).
C. O(m).
D. O(bm).

Question 6
■ How many parts does a problem consists of?
A. 1.
B. 2.
C. 3.
D. 4.

Question 6
■ How many parts does a problem consists of?
A. 1.
B. 2.
C. 3.
D. 4.
■ Explanation:
– The four parts of the problem are:
■ initial state, set of actions, goal test and path cost.

Question 7
■ Which algorithm is used to solve any kind of problem?
A. Breath-first algorithm.
B. Tree algorithm.
C. Bidirectional search algorithm.

Question 7
■ Which algorithm is used to solve any kind of problem?
A. Breath-first algorithm.
B. Tree algorithm.
C. Bidirectional search algorithm.
■ Explanation:
– Tree algorithm is used because specific variants of the algorithm embed
different strategies.

Question 8
■ Which search algorithm imposes a fixed depth limit on nodes?
A. Depth-limited search.
B. Depth-first search.
C. Iterative deepening search.
D. Bidirectional search.

Question 9
■ Which search implements stack operation for searching the states?
A. Depth-limited search.
B. Depth-first search.
C. Breadth-first search.

Question 10
■ Which of the following is/are Uninformed Search technique/techniques
A. Breath First Search (BFS).
B. Depth First Search (DFS).
C. Bi-directional Search.
D. All of the mentioned.

Question 11
■ The time and space complexity of BFS
A. O(bd+1) and O(bd+1).
B. O(b2) and O(d2).
C. O(d2) and O(b2).
D. O(d2) and O(d2).

Question 12
■ What is the heuristic function of greedy best-first search?
A. f(n) != h(n)
B. f(n) < h(n)
C. f(n) = h(n)
D. f(n) > h(n)

Question 13
■ Heuristic function h(n) is ____
A. Lowest path cost
B. Cheapest path from root to goal node
C. Estimated cost of cheapest path from root to goal node
D. Average path cost

Question 14
■‫من‬ ‫االنتقال‬ ‫المطلوب‬ ‫وحيث‬ ‫التالي‬ ‫البيان‬ ‫ليكن‬A‫الى‬E‫كل‬ ‫باعتماد‬ ‫الناتج‬ ‫سيكون‬ ‫ماذا‬
‫التالية‬ ‫الخوارزميات‬ ‫من‬:‫أوال‬ ‫العمق‬–‫أوال‬ ‫العرض‬–‫المنتظمة‬ ‫الكلفة‬.

Question 14
■‫من‬ ‫االنتقال‬ ‫المطلوب‬ ‫وحيث‬ ‫التالي‬ ‫البيان‬ ‫ليكن‬A‫الى‬E‫كل‬ ‫باعتماد‬ ‫الناتج‬ ‫سيكون‬ ‫ماذا‬
‫التالية‬ ‫الخوارزميات‬ ‫من‬:‫أوال‬ ‫العمق‬–‫أوال‬ ‫العرض‬–‫المنتظمة‬ ‫الكلفة‬.
■‫الحل‬:

Question 15
■‫وخوارزمية‬ ‫التلة‬ ‫تسلق‬ ‫خوارزمية‬ ‫باستخدام‬ ‫الناتج‬ ‫سيكون‬ ‫ماذا‬A*‫تقدير‬ ‫لدينا‬ ‫بأن‬ ‫علما‬
‫والعقدة‬ ‫عقدة‬ ‫كل‬ ‫بين‬ ‫للمسافة‬E‫يلي‬ ‫كما‬:

Question 15
■‫وخوارزمية‬ ‫التلة‬ ‫تسلق‬ ‫خوارزمية‬ ‫باستخدام‬ ‫الناتج‬ ‫سيكون‬ ‫ماذا‬A*‫تقدير‬ ‫لدينا‬ ‫بأن‬ ‫علما‬
‫والعقدة‬ ‫عقدة‬ ‫كل‬ ‫بين‬ ‫للمسافة‬E‫يلي‬ ‫كما‬:
■‫الحل‬:

GAMES
‫االلعاب‬ ‫مسائل‬

Games
(‫)األلعاب‬
■‫لمحورين‬ ً‫وفقا‬ ‫األلعاب‬ ‫نصنف‬ ‫أن‬ ‫نستطيع‬:
–‫األول‬ ‫المحور‬( :Perfect Information - Imperfect Information)
■Perfect Information
–‫ك‬ ‫قبل‬ ‫من‬ ً‫مسبقا‬ ‫معلومة‬ ‫الالعبين‬ ‫لكال‬ ‫المتاحة‬ ‫االمكانيات‬ ‫فيها‬ ‫تكون‬ ‫ألعاب‬ ‫وهي‬ٍ‫ل‬
‫منهما‬.
■Imperfect Information
–‫خصمي‬ ‫وإمكانيات‬ ‫قدرات‬ ‫عن‬ ‫معلومة‬ ‫أي‬ ‫أمتلك‬ ‫ال‬ ‫أي‬ ‫سابقتها‬ ‫عكس‬ ‫وهي‬.
–‫الثاني‬ ‫المحور‬( :Deterministic - Chance)
■Deterministic
–‫بذكاء‬ ‫إحداها‬ ‫اختيار‬ ‫يجب‬ ‫وعديدة‬ ‫محددة‬ ‫خطوات‬ ‫لدينا‬ ‫يوجد‬ ‫حيث‬ ‫الذكاء‬ ‫ألعاب‬ ‫وهي‬
‫للربح‬ ‫للوصول‬.
■Chance
–‫غير‬ ‫ال‬ ‫فقط‬ ‫الحظ‬ ‫على‬ ‫يعتمد‬ ‫النمط‬ ‫هذا‬.

Games
(‫)األلعاب‬
■‫أصن‬ ‫أربعة‬ ‫أنها‬ ‫على‬ ‫السابقين‬ ‫للمحورين‬ ً‫وفقا‬ ‫األلعاب‬ ‫نصنف‬ ‫أن‬ ‫يمكن‬ ‫وبالتالي‬‫اف‬:
Deterministic Stochastic
Perfect Information
(fully observable)
Chess, checkers, go
Backgammon,
monopoly
Imperfect Information
(partially observable)
Battleships Scrabble, poker, bridge

Games V.S Search Problems
■‫واأللعاب‬ ‫العادية‬ ‫البحث‬ ‫مشاكل‬ ‫بين‬ ‫الفرق‬:
–‫الخصم‬ ‫خطوات‬ ‫على‬ ‫مبنية‬ ‫بها‬ ‫نقوم‬ ‫التي‬ ‫الخطوة‬ ‫األلعاب‬ ‫في‬.
–‫الزمن‬ ‫عائق‬ ‫لدينا‬ ‫األلعاب‬ ‫في‬Time Limit‫اللعبة‬ ‫حل‬ ‫خوارزمية‬ ‫تكون‬ ‫أن‬ ‫يجب‬ ‫حيث‬
‫بسرعة‬ ‫القرار‬ ‫اتخاذ‬ ‫على‬ ‫قادرة‬.

Min Max Algorithm
3 2 2
3

Min Max Algorithm
4,3,2 7,4,1
4,3,2
1,5,2 7,7,1
1,5,2
4,3,2

Alpha Beta Cutoff
■‫البحث‬ ‫شجرة‬ ‫تقليم‬:
–‫مبدأ‬ ‫من‬" :‫مدى‬ ‫معرفة‬ ‫على‬ ‫وقتنا‬ ‫نضيع‬ ‫لن‬ ‫فأننا‬ ‫سيئة‬ ‫فكرة‬ ‫لدينا‬ ‫كانت‬ ‫إذا‬‫س‬‫وءها‬"
■‫أساسية‬ ‫فكرة‬:
–‫خوارزمية‬ ‫به‬ ‫تقوم‬ ‫الذي‬ ‫البحث‬ ‫شجرة‬ ‫في‬ ‫التجوال‬ ‫إن‬MinMax‫ترتيب‬ ‫وفق‬ ‫يتم‬
"‫أوال‬ ‫بالعمق‬ ‫البحث‬."

Alpha Beta Pruning

Alpha Beta Pruning
3
3
2 14

Alpha Beta Pruning
3
3
2 5

Alpha Beta Pruning
3
3
2 2

Alpha Beta Pruning
■ Pruning does not affect final result.
■ Amount of pruning depends on move ordering:
– Should start with the “best” moves (highest-value for MAX or
lowest-value for MIN)
– For chess, can try captures first, then threats, then forward
moves, then backward moves.
– Can also try to remember “killer moves” from other branches of
the tree
■ With perfect ordering, branching factor can be cut in two, or
depth of search effectively doubled.

Question 1
■ Which search is equal to minimax search but eliminates the branches that can’t
influence the final decision?
A. Depth-first search
B. Breadth-first search
C. Alpha-beta pruning
D. None of the mentioned

Question 1
■ Which search is equal to minimax search but eliminates the branches that can’t
influence the final decision?
A. Depth-first search
B. Breadth-first search
C. Alpha-beta pruning
D. None of the mentioned
■ Explanation:
– The alpha-beta search computes the same optimal moves as minimax, but
eliminates the branches that can’t influence the final decision.

Question 2
■ Which search is similar to minimax search?
A. Hill-climbing search
B. Depth-first search
C. Breadth-first search
D. All of the mentioned

Question 2
■ Which search is similar to minimax search?
A. Hill-climbing search
B. Depth-first search
C. Breadth-first search
D. All of the mentioned
■ Explanation:
– The minimax search is depth-first search, So at one time we just have to
consider the nodes along a single path in the tree.

Question 3
■‫العبين‬ ‫بثالثة‬ ‫التالية‬ ‫اللعبة‬ ‫لدينا‬ ‫ليكن‬:‫قرص‬ ‫األول‬ ‫البرج‬ ‫يحوي‬ ‫أبراج‬ ‫ثالثة‬ ‫يوجد‬‫قرص‬ ‫والثاني‬
‫قرصين‬ ‫والثالث‬.‫البرج‬ ‫نفس‬ ‫من‬ ‫إنما‬ ‫أكثر‬ ‫أو‬ ‫قرص‬ ‫يأخذ‬ ‫أن‬ ‫لالعب‬ ‫يمكن‬.‫يرب‬ ‫الذي‬ ‫الالعب‬‫هو‬ ‫ح‬
‫اللعبة‬ ‫يجع‬ ‫أي‬ ‫األبراج‬ ‫في‬ ‫قرص‬ ‫أي‬ ‫يبقى‬ ‫ال‬ ‫يلعب‬ ‫أن‬ ‫بعد‬ ‫الذي‬ ‫الالعب‬(0,0,0.)‫إذا‬ ‫تكون‬
‫هي‬ ‫االبتدائية‬ ‫الحالة‬(1,1,2)‫الثالث‬ ‫الحاالت‬ ‫أحد‬ ‫إلى‬ ‫اللعبة‬ ‫ينقل‬ ‫أن‬ ‫األول‬ ‫لالعب‬ ‫يمكن‬ ‫ومنها‬
‫التالية‬:
–(2,1,0)‫قرص‬ ‫يحوي‬ ‫برج‬ ‫من‬ ‫قرص‬ ‫يأخذ‬.
–(0,1,1)‫قرصين‬ ‫يحوي‬ ‫الذي‬ ‫البرج‬ ‫من‬ ‫قرصين‬ ‫يأخذ‬.
–(1,1,1)‫قرصين‬ ‫يحوي‬ ‫الذي‬ ‫البرج‬ ‫من‬ ‫قرص‬ ‫يأخذ‬.
‫النهاية‬ ‫في‬ ‫يربح‬ ‫كي‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يلعب‬ ‫أن‬ ‫يجب‬ ‫ماذا‬:
.A‫قرص‬ ‫يحوي‬ ‫برج‬ ‫من‬ ‫قرص‬ ‫يأخذ‬.
.B‫قرصين‬ ‫يحوي‬ ‫الذي‬ ‫البرج‬ ‫من‬ ‫قرص‬ ‫يأخذ‬.
.C‫قرصين‬ ‫يحوي‬ ‫الذي‬ ‫البرج‬ ‫من‬ ‫قرصين‬ ‫يأخذ‬.
.D‫سبق‬ ‫مما‬ ‫خيار‬ ‫وال‬.

Question 4
■‫الالعب‬ ‫أن‬ ‫وحيث‬ ‫التالية‬ ‫اللعب‬ ‫شجرة‬ ‫لتكن‬MAX‫يبدأ‬ ‫الذي‬ ‫هو‬.‫ألفا‬ ‫الخوارزمية‬ ‫تقوم‬-‫بيتا‬
‫التالية‬ ‫األوراق‬ ‫قيم‬ ‫بحساب‬:
.AP, Q, R, T, U, V, X, Y, Z, BB, CC, DD
.BP, Q, R, T, U, X, Y, Z, BB, CC
.CP, Q, R, T, U, V, X, Y, Z, BB

Question 5
■‫الق‬ ‫تحيقي‬ ‫نستطيع‬ ‫كي‬ ‫لألوراق‬ ‫قيم‬ ‫إيجاد‬ ‫والمطلوب‬ ‫التالية‬ ‫اللعب‬ ‫شجرة‬ ‫لتكن‬‫طعين‬
‫المبينين‬:
.A‫األوراق‬ ‫جميع‬ ‫في‬ ‫متساوية‬ ‫قيم‬ ‫نضع‬.
.B‫لعقد‬ ‫تنازلي‬ ‫بترتيب‬ ‫قيم‬ ‫نضع‬Max‫لعقد‬ ‫تصاعدي‬ ‫وبترتيب‬Min.
.C‫لعقد‬ ‫تنازلي‬ ‫بترتيب‬ ‫قيم‬ ‫نضع‬Min‫لعقد‬ ‫تصاعدي‬ ‫وبترتيب‬Max.
.D‫السابقة‬ ‫الخيارات‬ ‫من‬ ‫خيار‬ ‫وال‬.

Question 6
■‫الصحيحة‬ ‫العبارة‬ ‫حدد‬:
.A‫عقد‬ ‫قي‬ ‫تختلف‬ ‫ال‬Min‫و‬Max‫خوارزميتي‬ ‫في‬Min-Max‫و‬Alpha-Beta
.B‫خوارزمية‬ ‫فعالية‬ ‫على‬ ‫األوراق‬ ‫ترتيب‬ ‫يؤثر‬ ‫ال‬Alpha-Beta
.C‫الخوارزمية‬ ‫فعالية‬ ‫تتأثر‬ ‫ال‬Alpha-Beta‫الخصم‬ ‫بمستوى‬
.D‫سبق‬ ‫مما‬ ‫خيار‬ ‫وال‬

Question 7
■‫التالية‬ ‫اللعبة‬ ‫لدينا‬ ‫ليكن‬:‫من‬ ‫كومة‬ ‫يوجد‬n‫قطعة‬.‫على‬ ‫بأخذ‬ ‫دوره‬ ‫يأتي‬ ‫حين‬ ‫الالعب‬ ‫يقوم‬
‫األكثر‬ ‫وعلى‬ ‫واحدة‬ ‫قطعة‬ ‫األقل‬m‫الكومة‬ ‫من‬ ‫قطعة‬.‫قطعة‬ ‫أخر‬ ‫يأخذ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬
‫الكومة‬ ‫من‬.‫يلي‬ ‫فيما‬ ‫الصحيحة‬ ‫الجملة‬ ‫حدد‬:
.A‫دائما‬ ‫باللعب‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬
.B‫دائما‬ ‫باللعب‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يخسر‬
.C‫كانت‬ ‫إذا‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬n‫مضاعفات‬ ‫من‬m
.D‫كانت‬ ‫إذا‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬n‫مضاعفات‬ ‫من‬ ‫ليست‬m+1

Question 7
■‫التالية‬ ‫اللعبة‬ ‫لدينا‬ ‫ليكن‬:‫من‬ ‫كومة‬ ‫يوجد‬n‫قطعة‬.‫على‬ ‫بأخذ‬ ‫دوره‬ ‫يأتي‬ ‫حين‬ ‫الالعب‬ ‫يقوم‬
‫األكثر‬ ‫وعلى‬ ‫واحدة‬ ‫قطعة‬ ‫األقل‬m‫الكومة‬ ‫من‬ ‫قطعة‬.‫قطعة‬ ‫أخر‬ ‫يأخذ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬
‫الكومة‬ ‫من‬.‫يلي‬ ‫فيما‬ ‫الصحيحة‬ ‫الجملة‬ ‫حدد‬:
.A‫دائما‬ ‫باللعب‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬
.B‫دائما‬ ‫باللعب‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يخسر‬
.C‫كانت‬ ‫إذا‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬n‫مضاعفات‬ ‫من‬m
.D‫كانت‬ ‫إذا‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬n‫مضاعفات‬ ‫من‬ ‫ليست‬m+1
■‫توضيح‬:
–‫مثال‬ ‫كانت‬ ‫إذا‬n=20‫و‬m=3‫أو‬ ‫اثنتين‬ ‫أو‬ ‫قطعة‬ ‫يأخذ‬ ‫أن‬ ‫يمكن‬ ‫يبدأ‬ ‫الذي‬ ‫الالعب‬ ‫فإن‬
‫ثالثة‬.‫قطعة‬ ‫الكومة‬ ‫في‬ ‫يكون‬ ‫دوره‬ ‫يأتي‬ ‫حين‬ ‫الذي‬ ‫الالعب‬ ‫يربح‬(‫فيأخذها‬)‫أو‬
‫قطعتين‬(‫فيأخذهما‬)‫قطع‬ ‫ثالثة‬ ‫أو‬(‫فيأخذهم‬.)

AND OR GRAPH

And Or Graph
■ Problem Reduction:
– So far we have considered search strategies for OR graphs through which we
want to find a single path to a goal.
– Such structure represent the fact that we know how to get from a node to a
goal state if we can discover how to get from that node to a goal state along any
one of the branches leaving it.

And Or Graph
■ AND-OR (Graph or Tree)
– It is useful for representing the solution of problems that can solved by
decomposing them into a set of smaller problems, all of which must then be
solved.
– This decomposition, or reduction, generates arcs that we call AND arcs.
– One AND arc may point to any number of successor nodes, all of which must be
solved in order for the arc to point to a solution.
– Just as in an OR graph, several arcs may emerge from a single node, indicating
a variety of ways in which the original problem might be solved.
– This is why the structure is called not simply an AND-graph but rather an AND-
OR graph (which also happens to be an AND-OR tree).

And Or Graph
Example

And Or Graph
■‫تمثل‬ ‫العقد‬Sub Problems
■And‫مجموعة‬ ‫لدينا‬ ‫أنه‬ ‫تعني‬‫المسائل‬ ‫من‬‫تجميع‬ ‫ثم‬ ‫ومن‬ ‫جميعها‬ ‫حلها‬ ‫يجب‬ ‫الجزئية‬‫هذه‬
‫الحلول‬.
■OR‫إحداها‬ ‫نختار‬ ‫أن‬ ‫يجب‬ ‫التي‬ ‫الخيارات‬ ‫من‬ ‫مجموعة‬ ‫لدينا‬ ‫أنه‬ ‫تعني‬.
■Start Node‫ال‬ ‫هي‬Initial Problem
■Terminal Nodes (Leafs)‫محلولة‬ ‫تكون‬ ‫قد‬ ‫بسيطة‬ ‫مسائل‬ ‫هي‬.
■Solution‫هو‬Sub Graph‫من‬AND/OR Graph‫ب‬ ‫يبدأ‬Start Node‫ال‬ ‫وكل‬Terminal
Nodes‫محلولة‬ ‫جزئية‬ ‫مسائل‬ ‫هي‬ ‫فيه‬,‫على‬ ‫يحتوي‬ ‫كان‬ ‫اذا‬And‫كافة‬ ‫تكون‬ ‫أن‬ ‫يجب‬
‫الجزئية‬ ‫المسائل‬(‫الخيارات‬)‫على‬ ‫يحتوي‬ ‫كان‬ ‫واذا‬ ،ً‫معا‬ ‫حلولها‬ ‫نجمع‬ ‫أن‬ ‫ويجب‬ ‫محلولة‬OR
‫محلول‬ ‫قل‬ٌ‫األ‬ ‫على‬ ‫واحد‬ ‫خيار‬ ‫لدينا‬ ‫يكون‬ ‫أن‬ ‫يجب‬.

AO* Algorithm
■‫خوارزمية‬ ‫بين‬ ‫الرئيسي‬ ‫الفرق‬A*‫و‬AO*
–‫ال‬ ‫أن‬ ‫هو‬A*‫خوارزمية‬ ‫هي‬‫لل‬OR Graph‫فقط‬.
–‫ال‬ ‫أما‬AO*‫خوارزمية‬ ‫هي‬‫لل‬AND-OR Graph‫فقط‬.
A
B C D
38
E F G H I J
17 9 27
(5) (10) (3) (4) (15) (10)
A
B
C
D(3)
(4)
(5)
(9)

AO* Algorithm
Example 1

AO* Algorithm
Example 1
A(8)

AO* Algorithm
Example 1
C
DB
A
(8)(1)
(2)
[12]
4 5
5
[13]

AO* Algorithm
Example 1
C
DB
A
(8)(4)
(2)
[15]
4 5
5
[13]
2

AO* Algorithm
Example 1
C
DB
A
(3)(4)
F
E
(2)
(1)
(0)
[15]
4 5
5
2
2
4
[8]

AO* Algorithm
Example 1
C
DB
A
(4)(4)
F
E
(2)
(3)
(0)
[15]
4 5
5
2
2
2
4
[9]
3

AO* Algorithm
Example 1
C
DB
A
(4)
F
E
(2)
(3)
(0)
[15]
4 5
5
2
2
2
4
Solved
3
Solved
Solved

AO* Algorithm
Example 2
■‫التالية‬ ‫القواعد‬ ‫مجموعة‬ ‫لدينا‬ ‫لتكن‬:
– 𝐴 → 𝑂𝑃0 𝑄 & 𝑅
– 𝐴 → 𝑂𝑃1 𝐵& 𝐶
– 𝐴 → 𝑂𝑃2 𝐷
– 𝐴 → 𝑂𝑃3 𝐸&𝐹
– 𝐶 → 𝑂𝑃4 𝑃&𝐾
– 𝐷 → 𝑂𝑃5 𝐺&𝐻
– 𝐷 → 𝑂𝑃6 𝐼& 𝐽
– 𝐸 → 𝑂𝑃7 𝐾
– 𝐸 → 𝑂𝑃8 𝐿&𝑀
– 𝐾 → 𝑂𝑃9 𝑁&𝑂&𝐺
– 𝑅 → 𝑂𝑃10 𝑆&𝑇
– 𝑅 → 𝑂𝑃11 𝑈&𝑉

AO* Algorithm
Example 2
■‫المعامالت‬ ‫كلفة‬ ‫ستكون‬ ‫حيث‬:
■‫الكلف‬ ‫تقديرات‬ ‫وستكون‬:
■‫المحلولة‬ ‫النهائية‬ ‫المسائل‬:
–B,F,G,N,O,P,Q,S

AO* Algorithm
Example 2
■‫ال‬ ‫شجرة‬ ‫تحوي‬AND/OR‫المسألة‬ ‫لحل‬A :
■‫للمسألة‬ ‫حل‬ ‫تعطينا‬ ‫التي‬ ‫الخيارات‬ ‫إحدى‬ ‫من‬ ‫نكمل‬ ‫أن‬ ‫يجب‬A‫ال‬ ‫نختار‬ ‫لذلك‬Min‫بين‬
‫وهو‬ ‫الخيارات‬ ‫تلك‬ ‫كلف‬20‫من‬ ‫فنكمل‬R

AO* Algorithm
Example 2

AO* Algorithm
Example 2
■‫في‬ ‫االكمال‬ ‫عند‬R‫ال‬ ‫الكلفة‬ ‫فنرفع‬ ‫المسألة‬ ‫هذه‬ ‫لحل‬ ‫خيارين‬ ‫يوجد‬ ‫أنه‬ ‫نجد‬Min‫من‬
‫وهي‬ ‫األب‬ ‫العقدة‬ ‫معلومات‬ ‫على‬ ‫لنعدل‬ ‫الخيارين‬ ‫هذين‬ ‫كلفة‬A‫الذي‬ ‫الخيار‬ ‫كلفة‬ ‫فتصبح‬
‫هي‬ ً‫مسبقا‬ ‫اخترناه‬60+10=70‫خيارات‬ ‫من‬ ‫أخر‬ ‫خيار‬ ‫اختيار‬ ‫نعيد‬ ‫أن‬ ‫علينا‬ ‫يجب‬ ‫وبالتالي‬
‫حل‬A‫ال‬ ‫هي‬ ‫كلفته‬ ‫تكون‬ ‫بحيث‬Min‫هي‬ ‫والتي‬47‫المسألة‬ ‫مع‬ ‫فنكمل‬D

AO* Algorithm
Example 2
■‫العقدة‬ ‫عند‬ ‫الحال‬ ‫كانت‬ ‫كما‬R‫العقدة‬ ‫عند‬ ‫ستكون‬D‫في‬ ‫تغير‬ ‫إلى‬ ‫أدى‬ ‫التعديل‬ ‫أن‬ ‫ونالحظ‬
‫ال‬ ‫قيمة‬Min‫ستكون‬ ‫والتي‬48‫لذلك‬ ‫خيار‬ ‫أخر‬ ‫اختيار‬ ‫من‬ ‫المتوقعة‬ ‫التكلفة‬ ‫عن‬ ‫تعبر‬ ‫وهي‬
‫مع‬ ‫سنكمل‬E

AO* Algorithm
Example 2
■‫ع‬ ‫المتوقعة‬ ‫التكلفة‬ ‫قيمة‬ ‫تغير‬ ‫إلى‬ ‫تؤدي‬ ‫لم‬ ‫األبناء‬ ‫حول‬ ‫المعلومات‬ ‫زيادة‬ ‫أن‬ ‫نالحظ‬‫األب‬ ‫ند‬
‫للعقدة‬ ‫وننتقل‬ ‫األخير‬ ‫الخيار‬ ‫معالجة‬ ‫في‬ ‫نكمل‬ ‫لذلك‬K

AO* Algorithm
Example 2
■‫المسألة‬ ‫حل‬ ‫تكلفة‬ ‫أن‬ ‫نالحظ‬K‫هي‬55‫توقعنا‬ ‫كما‬ ‫وليست‬30‫المعلومات‬ ‫نعدل‬ ‫لذلك‬
‫السابقة‬ ‫بالشجرة‬ ‫موضح‬ ‫هو‬ ‫كما‬ ‫الجذر‬ ‫باتجاه‬.‫نستط‬ ‫التعديل‬ ‫عملية‬ ‫استكمال‬ ‫عند‬‫أن‬ ‫يع‬
‫ال‬ ‫التكلفة‬ ‫قيمة‬ ‫أن‬ ‫نالحظ‬Min‫للعقدة‬ ‫المتاحة‬ ‫للخيارات‬A‫هي‬55‫من‬ ‫سنكمل‬ ‫لذلك‬
‫العقدة‬C

AO* Algorithm
Example 2
■‫العقدة‬ ‫عند‬ ‫الحال‬ ‫كانت‬ ‫كما‬E‫العقدة‬ ‫عند‬ ‫الحال‬ ‫هي‬C‫في‬ ‫التعديل‬ ‫أن‬ ‫الفرق‬ ‫مالحظة‬ ‫مع‬
‫التقديري‬ ‫الكلفة‬ ‫تغيير‬ ‫إلى‬ ‫يؤدي‬ ‫لم‬ ‫الجذر‬ ‫إلى‬ ً‫وصوال‬ ‫أب‬ ‫عقدة‬ ‫كل‬ ‫عند‬ ‫المعلومات‬‫لهذا‬ ‫ة‬
‫نستط‬ ‫الخيار‬ ‫هذا‬ ‫من‬ ‫وبالتالي‬ ‫األقل‬ ‫هي‬ ‫بقيت‬ ‫تكلفته‬ ‫أن‬ ‫ونالحظ‬ ‫الجذر‬ ‫عند‬ ‫الخيار‬‫أن‬ ‫يع‬
‫الحل‬ ‫أن‬ ‫نقول‬‫األمثلي‬‫التالي‬ ‫بالشكل‬ ‫تمثيله‬ ‫يمكن‬:

AO* Algorithm
Example 2
■‫هي‬ ‫الحل‬ ‫لهذا‬ ‫المقابلة‬ ‫التكلفة‬ ‫وستكون‬55

PROPOSITIONAL
CALCULUS
‫الفرضيات‬ ‫حساب‬

Syntax
(‫اللغة‬ ‫)مكونات‬
■‫الذرات‬( :Atoms)
–‫السالسل‬ ‫من‬ ‫مجموعة‬‫المحرفية‬‫كبير‬ ‫بحرف‬ ‫تبدأ‬ ‫التي‬.
–‫مثل‬:P, Q, R, P1, ON_A_B
■‫الروابط‬( :Connectors)
–∨‫تدعى‬ ‫والتي‬or
–∧‫تدعى‬ ‫والتي‬and
–⏋‫تدعى‬ ‫والتي‬not
–⇒‫تدعى‬ ‫والتي‬implies‫اقتضاء‬ ‫او‬
■‫التركيب‬ ‫جيدة‬ ‫الصيغ‬( :Well Formed Formulas WFF)
–W1 ∨ W2
–W1 ∧ W2
–W1 ⇒ W2
–⏋W1

Semantic
(‫)الداللة‬

Equivalence
(‫)التكافؤ‬
■‫من‬ ‫نفسها‬ ‫الحقيقة‬ ‫قيم‬ ‫لهما‬ ‫كانت‬ ‫وفقط‬ ‫اذا‬ ‫متكافئتان‬ ‫انهما‬ ‫صيغتين‬ ‫عن‬ ‫نقول‬‫كل‬ ‫اجل‬
‫التفاسير‬.
■‫قوانين‬‫دومرغان‬:
■‫اإليجاب‬ ‫عكس‬ ‫قانون‬:

Rules

Validity and Satisfiability
■ A sentence is valid / tautology (‫)صالحة‬ if it is true in all models
– Ex: True, A A, A  A, (A  (A  B))  B
■ A sentence is satisfiable (‫للتحقيق‬ ‫)قابلة‬ if it is true in some model
– Ex: A  B, C
■ A sentence is unsatisfiable (‫للتحقيق‬ ‫قابلة‬ ‫)غير‬ if it is true in no models
– Ex: A  A
■ Validity is connected to inference via the Deduction Theorem:
– KB ╞ α if and only if (KB  α) is valid
■ Satisfiability is connected to inference via the following:
– KB ╞ α if and only if (KB α) is unsatisfiable

Conjunctive Normal Form (CNF)
(‫النظامي‬ ‫)الشكل‬
■‫مجموعات‬ ‫عدة‬ ‫من‬ ‫مؤلفة‬ ‫تكون‬ ‫عندما‬ ‫النظامي‬ ‫بالشكل‬ ‫الصيغة‬ ‫أن‬ ‫نقول‬,‫ذر‬ ‫بين‬ ‫يوجد‬‫ات‬
‫الواحدة‬ ‫المجموعة‬‫متتاليتين‬ ‫مجموعتين‬ ‫كل‬ ‫وبين‬
■ً‫مثال‬( :q3q2q1)(p3q3)(p1p1q1q2)

■‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫التحويل‬ ‫خطوات‬:
.1‫التكافؤ‬ ‫من‬ ‫التخلص‬(⟺)‫اقتضاءين‬ ‫إلى‬ ‫بتحويله‬(⇒)‫بينهما‬()
.2‫العالقة‬ ‫طريق‬ ‫عن‬ ‫االقتضاء‬ ‫من‬ ‫التخلص‬:p ⇒ q ≡  p  q
.3‫أقواس‬ ‫على‬ ‫وليس‬ ‫فقط‬ ‫ذرات‬ ‫على‬ ‫بجعله‬ ‫وذلك‬ ‫النفي‬ ‫مجال‬ ‫تقليص‬
.4‫المتتاليين‬ ‫النفيين‬ ‫من‬ ‫التخلص‬
.5‫النظامي‬ ‫الشكل‬ ‫على‬ ‫للحصول‬ ‫التجميع‬ ‫قوانين‬ ‫تطبيق‬
.6‫بينها‬ ‫ألن‬ ‫واحدة‬ ‫مجموعة‬ ‫في‬ ‫المتشابهة‬ ‫الذرات‬ ‫اختزال‬
.7‫على‬ ‫الحاوي‬ ‫الحد‬ ‫حذف‬ً‫دوما‬ ‫محقق‬ ‫يكون‬ ‫ألنه‬ ‫ونفيها‬ ‫ذرة‬ ‫بين‬

■‫الضرورية‬ ‫المفاهيم‬ ‫بعض‬:
–‫صيغة‬ ‫لكل‬ ‫أن‬ ‫هنا‬ ‫لنالحظ‬WFF‫الصحة‬ ‫جهة‬ ‫من‬ ‫حاالت‬ ‫ثالث‬:
■ً‫دوما‬ ‫صحيحة‬ ‫تكون‬ ‫قد‬valid‫مثل‬pp
■ً‫دوما‬ ‫خاطئة‬ ‫تكون‬ ‫أو‬unsatisfiable‫مثل‬pp
■‫شرطية‬ ‫تكون‬ ‫أو‬conditional‫مثل‬p
–ً‫تفسيرا‬ ‫ندعو‬interpretation‫كل‬model(‫لدينا‬ ‫التي‬ ‫المتحوالت‬ ‫قيم‬ ‫من‬ ‫تركيبة‬)
‫المعرفة‬ ‫قاعدة‬ ‫في‬ ‫الموجودة‬ ‫الحقائق‬ ‫جميع‬ ‫تكون‬ ‫بحيث‬knowledge base‫صحيحة‬
ً‫معا‬

Example 1
■‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫التالية‬ ‫العالقة‬ ‫حول‬:(p ⇒ q)  (r ⇒ q)
■‫الحل‬:
–‫االقتضاءين‬ ‫من‬ ‫نتخلص‬ ً‫أوال‬: ( p  q )  ( r  q)
–‫النفي‬ ‫بإدخال‬ ‫نقوم‬ ‫ثم‬:(p   q )   r  q
–‫التوزيعية‬ ‫الخاصة‬ ‫نستخدم‬:(p   r  p)  (q   r  q)
–‫والمتناقضة‬ ‫المتشابهة‬ ‫الذرات‬ ‫نختزل‬:p   r

Example 2
■‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫التالية‬ ‫العالقة‬ ‫حول‬:B ⟺ (C  D)
■‫الحل‬:
– (B ⇒ (C  D))  ((C  D) ⇒ B)
– ( B  (C  D))  ( (C  D)  B)
– ( B  C  D)  (( C   D)  B)
– ( B  C  D)  (( C  B)  ( D  B))
– ( B  C  D)  ( C  B)  ( D  B)
■‫ولتطبيق‬ ،‫النظامي‬ ‫للشكل‬ ‫وصلنا‬ ‫وبالتالي‬Resolution‫عالقة‬ ‫نزيل‬and‫الشكل‬ ‫من‬
‫للمسألة‬ ‫مقدمة‬ ‫عن‬ ‫عبارة‬ ‫جزء‬ ‫كل‬ ‫ويصبح‬ ‫النهائي‬.

Resolution Refutations
(‫بالنقض‬ ‫)الحل‬
■‫بالنقض‬ ‫الحل‬:
–‫لدي‬ ‫التي‬ ‫المعلومات‬ ‫قاعدة‬ ‫إلى‬ ‫نضيفها‬ ‫ثم‬ ‫برهانها‬ ‫المطلوب‬ ‫القضية‬ ‫نفي‬ ‫نأخذ‬‫نا‬.
–‫المعلومات‬ ‫قاعدة‬ ‫في‬ ‫القضايا‬ ‫نحول‬(‫برهانها‬ ‫المطلوب‬ ‫القضية‬ ‫نفي‬ ‫فيها‬ ‫بما‬)‫إ‬‫لى‬
‫النظامي‬ ‫الشكل‬.
–‫نضي‬ ‫حيث‬ ‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫المحولة‬ ‫المعلومات‬ ‫قاعدة‬ ‫على‬ ‫الحل‬ ‫قاعدة‬ ‫نطبق‬‫ف‬
‫الكرة‬ ‫ونعاود‬ ‫مرة‬ ‫كل‬ ‫في‬ ‫المعطيات‬ ‫قاعدة‬ ‫إلى‬ ‫الحل‬ ‫ناتج‬:
■‫للحل‬ ‫قابلة‬ ‫عبارات‬ ‫لدينا‬ ‫يبقى‬ ‫ال‬ ‫حتى‬(‫خاطئة‬ ‫المبرهنة‬ ‫أن‬ ‫نقول‬ ‫عندها‬)
■‫الخالية‬ ‫المجموعة‬ ‫إلى‬ ‫نصل‬ ‫أو‬nil(‫صحيحة‬ ‫المبرهنة‬ ‫أن‬ ‫نقول‬ ‫عندها‬)

Resolution Refutations Example
■‫مثال‬:‫األشياء‬ ‫بحمل‬ ‫يقوم‬ ‫آلي‬ ‫إنسان‬ ‫ذراع‬
–‫ال‬ ‫أم‬ ‫فارغة‬ ‫كانت‬ ‫إذا‬ ‫البطارية‬ ‫حالة‬ ‫تحسس‬ ‫يمكنه‬(B)
–‫ال‬ ‫أو‬ ‫تتحرك‬ ‫كانت‬ ‫إذا‬ ‫الذراع‬ ‫تحسس‬ ‫يمكنه‬(M)
–‫القضية‬ ‫لدينا‬(L)‫ال‬ ‫أم‬ ‫للحمل‬ ‫قابل‬ ‫الجسم‬ ‫أن‬ ‫على‬ ‫تدل‬ ‫التي‬
■‫ذلك‬ ‫تحسس‬ ‫يمكننه‬ ‫ال‬ ‫اآللي‬ ‫اإلنسان‬ ‫لكن‬(‫بالطبع‬ ‫حملها‬ ‫قبل‬ ‫األجسام‬ ‫بوزن‬ ‫يقوم‬ ‫لن‬ ‫ألنه‬)!!
■‫التالية‬ ‫العبارات‬ ‫لدينا‬ ‫كان‬ ‫فإذا‬:
–B‫مليئة‬ ‫البطارية‬
– M‫يتحرك‬ ‫ال‬ ‫الذراع‬
–B  L ⇒ M‫الذراع‬ ‫تتحرك‬ ‫أن‬ ‫يجب‬ ‫للحمل‬ ‫قابل‬ ‫والجسم‬ ‫مليئة‬ ‫البطارية‬ ‫كان‬ ‫إذا‬
■‫برهان‬ ‫المطلوب‬ L‫حمله‬ ‫يمكن‬ ‫ال‬ ‫الجسم‬ ‫أن‬ ‫أي‬
–‫على‬ ‫لنحصل‬ ‫المبرهنة‬ ‫بنفي‬ ً‫أوال‬ ‫فنقوم‬ ‫بالنقض‬ ‫الحل‬ ‫طريقة‬ ‫باستخدام‬ ‫لنحل‬L
–‫على‬ ‫فنحصل‬ ‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫الثالثة‬ ‫العبارة‬ ‫نحول‬ ‫ثم‬: B   L  M
–‫شجرة‬ ‫شكل‬ ‫على‬ ‫نرسمها‬ ‫أن‬ ‫يفضل‬ ‫والتي‬ ‫الحل‬ ‫طريقة‬ ‫نطبق‬ ‫ثم‬:

Resolution Refutations Example

‫الفرضية‬ ‫صحة‬ ‫برهان‬
■‫للبرهان‬ ‫طريقتان‬ ‫ويوجد‬ ‫الفرضية‬ ‫صحة‬ ‫برهان‬ ‫هو‬ ‫المسألة‬ ‫في‬ ‫المطلوب‬:
–‫االستتباع‬Entailment‫لها‬ ‫ونرمز‬⊨
■‫األ‬ ‫الطرف‬ ‫في‬ ‫برهانها‬ ‫المراد‬ ‫والنتيجة‬ ‫األيسر‬ ‫الطرق‬ ‫في‬ ‫المسألة‬ ‫مقدمات‬ ‫وضع‬ ‫يتم‬ ‫حيث‬‫يمن‬.
■‫الحقيقة‬ ‫جدول‬ ‫نستخدم‬ ‫االستتباع‬ ‫لبرهان‬(Truth Table)
–‫االستنتاج‬ ‫او‬ ‫االستدالل‬Inference‫لها‬ ‫ونرمز‬⊢
■‫االعتم‬ ‫المستحيل‬ ‫من‬ ‫عندها‬ ‫والمتحوالت‬ ‫الفرضيات‬ ‫من‬ ‫كبيرا‬ ‫عددا‬ ‫تحوي‬ ‫المسألة‬ ‫كانت‬ ‫لو‬‫اد‬
‫الخوارزميتي‬ ‫ضمنها‬ ‫تندرج‬ ‫والتي‬ ‫االستدالل‬ ‫نستخدم‬ ‫لذا‬ ‫البرهان‬ ‫في‬ ‫الحقيقة‬ ‫جدول‬ ‫على‬‫ن‬
‫التاليتين‬:
–Forward:‫وصوال‬ ‫عليها‬ ‫القواعد‬ ‫وتطبيق‬ ‫المسالة‬ ‫مقدمات‬ ‫من‬ ‫االنطالق‬ ‫على‬ ‫تعتمد‬
‫اليها‬ ‫للوصول‬ ‫نهدف‬ ‫التي‬ ‫النتيجة‬ ‫لبرهان‬.
–Backward:‫مقدمات‬ ‫باستخدام‬ ‫التراجع‬ ‫ثم‬ ‫الهدف‬ ‫نفي‬ ‫من‬ ‫االنطالق‬ ‫على‬ ‫تعتمد‬
‫على‬ ‫سنحصل‬ ‫اننا‬ ‫أي‬ ‫تناقض‬ ‫على‬ ‫للحصول‬ ‫وصوال‬ ‫عليها‬ ‫القواعد‬ ‫وتطبيق‬ ‫المسالة‬
‫صحيح‬ ‫نفيها‬ ‫الوقت‬ ‫بنفس‬ ‫ويكون‬ ‫صحيحة‬ ‫فرضية‬.

‫االستنتاج‬ ‫و‬ ‫االستتباع‬
■‫االستنتاج‬ ‫ثم‬ ‫االستتباع‬ ‫باستخدام‬ ‫ونحله‬ ‫التالي‬ ‫المثال‬ ‫لنأخذ‬:
–‫أن‬ ‫برهن‬(A  (A ⇒ B)) ⇒ B‫هي‬valid(ً‫دوما‬ ‫صحيحة‬)

■‫االستتباع‬:‫الحقيقة‬ ‫جدول‬ ‫نستخدم‬:
■‫الحاالت‬ ‫جميع‬ ‫أجل‬ ‫من‬ ‫صحيحة‬ ‫برهانها‬ ‫المطلوب‬ ‫القضية‬ ‫أن‬ ‫الحقيقة‬ ‫جدول‬ ‫من‬ ‫نالحظ‬
(A  (A ⇒ B)) ⇒ BA  (A ⇒ B)A ⇒ BBA
10100
10110
10001
11111

■‫االستنتاج‬:‫النظامي‬ ‫الشكل‬ ‫إلى‬ ‫العبارة‬ ‫لنحول‬:
– (A  (A ⇒ B)) ⇒ B ➔
–  (A  ( A  B))  B ➔
– A  ( A  B)  B ➔
– A  (A   B)  B ➔
– ((A  A)  (A   B))  B ➔
– (A   B)  B ➔
– A  true ➔
– true

Question 1
■‫التالية‬ ‫القواعد‬ ‫مجموعة‬ ‫لدينا‬ ‫لتكن‬:
– P ⇒ (R  S)
–  P ⇒ (R  S)
– S
– (R  U) ⇒ Q
■‫برهان‬ ‫سبق‬ ‫مما‬ ‫يمكن‬:
A. Q
B.  Q
C. S
D. ‫صحيح‬ ‫خيار‬ ‫يوجد‬ ‫ال‬

Question 2
■‫للتحقيق‬ ‫القابلة‬ ‫غير‬ ‫الصيغة‬ ‫حدد‬Unsatisfiable‫يلي‬ ‫فيما‬:
A. ((P  Q) ⇒ (P ⇒ Q))
B. ((P ⇒ Q)  (P  Q))
C.  ( ( P  Q ) ⇒ ( R ⇒ ( R ⇒ Q ) ) )
D. ‫صحيح‬ ‫خيار‬ ‫يوجد‬ ‫ال‬

Question 3
■‫يلي‬ ‫كما‬ ‫كتابتها‬ ‫يمكن‬ ‫والتي‬ ،‫التالية‬ ‫الحقائق‬ ‫مجموعة‬ ‫لدينا‬ ‫لتكن‬:
■ Choose one of three roads: short, medium or long short  medium  long
■ The short road is always crowded short ⇒ crowded
■ The medium road is not comfortable, but fast medium ⇒ ( comfortable  fast)
■ The long road is comfortable long ⇒ comfortable
■ The chosen road should be comfortable comfortable
■‫الطويل‬ ‫الطريق‬ ‫هو‬ ‫المختار‬ ‫الطريق‬ ‫أن‬ ‫برهان‬ ‫السابقة‬ ‫الخمسة‬ ‫الحقائق‬ ‫باستخدام‬ ‫يمكن‬long
A. False
B. True
C. ‫الطريق‬ ‫طول‬ ‫حسب‬
D. ‫السيارة‬ ‫سرعة‬ ‫حسب‬

Question 4
■‫التالية‬ ‫للصيغة‬ ‫النظامي‬ ‫الشكل‬:
■  { [ Smoke ⇒ Fire ] ⇒ [ ( Smoke  Heat ) ⇒ Fire ] }
A. True
B. False
C. Smoke  Fire
D. ‫ذلك‬ ‫غير‬

Question 5
■ (  q  ( p ⇒ q ) ) ⟺  p
A. True
B. False
C. p
D. ‫ذلك‬ ‫غير‬

Question 6
■ [ (  P   Q )  ( P   Q )  R ] ⇒ [  Q  R ]
A. True
B. False
C. R
D. P  R

Question 1
■‫العمياء‬ ‫البحث‬ ‫خوارزميات‬ ‫من‬ ‫ليست‬ ‫يلي‬ ‫مما‬ ‫واحدة‬(Uninformed:)
.ABFS
.Bcost search
.CDFS
.DA*

Question 2
■‫المعرفة‬ ‫قاعدة‬ ‫تحتوي‬:
.A‫فقط‬ ‫حقائق‬
.B‫فقط‬ ‫قواعد‬
.C‫وقواعد‬ ‫حقائق‬
.D‫صحيحة‬ ‫إجابة‬ ‫وال‬

Question 3
■‫ال‬ ‫حالة‬ ‫في‬ ‫االستدالل‬ ‫تطبيق‬ ‫يمكن‬ ‫ال‬Uncertainly:
.A‫صح‬
.B‫خطأ‬
.C‫الحاالت‬ ‫بعض‬ ‫في‬
.D‫حالة‬ ‫في‬Fuzzy Logic

Question 4
■‫اآللي‬ ‫بالتعليم‬ ‫يتعلق‬ ‫فيما‬:
.A‫المراقب‬ ‫وغير‬ ‫المراقب‬ ‫هما‬ ‫فقط‬ ‫التعليم‬ ‫من‬ ‫نوعين‬ ‫هناك‬.
.B‫راجعة‬ ‫تغذية‬ ‫وجود‬ ‫يتضمن‬ ‫المراقب‬ ‫التعليم‬.
.C‫األلعاب‬ ‫في‬ ‫يستخدم‬ ‫المراقب‬ ‫غير‬ ‫التعليم‬.
.Da&b

Question 5
■‫ال‬Classification‫هو‬:
.A‫القيمة‬ ‫متقطع‬ ‫تعليم‬ ‫تابع‬.
.B‫القيمة‬ ‫مستمر‬ ‫تعليم‬ ‫تابع‬.
.C‫بالتعليم‬ ‫له‬ ‫عالقة‬ ‫ال‬.
.D‫نفسه‬ ‫هو‬Regression

Question 6
■‫ال‬Regression‫هو‬:
.A‫القيمة‬ ‫متقطع‬ ‫تعليم‬ ‫تابع‬.
.B‫القيمة‬ ‫مستمر‬ ‫تعليم‬ ‫تابع‬.
.C‫بالتعليم‬ ‫له‬ ‫عالقة‬ ‫ال‬.
.D‫نفسه‬ ‫هو‬Classification

Question 7
■‫يعتبر‬ ‫التالي‬ ‫من‬ ‫أي‬Model‫للقضية‬ ‫بالنسبة‬:P∨Q ⇒ ¬P∧Q¬
.AP=false,Q=false
.BP=false,Q=true
.CP=true,Q=false
.DP=true,Q=true

Question 8
■‫التالية‬ ‫البحث‬ ‫شجرة‬ ‫لدينا‬ ‫بفرض‬:‫تط‬ ‫عند‬ ‫زيارتها‬ ‫يتم‬ ‫لن‬ ‫التالية‬ ‫العقد‬ ‫من‬ ‫واحدة‬‫قطع‬ ‫بيق‬
‫ألفا‬-‫بيتا‬:
.AD
.BF
.CC
.DD&F

Question 9
■‫مسألة‬ ‫تعتبر‬BFS:
.Aً‫دوما‬ ‫الحل‬ ‫وأمثليه‬ ‫منتهية‬.
.B‫موجبة‬ ‫األدنى‬ ‫للعقد‬ ‫االنتقال‬ ‫تكلفة‬ ‫كانت‬ ‫إذا‬ ‫وأمثليه‬ ً‫دوما‬ ‫منتهية‬.
.Cً‫دوما‬ ‫منتهية‬.
.D‫صحيحة‬ ‫إجابة‬ ‫وال‬.

Question 10
■‫مسألة‬ ‫تعتبر‬DFS:
.Aً‫دوما‬ ‫الحل‬ ‫وأمثليه‬ ‫منتهية‬.
.B‫أمثليه‬ ‫وغير‬ ً‫دوما‬ ‫منتهية‬ ‫غير‬.
.Cً‫دوما‬ ‫منتهية‬ ‫غير‬.
.D‫صحيحة‬ ‫إجابة‬ ‫وال‬.

Question 11
■‫إل‬ ‫األورانج‬ ‫العقدة‬ ‫من‬ ‫للوصول‬ ‫التالي‬ ‫البيان‬ ‫على‬ ‫مسار‬ ‫أقصر‬ ‫خوارزمية‬ ‫تطبيق‬ ‫عند‬‫ى‬
‫التكلفة‬ ‫تكون‬ ،‫األزرق‬:
.A10.5
.B1.5
.C7
.D‫ذلك‬ ‫غير‬

Question 13
■‫بالنظام‬ ‫ملونة‬ ‫صورة‬RGB،‫قياسها‬200*200‫شبكة‬ ‫عبر‬ ‫إرسالها‬ ‫نريد‬ ،PSTN‫عرض‬
‫حزمتها‬64KBPS‫اإلرسال؟‬ ‫يتم‬ ‫لكي‬ ‫الالزم‬ ‫الزمن‬ ‫هو‬ ‫ما‬
.A15‫ثانية‬
.B‫من‬ ‫أكثر‬15‫ثانية‬
.C‫من‬ ‫أقل‬15‫ثانية‬
.D‫اإلرسال‬ ‫يتم‬ ‫لن‬

CONTACT INFO

Artificial Intelligence 2020

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Plus de Joud Khattab

Plus de Joud Khattab (20)

Artificial Intelligence 2020