فلش‌کارت‌های آموزشی الگوریتم‌های جستجوی پایه در هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های جستجوی پایه در هوش مصنوعی

موضوع کلی: هوش مصنوعی

موضوع میانی: حل مسئله و جستجو در هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر حل مسئله در هوش مصنوعی
• 2. تعریف مسئله در هوش مصنوعی
• 3. نمایش فضای حالت
• 4. فضاهای حالت و درخت جستجو
• 5. مسائل جستجو
• 6. انواع مسائل جستجو
• 7. جستجوی بدون اطلاع
• 8. الگوریتم جستجوی گستردگی اول سطح (BFS)
• 9. پیاده سازی BFS
• 10. کارایی BFS
• 11. محدودیت های BFS
• 12. جستجوی عمق اول (DFS)
• 13. پیاده سازی DFS
• 14. کارایی DFS
• 15. محدودیت های DFS
• 16. جستجوی مبتنی بر هزینه یکنواخت (UCS)
• 17. پیاده سازی UCS
• 18. کارایی UCS
• 19. محدودیت های UCS
• 20. جستجوهای اکتشافی
• 21. تابع اکتشافی
• 22. الگوریتم جستجوی حریصانه بهترین اول (Greedy Best-First Search)
• 23. پیاده سازی Greedy Best-First Search
• 24. کارایی Greedy Best-First Search
• 25. محدودیت های Greedy Best-First Search
• 26. الگوریتم جستجوی A*
• 27. تابع هزینه و تابع اکتشافی در A*
• 28. پیاده سازی A*
• 29. کارایی A*
• 30. محدودیت های A*
• 31. جستجوی درخت A*
• 32. جستجوی درخت A* با حافظه محدود (IDA*)
• 33. پیاده سازی IDA*
• 34. کارایی IDA*
• 35. محدودیت های IDA*
• 36. الگوریتم جستجوی جستجوی حریصانه بهترین اول با حافظه محدود (LPA*)
• 37. پیاده سازی LPA*
• 38. کارایی LPA*
• 39. محدودیت های LPA*
• 40. جستجوی بی درنگ (RBS)
• 41. پیاده سازی RBS
• 42. کارایی RBS
• 43. محدودیت های RBS
• 44. جستجوی محدودیت محور (Constraint Satisfaction Problems - CSPs)
• 45. نمایش CSP
• 46. روش های حل CSP
• 47. جستجوی عقبگرد (Backtracking Search)
• 48. بهبودهای جستجوی عقبگرد
• 49. پیش بینی (Forward Checking)
• 50. انتشار قید (Constraint Propagation)
• 51. روش های حل CSP با استفاده از جستجوی پیشرفته
• 52. مقدمه ای بر بازی ها و جستجو در بازی ها
• 53. بازی های دو نفره و مجموع صفر
• 54. تابع ارزیابی
• 55. الگوریتم مینیماکس (Minimax)
• 56. پیاده سازی Minimax
• 57. کارایی Minimax
• 58. محدودیت های Minimax
• 59. برش آلفا-بتا (Alpha-Beta Pruning)
• 60. پیاده سازی برش آلفا-بتا
• 61. کارایی برش آلفا-بتا
• 62. محدودیت های برش آلفا-بتا
• 63. جستجو در بازی های با اطلاعات ناقص
• 64. جستجو در بازی های احتمالی
• 65. مقدمه ای بر یادگیری تقویتی
• 66. عامل های یادگیری تقویتی
• 67. مسائل یادگیری تقویتی
• 68. روش های مبتنی بر ارزش
• 69. روش های مبتنی بر سیاست
• 70. الگوریتم Q-learning
• 71. پیاده سازی Q-learning
• 72. کارایی Q-learning
• 73. محدودیت های Q-learning
• 74. الگوریتم SARSA
• 75. پیاده سازی SARSA
• 76. کارایی SARSA
• 77. محدودیت های SARSA
• 78. مقدمه ای بر برنامه ریزی در هوش مصنوعی
• 79. مسائل برنامه ریزی
• 80. نمایش مسائل برنامه ریزی
• 81. الگوریتم های برنامه ریزی
• 82. برنامه ریزی مبتنی بر وضعیت
• 83. برنامه ریزی مبتنی بر عمل
• 84. جستجوی مبتنی بر برنامه ریزی
• 85. الگوریتم های جستجو در برنامه ریزی
• 86. برنامه ریزی سلسله مراتبی
• 87. مقدمه ای بر استنتاج در هوش مصنوعی
• 88. منطق گزاره ای
• 89. قواعد استنتاج
• 90. استنتاج در منطق گزاره ای
• 91. مقدمه ای بر منطق مرتبه اول
• 92. نمادگذاری منطق مرتبه اول
• 93. قواعد استنتاج در منطق مرتبه اول
• 94. استنتاج در منطق مرتبه اول
• 95. مقدمه ای بر شبکه های معنایی
• 96. نمایش دانش با شبکه های معنایی
• 97. عملیات بر روی شبکه های معنایی
• 98. مقدمه ای بر چارچوب ها
• 99. نمایش دانش با چارچوب ها
• 100. عملیات بر روی چارچوب ها