Grundlagen der Künstlichen Intelligenz II
Suchalgorithmen in der KI
Dieser Kurs ist Teil der Kursreihe „Grundlagen der Künstlichen Intelligenz I-VI“, die eine Vielzahl von Algorithmen und Methoden behandelt, die in der KI von zentraler Bedeutung und von großer praktischer Relevanz sind.
Überblick
Der Kurs „Grundlagen der Künstlichen Intelligenz II“ führt in zentrale Suchalgorithmen ein, die im Bereich der künstlichen Intelligenz entwickelt wurden. Die umfassende theoretische Behandlung dieser Algorithmen wird durch zahlreiche Beispiele ergänzt, die Suchmechanismen und praktische Anwendungsszenarien veranschaulichen.
Die drei Module des Kurses widmen sich systematischen Suchalgorithmen, heuristischer Suche sowie Algorithmen für lokale und stochastische Suche.
Der Kurs basiert auf dem Lehrbuch von Stuart Russell und Peter Norvig: Introduction to Artificial Intelligence – A Modern Approach, 3. Auflage, 2012, oder 4. Auflage, 2020. Die 3. Auflage ist auch auf Deutsch erhältlich: Stuart Russell und Peter Norvig: Künstliche Intelligenz – Ein Moderner Ansatz, 3. aktualisierte Auflage, Pearson 2012.
Der Kurs basiert auf dem Lehrbuch von Stuart Russell und Peter Norvig: Introduction to Artificial Intelligence, 3. Auflage, 2012 oder 4. Auflage, 2020. Die 3. Auflage ist auch auf Deutsch erhältlich: Stuart Russell und Peter Norvig: Künstliche Intelligenz – Ein Moderner Ansatz, 3. aktualisierte Auflage, Pearson 2012.
Der Kurs wird in englischer Sprache mit deutschen Untertiteln abgehalten.
Welche Themen werden behandelt?
Modul Systematische Suche
- Grundlegende Terminologie und Konzepte
- Definition eines Zustandsraums
- Suchproblem und Erreichbarkeit von Zuständen
- Lösungen von Suchproblemen
- Modellierung eines Suchproblems
- Konzept eines Suchbaums
- Redundante und doppelte Zustände, Front
- Blackbox-, Whitebox- und explizite Formulierungen von Suchproblemen
- Systematische Suchstrategien
- Baumsuche vs. Graphsuche
- Korrektheit, Vollständigkeit, Optimalität, Zeit- und Speicherkomplexität
- Algorithmen
- Breitensuche
- Tiefensuche
- Tiefenbegrenzte Suche
- Iterative Tiefenbegrenzungssuche
- Einheitliche Kostensuche
Modul Heuristische Suche
- Nutzung von Wissen während der Suche
- Heuristische Funktionen
- Zulässige und konsistente Heuristiken
- Heuristische Suchalgorithmen
- Gierige (Best-First) Suche
- A*
- IDA*
- Bidirektionale Suche und der MM-Algorithmus
- Gute Heuristiken finden
- Effektiver Verzweigungsfaktor in einem Suchbaum
- Beispielheuristiken für das 8-Puzzle
- Musterdatenbanken
Modul Lokale und Stochastische Suche
- Suche in sehr großen Zustandsräumen
- Lokale Extreme & Plateaus
- Randomisierte Suchstrategien
- Zufällige Neustarts und Züge
- Tabu-Suche
- Algorithmen
- Hill Climbing
- Simuliertes Abkühlen
- UCT: Upper Confidence Bounds für Bäume
- Metaheuristische Suchmethoden
- Genetische Algorithmen
- Ameisenkolonie-Optimierung
Was werde ich erreichen?
Am Ende des Kurses werden Sie in der Lage sein,
- systematische, heuristische, lokale und stochastische Suchalgorithmen zu verstehen und zu erklären,
- einen Suchalgorithmus zur Lösung eines Suchproblems auszuwählen und zu bewerten,
- diese Algorithmen auf Suchprobleme aus der Praxis anzuwenden.
Welche Voraussetzungen muss ich erfüllen?
<p>Keine.</p>
