ارسال پاسخ 
 
امتیاز موضوع:
  • 0 رأی - میانگین امتیازات: 0
  • 1
  • 2
  • 3
  • 4
  • 5
ریاضیات و هوش مصنوعی
01-28-2018, 10:29 PM
ارسال: #1
ریاضیات و هوش مصنوعی
نظريه گراف شاخه اي از رياضيات است كه درباره ي اشياء خاصي دررياضي به نام گراف بحث مي كند. به صورت شهودي گراف نمودار يا دياگرافي است شامل تعدادي راس كه با يالهايي به هم متصل شده اند. تعريف دقيق تر گراف به اين صورت است كه گراف مجموعه اي از راس هاست كه توسط خانواده اي از زوج هاي مرتب كه همان يالهاست به هم مرتبط شده اند. يالها بر دو نوع ساده و جهت دار هستند كه هر كدام در جاي خود كاربرد بسياري دارد. مثلا اگر صرفا اتصال دو نقطه مانند اتصال تهران و زنجان با كمك آزاد راه مد نظر شما باشد كافيست آن دو شهر را با دو نقطه نمايش داده و اتوبان مزبور را يالي ساده نمايش دهيد. اما اگر بين دو شهر جاده اي يكطرفه وجود داشته باشد آنگاه لازمست تا شما با قرار دادن يالي جهت دار مسير حركت را در آن جاده مشخص كنيد.
آغاز نظريه ي گراف به سده ي هجدهم بر مي گردد. اويلر رياضيدان بزرگ مفهوم گراف را براي حل مسئله ي پل هاي كونيگسربگ ابداع كرد، اما رشد و پويايي اين نظريه عمدتا مربوط به نيم سده ي اخير و با رشد علم داده ورزي (انفورماتيك) بوده است. مهمترين كاربرد گراف مدل سازي پديده هاي گوناگون و بررسي بر روي آنهاست. با گراف مي توان به راحتي يك نقشه بسيار بزرگ يا شبكه اي عظيم را درون يك ماتريس به نام ماتريس وقوع گراف ذخيره كرد و يا الگوريتم هاي مناسب مانند الگوريتم دايسترا يا الگوريتم كروسكال و.... را برروي آن اعمال نمود.
نظريه ي گراف يكي از پركاربرد ترين نظريه ها در شاخه هاي مختلف علوم مهندسي (مانند عمران)، باستانشناسي (كشف محدوده ي يك تمدن) و هوش مصنوعي و.... است.
من در اين تحقيق كاربرد گراف را در هوش مصنوعي كه علم روز مي باشد برگزيدم.

نظریهٔ مجموعه‌ها
شالودهٔ بنیادین و سنگ اساسی بنای ریاضیات جدید است. تعریف‌های دقیق جمیع مفاهیم ریاضی، مبتنی بر نظریه مجموعه‌هاست. گذشته از این روشهای استنتاج ریاضی، با استفاده از ترکیبی از استدلالهای منطقی و مجموعه- نظری تنظیم شده‌اند. زبان نظریه مجموعه‌ها، زبان مشترکی است که ریاضیدانان منطقی در سراسر دنیا با آن صحبت کرده و آن را درک می‌کنند. چنان که اگر کسی بخواهد پیشرفتی در ریاضیات عالی یا کاربردهای عملی آن داشته باشد، باید مفاهیم اساسی و نتایج نظریه مجموعه‌ها و زبانی که در آن بیان شده‌اند، آشنا شود.
تاریخچه
نظریه مجموعه‌ها در اواخر قرن نوزدهم به طور عمده توسط جرج کانتور بنیان گذاشته شد. زمانی که کانتور مفاهیم و استدلالهای جدید و متهورانه خود را منتشر کرد، اهمیت آنها تنها توسط تعداد کمی از ریاضیدانان بزرگ درک شد. اما این نظریه در توسعه بعدی‌اش، تقریباً در تمام شاخه‌های ریاضیات نفوذ کرد و تأثیری عمیق بر گسترش آنها داشت. بطوری که حتی باعث تغییر نظریه‌های تثبیت شده گردید و ریاضیدانان سعی کردند مفاهیم ریاضی را بر اساس نظریه مجموعه‌ها تعریف کنند. به عنوان مثال می‌توان از تعریف اعداد طبیعی توسط پئانو اشاره کرد. همچنین توسعه بعضی از نظامهای ریاضی، از قبیل توپولوژی، اساساً به ابزار نظریه مجموعه‌ها وابسته است. از اینها مهم‌تر، نظریه مجموعه‌ها نیرویی متحد کننده بدست داد که به تمام شاخه‌های ریاضیات مبنای مشترک و مفاهیم آنها،وضوح ودقتی تازه بخشیده است.
هنگامی که می‌خواهیم با مجموعه‌ای آشنا شویم می‌توانیم آنها را به سه صورت مورد بررسی قرار دهیم. مطالعه مجموعه‌ها به طور کلی نياز به آشنایی عمومی با آنها دارد که هر کس که می‌خواهد علوم پایه را مورد مطالعه قرار دهد باید این آشنایی را کسب کند، مطالعه مجموعه‌ها به طور طبیعی و مطالعه مجموعه‌ها به صورت اصل موضوعی. در نظریه مجموعه‌ها دو واژه طبیعی و اصل موضوعی دو واژه متضاد هم می‌باشند.

نظریه طبیعی مجموعه‌ها
مطالعه مجموعه‌ها به صورتی طبیعی به عنوان نظریه طبیعی مجموعه‌ها یا Naive set theory است و این همان نظریه‌ای است که در آغاز پیدایش نظریه مجموعه‌ها توسط جرج کانتور مطرح گردید. اما در ادامه این نظریه درگیر اشکالات و پارادکس‌هایی همچون پارادکس راسل شد، و به این ترتیب نیاز به یک تغییر در نظریه مجموعه ها احساس شد و به این ترتیب ریاضیدانانی چون ارنست زرملو سعی کردند نظریه مجموعه‌ها را در قالب یک دستگاه اصل موضوعی ارایه کنند که منجر به ایجاد نظریه اصل موضوعی مجموعه‌ها انجامید.
نظریهٔ اصل موضوعی مجموعه‌ها
در نظریه اصل موضوعی مجموعه‌ها، مجموعه به عنوان یک مفهوم اولیه و تعریف نشده در نظر گرفته شده و با چند اصل موضوع به بررسی خواص مجموعه‌ها پرداخته می‌شود. هدف این نظریه جلوگیری از پارادکس‌های نظریه مجموعه‌ها است.
زمينه هاي كاري و تحقيقاتي رشته مهندسي كامپيوتر
1. سخت افزار و معماري کامپيوتر (Hardware & Computer Architecture)
طراحي و ساخت مدارهاي منطقي و ديجيتال (Design & Implementation of Digital Logic Circuits)به عنوان مثالهايي از سيستم هايي که شامل مدارهاي منطقي مي باشند، مي توان از سيستم هاي ديجيتال مانند ساعت هاي ديجيتال، برد هاي تبليغاتي، سيستم هاي کنترل ديجيتال در اکثر وسايل امروزي، موبايل ها و ... نام برد. مسلما بارزترين نوع اين سيستم ها کامپيوتر ها هستند.
معماري کامپيوتر (Computer Architecture)
نحوه طراحي و ساخت کامپيوترها و مدارهاي کامپيوتري بوسيله اجزاي ساده منطقي.
طراحي و ساخت مدارهاي واسط (Design & Implementation of Interface Circuits)نحوه ساخت مدارهايي که بتوانند به کامپيوترها، ميکروپروسسورهاو ميکروکنترلر ها متصل گردند و وظيفه اي خاص را انجام دهند. (براي مثال کارت صوتي يا کارت مودم)
طراحي و ساخت سيستم هاي بلادرنگ (Design & Implementation of Real-time Systems)سيستم هاي کامپيوتري که در حين انجام چند عمل مختلف، ضمانت مي کنند اعمال خاصي در زمانهاي مشخص يا به تعداد مشخصي انجام خواهند شد.

کنترل (Control)
تعيين ورودي هاي يک سيستم به نحوي که به ما خروجي هاي مطلوب بدهد. (براي مثال سيستم هايي که دما را کنترل مي کنند. در اين سيستم ورودي ها مي توانند شدت کار دستگاههاي خنک کننده و يا گرم کننده و خروجي هم مي تواند دماي محيط باشد.)
ميکروکنترل ها و سيستم هاي تعبيه شده (Microcontrollers & Embedded Systems)سيستم هاي تعبيه شده: سيستم هايي که در آنها يک يا چند پردازشگر کامپيوتري يا ميکرو کنترلر تعبيه شده تا اعمال سيستم و قسمت هاي مختلف آن را کنترل کنند.
طراحي و ساخت مدارهاي مجتمع در مقياس بزرگ (VLSI)
Very Large Scale Integration: تکنولوژي گردآوري و ساخت تعداد بسيار زيادي مدار ترانزيستوري در يک تراشه (چيپ) نيمه رسانا.
انتقال داده ها (Data Communication)
روشهاي انتقال داده ها و اطلاعات بين سيستم هاي کامپيوتري و ديجيتال.
2. نرم افزار و برنامه نويسي (Software & Programming)طراحي و پياده سازي پايگاه داده ها (Database)پايگاه داده ها: سيستمي که مسئول وظيفه نگهداري و مديريت اطلاعات را در سيستم هاي نرم افزاري به عهده دارد.
مهندسي نرم افزار (Software Engineering)
روشهاي مديريت، طراحي، پياده سازي و نگه داري برنامه ها و پروژه هاي نرم افزاري (مخصوصا پروژه هاي بزرگ)
سيستم هاي عامل (Operating Systems)
سيستم عامل برنامه ايست که بر روي يک سيستم سخت افزاري (مثل کامپيوتر) قرار مي گيرد و وظيفه آن عبارت است از ايجاد ارتباط بين نرم افزار ها و قسمت هاي مختلف سخت افزاري و همچنين مديريت و کنترل قسمت هاي مختلف سيستم.
اتوماسيون اداري (Office Automation)
اتوماتيک کردن روند فعاليت هاي يک اداره، موسسه يا سازمان بوسيله کامپيوتر.
برنامه نويسي همروند (Concurrent Programming)
به وجود آوردن امکان اجراي همزمان چند برنامه در کامپيوتر و مديرت آنها.
الگوريتم هاي موازي (Parallel Algorithms)
شکستن يک الگوريتم به قسمت هايي که مي توانند به صورت همزمان توسط چند پردازنده (چند کامپيوتر) انجام شوند، به منظور افزايش سرعت اجراي الگوريتم.
طراحي و ساخت کامپايلرها (Design & Implementation of Compilers)
کامپايلرها (در حالت خاص) برنامه هايي هستند که زبانهاي برنامه نويسي را به زبان کامپيوتر تبديل مي کنند.
شبيه سازي کامپيوتري (Computer Simulation)
شبيه سازي يک پديده خارجي در کامپيوتر با استفاده از قوانين (رياضي) حاکم بر آن پديده.گرافيک کامپيوتري (Computer Graphics)


محاسبات عددي (Numerical Methods of Calculation)
انجام محاسبات رياضي (نظير مشتق گيري، انتگرال گيري، بدست آوردن ريشه معادلات، حل معادلات ديفرانسيل) بوسيله محاسبات تخميني (به جاي روشهاي نمادين و کلاسيک) مي توان گفت اين روش از جهت در مقابل شاخه محاسبات نمادين قرار دارد. (به قسمت هوش مصنوعي رجوع کنيد)
3. علوم کامپيوتر (Computer Science)

ساختمان هاي گسسته (Discrete Structures)

اين مبحث، شامل همان مطالبي است که در دبيرستان با عنوان رياضيات گسسته مي خوانديد. البته در اين مبحث مطالب رياضيات گسسته به صورت گسترده تر و مرتبط تر با علوم کامپيوتر و الگوريتم نويسي گفته مي شود. همانطور که رياضيات پيوسته (حساب ديفرانسيل) پايه و اساس رشته هايي مانند مکانيک، برق و الکترونيک و... را تشکيل مي دهد، رياضيات پيوسته پايه و اساس علوم کامپيوتر و نرم افزار است. مطالبي که در آن مطرح مي شوند عبارتند از: منطق رياضي، گزاره ها، نظريه مجموعه ها، (استنتاج، استقرا، برهان خلف، اصل لانه کبوتر و...)، رابطه ها، نظريه گراف، درخت ها، توابع، روابط بازگشتي، اصول شمارش، احتمالات و... که تمام اين مطالب در قسمت هاي مختلف علوم کامپيوتر کاربردهاي زيادي دارند.
ساختمان داده ها (Data Structures)
شناخت و بوجود آوردن ساختارهايي در الگوريتم هاي کامپيوتري کاربرد هاي خاصي دارند.
طراحي الگوريتم ها (Design of Algorithms)
روشهاي طراحي الگوريتم هاي بهينه، اثبات درست بودن (يا بهينه بودن) آنها بوسيله روشهاي رياضي، و محاسبه (يا تخمين) زماني که طول مي کشد تا يک الگوريتم وظيفه اي خاص را انجام دهد. همچنين آشنايي با انواع مختلف الگوريتم ها براي حل مساله.
نظريه زبانها و ماشين ها (Theory of Languages & Automata)

نظريه محاسبات (Theory of Computation)

در حقيقت اين مبحث پس از بحث نظريه زبانها و ماشين ها مطرح مي گردد. در اين مبحث مدلهاي و روشهاي مختلف محاسبات (Computation) مورد مطالعه قرار مي گيرد. همچنين محدوديت هاي محاسبات (بوسيله الگوريتم هاي کامپيوتري) مورد مطالعه قرار مي گيرد. براي مثال در اين مبحث مسايلي مطرح مي شود که ثابت مي شود براي حل آنها الگوريتم کامپيوتري وجود ندارد. يا براي برخي مسايل الگوريتمي وجود دارد ولي ثابت مي شود، هر چقدر هم که تکنولوژي کامپيوتر پيشرفت کند، اين مسايل براي حل شدن نياز به زمانهاي بسيار زياد (مثلا هزاران قرن) دارند.

نظريه بازي ها (Game Theory)
روشهايي براي انتخاب بهترين گزينه، در حالي که پيش روي ما عواملي وجود دارد که مانع رسيدن ما به اهدافمان مي شوند. در حالت خاص مي توان به انتخاب بهترين حرکت در يک بازي دو يا چند نفره اشاره کرد. (مثل بازي هاي شطرنج که با کامپيوتر انجام مي دهيد.)
نظريه گراف (Graph Theory)
مبحثي که به بررسي خصوصيات گرافها، مسايل و الگوريتم هاي مربوط به گرافها مي پردازد.
4. هوش مصنوعي (Artificial Intelligence)
يادگيري ماشين (Machine Learning)

روشهايي که کامپيوتر را قادر مي سازد عملي شبيه به يادگيري و تجربه را در حين انجام مکرر يک عمل انجام دهد. يعني با توجه به اعمالي که دفعات قبل آنجام داده و بررسي نتايج آنها، سعي کند در دفعات بعدي اعمالي بهتر، مطلوب تر و با خطاي کمتر انجام دهد.
شبکه هاي عصبي (Neural Networks)
روش جديد حل مسايل در هوش مصنوعي بوسيله شبکه اي از واحد هاي متصل به هم (نورون ها) که هر کدام قابليت پردازش داده ها، ارتباط با نورون هاي ديگر و همچنين ايجاد تغييرات در مشخصات شبکه را دارند و اين اعمال را در جهت بهينه سازي عملکرد شبکه انجام مي دهند. شبکه هاي عصبي معمولا در مسايلي نظير بهينه سازي، تخمين توابع، کنترل و... کاربرد دارند.
پردازش تکاملي ( Processing)
شاخه اي جديد از هوش مصنوعي که با در نظر گرفتن يک يا چند جواب اوليه براي يک مساله، بوجود آوردن جوابهاي جديد از جوابهاي موجود و انتخاب جوابهاي بهتر سعي مي کند يک جوابي نسبتا بهينه براي مساله بدست آورد. (براي مثال پيدا کردن ماکزيمم يک تابع چند متغيره که بدست آوردن ماکزيمم آن با روشهاي معمولي مانند مشتق گيري بسيار سخت است.)
رباتيک (Robotics)
طراحي ربات هاي کامپيوتري (مکانيکي يا نرم افزاري) براي انجام وظيفه اي خاص. رشته هاي مختلفي مي توانند در اين زمينه درگير باشند مانند مهندسي برق و مکانيک. اما برنامه ريزي و هوشمند ساختن ربات ها به عهده مهندسان کامپيوتر است. براي هوشمند ساختن ربات ها از الگوريتم هاي هوش مصنوعي مانند يادگيري، پردازش تصاوير، تشخيص گفتار و... استفاده مي شود.
منطق فازي (Fuzzy Logic)
تعميمي است از منطق کلاسيک که در آن بجاي به جاي دو مقدار درست و غلط (True & False) يا 0 و 1، درجه درستي داريم که مي تواند بين عددي صفر و يک باشد.


پردازش زبان طبيعي (Natural Language Processing)
قسمتي از هوش مصنوعي که به پردازش متون زبانهاي طبيعي (مانند زبان فارسي) مي پردازد تا معاني آنها را استخراج کند. شايد عمده ترين مشکل در اين شاخه از هوش مصنوعي مبهم بودن زبانهاي طبيعي باشد.
سيستم هاي خبره (Expert Systems)
سيستم هايي که بوسيله جمع آوري داده ها و قوانين در يک زمينه خاص مي توانند در آن زمينه مانند يک فرد خبره و متخصص عمل کنند. (مانند سيستمي که به طور خودکار عيب يک وسيله را تشخيص مي دهد و حتي مي تواند آن را تعمير کند.)
پردازش تصوير (Image Processing)
انجام عمليات مختلف روي يک تصوير به منظور بهتر کردن مشخصات آن يا استخراج اطلاعات مورد نياز از درون آن. (براي مثال خواندن شماره پلاک خودروها بوسيله عکس برداري از آنها)
تشخيص گفتار (Speech Recognition)
ساختن سيستم هايي که گفتار افراد را از يک ورودي (مانند ميکروفن) مي گيرند و آن را تفسير مي کنند. (مثلا مي توانند آن را به متن تبديل کنند يا تعيين کنند اين صدا مربوط به چه فردي است.)


محاسبات نمادين (Symbolic Calculation)
انجام محاسباتي رياضي (مانند مشتق گيري، انتگرال گيري، حل معادله ديفرانسيل) به صورت نمادين. براي مثال وقتي به کامپيوتر ورودي x² را بدهيد تا مشتق آن را حساب کند به شما در خروجي 2x را بدهد. در مقابل اين روش روشهاي عددي قرار دارد که مثلا در مثال بالا فقط مي تواند مشتق را در نقطه اي خاص (آنهم به صورت تخميني) حساب کند.
شبکه هاي کامپيوتري (Computer Networks)
طراحي، پيکربندي و پياده سازي شبکه هاي کامپيوتري- برنامه نويسي تحت شبکه و وب- تجارت الکترونيک (E-Commerce)-خريد و فروش و انجام مبادلات تجاري از طريق شبکه هاي کامپيوتري به خصوص اينترنت.
امنيت شبکه (Network Security)
مبحثي که در آن روشهاي به وجود آوردن امنيت و محرمانگي داده ها و منابع در شبکه هاي کامپيوتري بررسي مي شود.
سيستم هاي توزيع شده (Distributed Systems)
سيستم هايي که مشکل از چند کامپيوتر مي باشند که بوسيله شبکه هاي کامپيوتري به يکديگر متصل شده اند و با هماهنگي با يکديگر وظيفه واحدي را انجام مي دهند. (براي مثال پايگاههاي داده توزيع شده، سيستم هاي عامل توزيع شده و...)

آشنايي با رياضيات پشت زمينه شبكه
چگونه اینترنت بسازیم؟در ساده ترین تعریف، گراف شامل تعدادی نقطه به عنوان راس و خطوطی است که این راسها را به هم وصل می کند. شاید ابتدا ارتباطی میان موجودی به نام گراف و پدیده ای به نام اینترنت پیدا نشود و اصلا شاید این پرسش مطرح شود که شیئی به نام گراف چه کاربردهایی می تواند داشته باشد؟
شاید تعجب برانگیز باشد، اما گرفا، نمودهای بسیار زیادی در عالم واقعیت دارد به صورت ساده تر می توان گفت هر مساله ای را که در آن تعدادی شیء و روابط میان آنها برای ما اهمیت داشته باشد می توان به شکل یک گراف تجسم کرد به این شکل انسان درگیر اطلاعات زاید مساله – که در حل کردن آن کاربردی ندارند. نمی شود برای مثال فرض کنید می خواهیم شبکه راههای بین شهری را طراحی کنیم. در چنین حالتی، شهرها راسها و جاده های بین شهری، یالهای گراف خواهند بود یا فرض کنید می خواهیم یک سیستم آبرسانی بین مزارع طراحی کنیم. در این حالت هم مزارغ راسها و جویهای آب، یالها محسوب می شوند. با کمی فکر در می یابیم که تا چه اندازه این 2 مساله وقتی که آنها را به وسیله گراف مدل می کنیم، به هم شبیه می شوند. امروزه کاربرد گراف در فناوری و زندگی روزه مره انکار ناپذیر است و مطالعه های گسترده روی خواص گراف، آن را به یک بستر بسیار قدرتمند برای مدل کردن مسائل مهندسی تبدیل کرده است.
نسبت به اینترنت دو دیدگاه نرم افزاری و سخت افزاری وجود دارد از دید سخت افزای اینترنت مجموعه ای از تعدادی رایانه است که با یکدیگر اقدام به برقراری ارتباط می کنند. واضح است که این رایانه ها دو به دو هم وصل نیستند، اما این اتصال از قاعده از خاصي هم تبعيت نمي كنند.دیدگاه دیگر، سخت افزار اینترنت به عنوان یک بستر کاملا مطمئن برای نگهداری و انتقال فایلها فرض می شود حتی اگر این فایلها روی رایانه های مجزا و بسیار دور از هم نگهدای شوند، کاوشگر اینترنت که در حال گشت و گذار است این مساله را حس نکند و تمام فایلها را می بیند و این در واقع معنای واقعی اینترنت است.
از دید یک کاربر معمولی، اینترنت به طور عمده مجموعه ای از صفحات وب است و کاری که کاربران در بیشتر مواقع انجام می دهند، گشت و گذار در این صفحات از طریق لینکهاست. در بدو تولد اینترنت، جستجو برای یافتن اطلاعات خاص، کار سختی نبود، چرا که حجم اطلاعات موجود روی این شبکه بسیار محدود بود و همچنین در آن زمان هنوز استفاده های عمده ای از اینترنت به عنوان پایگاه عظیمی از داده ها نمی شد. در آن دوره زمانی، اگر کاربران به دنبال مطلب خاصی روی اینترنت بودند، اسم سایت مورد نظر خود را با توجه به مطلب حدس می زدند یا به یکی از چند سایت بزرگ در آن زمان می رفتند و سعی در یافتن اطلاعات مورد نیاز خود می کردند که معمولا با موفقیت همراه بود. اما رشد سریع اینترنت و حجم بالای تقاضاهایی که کاربران داشتند، باعث شد روشهای قدیمی عملا بی فایده باشد. تمام این وقایع همزمان با رشد فناوری عرضه اطلاعات روی اینترنت هم بود ابتدا صفحات موجود روی اینترنت تعدای فایل نوشتاری بودند و بعدها برای نمایش اطلاعات در وب سایت ها، فناوری های جدیدتری از جمله html به وجود آمد. ظهور html باعث تحولات زیادی در دنیای اینترنت شد و به علت ابزار قدرتمندی که در اختیار کابران می گذاشت، بسرعت استفاده از آن فراگیر شد ومرورگرها به پشتيباني از آن پرداختند.در واقع گذشته از قابلیت های منحصر به فرد html لینک یا hyper ink به کاربر این قدرت را می دهد که براحتی به صفحات مختلف مرتبط با موضوع صفحه موجود برود، بدون این که با مشکل خاصی رو به رو شود و همین مساله باعث گسترده شدن اطلاعات و سخت تر شدن جستجوها شد و این نیاز باعث ظهور directory ها و موتورهای جستجوشد.
directory ها وب سایت های بزرگی هستند که اطلاعات روی آنها به وسیله افراد خاصی جمع آوری شده و حاوی نشانی تعداد زیادی از سایتهای اینترنتی به صورت طبقه بندی شده هستند. سایت یاهو یکی از اولین و پرکاربرترین دایرکتوری های روی اینترنت است. موتورهای جستجو بعکس دایرکتوری ها به وسیله افراد خاصی تهیه نمی شوند، بلکه توسط برنامه های رایانه ای مشخص سعی در جمع آوری همه اطلاعات روی اینترنت دارند. پرسش مهم این است که چگونه می توان نشانی همه یا قسمت اعظم سایتهای اینترنت را جمع آوری کرد؟ چون حدس زدن اسم سایتها تقریبا امکان ناپذیر است. پاسخ این پرسش، کلید طلایی دنیای مجازی اینترنت است که لینکهای موجود در صفحه ها، این کار را انجام می دهند.
تحقیقات گسترده آماری نشان می دهد با پیمایش لینکها، با تقریب خوبی از هر صفحه ای در اینترنت می توان به صفحه دیگر رسید.
اگر بخواهیم اینترنت را به وسیله گراف مدل کنیم. هر صفحه یک راس و هر لینک به عنوان یک بال از صفحه مبداء به صفحه مقصد منظور می شود.
فرض کنید کاربر به یک سایت موتور جستجو مراجعه کرده و کلمه کتاب را جستجو می کند. موتور جستجو عملیات را شروع می کند و می فهمد از میان صفحاتی که ذخیره کرده است. یک میلیون صفحه حاوی این کلمه هستند. کاربر همچنان منتظر پاسخ است و مسلما نمی تواند همه صفحات را ببیند.
موتور جستجو باید تعداد محدودی سایت را به او معرفی کند که همگی درباره کتاب باشند. از همین جاست که تفاوت اساسی میان موتورهای جستجوگر مختلف آشکار می شود، مثلا در این مثال، باید سایتهایی که اطلاعات مفیدتری درباره کتاب داده شده است، معرفی شود.
سایتهایی مثل یاهو و altavista جزو اولین سایتهایی بودند که خدمات موتور جستجو را ارائه می کردند. اما پاسخهای آنها دقیق نبوده و گهگاه باعث سردرگمی کاربران می شد. در همین حین دو دانشجوی دکتری دانشگاه استنفورد امریکا، هنگام کار کردن روی پایان نامه خود به فکر ساختن موتور جستجوی جدیدی افتادند که امروزه آن را گوگل می نامیم و یکی از مشهورترین سایتهای اینترنت است. یک گراف در نظر بگیرید. فرض کنید یک نفر در حال حرکت روی راسها و یالهای گراف است. به این صورت که اگر روی یک یال باشد. حرکت خود را ادامه می دهند تا به یک راس برسد و اگر روی یک راس باشد، یکی از یالها را به صورت کلاما تصادفی انتخاب و روی آن یال حرکت می کند. یک مدل از اینترنت به وسیله صفحه ها و لینکها ساخته می شود و احتمال حضور در راسهای مختلف را حساب می کند و این مقدار را نگه می دارد حال اگر کاربر کلمه ای را جستجو کند، سایت گوگل ابتدا براساس این احتمال حضور سایتها را طبقه بندی می کند و بعد سایتهایی را که این احتمال حضور در آنها بیشتر است، معرفی می کند.
موسسان گوگل عملا از کار انسان ها برای شناسایی صفحات خوب در اینترنت استفاده کردند. به صورت واضح تر، وقتی شما در صفحه شخصی خودتان در اینترنت به یک صفحه دیگر لینک می دهید. عملا در حال تایید محتویات آن صفحه هستید. اگر سایتی حاوی محتویات خوبی باشد، حتما افراد زیادی مایل به لینک دادن به آن سایت هستند و از طرف دیگر اگر به یک راس تعداد یالهای زیادی وصل باشد، احتمال حضور در آن راس بیشتر خواهد بود پس عملا گوگل با هوشمندی خاصی از نیروی فکر همه افرادی که محتوای اینترنت را تولید می کنند. برای کار خود کمک می گیرد.
اگر بخواهیم اینترنت را به وسیله گراف مدل کنیم هر صفحه یک راس و هر لینک به عنوان یک یال از صفحه مبداء به صفحه مقصد منظور می شود.

هوش ازدحامي
هوش جمعی (Swarm Intelligence) نوعی روش هوش مصنوعی است که مبتنی بر رفتارهای جمعی در سامانه‌های نامتمرکز و خودسامانده بنیان شده است. این سامانه‌ها معمولاً از جمعیتی از کنشگران ساده تشکیل شده است که بطور محلی با یکدیگر و با محیط خود در تعامل هستند. با وجود اینکه معمولاً هیچ کنترل تمرکزیافته‌ای، چگونگی رفتار کنش‌گران را به آنها تحمیل نمی‌کند، تعاملات محلی آنها به پیدایش رفتاری عمومی می‌انجامد. مثال‌هایی از چنین سیستم‌های را می‌توان در طبیعت مشاهده کرد؛ گروه‌های مورچه‌ها، دستهٔ پرندگان، گله‌های حیوانات، تجمعات باکتری‌ها و دسته‌های ماهی‌ها. روباتیک ازدحامی، کاربردی از اصول هوش مصنوعی ازدحامی در تعداد زیادی از روبات‌های ارزان قیمت است.

الگوریتم مورچه ها
روش ACO، نوعی روش فرااکتشافی است که برای یافتن راه‌حل‌های تقریبی برای مسائل بهینه‌سازی ترکیبیاتی مناسب است. روش ACO، مورچه‌های مصنوعی به‌وسیله‌ٔ حرکت بر روی گرافِ مساله و با باقی گذاشتن نشانه‌هایی بر روی گراف، همچون مورچه‌های واقعی که در مسیر حرکت خود نشانه‌های باقی می‌‌گذارند، باعث می‌شوند که مورچه‌های مصنوعی بعدی بتوانند راه‌حل‌های بهتری را برای مساله فراهم نمایند.

کلمه عبور تمامی فایلها:

کد:
www.a00b.com

جهت مطالعه ادامه ، لطفا فایل ضمیمه را دانلود فرمائید. لطفا پس از دانلود و یا مطالعه این مطلب یک فاتحه رفتگان مرا میهمان نمایید . . .


فایل‌(های) پیوست شده
.zip  AI_961109.zip (اندازه: 150.73 KB / تعداد دفعات دریافت: 182)


==================================================
طراحی وب سایت
پروژه های برنامه نویسی تجاری
دانلود پروژه های ASP.NET وب سایتهای آماده به همراه توضیحات
دانلود پروژه های سی شارپ و پایگاه داده SQL Server همراه توضیحات و مستندات
دانلود پروژه های UML نمودار Usecase نمودار class نمودرا activity نمودار state chart نمودار DFD و . . .
دانلود پروژه های حرفه ای پایگاه داده SQL Server به همراه مستندات و توضیحات
پروژه های حرفه ای پایگاه داده Microsoft access به همراه مستندات و توضیحات
دانلود پروژه های کارآفرینی
دانلود گزارشهای کارآموزی کارورزی تمامی رشته های دانشگاهی
قالب تمپلیت های آماده وب سایت ASP.NET به همراه Master page و دیتابیس
برنامه های ایجاد گالری عکس آنلاین با ASP.NET و JQuery و اسلایدشو به همراه کد و دیتابیس SQL کاملا Open Source واکنشگرا و ساده به همراه پایگاه داده
==================================================
یافتن تمامی ارسال‌های این کاربر
نقل قول این ارسال در یک پاسخ
ارسال پاسخ 


پرش به انجمن:


کاربرانِ درحال بازدید از این موضوع: 1 مهمان