![]() |
![]() |
![]()
Post
#1
|
|
Grupa: Zarejestrowani Postów: 12 Pomógł: 0 Dołączył: 18.06.2009 Ostrzeżenie: (0%) ![]() ![]() |
Witam
Zaczynam się uczyć tego języka i zastanawia mnie pewna sprawa: Poprzez formularz chciałbym aby wywołało mi tablicę podobną do szachów i na danym polu umieścić punkt lub cokolwiek innego. i zasada jego działania chciałbym aby była podobna do skoczka w szachach. By pokazało miejsca na które on może skoczyć. Jak to zrobić? |
|
|
![]() |
![]()
Post
#2
|
|
Grupa: Moderatorzy Postów: 4 362 Pomógł: 714 Dołączył: 12.02.2009 Skąd: Jak się położę tak leżę :D ![]() |
@ayeo: tak. Są sytuacje, że algorytmy utykają, także genetyczne. U mnie testem było właśnie znalezienie rozwiązania dla startu z pola c3 lub c4 na standardowej 64-polowej szachownicy, ale nie pamiętam już którego dokładnie, bo robiłem jakieś 4-5 lat temu ów algorytm. Pewnie w necie by się znalazło jakie to dokładnie (IMG:style_emoticons/default/smile.gif) Napisz jak Ci się podoba samo programowanie genetyczne jako podejście i gdy napiszesz kod - jak Twoim zdaniem sprawuje. I nie ma za co dziękować. Człowiek poznaje ciekawostki całe życie. Ta zaś ciekawostka mnie zainteresowała od razu bo daje naprawdę fajne możliwości przy szukaniu rozwiązań optymalizacyjnych. Jest pewną odskocznią od typowego programowania w standardowy sposób. Zresztą większość AI taka jest. Robisz coś od kompletnie innej strony i... działa. Zresztą poczytaj o tym jak się tworzy sieci neuronowe, to zdziwisz jak prosta matma tam jest (IMG:style_emoticons/default/biggrin.gif) Trochę mnożenia, dodawania i dzielenia (IMG:style_emoticons/default/winksmiley.jpg) A w efekcie możesz napisać OCR.
Tak dodatkowo dodam, że akurat w algorytmach genetycznych wcale nie ma przymusu znalezienia dokładnego rozwiązania. Jako algorytmy stosowane w optymalizacji podają one najczęściej wyniki "oszacowane" i wiele zależy od parametrów wejściowych algorytmu. Stąd właśnie sugerowałem do problemu skoczka większą ilośc osobników i duży % zaistnienia mutacji. Bez tego ów algorytm byłby długotrwały i nie podawałby rozwiązań w ciągu kilku sekund. EDIT: Warunkiem stop jest zazwyczaj funkcja oceny. Można by ją ustawić nie na liczbę 64, ale 62 lub 63. Nie da to rozwiązania całkowitego, ale jak wspomniałem, genetyczny algorytm nie ma obowiązku szukać rozwiązań ostatecznych. To programista wskazuje w funkcji oceny o jaką dokładność mu chodzi (IMG:style_emoticons/default/smile.gif) Stąd też optymalizacja jest głównym polem do popisu dla tej części sztucznej inteligencji. A co do samych algorytmów genetycznych, to uważam to za jeden z najciekawszych działów sztucznej inteligencji. To, IMHO, znacznie fajniejsze niż sieci neuronowe czy logika rozmyta, choć sieci rozmyto-neuronowe mają tę ciekawostkę, że dobrze zaprogramowane nawet całkiem dobrze działają. Mogę tylko dodać, że miałem okazję być uczony przez specjalistów polskich w tej dziedzinie i może dlatego złapałem więcej wiedzy o funkcjonowaniu AI, a spośród tego algorytmy genetyczne uznałem za najbardziej interesujące. Ten post edytował thek 21.10.2009, 08:30:22 |
|
|
![]() ![]() |
![]() |
Aktualny czas: 10.10.2025 - 02:33 |