جزوه هوش مصنوعی2

🎯 ۱. هویت و چارچوب جزوه: جزوه خلاصه، نکته و تستی هوش مصنوعی بر اساس رفرنس راسل و نورویگ؛ ویژه آمادگی سریع و جمع‌بندی کنکور ارشد و دکتری مهندسی کامپیوتر و IT.

🤖 ۲. عامل‌های هوشمند: تعریف ساختار عامل، انواع محیط‌ها (تک‌عاملی/چندعاملی، قطعی/تصادفی، ایستا/پویا، گسسته/پیوسته) و انواع عامل‌ها (واکنشی ساده، مبتنی بر مدل، هدف‌گرا و مطلوبیت‌گرا).

🔍 ۳. جست‌وجوی ناآگاهانه (Uninformed Search): بررسی کامل الگوریتم‌های BFS، DFS، UCS، DLS و IDS از نظر ویژگی‌های چهارگانه: کامل بودن (Completeness)، بهینگی (Optimality)، مرتبه زمانی و مرتبه فضایی.

💡 ۴. جست‌وجوی آگاهانه (Informed/Heuristic Search): تحلیل جست‌وجوی حریصانه (Greedy Best-First)، الگوریتم A∗A∗، شرایط پذیرفتنی بودن (Admissible) و سازگار بودن (Consistent) هیوریستیک‌ها و اثبات بهینگی A∗A∗.

⛰️ ۵. جست‌وجوی محلی و الگوریتم‌های تکاملی: الگوریتم‌های تپه‌نوردی (Hill-Climbing) و چالش‌های آن (قله‌های محلی، فلات‌ها)، سرد کردن تدریجی (Simulated Annealing)، پرتو محلی (Local Beam) و الگوریتم ژنتیک (GA).

🧩 ۶. مسائل ارضای شرط (CSP): مدل‌سازی متغیرها و دامنه‌ها، الگوریتم پس‌گرد (Backtracking)، سازگاری قوسی (Arc Consistency / AC-3)، هیوریستیک‌های MRV (حداقل مقادیر باقی‌مانده) و Degree Heuristic.

♟️ ۷. جست‌وجوی خصمانه و بازی‌ها: الگوریتم مینی‌ماکس (Minimax) در درخت بازی، هرس آلفا-بتا (α-β Pruningα-β Pruning) جهت کاهش فضای جست‌وجو و تحلیل بهترین و بدترین حالت هرس.

🧠 ۸. منطق گزاره‌ای و مرتبه اول (FOL): جدول درستی، قوانین هم‌ارزی، استنتاج به روش رزولوشن (Resolution)، فرم نرمال عطفی (CNF)، سورها (∀,∃∀,∃) و الگوریتم‌های یکسان‌سازی (Unification).

📋 ۹. برنامه‌ریزی (Planning): زبان‌های نمایش مثل STRIPS و PDDL، عملگرهای پیش‌شرط و اثر، برنامه‌ریزی در فضای حالت (پیش‌رو و پس‌رو) و نمودارهای گراف برنامه‌ریزی (Graphplan).

🎯 ۱۰. تله‌ها و نکات کنکوری پارسه: فرمول‌های مقایسه مرتبه زمانی و حافظه در درخت‌ها با ضریب انشعاب bb و عمق dd، تکنیک‌های تعیین شاخه‌های هرس‌شده در درخت بازی بدون رسم کامل، و میان‌برهای حل تست‌های پذیرفتنی بودن تابع ارزیابی.