УПРАЖНЕНИЯ

2.1. Самостоятельно сформулируйте определения следующих понятий: агент; функция агента; программа агента; рациональность; автономность; рефлексный агент; агент, основанный на модели; агент на основе цели; агент на основе полезности; обучающийся агент.
2.2. Для измерения того, насколько успешно функционирует агент, используются и показатели производительности, и функция полезности. Объясните, в чем состоит различие между этими двумя критериями.
2.3. В этом упражнении исследуются различия между функциями агента и программами агента.
а) Может ли существовать больше чем одна программа агента, которая реализует данную функцию агента? Приведите пример, подтверждающий поло-
жительный ответ, или покажите, почему такая ситуация невозможна,
б) Есть ли такие функции агента, которые не могут быть реализованы ника-
кими программами агента?
в) Верно ли, что каждая программа агента реализует точно одну функцию
агента, при условии, что архитектура вычислительной машины остается
неизменной?
г) Если в архитектуре предусмотрено п битов памяти, то сколько различных
возможных программ агента может быть реализовано с ее помощью?
2.4. В этом упражнении исследуется рациональность различных функций агента
для пылесоса.
а) Покажите, что простая функция агента—пылесоса, описанная в табл. 2.1,
действительно рациональна, согласно предположениям, перечисленным
на с. 79.
б) Опишите рациональную функцию агента для модифицированного показателя производительности, который предусматривает штраф в один
пункт за каждое движение. Требуется ли поддержка внутреннего состояния для соответствующей программы агента?
в) Обсудите возможные проекты агентов для случаев, в которых чистые квадраты могут стать грязными, а география среды неизвестна. Имеет ли смысл в таких случаях для агента обучаться на своем опыте? Если да, то что он должен изучать?
2.5. Для каждого из следующих агентов разработайте описание PEAS среды задачи:
а) робот-футболист;
б) агент, совершающий покупки книг в Internet;
в) автономный марсианский вездеход;
г) ассистент математика, занимающийся доказательством теорем.
2.6. Для каждого из типов агентов, перечисленных в упр. 2.5, охарактеризуйте среду в соответствии со свойствами, приведенными в разделе 2.3, и выберите
подходящий проект агента.
(ёо Все приведенные ниже упражнения касаются реализации вариантов среды и агентов для мира пылесоса.
2.7. Реализуйте имитатор среды измерения производительности для мира пылесоса, который изображен на рис. 2.2 и определен на с. 79. Предложенная реализация должна быть модульной, для того чтобы можно было заменять датчики и исполнительные механизмы, а также модифицировать характеристики среды (размер, форму, размещение мусора и т.д.). {Примечание. Для некоторых сочетаний языка программирования и операционной системы в оперативном репозитарии кода уже имеются реализации.)
2.8. Реализуйте простого рефлексного агента для среды пылесоса, которая рассматривается в упр. 2.7. Вызовите на выполнение имитатор среды с этим агентом для всех возможных начальных конфигураций мусора и местоположений агента. Зарегистрируйте оценки производительности работы агента для каждой конфигурации и определите его общую среднюю оценку.
2.9. Рассмотрите модифицированную версию среды пылесоса из упр. 2.7, в которой агенту назначается штраф в один пункт за каждое движение.
а) Может ли быть полностью рациональным простой рефлексный агент для
этой среды? Обоснуйте свой ответ.
б) А что можно сказать о рефлексном агенте с внутренним состоянием?
Спроектируйте такого агента.
в) Как изменятся приведенные вами ответы на вопросы а) и б), если акты
восприятия агента позволяют ему иметь информацию о том, является ли
чистым или грязным каждый квадрат в этой среде?
2.10. Рассмотрите модифицированную версию среды пылесоса из упр. 2.7, в которой неизвестны география среды (ее протяженность, границы и препятствия),
а также начальная конфигурация расположения мусора. (Агент может совершать движения Left и Right, а также Up и Down.)
а) Может ли быть полностью рациональным простой рефлексный агент для
этой среды? Обоснуйте свой ответ.
б) Может ли простой рефлексный агент с рандомизированной функцией
агента превзойти по своей производительности простого рефлексного
агента? Спроектируйте такого агента и измерьте его производительность в нескольких вариантах среды.
в) Можете ли вы спроектировать среду, в которой предложенный вами ран-
домизированный агент будет показывать очень низкую производительность? Продемонстрируйте полученные вами результаты.
г) Может ли рефлексный агент с поддержкой состояния превзойти по своей
производительности простого рефлексного агента? Спроектируйте такого
агента и измерьте его производительность в нескольких вариантах среды.
Сумеете ли вы спроектировать рационального агента этого типа?
2.11. Повторите упр. 2.10 для такого случая, в котором датчик местоположения заменен датчиком удара, позволяющим обнаруживать попытки агента пройти сквозь препятствие или пересечь границы среды. Предположим, что датчик удара перестал работать; как должен действовать агент?
2.12. Все варианты среды пылесоса, рассматриваемые в предыдущих упражнениях, были детерминированными. Обсудите возможные программы агента для каждого из следующих стохастических вариантов.
а) Закон Мэрфи: в течение 25% времени применение действия Suck не по-
зволяет очистить пол, если пол грязный, и приводит к появлению мусора
на полу, если пол чистый. Как эти обстоятельства отразятся на предло-
женной вами программе агента, если датчик мусора дает неправильный
ответ в течение 10% времени?
б) Маленькие дети: в каждом интервале времени каждый чистый квадрат
имеет 10%-ную вероятность стать грязным. Можете ли вы предложить проект рационального агента для этого случая?







Материалы

Яндекс.Метрика