حل مسائل پر محدودیت
خب؛
در دوره تحصیل کارشناسی ارشد؛ درسی داشتیم به نام “هوش ماشین”.
استاد شریفی در طول ترم در این درس بیشتر به زبان prolog پرداخت.
هوش مصنوعی و یا هوش ماشین و یا شبکه های عصبی پرسپترون بر این اساس استوار است:
داده ها/حقیقتها/حقایق – قوانین – استنتاج
بدین توضیح که ما یک پایگاه داده داریم و یک سری قوانین. با اعمال این قوانین بر داده ها؛ داده های جدید تولید و به پایگاه داده ها اضافه میشوند.
مثال:
داده ها/حقایق= عباس پدر مجتبی است – علی برادر عباس است.
قانون= برادر پدر میشود عمو
استنتاج/نتیجه اعمال قانون فوق بر داده های بالا= علی عموی مجتبی است
حالا همین عبارت آخر به مجموعه داده های موجود در دیتابیس اضافه میشود و در آینده از آن برای استنتاجهای بعدی میشود استفاده کرد.
مثلا: حسن پسر علی است. در نتیجه گیری از داده های فوق حاصل میشود: “حسن پسرعموی مجتبی است” و این داده/حقیقت نیز به مجموعه داده ها اضافه میشود.
اکثر اساتید ما برای درسهای مقطع فوق لیسانس میگفتند: در یک زمینه مرتبط با موضوع درس تحقیق کنیم و نتیجه را به صورت سمینار درسی در کلاس ارائه دهیم. برای انتخاب موضوع تحقیق درس هوش ماشین به استادم (دکتر شریفی) مراجعه کردم. ایشان پیشنهاد داد روی LP یا همان linear programming تحقیق کنم و ببینم آیا برای “حل مسائل پرمحدودیت” Lp مناسب هست یا نه و مقایسه ای با پرولوگ شود. گرچه به این نتیجه رسیدیم که مقایسه این دو چندان هم صحیح نیست.
برخی مسائل اصطلاحا در زمره مسائل پرمحدودیت محسوب میشوند. به عنوان مثال برنامه ریزی آموزشی در دانشگاهها و مراکز آموزشی
قبلا در اینجا و در مورد سیستم جامع گلستان نوشته ام:
برنامه‌ریزی آموزشی یکی از معضلات مهم مراکز آموزشی و از جمله‌ی مسائل پرمحدودیت است که حل آنها مستلزم بکارگیری روشهای هوشمندانه است. بعنوان مثال در سیستم گلستان، در راستای کمک به حل مشکل برنامه‌ریزی آموزشی، روش پیش ثبت‌نام (ثبت‌نام مقدماتی) بکار گرفته شده است.
در برنامه ریزی آموزشی به عنوان مثال محدودیتهای زیر وجود دارد:
استاد یا معلمی میگوید من فقط یک روز در هفته میتوانم بیایم یا با تعیین روز هفته (مثلا یکشنبه ها) محدودیت را بیشتر میکند
محدودیت کلاس و امکانات آموزشی از قبیل آزمایشگاه و کارگاه و …
محدودیت گذاشتن دو درس سخت پشت سر هم در برنامه یا گذاشتن دروس سخت در شروع یا پایان هفته
و قس علیهذا