Vous êtes sur la page 1sur 3

Ecole Supérieure Privée Technologies & Ingénierie

Type d’épreuve : Devoir Examen


Enseignant : Hajer TAKTAK
Matière : Intelligence artificielle
Année Universitaire : 2018-2019 Semestre : 1
Classe : cii-3-DMWM
Documents : Autorisés Non autorisés
Date : 08/01/2019 Durée : 2h
Nombre de pages : 03
__________________________________________________________________________________

Exercice 1 : Algorithmes de recherche


On s’intéresse à des algorithmes de recherche. La fonction de génération de successeurs est
notée : succ(n)= liste des nœuds atteignables de n.
On rappelle que le nœud initial et la fonction de successeurs succ(n) définissent un espace de
recherche. La recherche commence par un nœud initial, et se termine avec un nœud qui
remplit la condition de terminaison (appelé le nœud but).
1. Soit l’algorithme A1 suivant :
a) Q<- (Nœud Initial)
b) Répéter
c) Si Q est vide, retour avec echec
d) n<-premier élément de Q
e) Si n est un nœud but, retour n
f) S<-succ(n)
g) Q<-append (S, reste de Q)
h) Retour echec
i) fin
1. Que fait l’algorithme A1 ?
2. Quelle est la stratégie de résolution basée sur cet algorithme et quels sont ses
avantages ?
2. L’algorithme A2 est obtenu à partir de l’algorithme A1, en changeant la ligne (g) qui
devient :
g) Q<-append (reste de Q, S)
1. Que fait l’algorithme A2 ?
2. Quelle est la stratégie de résolution basée sur cet algorithme et quels sont ses
avantages ?
3. Dans la recherche d’un graphe, un même nœud peut être atteint par plusieurs chemins, il y
a alors une duplication du travail. Quelle solution permet d’apporter l’algorithme A3 suivant à
ce problème ? Que permet-il de faire ?
a) Q<- (Nœud Initial)
b) C<-vide
c) Répéter
d) Si Q est vide, retour avec echec
e) n<-premier élément de Q
Q<-reste(Q)
f) Si n est un nœud but, retour n
g) Si n n’est pas membre de C alors
h) Ajouter n à C
i) S<-succ(n)
j) Q<-append (S, Q)
k) finsi
l) fin

Exercice 2 : Algorithmes de recherche


Appliquez l’algorithme A* sur cet exemple du nœud a vers le nœud z, donnez la trace
d’exécution (en indiquant à chaque itération très clairement la liste, dans l’ordre, des nœuds
générés et ceux visités : Ensembles OUVERT et FERME) et le chemin qui mène vers la
solution.

Exercice 3 : Arbre de jeux


Soit un jeu opposant deux joueurs, on considère l’arbre de jeu suivant :

1. En employant l’algorithme MINIMAX, donnez le coup que doit choisir le premier joueur
pour maximiser ses chances de gagner.
2.Appliquez l’algorithme α-β sur cet arbre en le parcourant de gauche à droite et en
commençant avec les valeurs initiales α=-∞, β= +∞. Indiquez clairement sur l’arbre les
valeurs des variables α et β à chaque niveau.

Exercice 4 : Système à base de connaissances


Considérons la base des règles
R1 : AM(X) ^ AR(Y) ^ VD(X, Y, Z) ^ HO(Z)->CR(X)
R2 : MIS(X) ^ Pos(ennemi, X)-> VD(west, X, ennemi)
R3 : MIS(X)->AR(X)
R4 : EN(X, am)->HO(X)
Considérons la base des faits suivante :
MIS(m1)
AM(west)
EN(ennemi, am)
POS(ennemi, m1)
Considérons CR(west) comme étant le but
1. Prouver le but par chainage arrière

Exercice 5 : Algorithmes d’apprentissage


Questions à choix multiples

QCM 1 : La classification rassemble les données


a) Vrai
b) Faux
QCM 2 : La classification remet les données à leurs places
a) Vrai
b) Faux
QCM 3 : Sur quelle méthode peut reposer un algorithme d'apprentissage supervisé ?
a) Maximiser une fonction de perte d’information.
b) Maximiser la vraisemblance du modèle.
c) Minimiser le risque empirique.
QCM 4 : Comment faut-il séparer le jeu de données d’exemples ?
a) On prend une majorité pour entraîner le modèle, et le reste pour le tester.
b) On garde une majorité pour tester le modèle et le reste pour l'entraîner.
QCM 5 : Le 3-NN est un algorithme qui permet de classer une nouvelle entrée à l’aide des
données d’entraînement de départ dont on connaît déjà la classe. Comment fonctionne-t-il ?
a) Il prédit le point comme ayant la classe la plus présente parmi les 3 voisins les plus
proches du point.
b) Il prédit le point comme ayant la classe qui est la moins présente parmi les 3 voisins
les plus proches.

Question : A quel type d’apprentissage (supervisé, non supervisé) et méthode


(classification, régression, clustering) appartiennent les exemples suivants ?
a) La détection de spams,
b) Une TV qui veut déterminer la répartition démographique des téléspectateurs par
réseau peut le faire à partir des données disponibles sur les abonnés.
c) L’analyse de l’impact de la température du fonctionnement d’un procédé chimique sur
le rendement du produit
d) L’analyse du risque dans le domaine de la santé.
e) Le nombre de sinistres déclarés par un conducteur est inversement proportionnel à
l’ancienneté de son permis, avec des coefficients proportionnels propre à chaque sexe.
f) Classification des documents en des catégories
g) Établir un diagnostic dans le domaine médical, c’est à dire être capable d'associer le
nom d'une maladie à un certain nombre de symptômes présentés par des malades.
h) Une chaîne de restaurants regroupe sa clientèle en fonction des menus choisis par
emplacement géographique, puis modifie ses menus en conséquence.
i) La génération des messages d’alerte par un ensemble de composants (réseau, base de
données, etc.) devant être classés par priorité.
j) Étant donné les caractéristiques de mon appartement, combien devrais-je normalement
payer mon loyer ?

Vous aimerez peut-être aussi