TD INTELLIGENCE ARTIFICIELLE MIAGE M1

TD 8 : RESOLUTION DE PROBLEMES
RECHERCHE DANS LES ESPACES D'ETATS
Exercice 1 : Le monde de l'aspirateur

Description : 2 pièces, 1 robot aspirateur, de la poussière.

État initial : poussière dans les deux pièces et robot dans celle de gauche.

1. Donner une représentation graphique simple.

2. Donner une représentation formelle complète (états, état initial, état final,
vérification de consistance, vérification de fin, actions, ordre des actions).
3. Doit-on poser des restrictions sur les actions ?
4. Dérouler en largeur quelques étapes de l'arbre de recherche (représentation
graphique). Est-ce pratique ?
5. Dérouler en largeur le graphe complet (représentation graphique).
6. Étudiez les différences entre graphes suivant l'ordre des actions (et donc la
conséquence sur une recherche en profondeur) et les restrictions sur les
actions. Quels tests sont indispensables pour la recherche en profondeur
suivant les restrictions sur les actions imposées ?

Exercice 2 : les cannibales et les missionnaires

Description : 2 rives (haut et bas), 3 cannibales et 3 missionnaires sur une rive, un

bateau, 2 personnes maximum sur le bateau, au moins une personne pour le diriger.
But : amener tout le monde sur l'autre rive.
Contrainte : si les Cannibales se retrouvent plus nombreux que les missionnaires sur
une rive...<musique de film d'horreur>

1. Donner une représentation formelle.

2. Quelles sont toutes les actions a priori possibles ?
3. Exprimer la contrainte.
4. Dérouler le graphe en largeur.
5. Étudiez les particularités de ce graphe.

Exercice 3 : Le voyage en Roumanie

Description : voir carte.

État initial : Arad.
But : Bucharest.

9
TD INTELLIGENCE ARTIFICIELLE MIAGE M1

1. Effectuer une recherche aveugle en largeur sur un arbre de recherche en

comptabilisant les coûts. Après avoir trouvé la première solution, continuer
l'arbre jusqu'à ce que tous les coûts des branches soient supérieurs à la
première solution trouvé (recherche de la meilleur solution).
2. Effectuer une recherche avec l'algorithme « greedy search » (ou glouton ou
« hill climbing »). Heuristique = distance à vol d'oiseau.
3. Effectuer une recherche avec l'algorithme A*. Heuristique = distance à vol
d'oiseau. (penser à g = distance parcourue).

Hill climbing :
Fonction heuristique : estimation du coût du noeud n au but. Principe : minimiser le
coût estimé pour atteindre le but. Le noeud qui semble être le plus proche du but
sera étendu en premier.

A* :
Idée : éviter de choisir un chemin qui est déjà couteux. Fonction d'évaluation
f(n)=g(n)+h(n)
g(n)= coût du noeud initial à n.
h(n)= coût estimé de n au but.
principe : étendre le noeud qui minimise f État initial État but
134 123
Exercice 4 : Le jeu du taquin 862 8 4
7 5 765
1. Effectuer une recherche en hill climbing.
Heuristique = nombre de cases restant à placer.
2. Effectuer une recherche A*. Heuristique = nombre de cases restant à placer.
(penser à g = nombre de coups joués).
3. Effectuer une recherche A*. Heuristique = somme des distances de Manhattan
(distance d'une case à son but « à vol d'oiseau » sans diagonales). (penser à g
= nombre de coups joués).

10