Inteligência Artificial

Início
Objectivos
Programa
Bibliografia
Docentes
Avaliação
Horário
Aulas

Aulas Teóricas
As aulas teóricas são dadas pelo Prof. João Leite de acordo com o horário publicado
aqui.

Aula Data Matéria Prevista

Apresentação. Objectivos, programa, funcionamento e avaliação da disciplina. Breve discussão
1 27/9 sobre osobjectos de estudo, história e contornos da Inteligência Artificial como disciplina
científica.
Inteligência artificial como construção de agentes racionais. Propriedades dos agentes, tarefas e
ambientes. Medidas de desempenho de agentes e agente racional ideal. Arquitecturas de agentes:
2 28/9
agentesreactivos puros; agente reactivo com memória; agente deliberativo com objectivo; agente
deliberativo com função de utilidade; agentes aprendizes.
Agentes de procura: problemas, estados, operadores e soluções. Espaços de estados. Procura em
Árvores. Estratégias de procura cega: largura primeiro, custo uniforme, profundidade primeiro,
3 4/10
profundidade limitada, aprofundamento progressivo
e bidireccional.Análise das propriedades dos algoritmos. Procura em Grafos.
Noção de heurística. Estratégias de procura informada (heurística): procura pelo melhor
primeiro, procura sôfrega e procura A*. Estudo das propriedades do algoritmo A* e das
4 6/10
heurísticas: admissibilidade, dominância, monotonia e consistência. Procura com memória
limitada: IDA* e RBFS. Ilustração com exemplos.
Procura local. Problemas de optimização. Trepa colinas e procura tabu. Procura aleatória e
5 11/10
recristalização simulada. Procura local em feixe.
Agentes adaptativos. Tipos de algoritmos evolutivos. Funcionamento de um algoritmo genético.
Noção de população e indivíduo. Métodos de selecção, operadores de recombinação, operador
6 12/10
de mutação e função de avaliação. Escolha da população inicial. Procura local em espaços
contínuos.
Tipos de jogos. Estratégias óptimas. Algoritmominimax e cortes alfa-beta. Funções de
7 18/10 avaliação, corte do espaço de procura e decisões em tempo real. Jogos com informação
incompleta e factor sorte.
Problemas de Satisfação de Restrições. Procura com retrocesso cronológico, ordenação de
variáveis e valores: heurísticas de variável mais constrangida e do valor menos restritivo.
8 19/10 Propagação de informação para reduzir procura: o algoritmo de consistência de arcos. Procura
local em problemas de satisfação de restrições: a estratégia min-conflitos. Utilização da estrutura
do problema para simplificar a sua resolução.
Agentes baseados em conhecimento. Lógicas e compromissos ontológicos e epistemológicos.
9 25/10 Lógica proposicional: sintaxe e semântica. Consequência lógica e inferência
lógica. Solidez e completude.
10 26/10 Regras de inferência. Resolução. Encadeamento para a frente e para trás com cláusulas de Horn.
 Inferência proposicional efectiva: algoritmo de Davis-Putnam-Longemann-Loveland (DPLL).
Classes de complexidade P, NP, coNP e FNP. Problemas completos para as classes. Resolução
de problemas desatisfatibilidade com procura local. O algoritmoWalkSAT.
Lógica de predicados de primeira ordem: sintaxe e semântica. Representação do conhecimento
11 2/11
com lógica de predicados de primeira ordem. Resultadosfundamentais da lógica. 
Inferência em lógica de predicados de primeira ordem. Unificação e resolução. Formas
12 3/11
normais. Estratégias de resolução. Inferência em Lógica de Primeira Ordem.
13 8/11 Programação em Lógica não monotónica.

14 9/11 Programação por Conjuntos de Resposta (Answer-Set Programming)

  10/11 1º Teste (data e hora a confirmar no CLIP)

Agentes planeadores. Planeamento clássico. Linguagens de planeamento: PDDL e STRIPS.
15 15/11 Planeamento através da procura em espaço de
estados. Planeamentoprogressivo e regressivo em espaços de estados.Heurísticas.
Procura em espaços de planos. Planeamento com ordem parcial. Estudo do algoritmo
16 16/11
POP. Grafos de Planeamento. Estudo do algoritmo GraphPlan.
Agindo com incerteza. Teoria das probabilidades. Probabilidade Condicional. Axiomas das
probabilidades. Inferência recorrendo às distribuições de probabilidade conjunta. Independência
17 22/11
absoluta e condicional. Regra de Bayes. Aplicações da regra deBayes: urnas, Monty Hall,
dilema dos três prisioneiros e argumento do juízo final.
Redes Bayesianas. Semântica de Redes Bayesianas. Relações de independência condicional em
18 23/11
redesBayesianas. Distribuições compactas e redes híbridas.
  29/11 Não há aula
Inferência por enumeração em Redes de Bayes. Inferência por eliminação de variáveis em
19 30/11
redesBayesianas. Inferência por métodos estocásticos.
20 6/12 Aprendizagem automática
21 7/12 Aprendizagem automática
22 13/12 Aprendizagem Automática
23 14/12 Conclusão da Disciplina. Análise retrospectiva da matéria dada.
  18/12 2º Teste (data e hora a confirmar no CLIP)

Início |
Objectivos |
Programa |
Bibliografia |
Docentes |
Avaliação |
Horário |
Aulas |

Comentários e sugestões para jleite@fct.unl.pt