II. Állapottér-reprezentáció
|
|
- Mariska Juhászné
- 7 évvel ezelőtt
- Látták:
Átírás
1 II. Állapottér-reprezentáció 1
2 Állapottér-reprezentáció elemei Állapottér: a feladat homlokterében álló adategyüttes (objektum) lehetséges értékeinek (állapotainak) halmaza lényegében egyetlen típusérték-halmaz és annak összetett szerkezetű reprezentációja a típus invariánssal Műveletek: állapotból állapotba vezetnek megadásukhoz: előfeltétel és hatás-leírás Kezdő állapot(ok) vagy azokat leíró kezdőfeltétel Célállapot(ok) vagy célfeltétel 2
3 Megjegyzés Megoldás: műveletek sorozata Az állapottér általában nem azonos a problématérrel, mert a problématér elemei, azaz a lehetséges válaszok többnyire a kezdőállapotból induló műveletsorozatok, nem pedig az állapotok. A kiinduló válasz a kezdő állapotból induló nulla hosszú műveletsorozat Egy műveletsorozatnak (válasznak) szomszédjai azok a sorozatok, amelyek egy művelettel hosszabbak. 3
4 Hanoi tornyai probléma Kezdőállapot Célállapot Állapottér: Állás ={1,2,3} n megjegyzés : a rudakon lentről felfelé csökkenő méret szerint helyezkednek el a korongok. Egydimenziós, 1..n intervallummal indexelt n elemű tömb, amely elemeit az {1,2,3}-ból veszi Művelet: Rak(honnan, hová):állás Állás [3,3,3] [1,1,1] HA a-ban (a:állás) a honnan nem üres, és a hová üres vagy a legfelső korongja nagyobb, mint honnan legfelső korongja AKKOR a[honnan legfelső korongja] := hová 4
5 Implementáció Művelet: Rak(honnan, hová):állás Állás (a:állás) l1,i=search i 1..n (a[i]=honnan) i-t akarjuk mozgatni l2,j=search j 1..n (a[j]=hová) j-re akarunk rakni HA l1 és ( l2 vagy i<j) AKKOR a[i] := hová 5
6 Hanoi tornyai [3,3,3] start állapot-gráf [2,3,3] [1,3,3] [2,1,3] [1,2,3] [1,1,2] [1,1,3] [3,1,3] [3,2,3] [2,2,3] [2,2,1] [3,1,2] [2,1,2] [1,2,1] [3,2,1] [3,2,2] [2,3,2] [1,3,1] [3,1,1] [2,2,2] [1,2,2] [1,3,2] [3,3,2] [3,3,1] [2,3,1] [2,1,1] [1,1,1] cél
7 Állapottér-reprezentáció állapot-gráfja Állapot-gráf az állapottér-repr. reprezentációs gráfja állapot csúcs művelet hatása irányított él művelet költsége élköltség kezdő állapot startcsúcs célállapotok célcsúcsok műveletsorozat hatása irányított út Az útkeresés hatékonysága a problématér bonyolultságán múlik, ami az állapot-gráf bonyolultságától függ csúcsok és élek száma (3 n csúcs, 1 csúcsból kivezető él max: 3) utak száma, hossza (adott csúcsból kivezető k hosszú utak száma, ha a közvetlen visszalépést kizárjuk: 2 k ) körök gyakorisága és hossza 7
8 n-királynő probléma 1. általános állapot célfeltételnek megfelelő állapot kétdimenziós tömb (n n-es mátrix) Állapottér: Tábla = {, _ } n n amely elemeit a {, _ }-ból veszi invariáns: egy állapotban a királynők ( jelű mezők) száma = n Művelet: Áthelyez(x,y,u,v):Tábla Tábla HA (a[x,y]=) és (a[u,v]=_ ) (a:tábla) AKKOR a[x,y] a[u,v] 8
9 Problématér mérete Sok modellje lehet ugyanannak a feladatnak: keressük meg a legkisebb problématerűt o o o Most annyi állapot van, ahányféleképpen n királynőt elhelyezhetünk. Ennél jóval nagyobb a problématér, azaz egy adott állapotból kiinduló utak halmaza, hiszen egy állapotból n*(n 2 n) féleképpen lehet továbblépni, és egymás után végtelen sok ilyen lépést lehet tenni. Bővítsük az állapotteret az n-nél kevesebb királynőt tartalmazó állásokkal, de használjunk új műveletet : a királynő-felhelyezést. A problématér a legfeljebb n hosszú utakból áll majd, és a megoldást a pontosan n hosszúak között találjuk. Ezek száma: A műveletek előfeltételének szigorításával csökkenhet a problématér: - Sorról sorra csak egy-egy királynőt helyezzünk fel a táblára! Ekkor az n hosszú utak száma: n n - Ez tovább csökkenthető, ha ütést tartalmazó állásra nem rakunk fel újabb királynőt! 9
10 kezdőállapot n-királynő probléma 2. célállapot Állapottér: Tábla = {, _ } n n invariáns: a királynők ( jelű mezők) száma n csak az első valahány sorban van egy-egy királynő Művelet: közbülső állapot Helyez(oszlop):Tábla Tábla HA a táblán (a:tábla) a királynők száma < n és nincs ütés és a sor a soron következő üres sort jelöli AKKOR a[sor,oszlop] := 10
11 Állapot-gráf 11
12 Művelet végrehajtásának hatékonysága A művelet előfeltételének kiszámítási bonyolultsága csökkenthető, ha o az állapotteret (vagy annak invariánsát) szigorítjuk és o a művelet hatását ennek megfelelően módosítjuk (ugyanaz a megszorítás vándorol a specifikáción belül) Például o o o A királynők számát eltároljuk az állapotban (ebből ismert lesz a következő üres sor is) ahelyett, hogy mindig kiszámolnánk. Ha tároljuk, hogy mely üres mezőket tartanak ütés alatt a királynők, (ezeket a művelet végrehajtásakor, egy újabb királynő elhelyezésekor kell bejelölni, akkor konstans időben eldönthető, hogy egy új királynő üti-e az előzőeket, és ezt a tényt egy logikai változóban rögzíthetnénk, amiből látni, hogy további királynőt nem szabad elhelyezni. Sőt (és ez már új megszorítás) ne is legyen ütés a táblán. 12
13 kezdőállapot: db = 0 n-királynő probléma 3. közbülső állapot: db = 2 célállapot : db = 4 Állapottér: Tábla = rec(m :{,, _ } n n, db : N) invariáns: csak az első db sorban van egy-egy királynő (), db n, királynők nem ütik egymást, egy királynő által ütésben álló (foglalt) üres mezőt, _ az ütésben nem álló szabad mezőt jelöli 13
14 n-királynő probléma 3. Művelet: új királynő elhelyezése a soron következő üres sor szabad mezőjére (invariáns tartó művelet) Helyez(oszlop):Tábla Tábla (a:tábla) HA a. db < n és a.m[a.db+1,oszlop]= _ AKKOR a.db:=a.db+1 a.m[a.db,oszlop] := minden megfelelő i,j -re: a.m[i,j] := Kezdőállapot: a.m üres mátrix, a.db=0 Célállapot: a.db=n 14
15 4-királynő állapot gráf 17
16 kezdőállapot: tetszőleges Tologató játék (8-as, 15-ös) Állapottér: Tábla=rec(m :{0..8} 3 3, ü :{1..3} {1..3}) invariáns: a mátrix sorfolytonos kiterítése a számok permutációja, az üreshely a 0 elem sor és oszlopindexe. Művelet: Tol(irány):Tábla Tábla (irány *(1,0),(0,1),(-1,0),(0,-1)}) HA a.ü+irány egy érvényes pozíció (a:tábla) AKKOR a.m[a.ü] a.m[a.ü+irány] a.ü := a.ü+irány célállapot: szokásos a.ü+irány koordinátánként értendő 19
17 Mit lát egy keresés a problématérből? A keresés szempontjából egy reprezentációs gráfnak csak a startcsúcsból elérhető része érdekes (9!/2), ugyanis ez az, amit egy keresés felfedhet a gráfból. Ráadásul ezt a felfedett részt is sokszor csak torzultan látja a keresés: (keresési tér) Ha a keresés nem ellenőrzi, hogy egy általa elért állapotot már korábban felfedezett-e, akkor nem az eredeti reprezentációs gráfot, hanem annak fává kiegyenesített változatát látja. Nem feltétlenül baj, ha emiatt a keresési tér végtelen nagy lesz, ha cserébe nincsenek már benne körök. A szülőcsúcsba való visszalépést viszont érdemes direkt módon kizárni, hiszen ez egy egyszerű vizsgálat, amellyel a felesleges éleket, oda-vissza köröket hagyhatjuk el a keresési térből. 20
18 Keresési tér célállapotok duplikátumok
19 Fekete-fehér kirakó Egy n+m+1 hosszú sínen n fekete és m fehér lapka és egy üres hely van. Egy lapkát szomszédos üres helyre tolhatunk vagy a szomszéd felett üres helyre ugrathatunk. Kezdetben a feketék után jönnek a fehérek, majd az üres hely. Kerüljenek a fehérek a feketék elé! Állapottér: Sín=rec(v : {B, W,_} n+m+1, poz : [1.. n+m+1]) invariáns: egy üres hely, poz az üres hely indexe, n darab B és m darab W Műveletek: TolBal, TolJobb, UgrikBal, UgrikJobb: Sín Sín Például: TolBal (üres helyet toljuk balra) HA a.poz 1 (a : Sín) AKKOR a.v[a.poz-1] a.v[a.poz] ; a.poz :=a.poz-1 Kezdőállapot: [B,, B, W,, W, _ ] Célállapot: i,j [1.. n+m+1], i<j : (a.v[i]=b a.v[j]=w) 22
20 Fekete-fehér kirakó állapot gráfja start cél cél cél cél 23
21 C A B Kockavilág probléma Egy asztalon van néhány kocka (A,B,C, ), amelyeket egy robotkar mozgat: felemel, rátesz, levesz, lerak. Építsünk fel egy meghatározott alakzatot egy rögzített helyzetből kiindulva! Állapottér: Kockák= set(alapliterálok) Alapliterálok={az ontable(x), on(x,y), clear(x), handempty, holding(x) összes alapelőfordulása, azaz ontable(a), ontable(b), } invariáns: egy állapot ellentmondás mentes (pl.: nincs on(c,b) és clear(b)), de lehet hiányos (lásd célállapot) Például: Kezdőállapot: ontable(a), clear(a), ontable(b), on(c,b), clear(c),handempty Célállapot: on(a,b), on(b,c) 24
22 C A B HA Kockavilág probléma műveletei Teljes leírású állapotból teljes leírású állapotba vezetnek, de lehet alkalmazni hiányos állapotra is, Műveletek: sőt nemcsak alapliterálokkal leírt állapotokra is. Pickup(x): Kockák Kockák (h : Kockák) ontable(x),clear(x),handempty h AKKOR h := h {ontable(x),clear(x),handempty } {holding(x)} Putdown(x): Kockák Kockák HA holding(x) h (h : Kockák) AKKOR h := h {holding(x)} {ontable(x),clear(x),handempty} Stack(x,y): Kockák Kockák HA holding(x), clear(y) h (h : Kockák) AKKOR h := h {holding(x), clear(y)} {on(x,y),clear(x),handempty} Unstack(x,y): Kockák Kockák (h : Kockák) HA on(x,y),clear(x),handempty h AKKOR h := h {on(x,y),clear(x),handempty} {holding(x), clear(y)} 25
23 Kancsók problémája Három kancsóban, egy öt, egy három és egy két literesben, együttesen 5 liter bor van. Kezdetben az öt literes kancsó van tele. Töltögetéssel érjük el, hogy a két literesbe pontosan 1 liter bor kerüljön! Állapottér: Kancsók= vektor( [5,3,2];{0..5} ) invariáns: i [5,3,2] v[i] = 5 i [5,3,2]: v[i] i Kezdő állapotból elérhető állásokban egyik kancsó üres vagy teli. Művelet: Tölt(i,j): Kancsók Kancsók (v : Kancsók) HA AKKOR Kezdőállapot: [5, 0, 0] Célállapot: [x, y, 1] i,j [5,3,2] i j min(v[i], j-v[j])>0 v[i],v[j] := v[i]-min(v[i], j-v[j]),v[j]+min(v[i], j-v[j]) 26
24 Kancsók-probléma állapot gráfja cél cél cél cél start 27
25 Misszionárius - kannibál probléma Elég csak a bal partot jegyezni az átkelés nem külön állapot n misszionárius és n kannibál át akar kelni egy folyón egy h személyes csónakban Ha a bal parton nincs emberevés, akkor a jobb parton sincs Állapottér: Part = rec(m : [0..n], k : [0..n], c : 𝕃) invariáns: nincs emberevés, azaz I(m,k) m=k m=0 m=n Kezdőállapot: (n,n,igaz) (0,0,hamis) Ha Célállapot: az átevezés előtt és után nincs emberevés, akkor a csónakban sincs. Műveletek: Oda(x,y):Part Part és Vissza(x,y):Part Part (a:part) HA a.c x a.m y a.k HA a.c x n a.m y n a.k 0<x+y h I(a.m x, a.k y) 0<x+y h I(a.m+x, a.k+y) AKKOR a.c:=hamis : AKKOR a.c:=igaz : a.m:=a.m x: a.k:=a.k y a.m:=a.m+x: a.k:=a.k+y 29
26 Feladatok 1. Utazó ügynök probléma 2. Gráf színezési probléma 3. Sakktábla bejárása lóval 4. Rubik kocka 5. Bűvös négyzet ös mátrix 0,1-esekkel úgy, hogy minden 2 2-es más 7. Ábrarajzolás egy vonallal 8. Útvonal tervezés városban (egyirányú utcák) 9. Nagypapa játéka 34
II. Állapottér-reprezentáció
Állapottér-reprezentáció elemei II. Állapottér-reprezentáció Állapottér: a feladat homlokterében álló adat (objektum) lehetséges értékeinek (állapotainak) halmaza lényegében egyetlen típusérték-halmaz
RészletesebbenModellezés Gregorics Tibor Mesterséges intelligencia
Modellezés 1. Állapottér-reprezentáció Állapottér: a probléma leírásához szükséges adatok által felvett érték-együttesek (azaz állapotok) halmaza az állapot többnyire egy összetett szerkezetű érték gyakran
Részletesebben1. Milyen hatással van a heurisztika általában a keresõ rendszerek mûködésére?
2012. 06. 20. 1. Milyen hatással van a heurisztika általában a keresõ rendszerek mûködésére? A heurisztika olyan, a feladathoz kapcsolódó ötlet, amelyet közvetlenül építünk be egy algoritmusba, azért,
RészletesebbenCselekvési tervek generálása a robotikában
Cselekvési tervek generálása a robotikában Nagy Tímea, T Régeni Ágnes Robotika bevezető Meghatároz rozás Osztályoz lyozás Jellemzők Robotgeneráci ciók Tartalom Cselekvési si tervek Bevezető Algoritmusok
Részletesebben1. AZ MI FOGALMA. I. Bevezetés. Ers mesterséges intelligencia (EMI) Gyenge mesterséges intelligencia. MI története. Els szakasz (60-as évek)
1. AZ MI FOGALMA I. Bevezetés 1. A mesterséges intelligencia (MI) fogalma 2. Probléma modellezés 3. Keres rendszerek az MI-ben 1956 nyár. Darthmouth College-i konferencia Kezdeti cél: Az emberi gondolkodás
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus hálók
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/6 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 46/6 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció stratégiák Szemantikus hálók
RészletesebbenBevezetés az informatikába
Bevezetés az informatikába 6. előadás Dr. Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék Matematikus BSc - I. félév / 2008 / Budapest Dr.
Részletesebben2. Visszalépéses stratégia
2. Visszalépéses stratégia A visszalépéses keres rendszer olyan KR, amely globális munkaterülete: út a startcsúcsból az aktuális csúcsba (ezen kívül a még ki nem próbált élek nyilvántartása) keresés szabályai:
Részletesebben1. beadandó feladat: egyszerű grafikus felületű alkalmazás. Közös követelmények:
1. beadandó feladat: egyszerű grafikus felületű alkalmazás Közös követelmények: A megvalósításnak felhasználóbarátnak, és könnyen kezelhetőnek kell lennie. A szerkezetében törekedni kell az objektumorientált
RészletesebbenTERVGENERÁLÁS. Robotika részfeladatai. Állapot-leírás logikai állításokkal. Kocka világ. Állapot-leírás tulajdonságai. Példa
Robotika részfeladatai TERVGENERÁLÁS 1. Állapottér-reprezentáció 2. Probléma redukció 3. Probléma dekompozíció 4. Logikai reprezentáció robot-szerkezet építése cél-meghatározás érzékelés, alakfelismerés
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
RészletesebbenV. Kétszemélyes játékok
Teljes információjú, véges, zéró összegű kétszemélyes játékok V. Kétszemélyes játékok Két játékos lép felváltva adott szabályok szerint. Mindkét játékos ismeri a maga és az ellenfele összes választási
RészletesebbenMesterséges intelligencia. Gregorics Tibor people.inf.elte.hu/gt/mi
people.inf.elte.hu/gt/mi Szakirodalom Könyvek Fekete István - - Nagy Sára: Bevezetés a mesterséges intelligenciába, LSI Kiadó, Budapest, 1990, 1999. ELTE-Eötvös Kiadó, Budapest, 2006. Russel, J. S., Norvig,
RészletesebbenStruktúra nélküli adatszerkezetek
Struktúra nélküli adatszerkezetek Homogén adatszerkezetek (minden adatelem azonos típusú) osztályozása Struktúra nélküli (Nincs kapcsolat az adatelemek között.) Halmaz Multihalmaz Asszociatív 20:24 1 A
Részletesebben2. Visszalépéses keresés
2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel
RészletesebbenIdőjárási csúcsok. Bemenet. Kimenet. Példa. Korlátok. Nemes Tihamér Nemzetközi Informatikai Tanulmányi Verseny, 2-3. korcsoport
Időjárási csúcsok Ismerjük N napra a déli hőmérséklet értékét. Lokálisan melegnek nevezünk egy napot (az első és az utolsó kivételével), ha az aznap mért érték nagyobb volt a két szomszédjánál, lokálisan
RészletesebbenÁllapottér reprezentáció/level1
Állapottér reprezentáció/level1 kecske káposzta A tutajosnak át kell szállítani a folyó másik partjára egy farkast, egy kecskét és egy káposztát. A csónakban egyszerre csak az egyiket viheti át a három
RészletesebbenAmortizációs költségelemzés
Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük
RészletesebbenAdatszerkezetek II. 1. előadás
Adatszerkezetek II. 1. előadás Gráfok A gráf fogalma: Gráf(P,E): P pontok (csúcsok) és E P P élek halmaza Fogalmak: Irányított gráf : (p 1,p 2 ) E-ből nem következik, hogy (p 2,p 1 ) E Irányítatlan gráf
RészletesebbenProgramozási Módszertan definíciók, stb.
Programozási Módszertan definíciók, stb. 1. Bevezetés Egy adat típusát az adat által felvehető lehetséges értékek halmaza (típusérték halmaz, TÉH), és az ezen értelmezett műveletek (típusműveletek) együttesen
RészletesebbenKeresések Gregorics Tibor Mesterséges intelligencia
Keresések ADAT := kezdeti érték while terminálási feltétel(adat) loop SELECT SZ FROM alkalmazható szabályok ADAT := SZ(ADAT) endloop KR vezérlési szintjei vezérlési stratégia általános modellfüggő heurisztikus
RészletesebbenMűveletek mátrixokkal. Kalkulus. 2018/2019 ősz
2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix
RészletesebbenVisszalépéses keresés
Visszalépéses keresés Backtracking előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Alapvető működése Továbbfejlesztési
Részletesebbenangolul: greedy algorithms, románul: algoritmi greedy
Mohó algoritmusok angolul: greedy algorithms, románul: algoritmi greedy 1. feladat. Gazdaságos telefonhálózat építése Bizonyos városok között lehet direkt telefonkapcsolatot kiépíteni, pl. x és y város
RészletesebbenAdatszerkezetek 2. Dr. Iványi Péter
Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat
Részletesebben38. A gráfalgoritmusok alkalmazása
38. A gráfalgoritmusok alkalmazása Állapotok és átmenetek A gráf adattípus nagyon sokféle feladat megoldásánál alkalmazható. Rejtvények, játékok, közlekedési és szállítási problémák, stratégiai feladatok
RészletesebbenMestInt gyakorlat visszalépéses keresés
MestInt gyakorlat visszalépéses keresés Probléma leírása N királynő probléma Az n királynő probléma, azt a kérdést veti fel, hányféleképpen lehet lerakni n darab királynőt egy n n-es táblán úgy, hogy a
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 9. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 18 Közelítő algoritmusok ládapakolás (bin packing) Adott n tárgy (s i tömeggel) és végtelen sok 1 kapacitású láda
RészletesebbenAlgoritmizálás és adatmodellezés tanítása 6. előadás
Algoritmizálás és adatmodellezés tanítása 6. előadás Összetett típusok 1. Rekord 2. Halmaz (+multihalmaz, intervallumhalmaz) 3. Tömb (vektor, mátrix) 4. Szekvenciális file (input, output) Pap Gáborné,
RészletesebbenAlgoritmusok és adatszerkezetek I. 1. előadás
Algoritmusok és adatszerkezetek I 1 előadás Típusok osztályozása Összetettség (strukturáltság) szempontjából: elemi (vagy skalár, vagy strukturálatlan) összetett (más szóval strukturált) Strukturálási
Részletesebben22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
RészletesebbenII. Szabályalapú következtetés
Szabályalapú következtetés lényege II. Szabályalapú következtetés Szabályalapú technikáknál az ismereteket vagy ha-akkor szerkezetű kal, vagy feltétel nélküli tényállításokkal írják le. a feladat megoldásához
RészletesebbenGROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.
ELTE, MSc II. 2011.dec.15. Áttekintés Feladat Algoritmus Kvantum keresési algoritmus áttekintése Input: N = 2 n elemű tömb, Ψ 1 = 0 1 kezdőállapot, f x0 (x) orákulum függvény. Output: x 0 keresett elem
RészletesebbenGráfkeresések A globális munkaterületén a startcsúcsból kiinduló már feltárt utak találhatók (ez az ún. kereső gráf), külön megjelölve az utak azon
ÖSSZEFOGLALÁS Az MI az intelligens gondolkodás számítógépes reprodukálása szempontjából hasznos elveket, módszereket, technikákat kutatja, fejleszti, rendszerezi. Miről ismerhető fel az MI? Megoldandó
Részletesebben21. Adatszerkezetek Az adattípus absztrakciós szintjei Absztrakt adattípus (ADT) Absztrakt adatszerkezet (ADS) Egyszerű adattípusok Tömbök
2. Adatszerkezetek Az adattípus absztrakciós szintjei http://people.inf.elte.hu/fekete/docs_/adt_ads.pdf Absztrakt adattípus (ADT) Az adattípust úgy specifikáljuk, hogy szerkezetére, reprezentálására,
RészletesebbenBevezetés a programozásba. 5. Előadás: Tömbök
Bevezetés a programozásba 5. Előadás: Tömbök ISMÉTLÉS Specifikáció Előfeltétel: milyen körülmények között követelünk helyes működést Utófeltétel: mit várunk a kimenettől, mi az összefüggés a kimenet és
RészletesebbenPermutáció n = 3 esetében: Eredmény: permutációk száma: P n = n! romámul: permutări, angolul: permutation
Visszalépéses módszer (Backtracking) folytatás Permutáció n = 3 esetében: 1 2 3 2 3 1 3 1 2 Eredmény: 3 2 3 1 2 1 123 132 213 231 312 321 permutációk száma: P n = n! romámul: permutări, angolul: permutation
Részletesebben44. ORSZÁGOS TIT KALMÁR LÁSZLÓ MATEMATIKAVERSENY. Megyei forduló április mal, így a számjegyeinek összege is osztható 3-mal.
44. ORSZÁGOS TIT KALMÁR LÁSZLÓ MATEMATIKAVERSENY Megyei forduló - 2015. április 11. HATODIK OSZTÁLY - Javítási útmutató 1. Melyik a legkisebb 3-mal osztható négyjegyű szám, amelynek minden számjegye különböző,
RészletesebbenMiskolci Egyetem. Diszkrét matek I. Vizsga-jegyzet. Hegedűs Ádám Imre 2010.12.28.
Miskolci Egyetem Diszkrét matek I. Vizsga-jegyzet Hegedűs Ádám Imre 2010.12.28. KOMBINATORIKA Permutáció Ismétlés nélküli permutáció alatt néhány különböző dolognak a sorba rendezését értjük. Az "ismétlés
RészletesebbenEgyszerű programozási tételek
Egyszerű programozási tételek 2. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. szeptember 15. Sergyán (OE NIK) AAO 02 2011. szeptember 15.
Részletesebben1. beadandó feladat: egyszerű grafikus felületű alkalmazás. Közös követelmények:
1. beadandó feladat: egyszerű grafikus felületű alkalmazás Közös követelmények: A megvalósításnak felhasználóbarátnak, és könnyen kezelhetőnek kell lennie. A szerkezetében törekedni kell az objektumorientált
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,
Részletesebben2. forduló. MEGOLDÁSOK Pontszerző Matematikaverseny 2014/2015 tanév. 1. Számkeresztrejtvény:
1. Számkeresztrejtvény: MEGOLDÁSOK Pontszerző Matematikaverseny 2014/2015 tanév 2. forduló Az alábbi keresztrejtvény ábra abban különbözik a hagyományos keresztrejtvényektől, hogy a négyzet alakú mezőkbe
RészletesebbenAlgoritmizálás, adatmodellezés tanítása 7. előadás
Algoritmizálás, adatmodellezés tanítása 7. előadás Oszd meg és uralkodj! Több részfeladatra bontás, amelyek hasonlóan oldhatók meg, lépései: a triviális eset (amikor nincs rekurzív hívás) felosztás (megadjuk
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenAlgoritmizálás és adatmodellezés 2. előadás
Algoritmizálás és adatmodellezés 2 előadás Összetett típusok 1 Rekord 2 Halmaz (+multialmaz, intervallumalmaz) 3 Tömb (vektor, mátrix) 4 Szekvenciális fájl (input, output) Pap Gáborné, Zsakó László: Algoritmizálás,
RészletesebbenMegjegyzés: A programnak tartalmaznia kell legalább egy felhasználói alprogramot. Példa:
1. Tétel Az állomány két sort tartalmaz. Az első sorában egy nem nulla természetes szám van, n-el jelöljük (5
RészletesebbenMESTERSÉGES INTELLIGENCIA DR. KOVÁSZNAI GERGELY JEGYZETE. Verziószám: 1.0 2008. május 19.
MESTERSÉGES INTELLIGENCIA DR. KOVÁSZNAI GERGELY JEGYZETE Verziószám: 1.0 2008. május 19. 1 Tartalomjegyzék 1. A mesterséges intelligencia története...4 1.1. Korai lelkesedés, nagy elvárások (az 1960-as
RészletesebbenGRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus
GRÁFELMÉLET 7. előadás Javító utak, javító utak keresése, Edmonds-algoritmus Definíció: egy P utat javító útnak nevezünk egy M párosításra nézve, ha az út páratlan hosszú, kezdő- és végpontjai nem párosítottak,
Részletesebbenend function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t..
A Név: l 2014.04.09 Neptun kód: Gyakorlat vezető: HG BP MN l 1. Adott egy (12 nem nulla értékû elemmel rendelkezõ) 6x7 méretû ritka mátrix hiányos 4+2 soros reprezentációja. SOR: 1 1 2 2 2 3 3 4 4 5 6
Részletesebben1. AZ MI FOGALMA. I. Bevezetés. Tulajdonságok. Kezdet ELIZA. Első szakasz (60-as évek)
1. AZ MI FOGALMA I. Bevezetés Nincs pontos definíció Emberi gondolkodás számítógépes reprodukálása Intelligens viselkedésű programok Az ember számára is nehéz problémák számítógépes megoldása Intellektuálisan
Részletesebben26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma
RészletesebbenÖSSZEFOGLALÁS a Bsc záróvizsga mesterséges intelligenciáról szóló témaköréhez
ÖSSZEFOGLALÁS a Bsc záróvizsga mesterséges intelligenciáról szóló témaköréhez Az MI az informatikának az a területe, amelyik az intelligens gondolkodás számítógépes reprodukálása szempontjából hasznos
RészletesebbenINFORMATIKA javítókulcs 2016
INFORMATIKA javítókulcs 2016 ELMÉLETI TÉTEL: Járd körbe a tömb fogalmát (Pascal vagy C/C++): definíció, egy-, két-, több-dimenziós tömbök, kezdőértékadás definíciókor, tömb típusú paraméterek átadása alprogramoknak.
RészletesebbenFelvételi vizsga mintatételsor Informatika írásbeli vizsga
BABEȘ BOLYAI TUDOMÁNYEGYETEM MATEMATIKA ÉS INFORMATIKA KAR A. tételsor (30 pont) Felvételi vizsga mintatételsor Informatika írásbeli vizsga 1. (5p) Egy x biten tárolt egész adattípus (x szigorúan pozitív
RészletesebbenAlkalmazott modul III 3. feladatcsoport. Közös követelmények:
Alkalmazott modul III 3. feladatcsoport Közös követelmények: A program játékfelületét dinamikusan kell létrehozni futási időben. Egyes feladatoknál különböző méretű játékmezők létrehozását kell megvalósítani,
RészletesebbenSmalltalk 2. Készítette: Szabó Éva
Smalltalk 2. Készítette: Szabó Éva Blokkok Paraméter nélküli blokk [műveletek] [ x := 5. 'Hello' print. 2+3] Kiértékelés: [művelet] value az értéke az utolsó művelet értéke lesz, de mindet kiírja. x :=
RészletesebbenEGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF
Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:
RészletesebbenEvolúciós algoritmusok
Evolúciós algoritmusok Evolúció, mint kereső rendszer A problémára adható néhány lehetséges választ, azaz a problématér több egyedét tároljuk egyszerre. Ez a populáció. Kezdetben egy többnyire véletlen
RészletesebbenBACKTRACKING Visszalépéses keresés
BACKTRACKING Visszalépéses keresés I. rész A wiki.prog.hu weboldal az alábbi leírással vezeti fel a visszalépéses keresés algoritmus bemutatását: A visszalépéses keresés (Backtracking) olyan esetekben
RészletesebbenOptimalizációs stratégiák 2.
Optimalizációs stratégiák 2. Visszalépéses keresés, szétválasztás és korlátozás előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai
RészletesebbenGráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2
Részletesebben7. Strukturált típusok
7. Strukturált típusok 1. Mintafeladat a különböző tömbtípusok konstanssal való feltöltésére és kiíratására! (minta7_1) program minta7_1; fejlec:array[1..8] of char = 'Eredmény'; adatok:array[1..4] of
RészletesebbenHalmaz típus Értékhalmaz:
Halmaz, multihalmaz Halmaz féleségek 1. Halmaz Gyümölcsök: {alma,körte,szilva,barack} 2. Multihalmaz Állatok: {(macska,4),(rigó,2),(galamb,3)} 3. Intervallumhalmaz diszjunkt Óráim: {[8-10],[13-14],[16-20)}
RészletesebbenAlgoritmusok és adatszerkezetek gyakorlat 06 Adatszerkezetek
Algoritmusok és adatszerkezetek gyakorlat 06 Adatszerkezetek Tömb Ugyanolyan típusú elemeket tárol A mérete előre definiált kell legyen és nem lehet megváltoztatni futás során Legyen n a tömb mérete. Ekkor:
RészletesebbenMegyei matematikaverseny évfolyam 2. forduló
Megyei matematikaverseny 0. 9. évfolyam. forduló. Mennyi a tizenkilencedik prím és a tizenkilencedik összetett szám szorzata? (A) 00 (B) 0 (C) 0 (D) 04 (E) Az előző válaszok egyike sem helyes.. Az 000
Részletesebben24. MINIMÁLIS KÖLTSÉGŰ UTAK I.
24. MINIMÁLIS KÖLTSÉGŰ UTAK I. Az útvonaltervezés az egyik leggyakrabban végrehajtott eljárása a gráfok alkalmazásai körében. A feladat például a közlekedésben jelentkezik. A gráfot itt az a térkép jelenti,
RészletesebbenC programozási nyelv Pointerek, tömbök, pointer aritmetika
C programozási nyelv Pointerek, tömbök, pointer aritmetika Dr. Schuster György 2011. június 16. C programozási nyelv Pointerek, tömbök, pointer aritmetika 2011. június 16. 1 / 15 Pointerek (mutatók) Pointerek
Részletesebben17. A 2-3 fák és B-fák. 2-3 fák
17. A 2-3 fák és B-fák 2-3 fák Fontos jelentősége, hogy belőlük fejlődtek ki a B-fák. Def.: Minden belső csúcsnak 2 vagy 3 gyermeke van. A levelek egy szinten helyezkednek el. Az adatrekordok/kulcsok csak
RészletesebbenAlgoritmizálás, adatmodellezés 1. előadás
Algoritmizálás, adatmodellezés 1. előadás Algoritmus-leíró eszközök Folyamatábra Irányított gráf, amely csomópontokból és őket összekötő élekből áll, egyetlen induló és befejező éle van, az induló élből
Részletesebben2) = 0 ahol x 1 és x 2 az ax 2 + bx + c = 0 ( a,b, c R és a 0 )
Fogalom gyűjtemény Abszcissza: az x tengely Abszolút értékes egyenletek: azok az egyenletek, amelyekben abszolút érték jel szerepel. Abszolútérték-függvény: egy elemi egyváltozós valós függvény, mely minden
RészletesebbenA 2016/2017 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató. INFORMATIKA II. (programozás) kategória
Oktatási Hivatal A 2016/2017 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató INFORMATIKA II. (programozás) kategória Kérjük a tisztelt tanár kollégákat, hogy a
RészletesebbenA MESTERSÉGES INTELLIGENCIA KÉRDÉSEI A KÖZÉPISKOLAI OKTATÁSBAN
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet A MESTERSÉGES INTELLIGENCIA KÉRDÉSEI A KÖZÉPISKOLAI OKTATÁSBAN DR. KOVÁSZNAI GERGELY ÉS DR. KUSPER GÁBOR JEGYZETE Tartalomjegyzék 1. Bevezetés...4
RészletesebbenDinamikus modellek szerkezete, SDG modellek
Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenTömbök kezelése. Példa: Vonalkód ellenőrzőjegyének kiszámítása
Tömbök kezelése Példa: Vonalkód ellenőrzőjegyének kiszámítása A számokkal jellemzett adatok, pl. személyi szám, adószám, taj-szám, vonalkód, bankszámlaszám esetében az elírásból származó hibát ún. ellenőrző
RészletesebbenGráfalgoritmusok ismétlés ősz
Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenFelvételi tematika INFORMATIKA
Felvételi tematika INFORMATIKA 2016 FEJEZETEK 1. Természetes számok feldolgozása számjegyenként. 2. Számsorozatok feldolgozása elemenként. Egydimenziós tömbök. 3. Mátrixok feldolgozása elemenként/soronként/oszloponként.
RészletesebbenPROGRAMOZÁS tantárgy. Gregorics Tibor egyetemi docens ELTE Informatikai Kar
PROGRAMOZÁS tantárgy Gregorics Tibor egyetemi docens ELTE Informatikai Kar Követelmények A,C,E szakirány B szakirány Előfeltétel Prog. alapismeret Prog. alapismeret Diszkrét matematika I. Óraszám 2 ea
RészletesebbenGyakorlatok. P (n) = P (n 1) + 2P (n 2) + P (n 3) ha n 4, (utolsó lépésként l, hl, u, hu-t léphetünk).
Gyakorlatok Din 1 Jelölje P (n) azt a számot, ahányféleképpen mehetünk le egy n lépcsőfokból álló lépcsőn a következő mozgáselemek egy sorozatával (zárójelben, hogy mennyit mozgunk az adott elemmel): lépés
RészletesebbenGráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 1. Tárolási módok, bejárások előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Gráfok 1. Tárolási módok Szélességi
RészletesebbenAlgoritmizálás és adatmodellezés tanítása 2. előadás
Algoritmizálás és adatmodellezés tanítása 2. előadás Tartalom Összegzés vektorra, mátrixra Megszámolás vektorra, mátrixra Maximum-kiválasztás vektorra, mátrixra Eldöntés vektorra, mátrixra Kiválasztás
Részletesebbenvan neve lehetnek bemeneti paraméterei (argumentumai) lehet visszatérési értéke a függvényt úgy használjuk, hogy meghívjuk
függvények ismétlése lista fogalma, használata Game of Life program (listák használatának gyakorlása) listák másolása (alap szintű, teljes körű) Reversi 2 Emlékeztető a függvények lényegében mini-programok,
RészletesebbenA modellellenőrzés érdekes alkalmazása: Tesztgenerálás modellellenőrzővel
A modellellenőrzés érdekes alkalmazása: Tesztgenerálás modellellenőrzővel Majzik István Micskei Zoltán BME Méréstechnika és Információs Rendszerek Tanszék 1 Modell alapú fejlesztési folyamat (részlet)
RészletesebbenLineáris Algebra gyakorlatok
A V 2 és V 3 vektortér áttekintése Lineáris Algebra gyakorlatok Írta: Simon Ilona Lektorálta: DrBereczky Áron Áttekintjük néhány témakör legfontosabb definícióit és a feladatokban használt tételeket kimondjuk
RészletesebbenRendezések. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar október 24.
Rendezések 8. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. október 24. Sergyán (OE NIK) AAO 08 2011. október 24. 1 / 1 Felhasznált irodalom
RészletesebbenRendezések. A rendezési probléma: Bemenet: Kimenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat
9. Előadás Rendezések A rendezési probléma: Bemenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat Kimenet: a bemenő sorozat olyan (a 1, a 2,,a n ) permutációja, hogy a 1 a 2 a n 2 Rendezések Általánosabban:
Részletesebben23. SZÉLESSÉGI BEJÁRÁS
23. SZÉLESSÉGI BEJÁRÁS A bejárási algoritmusok feladata általában a gráf csúcsainak végiglátogatása valamilyen stratégia szerint. A bejárás gyakran azért hajtjuk végre, mert adott tulajdonságú csúcsot
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenGyakorló feladatok ZH-ra
Algoritmuselmélet Schlotter Ildi 2011. április 6. ildi@cs.bme.hu Gyakorló feladatok ZH-ra Nagyságrendek 1. Egy algoritmusról tudjuk, hogy a lépésszáma O(n 2 ). Lehetséges-e, hogy (a) minden páros n-re
RészletesebbenALAPFOGALMAK 1. A reláció az program programfüggvénye, ha. Azt mondjuk, hogy az feladat szigorúbb, mint az feladat, ha
ALAPFOGALMAK 1 Á l l a p o t t é r Legyen I egy véges halmaz és legyenek A i, i I tetszőleges véges vagy megszámlálható, nem üres halmazok Ekkor az A= A i halmazt állapottérnek, az A i halmazokat pedig
RészletesebbenLogika es sz am ıt aselm elet I. r esz Logika 1/36
1/36 Logika és számításelmélet I. rész Logika 2/36 Elérhetőségek Tejfel Máté Déli épület, 2.606 matej@inf.elte.hu http://matej.web.elte.hu Tankönyv 3/36 Tartalom 4/36 Bevezető fogalmak Ítéletlogika Ítéletlogika
RészletesebbenA számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Bináris keresőfa, kupac Katona Gyula Y. (BME SZIT) A számítástudomány
RészletesebbenAlgoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.
Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME
Részletesebbentétel: különböző típusú adatokat csoportosít, ezeket egyetlen adatként kezeli, de hozzáférhetünk az elemeihez is
A tétel (record) tétel: különböző típusú adatokat csoportosít, ezeket egyetlen adatként kezeli, de hozzáférhetünk az elemeihez is A tétel elemei mezők. Például tétel: személy elemei: név, lakcím, születési
Részletesebben5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan
RészletesebbenAlgoritmuselmélet 2. előadás
Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés
RészletesebbenMatematika alapjai; Feladatok
Matematika alapjai; Feladatok 1. Hét 1. Tekintsük a,, \ műveleteket. Melyek lesznek a.) kommutativok b.) asszociativak c.) disztributívak-e a, műveletek? Melyik melyikre? 2. Fejezzük ki a műveletet a \
Részletesebben