Font size
WorksheetsLms tn1_TTNT - Câu hỏi trắc nghiệm
Total questions: 86
Worksheet time: 43mins
Xử lý ngôn ngữ tự nhiên (NLP) trong trí tuệ nhân tạo thường được sử dụng để làm gì?
Tạo ra các mô hình dự đoán tài chính
Nhận diện hình ảnh và video
Hiểu và phân tích ngôn ngữ của con người, ví dụ như dịch thuật và chatbot
Quản lý dữ liệu và tối ưu hoá hệ thống mạng
AlphaGo là một chương trình trí tuệ nhân tạo nổi tiếng vì lí do gì?
Đánh bại nhà vô địch cờ vua Garry Kasparov
Đánh bại nhà vô địch cờ vây Lee Sedol
Đạt giải Nobel Kinh tế
Phát triển phần mềm học sâu cho nhận diện hình ảnh
Đâu là chương trình trò chơi nổi tiếng áp dụng trí tuệ nhân tạo?
Deep blue
AlphaGo
Hệ thống trả lời tự động Watson
Tất cả các đáp án trên
Chức năng chính của ChatGPT là gì?
Điểm danh khuôn mặt
Xử lí và tạo văn bản tự nhiên
Điện toán đám mây
Hệ thống thông tin địa lý
Cho biết khoảng thời gian của công nghiệp trí tuệ nhân tạo?
Từ 1980 đến nay
Từ 1990 đến nay
Từ 2000 đến nay
Từ 2010 đến nay
Trí tuệ nhân tạo được viết tắt là gì?
IA
AIOT
AI
OPENAI
Trí tuệ nhân tạo là lĩnh vực nghiên cứu việc xây dựng các hệ thống máy tính có đặc điểm gì?
Hoạt động bay
Hoạt động tập bơi
Suy nghĩ hợp lý
Hoạt động tập viết
Trí tuệ nhân tạo là lĩnh vực nghiên cứu việc xây dựng các hệ thống máy tính không có đặc điểm gì?
Suy nghĩ hợp lý
Hành động hợp lý
Phát sinh trạng thái tiêu cực
Hoạt động thể chất
Chương trình nhận dạng tiếng nói nào dưới đây nổi tiếng vì sử dụng trí tuệ nhân tạo để hiểu và chuyển đổi lời nói thành văn bản?
Siri
Photoshop
Excel
Calculator
Lịch sử phát triển của trí tuệ nhân tạo trải qua bao nhiêu giai đoạn?
1
2
3
Nhiều hơn 3
Trí tuệ nhân tạo là gì?
Môn khoa học nghiên cứu và mô phỏng các quá trình sáng tạo của con người trên máy tính điện tử, nhằm tạo ra các sản phẩm thông minh có khả năng suy nghĩ, ra quyết định, hoặc hỗ trợ ra quyết định như con người
Máy tính có khả năng lưu trữ và truy xuất dữ liệu lớn
Phần mềm dùng để thiết kế đồ hoạ
Hệ thống máy tính quản lý cơ sở dữ liệu
Trí tuệ nhân tạo là lĩnh vực nghiên cứu của việc xây dựng các hệ thống máy tính có đặc điểm gì?
Hành động như người
Hành động như chim
Hành động như cá
Hành động như côn trùng
Trí tuệ nhân tạo là lĩnh vực nghiên cứu việc xây dựng các hệ thống máy tính KHÔNG có đặc điểm gì?
Suy nghĩ hợp lý
Suy nghĩ như người
Hành động hợp lý
Hành động ngẫu nhiên
Định nghĩa trí tuệ nhân tạo có thể nhóm mấy nhóm khác nhau?
1
2
3
4
Trí tuệ nhân tạo thuộc về lĩnh vực nào?
Khoa học xã hội
Khoa học nhân văn
Khoa học máy tính và khoa học tự nhiên
Nghệ thuật và nhân văn
Cho biết đâu là ưu điểm của trí tuệ nhân tạo
Xử lý dữ liệu khoa học
Xử lý dữ liệu nhanh
Xử lý dữ liệu hệ thống
Tất cả các trường hợp
Điền vào chỗ trống câu sau: Học máy là ... trí tuệ nhân tạo.
bao trùm
ngang hàng
cha đẻ
một nhánh
Trí tuệ nhân tạo có thể ứng dụng lĩnh vực nào dưới đây?
Chỉ trong lĩnh vực công nghệ thông tin
Chỉ trong lĩnh vực tài chính
Trong nhiều lĩnh vực, ngành nghề khác nhau như y tế, giáo dục, giải trí, và sản xuất,...
Chỉ trong lĩnh vực khoa học và nghiên cứu
Trí tuệ nhân tạo là môn khoa học nghiên cứu và mô phỏng các quá trình sáng tạo của ... trên máy tính điện tử, nhằm tạo ra các sản phẩm thông minh có khả năng suy nghĩ, ra quyết định, hoặc hỗ trợ ra quyết định như con người.
Thực vật
Con người
Động vật
Côn trùng
Turing test được sử dụng để đánh giá điều gì trong lĩnh vực trí tuệ nhân tạo?
Khai phá dữ liệu
Lập trình nhân tạo
Khả năng của AI trong việc hành động như con người
Tối ưu hoá hiệu suất phần cứng
Cho biết đâu là ứng dụng của trí tuệ nhân tạo?
Thị giác máy tính
Xử lý ngôn ngữ tự nhiên
Robot
Tất cả các trường hợp trên
Cho biết đâu là giai đoạn manh nha, tiên khởi đầu của trí tuệ nhân tạo?
1943 – 1955
1980 – 1990
2000 – 2010
2010 – nay
Thuật ngữ “Artificial Intelligence” (Trí tuệ nhân tạo) lần đầu tiên được giới thiệu vào năm nào?
1843
1910
1956
2020
Deep Blue là gì và nổi tiếng vì lý do nào?
Một loại máy tính cá nhân phổ biến trong những năm 1990
Một hệ thống trí tuệ nhân tạo nổi tiếng vì đã đánh bại nhà vô địch cờ vua Kasparov
Một ứng dụng chỉnh sửa ảnh nổi tiếng
Một chương trình trò chơi điện tử được phát triển vào đầu thế kỷ 21
Trí tuệ nhân tạo yếu (weak AI) thường được sử dụng trong những ứng dụng nào dưới đây?
Hệ thống có khả năng học và hiểu mọi lĩnh vực giống như con người
Các ứng dụng cụ thể, đơn lẻ
Phát triển khả năng tư duy tổng quát và trí tuệ tương tự con người
Tạo ra các lý thuyết mới trong vật lý và toán học
Tác giả của khái niệm “Turing test” là ai?
Issac Newton
Albert Einstein
Alan Turing
Chales Babbage
Trí tuệ nhân tạo là môn khoa học nghiên cứu và mô phỏng các quá trình sáng tạo của con người trên máy tính điện tử, nhằm tạo ra các sản phẩm thông minh có khả năng suy nghĩ, ra quyết định, hoặc hỗ trợ ra quyết định như con người.
Quan sát
Đánh giá
Kiểm tra
Nghiên cứu và mô phỏng
Cho biết khoảng thời gian tiếp cận của trí tuệ nhân tạo dựa trên dữ liệu, sử dụng khối lượng dữ liệu lớn
Từ 1980 đến nay
Từ 1990 đến nay
Từ 2001 đến nay
Từ 2010 đến nay
Điền vào dấu “…” phần còn thiếu: Khi biểu diễn một vấn đề thông qua các trạng thái và các toán tử, việc tìm nghiệm của bài toán theo điều gì?
Tìm được đường đi từ trạng thái ban đầu tới trạng thái đích
Tìm giá trị min
Tìm giá trị max
Tìm trạng thái kế tiếp
Trong bài toán 8-Puzzle biểu diễn bởi bảng 3×3 với các quân số từ 1 đến 8 và một ô trống; người chơi có thể di chuyển quân ở cạnh ô trống vào ô trống. Dựa trên hình, ở trạng thái bắt đầu thì số “6” nhận toán tử dịch chuyển nào?
Xuống
Lên, xuống
Trái, phải
Lên, xuống, trái, phải
Trong bài toán 8-Puzzle biểu diễn bởi bảng 3×3 với các quân số từ 1 đến 8 và một ô trống; dựa trên hình, ở trạng thái bắt đầu thì số “5” nhận toán tử dịch chuyển nào?
Xuống
Lên, xuống
Trái
Trái, phải
Trong các kỹ thuật sau, kỹ thuật nào thuộc chiến lược tìm kiếm mù?
Tìm kiếm theo sâu lặp
Tìm kiếm theo tốt nhất đầu tiên
Tìm kiếm theo nhánh và cận
Tìm kiếm theo Minimax
Trong thuật toán tìm kiếm theo độ sâu, danh sách L dùng để lưu gì?
Các trạng thái kề
Các trạng thái chờ để phát triển
Các trạng thái đã phát triển
Tập trạng thái kết thúc
Trong bài toán du khách tìm đường từ thành phố A đến thành phố B (dùng bản đồ du lịch), các thành phố trong bản đồ được coi là gì?
Toán tử
Các trạng thái
Không gian trạng thái
Điểm đến
Thuật toán tìm kiếm sâu lặp kết hợp ưu điểm của những phương pháp nào?
Tìm kiếm theo độ sâu và tìm kiếm heuristic
Tìm kiếm theo bề rộng và tìm kiếm theo độ sâu
Tìm kiếm heuristic và tìm kiếm mù
Tìm kiếm theo bề rộng và tìm kiếm heuristic
Để biểu diễn một vấn đề trong không gian trạng thái thì cần xác định những yếu tố nào?
Trạng thái đầu
Tất cả các đáp án
Tập hợp trạng thái cuối
Tập hợp các toán tử
Trong bài toán 8-Puzzle với bảng 3×3, các quân số từ 1 đến 8 và một ô trống; người chơi có thể di chuyển quân ở cạnh ô trống vào ô trống. Dựa trên hình, các toán tử cho phép là gì?
Xuống
Lên, xuống
Trái, phải
Lên, xuống, trái, phải
Tại sao việc biểu diễn một vấn đề trong một không gian trạng thái lại quan trọng trong giải quyết vấn đề bằng tìm kiếm?
Vì nó giúp xác định trạng thái ban đầu
Vì nó chỉ ra các toán tử có thể sử dụng
Vì nó xác định tập hợp các trạng thái kết thúc
Vì việc tìm nghiệm được quy về tìm đường đi từ trạng thái ban đầu đến trạng thái đích
Trong các kỹ thuật sau, kỹ thuật nào thuộc chiến lược tìm kiếm mù?
Tìm kiếm theo sâu lặp
Tìm kiếm theo tốt nhất đầu tiên
Tìm kiếm theo nhánh và cận
Tìm kiếm theo minimax
Vì sao không áp dụng tìm kiếm theo độ sâu cho các bài toán có cây tìm kiếm chứa các nhánh vô hạn?
Vì bài toán không tồn tại
Vì bài toán sẽ luôn tìm ra nghiệm nhưng rất chậm
Vì bài toán có thể bị lặp ở nhánh vô hạn và không dừng lại
Vì bài toán đòi hỏi rất nhiều không gian nhớ
Trong tìm kiếm theo bề rộng, danh sách L được thiết kế như thế nào?
Như một hàng đợi (Queue)
Như một ngăn xếp (Stack)
Như một danh sách liên kết (Linked List)
Như một cây (Tree)
Thuật toán tìm kiếm sâu lặp kết hợp ưu điểm của những phương pháp nào?
Tìm kiếm theo độ sâu và tìm kiếm heuristic
Tìm kiếm theo bề rộng và tìm kiếm theo độ sâu
Tìm kiếm theo heuristic và tìm kiếm mù
Tìm kiếm theo bề rộng và tìm kiếm heuristic
Cho đồ thị trạng thái. Cho U0 = A và T = {H, E}. Áp dụng chiến lược tìm kiếm theo bề rộng, dãy đỉnh được xét là gì?
A–B
A–B–C–D–E–F–G–H
A–B–E
A–C–H
Cho đồ thị trạng thái như hình, với gốc A và các nút con được sắp theo thứ tự trái sang phải. Cho U0 = A, T = {H, E}. Quá trình tìm kiếm theo thuật toán tìm kiếm theo chiều sâu xét các đỉnh là gì?
A-D-K-I-C-H
A-B-C-G
A-B-E
A-C-G-H
Cho đồ thị trạng thái như hình, với gốc A và các nút con theo thứ tự trái sang phải. Cho U0 = A, T = {I, N, K}. Quá trình tìm kiếm theo thuật toán tìm kiếm theo chiều sâu xét các đỉnh là gì?
A-D-K
A-C-F-K
A-B-H-I
A-C-E-F-N
Cho đồ thị không gian trạng thái như hình, u0 = A; T = {I, N, K}. Sử dụng thuật toán theo chiều rộng, đỉnh nào sẽ được duyệt sau đỉnh D?
G
H
F
C
Cho đồ thị không gian trạng thái như hình, u0 = A; T = {I, N}. Sử dụng thuật toán tìm kiếm theo chiều sâu hạn chế d < 2, thứ tự các đỉnh được xét là gì?
A-D-G-C-F-E-B-I
A-D-G-M-C
A-B-H-I
A-C-E-N
Cho đồ thị không gian trạng thái như hình và thứ tự duyệt qua các đỉnh A-B-C-D-H-I. Đây là thuật toán tìm kiếm nào?
Theo chiều rộng
Theo chiều sâu
Sâu lặp
Sâu hạn chế với d = 2
Cho đồ thị không gian trạng thái như hình. Nếu áp dụng thuật toán tìm kiếm sâu lặp với trạng thái kết thúc là F, thuật toán dừng tại độ sâu bao nhiêu?
1
2
3
4
Cho đồ thị không gian trạng thái như hình. Nếu đỉnh bắt đầu là A, T = 0, áp dụng thuật toán tìm kiếm theo chiều rộng, đỉnh cuối được duyệt là đỉnh nào?
I
N
H
M
Khi nào một đỉnh trong đồ thị AND/OR được đánh dấu là “giải được”?
Khi nó không có đỉnh kề nào
Khi nó là đỉnh kết thúc hoặc có một toán tử sao cho tất cả các đỉnh kề theo toán tử đó đều được đánh dấu “giải được”
Khi nó là đỉnh bắt đầu
Khi nó có nhiều hơn 2 đỉnh kề
Tại sao việc gán nhãn “giải được” hay “không giải được” cho các đỉnh trong đồ thị AND/OR lại quan trọng?
Vì nó giúp các định thứ tự của các đỉnh trong đồ thị
Vì nó giúp xác định liệu bài toán ban đầu có thể được giải quyết hay không
Vì nó thay đổi cấu trúc của đồ thị
Vì nó làm cho đồ thị trở nên lớn hơn
Cho đồ thị không gian trạng thái như hình, U0 = A; T = {H, I}. Sử dụng thuật toán tìm kiếm theo bề rộng, thứ tự các đỉnh được xét là gì?
A-F-K-M-E-I
A-B-C-D-E-F
A-B-E-H-I
A-C-D-E-I
Điểm dừng của thuật toán tìm kiếm theo bề rộng là gì?
L rỗng hoặc u thuộc T
L khác rỗng
U thuộc T
T rỗng
Trong tìm kiếm kinh nghiệm, một trạng thái được chọn để phát triển tại mỗi bước dựa trên yếu tố nào?
Số lượng toán tử áp dụng được
Giá trị của hàm đánh giá
Độ sâu của trạng thái trong cây tìm kiếm
Số lượng trạng thái của nó
Trong bài toán tìm kiếm đường đi từ thành phố A đến thành phố B trên bản đồ giao thông, hàm đánh giá có thể là gì?
Số lượng các nút giao từ một thành phố A tới thành phố B
Tổng số các giao lộ trên đường đi từ một thành phố A tới thành phố B
Độ dài của đường chim bay từ một thành phố A tới thành phố B
Số lượng các phương tiện giao thông trên đường đi
Thứ tự các giai đoạn cơ bản để giải quyết vấn đề bằng tìm kiếm kinh nghiệm là gì? 1) Tìm biểu diễn thích hợp mô tả các trạng thái và các toán tử của vấn đề. 2) Xây dựng hàm đánh giá. 3) Thiết kế chiến lược chọn trạng thái để phát triển ở mỗi bước.
1.3.2
1.2.3
2.1.3
3.2.1
Trong thuật toán tìm kiếm leo đồi, danh sách L dùng để lưu gì?
Các trạng thái kề
Các trạng thái chờ được phát triển
Các trạng thái đã phát triển
Các trạng thái kết thúc
Trong chiến lược tìm kiếm leo đồi, tại mỗi bước, trạng thái được chọn để phát triển là trạng thái có tiêu chí nào?
Chỉ số tốt nhất trong số các trạng thái chờ để phát triển
Hàm đánh giá nhỏ nhất trong số các trạng thái chờ để phát triển
Trọng số lớn nhất trong các trạng thái chờ để phát triển
Hàm đánh giá nhỏ nhất trong số các trạng thái kề
Bản chất của phương pháp tìm kiếm leo đồi là gì?
Duyệt tất cả các hướng đi có thể và chọn đi theo tất cả trạng thái kế tiếp của nó
Duyệt tất cả các hướng đi có thể và chọn đi theo trạng thái tốt nhất trong số các trạng thái không kế tiếp của nó
Duyệt theo một hướng đi có thể và chọn đi theo trạng thái tốt nhất trong số các trạng thái kế tiếp của nó
Tất cả các đáp án trên đều đúng
Điểm khác biệt giữa tìm kiếm mù và tìm kiếm kinh nghiệm là gì?
Tìm kiếm mù có sự hướng dẫn, tìm kiếm kinh nghiệm thì không
Tìm kiếm mù không có sự hướng dẫn, tìm kiếm kinh nghiệm thì có
Tìm kiếm mù sử dụng hàm đánh giá, tìm kiếm kinh nghiệm thì không
Tìm kiếm kinh nghiệm là tìm kiếm mù
Cho đồ thị không gian trạng thái như hình; trạng thái bắt đầu U0 = A; tập đích T = {N, Q, Z}. Áp dụng chiến lược tìm kiếm leo đồi, dãy các đỉnh được thăm là gì?
A-D-I
A-D-B-E-M-K-H-Q
A-D-H-Q
A-C-G-N
Quan sát hình vẽ cây trạng thái với gốc A (giá trị 20) và mũi tên đứt nét thể hiện quá trình chọn liên tiếp các con có giá trị nhỏ hơn. Thuật toán nào đang được minh họa?
Leo đồi
Beam search
Tìm kiếm tốt nhất
Theo chiều rộng
Trong bài toán 8 số như hình (bên trái là trạng thái đầu, bên phải là trạng thái đích). Nếu xây dựng hàm đánh giá h(u) là tổng số ô trong trạng thái đầu ở vị trí sai khác với vị trí của trạng thái đích thì h(u) bằng bao nhiêu?
3
4
5
7
Trong bài toán 8 số, cách xây dựng hàm đánh giá nào là hợp lý?
là tổng số quân không nằm đúng vị trí của trạng thái hiện tại so với trạng thái đích
Số bước để đi từ trạng thái đầu đến trạng thái đích
Tổng số lượng của trạng thái đầu vào và trạng thái đích
Số lượng các quân nằm đúng vị trí của trạng thái hiện tại
Cho đồ thị không gian trạng thái như hình. Áp dụng thuật toán tìm kiếm beam search với k = 2, các đỉnh được xét từ K là gì?
E–F
D–E
D–F
D–E–F
Phát biểu nào sau đây là đúng về chiến lược tìm kiếm tốt nhất đầu tiên?
là tìm kiếm theo bề rộng được hướng dẫn bởi hàm đánh giá
là tìm kiếm theo độ sâu được hướng dẫn bởi hàm đánh giá
là tìm kiếm theo độ sâu hạn chế được hướng dẫn bởi hàm đánh giá
tìm kiếm theo độ sâu dần được hướng dẫn bởi hàm đánh giá
Áp dụng thuật toán tìm kiếm tốt nhất đầu tiên, bắt đầu từ đỉnh K trên hình, đỉnh nào sẽ được chọn để phát triển tiếp theo?
D
E
F
G
Cho đồ thị không gian trạng thái như hình. Với U0 = A, tập đích T = {K, L, M}. Áp dụng chiến lược tìm kiếm tốt nhất, thứ tự xét các đỉnh là gì?
A–C–F–B–E–D–H–K
A–B–E–D–H–K
A–C–F–B–H–K
A–B–E–D–I–L
Hàm đánh giá h(u) trong tìm kiếm kinh nghiệm (heuristic search) dùng để làm gì?
Để đánh giá tính khả thi của một giải pháp
Để hướng dẫn sự tìm kiếm thông qua việc đánh giá mức độ gần đích của trạng thái
Để đếm số bước cần thiết để giải quyết một vấn đề
Để xác định số lượng toán tử áp dụng được cho một trạng thái
h(u) là hàm đánh giá dùng để
Đánh giá từ trạng thái u đến trạng thái u0
Đánh giá từ trạng thái u0 đến trạng thái u
Đánh giá từ trạng thái u đến trạng thái kết thúc
Đánh giá từ trạng thái u0 đến trạng thái bất kỳ
Trong giải thuật tìm kiếm Beam, chiến lược phát triển đỉnh là
Không phát triển một đỉnh K tốt nhất
Phát triển nhiều đỉnh K tốt nhất
Chỉ phát triển một đỉnh K tốt nhất
Phát triển nhiều đỉnh K nhưng không tốt nhất
Tìm kiếm Beam khác với tốt nhất đầu tiên ở điểm nào?
Beam search chỉ chọn một đỉnh duy nhất để phát triển
Beam search giới hạn số lượng đỉnh được mở rộng tại mỗi bước
Beam search không sử dụng hàm đánh giá
Beam search không giới hạn số lượng đỉnh được mở rộng tại mỗi bước
Trong chiến lược tìm kiếm tốt nhất đầu tiên, tại mỗi bước trạng thái được chọn để phát triển là trạng thái có
Trọng số lớn nhất trong các trạng thái chờ để phát triển
Hàm đánh giá nhỏ nhất trong số các trạng thái chờ để phát triển
Chỉ số nhỏ nhất trong số các trạng thái kề
Hàm đánh giá nhỏ nhất trong số các trạng thái kề
Độ phức tạp của thuật toán tìm kiếm tốt nhất đầu tiên là
bd với b là nhánh tố nhánh của đỉnh, d là độ sâu của cây tìm kiếm
bn với b là nhánh tố nhánh của đỉnh, n là tổng số đỉnh của cây tìm kiếm
db với b là nhánh tố nhánh của đỉnh, d là độ sâu của cây tìm kiếm
nb với b là nhánh tố nhánh của đỉnh, n là tổng số đỉnh của cây tìm kiếm
Trong thuật toán tìm kiếm leo đồi, danh sách L1 dùng để lưu gì?
Lưu giữ tạm thời các trạng thái kề của trạng thái u và sắp xếp theo thứ tự tăng dần của hàm đánh giá
Lưu toàn bộ các trạng thái đã được mở rộng và sắp xếp theo thứ tự giảm dần của hàm đánh giá
Lưu các trạng thái đích đã tìm thấy để truy vết lời giải
Lưu ngẫu nhiên các trạng thái kề mà không cần sắp xếp theo hàm đánh giá
Thuật toán nhánh cận là
Tìm kiếm theo độ sâu kết hợp hàm đánh giá f(u)
Tìm kiếm theo bề rộng kết hợp hàm đánh giá u
Trong thuật toán A*, thành phần g(u) của hàm đánh giá đại diện cho điều gì?
Khoảng cách ước lượng từ trạng thái hiện tại đến đích
Chi phí từ trạng thái bắt đầu đến trạng thái hiện tại
Tổng chi phí từ trạng thái gốc đến đích
Chi phí từ trạng thái hiện tại đến trạng thái con
Thuật toán A* kết thúc khi nào?
Khi hàm đánh giá g(u)=0 và h(u)≠0
Khi tìm thấy trạng thái có g(u)=h(u)
Khi tìm thấy trạng thái đích hoặc danh sách mở trống
Khi số lượng trạng thái chờ quá lớn
Trong thuật toán nhánh cận điều kiện cắt nhánh là
Đỉnh mang ra để xét có f(u) > cost
Đỉnh mang ra để xét có f(u) < cost
Đỉnh mang ra để xét có h(u) > cost
Đỉnh mang ra để xét có g(u) < cost
Điểm dừng của thuật toán nhánh cận
Danh sách L rỗng
Danh sách L khác rỗng
Danh sách L1 rỗng
Đỉnh được xét thuộc T
Trong Tìm kiếm tối ưu g(u) là giá trị số đánh giá
Độ dài đường đi từ u0 đến u
Độ dài đường đi từ v đến u
Độ dài đường đi đến u
Độ dài đường đi từ đỉnh u đến đỉnh bất kỳ
Thuật toán nào sử dụng hàm đánh giá f(u)=g(u)+h(u) trong quá trình Tìm kiếm
Tìm kiếm nhánh cận
Tìm kiếm tốt nhất đầu tiên
Tìm kiếm leo đồi
Tìm kiếm cắt cụt
Cho đồ thị và thông tin kèm theo hình minh hoạ. U0 = A; T = {I, E, J}. Tính giá trị f(u) tại đỉnh K
18
22
38
12
Với trạng thái ban đầu Uo = {A}; tập trạng thái kết thúc T = {B}. Áp dụng thuật toán A*, giá trị f(G) là bao nhiêu?
24
36
41
53
Cho đồ thị không gian trạng thái với Uo = A, T = {H, J}. Áp dụng chiến lược tìm kiếm nhánh cận, độ dài đường đi ngắn nhất tìm được là bao nhiêu?
3
4
5
6
