Järgmistel teemadel kirjutatud lõputööde materjali kasutatakse edaspidi kursuses 
MTAT.06.008 Tehisintellekt I 

1. Vaadelda 8-mängus kasutatavaid heuristikuid: valel kohal paiknevate numbrite arv, valel kohal paiknevate numbrite kauguste summa sihtkohast, 2 x sihtkohta jõudmiseks vajalik kahe naabernumbri ümbervahetamiste arv. Võrrelda neid heuristikuid neljanda heuristikuga, milleks on kahe viimati nimetatud heuristiku summa, järgmiste kriteeriumide kohaselt.
a) Lõppolekuni jääva kauguse hindamise täpsus. Selleks on vaja eelnevalt leida lühim lahend ja kasutada seda standardina.
b) Informeeritus. Milline heuristik kärbib olekute ruumi kõige efektiivsemalt?
c) Kas mõni kolmest algselt vaadeldu heuristikust on monotoonne?
d) Lubatavus. Milline neist heuristikutest on ülalt tõkestatud lõppolekusse viiva tee tegeliku hinnaga? Tõestada oma järeldus üldjuhu jaoks või tuua kontranäide.

G. Luger. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. Pearson International Edition, 2009. lk 123-164.

2. Käikude generaator ja hinnangufunktsioon KABEMÄNGU jaoks. 
Realiseerida käikude generaator ja hinnangufunktsioon kabemängu jaoks.
Konstrueerida üldine alfa-beeta mängumängimise agent,
mis kasutab Teie realiseeritud käikude generaatorit ja
hinnangufunktsiooni. Analüüsida otsingu sügavuse kasvu efekti, parandades
1)käikude järjestust ja 2) hinnangufunktsiooni. Kui lähedale jõuab Teie
efektiivne hargnemistegur ideaalsele juhule, kus käikude järjestus on
täiuslik?
Vt
a) S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach.
Prentice Hall, 2003. 6. ptk (Adversial search), eriti 6.3.
http://aima.cs.berkeley.edu/
b) http://simple.wikipedia.org/wiki/Checkers


3. Strateegia ja mängupositsiooni hindamine juhuslikkuse elementi 
sisaldavas kahe isiku mängus.
Triktrakk (backgammon) on tüüpiline mäng, mis kombineerib juhuslikkust ja 
mängija oskusi. Realiseerida modifitseeritud minimax algoritm selle 
mängu mängimiseks.
Vt
a) S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach. 
Prentice Hall, 2003. 6. ptk (Adversial search), eriti 6.5.
http://aima.cs.berkeley.edu/

b) http://en.wikipedia.org/wiki/Backgammon


4. Lõdvem 8-mäng: numbri võib kohe tõsta tühja ruutu.
Vt Gaschnigi heuristikut selle probleemi lahendamiseks. Miks see heuristik on vähemalt niisama täpne kui valel kohal paiknevate numbrite arvu heuristik? Millal ta on täpsem sellest heuristikust ja Manhattani kauguse heuristikust? Kuidas arvutada Gaschnigi heuristikut efektiivselt?
 
Vt
S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach. 
Prentice Hall, 2003. 4. ptk (Informed search and exploration).
http://aima.cs.berkeley.edu/


5. Genereerida suur arv 8-mängu ja 8 lipu probleemi näiteid ja lahendada need (kui võimalik) mäkketõusu algoritmiga (variandid: kõige järsem ülesminek, esimene valik), mäkketõus juhusliku uuestialustamisega, libalõõmutamine. Mõõta otsingu hinda ja lahendatud probleemide protsenti ning kujutada neid graafiliselt võrdluses optimaalse lahendi hinnaga. Kommenteerida tulemusi.
Vt
S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach. 
Prentice Hall, 2003. 4. ptk (Informed search and exploration).
http://aima.cs.berkeley.edu/
 

6. Realiseerida (üks või mitu erinevat liiki) tehisnärvivõrk(u), mis lahendaks(id) XOR-probleemi (välistav või, eXclusive OR). Miks ei sobi tajur (perceptron)?
Vt
S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach.
Prentice Hall, 2003. 20. ptk
http://aima.cs.berkeley.edu/

G. Luger. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. Pearson International Edition, 2009. lk 453-506