مقارنة بين الخوارزميات المستنيرة وغير المستنيرة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

--- SECTION: جدول 2.6: مقارنة بين الخوارزميات المستنيرة وغير المستنيرة --- جدول 2.6: مقارنة بين الخوارزميات المستنيرة وغير المستنيرة ومع ذلك، تُظهر النتائج أن خوارزمية البحث بأولوية الاتساع (BFS) يمكنها العثور على الحل الأمثل بشكل سريع بفحص عدد أقل من الخلايا في الحالة غير الموزونة. يمكن معالجة ذلك بتوفير استدلال أكثر ذكاءً لخوارزمية البحث بأولوية الأفضل (A* search). والاستدلال الشهير في التطبيقات المستندة إلى المسافة هو مسافة مانهاتن (Manhattan Distance). وهي مجموع الفروقات المطلقة بين إحداثيي نقطتين مُعطاتين. يوضح الشكل أدناه مثالاً على كيفية حساب مسافة مانهاتن:--- SECTION: مسافة مانهاتن Manhattan Distance --- مسافة مانهاتن Manhattan Distance Manhattan (A, B) = |x1-x2| + |y1-y2|--- SECTION: شكل 2.25: مسافة مانهاتن --- شكل 2.25: مسافة مانهاتن2025 - 1447--- VISUAL CONTEXT --- **TABLE**: جدول 2.6: مقارنة بين الخوارزميات المستنيرة وغير المستنيرة Description: A table comparing informed and uninformed algorithms based on several criteria. Table Structure: Headers: معايير المقارنة | المستنيرة | غير المستنيرة Rows: Row 1: التعقيد الحسابي (Computational Complexity) | أقل تعقيدًا. | أكثر تعقيدًا حسابيًا. Row 2: الكفاءة (Efficiency) | أسرع في عمليات البحث. | أبطأ من الخوارزميات المستنيرة. Row 3: الأداء (Performance) | أفضل في حل مشكلات البحث واسع النطاق. | غير عملية لحل مشكلات البحث واسع النطاق. Row 4: الفعالية (Effectiveness) | تحقق حلولاً مناسبة بشكل عام. | تُحقق الحل الأمثل. Calculation needed: No calculations needed; this is a descriptive comparison table. Data: The table presents a comparison between 'المستنيرة' (Informed) and 'غير المستنيرة' (Uninformed) algorithms across four criteria: Computational Complexity, Efficiency, Performance, and Effectiveness. Context: This table provides a structured comparison of two types of algorithms, highlighting their characteristics and performance aspects in problem-solving and search operations.**DIAGRAM**: شكل 2.25: مسافة مانهاتن Description: A grid diagram illustrating the Manhattan Distance between two points, A and B. Point A is labeled (x1, y1) and point B is labeled (x2, y2). A path is drawn from A to B using only horizontal and vertical segments, resembling steps on a grid, which represents the Manhattan distance. Table Structure: Headers: N/A Rows: Calculation needed: N/A Data: The diagram visually demonstrates how Manhattan distance is calculated by summing the absolute differences in the x and y coordinates, as movement is restricted to grid lines. Key Values: Point A (x1, y1), Point B (x2, y2) Context: This diagram provides a visual representation of the Manhattan Distance formula, helping to understand the concept of distance calculation in a grid-like environment, which is relevant in fields like computer science and urban planning.