هوش مصنوعی کشف یک مسیر از میان فضاهای مسئله از یک وضعیت آغازی به وضعیت هدف 60 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 64

استدلال جلورو در مقابل عقب رو

هدف روال جستجو، کشف یک مسیر از میان فضاهای مسئله از یک وضعیت آغازی به وضعیت هدف است. چنین جستجویی می تواند در دو جهت حرکت کند:

به طرف جلو، از وضعیت های آغازی

به طرف عقب، از وضعیت های هدف

این دو قرینه هستند. فرض کنید که می خواهیم یک بازی معمای هشت را حل کنیم. قواعد این معما را می توان همانند شکل 1 نشان داد. در اینجا می خواهیم معمای شکل 2 را حل کنیم. این کار را می توان به دو طریق انجام داد:

استدلال به طرف جلو با شروع از وضعیت آغازی: ساختن یک درخت از سلسله حرکتهایی که ممکن است راه حل را تشیکل دهند، شروع کنید. وضعیت آغازی در ریشة درخت قرار می گیرد، برای ساختن سطح بعدی درخت، تمام قواعدی را بیابید که سمت چپ آنها با گرة ریشة درخت یکسان هستند و با استفاده از سمت راست این قواعد وضعیت های جدید را ایجاد کنید. برای سطح بعدی درخت عمل فوق را در مورد گره های سطح قبلی انجام دهید. به این کار آنقدر ادامه دهید تا به وضعیتی برابر با وضعیت هدف رسیده باشید.

Square 1 empty and Square 2 contains tile n (

Square 2 empty and Square 1 contains tile n

Square 1 empty and Square 4 contains tile n (

Square 4 empty and Square 1 contains tile n

Square 2 empty and Square 1 contains tile n (

Square 1 empty and Square 2 contains tile n

شکل 1 : یک نمونه از قواعد برای حل کردن معمای هشت

شکل 2 : یک مثال از بازی معمای هشت

استدلال به طرف عقب با شروع از وضعیت هدف: ساختن یک درخت از سلسله حرکت هایی که ممکن است راه حل را تشکیل دهند، شروع کنید. وضعیت(های) هدف را در ریشة درخت قرار دهید. جهت ایجاد سطح بعدی درخت، قواعدی را بیابید که سمت راست آنها با گرة ریشه برابر هستند. با استفاده از سمت چپ این قواعد و بکارگیری آنها گره های سطح دوم این درخت را بسازید. سطوح بعدی را هم به کمک سطوح قبلی و با توجه به روش فوق بسازید و آنقدر ادامه دهید تا گرهی ساخته شود که با وضعیت آغازی برابر است.

به روش فوق استدلال هدف گرا یا زنجیرة عقب رو می گویند.

توجه کنید که از همان قواعد در استدلال جلورو یا عقب رو استفاده می شود. برای استدلال جلورو، سمت چپ های قواعدی با وضعیت جاری تست می شوند و از سمت راست قواعد در ایجاد گره های جدید استفاده می شود.

در مسئلة معمای هشت فرقی نمی کند که از استدلال جلورو یا عقب رو استفاده شود و در هر دو حالت تعداد یکسانی مسیر مورد جستجو قرار می گیرند. اما در سایر مسائل همیشه این طور نیست، و با توجه به توپولوژی فضای مسئله ممکن است جستجو در یک جهت خیلی سریعتر از جهت دیگر باشد.

سه فاکتور در رابطه با این سئوال که استدلال باید در کدام جهت باشد مهم هستند:

تعداد وضعیت های آغازی بیشتر است یا هدف؟ ما همیشه مایلیم که از تعداد کمتر وضعیت ها به طرف تعداد بیشتر برویم.

در کدام جهت فاکتور شاخه شاخه شدن بزرگتر است؟ (این فاکتور تعداد متوسط گره هایی است که مستقیماً می توان از یک گره تک رسید) ما مایلیم در جهتی حرکت کنیم که این فاکتور کوچکتر است.

آیا از برنامه خواسته خواهد شد تا روند استدلالش را برای استفاده کننده توجیه کند؟ اگر این طور است بهتر است حرکت در جهتی باشد که با طرز تفکر استفاده کننده مطابقت بیشتری دارد.

ذکر چند مثال برای روشنتر شدن مطلب ضروری است. به نظر می رسد که رانندگی از یک محل ناآشنا به طرف منزل خیلی راحت تر از منزل به طرف محل ناآشنا باشد. چرا؟ فاکتور شاخه شاخه شدن تقریباً در هر دو جهت یکسان است. نکتة مهم این است که ما خیلی نقاط نزدیک منزل را هم همانند منزل تلقی می کنیم و به این ترتیب تعداد محل هایی که جزء تعریف خانة ما می گنجند بیش از تعداد محل هایی است که به عنوان هدف ناآشنای ما وجود دارند. بنابراین اگر نقطة آغازی ما منزل ما ست و هدف ما یک محل ناآشناست بهتر است از استدلال عقب رو با شروع از محل ناآشنا استفاده کنیم.

از طرف دیگر یک مسئله انتگرال گیری را در نظر بگیرید. فضای مسئله عبارت است از مجموعة فرمولها که برخی دارای عبارت انتگرال هستند. وضعیت آغازی یک فرمول بخصوص با عبارت انتگرال است. وضعیت هدف فرمولی است که معادل فرمول اولی است ولی عبارت انتگرال ندارد. پس وضعیت آغازی راحت و یکتا است ولی هدف متعدد است یعنی وضعیت های متعددی در محدودة هدف ممکن است قرار گیرند

تحقیق در مورد هوش مصنوعی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 31 صفحه

 قسمتی از متن .doc : 

معرفی :

برنامه های هوشمند مشتمل بر 99% علم کامپیوتری و 1% هوش مصنوعی است . هوش مصنوعی با بیش از 40 سال سابقه مورد بحث و انتقادات زیادی قرار گرفته است. شاید بتوان گفت که مشکلترین و سخت ترین نوع بحث این باشد که ‌هوش مصنوعی نتوانسته است به وعده های خود عمل .

عموما یک برنامه هوش به عنوان یک سیستم مستقل تصمیم گیرنده محسوب می شود که در محیط آن عمل قرار میگیرد.

سیستم های عامل :

منظور از سیستم عامل این است که از یک عامل به صورت انتزاعی استفاده شده است .

و سیستم های عامل ممکن است شامل یک کاربر باشد. منظور از سیستم عامل سیستمی است که ، شامل موارد زیر باشد:

استقلال داخلی (AUTONAMY) :

سیستم های عامل برخی از برنامه ها را خلاصه میکنند و درباره چگونگی وضعیت بدون دخالت بشر یا سایرین تصمیم گیری می کنند.

فعالیت (Reactivity) :

عامل ها در یک محیط واقع شده اند و قادر هستند به تغییراتی که در آن رخ می دهد پاسخ دهند.

فعالیت حرفه ای : ( Pro- activeness)

سیستم های عامل به آسانی در پاسخ به محیطشان عکس العمل نشان نمی دهند . آنها قادر هستند که با حرکت اولیه رفتار هدف گرایی را ارایه دهند.

توانایی اجتماعی : ( Social abitity)

سیستم های عامل با دیگر عامل ها ( برنامه و شاید انسانها) از طریق نوع زبان ارتباطی ،‌در ارتباط هستند و به عنوان نمونه آنها قادر هستند تا در فعالیت های اجتماعی (مثل حل مسئله یا مذاکره) جهت رسیدن به اهدافشان به کارگرفته نشوند. همچنین از سیستم انتظار داریم که زبانهای برنامه نویسی سطح پایین را به صورت کورکورانه اجرا کند. بدین ترتیب هنگام وقوع شرایط غیر قابل پیش بینی از سیستم انتظار داریم که متعاقبا و سر موقع به وضعیت جدید پاسخ مناسبی دهد.

1-2 ) سیستم های عامل به عنوان سیتم های منطقی یک مشکل مشهود این است که چگونه به شرح سیستم هایی که توانایی رفتار منطقی دارند بپردازیم . یکی از موفقیت آمیز ترین روش های برای رفع این مشکل در نظر گرفتن سیستم های عامل به عنوان سیستم های ارادی است که عملکردشان با اصطلاحات رفتاری از قبیل عقیده میل و قصد می تواند پیش بینی و توضیح داده شود . این حالت ارادی از آنجائیکه رفتار یک سیستم پیچیده از طریق صفات حالت از قبیل اعتقاد و امیال درک می شود را در ابراز انتزاعی می گویند . حال بیشتر علم کامپیوتر به تحقیق درباره مکانیزم های انتزاعی گرایش دارد تا آنجائیکه به برنامه نویسان اجازه می دهد تا با آرامش کامل به کنترل پیچیدگیها بپردازد .

AOP می تواند به عنوان یک برنامه نویسی بعد از اخبار در نظر گرفته شود . در برنامه نویسی توابع گفتن این که یک سیستم چه باید انجام دهد مشمول این است که با نوشتن یک الگوریتم دقیق دقیقا گفته شود چگونه باید این کار را انجام دهد. در AOP ، مثل برنامه ریزی اخباری عقیده بر این است که اهداف را بیان کرده و اجازه دهیم تا مکانیزم کنترل داخلی چگونگی کسب نتیجه را محاسبه کند. در این مورد بهر حال مکانیزم کنترل مدل هایی از برنامه های منطقی را پیاده سازی می کند .

خوشبختانه این مدل کامپیوتری با فهم اولیه عقاید و امیال ما مطابقت دارد .

ویژگی ها :

فرایند توسعه نرم افزار با پرداختن به الزامات مشتری شروع می شود . وقتی این فرایندکامل است که عملکرد سیستم جدید تنظیم شود . سیستم های عامل اطلاعاتی درباره محیطشان دارند. این ما را به تقاضا راهنمایی می کند که چارچوب ویژگی های سیستم عامل بایدقادر به ارائه وضعیت محیط خودش و اطلاعاتی که ‌سیستم عامل درباره آن محیط دارد باشد . ارزش ارائه نظر درباره این که چه خواصی ممکن است دارای این اطلاعات باشد وجود دارد . اولا اطلاعاتی که یک سیتم عامل دارد ممکن است اشتباه باشد . سنسورهای سیستم عامل ممکن است دارای نقص باشد . اطلاعات ممکن است به روز نباشد یا سیستم عامل ممکن است عمدا یا تصادفا اطلاعات غلطی را ارئه داده باشد . ثانیا اطلاعاتی را که یک سیستم عامل دارد مستقیما در دسترس دیگر سیستم عامل ها نباشد . سیستم عامل ها اطلاعاتی را به اشتراک نگذارند و به ساختارهای اطلاعاتی شخص دیگری دسترسی نداشته باشند.ثالثا محیط ممکن است شامل سیستم عامل های دیگر باشد که هر کدام اطلاعات مربوط بخود را از محیط دارد. بدین ترتیب سیستم عامل ممکن است اطلاعاتی درباره دیگر عوامل باشدکه هر کدام اطلاعات مربوط به خود از محیط دارند .

سیستم های نرم افزاری به 2 نوع تقسیم می شوند : فعالیتی و تابعی ( کنشی و واکنشی )

تحقیق در مورد هوش مصنوعی 21 ص

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 31 صفحه

 قسمتی از متن .doc : 

معرفی :

برنامه های هوشمند مشتمل بر 99% علم کامپیوتری و 1% هوش مصنوعی است . هوش مصنوعی با بیش از 40 سال سابقه مورد بحث و انتقادات زیادی قرار گرفته است. شاید بتوان گفت که مشکلترین و سخت ترین نوع بحث این باشد که ‌هوش مصنوعی نتوانسته است به وعده های خود عمل .

عموما یک برنامه هوش به عنوان یک سیستم مستقل تصمیم گیرنده محسوب می شود که در محیط آن عمل قرار میگیرد.

سیستم های عامل :

منظور از سیستم عامل این است که از یک عامل به صورت انتزاعی استفاده شده است .

و سیستم های عامل ممکن است شامل یک کاربر باشد. منظور از سیستم عامل سیستمی است که ، شامل موارد زیر باشد:

استقلال داخلی (AUTONAMY) :

سیستم های عامل برخی از برنامه ها را خلاصه میکنند و درباره چگونگی وضعیت بدون دخالت بشر یا سایرین تصمیم گیری می کنند.

فعالیت (Reactivity) :

عامل ها در یک محیط واقع شده اند و قادر هستند به تغییراتی که در آن رخ می دهد پاسخ دهند.

فعالیت حرفه ای : ( Pro- activeness)

سیستم های عامل به آسانی در پاسخ به محیطشان عکس العمل نشان نمی دهند . آنها قادر هستند که با حرکت اولیه رفتار هدف گرایی را ارایه دهند.

توانایی اجتماعی : ( Social abitity)

سیستم های عامل با دیگر عامل ها ( برنامه و شاید انسانها) از طریق نوع زبان ارتباطی ،‌در ارتباط هستند و به عنوان نمونه آنها قادر هستند تا در فعالیت های اجتماعی (مثل حل مسئله یا مذاکره) جهت رسیدن به اهدافشان به کارگرفته نشوند. همچنین از سیستم انتظار داریم که زبانهای برنامه نویسی سطح پایین را به صورت کورکورانه اجرا کند. بدین ترتیب هنگام وقوع شرایط غیر قابل پیش بینی از سیستم انتظار داریم که متعاقبا و سر موقع به وضعیت جدید پاسخ مناسبی دهد.

1-2 ) سیستم های عامل به عنوان سیتم های منطقی یک مشکل مشهود این است که چگونه به شرح سیستم هایی که توانایی رفتار منطقی دارند بپردازیم . یکی از موفقیت آمیز ترین روش های برای رفع این مشکل در نظر گرفتن سیستم های عامل به عنوان سیستم های ارادی است که عملکردشان با اصطلاحات رفتاری از قبیل عقیده میل و قصد می تواند پیش بینی و توضیح داده شود . این حالت ارادی از آنجائیکه رفتار یک سیستم پیچیده از طریق صفات حالت از قبیل اعتقاد و امیال درک می شود را در ابراز انتزاعی می گویند . حال بیشتر علم کامپیوتر به تحقیق درباره مکانیزم های انتزاعی گرایش دارد تا آنجائیکه به برنامه نویسان اجازه می دهد تا با آرامش کامل به کنترل پیچیدگیها بپردازد .

AOP می تواند به عنوان یک برنامه نویسی بعد از اخبار در نظر گرفته شود . در برنامه نویسی توابع گفتن این که یک سیستم چه باید انجام دهد مشمول این است که با نوشتن یک الگوریتم دقیق دقیقا گفته شود چگونه باید این کار را انجام دهد. در AOP ، مثل برنامه ریزی اخباری عقیده بر این است که اهداف را بیان کرده و اجازه دهیم تا مکانیزم کنترل داخلی چگونگی کسب نتیجه را محاسبه کند. در این مورد بهر حال مکانیزم کنترل مدل هایی از برنامه های منطقی را پیاده سازی می کند .

خوشبختانه این مدل کامپیوتری با فهم اولیه عقاید و امیال ما مطابقت دارد .

ویژگی ها :

فرایند توسعه نرم افزار با پرداختن به الزامات مشتری شروع می شود . وقتی این فرایندکامل است که عملکرد سیستم جدید تنظیم شود . سیستم های عامل اطلاعاتی درباره محیطشان دارند. این ما را به تقاضا راهنمایی می کند که چارچوب ویژگی های سیستم عامل بایدقادر به ارائه وضعیت محیط خودش و اطلاعاتی که ‌سیستم عامل درباره آن محیط دارد باشد . ارزش ارائه نظر درباره این که چه خواصی ممکن است دارای این اطلاعات باشد وجود دارد . اولا اطلاعاتی که یک سیتم عامل دارد ممکن است اشتباه باشد . سنسورهای سیستم عامل ممکن است دارای نقص باشد . اطلاعات ممکن است به روز نباشد یا سیستم عامل ممکن است عمدا یا تصادفا اطلاعات غلطی را ارئه داده باشد . ثانیا اطلاعاتی را که یک سیستم عامل دارد مستقیما در دسترس دیگر سیستم عامل ها نباشد . سیستم عامل ها اطلاعاتی را به اشتراک نگذارند و به ساختارهای اطلاعاتی شخص دیگری دسترسی نداشته باشند.ثالثا محیط ممکن است شامل سیستم عامل های دیگر باشد که هر کدام اطلاعات مربوط بخود را از محیط دارد. بدین ترتیب سیستم عامل ممکن است اطلاعاتی درباره دیگر عوامل باشدکه هر کدام اطلاعات مربوط به خود از محیط دارند .

سیستم های نرم افزاری به 2 نوع تقسیم می شوند : فعالیتی و تابعی ( کنشی و واکنشی )

هوش مصنوعی کشف یک مسیر از میان فضاهای مسئله از یک وضعیت آغازی به وضعیت هدف 60 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 64

استدلال جلورو در مقابل عقب رو

هدف روال جستجو، کشف یک مسیر از میان فضاهای مسئله از یک وضعیت آغازی به وضعیت هدف است. چنین جستجویی می تواند در دو جهت حرکت کند:

به طرف جلو، از وضعیت های آغازی

به طرف عقب، از وضعیت های هدف

این دو قرینه هستند. فرض کنید که می خواهیم یک بازی معمای هشت را حل کنیم. قواعد این معما را می توان همانند شکل 1 نشان داد. در اینجا می خواهیم معمای شکل 2 را حل کنیم. این کار را می توان به دو طریق انجام داد:

استدلال به طرف جلو با شروع از وضعیت آغازی: ساختن یک درخت از سلسله حرکتهایی که ممکن است راه حل را تشیکل دهند، شروع کنید. وضعیت آغازی در ریشة درخت قرار می گیرد، برای ساختن سطح بعدی درخت، تمام قواعدی را بیابید که سمت چپ آنها با گرة ریشة درخت یکسان هستند و با استفاده از سمت راست این قواعد وضعیت های جدید را ایجاد کنید. برای سطح بعدی درخت عمل فوق را در مورد گره های سطح قبلی انجام دهید. به این کار آنقدر ادامه دهید تا به وضعیتی برابر با وضعیت هدف رسیده باشید.

Square 1 empty and Square 2 contains tile n (

Square 2 empty and Square 1 contains tile n

Square 1 empty and Square 4 contains tile n (

Square 4 empty and Square 1 contains tile n

Square 2 empty and Square 1 contains tile n (

Square 1 empty and Square 2 contains tile n

شکل 1 : یک نمونه از قواعد برای حل کردن معمای هشت

شکل 2 : یک مثال از بازی معمای هشت

استدلال به طرف عقب با شروع از وضعیت هدف: ساختن یک درخت از سلسله حرکت هایی که ممکن است راه حل را تشکیل دهند، شروع کنید. وضعیت(های) هدف را در ریشة درخت قرار دهید. جهت ایجاد سطح بعدی درخت، قواعدی را بیابید که سمت راست آنها با گرة ریشه برابر هستند. با استفاده از سمت چپ این قواعد و بکارگیری آنها گره های سطح دوم این درخت را بسازید. سطوح بعدی را هم به کمک سطوح قبلی و با توجه به روش فوق بسازید و آنقدر ادامه دهید تا گرهی ساخته شود که با وضعیت آغازی برابر است.

به روش فوق استدلال هدف گرا یا زنجیرة عقب رو می گویند.

توجه کنید که از همان قواعد در استدلال جلورو یا عقب رو استفاده می شود. برای استدلال جلورو، سمت چپ های قواعدی با وضعیت جاری تست می شوند و از سمت راست قواعد در ایجاد گره های جدید استفاده می شود.

در مسئلة معمای هشت فرقی نمی کند که از استدلال جلورو یا عقب رو استفاده شود و در هر دو حالت تعداد یکسانی مسیر مورد جستجو قرار می گیرند. اما در سایر مسائل همیشه این طور نیست، و با توجه به توپولوژی فضای مسئله ممکن است جستجو در یک جهت خیلی سریعتر از جهت دیگر باشد.

سه فاکتور در رابطه با این سئوال که استدلال باید در کدام جهت باشد مهم هستند:

تعداد وضعیت های آغازی بیشتر است یا هدف؟ ما همیشه مایلیم که از تعداد کمتر وضعیت ها به طرف تعداد بیشتر برویم.

در کدام جهت فاکتور شاخه شاخه شدن بزرگتر است؟ (این فاکتور تعداد متوسط گره هایی است که مستقیماً می توان از یک گره تک رسید) ما مایلیم در جهتی حرکت کنیم که این فاکتور کوچکتر است.

آیا از برنامه خواسته خواهد شد تا روند استدلالش را برای استفاده کننده توجیه کند؟ اگر این طور است بهتر است حرکت در جهتی باشد که با طرز تفکر استفاده کننده مطابقت بیشتری دارد.

ذکر چند مثال برای روشنتر شدن مطلب ضروری است. به نظر می رسد که رانندگی از یک محل ناآشنا به طرف منزل خیلی راحت تر از منزل به طرف محل ناآشنا باشد. چرا؟ فاکتور شاخه شاخه شدن تقریباً در هر دو جهت یکسان است. نکتة مهم این است که ما خیلی نقاط نزدیک منزل را هم همانند منزل تلقی می کنیم و به این ترتیب تعداد محل هایی که جزء تعریف خانة ما می گنجند بیش از تعداد محل هایی است که به عنوان هدف ناآشنای ما وجود دارند. بنابراین اگر نقطة آغازی ما منزل ما ست و هدف ما یک محل ناآشناست بهتر است از استدلال عقب رو با شروع از محل ناآشنا استفاده کنیم.

از طرف دیگر یک مسئله انتگرال گیری را در نظر بگیرید. فضای مسئله عبارت است از مجموعة فرمولها که برخی دارای عبارت انتگرال هستند. وضعیت آغازی یک فرمول بخصوص با عبارت انتگرال است. وضعیت هدف فرمولی است که معادل فرمول اولی است ولی عبارت انتگرال ندارد. پس وضعیت آغازی راحت و یکتا است ولی هدف متعدد است یعنی وضعیت های متعددی در محدودة هدف ممکن است قرار گیرند

دانلود پاورپوینت هوش مصنوعی توزیع شده

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .ppt ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 18 اسلاید

 قسمتی از متن .ppt : 

هوش مصنوعی توزیع شده

آزمایشگاه سیستمهای هوشمند

www.ceit.aut.ac.ir/islab

2

رئوس مطالب

تعریف هوش مصنوعی توزیع شده

حوزه های کاری هوش مصنوعی توزیع شده

حل مساله توزیع شده

سیستم های چند عامله

دلایل گرایش به هوش مصنوعی توزیع شده

مزایای هوش مصنوعی توزیع شده

مسائل مطرح در هوش مصنوعی توزیع شده

آزمایشگاه سیستمهای هوشمند

www.ceit.aut.ac.ir/islab

3

هوش مصنوعی توزیع شده

در سال 1980 اولین گردهمایی رسمی هوش مصنوعی توزیع شده در دانشگاه MIT برگزار شد.

هوش مصنوعی توزیع شده زیرمجموعه ای از هوش مصنوعی محسوب می شود.

در این حوزه به حل مسائل بصورت توزیع شده توسط عاملها پرداخته می شود.

آزمایشگاه سیستمهای هوشمند

www.ceit.aut.ac.ir/islab

4

تعریف هوش مصنوعی توزیع شده

تعریف 1(Davis 1980) : هوش مصنوعی توزیع شده با آن دسته از مسائلی سروکار دارد که برای آنها یک حل کننده مساله و یا یک واحد محاسباتی کافی نیست، بلکه نیاز به همکاری بین موجودیت های مستقل حل مساله (عاملها) برای حل این مسائل می باشد.

تعریف 2(McArthur, et al 1981) : هوش مصنوعی توزیع شده با آن دسته از مسائلی سروکار دارد که در آنها چندین عامل برای رسیدن به مجموعه ای مشترک از اهداف همکاری می کنند.

تعریف 3(Lesser 1983) : یک سیستم همکاری حل مساله شبکه ای توزیع شده از اجتماع عاملهای نیمه خودمختار است که هر کدام قادر به حل مساله می باشند و برای حل مساله با یکدیگر همکاری می کنند. بر این اساس سیستم هوش مصنوعی توزیع شده شبکه ای از سیستم های مجزا و هوشمند است که با یکدیگر همکاری دارند.