Download
1 / 94
E N D
1. Inteligencia Artificial e Ingenieria del Conocimiento 1 de 94 Datos de la Asignatura Temarío Introducción a la IA. (Cap. 1)
Introducción a los Agentes Inteligentes (Cap. 2)
Métodos de búsqueda de soluciones (Cap. 3-7)
Simple sin información.
Con información (Heurística).
Utilizando el azar (Enfriamiento).
Metamodelos (Búsqueda tabú).
Sistemas basados en el conocimiento (Cap. 8-12)
Mediante lógica de predicados.
Mediante Sistemas de producción.
Tratamiento de la incertidumbre (Cap. 13-15)
Redes Bayesianas.
Razonamiento aproximado (lógica difusa).
2. Universidad de Castilla-La Mancha Inteligencia Artificial e Ingeniería del Conocimiento Tema3: Métodos de búsqueda de soluciones (Búsqueda no informada)
3. Inteligencia Artificial e Ingenieria del Conocimiento 3 de 94 Búsqueda no informada Agentes resolventes-problemas.
Ejemplos de problemas.
Búsqueda de soluciones.
Estrategias de búsqueda no informada.
Evitar estados repetidos.
Búsqueda con información parcial.
Resumen.
4. Inteligencia Artificial e Ingenieria del Conocimiento 4 de 94 Búsqueda no informada
5. Inteligencia Artificial e Ingenieria del Conocimiento 5 de 94 Búsqueda no informada Agentes resolvente-problemas:
Deciden que hacer para encontrar secuencias de acciones que conduzcan a los estados deseables.
Son no informados porque no dan información sobre el problema, tan solo su definición.
Agentes resolvedores de problemas:
Formulación del objetivo.
Formulación del problema.
Fase de búsqueda: buscar siguiendo secuencia búsqueda-acción.
Fase de ejecución.
6. Inteligencia Artificial e Ingenieria del Conocimiento 6 de 94 Búsqueda no informada El agente sigue un plan muy simple, diseñado así: “formular, buscar, ejecutar” – esto último según estrategia o “recomendación”
7. Inteligencia Artificial e Ingenieria del Conocimiento 7 de 94 Búsqueda no informada Problemas y soluciones bien definidos:
Estado inicial en el que comienza el agente.
Acciones disponibles para el agente.
Función sucesor.
Espacio de estados.
Test objetivo.
Coste del camino.
8. Inteligencia Artificial e Ingenieria del Conocimiento 8 de 94 Búsqueda no informada Problemas del mundo real
9. Inteligencia Artificial e Ingenieria del Conocimiento 9 de 94 Búsqueda no informada Formular los problemas:
Tipificar los problemas.
Definir el espacio de estados del problema.
Medir el buen éxito en la solución del problema.
10. Inteligencia Artificial e Ingenieria del Conocimiento 10 de 94 Búsqueda no informada Tipificación de problemas Determinístico, accessible ? problema de estado único
agente tiene suficiente información y sabe en qué estado está
resultado de las acciones - conocido
Determinístico, inaccessible ? probl. múltiples estados (multiestado)
acceso limitado a estado del mundo
requiere de un agente que razone sobre conjuntos de estados a los que puede llegar
Indeterminístico, inaccessible ? probl. de contingencia
Durante la ejecución debe usar sensores
ninguna acción fija garante buena solución - debe buscar por el árbol entero
a menudo debe entremezclar búsqueda - ejecución
Espacio de estado desconocido ? probl. de exploración (“en línea”)
la única esperanza es usar el aprendizaje - aprendizaje reforzado- para buscar los potenciales resultados de acciones e información acerca de estados
11. Inteligencia Artificial e Ingenieria del Conocimiento 11 de 94 Búsqueda no informada Definición de problemas (multi-estado) Estado inicial (conjunto de estados)
Operadores
(determinar el conjunto de estados accesibles)
Test o prueba de meta
(para saber si un dado estado es o nó la meta)
(debe ser satisfecho por cada uno de los estados del conjunto)
Función de costo de ruta g
12. Inteligencia Artificial e Ingenieria del Conocimiento 12 de 94 Búsqueda no informada Seleccionar un espacio de estados El mundo real es complejo
el espacio de estado debe ser abstraído (reducido) para la solución de problemas
Estado (Abstracto) = conjunto de estados reales
Operador (Abstracto) = combinación compleja de acciones reales
p.ej., “Arad ? Zerind” representa un conjunto complejo de rutas posibles, desviaciones, paradas técnicas, etc.
Para una realización garantida, cualquier estado real, “en Arad” , debe conectarse con algun estado real, “en Zerind” - aquí no caben abstracciones.
Solución (Abstracta) = colección de rutas reales que son soluciones en el mundo real
Cualquier acción abstracta debiera ser “más fácil” que el problema original!
13. Inteligencia Artificial e Ingenieria del Conocimiento 13 de 94 Búsqueda no informada Debe ser una medición correcta, p.ej.
costo de búsqueda = tiempo/memoria para encontrar la solución
costo total = costo de trayectoria + costo de búsqueda
14. Inteligencia Artificial e Ingenieria del Conocimiento 14 de 94 Búsqueda no informada
15. Inteligencia Artificial e Ingenieria del Conocimiento 15 de 94 Búsqueda no informada Problemas de juguete
8 fichas (o 15)
4 reinas (o 6, u 8)
Cript-aritmética
mundo de la aspiradora
misioneros y caníbales
dos baldes
16. Inteligencia Artificial e Ingenieria del Conocimiento 16 de 94 Búsqueda no informada Estados?
Operadores?
Test de meta?
Costo de trayectoria?
17. Inteligencia Artificial e Ingenieria del Conocimiento 17 de 94 Búsqueda no informada Problemas de juguete Estado único
inicio en #5. Soluciones?
Estado múltiple
inicio en {1,2,3,4,5,6,7,8}
p.e., Derecha va a {2,4,6,8}. Soluciones?
Contingencia
inicio en #5
p.e. Aspirar puede ensuciar alfombra limpia (Murphy)
hay dos sensores: mugre y ubicación. Soluciones?
18. Inteligencia Artificial e Ingenieria del Conocimiento 18 de 94 Búsqueda no informada Problemas de juguete Estados?
Operadores?
Test de Meta?
Costo de Ruta?
19. Inteligencia Artificial e Ingenieria del Conocimiento 19 de 94 Búsqueda no informada Problemas del mundo real RUMANIA - trayectoria óptima
viajante de comercio - viajes turísticos
circuitos integrados
robot ambulante
robots en ensambles complejos
20. Inteligencia Artificial e Ingenieria del Conocimiento 20 de 94 Búsqueda no informada Problemas del mundo real Formular
Situación inicial
De vacaciones en Rumania, hoy en Arad
(Estado inicial: Arad)
El vuelo de vuelta parte mañana de Bucarest
Meta Estar en Bucarest antes del vuelo
(Estado Meta: Bucarest)
Problema
estados (macroestados): varias ciudades
operadores: trayectos entre ciudades
Buscar
Solución a la secuencia “óptima” de ciudades
Solución a salir del estado inicial y llegar al estado meta
Ejecutar (vector de entrada)(operador ópt acum.) = (vector de salida)
21. Inteligencia Artificial e Ingenieria del Conocimiento 21 de 94 Búsqueda no informada Problemas del mundo real
22. Inteligencia Artificial e Ingenieria del Conocimiento 22 de 94 Búsqueda no informada
23. Inteligencia Artificial e Ingenieria del Conocimiento 23 de 94 Búsqueda no informada Factores:
Completitud.
Optimización.
Complejidad en tiempo.
Complejidad en espacio.
Factor de ramificación.
Costo de la búsqueda.
Coste total.
24. Inteligencia Artificial e Ingenieria del Conocimiento 24 de 94 Búsqueda no informada Un PROBLEMA se define con cuatro variables:
estado inicial
p.ej., ``en Arad''
operadores (o tambien función sucesores S(x))
p.ej., Arad ? Zerind Arad ? Sibiu
test de meta, ya sea
explicito, p.ej., x = ``en Bucharest''
implícito, p.ej., NoMugre(x)
costo del trayecto (aditivo)
p.ej. Suma de distancias, número operadores usados, etc.
Una SOLUCION es una secuencia de operadores que traduce el estado inicial en estado meta
25. Inteligencia Artificial e Ingenieria del Conocimiento 25 de 94 Búsqueda no informada Idea Básica:
Fuera del mundo real, simular una exploración del espacio de estados...
...generando sucesores de los estados ya explorados (a eso se le llama EXPANDIR estados)
26. Inteligencia Artificial e Ingenieria del Conocimiento 26 de 94 Búsqueda no informada Un estado es una representación de una configuración física (un rectangulito en una película)
Un nodo es una estructura de datos parte de un árbol de búsqueda
incluye padres, hijos, profundidad y costo del paso
Los estados CARECEN de esas cosas
La funcíón Expand crea nuevos nodos, llenado varios campos y usando ya sea Operators o SucessorFn del problema para crear esos estados
27. Inteligencia Artificial e Ingenieria del Conocimiento 27 de 94 Búsqueda no informada
28. Inteligencia Artificial e Ingenieria del Conocimiento 28 de 94 Búsqueda no informada
29. Inteligencia Artificial e Ingenieria del Conocimiento 29 de 94 Búsqueda no informada
30. Inteligencia Artificial e Ingenieria del Conocimiento 30 de 94 Búsqueda no informada Una estrategia
? cuál es el ORDEN EN LA EXPANSION DE NODOS
? dónde se insertan los nodos expandidos en la lista o cola
? distinta forma de expandir la FRONTERA
Dimensiones de las estrategias:
Completitud ? encuentra o nó una solución siendo que existe?
Complejidad temporal ? número de nodos generados/expandidos
Complejidad espacial ? máximo número de nodos en memoria
Optimalidad ? encuentra o nó una solución de mínimo costo?
¡RECORDAR! Las complejidades temporal y espacial se miden usando:
b - factor de ramificación del árbol de búsqueda
d - profundidad de la solución de mínimo costo
m - máxima profundidad del espacio de búsqueda.
31. Inteligencia Artificial e Ingenieria del Conocimiento 31 de 94 Búsqueda no informada Tenemos un gráfico, nodos de inicio y nodos meta ? exploremos trayectorias
Mantengamos una frontera de nodos -desde el nodo de partida- que se hayan explorado
Seguimos con la búsqueda ? expandamos la frontera hasta llegar a la meta.
La forma de expandir la frontera define la estrategia de búsqueda
32. Inteligencia Artificial e Ingenieria del Conocimiento 32 de 94 Búsqueda no informada
? Búsqueda primero en anchura
Búsqueda con costo uniforme
Búsqueda en profundidad
Búsqueda en profundidad limitada.
Profundización iterativa
Búsqueda bidireccional
33. Inteligencia Artificial e Ingenieria del Conocimiento 33 de 94 Búsqueda no informada
34. Inteligencia Artificial e Ingenieria del Conocimiento 34 de 94 Búsqueda no informada
35. Inteligencia Artificial e Ingenieria del Conocimiento 35 de 94 Búsqueda no informada
36. Inteligencia Artificial e Ingenieria del Conocimiento 36 de 94 Búsqueda no informada Expandir “nodo sin expandir” menos profundo.
= QueuingFN = insertar sucesor al fondo de cola
37. Inteligencia Artificial e Ingenieria del Conocimiento 37 de 94 Búsqueda no informada
38. Inteligencia Artificial e Ingenieria del Conocimiento 38 de 94 Búsqueda no informada
39. Inteligencia Artificial e Ingenieria del Conocimiento 39 de 94 Búsqueda no informada
40. Inteligencia Artificial e Ingenieria del Conocimiento 40 de 94 Búsqueda no informada
41. Inteligencia Artificial e Ingenieria del Conocimiento 41 de 94 Búsqueda no informada
42. Inteligencia Artificial e Ingenieria del Conocimiento 42 de 94 Búsqueda no informada Búsqueda primero en anchura Complejidad espacial:
El árbol entero a profundidad d usa bd a nodos de memoria
Todo termina bien si ya se sabe que hay un nodo meta a profundidad d. En el otro caso se debe guardar los nodos d+1 a medida que los genera (esto usa bd+1 nodos de memoria.
Nodos examinados: (suponer árbol de profundidad d con un nodo meta en esa profundidad)
para b grande es O(bd)
43. Inteligencia Artificial e Ingenieria del Conocimiento 43 de 94 Búsqueda no informada Búsqueda primero en anchura Es una estrategia en la que se expanda primero el nodo raíz, después todos los sucesores del nodo raíz a una profundidad en el árbol de búsqueda antes de expandir cualquier nodo del próximo nivel.
Cola FIFO: Primero en entrar es el primero en salir.
Lecciones:
Son un problema más grande los requisitos de memoria para la búsqueda primero en anchura que el tiempo de ejecución.
Los problemas de búsqueda de complejidad-exponencial no pueden resolverse por métodos sin información, salvo casos pequeños.
44. Inteligencia Artificial e Ingenieria del Conocimiento 44 de 94 Búsqueda no informada
Búsqueda en amplitud
? Búsqueda con costo uniforme
Búsqueda en profundidad
Búsqueda en profundidad limitada.
Profundización iterativa
Búsqueda bidireccional
45. Inteligencia Artificial e Ingenieria del Conocimiento 45 de 94 Búsqueda no informada Búsqueda de costo uniforme
46. Inteligencia Artificial e Ingenieria del Conocimiento 46 de 94 Búsqueda no informada Búsqueda de costo uniforme Expandir el “nodo sin expandir” con menor costo
Función_embretar_cola = QueuingFN =
= ubicar en cola por creciente costo de ruta (cola con privilegios)
47. Inteligencia Artificial e Ingenieria del Conocimiento 47 de 94 Búsqueda no informada Búsqueda de costo uniforme
48. Inteligencia Artificial e Ingenieria del Conocimiento 48 de 94 Búsqueda no informada Búsqueda de costo uniforme
49. Inteligencia Artificial e Ingenieria del Conocimiento 49 de 94 Búsqueda no informada Búsqueda de costo uniforme Completa?
Sí, mientras b sea finita (similar a búsqueda Primero en Amplitud)
Complejidad temporal?
Número de nodos con g(n) £ costo de la solución óptima
Complejidad espacial?
Número de nodos con g(n) £ costo de la solución óptima
Óptima?
Sí, mientras el costo de ruta no disminuya siguiendo cualquier ruta
o sea que g(Successor(n)) ³ g(n), para todo n
Qué sucede con operadores con costo negativo?
50. Inteligencia Artificial e Ingenieria del Conocimiento 50 de 94 Búsqueda no informada Búsqueda costo uniforme Expande el nodo n con el camino de costo más pequeño.
BPA = BCU si el coste es la unidad.
Si existen costes 0 ó negativos podemos introducirnos en un bucle infinito.
Será completo y optimo si todos los costes son mayores que 0.
51. Inteligencia Artificial e Ingenieria del Conocimiento 51 de 94 Búsqueda no informada
Búsqueda en amplitud
Búsqueda con costo uniforme
? Búsqueda en profundidad
Profundización iterativa
Búsqueda bidireccional
52. Inteligencia Artificial e Ingenieria del Conocimiento 52 de 94 Búsqueda no informada Búsqueda primero en profundidad
53. Inteligencia Artificial e Ingenieria del Conocimiento 53 de 94 Búsqueda no informada Búsqueda primero en profundidad
54. Inteligencia Artificial e Ingenieria del Conocimiento 54 de 94 Búsqueda no informada Búsqueda primero en profundidad
55. Inteligencia Artificial e Ingenieria del Conocimiento 55 de 94 Búsqueda no informada Búsqueda primero en profundidad
56. Inteligencia Artificial e Ingenieria del Conocimiento 56 de 94 Búsqueda no informada Búsqueda primero en profundidad
57. Inteligencia Artificial e Ingenieria del Conocimiento 57 de 94 Búsqueda no informada Búsqueda primero en profundidad
58. Inteligencia Artificial e Ingenieria del Conocimiento 58 de 94 Búsqueda no informada Búsqueda primero en profundidad
59. Inteligencia Artificial e Ingenieria del Conocimiento 59 de 94 Búsqueda no informada Búsqueda primero en profundidad
60. Inteligencia Artificial e Ingenieria del Conocimiento 60 de 94 Búsqueda no informada Búsqueda primero en profundidad
61. Inteligencia Artificial e Ingenieria del Conocimiento 61 de 94 Búsqueda no informada Búsqueda primero en profundidad Expandir el ”nodo sin expandir” más profundo
Función_añadir_cola = QueuingFN = Insertar sucesor en tope de cola
62. Inteligencia Artificial e Ingenieria del Conocimiento 62 de 94 Búsqueda no informada Búsqueda primero en profundidad
63. Inteligencia Artificial e Ingenieria del Conocimiento 63 de 94 Búsqueda no informada Búsqueda primero en profundidad
64. Inteligencia Artificial e Ingenieria del Conocimiento 64 de 94 Búsqueda no informada Búsqueda primero en profundidad Complejidad espacial (suponer que el árbol tiene una profundidad d con un nodo meta único a esa profundidad)
La mayor memoria se consume al llegar al primer punto de profundidad d
Necesitamos alojar b-1 nodos a cada profundidad (“coetáneos” o siblings del nodo ya expandido) con un nodo adicional a profundidad d (ya que aún no ha sido expandido)
Espacio total = d(b-1) + 1 (este 1 adicional es por la meta a profundidad d)
Nodos examinados: (suponer árbol de valor d con un nodo meta a esa profundidad)
Mejor caso (la meta está a la extrema izquierda) ? d +1 nodos
Peor ?
Promedio ?
para b grande, equivale a O(bd)
65. Inteligencia Artificial e Ingenieria del Conocimiento 65 de 94 Búsqueda no informada Búsqueda primero en profundidad (propiedades) Completa?
No; falla en espacio de infinita profundidad o con bucles
necesita modificaciones en el algoritmo para evitar estados repetidos a lo largo de trayectorias
Complejidad temporal?
O(bm): terrible si m es mucho mayor que d
si las soluciones son densas, BPP es más rápida que Búsqueda Primero en Amplitud, BPA
Complejidad espacial?
O(bm) (i.e., espacio lineal)
Óptima?
No
LIFO
Problema crucial: que m sea mayor que d
66. Inteligencia Artificial e Ingenieria del Conocimiento 66 de 94 Búsqueda no informada Búsqueda primero en profundidad Siempre expande el nodo más profundo en la frontera actual del árbol de búsqueda.
Al llegar a la frontera, la búsqueda retrocede al siguiente nodo más superficial que todavía tenga sucesores inexplorados.
Cola LIFO: Último en entrar primero en salir.
Requerimiento de memoria muy bajos.
Inconveniente: Puede hacer una elección equivocada y obtener un camino muy largo (o infinito).
No es completo.
67. Inteligencia Artificial e Ingenieria del Conocimiento 67 de 94 Búsqueda no informada
Búsqueda en amplitud
Búsqueda con costo uniforme
Búsqueda en profundidad
? Búsqueda en profundidad limitada.
Profundización iterativa
Búsqueda bidireccional
68. Inteligencia Artificial e Ingenieria del Conocimiento 68 de 94 Búsqueda no informada Búsqueda profundidad limitada Es una busqueda en profundidad, con límite de profundidad l predeterminado.
El limite en profundidad elimina los caminos infinitos.
El sistema no será completo si l < d, es decir que el objetivo esta fuera del limite de profundidad.
El sistema no será optimo si l > d.
69. Inteligencia Artificial e Ingenieria del Conocimiento 69 de 94 Búsqueda no informada
Búsqueda en amplitud
Búsqueda con costo uniforme
Búsqueda en profundidad
Búsqueda en profundidad limitada.
? Profundización iterativa
Búsqueda bidireccional
70. Inteligencia Artificial e Ingenieria del Conocimiento 70 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa Búsqueda Primero en Profundidad con límite en profundidad l
Nodos a profundidad l sin sucesores
71. Inteligencia Artificial e Ingenieria del Conocimiento 71 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
72. Inteligencia Artificial e Ingenieria del Conocimiento 72 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
73. Inteligencia Artificial e Ingenieria del Conocimiento 73 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
74. Inteligencia Artificial e Ingenieria del Conocimiento 74 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
75. Inteligencia Artificial e Ingenieria del Conocimiento 75 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
76. Inteligencia Artificial e Ingenieria del Conocimiento 76 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
77. Inteligencia Artificial e Ingenieria del Conocimiento 77 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
78. Inteligencia Artificial e Ingenieria del Conocimiento 78 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
79. Inteligencia Artificial e Ingenieria del Conocimiento 79 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa
80. Inteligencia Artificial e Ingenieria del Conocimiento 80 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa Ccomplejidad espacial:
habiendo varias soluciones, si la solución más “optima” se halla a profundidad g - entonces buscando con BPP hasta dicha profundidad tendrá buen éxito. (Por ello la Profundización Iterativa retorna a la solución más optima aunque se encamine antes a otras zonas). La cantidad de memoria de PI es la de BPP.
81. Inteligencia Artificial e Ingenieria del Conocimiento 81 de 94 Búsqueda no informada Completa?
Sí
Complejidad espacial?
O(bd)
Complejidad Temporal?
Óptima?
Sí (mientras el costo de cada paso sea unitario)
En el otro caso (costos diferentes) lleva a explorar en otro tipo de búsqueda, la de costo uniforme
82. Inteligencia Artificial e Ingenieria del Conocimiento 82 de 94 Búsqueda no informada Búsqueda primero en profundidad con profundidad iterativa Es una estrategia general, usada a menudo en combinación con la búsqueda primero en profundidad, la cual encuentra el mejor límite de profundidad.
Se aumenta gradualmente el límite hasta que encontramos un objetivo.
El objetivo se consigue cuando el límite de profundidad alcanza d (profundidad del nodo objetivo).
Combina las ventajas de la búsqueda primero en profundidad y primero en anchura.
La profundidad iterativa es el método de búsqueda no informada preferido cuando hay un espacio grande de búsqueda y no se conoce la profundidad de la solución.
83. Inteligencia Artificial e Ingenieria del Conocimiento 83 de 94 Búsqueda no informada
Búsqueda en amplitud.
Búsqueda con costo uniforme.
Búsqueda en profundidad.
Búsqueda en profundidad limitada.
Profundización iterativa.
=> Búsqueda bidireccional.
84. Inteligencia Artificial e Ingenieria del Conocimiento 84 de 94 Búsqueda no informada Búsqueda Bidireccional Dos búsquedas simultáneas:
Una hacia delante desde el estado inicial
Otra hacia atrás desde el objetivo.
El caso más difícil para la búsqueda bidireccional es cuando el test objetivo da sólo una descripción implícita de algún conjunto posiblemente grande de estados objetivo.
85. Inteligencia Artificial e Ingenieria del Conocimiento 85 de 94 Búsqueda no informada Búsqueda bidireccional
86. Inteligencia Artificial e Ingenieria del Conocimiento 86 de 94 Búsqueda no informada
87. Inteligencia Artificial e Ingenieria del Conocimiento 87 de 94 Búsqueda no informada Como evitar estados repetidos ? Problemas en los procesos de búsqueda: la posibilidad de perder tiempo expandiendo estados que ya han sido visitados y expandidos.
88. Inteligencia Artificial e Ingenieria del Conocimiento 88 de 94 Búsqueda no informada Como evitar estados repetidos No volver al Estado de su Padre (Estado Parental) -
Cola con Privilegios (supresores) que excluye a Padres
No volver a Estados de sus Ancestros (Ancestrales) -
Cola con Privilegios (supresores) que excluye a Ancestros
Lista negra de suprimidos
No volver a Estados Ya Visitados -
Cola con Privilegios (supresores) -
Hacer lista negra de suprimidos (ocupa memoria)
Balancear los dos costos involucrados
costo de volver a ramas ya estudiadas
costo de guardar y usar lista
89. Inteligencia Artificial e Ingenieria del Conocimiento 89 de 94 Búsqueda con inf. parcial
90. Inteligencia Artificial e Ingenieria del Conocimiento 90 de 94 Búsqueda con inf. parcial Problemas sin sensores (problemas conformados):
Si el agente carece de sensores, debemos partir de que se encuentra en uno de los estados iniciales.
Problemas de contingencia:
El entorno es parcialmente observable o las acciones son inciertas, luego las percepciones del agente proporciona nueva información despues de cada acción.
Problemas de exploración:
Cuando se desconocen los estados y las acciones del entorno, el agente debe actuar para descubrirlos.
Es un caso extremo de los problemas de contingencia.
91. Inteligencia Artificial e Ingenieria del Conocimiento 91 de 94 Resumen
92. Inteligencia Artificial e Ingenieria del Conocimiento 92 de 94 Resumen En este capitulo se han estudiado ambientes o entornos deterministas, observables, estáticos y completamente conocidos, lo que permite al agente construir secuencias de acciones (búsquedas) que alcanzan sus objetivos.
Para comenzar la Búsqueda el agente requiere de un Objetivo que se usa para formular el Problema.
Un Problema esta formado por: Estado Inicial, Conjunto de acciones, Función del test objetivo y una función de coste del camino.
El ENTORNO del Problema se representa por Espacio de Estados.
Un camino por el Espacio de Estados desde el Estado Inicial a un Estado Objetivo es una Solución.
Lo que diferencia a un algoritmo de búsqueda de otro es la Estrategia para encontrar la Solución.
Los algoritmos de búsqueda se juzgan sobre: completitud, optimización, complejidad en tiempo, complejidad en espacio.
93. Inteligencia Artificial e Ingenieria del Conocimiento 93 de 94 Resumen La Complejidad depende de 2 variables:
b: Factor de ramificación en el espacio de estados.
d: Profundidad de la solución..
Búsqueda primero en anchura: selecciona para su expansión el nodo no expandido más superficial en el árbol de búsqueda.
Es completo.
Es optimo para costes igual a la unidad.
La complejidad en espacio lo hace poco útil para la mayor parte de los casos.
Búsqueda de coste uniforme: Búsqueda primero en anchura, pero expandiendo siempre primero el nodo de menor coste.
Es completo.
Es optimo si el coste de cada paso es positivo.
Búsqueda primero en profundidad: selecciona para la expansión el nodo no expandido más profundo en el árbol de búsqueda.
No es completo.
No es optimo.
Búsqueda de profundidad limitada: búsqueda primero en profundidad con un límite de profundidad fijo..
94. Inteligencia Artificial e Ingenieria del Conocimiento 94 de 94 Resumen Búsqueda de profundidad iterativa: llama a la búsqueda de profundidad limitada aumentando este limite hasta que se encuentre un objetivo.
Es completo.
Es optimo para costes igual a la unidad.
Búsqueda bidireccional: Búsqueda de solución en dos sentidos.
Si es aplicable reduce la complejidad.
Requiere mucho espacio.
Es pocas veces aplicable.
Eliminación de estados repetidos: cuando trabajamos con grafos es aconsejable, usar mecanismos de poda de estados repetidos.
Ambientes parcialmente observables: requiere de
Algoritmos de búsquedas en el espacio de estados de creencia.
Y un plan de contingencia para manejar circunstancias desconocidas.
95. Universidad de Castilla-La Mancha
Luis Jiménez Linares
Luis.jimenez@uclm.es
Luis Enrique Sánchez Crespo
LuisEnrique.sanchez@uclm.es
