Your SlideShare is downloading. ×
0
Fundamentos de Inteligencia Artificial Búsqueda Coordinación de Ciencias Computacionales Instituto Nacional de Astrofísica...
Objetivos de la sección <ul><li>Aprender cómo hallar trayectorias en redes, resolviendo así  problemas de búsqueda . </li>...
Métodos básicos de búsqueda Búsqueda Una ruta Ruta optima Juegos Profundidad  primero A mplitud primero Ascenso de colina ...
Redes y búsqueda <ul><li>Encontrar una trayectoria del punto S al punto G involucra dos costos: </li></ul><ul><ul><li>El c...
Árbol de búsqueda <ul><li>Es una representación que considera todas las  trayectorias  posibles en la red: </li></ul><ul><...
Árbol de búsqueda (cont.) s a d a e b d c e b f b e d f b f d e a c g g c g f g Trayectoria s-d-a-b-e-f-g
Búsqueda en profundidad  primero <ul><li>Para llevar a cabo una búsqueda en profundidad , </li></ul><ul><ul><li>Inserte en...
Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 1 2 3 4 5 6 7
Búsqueda en amplitud primero <ul><li>Para llevar a cabo una búsqueda en amplitud, </li></ul><ul><ul><li>Inserte en una  co...
Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Comparación de procedimientos <ul><li>¿cual de los dos procedimientos es mejor? </li></ul><ul><li>¿son ambos completos? </...
Problema de los jarrones de agua <ul><li>Se tienen dos jarrones, uno de 4 y otro de 3 litros. Ninguno tiene marcas de medi...
Una posible solución Tarea 7: Dibujar árbol de búsqueda resultante al aplicar las búsquedas en profundidad y en anchura. J...
Reglas de producción <ul><li>Los estados se representan como (X,Y), donde X = 0,1,2,3,4 y Y = 0,1,2,3. </li></ul><ul><li>(...
Métodos Heurístic o s <ul><li>La búsqueda se puede mejorar si existe una forma de ordenar las posibilidades de modo que la...
Ascenso de colina <ul><li>Mediciones de calidad convierten la  búsqueda en profundidad  en ascenso de colina. </li></ul><u...
Distancias entre ciudades s a d e b c f g 3 4 6.7 10.4 11 8.9 6.9 s a d e b c f g 3 3 4 4 4 4 5 5 2
Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7
Problemas del ascenso de colina <ul><li>En problemas orientados a ajuste de parámetros: </li></ul><ul><ul><li>Problema de ...
Búsqueda en haz <ul><li>Parecida a la  búsqueda en amplitud  en cuanto a que avanza de nivel en nivel. </li></ul><ul><li>S...
Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7 8.9 6.7 4.0 6.9 Callejón si...
Búsqueda primero el mejor <ul><li>Extiende la mejor trayectoria parcial en cada punto. </li></ul><ul><ul><li>Considera tod...
Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7
¿cuál es el mejor método? <ul><li>Primero en profundidad es bueno cuando se sabe – con seguridad – que el árbol  no es muy...
Encontrando la mejor ruta <ul><li>Estos métodos consideran, a diferencia de los anteriores, el  peso de las ramas . </li><...
Procedimiento británico <ul><li>¿qué hacer para asegurar encontrar la ruta óptima? </li></ul><ul><li>Procedimiento de muse...
Árbol generado con DFS s a b c e d f g 1 2 3 4 5 6 7 14 d a e d b f b e b f d e a c g c g f g 11 9 8 10 12 13 15 16 17 18 ...
Aplicabilidad <ul><li>No tiene problemas con árboles (muy)  pequeños .  </li></ul><ul><li>En la mayoría de los casos  no e...
Ramificación y cota <ul><li>Menos sacrificado para encontrar la ruta óptima. </li></ul><ul><li>Idea básica es expandir en ...
Algoritmo básico <ul><li>Formar una cola de trayectos parciales. Inicialmente sólo tiene el elemento raíz. </li></ul><ul><...
Árbol generado a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 5 6 3 8 7 9 15...
Asegurar la ruta optima <ul><li>¿cuál es la respuesta del método? </li></ul><ul><li>¿cómo podemos asegurar encontrar la ru...
Árbol completo a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 5 6 3 8 7 9 15...
Estimación de la distancia restante <ul><li>Usar una estimación de la  distancia restante  a la meta puede mejorar conside...
Subestimaciones son apropiadas <ul><li>Las estimaciones no son perfectas; esto puede traer serios problemas al método. </l...
Árbol generado con distancia directa entre ciudades a d a e b d c e b f b e d f b f d e a c g g c g f g s 13.4 12.9 19.4 1...
Trayectorias redundantes <ul><li>Ramificación y cota puede mejorarse eliminando las  trayectorias redundantes . </li></ul>...
Árbol generado a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 3 5 6 15 14 14...
Procedimiento A* <ul><li>Es una búsqueda de  ramificación y cota  con: </li></ul><ul><ul><li>Estimación de distancia resta...
Upcoming SlideShare
Loading in...5
×

Inteligencia Artificial

10,583

Published on

El procedimiento del museo británico; Ramificación y cota; El algoritmo A*. Procedimiento británico. ¿qué hacer para asegurar encontrar la ruta óptima?

Published in: Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
10,583
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
384
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide
  • Profundidad cuando se tiene la segurudad que todas las trayectorias llegan a callejones sin salidas (no arboles de busqueda infinitos, o muy largas) En amplitud sirve aun con grafos muy grandes; pero desperdicio cuando todas las trayectorias llevan a la meta despues de cierta profundidad En amplitud no es buena con alto grado de ramificacion (ejemplo de cajas); b d nivel d y ramificacion b. (tanto en tiempo como espacio) En profundidad solamente es b*m(profundidad maxima), tiempo igual Profundidad mejor cuando existen multiples soluciones.
  • P
  • Transcript of "Inteligencia Artificial"

    1. 1. Fundamentos de Inteligencia Artificial Búsqueda Coordinación de Ciencias Computacionales Instituto Nacional de Astrofísica, Óptica y Electrónica Manuel Montes ( [email_address] ; 8218) Luis Villaseñor ( [email_address] ; 8306)
    2. 2. Objetivos de la sección <ul><li>Aprender cómo hallar trayectorias en redes, resolviendo así problemas de búsqueda . </li></ul><ul><li>Presentar los métodos m á s populares de búsqueda . </li></ul><ul><li>Aprender a evaluar los procedim i entos de búsqueda </li></ul><ul><ul><li>Su eficiencia, su facilidad de implementación, su pertinencia para cierto tipo de problemas . </li></ul></ul>
    3. 3. Métodos básicos de búsqueda Búsqueda Una ruta Ruta optima Juegos Profundidad primero A mplitud primero Ascenso de colina Búsqueda en haz Primero el mejor Museo británico Ramificación y cota Programación dinámica A* M i nima x Poda Alfa-beta Continuación heurística Profundidad progresiva A tientas Heuristicos
    4. 4. Redes y búsqueda <ul><li>Encontrar una trayectoria del punto S al punto G involucra dos costos: </li></ul><ul><ul><li>El costo del c á lculo para encontrar la trayectoria </li></ul></ul><ul><ul><li>El costo del viaje cuando se sigue la trayectoria </li></ul></ul>s a d e b c f g 3 3 4 4 4 4 5 5 2
    5. 5. Árbol de búsqueda <ul><li>Es una representación que considera todas las trayectorias posibles en la red: </li></ul><ul><ul><li>Los nodos representan trayectorias, y las ramas conectan trayectorias a extensiones de trayectoria de un solo paso. </li></ul></ul><ul><li>Idea es construir al vuelo este árbol, siguiendo una estrategia de búsqueda. </li></ul><ul><li>El número total de trayectorias de un árbol con factor de ramificación b y profundidad d es b d . </li></ul>
    6. 6. Árbol de búsqueda (cont.) s a d a e b d c e b f b e d f b f d e a c g g c g f g Trayectoria s-d-a-b-e-f-g
    7. 7. Búsqueda en profundidad primero <ul><li>Para llevar a cabo una búsqueda en profundidad , </li></ul><ul><ul><li>Inserte en una pila el elemento raíz (nodo de partida) </li></ul></ul><ul><ul><li>Hasta que el elemento tope sea el nodo meta, o se vacié la pila </li></ul></ul><ul><ul><ul><li>Si nodo tope tiene hijos, insertar el hijo siguiente aun no visitado, según ordenamiento. </li></ul></ul></ul><ul><ul><ul><li>Si no, entonces eliminar nodo tope. </li></ul></ul></ul><ul><ul><li>Si el nodo meta se alcanza, mencione éxito, de lo contrario, notifique el fracaso. </li></ul></ul>
    8. 8. Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 1 2 3 4 5 6 7
    9. 9. Búsqueda en amplitud primero <ul><li>Para llevar a cabo una búsqueda en amplitud, </li></ul><ul><ul><li>Inserte en una cola el elemento raíz (nodo de partida) </li></ul></ul><ul><ul><li>Hasta que el elemento frontal sea el nodo meta, o se vacié la cola </li></ul></ul><ul><ul><ul><li>Si nodo frontal tiene hijos, insertar todos sus hijos al final de la cola. </li></ul></ul></ul><ul><ul><ul><li>Eliminar nodo frontal. </li></ul></ul></ul><ul><ul><li>Si el nodo meta se alcanza, mencione éxito, de lo contrario, notifique el fracaso. </li></ul></ul>
    10. 10. Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
    11. 11. Comparación de procedimientos <ul><li>¿cual de los dos procedimientos es mejor? </li></ul><ul><li>¿son ambos completos? </li></ul><ul><ul><li>¿garantizan encontrar una solución, si es que existe? </li></ul></ul><ul><li>¿son ambos óptimos? </li></ul><ul><ul><li>¿se encontrara la mejor solución en caso de existir varias? </li></ul></ul><ul><li>¿y que pasa con su complejidad temporal y espacial? </li></ul>
    12. 12. Problema de los jarrones de agua <ul><li>Se tienen dos jarrones, uno de 4 y otro de 3 litros. Ninguno tiene marcas de medidas sobre él. También se tiene una toma de agua que puede usarse para llenar los jarrones. </li></ul><ul><li>¿cómo podemos obtener exactamente 2 litros en el jarrón de 3 ? </li></ul><ul><li>¿qué tenemos que hacer para resolver este problema automáticamente? </li></ul><ul><li>¿se debe representar el espacio de estados en su totalidad? ¿hay alguna manera de representar en forma resumida todos los posibles estados? </li></ul>
    13. 13. Una posible solución Tarea 7: Dibujar árbol de búsqueda resultante al aplicar las búsquedas en profundidad y en anchura. Jueves 18 de sept … … … …
    14. 14. Reglas de producción <ul><li>Los estados se representan como (X,Y), donde X = 0,1,2,3,4 y Y = 0,1,2,3. </li></ul><ul><li>(X,Y|X<4)  (4,Y) </li></ul><ul><li>(X,Y|Y<3)  (X,3) </li></ul><ul><li>(X,Y|X>0)  (0,Y) </li></ul><ul><li>(X,Y|Y>0)  (X,0) </li></ul><ul><li>(X,Y|X+Y>=4  Y>0)  (4,Y-(4-X)) </li></ul><ul><li>(X,Y|X+Y>=3  X>0)  (X-(3-Y),3)) </li></ul><ul><li>(X,Y|X+Y<=4  Y>0)  (X+Y,0)) </li></ul><ul><li>(X,Y|X+Y<=3  X>0)  (0,X+Y) </li></ul>
    15. 15. Métodos Heurístic o s <ul><li>La búsqueda se puede mejorar si existe una forma de ordenar las posibilidades de modo que las m á s prometedoras se exploren primero . </li></ul><ul><li>Mayor conocimiento, menor tiempo de búsqueda </li></ul><ul><li>Tres métodos muy conocidos: </li></ul><ul><ul><li>Ascenso de colina (-> profundidad primero), </li></ul></ul><ul><ul><li>Búsqueda en Haz (-> anchura primero), </li></ul></ul><ul><ul><li>Primero el mejor </li></ul></ul>
    16. 16. Ascenso de colina <ul><li>Mediciones de calidad convierten la búsqueda en profundidad en ascenso de colina. </li></ul><ul><li>Se ordenan las posibilidades (estados hijo) usando una medición heurística de la distancia que queda por recorrer. </li></ul><ul><ul><li>Distancia en línea recta al estado objetivo. </li></ul></ul><ul><li>Mejor medición, mejor el ascenso de colina </li></ul>
    17. 17. Distancias entre ciudades s a d e b c f g 3 4 6.7 10.4 11 8.9 6.9 s a d e b c f g 3 3 4 4 4 4 5 5 2
    18. 18. Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7
    19. 19. Problemas del ascenso de colina <ul><li>En problemas orientados a ajuste de parámetros: </li></ul><ul><ul><li>Problema de la falta de colina </li></ul></ul><ul><ul><ul><li>Se encuentra un punto optimo, pero se trata de un máximo local . </li></ul></ul></ul><ul><ul><li>Problema de la meseta </li></ul></ul><ul><ul><ul><li>La operación de mejoramiento local fracasa por completo. Todas las pruebas de paso normal dejan intacta la medición de calidad . </li></ul></ul></ul><ul><ul><li>Problema del borde </li></ul></ul><ul><ul><ul><li>Es como estar en el filo de una navaja , solamente puede salirse del problema si se tiene un número muy grande de direcciones para orientar los pasos. </li></ul></ul></ul>
    20. 20. Búsqueda en haz <ul><li>Parecida a la búsqueda en amplitud en cuanto a que avanza de nivel en nivel. </li></ul><ul><li>Sólo se mueve hacia abajo a tr a vés de los w mejores nod o s de cada nivel. </li></ul><ul><ul><li>Extiende varias trayectorias parciales y elimina el resto. </li></ul></ul><ul><li>El n ú mero de nodos se mantiene manejable aún cuando la ramificación sea alta y la búsqueda sea profunda. </li></ul>
    21. 21. Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7 8.9 6.7 4.0 6.9 Callejón sin salida
    22. 22. Búsqueda primero el mejor <ul><li>Extiende la mejor trayectoria parcial en cada punto. </li></ul><ul><ul><li>Considera todos los nodos abiertos hasta el momento. </li></ul></ul><ul><li>Ascenso de colina inspecciona la que parece la mejor trayectoria hasta el final; la búsqueda primero el mejor analiza varias trayectorias a la vez, siempre siguiendo la mejor trayectoria parcial conocida al momento. </li></ul><ul><li>Generalmente la búsqueda primero el mejor encuentra trayectorias más cortas a los estados meta. </li></ul>
    23. 23. Árbol generado s a d a e b d c e b f b e d f b f d e a c g g c g f g 8.9 10.4 10.4 6.9 3.0 6.7
    24. 24. ¿cuál es el mejor método? <ul><li>Primero en profundidad es bueno cuando se sabe – con seguridad – que el árbol no es muy profundo . </li></ul><ul><li>Primero en anchura, cuando el factor de ramificación no es muy grande . </li></ul><ul><li>Los métodos heurísticos son adecuados cuando existe una medida natural de la distancia entre cada estado y el estado meta. </li></ul>
    25. 25. Encontrando la mejor ruta <ul><li>Estos métodos consideran, a diferencia de los anteriores, el peso de las ramas . </li></ul><ul><li>Su objetivo no es únicamente encontrar una ruta, sino encontrar la mejor (típicamente la más corta). </li></ul><ul><li>Entre ellos se encuentran: </li></ul><ul><ul><li>El procedimiento del museo británico </li></ul></ul><ul><ul><li>Ramificación y cota </li></ul></ul><ul><ul><li>El algoritmo A* </li></ul></ul>
    26. 26. Procedimiento británico <ul><li>¿qué hacer para asegurar encontrar la ruta óptima? </li></ul><ul><li>Procedimiento de museo británico: </li></ul><ul><ul><li>Primero encontrar todas las rutas al objetivo </li></ul></ul><ul><ul><li>Después seleccionar la mejor </li></ul></ul><ul><li>Puede usarse búsqueda en anchura o en profundidad como estrategia de exploración. </li></ul><ul><ul><li>Terminar hasta recorrer el árbol completamente . </li></ul></ul><ul><li>¿qué inconveniente le encuentran? </li></ul>
    27. 27. Árbol generado con DFS s a b c e d f g 1 2 3 4 5 6 7 14 d a e d b f b e b f d e a c g c g f g 11 9 8 10 12 13 15 16 17 18 19 20 21 22 23 24 25 26
    28. 28. Aplicabilidad <ul><li>No tiene problemas con árboles (muy) pequeños . </li></ul><ul><li>En la mayoría de los casos no es aplicable . </li></ul><ul><ul><li>Por explosión exponencial </li></ul></ul><ul><li>Si tenemos un árbol (mediano) con niveles d = 10, y un factor de ramificación b = 10. </li></ul><ul><ul><li>Los estados visitados son b d . </li></ul></ul><ul><ul><li>10 10 = 10 billones de estados </li></ul></ul>
    29. 29. Ramificación y cota <ul><li>Menos sacrificado para encontrar la ruta óptima. </li></ul><ul><li>Idea básica es expandir en cada ocasión la ruta parcial con el menor costo hasta el momento . </li></ul><ul><ul><li>Es decir, todos los nodos abiertos hasta el momento entran en consideración. </li></ul></ul><ul><li>Similar a método “primero el mejor”, pero al revés. </li></ul><ul><ul><li>En lugar de seguir el trayecto que aparentemente tiene la menor distancia hacia el objetivo, se sigue aquel que hasta el momento es el más corto. </li></ul></ul>
    30. 30. Algoritmo básico <ul><li>Formar una cola de trayectos parciales. Inicialmente sólo tiene el elemento raíz. </li></ul><ul><li>Hasta que la cola se vacié o se alcance el nodo objetivo, determinar si el primer elemento alcanza el nodo objetivo. </li></ul><ul><ul><li>Si alcanza el objetivo, salir. </li></ul></ul><ul><ul><li>Si no, entonces; </li></ul></ul><ul><ul><ul><li>Borrar el nodo de la cola </li></ul></ul></ul><ul><ul><ul><li>Agregar sus hijos a la cola </li></ul></ul></ul><ul><ul><ul><li>Ordenar los nodos por costo acumulado </li></ul></ul></ul><ul><li>Si el nodo objetivo fue encontrado mencionar éxito, de lo contrario anunciar falla. </li></ul>
    31. 31. Árbol generado a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 5 6 3 8 7 9 15 14
    32. 32. Asegurar la ruta optima <ul><li>¿cuál es la respuesta del método? </li></ul><ul><li>¿cómo podemos asegurar encontrar la ruta óptima? </li></ul><ul><li>¿cuándo debemos terminar el algoritmo? </li></ul><ul><ul><li>Cuando todas las rutas parciales tengan igual o mayor peso que la trayectoria encontrada </li></ul></ul>s b a g 2 3 5 1 s b a g 2 3 3 1
    33. 33. Árbol completo a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 5 6 3 8 7 9 15 14 14 16 15 15 10 11 12
    34. 34. Estimación de la distancia restante <ul><li>Usar una estimación de la distancia restante a la meta puede mejorar considerablemente el método. </li></ul><ul><li>Si es buena estimación, entonces ella mas distancia recorrida debe ser un buen c á lculo de la longitud total de la trayectoria : </li></ul><ul><ul><li>e (long trayectoria) = d (ya recorrida) + e (dist. restante) </li></ul></ul><ul><li>Si las conjeturas fueran correctas este método se mantendría todo el tiempo en la ruta optima. </li></ul><ul><ul><li>Mejor estimación, mejor la búsqueda </li></ul></ul>
    35. 35. Subestimaciones son apropiadas <ul><li>Las estimaciones no son perfectas; esto puede traer serios problemas al método. </li></ul><ul><li>¿que sucederá con sobreestimaciones de la distancia restante? </li></ul><ul><ul><li>Desvío permanente de la trayectoria óptima </li></ul></ul><ul><ul><li>No existiría la certeza, hasta recorrer el árbol completo, que la ruta encontrada es la optima. </li></ul></ul><ul><li>El método funciona adecuadamente con subestimaciones de la distancia restante. </li></ul>
    36. 36. Árbol generado con distancia directa entre ciudades a d a e b d c e b f b e d f b f d e a c g g c g f g s 13.4 12.9 19.4 12.9 13 13 1 2 3 4 17.7
    37. 37. Trayectorias redundantes <ul><li>Ramificación y cota puede mejorarse eliminando las trayectorias redundantes . </li></ul><ul><li>Se relaciona con el principio de programación dinámica . </li></ul><ul><ul><li>El mejor camino del punto de inicio a la meta, a través de un lugar intermedio específico, es el mejor camino hacia éste desde el lugar de inicio, seguido por el mejor camino desde éste a la meta. </li></ul></ul><ul><ul><li>No hay necesidad de buscar por otras trayectorias hacia o desde el punto intermedio. </li></ul></ul>
    38. 38. Árbol generado a d a e b d c e b f b e d f b f d e a c g g c g f g s 3 4 7 8 9 6 11 10 11 12 10 13 13 1 2 4 3 5 6 15 14 14 16 15 15 7
    39. 39. Procedimiento A* <ul><li>Es una búsqueda de ramificación y cota con: </li></ul><ul><ul><li>Estimación de distancia restante </li></ul></ul><ul><ul><li>Eliminación de trayectorias redundantes </li></ul></ul><ul><li>Si la estimación de la distancia restante es un limite inferior de la distancia real, entonces A* produce soluciones optimas . </li></ul>
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×