Your SlideShare is downloading. ×
SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA

251
views

Published on

Breve resumen del capitulo 3 del libro Inteligencia Artificial, de Russel y Norvig. Material de apoyo para la materia IA de la FCT UNCA

Breve resumen del capitulo 3 del libro Inteligencia Artificial, de Russel y Norvig. Material de apoyo para la materia IA de la FCT UNCA

Published in: Education

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
251
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
10
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. • Agentes resolventes-problemas • Ejemplos de problemas • Modelación de Búsquedas y espacios de soluciones • Algoritmos y Estrategias de búsqueda • Estrategias de búsqueda no informada • Evitar estados repetidos • Búsqueda con información parcial SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA INTELIGENCIAARTIFICIAL UNIDAD 3: 20/03/2014FCT - UNCA. ING. Héctor Estigarribia1
  • 2. AGENTES RESUELVE-PROBLEMAS  Agente  maximizar su rendimiento  Elige un objetivo  Trata de satisfacerlo  Objetivos  organizan el comportamiento limitando las metas 20/03/2014FCT - UNCA. ING. Héctor Estigarribia2 Primer paso para intentar solucionar un problema: Basado en: • Situación Actual • Medida de rendimiento Basado en: • Situación Actual • Medida de rendimiento
  • 3. AGENTES RESUELVE-PROBLEMAS  OBJETIVO  Conjunto de estados del mundo  Agente  secuencia de acciones  estado objetivo 20/03/2014FCT - UNCA. ING. Héctor Estigarribia3 Decidir que acciones y estados debe considerar el agente: • Si no conoce lo suficiente los estados (no hay información adicional) •  no puede saber cual es la mejor acción • En este caso,lo mejor sería escoger al azar • Si no conoce lo suficiente los estados (no hay información adicional) •  no puede saber cual es la mejor acción • En este caso,lo mejor sería escoger al azar • Si hay  distintas opciones  valores desconocidos • Examinar secuencias posibles  valores conocidos • Escoger la mejor secuencia • Si hay  distintas opciones  valores desconocidos • Examinar secuencias posibles  valores conocidos • Escoger la mejor secuencia • El proceso de escoger esta secuencia se llama BÚSQUEDA• El proceso de escoger esta secuencia se llama BÚSQUEDA
  • 4. AGENTES RESUELVE-PROBLEMAS ALGORITMO DE BÚSQUEDA:  Entrada  problema  Salida  Solución  secuencia de acciones  Proceso de ejecutar dichas acciones Ejecución 20/03/2014FCT - UNCA. ING. Héctor Estigarribia4 DISEÑO SIMPLE DE UN AGENTE: 1. Formular (objetivo, problema) 2. Buscar (secuencia de acciones) 3. Ejecutar (acciones)
  • 5. AGENTES RESUELVE-PROBLEMAS FunciónAGENTE-RES-PROB (percepción) devuelve acción  Entrada percepción  Static:   sec: secuencia de acciones, valor inicial: 0   estado, descripción actual del mundo   objetivo, valor inicial: 0   Problema, formulación del problema  Estado  ACTUALIZAR_ESTADO(estado, percepción) *  Si sec =0 hacer  Objetivo  FORMULAR_OBJETIVO(estado) *  Problema  FORMULAR_PROBLEMA(estado, objetivo)  Sec  BÚSQUEDA(problema)  Acción  PRIMERO (secuencia)  Sec  RESTO (secuencia)  Devolver acción 20/03/2014FCT - UNCA. ING. Héctor Estigarribia5 * No se tratan en este capítulo
  • 6. AGENTES RESUELVE-PROBLEMAS Tipos de Entorno:  Estático,  Observable,  Discreto,  Determinista. Soluciones  secuencias de acciones  No pueden manejar acontecimientos inesperados  Se ejecutan sin prestar atención a las percepciones  En teoría de control, serían los sistemas de lazo abierto 20/03/2014FCT - UNCA. ING. Héctor Estigarribia6
  • 7. AGENTES RESUELVE-PROBLEMAS Problemas  definirse por 4 componentes: 20/03/2014FCT - UNCA. ING. Héctor Estigarribia7 * Espacio de estados* Espacio de estados 3 -Test objetivo  determina si un estado  estado objetivo3 -Test objetivo  determina si un estado  estado objetivo Estado inicial + función sucesor  todos los estados alcanzables desde Estado inicial. * Camino * Camino  4 - Función Costo del Camino  costo numérico a cada camino4 - Función Costo del Camino  costo numérico a cada camino 1 - Estado inicial1 - Estado inicial 2 - Función sucesor  conjunto de posibles acciones en forma de par ordenado (acción, estado sucesor) 2 - Función sucesor  conjunto de posibles acciones en forma de par ordenado (acción, estado sucesor) secuencia de estados  secuencia de acciones.
  • 8. AGENTES RESUELVE-PROBLEMAS Todo lo anterior, DEFINE el problema 20/03/2014FCT - UNCA. ING. Héctor Estigarribia8 SOLUCIÓNSOLUCIÓN Camino desde Estado inicial  estado objetivoCamino desde Estado inicial  estado objetivo SOLUCIÓN ÓPTIMASOLUCIÓN ÓPTIMA … Puede unirse en una estructura de datos simple… Puede unirse en una estructura de datos simple … que se dará como entrada al algoritmo Resolvente del problema… que se dará como entrada al algoritmo Resolvente del problema Solución con el COSTO más pequeñoSolución con el COSTO más pequeño *ABSTRACCIÓN:necesaria para una buena representación del problema y la solución *ABSTRACCIÓN:necesaria para una buena representación del problema y la solución
  • 9. 20/03/2014FCT - UNCA. ING. Héctor Estigarribia9  Ejemplo:Llegar desde Arad hasta Bucarest (Rumania) AGENTES RESUELVE-PROBLEMAS
  • 10. EJEMPLOS DE PROBLEMAS 20/03/2014FCT - UNCA. ING. Héctor Estigarribia10  Problemas de juguete  Problemas del mundo real  Problemas de juguete  Problemas del mundo real Problemas de juguete, ejemplo del MUNDO DE LAASPIRADORAProblemas de juguete, ejemplo del MUNDO DE LAASPIRADORA Estados: 2 cuadrículas … cada cuadrícula 2 posibles estados.Estados: 2 cuadrículas … cada cuadrícula 2 posibles estados. 2 x 22 = 8 posibles estados 1. Estado inicial: cualquiera de los ocho1. Estado inicial: cualquiera de los ocho 2. Función Sucesor: genera los estados luego de intentar las tres acciones.2. Función Sucesor: genera los estados luego de intentar las tres acciones. Ejemplo: {Aspirar; (izq limpia, der sucia)} – {derecha; (izq sucia, der sucia)}Ejemplo: {Aspirar; (izq limpia, der sucia)} – {derecha; (izq sucia, der sucia)} 3.Test Objetivo: comprobar si izq, der están limpios.3.Test Objetivo: comprobar si izq, der están limpios. 4. Costo del camino: costo individual = 1. Costo del camino depende del n° de pasos.4. Costo del camino: costo individual = 1. Costo del camino depende del n° de pasos. *ABSTRACCIONES:Localizaciones discretas – suciedad discreta – limpieza fiable – no se ensucia luego de limpiarse *ABSTRACCIONES:Localizaciones discretas – suciedad discreta – limpieza fiable – no se ensucia luego de limpiarse
  • 11. EJEMPLOS DE PROBLEMAS 20/03/2014FCT - UNCA. ING. Héctor Estigarribia11 Problemas de juguete: ejemplo del 8 - PUZZLEProblemas de juguete: ejemplo del 8 - PUZZLE Estados: donde está cada ficha y el blanco en los 9 cuadrados (posibles: 9!/2 = 181,440)Estados: donde está cada ficha y el blanco en los 9 cuadrados (posibles: 9!/2 = 181,440) 1. Estado inicial: cualquiera1. Estado inicial: cualquiera 2. Función Sucesor: genera los estados luego de intentar las cuatro acciones.2. Función Sucesor: genera los estados luego de intentar las cuatro acciones. Ejemplo: {blanco a la izq; (ver gráfica de estados)}Ejemplo: {blanco a la izq; (ver gráfica de estados)} 3.Test Objetivo: comprobar si coincide con la configuración objetivo3.Test Objetivo: comprobar si coincide con la configuración objetivo 4. Costo del camino: costo individual = 1. Costo del camino depende del n° de pasos.4. Costo del camino: costo individual = 1. Costo del camino depende del n° de pasos. *ABSTRACCIONES: ignorar localidades intermedias,manipulaciones físicas.*ABSTRACCIONES: ignorar localidades intermedias,manipulaciones físicas.
  • 12. EJEMPLOS DE PROBLEMAS 20/03/2014FCT - UNCA. ING. Héctor Estigarribia12 Problemas de juguete: ejemplo de las 8 reinasProblemas de juguete: ejemplo de las 8 reinas Estados: combinación de 0a 8 reinas, una por columna sin que una ataque a la otra (2057 posibles)Estados: combinación de 0a 8 reinas, una por columna sin que una ataque a la otra (2057 posibles) 1. Estado inicial: ninguna reina sobre el tablero1. Estado inicial: ninguna reina sobre el tablero 2. Función Sucesor: añadir una reina en cualquier cuadrado en la columna vacía …2. Función Sucesor: añadir una reina en cualquier cuadrado en la columna vacía … sin que sea atacada por otra reinasin que sea atacada por otra reina 3.Test Objetivo: ocho reinas sobre el tablero, ninguna es atacada3.Test Objetivo: ocho reinas sobre el tablero, ninguna es atacada 4. Costo del camino: no importa, solo interesa el resultado final4. Costo del camino: no importa, solo interesa el resultado final *ABSTRACCIONES: prohibir colocar una reina en cualquier cuadrado que esté atacado.*ABSTRACCIONES: prohibir colocar una reina en cualquier cuadrado que esté atacado.
  • 13. EJEMPLOS DE PROBLEMAS 20/03/2014FCT - UNCA. ING. Héctor Estigarribia13 Problemas del Mundo Real: Ejemplo de viaje de línea aérea.Problemas del Mundo Real: Ejemplo de viaje de línea aérea. Estados: ubicación (aeropuerto), hora actual.Estados: ubicación (aeropuerto), hora actual. 1. Estado inicial: definido por el problema1. Estado inicial: definido por el problema 2. Función Sucesor: estados resultante de cualquier vuelo hasta otra ubicación + tiempo de vuelo2. Función Sucesor: estados resultante de cualquier vuelo hasta otra ubicación + tiempo de vuelo 3.Test Objetivo: ¿llegamos a destino a la hora especificada?3.Test Objetivo: ¿llegamos a destino a la hora especificada? 4. Costo del camino: depende del costo en dinero, espera, tiempo de vuelo, inmigración, calidad del asiento, hora, tipo de avión, tiempo de vuelo del piloto, etc. 4. Costo del camino: depende del costo en dinero, espera, tiempo de vuelo, inmigración, calidad del asiento, hora, tipo de avión, tiempo de vuelo del piloto, etc. *ABSTRACCIONES: innumerables,imposible nombrar todas (retrasos,imprevistos,etc.)*ABSTRACCIONES: innumerables,imposible nombrar todas (retrasos,imprevistos,etc.)
  • 14. EJEMPLOS DE PROBLEMAS 20/03/2014FCT - UNCA. ING. Héctor Estigarribia14 Problemas del Mundo Real: EjemplosProblemas del Mundo Real: Ejemplos • ProblemasTurísticos: visitar todas las ciudades al menos una vez • Problema del viajante de comercio: visitar todas las ciudades solo una vez • Distribución deVLSI: colocar componentes en el menor área. • Navegación de un robot: parecido alVLSI. • Ensamblaje automático: por robots… • Diseño de proteínas: ensamblaje de aminoácidos… • Búsqueda en internet: mediante robots software… • ProblemasTurísticos: visitar todas las ciudades al menos una vez • Problema del viajante de comercio: visitar todas las ciudades solo una vez • Distribución deVLSI: colocar componentes en el menor área. • Navegación de un robot: parecido alVLSI. • Ensamblaje automático: por robots… • Diseño de proteínas: ensamblaje de aminoácidos… • Búsqueda en internet: mediante robots software…
  • 15. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia15  Árbol de búsqueda:  Estado actual + Función sucesor  Nodo de búsqueda: estado inicial (¿1°: es el objetivo?)  Expandir:  función sucesor al estado actual genera un nuevo conjunto de estados.  Árbol de búsqueda:  Estado actual + Función sucesor  Nodo de búsqueda: estado inicial (¿1°: es el objetivo?)  Expandir:  función sucesor al estado actual genera un nuevo conjunto de estados. • Escoger  comprobar expandir … hasta: • Encontrar una solución o; • No existen más estados a expandir. • Escoger  comprobar expandir … hasta: • Encontrar una solución o; • No existen más estados a expandir.
  • 16. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia16  NODO: Estructura de datos con 5 componentes:  1. ESTADO: espacio de estados,  2. NODO PADRE: el nodo que ha generado el nodo actual,  3.ACCIÓN: acción que se aplica al padre para generar otro nodo.  4. COSTO DEL CAMINO: g(n) desde el Estado inicial al nodo, indicado por los punteros a los padres, y  5. PROFUNDIDAD: n° de pasos desde el estado inicial
  • 17. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia17  FRONTERA: colección de nodos que se han generado pero no expandido.  NODO HOJA: cada elemento de la FRONTERA, un nodo sin sucesores en el árbol (¡claro,aún no se han expandido!).  Estrategia de búsqueda  función que seleccione, de la frontera  siguiente nodo a expandir.  Parece sencillo! Pero…  Puede ser costoso: quizá haya que mirar cada elemento! padre HIJO HIJO ACCIÓN COSTO DEL CAMINO FRONTERA: NODOS HOJA
  • 18. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia18  ASUMIREMOS  colección de nodos  COLA  OPERACIONES POSIBLES EN UNA COLA  HACER-COLA(elemento…) crea la cola con los elementos  VACÍA? (cola) TRUE si no hay elementos  PRIMERO (cola)  1° elemento  BORRAR-PRIMERO(cola)  devuelve PRIMERO(cola) y lo borra  INSERTA (elemento, cola)  inserta elemento y devuelve la cola resultado  INSERTA-TODO(elementos, cola)  inserta un conjunto de elementos y devuelve la cola resultado
  • 19. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia19  Salida del algoritmo  solución o fallo  RENDIMIENTO DE LA RESOLUCIÓN DEL PROBLEMA  COMPLETITUD  ¿encontrará la solución cuando exista?  OPTIMIZACIÓN  ¿es la solución la óptima?  COMPLEJIDAD ENTIEMPO  ¿cuánto tarda?  COMPLEJIDAD EN ESPACIO  ¿cuánta memoria necesita? • Factor de ramificación b: máx n° sucesores de cualquier nodo • Profundidad d: del nodo objetivo más superficial • Longitud máxima de cualquier camino m
  • 20. BÚSQUEDA DE SOLUCIONES 20/03/2014FCT - UNCA. ING. Héctor Estigarribia20  COSTO DE LA BÚSQUEDA: Complejidad en tiempo + espacio  COSTETOTAL: costo de la búsqueda + costo del camino PARA EL PROBLEMA DEVIAJAR POR RUMANIA: COSTO DE LA BÚSQUEDA: cantidad de tiempo (¿horas? COSTO DE LA SOLUCIÓN: longitud recorrida (km)COSTO DE LA SOLUCIÓN: longitud recorrida (km) COSTETOTAL: sumar tiempo + km ?????COSTETOTAL: sumar tiempo + km ????? POSIBLE SOLUCIÓN:POSIBLE SOLUCIÓN: Convertir km en horas usando una estimación de la velocidad media de un coche Convertir km en horas usando una estimación de la velocidad media de un coche
  • 21. ESTRATEGIAS DE BÚSQUEDA NO INFORMADA (BÚSQUEDA A CIEGAS) 20/03/2014FCT - UNCA. ING. Héctor Estigarribia21  No tienen información adicional aparte de la definición del problema.  Generan los sucesores y distingue si el estado es objetivo o no.  BÚSQUEDA PRIMERO ENANCHURA  BÚSQUEDA DE COSTO UNIFORME  BÚSQUEDA PRIMERO EN PROFUNDIDAD  BÚSQUEDA DE PROFUNDIDAD LIMITADA  BÚSQUEDA CON PROFUNDIDAD ITERATIVA  BÚSQUEDA BIDIRECCIONAL
  • 22. 20/03/2014FCT - UNCA. ING. Héctor Estigarribia22  Posibilidad perder tiempo expandiendo nodos que ya han sido visitados y expandidos.  Para algunos problemas, esto nunca ocurre pero para otros es inevitable.  Caso extremo: tamaño d+1 árbol con 2d hojas EVITAR ESTADOS REPETIDOS 2d = 22 = 4 hojas • Si el algoritmo no detecta los estados repetidos, un problema resoluble se puede volver irresoluble. • El único método de evitar esto es guardar más nodos en memoria. • Los algoritmos que olvidan su historia están condenadas a repetirla
  • 23. BÚSQUEDA CON INFORMACIÓN PARCIAL 20/03/2014FCT - UNCA. ING. Héctor Estigarribia23  ¿Qué pasa cuando el conocimiento es incompleto?  PROBLEMAS SIN SENSORES (PROBLEMAS CONFORMADOS) ¿cómo sabe el agente en que estado está?  PROBLEMAS DE CONTINGENCIA  cada percepción posible define una contingencia que debe de planearse.  PROBLEMAS DE EXPLORACIÓN  caso extremo de problemas de contingencia
  • 24. BIBLIOGRAFÍA 20/03/2014FCT - UNCA. ING. Héctor Estigarribia24  INTELIGENCIAARTIFICIAL: UN ENFOQUE MODERNO.  STUART RUSSELLY PETER NORVIG.  PEARSON EDUCATION  2da Edición, 2004.  1240 páginas  Capitulo 3, Paginas 67 a 105