Busquedas inteligencia artificail

693 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
693
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
37
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Busquedas inteligencia artificail

  1. 1. INTELIGENCIA ARTIFICIAL BUSQUEDAS BASICAS NOMBRE: Luis Cambal CURSO: 6to Sistemas FECHA: 22/07/2013
  2. 2. Estrategias de búsquedas No Informadas ó a Ciegas: No se tiene información adicional acerca de los estados. La única información es la que proporciona la formulación del problema. Sólo generan sucesores y distinguen si han llegado al objetivo ó no. Informadas ó Heurísticas: Se conoce cuando un estado no es objetivo, y si es mas “prometedor” que otro.
  3. 3. S A B C E D E D F Nodo Raíz Nodo meta El nodo raíz denota la trayectoria que comienza y termina en el nodo inicial S. El hijo del nodo raíz con etiqueta A Representa la trayectoria S-A. Las trayectorias como S-A, que no alcanzan las metas se conocen como trayectorias Parciales. Las trayectorias que alcanzan la meta se llaman trayectorias completas, y el nodo correspondiente es un nodo meta.
  4. 4. METODOS CIEGOS Búsqueda en Profundidad Búsqueda en Amplitud Búsqueda no Deterministica
  5. 5. Búsqueda en Profundidad Toma los hijos de cada nodo y avanza a partir de ese hijo. Otras alternativas del mismo nivel se ignoran por completo, en tanto haya posibilidades de alcanzar la meta mediante la selección original. Se busca en las ramas de izquierda a derecha.
  6. 6. Búsqueda en Profundidad 1 17 18 5 6 2 8 13 3 7 9 12 14 16 4 10 11 15 goal
  7. 7. Revisa todas las trayectorias de una longitud dada antes de avanzar a una trayectoria más larga. Búsqueda en Amplitud
  8. 8. Búsqueda en Amplitud 1 2 3 4 5 6 7 8 9 10 11 12 13 14 goal
  9. 9. Búsqueda no Determinística Se puede tener tan poca información sobre un problema al grado de que no sea posible descartar un factor de ramificación grande o trayectorias largas carentes de utilidad. La búsqueda no determinística consiste en buscar un termino medio entre la búsqueda en profundidad y la búsqueda en amplitud.
  10. 10. Problema del Laberinto En el siguiente laberinto, se puede pasar desde una casilla a otra de las posibles adyacentes (arriba, abajo, izquierda, derecha), salvo si existe una barrera entre ellas
  11. 11. Objetivo: ir de I a F
  12. 12. Búsqueda en Profundidad
  13. 13. Búsqueda heurística • Las técnicas de búsqueda heurística usan el conocimiento del dominio para adaptar el solucionador y, de esta manera, éste sea más potente y consiga llegar a la solución con mayor rapidez. Por tanto, estas técnicas utilizan el conocimiento para avanzar buscando la solución al problema. • Definiciones: - Costo del camino: coste necesario para ir del nodo raíz al nodo meta por dicho camino. - Costo para hallar la solución: coste necesario para encontrar el camino anteriormente definido. -Potencia heurística: capacidad de un método de exploración para obtener la solución con un coste lo más bajo posible.
  14. 14. Función de evaluación heurística • Definición: es una aplicación del espacio de estados con el espacio de los números reales F(estado) => n • n representa lo cercano que esta el estado con el que se ha aplicado la función de evaluación de la solución final. • Es muy importante mantener un equilibrio entre la eficiencia de la función y su complejidad. No debemos tener una función de evaluación demasiado complicada, ni tampoco una demasiado sencilla pero que no avance prácticamente nada en el problema. En caso de no mantener este equilibrio se podría producir explosión combinatoria.
  15. 15. Estrategias de búsqueda heurística • Tipos: • Estrategias tentativas: aquellas en las que se puede abandonar la exploración de una rama y pasar a explorar otra en cualquier momento del problema. • Estrategias irrevocables: aquellas en las que no se puede abandonar la exploración de la rama por la que se comenzó. •Métodos: • Gradiente • Primero el mejor • Búsqueda en haz • Algoritmo A
  16. 16. Estrategias de búsqueda heurística  Gradiente: • Metodología: elegir el camino de máxima pendiente, usando para ello la función de evaluación. • Tipo: irrevocable. • Ventajas: se llega a la solución con poco coste computacional. • Inconvenientes: puede ser que el problema no sea compatible con este método, y, por lo tanto, no conseguiremos obtener la solución.
  17. 17. Estrategias de búsqueda heurística  Primero el mejor: • Metodología: elegir como siguiente nodo aquel con mayor función de evaluación. • Tipo: tentativo. • Ventajas: no depende en exceso de la función de evaluación. • Inconvenientes: excesiva complejidad espacial, pues se deben guardar todos los nodos abiertos.
  18. 18. Estrategias de búsqueda heurística  Búsqueda en haz: • Metodología: elegir un conjunto de nodos como los siguientes a expandir, y hacerlo de forma irrevocable. • Tipo: irrevocable/tentativo. • Ventajas: más permisible. • Inconvenientes: en caso de que el sistema sea irrevocable, este método no actúa con eficacia.
  19. 19. Búsqueda con adversos La búsqueda con adversos (juego contra un oponente) analiza los problemas en los que existe mas de un adversario modificando el estado del sistema. Hay dos operadores: - el que lleva el problema a la mejor situación (jugada nuestra) - el que lleva el problema a la peor situación (jugada de nuestro adversario)
  20. 20. Búsqueda con adversos: Algoritmo MINIMAX - Minimax es un método de decisión para minimizar la pérdida máxima esperada en juegos con adversario y con información perfecta. - Minimax es un algoritmo recursivo. - El funcionamiento de Minimax puede resumirse como elegir mejor movimiento para ti mismo suponiendo que tu contrincante escogerá el peor para ti.
  21. 21. Pasos del algoritmo Minimax 1. Generación del árbol de juego. Se generarán todos los nodos hasta llegar a un estado terminal. 2. Cálculo de los valores de la función de evaluación para cada nodo terminal. 3. Calcular el valor de los nodos superiores a partir del valor de los inferiores. 4. Desde los nodos de nivel n, buscar la mejor situación para mi y la peor para mi rival. Elegir la jugada valorando los valores que han llegado al nivel superior, es decir, obtengo la mejor rama.
  22. 22. Búsqueda con adversos: Algoritmo MINIMAX El algoritmo explorará los nodos del árbol asignándoles un valor numérico mediante una función de evaluación, empezando por los nodos terminales y subiendo hacia la raíz. La función de evaluación definirá lo buena que es la posición para un jugador cuando la alcanza. Ejemplo: en el ajedrez los posibles valores son (+1,0,-1) que se corresponden con ganar, empatar y perder respectivamente. Esto será diferente para cada juego.
  23. 23. Ejemplo MINIMAX A B C D E F G H I J 7 8 0 6 5 9 Min(7,8) Min(0,6) Min(5,9 ) 7 0 5 Max(7,0,5)7

×