UNIDAD 4, INTELIGENCIA ARTIFICIAL

Existen varios problemas que pueden ser resueltos mediante el uso de bsquedas inteligentes. La experiencia revela que un problema de bsqueda est asociado a dos importantes aspectos:

Que se busca Donde se busca

4.1 PROBLEMAS Y ESPACIOS DE ESTADOS. Un problema tpico de la Inteligencia Artificial consiste en buscar un estado concreto entre un conjunto determinado, al que se le llama espacio de estados. Imaginemos, por ejemplo, una habitacin con estantes en la que hay un libro. Un robot se desea desplazar por la habitacin con el fin de llegar a dicho libro. De qu manera lo har? En este punto es donde entran en juego las estrategias y los algoritmos de bsqueda. El primer paso para disear un programa que resuelva un problema es crear una descripcin formal y manejable del propio problema. Sera adecuado contar con programas que produzcan descripciones formales a partir de descripciones informales, proceso denominado operacionalizacin. Dado que por ahora no se conoce la forma de construir estos programas este proceso debe hacerse manualmente. Hay problemas que por ser artificiales y estructurados son fciles de especificar (por ej. el ajedrez, el problema de las jarras de agua, etc.). Otros problemas naturales, como por ej. la comprensin del lenguaje, no son tan sencillos de especificar. [1] Estado: descripcin de una posible situacin en el problema Importancia de una buena representacin de los estados Slo considerar informacin relevante para el problema La representacin escogida influye en el nmero de estados y ste en los procedimientos de bsqueda de soluciones. [2] Un problema se define por: Estado inicial, conjunto de operadores, predicado meta, funcin de coste del camino. Solucin. Camino del estado inicial a un estado que satisface el predicado meta. Espacio de Estados. Conjunto de todos los estados alcanzables desde el estado inicial por cualquier secuencia de operadores. [3]

El espacio de estados de un juego es un grafo cuyos nodos representan las configuraciones alcanzables (los estados vlidos) y cuyos arcos explicitan las movidas posibles (las transiciones de estado). En principio, se puede construir cualquier espacio de estados partiendo del estado inicial, aplicando cada una de las reglas para generar los sucesores inmediatos, y as sucesivamente con cada uno de los nuevos estados generados (en la prctica, los espacios de estados suelen ser demasiado grandes para explicitarlos por completo). Cuando un problema se puede representar mediante un espacio de estados, la solucin computacional corresponde a encontrar un camino desde el estado inicial a un estado objetivo. Ejemplo de espacio de estados Descripcin del problema: Un arriero se encuentra en el borde de un rio llevando un puma, una cabra y una lechuga. Debe cruzar a la otra orilla por medio de un bote con capacidad para dos (el arriero y alguna de sus pertenecas). La dificultad es que si el puma se queda solo con la cabra la devorar, y lo mismo suceder si la cabra se queda sola con la lechuga. Cmo cruzar sin perder ninguna pertenencia? Representacin de las configuraciones del universo del problema: Basta precisar la situacin antes o despus de cruzar. El arriero y cada una de sus pertenencias tienen que estar en alguna de las dos orillas. La representacin del estado debe entonces indicar en qu lado se encuentra cada uno de ellos. Para esto se puede utilizar un trmino simblico con la siguiente sintaxis: estado(A,P,C,L), en que A, P, C y L son variables que representan, respectivamente, la posicin del arriero, el puma, la cabra y la lechuga. Las variables pueden tomar dos valores: i y d, que simbolizan respectivamente el borde izquierdo y el borde derecho del rio. Por convencin se elige partir en el borde izquierdo. El estado inicial es entonces estado (i,i,i,i). El estado objetivo es estado (d,d,d,d). Definicin de las reglas de transicin: El arriero tiene cuatro acciones posibles: cruzar solo, cruzar con el puma, cruzar con la cabra y cruzar con la lechuga. Estas acciones estn condicionadas a que ambos pasajeros del bote estn en la misma orilla y a que no queden solos el puma con la cabra o la cabra con la lechuga. El estado resultante de una accin se determina intercambiando los valores i y d para los pasajeros del bote. Generacin del espacio de estados En este ejemplo se puede explicitar todo el espacio de estados (el nmero de configuraciones est acotado por 24). estado movidas

cruza solo estado(i,i,i,i) estado(d,i,d,i) estado(i,i,d,i) problema estado(i,i,d,i)

con puma problema imposible estado(i,i,d,i) imposible imposible

con cabra estado(d,i,d,i) estado(i,i,i,i) estado(i,d,i,i) estado(i,i,i,d)

con lechuga problema imposible estado(d,i,d,d) imposible estado(i,i,d,i)

estado(d,i,d,i) estado(d,d,d,i) imposible

estado(d,d,d,i) problema estado(d,i,d,d) problema estado(i,d,i,i) estado(i,i,i,d) estado(i,d,i,d) problema problema

estado(d,d,d,i) estado(d,d,i,d) imposible estado(i,d,i,d) estado(i,d,i,i) problema

estado(d,d,i,d) estado(d,i,d,d) imposible estado(d,d,d,d) imposible

estado(d,d,i,d) estado(i,d,i,d) estado(i,i,i,d) estado(d,d,i,d) imposible problema estado(d,d,d,d) problema

Este espacio de estados tambin se puede representar mediante un grafo equivalente. Solucin del problema El camino que pasa por la siguiente secuencia de estados es una solucin del problema: estado(i,i,i,i) cruza con cabra estado(d,i,d,i) cruza solo estado(i,i,d,i) cruza con puma estado(d,d,d,i) cruza con cabra estado(i,d,i,i) cruza con lechuga estado(d,d,i,d) cruza solo estado(i,d,i,d) cruza con cabra estado(d,d,d,d) [4] 4.2 ESPACIOS DE ESTADO DETERMINSTICOS Y PROBLEMAS DE ESPACIO NO DETERMINSTICOS. El espacio de estados es la representacin de un problema que abarca todas las posibles situaciones que se puede presentar en la solucin del problema.

ESPACIO DE ESTADOS DETERMINSTICOS contiene un nico espacio inicial y seguir la secuencia de estados para la solucin, son usados por los sistemas expertos.

ESPACIO DE ESTADOS NO DETERMINSTICOS contiene un amplio nmero de estados iniciales y sigue la secuencia de estados perteneciente al estado inicial del espacio, son usados por sistemas de lgica difusa, que presenta problemas ms grandes para el agente. [5]

4.3 BSQUEDA SISTEMTICA. Bsqueda: mtodo computacional para resolver problemas. Sistemtica: si existe una solucin la encuentra. Los problemas de bsquedas, que generalmente encontramos en Ciencias Computacionales, son de un estado determinstico. Por ejemplo, en los algoritmos de bsqueda de anchura y de bsqueda de profundidad, uno sabe la secuencia de los nodos visitados en un rbol. Sin embargo, los problemas de bsqueda, los cuales siempre tendremos que tratar en Inteligencia artificial, son no determinsticos y el orden de elementos visitados en el espacio de bsqueda depende completamente en el conjunto de datos. Dependiendo de la metodologa de expansin de un espacio de estado y consecuentemente el orden de los estados visitados los problemas de bsqueda se nombran diferentes: Bsqueda de Metas a Profundidad. Bsqueda de Metas en Anchura. Bsqueda ptima. [6]

4.3.1 BSQUEDA DE METAS A PROFUNDIDAD.

El algoritmo de ms utilizado es el de bsqueda de metas por profundidad. Es llamado as porque sigue cada camino hasta su mayor profundidad antes de moverse al siguiente camino.

Asumiendo que iniciamos desde el lado izquierdo y trabajamos hacia la derecha, la bsqueda de metas por profundidad involucra trabajar todos los caminos debajo del camino de rbol ms a la izquierda hasta que un nodo hoja es alcanzado. Si esta es una meta de estado, la bsqueda es completada y reportada como exitosa. Si el nodo hoja no representa la meta de estado, la bsqueda se dirige atrs y arriba al siguiente nodo ms alto que tiene un camino no explorado. La bsqueda de profundidad es un ejemplo de la bsqueda de fuerza bruta, o la bsqueda exhaustiva. La bsqueda de profundidad es usada por computadoras a menudo para los problemas de bsqueda como ubicar archivos en un disco. Complejidad de espacio Se requiere mayor cantidad de memoria en la bsqueda de profundidad, cuando alcanzamos la mayor profundidad a la primera vez. Complejidad de tiempo Si encontramos la meta en la posicin ms a la izquierda de profundidad (D), entonces el nmero de nodos examinados es (d+1). De otra forma, si encontramos la meta en el extremo derecho a una profundidad (D), entonces el nmero de nodos examinados incluyen todos los nodos en el rbol. [7] 4.3.2 BSQUEDA DE METAS EN ANCHURA.

Una alternativa para la bsqueda de profundidad es la bsqueda de metas de anchura (amplitud). Como su nombre indica, este enfoque supone atravesar un rbol por anchura ms que por profundidad. El algoritmo de anchura empieza examinando todos los nodos de un nivel (a veces llamado hebra uno) abajo del nodo raz.

Si una meta de estado es alcanzada aqu, el xito es reportado. De otra forma, la bsqueda contina ampliando caminos de todos los nodos del nivel en curso, para posteriormente bajar al prximo nivel. De este modo, la bsqueda continua revisando nodos en un nivel especial, e informar sobre el xito cuando un nodo meta es encontrado, y reportar una falla si todos los nodos han sido revisados y ningn nodo meta ha sido encontrado. [8] Comparativa de casos de bsqueda de profundidad y por anchura

4.3.3 BSQUEDA PTIMA.

La bsqueda heurstica, trata de resolver los problemas mediante una nueva tcnica. Podemos expandir nodos por seleccin juiciosa, seleccionado el nodo ms prometedor, donde estos nodos estarn identificados por el valor de su fuerza comparada con sus competidores homlogos con la ayuda de funciones intuitivas especializadas, llamadas funciones heursticas. En algunos casos los algoritmos de bsqueda heurstica, son tambin llamados OR-graphs o Best First Algorithms (Algoritmo de bsqueda ptima). La mayora de los problemas de razonamiento pueden ser representados por un OR-graph, donde un nodo en el grafo denota un problema de estado y un arco representa una aplicacin o regla para el estado actual para causar transicin de estados. Cuando un nmero de reglas son aplicables a un estado actual, podemos seleccionar un mejor estado entre el nodo hijo y el siguiente estado. Ejemplo de algoritmo de bsqueda ptima Inicio 1. Identificar los posibles estados inciales y medir la distancia (f) del ms cercano con a la meta; ponerlos en una lista (L) 2. Mientas L no est vaca has Inicia a) Identificar el nodo n de L que tenga el mnimo f; Si existe ms de un nodo con un f mnimo, seleccionar uno de ellos, (tomar n, arbitrariamente) b) Si n es la meta Entonces regresar n a lo largo del camino desde el nodo inicial; salir con xito. Si no remover n de L y agregar todos los hijos de n a L, junto con su camino etiquetado desde el nodo inicial Fin del mientras; FIN. [9] 4.4 SATISFACCIN DE RESTRICCIONES. Un problema que satisface restricciones (o PSR) es un tipo especial de problema que satisface algunas propiedades estructurales adicionales adems de los requisitos bsicos de los problemas en general. En el caso de un PSR los estados se definen mediante los valores de un conjunto de variables y la prueba de meta especfica en conjunto de restricciones que los valores deben satisfacer. La solucin de un PSR especifica valores para todas las variables de manera tal que se satisfagan las restricciones. Las restricciones son de diverso tipo. Las unarias se refieren al valor de una sola variable. Por ejemplo, las variables correspondientes al dgito del extremo izquierdo de una de las hileras de un problema de criptoaritmtica tienen la restriccin de no ser nunca cero.

Las restricciones de orden superior entraan una restriccin de adicin y pueden llegar a tener varias variables. Y, por ltimo, las restricciones pueden ser absolutas, y cuya violacin rige una solucin potencial, o restricciones de preferencia, y que dirn qu tipo de solucin es la que se prefiere. Un problema de satisfaccin de restricciones (PSR) viene definido por los siguientes elementos:

Un conjunto finito de variables X1, . . . ,Xn Un conjunto finito de dominios Di asociados a cada variable Xi, especificando los posibles valores que puede tomar Un conjunto finito de restricciones C1, . . . ,Cm, que definen una serie de propiedades que deben verificar los valores asignados a las variables Una solucin al problema es una asignacin de valores a las variables {X1 = v1, . . . ,Xn = vn} tal que vi 2 Di y se verifican las restricciones.

Cada variable, Vi, de un PSR tiene un dominio Di, que es el conjunto de posibles valores que puede adoptar la variable. El dominio puede ser discreto o continuo. En el caso de los PSR discretos cuyos dominios son finitos, las restricciones se representan sencillamente enumerando las combinaciones permitidas de los valores. Para la resolucin de los PSR continuos se necesita algebra muy compleja. Las restricciones discretas, absolutas, binarias (o unitarias) son contadas todava con la suficiente expresividad que les permite manejar una amplia gama de problemas y utilizar muchas de los ms interesantes mtodos de solucin. Primero hay que considerar cmo puede aplicarse un algoritmo de bsqueda de propsito general a un PSR. El estado inicial ser el estado en el que todas las variables todava no estn asignadas. Los operadores asignarn un valor a una variable, tomndolo del conjunto de los valores posibles. En la bsqueda preferentemente por profundidad en un PSR se pierde tiepo empleado en ver cuando se violan las restricciones. Debido a la manera como se definen los operadores, imposible emplear una de stos para recuperar restricciones violadas. Ejemplos de PSR:

Criptoaritmtica El problema de las N-reinas Problemas de diseo y planificacin 3SAT Alimentacin de ganado vacuno

Complejidad de los PSR: En muchos de los problemas reales se aprovecha la estructura del problema para reducir el espacio de bsqueda. Se pueden utilizar algoritmos de bsqueda general, pero tienen mayor eficiencia algoritmos diseados especialmente (verificacin anticipada, consistencia de arco, etc) La verificacin anticipada es un caso especial de la verificacin por consistencia de arco. Se dice que en un estado hay consistencia de arco si toda variable tiene un valor en su dominio congruente con todas las restricciones de dicha variable. La consistencia de arco se logra borrando uno tras otro aquellos valores incongruentes de dicha variable. La consistencia de arco se logra borrando uno tras otro aquellos valores incongruentes con alguna restriccin, es decir en la consistencia de arco se produce una forma de propagacin de restricciones, conforme van disminuyndolas opciones. Es frecuente emplear la consistencia de arco como un paso previo al procesamiento, aunque tambin se puede emplear durante la bsqueda misma. Aplicaciones en Problemas con Satisfaccin de Restricciones (CSP) Un problema consta de cuatro partes: el estado inicial, un conjunto de operadores, una funcin prueba de meta y una funcin costo de ruta. El ambiente del problema se representa mediante un espacio de estados. A la ruta que pasa por el espacio de estados, cuyo origen es el estado inicial y cuyo destino es el estado meta, se le denomina solucin. Las Aplicaciones en Problemas con Satisfaccin de Restricciones (CSP) pueden ser:

Resolver los CSP por mejoramiento iterative. Solucin inicial - uso de todas las variables. operador de modificacin - asignar un valor diferente a una variable reparacin heurstica heurstica de min-conflictos - seleccionar el valor que resulte en un nmero mnimo de conflictos con otras variables

Para resolver cualquier tipo de problema se utiliza un algoritmo de bsqueda general, cada variacin especfica de este algoritmo entraa estrategias diferentes. Los algoritmos de bsqueda se evalan en base a la completez, idoneidad, complejidad temporal y complejidad espacial. La complejidad depende de b, el factor de ramificacin del espacio de estados y de d, la profundidad de la solucin ms prxima. [10] 4.5 RESOLUCIN DE PROBLEMAS DE JUEGOS. Es fcil representar el estado del juego, los agentes generalmente estn restringidos a una cantidad bastante reducida de acciones bien definidas. De esta forma, los juegos constituyen una idealizacin de mundos en la que los agentes hostiles actan de manera que logren disminuir nuestro bienestar. Otro tipo de

juegos menos abstractos, como el croquet o el futbol, no han resultado tan atrayentes para la comunidad de IA. Los juegos son uno de los campos de trabajo ms antiguos de la IA. En 1950, casi en cuanto fue posible programar las computadoras, Claude Shannon, inventor de la teora de la informacin, y Alan Turing elaboraron los primeros programas de ajedrez. Desde entonces, se han realizado continuos avances en el juego, al grado de que los sistemas actuales son capaces de desafiar a campeones mundiales humanos sin temor de que puedan hacer el ridculo. La complejidad de los juegos trae aparejado un tipo de incertidumbre totalmente nuevo, no visto hasta ahora; la incertidumbre no es consecuencia de la informacin faltante, sino debido a que no hay tiempo suficiente para calcular las consecuencias exactas de una jugada. Solo se intenta deducir lo que sera lo mejor con base en experiencias pasadas y proceder, sin estar completamente seguro de cul sera la mejor accin. La investigacin de los juegos ha generado una gran cantidad de interesantes ideas sobre cmo utilizar de la mejor manera el tiempo para obtener buenas decisiones, cuando la obtencin de las ptimas es imposible. Decisiones perfectas en juegos de dos participantes. Consideraremos el caso general de un juego con dos participantes, al que se denominar MAX y MIN, MAX es el que inicia el juego, y los jugadores alternan su participacin hasta que concluyen el juego. Al final de este se dan puntos al vencedor. Una definicin formal de juego sera la de un tipo de problema de bsqueda integrado por lo siguiente:

Un estado inicial, que incluye la posicin del tablero y a quien le toca jugar. Un conjunto de operadores, quienes definen que jugadas estn permitidas a un jugador. Una prueba terminal que define el trmino del juego. Los estados donde termina el juego se denominan estados terminales. Una funcin de utilidad (tambin conocida como funcin de resultado) asigna un valor numrico al resultado obtenido en un juego.

El algoritmo minimax sirve para determinar la estrategia ptima para MAX, y decidir cul es la mejor jugada. Los algoritmos se componen de cinco pasos:

Generacin de todo el rbol de juego, completamente hasta alcanzar los estados terminales. Aplicacin de la funcin de utilidad a cada estado terminal y obtencin de su valor respectivo. Uso de la utilidad de los estados terminales para calcular la utilidad de los nodos del siguiente nivel superior en el rbol de bsqueda. Continuacin del respaldo a los valores de los nodos hojas en direccin a la raz, una capa a la vez.

Finalmente, los valores respaldados llegan a la parte superior del rbol; en ese sitio, MAX elige la jugada que le permita obtener el valor ms alto.

La funcin del nivel superior, DESICIN-MINIMAX, escoge una de las jugadas disponibles, las que a su vez se evalan mediante la funcin VALOR-MINIMAX. Decisiones imperfectas. El algoritmo minimax parte del supuesto de que el programa dispone de todo el tiempo necesario para efectuar una bsqueda hasta que logre llegar a los estados terminales, supuesto que por lo general no es prctico. En el primer artculo de Shannon sobre ajedrez, se propona que en vez de llegar hasta los estados terminales utilizando la funcin de utilidad, el programa debera suspender antes la bsqueda y aplicar a las hojas del rbol una funcin de evaluacin heurstica, es decir se est sugiriendo modificar minimax de dos maneras: la funcin de utilidad se reemplaza mediante una funcin de evaluacin EVAL y la prueba terminal se remplaza por la llamada PRUEBA-SUSPENSIN. Funciones de evaluacin Las funciones de evaluacin producen una estimacin de la utilidad esperada de un juego correspondiente a una posicin determinada. Conviene aclarar que el desempeo de un programa para juegos depende considerablemente de la calidad de su funcin de evaluacin. Si esta no es exacta, llevar al programa a posiciones que aparentemente son buenas, pero que en realidad son desastrosas. Primero, la funcin de evaluacin deber coincidir con la funcin de utilidad de los estados terminales. Segundo, su clculo no debe ser tardado. Es decir, se establece un compromiso entre precisin de la funcin de evaluacin y su respectivo costo-tiempo. Tercero, la funcin de evaluacin deber reflejar con precisin las posibilidades de poder ganar. En la funcin de evaluacin de la ventaja material se parte del supuesto de que el valor de una pieza puede calcularse independientemente de las otras piezas que estn en el tablero. A este tipo de funcin de evaluacin se le denomina funcin lineal ponderada. Suspensin de una bsqueda La forma ms directa de controlar la cantidad de bsqueda consiste en de finir un lmite de profundidad fijo, de manera que la prueba de suspensin concluya en todos los nodos que estn por encima o justo en la profundidad d. La profundidad se escoge de manera que la cantidad de tiempo invertida no exceda lo permitido por las reglas del juego Un procedimiento un poco ms slido seria el de aplicar profundizacin iterativa. Obvio qu es necesario contar con una prueba de suspensin ms completa. La funcin de evaluacin podr utilizarse slo en los casos de posiciones que estn en reposo, es decir, aquellas cuyos valores es poco probable que sufran grandes fluctuaciones en un futuro cercano. A esta bsqueda adicional se denomina bsqueda en reposo; a veces se le restringe a tomar en cuenta solo cierto tipo de jugadas, como las de captura de piezas, lo que despeja de inmediato las incertidumbres de una posicin. Es ms difcil eliminar el problema del horizonte. Surge cuando el programa enfrenta una jugada del contrincante que causa un grave dao y que finalmente es

inevitable. Hasta el momento no se ha encontrado ninguna solucin al problema del horizonte. Poda alfa beta Supongamos que se ha logrado implantar una bsqueda minimax que cuenta con una funcin de evaluacin razonable para el ajedrez y una razonable prueba de suspensin con una bsqueda en reposo. Contando con un programa bien elaborado, y una computadora normal, probablemente se podrn buscar 1000 posiciones por segundo, el factor d ramificacin del ajedrez es de 35 por tanto el programa slo podr explorar tres o cuatro capas y su juego tendr el nivel de novato, incluso los jugadores humanos promedio pueden anticipar sus jugadas seis u ocho capas: nuestro programa perdera sin mayor dificultad. Afortunadamente es posible calcular la decisin minimax correcta sin tener que explorar todos los nodos del rbol de bsqueda. Al proceso para evitar la exploracin de una de las ramas del rbol de bsqueda se le conoce como poda del rbol de bsqueda. A la tcnica que consideraremos en particular se le conoce como poda alfa beta. Aplicada a un rbol minimax estndar, produce la misma jugada que se obtendra con minimax pero elimina todas las ramas que posiblemente no influirn en la decisin final. El principio general es el siguiente: considrese un nodo n del rbol, tal que exista la posibilidad e que el jugador pueda ir a ese nodo. Si el jugador tuviera una mejor opcin m, ya sea en el nodo padre de n, o en cualquier punto de eleccin posterior, en un juego real nunca se alcanzar n. Es decir, una vez que se cuenta con suficiente informacin sobre n (mediante la exploracin de algunos de sus descendientes) que permita llegar a esta conclusin, se procede a podar. Recuerde que la bsqueda minimax es preferente por profundidad, por lo que en todo momento es necesario considerar todos los nodos que estn en una solo ruta del rbol. Conforme se efecta la bsqueda alfa-beta se van actualizando los valores de o y se poda un subrbol (es decir concluye la solicitud de peticin) en cuanto se determina que es peor que el valor actual de o . La funcin de bsqueda de alfa- beta es en s una copia de la funcin VALOR MAX, con un cdigo adicional para recordar y responder con la mejor jugada que se haya encontrado. Eficiencia del poda alfa-beta La eficiencia de alfa-beta depender del orden como se exploren los sucesores. Alfa-beta puede anticipar el doble que minimax por el mismo costo. As al generar 150,000 nodos en el lapso permitido, un programa puede explorar ocho capas en vez de cuatro, al considerar cuidadosamente qu clculos son los que en realidad afectan la decisin ser posible transformar el programa de novato a experto. Otro mtodo muy comn es el de la bsqueda de profundizacin iterativa, empleando los valores respaldados en una iteracin y con base en estos definir la secuencia de los sucesores en la iteracin siguiente. En todos los resultados de complejidad de los juegos (y, en realidad, de todos los problemas de bsqueda en general) si se quiere obtener resultados, es necesario considerar un modelo de rbol idealizado.

La intensidad de la correlacin depender en gran medida del tipo de juego de que se trate y su posicin particular en la raz. Se puede afirmar que est presente un inevitable factor de empirismo en la investigacin de los juegos, que elude todo el anlisis matemtico. Lo ltimo en programas de juegos:

Ajedrez Juego de fichas o damas Othello Backgammon Go

Todos ellos son juegos de tablero que han sido llevados a la digitalizacin por medio de la IA.

Bibliografa. [1] http://es.scribd.com/doc/6772113/Problemas-y-Espacio-de-Estados [2] http://www.cs.us.es/cursos/ia1/temas/tema-02.pdf [3] http://inteligenciaartificialselem.obolog.com/unidad-4-busquedasatisfaccion-restricciones-1043976 [4] http://users.dcc.uchile.cl/~abassi/Cursos/52a/Apuntes/c5.html [5] http://www.slideshare.net/joseamaldonadocortes/42-espacios-de-estadosdeterminsticos-y-espacios-no-determinsticos [6] http://www.buenastareas.com/ensayos/BusquedaSistematica/590687.html [7] http://ia.comeze.com/subtemas/un4/4.4.1.html [8] http://ia.comeze.com/subtemas/un4/4.4.2.html [9] http://ia.comeze.com/subtemas/un4/4.4.3.html [10] http://ia.comeze.com/subtemas/un4/4.5.html [11] http://ia.comeze.com/subtemas/un4/4.6.html