INTELIGENCIA ARTIFICIAL

UNIDAD 4.
BUSQUEDA Y SATISFACCION DE
RESTRICCIONES

4.1 PROBLEMAS Y ESPACIOS DE ESTADOS.

Podemos definir un problema como una
situacin (Estado inicial), cuyos efectos no
corresponden con lo
esperado por el
observador del problema. Para resolver el
problema, debemos cambiar las circunstancias
iniciales a una situacin final deseable (Estado
final), lo cual se constituye en la solucin del
mismo.
Exploraremos las tres etapas requeridas para
construir un sistema enfocado a la solucin de
un problema en particular.
1.Definir el problema de manera precisa. Esta
definicin debe incluir especificaciones
precisas de la situacin inicial as como la
situacin final, es decir lo que se considera
es una solucin aceptable para el problema.
2.Analizar
el
problema.
Algunas
caractersticas importantes que puedan
tener impacto en la seleccin de la tcnica
para la solucin del problema.
3.Seleccionar la mejor tcnica Aplicarla al
problema en particular.

Hay problemas que por ser artificiales y

estructurados son fciles de especificar (por
ejemplo el ajedrez). Otros problemas naturales,
como por ejemplo la comprensin del lenguaje,
no son tan sencillos de especificar.
Para producir una especificacin formal de un
problema se debe definir:
Espacio de estados.
Estado inicial del problema.
Estado objetivo o final.
Reglas que se pueden aplicar para pasar de
un estado a otro.
CONCEPTOS UTILES
Problemas lgicos. El hallazgo de la solucin
de un problema mediante un espacio de
estado y los mtodos de bsqueda en este
espacio de solucin.
Estado. La representacin de un problema
en un instante dado.
Espacio de estado. Se trata de definir el
problema mediante estados posibles.
Operador. Convierte un estado en otro.
No todos los estados son admisibles a partir del
estado inicial. Debe existir un conjunto de
transferencias que lleve al estado final.

Para definir el espacio de estados no es

necesario hacer una enumeracin exhaustiva de
todos los estados vlidos, sino que es posible
definirlo de manera ms general.
REPRESENTACION DE ESPACIO DE ESTADOS
El grafo del dibujo en la hoja representa el
tablero de manera parcial, y cada nodo es
identificado por un nmero.

4.2 ESPACIOS DE ESTADOS

DETERMINSTICOS Y ESPACIOS NO
DETERMINSTICOS.
El espacio de estados determinsticos contiene
un nico espacio inicial y seguir la secuencia de
estados para la solucin, mientras que el no
determinsticos contiene un amplio nmero de
estados iniciales y sigue la secuencia
de

estados
espacio.

perteneciente al estado inicial del

Caractersticas
Los espacios de estados determinsticos son
usados por los sistemas expertos, mientras que
los no determinsticos son usados por sistemas
de lgica difusa.
Un ambiente no determinstico presente
problemas ms grandes para el agente.
Clasificacin de los espacios de estados: los
implcitos y los explcitos.

Los
espacios
de
estados
implcitos
normalmente utilizan un sistema de
produccin para generar sobre la marcha los
posibles estados siguientes de un estado
dado. Los juegos suelen crear un espacio de
estados implcito ya que un juego puede
variar dependiendo de las reglas que lo
describen.

 Los espacios de estados explcitos son

aquellos en los se define, previo al inicio de
la bsqueda, todos los estados posibles y las
conexiones entre ellos.

Ejemplo de espacio de estados

determinsticos.

Ejemplo de espacio de estados no

determinsticos.

4.3 BSQUEDA SISTEMTICA.

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.
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 la metodologa de expansin de

un espacio de estado, el orden de los estados
visitados los problemas de bsqueda de
nombran diferentes:
Bsqueda de metas por anchura
Bsqueda de metas a profundidad
Bsqueda ptima

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 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 de 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.

Ventajas de la bsqueda en profundidad

La bsqueda primero en profundidad necesita menos memoria,
ya que solo se almacenan los nodos del camino que sigue en
ese instante. Esto contrasta con la bsqueda primero en anchura
en la que debe almacenarse todo el rbol que haya sido
generado hasta ese momento.
Si se tiene suerte la bsqueda en profundidad puede encontrar
una solucin sin tener que examinar gran parte del espacio de
estados. En el caso de la bsqueda primero en anchura debe de
examinarse todas las partes del rbol de nivel n antes de
comenzar con los nodos del nivel n+1. Esto es particularmente
relevante en el lado de que existan varias soluciones aceptables .

4.3.2 BSQUEDA DE METAS EN

ANCHURA.

Una alternativa para la bsqueda de profundidad es la bsqueda de

metas de anchura (o amplitud). Como su nombre indica, este enfoque
supone atravesar un rbol por anchura ms que por profundidad.
Como puede ser visto en la figura ms adelante, 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 revisar 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.

Ventajas
de la
bsqueda primero en anchura
La bsqueda primero en anchura no queda atrapada explorando
callejones sin salida. Esto se contrapone con la bsqueda
primero en profundidad en la que se puede seguir una ruta

infructuosa durante mucho tiempo, y quizs para siempre, antes

de acabar en un estado sin sucesores.
Si existe una solucin la bsqueda primero en anchura garantiza
que se logre encontrarla primero. Esto es porque no se explora
una ruta larga hasta que se hayan examinado todas las rutas
ms cortas que ella. En cambio, en la bsqueda primero en
profundidad es posible encontrar una solucin larga en alguna
parte del rbol, cuando se puede existir otra mucho ms corta.

REDUCCION DE PROBLEMAS Y GRAFICAS AND/OR

Otra representacin de solucin de problemas son las grficas
AND/OR, que es ms conveniente para ciertos tipos de problemas.
Esta representacin depende de la descomposicin de problemas en
subproblemas.

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.
La bsqueda heurstica generalmente trabaja para dos tipos distintos
de problemas:

Backward reasoning (razonamiento hacia atrs).

Forward reasoning (razonamiento hacia delante).

Existen varias tcnicas de bsquedas, consideradas como optimas por

la cuestin de que toman en cuenta los costos, algunas de las ms
utilizadas son:

Costo uniforme
Branch and Bound
Introduccin de subestimaciones
Borrado de caminos

4.4 SATISFACCIN DE RESTRICCIONES.

Los problemas pueden resolverse buscando en un espacio de
estados, estos estados pueden evaluarse por heursticas especficas
para el dominio y probados para verificar si son estados meta.
Los componentes del estado, son equivalentes a un grafo de
restricciones, los cuales estn compuestos de:
Variables. Dominios (valores posibles para las variables).
Restricciones (binarias) entre las variables.
Objetivo: encontrar un estado (una asignacin completa de valores a
las variables) Que satisface las restricciones.

En los Problemas de Satisfaccin de Restricciones (PSR), los estados

y la prueba de meta siguen a una representacin estndar,
estructurada y muy simple.
Ejemplos:
Crucigramas
Colorear mapas

4.5 RESOLUCIN DE PROBLEMAS DE

JUEGOS.

Siendo una de las principales capacidades de la inteligencia humana

su capacidad para resolver problemas, as como la habilidad para
analizar los elementos esenciales de cada problema, abstrayndolos,
el identificar las acciones que son necesarias para resolverlos y el
determinar cul es la estrategia ms acertada para atacarlos, son
rasgos fundamentales.
Podemos definir la resolucin de problemas como el proceso que
partiendo de unos datos inciales y utilizando un conjunto de
procedimientos escogidos, es capaz de determinar el conjunto de
pasos o elementos que nos llevan a lo que denominaremos una
solucin ptima o semi-ptima de un problema de planificacin,
descubrir una estrategia ganadora de un juego, demostrar un teorema,
reconocer
Una imagen, comprender una oracin o un texto son algunas de las
tareas que pueden concebirse como de resolucin.
Una gran ventaja que nos proporciona la utilizacin de los juegos es
que a travs de ellos es muy fcil medir el xito o el fracaso, por lo que
podemos comprobar si las tcnicas y algoritmos empleados son los
ptimos. En comparacin con otras aplicaciones de inteligencia
artificial, por ejemplo comprensin del lenguaje, los juegos no
necesitan grandes cantidades de algoritmos. Los juegos ms
utilizados son las damas y el ajedrez.