Professional Documents
Culture Documents
CAMPUS
Inteligencia Artificial
Catedrático: Ing. Carlos Amador
Resumen Capitulo 3
Inteligencia Artificial Un Enfoque Moderno
Nombre N. de Cuenta
Contenido
RESUMEN…………………………………………………………………………………………………………………… 2
INTRODUCCIÓN ..................................................................Error! Bookmark not defined.
OBJETIVOS ........................................................................................................................ 3
AGENTES RESOLVENTES-PROBLEMAS. ...............................Error! Bookmark not defined.
PROBLEMAS Y SOLUCIONES BIEN DEFINIDAS. ...................Error! Bookmark not defined.
ESTRATEGIAS EN BÚSQUEDA NO INFORMADA. .................Error! Bookmark not defined.
BÚSQUEDA PRIMERO ANCHURA. .......................................Error! Bookmark not defined.
BÚSQUEDA DE COSTO UNIFORME. ....................................Error! Bookmark not defined.
BÚSQUEDA PRIMERO EN PROFUNDIDAD. .........................Error! Bookmark not defined.
MEDIR EL RENDIMIENTO DE LA RESOLUCIÓN DE UN PROBLEMA. .................................. 6
BÚSQUEDA DE PROFUNDIDAD LIMITADA…………………………………………………………………….6
BUSQUEDA BIDIRECCIONAL…………………………………………………………………………………………6
MEDIR EL RENDIMIENTO DE LA RESOLUCIÓN DE UN PROBLEMA………………………………...6
CONCLUSIONES……………………………………………………………………………………………………………7
1
Inteligencia Artificial
RESUMEN
La resolución de problemas se describe a menudo como una búsqueda en un enorme
laberinto de posibilidades, un laberinto que describe el entorno. Para resolver
exitosamente un problema se requiere explorar el laberinto de forma selectiva y con
ello reducirlo a proporciones manejables. Las máquinas aún no pueden reducir
automáticamente los problemas a proporciones manejables, es por ello que los seres
humanos tienen que formular los problemas y proponer estrategias para encontrar su
solución. En esta unidad se tratará temas relacionados con la búsqueda en el espacio de
estados (que es como el laberinto de posibilidades). En algunos tipos de problemas lo
importante es encontrar una solución, aunque esta no sea la mejor debe ser una
solución aceptable, en otros casos es necesario encontrar el camino que nos lleva a esa
solución. La mayoría de las estrategias de búsqueda que son tratadas en esta unidad son
enfocadas a ejemplos para maximizar la comprensión de las técnicas y de esta manera
pueda ser llevarlo rápidamente a la implementación
2
Inteligencia Artificial
INTRODUCCIÓN
En esta ocasión haremos una revisión de otro tipo de agente como el agente resolvente
problemas. Los agentes resolventes-problemas deciden qué hacer para
encontrar secuencias de acciones que conduzcan a los estados deseables y
conoceremos los diferentes algoritmos de búsqueda informada, que tienen cierta
idea de dónde buscar las soluciones. La resolución de problemas es fundamental para la
mayoría de las aplicaciones de Inteligencia Artificial (IA). De hecho, la capacidad de
resolver problemas suele usarse como una medida de la inteligencia tanto para el ser
humano como para la computadora.
Las estrategias de búsqueda que puede utilizar una agente para encontrar la solución a
un problema pueden ser informadas o no informadas, cada una de estas define un
estado inicial (primer estado en el que se encuentra el agente), una función sucesor
(generada a partir del estado inicial), un test objetivo (determina se los estados son
objetivos, es decir que conducen a la solución) y costo del camino (cuanto toma llegar a
la solución).
Las búsquedas informadas contienen información adicional del problema más allá de su
definición, al contrario de las búsquedas no informadas donde el agente no cuenta con
información adicional del problema que busca resolver, es decir no tiene una base de
conocimiento.
OBJETIVOS
3
Inteligencia Artificial
AGENTES RESOLVENTES-PROBLEMAS
Estos agentes están constituidos por dos elementos que son: una solución y un
problema, estos agentes deben seguir un objetivo, el cual es el encargado de organizar
el comportamiento del agente, según el problema.
Formulación del problema que es el proceso de decidir qué acciones y estados tenemos
que considerar.
Formulación del objetivo que se basa en la situación actual y la medida de rendimiento
del agente.
Fase de búsqueda toma como entrada un problema y devuelve una solución de la forma
secuencia de acciones.
Ejecuta todas las acciones recomendadas.
Función Sucesor: son las posibles acciones que un agente realiza y con estas obtener
como resultado un estado. Ejemplo si una agente está en un lugar A y quiere ir a un
lugar B, la función sucesor sería ir a B, estar en B.
Función Costo: Es el valor de la ruta al cual se le asigna un costo. Con la función costo
se puede reflejar las medidas de rendimiento de un agente resolventes-problemas.
4
Inteligencia Artificial
La búsqueda de costo uniforme expande el nodo n con el camino de costo más pequeño.
Notemos que si todos los costos son iguales, es idéntico a la búsqueda primero en
anchura. La búsqueda de costo uniforme no se preocupa por el número de pasos que
tiene un camino, pero si sobre su coste total. Por lo tanto, este se meterá en un bucle
infinito si expande un nodo que tiene una acción de coste cero que conduzca de nuevo
al mismo estado.
Esta búsqueda expande siempre el nodo más profundo en la frontera del árbol, si la
solución no fue encontrada por la rama expandida, entonces la búsqueda retrocede y
expande último nodo no expandido, se podría implementar con la búsqueda de árbol
con una cola que utiliza el método LIFO último en entrar y primero en salir.
5
Inteligencia Artificial
BUSQUEDA BIDIRECCIONAL
Esta inicia dos búsquedas al mismo tiempo una desde el nodo raíz y otra desde el
objetivo, por lo menos una de las búsquedas debe ser en anchura para que en algún
momento se encuentren.
6
Inteligencia Artificial
CONCLUSIÓNES
El estudio de los agentes resolventes-problemas es necesario dentro de la Inteligencia
Artificial, ya que estos agentes son aquellos que buscan darle soluciones a problemas
que son frecuentes en la vida cotidiana.
Los agentes tienen como prioridad algoritmos que hagan que el agente sea capaz de
darle soluciones óptimas a los problemas, es por esto que en la inteligencia artificial ha
desarrollado mecanismos eficaces para la resolución de problemas.