1

UNIVERSIDAD NACIONAL MAYOR DE SAN

MARCOS
(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERIA DE SISTEMAS E INFORMARTICA

TEMA : SOLUCIONARIO EXAMENES PARCIALES

Curso : Inteligencia Artificial

Profesor : Hugo Vega

Alumno : Castillo Martínez, Pamela

Pacheco Núñez, Raúl
Mariluz Gonzales richard
GRUPO 7

Semestre : 2010 - II

Ciudad Universitaria, 17 de Septiembre del 2010

 2

Contenido
PRIMER SOLUCIONARIO ............................................................................................................................................ 3
SEGUNDO SOLUCIONARIO ........................................................................................................................................ 8
TERCER SOLUCIONARIO ......................................................................................................................................... 11
 3
PRIMER SOLUCIONARIO
INTELIGENCIA ARTIFICIAL
Examen Parcial
Ciclo 2009-1

1. CONCEPTOS (5 Puntos)
Marque al lado derecho V para verdadero y F para Falso (+0.25 correcta, -0.1 incorrecta)

1. Los problemas algorítmicos se pueden clasificar por su naturaleza intrínseca, por el (F)
tipo de respuesta y por su tratabilidad.
2. La tratabilidad comprende los problemas algorítmicos que tienen y no tienen solución. (F)

3. Existe un problema indecidible que sea de optimización. (F)

4. El problema de determinar el mejor agrupamiento de clientes (segmentación de ( V )

clientes) es un problema de localización.
5. Los problemas de decisión son en general más difícil de resolver que los problemas de (V)
optimización.
6. Saber si una conjetura es verdadera es más difícil que probar que lo sea. (V)

7. El Test de Turing se puede simplificar, como un juego en el que una máquina intenta (V)
convencer a un interrogador humano de que ella es también humana.
8. Los lenguajes de la IA son adecuados para resolver problemas mediante el paradigma (V)
simbólico.
9. La Inteligencia de un robot de tercera generación es dada por la capacidad de este de ( F )
tomar sus decisiones para poder alcanzar sus metas.
10. Los sistemas de información gerencial pueden ser catalogados como problemas de la (F)
inteligencia artificial.
11. El sistema de producción es un sistema conformado por reglas y condiciones para su (V)
aplicación, que recibe un estado y genera sus sucesores.
12. No es adecuado usar los métodos de caminos mínimos para resolver problemas de (V)
búsqueda en un espacio de estado, debido que estos métodos requieren del
conocimiento de todo el grafo de estado.
13. Cuando la información asociada a los estados es nula podemos decir que los (F)
algoritmos de búsqueda con información actúan tan igual que los algoritmos ciegos.
14. La “inteligencia” de los algoritmos de juego humano máquina basado en búsqueda en (V)
un espacio de estado se debe principalmente a la función evaluadora, al criterio de
selección del nodo a procesar, y a los niveles de profundidad del árbol de búsqueda.
15. El método de ramificación y acotación con función evaluadora constante y con criterio ( V )
de selección no determinístico es el mismo que el método de búsqueda en ciega no
determinístico.
16. Los algoritmos de búsqueda con información presentan complejidad polinomial. (V)

17. El algoritmo de juego humano máquina puede ser generalizado para más de dos (V)
competidores incluso no humanos.
18. El criterio min-max y mejor diferencia de utilidades corresponden respectivamente a ( V )
criterios ofensivo y defensivo respectivamete.
19. La única tecnología para desarrollar juegos con inteligencia artificial corresponde a los (F)
métodos de búsqueda.
20. Es posible construir máquinas que en problemas de juego de raciocinio (lógica) supere (V)
al más brillante de los seres humanos.
 4

2. BÚSQUEDA EN UN ESPACIO DE ESTADO (5 Puntos)

Problema: Asignación de Fichas No Consecutivas

Es una generalización del problema de asignación de 8 fichas no consecutivas. Considere un tablero
rectangular de “mn” casilleros (m filas, y n columnas) de las cuales “k” casilleros ( k  mn ) están
inhabilitados de usar. Considere también mn – k fichas enumeradas del “1” al “mn-k”. El problema
consiste en colocar todas las fichas en el tablero de forma que fichas adyacentes en vértices (esto es, que
tiene por lo menos un vértice común) sean no consecutivas. Un ejemplo de este problema es el problema de
asignación de 8 filas, que se muestra en la siguiente gráfica, en donde se muestra un tablero de 3 filas y 4
columnas (12 casilleros), con 4 casilleros inhabilitados.

…
1 2 8

Figura 1. Tablero de 8 Casillas, y 8 fichas

Responda:
Representar el problema como una búsqueda en un espacio de estados (describa, objetos, estado, estado
inicial, estado meta, reglas).

3. BÚSQUEDA CON INFORMACIÓN (4 Puntos)

Un robot diseñado y construido para “rescatar” personas se encuentra en una mina en la posición A; en el
lugar B se encuentra un minero herido, el cual debe ser recogido inmediatamente y llevado a la salida C.
Cada galería de la mina mide 12 metros de longitud (ver Fig. 2). Además se debe tener en cuenta que:

- La velocidad del robot es de 4mt/min. en horizontal, y 2mt/min. en vertical 3mt.(subida y bajada).

- las aristas en trazo grueso son pasillos obstruidos y en ellos el robot avanza 2 veces más lento que en
condiciones normales.

C 12

12

Figura 2. Ambiente del robot de rescate (nota: el dibujo no está a escala).

Responda:
Aplique el algoritmo de ramificación y acotación para determinar una mejor ruta que permita el rescate del
minero herido. Indique para cada iteración LE, P, y Cotas. Se sugiere graficar la galería como un grafo
donde los vértices corresponden a los nodos.
 5
q
4
4 4
c
s 4(6)
b 4
4 2(3) o
8
8 n
r 2(3)
2(3) d
2(3) 4
m 2(3) 8 4
p
4
4
u 8
a
4

t 2(3)

ab
Iteración LE P (L V) cotas
0 a0 a A0
1 am8 an8 at2 ao2 o A0 am8 an8 at2 ao2
2 oa3 oc6 op6 am8 an8 at2 t A0 am8 an8 at2 ao2 oa3 oc6 op6
3 tu6 tr6 oa3 oc6 op6 am8 an8 a A0 am8 an8 at2 ao2 oa3 oc6 op6 tu6 tr6
4 tu6 tr6 oc6 op6 am8 an8 p A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10
5 pq10 tu6 tr6 oc6 op6 am8 an8 c A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10
6 pq10 tu6 tr6 am8 an8 r A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10
7 rs10 pq10 tu6 am8 an8 t A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10
8 rs10 pq10 am8 an8 n A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10 nb16
9 nb16 rs10 pq10 am8 m A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10 nb16
10 nb16 rs10 pq10 q A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10 nb16
11 qb12 nb16 rs10 s A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10 qb12
12 Qb12 nb16 B A0 an8 at2 ao2 oa3 oa3 oc6 op6 tu6 tr6 pq10 rs10 qb12
Camino:
Qb12-pq10-op6-oa3
A-o-p-q con un tiempo de 12 min

bc
Iteración LE P (L V) cotas
0 B0 B B0
1 Bq2 bn8 bm8 bs4 Q B0 bq2 bn8 bm8 bs4
2 Qb3 qp6 qc6 bn8 bm8 bs4 B B0 bq2 bn8 bm8 bs4 qb3 qp4 qc4
3 Qp6 qc6 bn8 bm8 bs4 S B0 bq2 bn8 bm8 bs4 qb3 qp4 qc4
4 Sb6 sr8 su8 qp6 qc6 bn8 bm8 P B0 bq2 bn8 bm8 bs4 qb3 qp4 qc4sb6 sr8 su8
5 Po10 sb6 sr8 so8 qc6 bn8 bm8 c B0 bq2 bn8 bm8 bs4 qb3 qp4 qc4sb6 sr8 su8 pq10
Camino:
Qc6-bq2
b-q-c con un tiempo de 6 min
Total:18 min para ir de a pasar por b y llegar a c
 6
4. JUEGO HUMANO – MÁQUINA (6 Puntos)

Mini Ajedrez
Es una simplificación del Ajedrez que consiste en un tablero de 8 filas y 5 columnas, en donde las columnas
correspondientes al alfil (son 2 alfiles) y a la Reina (columnas 3, 5 y 6 del tablero original) han sido eliminadas. En la
figura 3 se muestra el tablero del mini-ajedrez al inicio del juego, en donde P, C, T, R corresponden respectivamente a
las fichas peón, caballo, torre, y rey. Las letras “n” y “b” adjuntas a las fichas indican el tipo de ficha (n: negro, b:
blanco).

Tb Cb Rb Cb Tb

Pb Pb Pb Pb Pb

Pn Pn Pn Pn Pn

Tn Cn Rn Cn Tn

Figura 3. Tablero del Mini-Ajedrez

Aplique el algoritmo de juego humano-máquina con criterio “mejor diferencia de utilidades para la máquina” y
“primero el mejor para el humano”. El humano juega con “b” y la máquina con “n”. Considere la siguiente función
evaluadora:
f(avanza P) :=0.5; f(come P) :=1; f(come C) :=3; f(come T) :=5; f(jaque) :=0.6; f(jaque mate) :=50;
Así por ejemplo, considere la figura 4, en donde le toca jugar a las “n”, las posibles jugadas son 7 y son señaladas en
la figura 5.

Cb Cb

Rb Pb Rb Pb

Pn Tb Pb Pn Tb Pb

Rn Pn Rn Pn

Cn Cn

Figura 4. Tablero del Mini-Ajedrez Figura 5. Posibles jugadas para “n”

Muestre un árbol humano – máquina – humano, y justifique las jugadas realizadas por la máquina y el humano, e
indique las jugadas realizadas por la máquina y el humano. El humano inicia con la jugada dada en la figura 3.
 7
5. BUSQUEDA A* (5 Puntos)
Represente gráficamente el mapa del Perú, en dicho mapa ubique ocho puntos (capitales de departamentos) dos de las
cual es deben ser Trujillo (La Libertad) y Puerto Maldonado (Madre de Dios). Realice la búsqueda A* entre Trujillo y
Puerto Maldonado.
(Sus datos debe ser coherentes y proporcionales posibles sabiendo que la longitud máxima del Perú es de 2090 km)

ORIGEN-DESTINO UTILIDADES
La Libertad-Ancash 500
La Libertad-San Martin 300
Ancash-Lima 600
Ancash-Junin 500
Ancash-Ucayali 600
San Martin-Junin 700
San Martin-Ucayali 600
Lima-Arequipa 200
Lima-Junin 300
Junin-Arequipa 800
Junin-Madre de Dios 500
Ucayali-Madre de Dios 550
Arequipa-Madre de Dios 210

DLR
La Libertad-Ancash 150 km
La Libertad-San Martin 100 km
Ancash-Lima 200 km
Ancash-Junin 350 km
Ancash-Ucayali 440 km
San Martin-Junin 550 km
San Martin-Ucayali 480 km
Lima-Arequipa 800 km
Lima-Junin 150 km
Junin-Arequipa 400 km
Junin-Madre de Dios 450 km
Ucayali-Madre de Dios 450 km
LA LIBERTAD
Arequipa-Madre de Dios 480 km

F=500-150 ANCASH SAN MARTIN F=300-100

F=350 F=200

LIMA JUNIN UCAYALI

F=600-200 F=500-350 F=600-440

F=400 F=150 F=160

MADRE DE DIOS AREQUIPA

F=500-450 F=800-400
F=50 F=400

Recorrido Final:LA LIBERTAD - ANCASH - JUNIN - MADRE DE DIOS

Encontramos la Heuristica calculamos un aproximado las distancia D. Para hallar las utilidades usamos:
Nuestro Funcion=F=H - G
H: Utilidades y G: Distancias
 8
SEGUNDO SOLUCIONARIO
Examen Parcial de Inteligencia Artificial – 2010 Verano

I. VERDADERO (V) o FALSO (F) (5.0 puntos)

Marque con V para verdadero y F para Falso (+0.5: correcta, -0.5: incorrecta)
1. ( F ) El lenguaje LISP es más adecuado para tratar el conocimiento representado como predicado.
2. (F ) Los formatos registro, predicado y red semántica son las únicas formas de representar el
conocimiento.
3. ( F) En el nivel físico de una representación como una búsqueda en un espacio de estados se elige la
estructura de datos a usar tanto para el estado como para los operadores.
4. (F ) En los problemas de optimización se requiere conocer el estado meta.
5. ( F) La inteligencia proporcionada a un robot consiste en proporcionarle la capacidad de
autoprogramación.
6. (V ) Resolver un problema de inteligencia artificial colocado como una busqueda en espacio de
estados se reduce a determinar cual es el estado meta.
7. (V ) El método de busqueda en amplitud, en el peor de los casos realiza una busqueda exhaustiva
sobre todo el árbol de estado.
8. (V ) El método de busqueda de Ascenso a la Colina permite resolver únicamente problemas de
Localización
9. ( V) Se puede decir que la Inteligencia Artificial es una rama de la ciencia de la computación
orientada al estudio y desarrollo de sistemas de computación que tengan características “inteligentes”.
10. ( V ) En busquedas simples lo mas acertado es usar busquedas ciegas

II. LISP (7.5 puntos)

Escriba los comandos para intercambiar los subárbols circulados
X

Y Z

X X A 1

X X X B C 2 3

X X X X X X 4 5

Solución:

Primero establecemos el árbol, llamémoslo „a‟

setq a '(X (Y (X X X) (X X)) (Z (A (B X X) (C X X)) (1 (2 X X) (3 4 5))))

Asignamos H1 al árbol cuyo padre es el A:

En Lisp: setq H1 (first(rest(first(rest(rest a)))))

 9

Asignamos H2 al árbol cuyo padre es 3

En Lisp:

setq H2 (first(rest(rest(first(rest(rest(first(rest(rest a)))))))))

Realizamos el cambio, H2 en H1 y H1 en H2: Para ete caso usamos el uso del comando LIST , este comando me
permite cocatenar las listas de manera adecuada al problema.
list (first a) (first(rest a)) (list (first(first(rest(rest a)))) H2
(list (first(first(rest(rest(first(rest(rest a)))))))
(first(rest(first(rest(rest(first(rest(rest a)))))))) H1))

Donde:
 (first a) : Este es la cabezera principal del árbolprincipal (a).
 (first(rest a)): Este es el hijo izquierdo del árbol principal (a).
 (list (first(first(rest(rest a)))) H2 (list (first(first(rest(rest(first(rest(rest a)))))))
(first(rest(first(rest(rest(first(rest(rest a)))))))) H1)) : Este es la parte hijo derecha del subarbol principal (a)

Al final el resultado es el siguiente:

Y Z

X X 3 1

A
4 5
X X X 2

X X B C

X X X X

En el Lispworks:
 10
III. BUSQUEDA A-ESTRELLA (A*) (7.5 puntos)
Un vendedor desea ir de Piura a Ayacucho vendiendo sus frazadas por las ciudades señaladas como nodos
del recorrido. Realice el recorrido de la busqueda que maximise sus utilidades. Usted asigene los datos y
las heuristicas necesarias para solucionar el problema.

DLR
Piura D=1527.63 * K=216.9
Ancash D=962.43*K=136.7
Ucayali D=1000.10*K=142.01
Lima D=554.78*K=78.8
Junin D=853.58*K=121.2
Madre de Dios D=1129.9*K=160.4
Ayacucho D=0

ORIGEN-DESTINO UTILIDADES
Piura-Ancash 500
Piura-Ucayali 300
Ancash-Lima 600
Ancash-Junin 500
Ancash-Ucayali 400
Lima-Ayacucho 700

PIURA F=0+216.9

F=500-216.9 ANCASH UCAYALI F=300-142.01

F=283.1 F=157.99

LIMA JUNIN UCAYALI

F=600-78.8 F=500.121.2 F=400.142.01

F=512.2 F=378.8 F=257.99

AYACUCHO

F=700-0
F=700

Recorrido Final:PIURA – ANCASH – LIMA - AYACUCHO

Encontramos la Heuristica calculamos un aproximado las distancia D. Para hallar las utilidades usamos:
Nuestro Funcion=F=H – G
Encontramos G para nuestro costo encontramos las distancia y le multiplicamos por una constante K=0.142 (para
trabajar con unidades monetarias).
En nuestra heuristica, sacamos las utilidades de las ventas que ha realizado entre cada cuidad

H=ventas realizadas
 11
TERCER SOLUCIONARIO
INTELIGENCIA ARTIFICIAL
EXAMEN PARCIAL
I. CONCEPTOS
A. Marque con V para verdadero y F para falso (+0.25 correcta, -0.1 incorrecta)
1) ( ) Una diferencia entre los paradigmas simbolista y conexionista de la IA, es que el primero sostiene que
el conocimiento en algún dominio debía ser adquirido como símbolos y que su procesamiento no es
secuencial.
2) (F) El lento desarrollo de la IA se debe, entre otras razones, a la no linealidad presente en ellos y a la
tratabilidad de sus problemas.
3) (F) El primer trabajo de Inteligencia Artificial fue el desarrollado por McCulloch y Pitts en 156.
4) (F)Es más difícil responder si existe una solución viable a un problema de la programación lineal que
determinar una solución viable para este.
5) (F) El problema del rompecabezas es un problema de decisión.
6) (V) Si un problema de localización asociado a un problema π es completamente NP-difícil, su
correspondiente problema de optimización asociado π necesariamente será también de esa clase.
7) (F) El problema de coloración de mapas es un problema de optimización.
8) () En algunos problemas de Localización no se conoce a priori el estado meta.
9) (F) El algoritmo de búsqueda en amplitud en su versión que determina directamente la secuencia de
estados solución, permite resolver únicamente problemas de decisión.
10) (F) El jefe de planta de una empresa industrial pregunta en una reunión de trabajo a los operarios si
conocen la programación de tareas establecida para células de fabricación de la planta, visando la
fabricación del lote de producción a entregar a fin de mes. El problema planteado por el jefe de planta es
un problema de localización.
11) (V) El árbol de estados constituye una red semántica cuyos nodos describen estados, sus arcos
representan la relación de antecedencia o precedencia entre ello y las etiquetas están implícitas.
12) ( ) Las neuronas artificiales constituyen una forma de representación del conocimiento.
13) (F) El proceso de ramificación toma el método de ramificación y acotación como el más eficiente entre
los métodos informados de búsqueda.
14) (F) No es necesario construir el árbol de estado de un problema de IA para resolverlos porque el
algoritmo de búsqueda (ciega o informada) lo construye explícitamente.
15) (F) La estrategia min-max para los algoritmos de juego hombre-máquina, consiste en seleccionar la
alternativa que presente menor ganancia para el oponente.

B. Marque el lado izquierdo con V o F para las aplicaciones que corresponden o no a la IA.
16) (V) Determinar patrones de comportamiento de clientes desde base de datos históricas de clientes.
17) (F) Un sistema de información gerencial para la gerencia de recursos humanos.
18) (V) Optimización de interfaces, esto es, determinar la mejor localización de los diversos box (cajas,
botones, combos, etc.) de forma que maximice la productividad del usuario.
19) (V) Planteamiento de la siembra. Esto es, determinar que, donde y cuando sembrar, de forma a obtener
la mayor rentabilidad sin tener sobre producción ni escasez.
20) (F) Sistemas operacionales.

II. BUSQUEDA EN UN ESPACIO DE ESTADO (5 puntos)

El problema de rompe Cabeza Restricto
Considere un tablero de orden 3x3, con 8 fichas y un casillero vacio, como mostrado en la figura 1. El
problema consiste en ordenar el tablero de forma que fichas de la misma letra (color o imagen) sean no
adyacentes en aristas.
A A B
A C C
B B
Fig. 1 Tablero de 9
Para el problema de Rompe Cabeza restricto responda:
2.1 Represente el problema como un problema de búsqueda en un espacio de estado (4 puntos)
2.2 Defina una función evaluadora (1 punto)
 12

III. BUSQUEDA CON INFORMACION: Ramificación & Acotación (4 puntos)

El grafo de estados mostrado corresponde a una red de transporte que comprende varias ciudades,
simbolizadas por letras. Se pide encontrar una ruta que se inicie en la ciudad “s” y termine en la ciudad “e”
utilizando el algoritmo de ramificación y acotación. Los números asociados a los arcos representan el costo
de transporte asociado a las ciudades (la dirección indica de donde a donde se puede ir). Presente una tabla
mostrando por iteración LE, P y cotas. Use el operador ANTECESOR para determinar la secuencia solución.

Fig. 2 Grafo de estado

Iteración LE P (L V) cotas
0 S0 s S0
1 Sd5 sm5 sf4 f S0 sd5 sm5 sf4
2 Fg9 sd5 sm5 m S0 sd5 sm5 sf4 fg9
3 Mc8 mb12 fg9 sd5 d S0 sd5 sm5 sf4 fg9 mc8 mb12
4 Dh12 mc8 mb12 fg9 c S0 sd5 sm5 sf4 fg9 mc8 mb12 dh12
5 Ch10 ce17 dh12 mb12 fg9 g S0 sd5 sm5 sf4 fg9 mc8 mb12 ch10 ce17
6 Ch10 ce17 dh12 mb12 b S0 sd5 sm5 sf4 fg9 mc8 mb12 ch10 ce17
7 Ch10 ce17 dh12 h S0 sd5 sm5 sf4 fg9 mc8 mb12 ch10 ce17
8 Ce17 dh12 h S0 sd5 sm5 sf4 fg9 mc8 mb12 ch10 ce17
10 Ce17 e S0 sd5 sm5 sf4 fg9 mc8 mb12 ch10 ce17

Solución:
Ce17-mc8-ms5 s-m-c-e
Costo total: 17

d 7
5
6
4 2 h
d
s 5
3 c
m 11
4
5 9
6 2
4 7
f
b 6
9
5 e
g
12
 13
IV. JUEGO HOMBRE-MAQUINA (6 puntos)

Othelo
En este juego participan dos jugadores (fichas negras y blancas), quienes realizan una acción por
vez. La acción del jugador de ficha negra consiste en colocar una ficha negra adyacente a una
ficha blanca. Las fichas blancas que se encuentran entre dos fichas (una de ellas recientemente
colocada) se conviertan en negras. En forma similar juega el jugador de fichas blancas. El juego
termina cuando el tablero se encuentra lleno, y gana el que tiene más fichas del mismo color.
El juego inicia como en la figura 3, y los pesos asociados a los casilleros son dados en la
Figura 4.

7 4 4 4 4 7

4 2 1 1 2 4

4 1 0 0 1 4

4 1 0 0 1 4

4 2 1 1 2 4

7 4 4 4 4 7

Figura 3 Figura 4.
Aplique el algoritmo de juego hombre-máquina con criterio mejor diferencia para la maquina y
primero el mejor para el humano. La maquina inicia las jugadas con las fichas negras justifique las
jugadas e identifique cuales son:
ʎ1(numero de fichas que se invierten) + ʎ2 (pesos de “fichas invertidas + fichas recientemente
colocadas”).
Donde ʎ1=0.7 y ʎ2=0.3
 14
Sea la funcion evaluadora :

F1= suma de los pesos de sus fichas

F2= # de fichas del oponente que se invierten
F3= ʎ1F1 + ʎ2F2

Donde : ʎ1, ʎ2 e [0, 1]

ʎ1 + ʎ2 =1

7 4 4 4 4 7

4 2 1 1 2 4

4 1 0 0 1 4

4 1 0 0 1 4

4 2 1 1 2 4

7 4 4 4 4 7

Considerando la matriz de pesos de la figura 1 y la funcion evaluadora dada por :

ʎ1F1 + ʎ2F2

Donde : ʎ1=0.7
ʎ1=0.3

Solucion:

F(e1) = 0.7(1)+(0.3)(1)=1 Nota: F(e) = ʎ1F1 + ʎ2F2

F(e2) = 0.7(1)+(0.3)(1)=1
.
.
.
F(e10) = 0.7(2)+(0.3)(1)=1.7
F(e11) = 0.7(2)+(0.3)(1)=1
 15
1 jugada

Maquina :

Humano :

E1: 1 E1: 2 E1: 3 E1: 4

E11: 1.7 E21: 1.7 E31: 1 E41: 1

E12: 1 E22: 1 E32: 1 E42: 1.7

E13: 1 E23: 1 E33: 1.7 E43: 1

Luego :

Inicio:

Maquina:

Hombre: