Sei sulla pagina 1di 31

Universidad Nacional de Ingeniería

Recinto Universitario Simón Bolívar


RUSB

Unidad I : Métodos de Búsqueda

Integrantes.

•Nadir Antonio Soza Solís 2005-21410.


•Darling Palacios Laguna 2005-20887.
•Jacquelin Quezada Reyes. 2005-20408.
•Xaviera Sequeira Franco. 2005-21211.
•Ledy Pérez Jiménez. 2005-20808.

Docente: Ing. Alberto Silva.

05 de Mayo del 2009


Introducción

Durante el desarrollo de la exposición conoceremos los campos en el cual se


desarrolla la inteligencia artificial, el diseño y arquitectura de los agentes, así
como los arboles y grafos.

Además explicaremos los algoritmos de búsqueda (Primero el mejor, Costo


Unitario, A*, Primero en profundidad y primero en anchura) con y sin lista de
expandidos / visitados/ estricta y admisibilidad de la heurística.
Objetivo General

 Dar a conocer a los alumnos los diferentes tipos de algoritmos de búsqueda


así como el comportamiento de cada uno de ellos.

Objetivos Específicos.

 Conocer la definición de Inteligencia artificial, agente y su ambiente.

 Explicar el funcionamiento de cada uno de los algoritmos de búsqueda en


el aula de clases.

 Dominar los algoritmos de búsqueda.

 Identificar los diferentes tipos de heurística.


Qué es Inteligencia Artificial?

Modelo computacional del comportamiento humano?(Turing)

Programas que parecen (externamente) humanos

Modelo computacional del proceso de “pensamiento”


humano?(neurociencia, visión, cognición)

Programas que operan (internamente) la forma en que los humanos


piensan.

Sistemas computacionales que se comportan inteligentemente?(humano


o no)
Qué significa comportamiento inteligente?
Agentes

Son software que obtienen información acerca de un ambiente y realizan


acciones basados en esa información.
Un robot
Un programa de compras por la web
Una fábrica
Un sistema de control de tráfico
El agente y el ambiente
Cómo comenzamos a formalizar el problema de construir un agente?

Haciendo una dicotomía entre el agente y el ambiente.


No es una idea aceptada por todos el hacer dicotomía, pero ayuda porque
evita contemplar todas las posibilidades.

percepciones

ambient
agen e
accione
te s
Modelo del mundo

A – el espacio de acciones ( puede hacer el agente)


P – el espacio de percepciones(percibe y actualiza su estado)

E - el ambiente: A*  P(mapa de secuencias de


acciones)
Alternativamente, se define:
S – el estado interno [puede no ser visible]
La función percepción: S  P(qué percibe)
Función de transición: S x A  S(cuál será el próximo estado)

Función
p Percepción Mundo a

dinámico
Diseño de un agente

U – función de utilidad: S lR (o S* lR)


El problema del diseño del agente: Encontrar P*  A
Mapeo de secuencias de percepciones a acciones.
Maximizar la utilidad del resultado de la secuencia de
estados.(cada acción mapea de un estado al próximo)
Racionalidad
Un agente racional realiza acciones que cree será
lo mejor para alcanzar sus meta.
La racionalidad es diferente a omnisciencia
.
La racionalidad es diferente a éxito.
Clases de ambientes

•Accesible (versus Inaccesible)[observable]


Puede ver Ud.. directamente el estado del mundo?

•Determinístico (vs. estocástico)


Hay un mapa de acción....?

•Episódico (vs. Secuencial)


La decisión presente puede afectar las decisiones futuras?

•Estático (vs. Dinámico)


Puede el mundo cambiar mientras ud. esta pensando?

•Discreto (vs. Continuo) ( tutor interactivo / taxista)


Como es la forma en que se manejan el tiempo, las
percepciones y acciones? Discretas(como los enteros) o
continuos (como reales).
Estructuras de los agentes

Agente reflexivo (“o reactivo”)


No tiene memoria a
p

Que se puede resolver de esta forma?


Ambientes accesibles
Backgammon
Desplazarse por un pasillo

Agente con memoria

Estado memoria/estimador
Que escogiendo recordar de la historia de las percepciones?
Mapea lo que sabia antes, lo que percibe y lo que usted hizo, con
lo que usted sabe ahora.
Ejemplos de diversos tipos de agentes

Tipo de agente Percepciones Acciones Metas Ambiente

Sistema para Síntomas, Preguntas Paciente saludable, Paciente,


diagnóstico evidencias y pruebas, reducción al hospital
medico respuestas del
tratamientos mínimo de costos
paciente

Sistema para el Pixeles de Imprimir una Clasificar Imágenes


análisis de intensidad y clasificación de la correctamente enviadas
imágenes del colores diversos escena desde un
satélite satélite en
orbita
Controlador de Lecturas de Abrir y cerrar Lograr pureza, Refinería
refinería temperatura y válvulas, ajustar rendimiento y
presión temperaturas seguridad máxima

Asesor Palabras escritas Ejercicios Que el estudiante Grupo de


interactivo de a máquina impresos,sugeren obtenga la máxima estudiantes
cias y calificación en una
inglés correcciones
prueba
Búsquedas
Por qué buscar?

•La búsqueda permite explorar alternativas


•Informada (heurística) vs. No informada (ciega)
•Cualquier camino vs. El camino óptimo
•Implementación y desempeño

Árboles y grafos
Paradigmas para resolver problemas.

¿Que son los estados(los aspectos relevantes del


problema)?
Organización de piezas ( un plan de montaje)
Ubicación de camiones(plan de distribución de paquetes)
Ciudad(plan de un viaje)
Conjunto de datos (ej. Para probar un teorema de geometría)

¿Cuales son las acciones(operadores)?(determinístico y discreto)


Montar dos piezas
Mover un camión a una nueva posición
Volar a una nueva ciudad
Aplicar el teorema

¿Cual es la prueba de meta?(condiciones para el éxito)


Todas las piezas en su lugar
Todos los paquetes enviados
Alcanzar la ciudad de destino
Derivar datos finales
Búsqueda en grafo como búsqueda en árbol

•Los árboles son grafos dirigidos sin ciclos y con nodos que tienen <= 1
padre.
•Podemos cambiar el problema de la búsqueda en grafo por el problema
de la búsqueda en árbol:
Reemplazando los enlaces sin dirección por 2 enlaces dirigidos
Evitando ciclos en el camino(mantener un registro de los nodos
visitados)
Clases de Búsqueda

Clase Nombre Operación

Cualquier camino Primero en profundidad Exploración sistemática de todo el


No informado Primero en anchura árbol hasta que la meta sea
encontrada

Cualquier camino Primero el mejor Usa mediciones heurísticas en cada


Informado estado ej.: distancia estimada al
objetivo

Optimo Costo Uniforme Usa medidas del camino. Encuentra el


No informado camino “ mas corto” sumando los pesos.

Optimo A* Usa mediciones de longitud del camino


Informado y heurística. Encuentra el camino más
corto
Implementando las estrategias de búsqueda

•Primero en profundidad

Tome el primer elemento de Q


Agregue las extensiones del camino al frente de Q

•Primero en anchura

Tome el primer elemento de Q


Agregue las extensiones del camino al final de Q
Terminos
•Visitados –un estado M es visitado cuando un camino a M se agrega a Q. En general,
un estado se dice que ha sido visitado, si ha sido colocado en un nodo de búsqueda en
Q. La intuición es que lo hemos “visitado” brevemente para ubicarlos en Q, pero aun no
le haya examinado cuidadosamente.
•Expandido – un estado M será expandido cuando sea el estado de
un nodo de búsqueda que es sacado de Q. En este punto, los descendientes de M son
visitados (si los hay) y el camino a M es expandido para elegir el descendiente.En
principio, un estado puede ser expandido múltiples veces. Algunas veces nos
referiremos, como siendo expandido, al nodo de búsqueda que lleva a M (en vez de
solo M) . De todos modos, una vez que un nodo ha sido expandido, no necesitaremos
expandirlo de nuevo. De hecho lo descartaremos de Q.
Esta distinción es clave en nuestra discusión sobre los diferentes algoritmos de
búsqueda; estúdielo cuidadosamente

Heurística- La palabra generalmente se refiere a algo que puede ser útil en algunos
casos pero no siempre. Generalmente se usa como contraste con “garantizado” u
“optimo”.
Función heurística- Una función definida sobre un estado-nodo que puede ser útil en
guiar la búsqueda pero la cual no garantiza obtener el resultado deseado. Usar ésta
función puede ayudarnos a encontrar, en promedio, la meta en menor tiempo.
Distancia estimada a la meta: Este tipo de función heurística depende del estado y la
meta. El ejemplo clásico es la distancia en línea-recta usada como un estimación para la
distancia actual en una red de carretera. Este tipo de información puede ayudar a
incrementar la eficiencia de una búsqueda.
Implementando las estrategias de búsqueda

•Primero en profundidad
Tome el primer elemento de Q
Agréguelo al frente de Q

•Primero en anchura
Tome el primer elemento de Q
Agréguelo al final de Q

•Primero el mejor
Tome “el mejor” (medido por el valor heurístico del estado)
elemento de Q
Agregue las extensiones del camino en cualquier lugar de Q(puede
ser más eficiente mantener ordenada Q de alguna forma para que
resulte mas fácil encontrar el “mejor”)
Primero en profundidad
Primero en profundidad (sin visitados)
Primero en anchura

Tome el primer elemento de Q. Agregue el camino expandido al final de Q


Primero en anchura (sin lista de visitados)
Primero el mejor
Costo uniforme

Como primero el mejor excepto porque usa la “longitud total” (costo) de un camino en
vez del valor heurístico del estado.
Cada trayecto del camino tiene una “longitud” o “costo” ( el cual es siempre mayor que
0)
Queremos “acortar” o “minimizar el costo” del camino.
Costo uniforme (con lista estricta de expandidos)
S-A : 4 (longitud 2 + heurística 2)
S-A-D: 7(2+4+1
A* (con lista estricta expandida)

Q Expandid A G
o 1 100
1 C
S
1 (90 S) 2
2
B
2 (90BS)(101 AS) S

Valores Heurísticos
3 (101 AS)(104 CBS) A, S
A=100 c=100 s=90
4 (102 CAS)(104 C, A, S
CBS) B=88 G=0
5 (102 GCAS) G, C, A, S

Se agregan los caminos en azul; los


caminos subrayados son escogidos para
extenderse
•No todas las heurísticas son admisibles
Son los valores heurísticos dados desde el ejemplo Primero el Mejor una
heurística admisible?

Valores heurísticos
A=2 C=1 S=10
B=3 D= 4 G=0

A – es admisible, tiene 2 y se encuentra a 6


B – es admisible, 3 y se encuentra a 5
C – es admisible, 1 y no llega
D – muy grande, 4 y esta a 2; tendría
que ser <= 2
S – muy grande, 10 y esta a 8
( se debe usar 0 para el inicio)
Complejidad del peor caso
Un espacio de estado con N estados puede llevarnos a una búsqueda en árbol que
tiene un numero de nodos que son exponenciales a N, como en este ejemplo

solo una vez.


Gracias por su atención!!!!!!!