Trabajos Preliminares en Obras de Construcción..pdf
Gabriel Torrealba.pdf
1. REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL
EXPERIMENTAL POLITÉCNICA DE LA FUERZAARMADA BOLIVARIANA
UNEFA - NÚCLEO - LARA
Mecanismos de búsqueda en
Inteligencia Artificial
Asignatura: Inteligencia Artificial
Participante: Gabriel Torrealba
CI: 27479490
Ingeniero: Edecio Freitez
2. Introducción
En los últimos tiempos con el desarrollos de la Inteligencia Artificial el término búsqueda toma mas relevancia
dentro de los sistemas inteligentes y se refieren a un núcleo fundamental de técnicas que se utilizan en
dominios como las búsquedas en amplitud, búsqueda en profundidad, búsqueda general en grafos, búsqueda
primero el mejor, entre otros métodos de búsquedas, elaboración de planes de actuación, razonamientos de
sentido común, prueba automática de teoremas, entre otras. Aplicaciones de estas ideas generales aparecen
en la práctica totalidad de los sistemas inteligentes, como por ejemplo en los programas que tratan de
entender el lenguaje natural, en los programas que tratan de sintetizar un conjunto de reglas de clasificación en
un determinado dominio de actuación, o en los sistemas que realizan inferencias a partir de un conjunto de
reglas.
3. Mecanismos de búsqueda en
Inteligencia Artificial
BUSQUEDA EN
AMPLITUD
BUSQUEDA EN
PROFUNDIDAD
BUSQUEDA GENERAL
EN GRAFOS
TIPO DE BUSQUEDA
DESCRIPCION
DESVESTAJAS
VENTAJAS
APLICACION
ENCONTRAR EL CAMINO MÁS CORTO ENTRE 2
NODOS, MEDIDO POR EL NÚMERO DE NODOS
CONECTADOS
PROBAR SI UN GRAFO DE NODOS ES BIPARTITO
(SI SE PUEDE DIVIDIR EN 2 CONJUNTOS)
ENCONTRAR EL ÁRBOL DE EXPANSIÓN MÍNIMA
EN UN GRAFO NO PONDERADO
HACER UN WEB CRAWLER
SISTEMAS DE NAVEGACIÓN GPS, PARA
ENCONTRAR LOCALIZACIONES VECINAS
ES UN ALGORITMO PARA RECORRER
O BUSCAR ELEMENTOS DE UN
GRAFO(USADO FRECUENTEMENTE
EN ARBOLES).
EXPANDIR LOS NODOS DE FORMA
UNIFORME GARANTIZA ENCONTRAR LA
MEJOR SOLUCIÓN DE UN ROBLEMA DE
COSTO UNIFORME ANTES QUE NINGUNA,
DE MANERA QUE APENAS SE ENCUENTRE
UNA SOLUCIÓN, PUEDE EVOLVERSE,
PORQUE SERÁ LA MEJOR, O BIEN EXPANDIR
TODO EL NIVEL EN EL CUAL SE HUBIERE
ENCONTRADO, PARA OBTENER TODAS LAS
SOLUCIONES POSIBLES.
SU PRINCIPAL DESVENTAJA ES EL ALTO
ORDEN DE COMPLEJIDAD
COMPUTACIONAL, QUE HACE QUE, DE NO
MANTENERSE MUY LIMITADOS LOS
PARÁMETROS DEL PROBLEMA, CREZCAN
RÁPIDAMENTE LOS QUERIMIENTOS Y SE
VUELVAN INACEPTABLES Y QUE ADEMÁS
REQUIERE DE MUCHA MEMORIA.
ES COMPLETA SI NO EXISTEN CICLOS
REPETIDOS.
TIENE MENOR COMPLEJIDAD EN ESPACIO QUE
LA BÚSQUEDA EN ANCHURA, PORQUE SOLO
MANTENEMOS EN MEMORIA UN CAMINO
SIMULTÁNEAMENTE.
INCONVENIENTES DE LA BÚSQUEDA EN
PROFUNDIDAD
NO ES ÓPTIMA.
PUEDE NO ENCONTRAR LA SOLUCIÓN AUNQUE
EXISTA SI HAY CAMINOS INFINITOS. LUEGO NO
ES COMPLETA.
ES UN ALGORITMO DE BÚSQUEDA PARA LO
CUAL RECORRE LOS NODOS DE UN GRAFO.
SU FUNCIONAMIENTO CONSISTE EN IR
EXPANDIENDO CADA UNO DE LOS NODOS
QUE VA LOCALIZANDO, DE FORMA
RECURRENTE
PUEDE TENER CICLOS INFINITOS Y NO
ENCONTRAR EL RESULTADO.
SE PUEDEN ENCONTRAR SOLUCIONES
QUE ESTÁN MÁS ALEJADAS DE LA RAÍZ
QUE OTRAS.
NO ES OPTIMA
NO ES COMPLETA
ENCONTRAR NODOS CONECTADOS EN UN
GRAFO
ORDENAMIENTO TOPOLÓGICO EN UN GRAFO
ACÍCLICO DIRIGIDO
ENCONTRAR PUENTES EN UN GRAFO DE
NODOS
RESOLVER PUZZLES CON UNA SOLA
SOLUCIÓN, COMO LOS LABERINTOS
ENCONTRAR NODOS FUERTEMENTE
CONECTADOS
UN GRAFO, REPRESENTA UN CONJUNTO DE
NODOS UNIDOS EN UNA RED. SI DOS NODOS
ESTÁN UNIDOS, AL VIAJAR DE UNO A OTRO
SE CONSIDERARA SUCESOR EL NODO AL QUE
NOS MOVEMOS, Y PREDECESOR EL NODO
DEL QUE VENIMOS.
EVITAR REPETIR LA EXPLICACION
DE COMINOS.
PERMITE REANUDAR CAMINOS
ABANDONADOS.
ES DIFICIL IDENTIFICAR TODAS LAS
ARISTAS.
SE DESPERDICIA MEMORIA SI EL
GRAFO ES POCO DENSO.
TIENEN MUCHOS TIPOS DE
APLICACIONES, TANTO DE MAPAS
COMO APLICACIONES
MATEMÁTICAS, COMO RESOLVER
PROBLEMAS SOBRE BÚSQUEDA DE
CAMINOS CON EL MENOR COSTO
4. Mecanismos de búsqueda en
Inteligencia Artificial
DESCRIPCION
DESVESTAJAS
VENTAJAS
APLICACION
ALGORITMO A*
BUSQUEDA HAZ
BUSQUEDA
PRIMERO EL
MEJOR
TIPO DE BUSQUEDA
LOS NODOS EN LA FRONTERA DEBEN
ORDENARSE DE FORMA
DECRECIENTE CON RESPECTO A SU
DESEABILIDAD
EL ALGORITMO DE BÚSQUEDA DE HAZ UTILIZA
UNA BÚSQUEDA DE AMPLITUD PARA CONSTRUIR
SU ÁRBOL DE BÚSQUEDA. EN CADA NIVEL DE
PROFUNDIDAD DEL ÁRBOL, EL ALGORITMO
GENERA TODOS LOS SUCESORES DE LOS NODOS
ACTUALES, ORGANIZÁNDOLOS DE MODO QUE
LOS VALORES DE LA FUNCIÓN HEURÍSTICA
TENGAN UN ORDEN CRECIENTE.
SE GUÍAN EXCLUSIVAMENTE POR LA FUNCIÓN
HEURÍSTICA, LA CUAL PUEDE NO INDICAR EL
CAMINO DE COSTE MÁS BAJO, O POR EL COSTE
REAL DE DESPLAZARSE DE UN NODO A OTRO
(COMO LOS ALGORITMOS DE ESCALADA),
PUDIÉNDOSE DAR EL CASO DE QUE SEA
NECESARIO REALIZAR UN MOVIMIENTO DE
COSTE MAYOR PARA ALCANZAR LA SOLUCIÓN.
ESTE ALGORITMO, COMBINA LAS
VENTAJAS DE LOS ALGORITMOS DE
BÚSQUEDA EN PROFUNDIDAD Y
BÚSQUEDA EN ANCHURA. SIGUE UN
SENDERO A LA VEZ, PERO PUEDE
CAMBIARSE A OTRO SENDERO QUE
PARECE MÁS PROMETEDOR QUE EL
QUE ESTÁ SIGUIENDO.
EL CAMINO NO ES
NECESARIAMENTE EL MÁS ÓPTIMO
• ANALIZAR PREFERENTEMENTE LOS
NODOS CON HEURÍSTICA MÁS BAJA.
• ORDENAR LA COLA DE ABIERTOS
POR HEURÍSTICA, DE MENOR A
MAYOR
.MAS PERMISIBLE.
--SI UNESTADO GENERA VARIOS
PROCESOS BUENOS,
EL ALGORITMO RAPIDAMEENTE
ABANDONA LAS BUSQUEDAS.
.LA FUNCION DE EVALUACION SE
COMPLICA.
.EN SU FORMA MAS SIMPLE PUEDE
SUFRIR UNA
CARENCIA DE DIVERSIDAD ENTRE
LOS K ESTADOS.
EN VEZ DE TENER SÓLO UN
ÚNICOESTADO EN MEMORIA, SE
TIENENLOS K ESTADOS MÁS
PROMETEDORESDE ENTRE TODOS
LOS SUCESORESGENERADOS.
COMO TODO ALGORITMO DE
BUSQUEDA EN AMPLITUD A*
ES UN ALGORITMO COMPLETO.
EN CASO DE EXISTIR UNA SOLUCION
SIEMPRE DARA CON ELLA.
DE NO CUMPLIRSE LA CONDICION,
EL ALGORITMO PASA A
DENOMINARSE SIMPLEMENTE A Y
NO ASEGURA QUE EL
RESULTADO OBTENIDO SEA EL
CAMINO DE COSTE MINIMO.
ENRUTAMIENTO DE PAQUETES Y DATOS
DE VOZ EN REDES TELEFONICAS.
NAVEGACION A TRAVES DE ENTORNOS
CON POTENCIALES OBTACULOS.
REESOLUCION DE JUEGOS DE MESA.
5. Mecanismos de búsqueda en
Inteligencia Artificial
DESCRIPCION
DESVESTAJAS
VENTAJAS
APLICACION
METODO DE PODA
METODO
MINIMAX
TIPO DE BUSQUEDA
ES UN MÉTODO QUE APUNTA A MINIMIZAR LA
PÉRDIDA ESPERADA. PARA ELLO, EL JUGADOR ASUME
QUE LE DESFAVORECERÁ LA DECISIÓN TOMADA POR
SU CONTRINCANTE. ES DECIR, SE ESPERA EL PEOR
ESCENARIO ANTE EL MOVIMIENTO DEL ADVERSARIO.
CAPACIDAD DE APRENDER DE ACUERDO A LA
INFORMACION
QUE SE CONSIGUE EN EL MOMENTO EN QUE
GENERA EL ARBOL
DEL JUEGO, ES DECIR APRENDE CON
EXPERIENCIAS.
ALGORITMO DE COMPLEJIDAD ELEVADA A LA
HORA DE IMPLEMENTAR.
ES DE APRENDIZAJE LENTO.
SOLO VALE PARA ENFRENTARSE A UN
OPONENTE A LA VEZ.
ES UN MÉTODO DE DECISIÓN PARA MINIMIZAR
LA PÉRDIDA MÁXIMA ESPERADA EN JUEGOS
CON ADVERSARIO Y CON INFORMACIÓN
PERFECTA (PARA MAXIMIZAR LA GANANCIA
MÍNIMA ESPERADA).
ES UNA TÉCNICA DE BÚSQUEDA QUE REDUCE EL
NÚMERO DE NODOS EVALUADOS EN UN ÁRBOL DE
JUEGO POR EL ALGORITMO MINIMAX. SE TRATA DE UNA
TÉCNICA MUY UTILIZADA EN PROGRAMAS DE JUEGOS
ENTRE ADVERSARIOS COMO EL AJEDREZ, EL TRES EN
RAYA O EL GO.
LA PODA ALFA-BETA ES APLICAR MINIMAX, SOLO QUE
DECIDIMOS
QUE ALGUNAS RAMAS NO SERAN EXPLORADAS CON
ESTO AHORRAMOS
AL DE ESPACIO Y DE TIEMPO COMPUTACIONAL.
EN ALGUNOS CASOS, ES POSIBLE PODAR EL ARBOL SIN
QUE AFECTE A LA
DECISION QUE SE TOMA FINALMENTE.
APLICADA A UN ÁRBOL MINIMAX ESTÁNDAR, PRODUCE LA
MISMA JUGADA QUE SE OBTENDRÍA CON MINIMAX, PERO
ELIMINA TODAS LAS RAMAS QUE POSIBLEMENTE NO
INFLUIRÁN EN LA DECISIÓN FINAL.
6. Reflexión Acerca del tema
Tomando en cuenta el objetivo de la Inteligencia Artificial concluimos con que los métodos de búsquedas son
de gran importancia en los esquemas de representación del conocimiento, lograr que una máquina tenga una
inteligencia de tipo general similar a la humana, es uno de los objetivos más ambiciosos que se ha planteado la
ciencia. Por su dificultad, es comparable a otros grandes objetivos científicos como explicar el origen de la vida,
el origen del universo y otros misterios que son de interés para la humanidad.
