Clasificación de la Física. Ramas y ciencias auxiliares.
Métodos de Búsquedas de inteligencia artificial
1. REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA
COMANDANTE SUPREMO DE LA REVOLUCIÒN BOLIVARIANA
"HUGO RAFAEL CHAVEZ FRIAS"
UNEFA
NÚCLEO LARA
UNIDAD ACADEMICA.
Participante:
JesúsMeléndez.
C.I:23850286.
Sección:7D02IS.
Materia: InteligenciaArtificial.
Profesor:EdecioFreitez.
2. Búsqueda Ciega.
Sólo utiliza información acerca de si un estado es o no objetivo para guiar su proceso de búsqueda.
Antes de explicar los tipos de búsqueda ciega, convendría dar una serie de definiciones:
Expandir un nodo: obtener los posibles hijos de un nodo a partir de la aplicación de los distintos operadores sobre él.
Nodo cerrado: Se han aplicado todos los posibles operadores sobre él, obteniéndose todos sus posibles hijos.
Nodo abierto: No han actuado todos los posibles operadores, con lo que podrían obtenerse nuevos hijos aplicando los
operadores restantes.
3. BÚSQUEDA CIEGA. CARACTERISTICAS. VENTAJAS. DESVENTAJAS.
Búsqueda en amplitud.
- Procedimientos de búsqueda nivel
a nivel.
- Para cada uno de los nodos de un
nivel se aplican todos los posibles
operadores.
- No se expande ningún nodo de un
nivel antes de haber expandido todos
los del nivel anterior.
- Se implementa con una estructura
FIFO.
- Si existe la solución, la encuentra
en la menor profundidad posible.
- Explosión combinatoria aparece
frecuentemente debido a la alta
complejidad espacial y temporal de
esta técnica.
Búsqueda en profundidad.
- La búsqueda se realiza por una
sola rama del árbol hasta encontrar
una solución o hasta que se tome la
decisión de terminar la búsqueda por
esa dirección.
- Terminar la búsqueda por una
dirección se debe a no haber
posibles operadores que aplicar
sobre el nodo hoja o por haber
alcanzado un nivel de profundidad
muy grande.
- Si esto ocurre se produce una
vuelta atrás (back tracking) y se
sigue por otra rama hasta visitar
todas las ramas del árbol si es
necesario.
- Tiene menor complejidad espacial
que búsqueda en amplitud.
- Se pueden encontrar soluciones
que están más alejadas de la
raíz que otras.
- Existe el riesgo de presencia de
bucles infinitos.
4. Búsqueda heurística.
• Las técnicas de búsqueda heurística usan el conocimiento del dominio para adaptar el solucionador y, de esta manera, éste
sea más potente y consiga llegar a la solución con mayor rapidez. Por tanto, estas técnicas utilizan el conocimiento para
avanzar buscando la solución al problema.
• Definiciones:
- Costo del camino: coste necesario para ir del nodo raíz al nodo meta por dicho camino.
- Costo para hallar la solución: coste necesario para encontrar el camino anteriormente definido.
- Potencia heurística: capacidad de un método de exploración para obtener la solución con un coste lo más bajo
posible.
BÙSQUEDA
HEURÌSTICA.
METODOLOGÌA. TIPO. VENTAJAS. DESVENTAJAS.
Primero el mejor.
Elegir como siguiente nodo
aquel con mayor función de
evaluación.
Tentativo. No depende en exceso de la
función de evaluación.
Excesiva complejidad
espacial, pues se deben
guardar todos los nodos
abiertos.
Búsqueda en haz.
Elegir un conjunto de nodos
como los siguientes a
expandir, y hacerlo de forma
irrevocable.
Irrevocable/tentativo. Más permisible. En caso de que el sistema
sea irrevocable, este método
no actúa con eficacia.
Algoritmo A.
Ponderar a la vez lo cerca
que estamos del nodo meta
y lo lejos que estamos del
nodo inicial.
Tentativo. Soluciones más cercanas a
la raíz.
La función de evaluación se
complica.
5. Búsqueda con adversos.
La búsqueda con adversos (juego contra un oponente) analiza los problemas en los que existe más de un adversario modificando
el estado del sistema.
Hay dos operadores:
- el que lleva el problema a la mejor situación (jugada nuestra).
- el que lleva el problema a la peor situación (jugada de nuestro adversario).
6. BÙQUEDA CON ADVERSOS. CARACTERISTICAS. FUNCIONAMIENTO.
Algoritmo MINIMAX.
- Minimax es un método de decisión para
minimizar la pérdida máxima esperada en
juegos con adversario y con información
perfecta.
- Minimax es un algoritmo recursivo.
- Minimax puede resumirse como elegir
mejor movimiento para ti mismo
suponiendo que tu contrincante escogerá
el peor para ti.
1. Generación del árbol de juego. Se
generarán todos los nodos hasta llegar a
un estado terminal.
2. Cálculo de los valores de la función de
evaluación para cada nodo terminal.
3. Calcular el valor de los nodos superiores
a partir del valor de los inferiores.
4. Desde los nodos de nivel n, buscar la
mejor situación para mí y la peor para mi
rival. Elegir la jugada valorando los
valores que han llegado al nivel superior,
es decir, obtengo la mejor rama.
Poda Alfa-Beta.
- Se aplica en técnicas con adversos y se
usa para reducir el coste computacional
de MINIMAX podando las ramas que nos
llevan a una solución peor que las ya
encontradas.
- Llamaremos valores alfa a los valores
calculados hacia atrás de los nodos Max.
Los valores alfa de los nodos Max nunca
pueden decrecer.
- Llamaremos valores beta a los valores
calculados hacia atrás en los nodos min.
Los valores min nunca pueden crecer.
Puede suspenderse la exploración por debajo de
un nodo en cualquiera de los casos siguientes:
A. Por debajo de cualquier nodo min que tenga
valores beta menores o iguales a los valores de
cualquier nodo max ascendiente suyo.
B. Por debajo de un nodo max que tenga un valor
alfa mayor o igual al valor beta de cualquier nodo
min ascendiente.
C. Como ha podido verse, la poda alfa-beta es
aplicar minimax, solo que decidimos que algunas
ramas no serán exploradas, consiguiendo con
esto ahorrar algo de espacio y de tiempo
computacional.