Descargar para leer sin conexión
Cuadro Comparativo.docx
- 1. República Bolivariana deVenezuela Ministerio del Poder Popular para la Educación Universidad Nacional Experimental Politécnica de las Fuerzas Armadas Núcleo Lara Métodos de Búsqueda Inteligencia Artificial Octubre 2022 INTRODUCCION Integrante: José Ignacio Castillo Rivero Materia: Inteligencia Artificial Sección: 07S-2613-D2 Prof. Edecio Freites
- 2. Muchas de lasaplicaciones de la IA implican la búsqueda de una solución en el espacio del problema, esta solución es en algunos casos, una secuencia de operaciones, controlar los movimientos de un robot, o generar un programa en forma automática, por mencionar algunos ejemplos. Como se intuye de lo visto con anterioridad, esta búsqueda puede ser muy ardua o a veces imposible, debido a la complejidad o el tamaño del espacio de búsqueda, es así que aparecen distintos métodos para comparar se procede a realizar un cuadro comparativo con sus ventajas y desventajas describiendo cada una con su aplicaciones.
- 3. Nombre Descripción CaracterísticasAplicación Ventajas Desventajas Exploración de Grafos Los nodos de grafo Y/O representan subproblemas a resolver, originados a partir de un problema inicial que corresponderá con el nodo superior del grafo. Los nodos O representan las alternativas existentes para la solución de un problema. Los nodos Y conectan a un nodo padre con los problemas que hay que solucionar. Usado en problemas que puedan ser dividido en problemas más pequeños y que estos mismos puedan llevar una solución. Las misma que A* Reduce la complejidad exponencial, sobre todo espacio. Depende del tipo de problema. Aun pueden darse complejidades exponenciales, sobre todo en espacio. Depende del tipo de problema. Método Minimax Esta basado la profundidad, y grafos Y/O. En por cada acción de jugador, se debe de analizar todas las posibles soluciones del otro jugador Consigue la mejor estrategia, y una secuencia de acciones optima. Según su utilidad máxima el agente inteligente, y minimiza en el contrincante. Usado ampliamente en juegos en donde se necesita saber cuales opciones a elegir en una partida. El algoritmo tiene la capacidad de aprender de su oponente Cada estado debe ser visitado dos veces: Una vez para encontrar sus hijos, y otra para evaluar el valor heurístico. Tiende a ser demasiado lento. Primero El Mejor Selecciona el siguiente nodo a expandir mediante la función de evaluación f(n), que esta implementada en una lista de prioridad Evalúa los nodos utilizando solo la función heurística. Trata de expandir el nodo mas cercano para conseguir más rápido la solución Es usado en problemas en donde las acciones se comportan como si fuesen un único camino hacia la solución Admite costes de variables no acciones. Reduce complejidad con buena heurística. Evita visitar demasiado caminos inútiles No es completo porque puede caer en callejones sin salida y no aportar una sola solución Búsqueda en Anchura Se expande desde el nodo raíz , luego expande todos sus nodos hijos , luego los hijos de los hijos y así sucesivamente Completo, ya que consigue la solución más optima. Coloca todos los nodos en una cola FIFO, con una frontera vacía para que todos los nuevos sean los primero expandidos Es usado en problemas realmente pequeños, en donde el coste de las acciones es el mismo para todas Si hay una solución, la encuentra siendo esta la mas optima Expande muchos nodos inútiles. Coste constante y no negativo. Solo para problemas simples
- 4. Búsqueda en Profundidad Se expande desde elnodo raíz, luego uno de su hijo, y uno de los hijos de hijos, si llega a una hoja que no es solución, se retrocede y se prueba con el siguiente hijo. Completo si se evitan caminos redundantes el estado de estado es finito. En caso de espacios de estados infinitos no es completo ya que puede que nunca consiga solución. Es usado en espacios de estados en donde las acciones están limitadas Ocupa muy poco espacio. Ocupa diez billones de veces menos espacio que el algoritmo búsqueda en anchura No es completo ni optimo. Puede proba muchos caminos inútiles. Puede quedarse atrapado en bucles infinitos Búsqueda General den grafo Crea un grafo de exploración que contiene un único nodo que contiene la solución al problema. Si encuentra la solución encuentra la más optima. Detecta si un nuevo estado ya había sido generado y expandido Usado para resolución de problemas generales Ocupa muy poco espacio. Si hay una solución la encuentra esta mas optima Expande muchos nodos inútiles. Coste constante y negativo Busque en Haz Pretende acelerar el proceso de búsqueda reduciendo en cada paso de algoritmo el numero de nodos generado que van a poder ser expandidos Guarda solo un nodo en la memoria, como reacción a las limitaciones de memoria. También puede guardar pistas de K estado Comienza generando los estados generados aleatoriamente. Es aplicado en algoritmos genéticos en donde cada estado sucesor combina dos estados padres. Disminuye la cantidad de nodos a generar No es optimo porque no consigue la solución mas optima Poda Alfa- Beta Calcula el valor correcto de la función minimax sin mirar todos los nodos de un árbol . La misma que minimax pero solo centrándose en los nodos en donde se consiga posiblemente la solución. Utilizada en problemas donde el factor de ramificación sea muy elevado y sus costes sea muy prohibitivos La eficacia es debido a la forma en como examina los sucesores. La poda no afecta el resultado final Es posible que no consiga una solución, aunque exista Algoritmo A* Tiene en cuenta el coste del del camino y el coste de la heurística. El siguiente nodo en expandir es el que tenga menor coste estimado por la Es una aplicación de la búsqueda “Primero el mejor”. Evalúa los nodos combinados, el coste para alcanzar el nodo y el coste de ir al nodo objetivo Es usado en donde la heurística es admisible, donde el coste de ir al nodo objetivo sobreestime el Admite Costes variables de acciones. Evita caminos inútiles. Aun pueden darse complejidades exponenciales, sobre todo en espacio
- 5. función de evaluación coste de alcanzarel nodo objetivo Es completo y óptimamente eficiente. El algoritmo es optimo porque si existe la solución la encuentra Reflexión La inteligencia artificial (IA) se manifiesta en algoritmos cuyo desempeño es difícil de predecir o explicar. Estos algoritmos se aplican a cuestiones de la vida cotidiana de los ciudadanos, como por ejemplo el otorgamiento de un préstamo bancario, y han empezado a utilizarse por parte del gobierno electrónico. Para elaborar una clasificación de los sistemas de búsqueda se tienen muchas clasificaciones tantas como investigadores y autores en inteligencia artificial existen, en el módulo se ha tratado de organizar esta información para ofrecer un panorama lo más amplio posible para que el estudiante abarque la mayor cantidad de información, los nombres de los algoritmos y métodos de solución en unos casos tienen diferencias que se aclaran cuadro comparativo.
- 6.