Inteligencia Artificial

Transcripción

1 Inteligencia Artificial Tema 2 Búsquedas Ivan Olmos Pineda Contenido Estructura General de un PSA Formulación de un PSA Algoritmos de Búsqueda de Soluciones Aplicaciones BUAP Inteligencia Artificial 2

2 Introducción Agentes Como actúan para alcanzar la meta Secuencia de acciones para alcanzarla Agentes para la solución de problemas Problema, se define como: Una meta Conjunto de medios que permiten alcanzarla Búsqueda Procedimiento de exploración para determinar que es lo que se puede obtener BUAP Inteligencia Artificial 3 Introducción Formulación de metas Una meta es un conjunto de estados del mundo A través de las acciones, un agente pasa de un estado a otro Acciones Causantes de la transición de un estado a otro El agente tiene que determinar que acciones permiten obtener el estado de la meta BUAP Inteligencia Artificial 4

3 Formulación de un Problema Proceso que consiste en decidir que acciones y estados habrán de considerarse Qué condiciones son necesarias? Qué sucede si no hay forma de discernir que camino nos lleva a la meta? Qué decisión tomar en tal situación? BUAP Inteligencia Artificial 5 Búsquedas En términos generales, cuando un agente tiene ante si diversas opciones cuyo valor ignora, éstas se tienen que evaluar de alguna forma Evaluar las diversas secuencias de acciones que le conducen a estados cuyo valor se conoce Búsquedas BUAP Inteligencia Artificial 6

4 Búsquedas Algoritmo de búsqueda Entrada: un problema Salida: solución que adopta la forma de una secuencia de acciones Una vez encontrada una solución, se procede a ejecutar las acciones BUAP Inteligencia Artificial 7 Búsquedas BUAP Inteligencia Artificial 8

5 Agentes que Resuelven Problemas Formular: decidir que acciones y estados deberán considerarse Buscar: proceso para hallar las secuencias de acciones que conduzcan a una meta Ejecutar: fase donde se llevan a cabo las acciones que conducen a la meta BUAP Inteligencia Artificial 9 Agentes que Resuelven Problemas función AGENTE-SENCILLO-RESOLVENTE-PROBLEMAS(percepción) devuelve una acción entradas: percepción, una percepción estático: sec, una secuencia de acciones, vacía inicialmente estado, una descripción del estado actual del mundo objetivo, un objetivo inicialmente nulo problema, una formulación del problema estado ACTUALIZAR-ESTADO(estado, percepción) si sec está vacía entonces hacer objetivo FORMULAR OBJETIVO(estado) problema FORMULAR-PROBLEMA(estado, objetivo) sec BÚSQUEDA(problema) acción PRIMERO(secuencia) sec RESTO(secuencia) devolver acción BUAP Inteligencia Artificial 10

6 Ejemplo Imagine un agente en la ciudad de Arad, Rumanía, disfrutando ds do de un viaje de vacaciones. acaco Mañana a a sae sale un vuelo a Bucarest. Formulación del objetivo: estar en Bucarest Formulación del problema: estados: varias ciudades acciones: conducir entre las ciudades d Encontrar solución: secuencia de ciudades, por ejemplo, Arad, Sibiu, Fagaras, Bucarest. BUAP Inteligencia Artificial 11 Ejemplo BUAP Inteligencia Artificial 12

7 Ejemplo de una Aspiradora Estado simple, estado inicial 5. Solución? BUAP Inteligencia Artificial 13 Ejemplo de una Aspiradora Estado simple, estado inicial 5. Solución? [Derecha, Aspirar] Estado múltiple, estado inicial {1, 2, 3, 4, 5, 6, 7, 8} Por ejemplo, Derecha produce {2, 4, 6, 8}. Solución? BUAP Inteligencia Artificial 14

8 Ejemplo de una Aspiradora Estado simple, estado inicial 5. Solución? [Derecha, Aspirar] Conformado, estado inicial {1, 2, 3, 4, 5, 6, 7, 8} Por ejemplo, Derecha produce {2, 4, 6, 8}. Solución? [Derecha, Aspirar, Izquierda, Aspirar] Contingencia, estado inicial 5. Ley de Murphy: Aspirar a veces deposita suciedad en la alfombra. Sensores locales: suciedad, sólo en el lugar. Solución? BUAP Inteligencia Artificial 15 Ejemplo de una Aspiradora Estado simple, estado inicial 5. Solución? [Derecha, Aspirar] Conformado, estado inicial {1, 2, 3, 4, 5, 6, 7, 8} Por ejemplo, Derecha produce {2, 4, 6, 8}. Solución? [Derecha, Aspirar, Izquierda, Aspirar] Contingencia, estado inicial 5. Ley de Murphy: Aspirar a veces deposita suciedad en la alfombra. Sensores locales: suciedad, sólo en el lugar. Solución? [Derecha, si suciedad entonces Aspirar] BUAP Inteligencia Artificial 16

9 Problemas Bien Definidos Un problema se define por cuatro elementos: estado inicial por ejemplo, Estoy en Arad función sucesor S(x) = conjunto de pares acción-estado por ejemplo, S(Arad) = {<Arad Zerind, Zerind>,...} Prueba de meta, descripción para decidir si se trata de un edo meta explícito, por ejemplo, x = en Bucarest implícito, por ejemplo, en ajedrez, el estado jaque mate costo del camino, se asignan costos a una ruta por ejemplo, suma de distancias, número de acciones ejecutadas, etc. Una solución es una secuencia de acciones que parten desde un estado inicial hasta alcanzar un estado objetivo. BUAP Inteligencia Artificial 17 Costos Mediante una ruta se conectan los conjuntos de estados La solución es una ruta que conduce a estados meta Espacio de conjunto de estados cuál es el mejor camino? Permite encontrar una solución? (decisión) Es una buena solución? (optimización) Cuál es el costo de búsqueda correspondiente al tiempo y memoria necesarios para encontrar la solución? BUAP Inteligencia Artificial 18

10 Costos Costo total C.T. = Costo del Camino + Costo de la Búsqueda BUAP Inteligencia Artificial 19 Ejemplo: Espacio de Estados Aspiradora Estados? Acciones? Prueba de meta? Costo del camino? BUAP Inteligencia Artificial 20

11 Ejemplo: Espacio de Estados Aspiradora Estados? Suciedad completa y localizaciones de robot (ignorar cantidades de suciedad) Acciones? Izquierda, Derecha, Aspirar, NoOp Prueba de meta? No suciedad Costo del camino? 1 por acción (0 por NoOp) BUAP Inteligencia Artificial 21 Ejemplo: el 8-puzzle Estados? Acciones? Prueba de meta? Costo del camino? BUAP Inteligencia Artificial 22

12 Ejemplo: el 8-puzzle Estados? Localizaciones i completas de las piezas (ignorar las posiciones i intermedias) Acciones? Mover el negro a la izquierda, derecha, arriba, abajo (ignorar los atascos, etc.) Prueba de meta? = estado objetivo (proporcionado) Costo del camino? 1 por movimiento [Nota: solución óptima de la familia del n-puzzle es NP-C] BUAP Inteligencia Artificial 23 Búsquedas Árboles Idea general: Explorar las diferentes ramas de un árbol, con el objetivo de encontrar un camino desde la raíz a una hoja que represente un estado final función BÚSQUEDA-ÁRBOLES(problema,estrategia) devuelve una solución o fallo inicializa el árbol de búsqueda usando el estado inicial del problema Hacer ciclo si no hay candidatos para expandir entonces devolver fallo escoger, de acuerdo a la estrategia, un nodo hoja para expandir si el nodo contiene un estado objetivo entonces devolver la correspondiente solución en otro caso expandir el nodo y añadir los nodos resultado al árbol de búsqueda BUAP Inteligencia Artificial 24

13 Búsquedas en Árboles Búsqueda a lo ancho Búsqueda en Profundidad primero Búsqueda ancho-profundo Búsqueda en profundidad limitada BUAP Inteligencia Artificial 25 Búsqueda primero en anchura Se expande primero el nodo raíz, a continuación, se expanden todos los sucesores del nodo raíz, después sus sucesores, etc. Usa una estructura FIFO, es decir, los nuevos sucesores van al final. BUAP Inteligencia Artificial 26

14 Búsqueda primero en anchura Se expande primero el nodo raíz, a continuación, se expanden todos los sucesores del nodo raíz, después sus sucesores, etc. Usa una estructura FIFO, es decir, los nuevos sucesores van al final. BUAP Inteligencia Artificial 27 Búsqueda primero en anchura Se expande primero el nodo raíz, a continuación, se expanden todos los sucesores del nodo raíz, después sus sucesores, etc. Usa una estructura FIFO, es decir, los nuevos sucesores van al final. BUAP Inteligencia Artificial 28

15 Búsqueda primero en anchura Se expande primero el nodo raíz, a continuación, se expanden todos los sucesores del nodo raíz, después sus sucesores, etc. Usa una estructura FIFO, es decir, los nuevos sucesores van al final. BUAP Inteligencia Artificial 29 Propiedades de la búsqueda primero en anchura Completa? Sí b: factor de ramificación. ió d: profundidad de solución. Tiempo? 1+b+b 2 +b 3 + +b d + b(b d -1) = O(b d+1 ) Espacio? O(b d+1 ) (mantiene todos los nodos en la memoria) BUAP Inteligencia Artificial 30

16 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 31 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 32

17 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 33 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 34

18 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 35 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 36

19 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 37 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 38

20 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 39 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 40

21 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 41 Búsqueda primero en profundidad Usa una estructura LIFO, es decir, los sucesores se ponen BUAP Inteligencia Artificial 42

22 Propiedades de la búsqueda primero en profundidad Completa? Si Completa en espacios finitos. Tiempo? O(b m ): terrible si m es mucho mayor que d. m: máxima profundidad. Pero si las soluciones son densas, puede ser mucho más rápida que la búsqueda primero en anchura. Espacio? O(bm), es decir, espacio lineal. BUAP Inteligencia Artificial 43 Actividad Implementar un programa que determine la ruta más corta entre un par de ciudades Entrada: Mapa (conjunto de ciudades, conjunto de carreteras que unen a ciudades, distancia entre las ciudades), Origen, Destino Salida: Secuencia de ciudades a visitar (desde el origen hasta el destino). En caso de no existir un camino, reportarlo. BUAP Inteligencia Artificial 44