Inteligencia Artificial
|
|
- Ángel Germán Cuenca Ayala
- hace 7 años
- Vistas:
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
Inteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Dr. Jesús Antonio González Bernal Contenido Estructura General de un PSA (Problem Solving Agent) Formulación de un PSA Algoritmos de Búsqueda de Sl Soluciones Aplicaciones
Más detallesResolviendo Problemas Buscando Soluciones. Tomás Arredondo Vidal 16/6/2010
Resolviendo Problemas Buscando Soluciones Tomás Arredondo Vidal 16/6/2010 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas
Más detallesInteligencia Artificial
Inteligencia Artificial II Resolución de problemas mediante búsquedas 1. Introducción Dr. Edgard Iván Benítez Guerrero cursofei@gmail.com 1 1. Introducción Agentes solucionadores de problemas Problemas
Más detallesSemana 4: Métodos de Búsqueda No informados. Prof. Oscar Benito Pacheco.
Semana 4: Métodos de Búsqueda No informados Prof. Oscar Benito Pacheco. Estrategias de Búsqueda Búsqueda No Informada Búsqueda Informada (Ciega) (Heurística) 1. Búsqueda preferente por amplitud 2. Búsqueda
Más detalles25/09/2014 BÚSQUEDA NO INFORMADA / BÚSQUEDA CIEGA INTRODUCCIÓN BÚSQUEDA SUPOSICIONES DEL ENTORNO FORMULAR-BUSCAR-EJECUTAR
BÚSQUEDA NO INFORMADA / BÚSQUEDA CIEGA M. en C. Arturo Rodríguez García INTRODUCCIÓN BÚSQUEDA Proceso en el cual un agente construye una secuencia de acciones para alcanzar un objetivo. SUPOSICIONES DEL
Más detallesBúsqueda en espacio de estados
Búsqueda en espacio de estados Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Abstracción Problema Representación como espacio de estados Implementación del
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T2: Sistemas de Búsqueda {jdiez, juanjo} @ aic.uniovi.es Cómo resolverlo? Índice El papel de la búsqueda en IA Componentes de un sistema de búsqueda Ejemplos de problemas de búsqueda
Más detallesBúsqueda en espacio de estados
Búsqueda en espacio de estados Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial CCIA, US Búsqueda en espacio de estados IA 1 / 35 Metodología
Más detallesHoja de Problemas Tema 2 Búsqueda no-informada
Ejercicio 1: 1.1. El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas (a) (b) (c) (d) que actúen como las personas (tipo Eliza).
Más detallesTema 2: Búsqueda. Formalización de la resolución de problemas Ejemplos Procedimiento general de búsqueda Estrategias de control Búsqueda heurística
Tema 2: Búsqueda Formalización de la resolución de problemas Ejemplos Procedimiento general de búsqueda Estrategias de control Búsqueda heurística 1 Resolución de problemas: formalización CONCEPTO BÁSICO:
Más detallesInteligencia Artificial FCC-BUAP. Esaú Villatoro Tello Alfonso Garcés Báez
Inteligencia Artificial FCC-BUAP Esaú Villatoro Tello Alfonso Garcés Báez Agentes Inteligentes. Un agente es todo aquello que puede considerarse que percibe su ambiente mediante sensores y que responde
Más detallesCurso /09/12. Inteligencia Artificial (30223) Lección 3. Resolución de Problemas y Búsqueda. Índice. Resolución de problemas
Inteligencia Artificial (30223) Lección 3. Resolución de Problemas y Búsqueda Curso 2012-2013 José Ángel Bañares 17/09/2013. Dpto. Informática e Ingeniería de Sistemas. Índice Agente de Resolución de Problemas
Más detallesInteligencia Computacional
Inteligencia Computacional Búsqueda: sin información otros algoritmos, con información http://blancavg.com/tc3023/ Blanca A. Vargas Govea * blanca.vg@gmail.com * Agosto 17, 2012 B D A A C E B I I F C G
Más detallesBúsqueda y resolución de problemas. Capítulo 3, Secciones 1 5 1
úsqueda y resolución de problemas apítulo 3, Secciones 1 5 apítulo 3, Secciones 1 5 1 ontenido gentes solucionadores de problemas Tipos de problemas Formulación de problemas Problemas de ejemplo lgoritmos
Más detallesTema 2: Búsqueda. Resolución de problemas: formalización. Búsqueda en espacio de estados. Ejemplos. Búsqueda en espacio de estados.
Tema 2: Búsqueda Formalización de la resolución de problemas Ejemplos Procedimiento general de búsqueda Estrategias de control Búsqueda heurística Resolución de problemas: formalización CONCEPTO BÁSICO:
Más detalles(b) Cuál es la desventaja principal de una heurística con aprendizaje? es más informada que otra función heurística optimista h 2 *?
UNIVERIDD REY JUN CRLO CURO 0-0 INTELIGENCI RTIFICIL Hoja de Problemas Tema Ejercicio : Conteste a las siguientes preguntas: (a) Cómo funciona una heurística con aprendizaje? olución: Una heurística con
Más detallesBúsqueda Heurística (1ª parte)
Búsqueda Heurística (1ª parte) Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda
Más detallesInteligencia Artificial Clase #3 Agente Solucionador de Problemas. Dr. Wladimir Rodríguez Postgrado en Computación
Clase #3 Agente Solucionador de Problemas Postgrado en Computación wladimir@ula.ve Agenda Agente Solucionador de Tareas Formulación de los Problemas Espacio de Estados Problemas de Búsqueda Búsqueda en
Más detallesInteligencia Artificial
Inteligencia Artificial II Resolución de problemas mediante búsquedas 3. Búsquedas informadas Dr. Edgard Iván Benítez Guerrero 1 Búsqueda informada o heurísticas La búsqueda no informada es ineficiente
Más detallesMétodos de Búsqueda para juegos humano-maquina. PROF: Lic. Ana María Huayna D.
Métodos de Búsqueda para juegos humano-maquina PROF: Lic. Ana María Huayna D. Tópicos 1. Introducción 2. Juegos 3. Estrategias de Juego 4. Algoritmo Minimax 5. Algoritmo Poda Alfa-Beta 1.- Introducción
Más detallesAlgoritmos de Búsqueda Informados. Tomas Arredondo Vidal 16/6/2010
Algoritmos de Búsqueda Informados Tomas Arredondo Vidal 16/6/2010 Algoritmos de Búsqueda Informados Contenidos Best-first search Greedy best-first search A * search Heurísticas Búsqueda local Best-first
Más detallesUNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR
UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR INTEGRANTES: Caricari Cala Aquilardo Villarroel Fernandez Fructuoso DOCENTE: Lic. Garcia
Más detalles3ra. Practica. Algoritmos de Búsqueda. Inteligencia Artificial Prácticas 2004/2005
3ra. Practica Algoritmos de Búsqueda Inteligencia Artificial Prácticas 2004/2005 Algoritmos de Búsqueda Algoritmos Básicos: (búsqueda no informada) Búsqueda preferente por amplitud Búsqueda preferente
Más detallesTema 3: Técnicas básicas de búsqueda para la resolución de problemas
Tema 3: Técnicas básicas de búsqueda para la resolución de problemas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesRESOLUCIÓN DE PROBLEMAS, BÚSQUEDA. Ing. Ronald A. Rentería Ayquipa
RESOLUCIÓN DE PROBLEMAS, BÚSQUEDA Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar
Más detallesBúsqueda en línea y Búsqueda multiagente
Búsqueda en línea y Búsqueda multiagente Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados
Más detalles4.1 Concepto de árbol.
Apuntes Estructura de Datos Autor: Ing. Felipe Alanís González Página 1 4.1 Concepto de árbol. Una estructura de árbol es una forma de representar la JERARQUÍA de ciertos objetos en una forma gráfica.
Más detallesAlgoritmos de búsqueda informada
Teoría 4: Algoritmos de búsqueda informada Sistemas Inteligentes Sistemas Inteligentes 1 Carreras: Ingeniería en Informática Ingeniería en Computación (Optativa) e-mail: lcagnina@unsl.edu.ar Departamento
Más detallesSolución de Problemas Mediante Búsqueda (2) Carlos Hurtado Depto de Ciencias de la Computación, Universidad de Chile
Solución de Problemas Mediante Búsqueda (2) Carlos Hurtado Depto de Ciencias de la Computación, Universidad de Chile Manhattan Bike Curier (Acíclico) Ref. Curso IA U. of Toronto Algoritmo Genérico de Búsqueda
Más detallesUnidad 1 Introducción y resolución de problemas 11/01/2014
Unidad 1 Introducción y resolución de problemas 11/01/2014 Unidad 1 Lección 1 Introducción a la Inteligencia Artificial 3 Contenidos 1. Qué es inteligencia artificial? 2. Perspectiva histórica 3. Tipos
Más detallesBúsqueda en e.e. --> reglas para elegir entre las ramas que con más probabilidad lleven a la solución.
BÚSQUEDA HEURÍSTICA estudio de los métodos y reglas del descubrimiento y la invención. Búsqueda en e.e. --> reglas para elegir entre las ramas que con más probabilidad lleven a la solución. Situaciones
Más detallesCAPÍTULO 2. ÁRBOLES 2.0. CONCEPTOS GENERALES
CAPÍTULO 2. ÁRBOLES 2.0. CONCEPTOS GENERALES Los árboles (en general) se utilizan para representar fórmulas algebraicas, para organizar objetos en orden de tal forma que las búsquedas sean muy eficientes
Más detallesSolución de Problemas Mediante Búsqueda (1) Carlos Hurtado L. Depto de Ciencias de la Computación, Universidad de Chile
Solución de Problemas Mediante Búsqueda (1) Carlos Hurtado L. Depto de Ciencias de la Computación, Universidad de Chile Contenido Solución de problemas mediante búsqueda Modelación de problemas como búsquedas
Más detallesFrancisco J. Hernández López
Francisco J. Hernández López fcoj23@cimat.mx Sus aristas son pares de vértices no ordenados, es decir si hay un camino del vértice i al vértice j, será exactamente el mismo camino del vértice j al vértice
Más detallesFundamentos de Inteligencia Artificial
Fundamentos de Inteligencia Artificial Búsqueda con Adversario Hugo Vega Huerta En esta sección Conoceremos métodos que permiten practicar juegos de tablero. una opción conduce a otra, pero se trata de
Más detallesTema: Búsqueda a Ciegas (No Informada).
Sistemas Expertos e Inteligencia Artificial. Guía No. 4 1 Tema: Búsqueda a Ciegas (No Informada). Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Objetivos
Más detallesPara definir en formalmente el juego se deberá establecer:
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 5- JUEGOS COMO PROBLEMA DE BÚSQUEDA Referencias: Inteligencia Artificial Russell and Norvig Cap.5. Artificial Intellingence Nils Nilsson Ch.3 Se trata el
Más detallesAgentes que resuelven problemas
Agentes que resuelven problemas 1. Formulación de meta (decidir que estados son objetivo) y del problema (decidir que acciones y estados se van a considerar) 2. Buscar una solución (examinar posibles acciones
Más detallesAlgoritmos de búsqueda con espacio de memoria limitado
Algoritmos de búsqueda con espacio de memoria limitado Los métodos de búsqueda por primero el mejor, tales como A, no escalan bien a grandes problemas de búsqueda debido a su consumo de memoria, mientras
Más detallesEstado 3.2 (coste = 9)
Búsqueda heurística Fernando Berzal, berzal@acm.org Búsqueda heurística Búsqueda primero el mejor p.ej. búsqueda de coste uniforme [UCS] Heurísticas Búsqueda greedy El algoritmo A* Heurísticas admisibles
Más detallesSistemas Inteligentes. 3 o Ingeniería Informática
Sistemas Inteligentes Félix Gómez Mármol 3 o Ingeniería Informática 2 Índice general 1. Elementos de un Problema 5 1.1. Problemas y Representación de Problemas.................... 5 1.1.1. Representación
Más detallesTema 3: Técnicas básicas de
Inteligencia Artificial Curso 999 2000 Tema 3: Técnicas básicas de búsqueda José A. Alonso Jiménez Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de
Más detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detallesIV. Métodos de Búsqueda Estudiaremos los métodos de búsqueda para resolver problema de la IA
IV. Métodos de Búsqueda Estudiaremos los métodos de búsqueda para resolver problema de la IA 1 4. Métodos de Búsqueda Tópicos Métodos de búsqueda Árbol de estado Métodos a ciegas Función evaluadora Métodos
Más detallesBúsqueda no-informada
Inteligencia rtificial úsqueda no-informada Ingeniería Informática, 4º urso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Inteligencia rtificial Tema 2: gentes basados en úsqueda Resumen:
Más detallesInteligencia Artificial
I.T. en Informática de Sistemas, 3º Curso académico: 2009/2010 Profesores: Sascha Ossowski y Ramón Hermoso 1 Tema 2: Búsqueda Resumen: 2. Búsqueda 2.1. Agentes de resolución de problemas 2.2. Búsqueda
Más detalles25/09/2014 BÚSQUEDA INFORMADA BÚSQUEDA VORAZ PRIMERO EL MEJOR (BÚSQUEDA ÁVARA / BÚSQUEDA PRIMERO EL MEJOR) EJEMPLO BÚSQUEDA VORAZ
Galadriel a Frodo, en El señor de los anillos: BÚSQUEDA INFORMADA M. en C. Arturo Rodríguez García Te entrego la luz de Eärendil, nuestra más preciada estrella, que ella te ilumine en los lugares más oscuros
Más detallesInteligencia Artificial en Investigación Operativa. Curso académico 2012/2013. Práctica 1. Técnicas de búsqueda heurística
Inteligencia Artificial en Investigación Operativa Curso académico 2012/2013 Práctica 1 Técnicas de búsqueda heurística Fernando Berzal ENTREGA DE LA PRÁCTICA (a través del acceso identificado de DECSAI)
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Búsqueda Representación Tipos búsquedas: Sin información Con información
Más detallesInteligencia Artificial Resolver problemas mediante búsqueda
Inteligencia Artificial Resolver problemas mediante búsqueda Primavera 2007 profesor: Luigi Ceccaroni Resolución de problemas Se quiere: Resolver automáticamente un problema Se necesita: Una representación
Más detallesTema 2: Juegos unipersonales
Tema : Juegos unipersonales Resumen:. Juegos unipersonales.. Representación básica.. Juegos con información completa.. Recursos limitados en juegos con información completa.. Juegos con información incompleta
Más detallesApellidos:... Nombre:... Ejercicio 1 (Cuestiones) [2 puntos] Responder a las siguientes cuestiones de manera clara y concisa:
Inteligencia Artificial I (5 Febrero 2008) Apellidos:... Nombre:... Ejercicio 1 (Cuestiones) [2 puntos] Responder a las siguientes cuestiones de manera clara y concisa: 1. Consideremos el siguiente puzle:
Más detallesProcedimientos de búsqueda miopes aleatorizados y adaptativos (GRASP)
Procedimientos de búsqueda miopes aleatorizados y adaptativos (GRASP) Se basan en la premisa de que soluciones iniciales diversas y de buena calidad juegan un papel importante en el éxito de métodos de
Más detallesInteligencia Artificial
Inteligencia Artificial Grupo PLG Universidad Carlos III de Madrid IA. 2008 Grupo PLG (UC3M) Inteligencia Artificial Inteligencia Artificial 1 / 70 Indice 1 Introducción 2 Búsqueda sin información Búsqueda
Más detallesCentro Asociado Palma de Mallorca. Tutor: Antonio Rivero Cuesta
Centro Asociado Palma de Mallorca Lógica y Estructuras Discretas Tutor: Antonio Rivero Cuesta Tema 5 Teoría de Grafos Conceptos Básicos Un grafo consta de: Grafo Un conjunto de nodos, Un conjunto de aristas
Más detallesInteligencia Artificial Búsqueda informada y exploración
Inteligencia Artificial Búsqueda informada y exploración Primavera 2008 profesor: Luigi Ceccaroni Introducción La búsqueda informada utiliza el conocimiento específico del problema. Puede encontrar soluciones
Más detallesOBJETIVO INTRODUCCIÓN
Fecha: 27 de mayo 2015 Tema: Búsqueda con información Parcial OBJETIVO Entender sobre la búsqueda con información parcial, tipos de problemas de búsqueda, como un agente puede construir secuencia de acciones
Más detallesApellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
Más detallesResumen de las clases dictadas: Semana 16 al 20 de Noviembre INTRODUCCIÓN
Resumen de las clases dictadas: Semana 16 al 20 de Noviembre 2015 Tema: Algoritmo Minimax 1. INTRODUCCIÓN En este tema se tratará sobre el algoritmo minimax, con el propósito de mostrar implementaciones
Más detallesParte de Algoritmos de la asignatura de Programación Master de Bioinformática. Búsqueda exhaustiva
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática Búsqueda exhaustiva Web asignatura: http://dis.um.es/~domingo/algbio.html E-mail profesor: domingo@um.es Transparencias preparadas
Más detallesCapítulo 8. Árboles. Continuar
Capítulo 8. Árboles Continuar Introducción Uno de los problemas principales para el tratamiento de los grafos es que no guardan una estructura establecida y que no respetan reglas, ya que la relación entre
Más detallesINTELIGENCIA ARTIFICIAL II
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO PERIODO ABR. /SEP.-2015 INTELIGENCIA ARTIFICIAL II TEMA: RESUMEN#2: - OTROS ALGORITMOS DE BÚSQUEDA
Más detallesPlanteamiento General
Algoritmos de Ramificación y Poda Ejemplos de Aplicación Problema de la Mochila entera Problema del Rompecabezas Problema de la Asignación Problema del Viajante Se aplica a problemas que cumplen: Se puedan
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesINGENIERÍA EN SISTEMAS Y COMUNICACIONES
INGENIERÍA EN SISTEMAS Y COMUNICACIONES UDA: INTELIGENCIA ARTIFICIAL TEMA: RESOLUCIÓN DE PROBLEMAS ESTRATEGIAS DE BÚSQUEDA Y CONTROL E L A B O R Ó : D R. E N C. H É C T O R R A F A E L O R O Z C O A G
Más detallesTema 4: Búsqueda informada mediante técnicas heurísticas
Tema 4: Búsqueda informada mediante técnicas heurísticas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos 1 Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesHoja de Ejercicios. Temas 1 y 2
Hoja de Ejercicios Temas 1 y 2 Ejercicio 1: Complete las siguientes frases con las alternativas especificadas. Si existen varias alternativas verdaderas, márquelas todas. 1.1. Cuál(es) de las siguientes
Más detallesInteligencia Artificial Búsqueda informada y exploración
Inteligencia Artificial Búsqueda informada y exploración Introducción La búsqueda informada utiliza el conocimiento específico del problema. Puede encontrar soluciones de una manera más eficiente. Una
Más detallesIntroducción a Árboles Árboles Binarios
Introducción a Árboles Árboles Binarios Estructuras de Datos Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Introducción a Árboles Estructuras hasta ahora Estructuras
Más detallesBúsqueda Heurística III
Búsqueda Heurística III Pedro Meseguer IIIA-CSIC Bellaterra, Spain pedro@iiia.csic.es Búsqueda heurística Búsqueda informada por la función heurística f(n) Algoritmos: esquema primero el mejor (best-first)
Más detallesNo se permiten libros ni apuntes. Ejercicio 1 Ejercicio 2 Ejercicio 3 Ejercicio 4 TOTAL NOTA
PLLID: MR: o se permiten libros ni apuntes jercicio 1 jercicio 2 jercicio 3 jercicio 4 TTL T jercicio 1: [XX puntos: respuesta acertada = +2, respuesta incorrecta = 2] Complete las siguientes frases y
Más detallesCurso /10/12. Inteligencia Artificial (30223) Lección 4. Búsqueda Informada. Índice. Descripción informal de la búsqueda en grafo
Inteligencia Artificial (30223) Lección 4. Búsqueda Informada Curso 202-203 José Ángel Bañares 7/09/203. Dpto. Informática e Ingeniería de Sistemas. Índice Informada= Utiliza conocimiento problema Estrategias
Más detallesJuegos. Esquema. Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β
Juegos Transparencias IA (F29) M.Marcos, 2002 (Figuras c S.Russell & P.Norvig, 1998) 1 Esquema Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β Transparencias IA
Más detallesEn este artículo introduciremos un algoritmo de carácter netamente geométrico para la diferencia m - n de números naturales en un árbol natural.
Título: Representación Binaria de la Resta de los Números Naturales Autor: Luis R. Morera González En este artículo introduciremos un algoritmo de carácter netamente geométrico para la diferencia m - n
Más detallesALGORITMOS DE BÚSQUEDA. Ing. Ronald A. Rentería Ayquipa
ALGORITMOS DE BÚSQUEDA Algoritmos de Búsqueda Tipos Tipos de algoritmos de búsqueda ALGORITMOS DE BÚSQUEDA NO INFORMADA ALGORITMOS DE BÚSQUEDA HEURÍSTICA Búsqueda no informada Introducción Búsqueda no
Más detallesEstructura de Datos. Estructuras de Datos no lineales : Árboles
Estructura de Datos Estructuras de Datos no lineales : Árboles Definiciones de Árbol En términos matemáticos, un árbol es cualquier conjunto de puntos, llamados vértices, y cualquier conjunto de pares
Más detallesGrafos: algunas definiciones
Grafos: algunas definiciones Un grafo dirigido G es un par (V, E), donde V es un conjunto finito de nodos (o vértices) y E es una relación binaria sobre V. Un grafo no dirigido G es un par (V, E), donde
Más detallesTema 4: Resolución de problemas de espacios de estados
Programación lógica Curso 2004 05 Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Más detallesAnálisis y Complejidad de Algoritmos. Arboles Binarios. Arturo Díaz Pérez
Análisis y Complejidad de Algoritmos Arboles Binarios Arturo Díaz Pérez Arboles Definiciones Recorridos Arboles Binarios Profundidad y Número de Nodos Arboles-1 Arbol Un árbol es una colección de elementos,
Más detallesPlaneación y Búsqueda. IA Planeación de Trayectorias y Métodos de Búsqueda
IA Planeación de Trayectorias y Métodos de Búsqueda Planeación y Búsqueda Cuando se enfrenta uno a un problema que se resuelve por una búsqueda, se suelen presentar dos escenarios: El ambiente es estático
Más detallesINTELIGENCIA ARTIFICIAL II
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO PERIODO ABR. /SEP.-2015 INTELIGENCIA ARTIFICIAL II TEMA: RESUMEN#3: BÚSQUEDA INFORMADA Y EXPLORACIÓN
Más detallesInteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad II:Técnicas de Búsqueda. 2.1. Solución de problemas con búsqueda. 2.2. Espacios de estados.
Más detallesProblemas de búsqueda entre adversarios
Introducción, I Problemas de búsqueda entre adversarios Juegos For IA researchers, the abstract nature of games makes them an appealing subject for study (Russell & Norvig, 2003). Juegos» Origen, 1928:
Más detallesEstructuras dinámicas lineales (i)
Estructuras dinámicas lineales (i) Introducción En la lección anterior se explicaron los conceptos de dinámicas y puntero; vimos la forma en que se implementan dichas tanto en la notación algorítmica como
Más detallesRecorridos de grafos
Recorridos de grafos Introducción 2 Recorrido en profundidad 3 Recorrido en anchura 9 Ordenación topológica 12 J. Campos - C.P.S. Esquemas algorítmicos - Grafos Pág. 1 Introducción Justificación de la
Más detallesPlaneación de Trayectorias y Métodos de Búsqueda. Dr. Jesús Antonio González Bernal
IA Planeación de Trayectorias y Métodos de Búsqueda Dr. Jesús Antonio González Bernal Planeación y Búsqueda Cuando enfrentamos un problema que se resuelve por una búsqueda, se suelen presentar dos escenarios:
Más detallesLic. Carmen Rosa Garcia Perez. Cruz Urrelo Teofilo. Hilari Orozco Sonia Nidia. Tonore Cholima Luis Miguel
UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGIA DPTO: INFORMATICA Y SISTEMAS Docente: Integrantes: Lic. Carmen Rosa Garcia Perez Acua Mendoza roger Cruz Urrelo Teofilo Hilari Orozco Sonia
Más detallesTema 08: TAD Árbol. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 08: TAD Árbol M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Descripción del TAD Árbol Especificación
Más detallesBúsqueda Informada. Heurísticas
Búsqueda Informada Heurísticas Búsqueda informada: heurística Ejemplo de heurística para el problema del viajante de comercio Clasificación de heurísticas Ventajas de las heurísticas Aplicando heurísticas
Más detallesProgramación Lineal. Modelo de Redes. Alcance de las aplicaciones. Curso: Investigación de Operaciones Ing. Javier Villatoro
Programación Lineal Modelo de Redes Alcance de las aplicaciones Curso: Investigación de Operaciones Ing. Javier Villatoro ALCANCE DE LAS APLICACONES DE REDES ALCANCE DE LAS APLICACIONES Muchas situaciones
Más detallesProgramación lógica ( )
1 / 48 Programación lógica (2008 09) Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad
Más detallesProblemas de. adversarios. Juegos
Problemas de búsqueda entre adversarios Juegos 1 Juegos Introducción, I» Origen, 1928: John Von Newmann Teorema fundamental de los juegos bipersonales de suma nula.» Desarrollo, 1944: Von Newmann, J. Morgernsten,
Más detallesInteligencia Artificial. Oscar Bedoya
Inteligencia Artificial Oscar Bedoya oscar.bedoya@correounivalle.edu.co http://eisc.univalle.edu.co/~oscarbed/ia/ * Agentes * Estructura de un agente * Tipos de agentes Agente Sistema que recibe información
Más detallesBúsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Más detallesINSTITUTO TECNOLÓGICO DE NUEVO LAREDO. INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia: Inteligencia Artificial. Catedrático:
INSTITUTO TECNOLÓGICO DE NUEVO LAREDO. INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia: Inteligencia Artificial. Catedrático: Ing. Bruno López Takeyas. Tema Equipo 3 : Hill Climbing. Alumnos: Alvarado
Más detallesInteligencia Artificial
Inteligencia Artificial Tema 2 Estructura de un Agente Ivan Olmos Pineda Contenido Clasificación de Agentes Agentes de Reflejo Simple Agentes Bien Informados de lo que Pasa Agentes Basados en Metas Agentes
Más detallesEstructuras de datos utilizando JAVA
1 Sistemas Expertos e Inteligencia Artificial / Guía II / Ciclo 01-2017 Centro de Investigación y Transferencia de Tecnología Estructuras de datos utilizando JAVA Facultad: Ingeniería Escuela: Computación
Más detalles