Tema: Búsqueda a Ciegas (No Informada).
|
|
- Ana Maidana Saavedra
- hace 5 años
- Vistas:
Transcripción
1 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 Específicos Comprender el concepto de Búsqueda en la Inteligencia Artificial. Comprender cómo un agente puede encontrar una secuencia de acciones que le permita alcanzar sus objetivos, cuando ninguna acción simple lo hará. Identificar tipos de búsqueda utilizados en algoritmos de inteligencia artificial. Implementar agentes que utilicen métodos de búsqueda no informada utilizando Windows Forms de Microsoft Visual C#. Materiales y Equipo Guía Número 4. Computadora con programa Microsoft Visual C#. Introducción Teórica Una aplicación que se les da a los agentes inteligentes es la de ser solucionadores de problemas. Para poder diseñar un agente resolvente de problemas deben considerarse ciertos criterios, los cuales mencionaremos a continuación. Lo que se requiere es resolver un problema de forma automática, a través de un agente. Para ello se necesita: Una representación del problema. Algoritmos que usen alguna estrategia para resolver el problema definido en esa representación. Definición del problema. Si se abstraen los elementos de un problema se pueden identificar los siguientes: Un punto de partida.
2 2 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 Un objetivo a alcanzar. Acciones a disposición para resolver el problema. Restricciones sobre el objetivo (ejemplo: de costo). Elementos del dominio que son relevantes en el problema (ejemplo: conocimiento incompleto del punto de partida). Para poder resolver el problema, debemos construir un modelo para basar nuestras decisiones en las consecuencias (hipotéticas) de nuestras acciones. En la imagen siguiente, observamos la descripción de un problema típico en Inteligencia Artificial: Un agente simple resolvente de problemas, se puede implementar con el siguiente algoritmo:
3 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 3 Solución de problemas con búsqueda. La solución de problemas es fundamental para la mayoría de las aplicaciones de IA, existen principalmente dos clases de problemas que se pueden resolver mediante procesos computables: aquéllos en los que se utiliza un algoritmo determinista que garantiza la solución al problema y las tareas complejas que se resuelven con la búsqueda de una solución; de ésta última clase de problemas se ocupa la IA. Qué es búsqueda? La búsqueda es una técnica para resolver problemas cuya solución consiste en una serie de pasos que frecuentemente deben determinarse mediante la prueba sistemática de las alternativas. Desde los inicios de la Inteligencia Artificial, la búsqueda se ha aplicado en diversas clases de problemas como juegos de dos jugadores, problemas de satisfacción de restricciones y problemas de encontrar solución a través de agentes. La solución de problemas requiere dos consideraciones: Representación del problema en un espacio organizado. La capacidad de probar la existencia del estado objetivo en dicho espacio. Las anteriores premisas se traducen en: la determinación del estado objetivo y la determinación del camino óptimo guiado por este objetivo a través de una o más transiciones dado un estado inicial. El espacio de búsqueda, se le conoce como una colección de estados. En general los espacios de búsqueda en los problemas de IA no son completamente conocidos de forma a priori. De lo anterior, resolver un problema de IA cuenta con dos fases: 1. La generación del espacio de estados. 2. La búsqueda del estado deseado en ese espacio. Debido a que todo el espacio de búsqueda de un problema es muy grande, puede causar un bloqueo de memoria, dejando muy poco espacio para el proceso de búsqueda. Para solucionar esto, se expande el espacio paso a paso, hasta encontrar el estado objetivo. Muchos de los problemas que pueden ser resueltos aplicando técnicas de inteligencia artificial se modelan en forma simbólica y discreta definiendo las configuraciones posibles del universo estudiado. El problema se plantea entonces en términos de encontrar una configuración objetivo a partir de una configuración inicial dada, aplicando transformaciones válidas según el modelo del universo. La
4 4 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 respuesta es la secuencia de transformaciones cuya aplicación sucesiva lleva a la configuración deseada. Los ejemplos más característicos de esta categoría de problemas son los juegos (son universos restringidos fáciles de modelar). En un juego, las configuraciones del universo corresponden directamente a las configuraciones del tablero. Cada configuración es un estado que puede ser esquematizado gráficamente y representado en forma simbólica. Las transformaciones permitidas corresponden a las reglas o movidas del juego, formalizadas como transiciones de estado. Entonces, para plantear formalmente un problema, se requiere precisar una representación simbólica de los estados y definir reglas del tipo condición-acción para cada una de las transiciones válidas dentro del universo modelado. La acción de una regla indica como modificar el estado actual para generar un nuevo estado. La condición impone restricciones sobre la aplicabilidad de la regla según el estado actual, el estado generado o la historia completa del proceso de solución. El espacio de estados de un juego es un grafo cuyos nodos representan las configuraciones alcanzables (los estados válidos) y cuyos arcos explicitan las movidas posibles (las transiciones de estado). En principio, se puede construir cualquier espacio de estados partiendo del estado inicial, aplicando cada una de las reglas para generar los sucesores inmediatos, y así sucesivamente con cada uno de los nuevos estados generados (en la práctica, los espacios de estados suelen ser demasiado grandes para explicitarlos por completo). Cuando un problema se puede representar mediante un espacio de estados, la solución computacional corresponde a encontrar un camino desde el estado inicial a un estado objetivo. Con ello, podemos reescribir el algoritmo para el agente solucionador de problemas así: 1. estado inicial sensar/leer estado 2. meta seleccionar/leer meta 3. sucesor seleccionar/leer modelos de acción 4. problema (estado inicial, meta, sucesor) 5. solución búsqueda(problema) 6. ejecutar(solución) Esto significa que el agente necesita realizar un proceso de búsqueda para encontrar la solución, por lo tanto el problema a resolver por el agente se convierte en un problema de búsqueda. Por ello es necesario la formulación de un problema de búsqueda:
5 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 5 Ambientes del mundo real abstracción Validez: Se puede ejecutar la solución? Contiene el espacio de estados la solución? Utilidad: Es el problema abstracto más fácil que el problema del mundo real. Esto es muy importante, pues sin abstracción, un agente se perdería en el mundo real. Un problema de búsqueda en Inteligencia Artificial consta de: Un espacio de estados. Es discreto. Cada estado es una representación abstracta del ambiente. Representa todos los caminos que hay entre todos los estados posibles de un problema. El espacio de estados forma un grafo (representación matemática de un problema de búsqueda) en el cual los nodos son estados y los arcos son acciones. La solución del problema está dentro de ese mapa. Un conjunto de operadores (acciones, con costes), función sucesor. Es una representación del problema a través de las posibles acciones del agente. Para poder moverse entre los diferentes estados se necesita una función sucesor (función de transformación sobre la representación de un estado que lo convierte en otro estado). Esta función define una relación de accesibilidad entre estados. Un estado inicial (punto de partida de la búsqueda). Se denomina estado a la representación de los elementos que describen el problema en un momento dado. Se distinguen dos estados especiales: el estado inicial (punto de partida, usualmente el estado actual) y el estado final (en general, el objetivo del problema). Una función objetivo. Comprueba si el estado actual corresponde a una solución del problema. Usualmente es una condición, algunas veces la descripción de un estado. También debe considerarse el costo del camino (número positivo), que usualmente es la suma de los costos de cada paso. Búsqueda en el espacio de estados. Se define una representación del espacio de estados para poder implementar algoritmos que busquen soluciones.
6 6 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 La resolución de un problema con esta representación pasa por explorar el espacio de estados. Se empieza del estado inicial y se evalúa cada paso hasta encontrar un estado final. En el caso peor se exploran todos los posibles caminos entre el estado inicial del problema y el estado final. La búsqueda la realiza un programa (o agente). Para representar el espacio de estados pueden utilizarse las estructuras de datos: árboles y grafos. El grafo es una representación matemática de un problema de búsqueda (nodos: estados; arcos: operadores). Representa todas las posibles transformaciones del sistema aplicando todos los operadores posibles recursivamente. El espacio de búsqueda será un grafo dirigido en el que cada nodo representa un posible estado del sistema. Dependiendo del problema, cada nodo incluirá una descripción completa del sistema, o bien sólo las modificaciones necesarias para pasar de un nodo padre a su hijo. Debido a la complejidad exponencial del grafo implícito, se irá generando, paso a paso, una porción del grafo conforme avance el proceso de búsqueda. El grafo explícito es el subgrafo del grafo implícito que se va generando durante el proceso de búsqueda de una secuencia de operadores que resuelva nuestro problema (camino solución), usualmente, en forma de árbol, de ahí su nombre: Árbol de Búsqueda. En la figura siguiente observamos la representación de este árbol: Para la búsqueda básica se toman las siguientes suposiciones: El ambiente es estático. El ambiente es discretizable. El ambiente es observable. Las acciones son determinísticas. En el árbol de búsqueda podemos distinguir: Nodo raíz: Estado inicial. Hijos de un nodo: Posibles sucesores (nodos correspondientes a estados resultantes de la aplicación de un operador al nodo padre).
7 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 7 Los nodos del árbol representan estados, pero corresponden a planes mediante los cuales se alcanzan dichos estados. Las diferentes políticas de orden de expansión y de inserción de los nodos generados en la estructura determinan el tipo de búsqueda a utilizar. Las condiciones de parada en el árbol de búsqueda son: Se ha encontrado la solución. Se ha acabado el tiempo disponible. Se ha llegado a un nivel de profundidad determinado. Según el tipo de problema, nos podemos encontrar con: Agentes de búsqueda que devuelven un único operador, por ejemplo: Juegos con adversario (como el ajedrez). Agentes de búsqueda que devuelven una secuencia de operadores, por ejemplo: Juegos sin adversario (como el 8-puzzle), Sistemas de planificación, Sistemas expertos (con encadenamiento hacia adelante).
8 8 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 Algoritmos de Búsqueda. La idea básica de estos algoritmos es: fuera del mundo real, realizar exploración simulada del espacio de estados generando sucesores de los estados ya explorados (también conocida como expansión de los estados). Un estado es una representación de una configuración física. Un nodo es una estructura de datos que forma parte de un árbol de búsqueda e incluye: padres, hijos, profundidad y costo del camino. Los estados carecen de esas cosas. La función Expandir crea nuevos nodos, llenando los distintos campos y usando la función sucesor del problema para crear los estados correspondientes. Entonces el algoritmo de búsqueda cambia a: Los algoritmos de búsqueda en general deben implementar dos tareas para la consecución del objetivo final: a. Permitir la transición de un estado a otro mediante operadores o acciones. b. Controlar en cierto modo esos movimientos, porque habitualmente responden a decisiones que se han ido tomando.
9 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 9 La búsqueda aleatoria puede funcionar en algunos problemas, pero, en general, la búsqueda debe ser organizada, debe realizarse en forma metódica para que sea más eficiente y tener control de la misma. Por eso, las tareas de búsqueda se clasifican en dos grandes grupos según sea la situación inicial o el planteamiento del problema a resolver: 1. La búsqueda sistemática que no utiliza información sobre el problema para ayudarse en esa búsqueda directa en el espacio de estados, es la llamada búsqueda a ciegas (no informada), o fuerza bruta. Es decir, no hay caminos prioritarios hacia el objetivo final. 2. Los algoritmos que utilizan información sobre el problema, como el coste o la distancia al estado final, se denominan heurísticos o búsqueda dirigida o respaldada con información. La principal ventaja de éstos es que se puede seleccionar con más fundamento cuál es el siguiente nodo que se debe expandir, lo que mejora la eficiencia de la búsqueda. Para juzgar la eficiencia de una búsqueda, e incluso para determinar si se trata de una búsqueda a ciegas o una búsqueda heurística, hay algunos conceptos que se deben considerar: Coste de un arco. Indica el tiempo requerido para aplicar un operador a un estado en el proceso de búsqueda (por defecto tiene el valor de 1). Coste de un nodo. Medida del tiempo consumido en un nodo a lo largo del mejor camino encontrado hasta un momento dado. Factor de ramificación. Número medio de descendientes de un nodo o número medio de operadores que pueden aplicarse a un estado. Longitud de una trayectoria. Número de nodos generados en un camino, es decir, el número de operadores aplicados en dicho camino. Profundidad. Longitud del camino más corto desde el estado inicial a un nodo determinado. La profundidad del nodo raíz es 0. Búsqueda a Ciegas (Búsqueda no informada).
10 10 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 Como se mencionó anteriormente, es la que no cuenta con información a priori que la dirija en su secuencia de acciones para la consecución del objetivo final. Es decir, realiza una búsqueda exhaustiva. Sólo realizaremos una búsqueda a ciegas (blind search) cuando no exista información específica sobre el problema que nos ayude a determinar cuál es el mejor operador que se debería aplicar en cada momento o el mejor nodo por el que continuar la búsqueda. Se pueden utilizar distintos criterios para explorar el espacio de búsqueda, por ejemplo: LIFO (en profundidad) o FIFO (en anchura). Las estrategias de búsqueda no informada sólo utilizan la información disponible en la definición del problema. No tienen en cuenta el coste de la solución en la búsqueda. Su funcionamiento es sistemático, siguen un orden de visitas y generación de nodo establecido por la estructura del espacio de búsqueda. Ejemplos: Búsqueda primero en anchura. Búsqueda primero en profundidad. Búsqueda de profundidad limitada. Búsqueda en profundidad iterativa. Procedimiento Ejemplo 1. En esta sesión de laboratorio simularemos el funcionamiento de un agente de búsqueda en juegos sin adversario: el problema del juego 8 puzzle en Microsoft Visual C#. El tradicional juego del 8-puzzle consiste, en un tablero con 9 casillas, las cuales van enumeradas del 1 al 8 más una casilla vacía. Dicha casilla vacía, es la que, con movimientos horizontales, verticales, hacia la izquierda o derecha, debe ser desplazada e intercambiada con alguno de sus vecinos, de manera que, dada una configuración inicial se llegue a una configuración final (meta).
11 Sistemas Expertos e Inteligencia Artificial. Guía No Este problema, al tratar de ser resuelto computacionalmente representa un problema al que debemos de tratar con sumo cuidado. Aunque las reglas del juego sean sencillas de realizar (y evidentemente de programar) conlleva una complejidad mayor al momento de obtener la solución, es por esta razón que resulta un ejemplo clásico y muy didáctico para poner en práctica algoritmos de búsqueda que encuentren la solución eficiente a una configuración de 8-puzzle. Definimos el problema como un problema de búsqueda en Inteligencia Artificial: A continuación se muestra el árbol de búsqueda para el ejemplo mostrado: A continuación procederemos a diseñar el simulador para el agente de búsqueda del 8 puzzle.
12 12 Sistemas Expertos e Inteligencia Artificial. Guía No Crear un proyecto de tipo Windows Forms Application, se sugiere darle el nombre de Agente de Búsqueda. 2. Diseñar el formulario de tal manera que luzca similar al mostrado en la figura: El formulario está compuesto por 18 botones. Los del lado izquierdo ( Estado Inicial ) son los que permitirán realizar la simulación para el juego manual del usuario. Los botones de lado derecho no tienen mayor utilización más que la visual, pues indican el Estado Objetivo. Se llevará un control de la cantidad de movimientos realizados en el juego. 3. Al dar clic a cualquiera de los botones, este se intercambiará con el botón blanco, si este se encuentra cercano. Esto permitirá simular la animación del movimiento de las piezas del puzzle. Para ello haremos uso de una función de nombre Intercambio. El código para realizar esto se muestra a continuación.
13 Sistemas Expertos e Inteligencia Artificial. Guía No Al dar clic por ejemplo al botón de la esquina superior izquierda, se activaría el siguiente código: 5. Un proceso similar se realiza para los restantes ocho botones, como se indica en el código mostrado a continuación:
14 14 Sistemas Expertos e Inteligencia Artificial. Guía No. 4
15 Sistemas Expertos e Inteligencia Artificial. Guía No A medida se vayan realizando movimientos de piezas en el puzzle, esto se indicará a través de una etiqueta, como observamos en la imagen siguiente:
16 16 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 La funcionalidad para verificar que se ha llegado al estado objetivo, la realizará el estudiante como ejercicio. El código propuesto es un ejemplo de cómo podría resolverse. Pero también puede elaborarse de otra forma creativa que defina cada estudiante. Análisis de resultados Tomando como referencia el código de ejemplo proporcionado, se les pide implementar un simulador para el agente de búsqueda para el juego 8 puzzle con la siguiente funcionalidad: a) La aplicación debe permitir indicar al usuario el estado inicial, es decir, debe solicitarse al usuario, los valores que contendrá cada una de las fichas antes de iniciar el juego. El estado objetivo será: b) Permitir que el usuario juegue, es decir, que pueda mover las piezas del puzzle. La aplicación debe indicar al usuario cuando se ha logrado conseguir el estado objetivo. c) El simulador debe tener una opción de solución automática, de tal manera que cuando se seleccione esta opción, el simulador utilizará un algoritmo de búsqueda para encontrar la solución correspondiente, o en su defecto indicar que no existe solución. Deberá mostrarse los movimientos necesarios para llegar del estado inicial al estado objetivo (simulación). Debe implementarse esta opción utilizando el método de búsqueda ciega Recorrido en Profundidad o Recorrido en Anchura. Investigación Complementaria Para la siguiente semana:
17 Sistemas Expertos e Inteligencia Artificial. Guía No Aplicar las modificaciones necesarias, para agregar mayor funcionalidad al programa simulador del agente de búsqueda para el juego 8 puzzle. Deben implementarse las siguientes opciones: a. El simulador debe tener la opción de generar el estado inicial de forma aleatoria. b. El usuario debe decidir la forma en que se generará el estado inicial: i. Introduciendo él los valores a cada pieza del puzzle. ii. Generado en forma automática, sin intervención del usuario. c. El usuario seleccionará el estado objetivo. La aplicación debe permitir la selección de uno de tres estados objetivo, los cuales se muestran a continuación: Es decir que el usuario debe seleccionar tanto el estado inicial, como el estado objetivo al cual quiere llevar el puzzle. d. Permitir que el usuario juegue, es decir, que pueda mover las piezas del puzzle. La aplicación debe indicar al usuario cuando se ha logrado conseguir el estado objetivo. e. El simulador debe tener una opción de solución automática, de tal manera que cuando se seleccione esta opción, el simulador utilizará un algoritmo de búsqueda para encontrar la solución correspondiente, o en su defecto indicar que no existe solución. Deberá mostrarse los movimientos necesarios para llegar del estado inicial al estado objetivo (simulación). Debe implementarse esta opción utilizando el método de búsqueda ciega Recorrido en Profundidad o Recorrido en Anchura.
18 18 Sistemas Expertos e Inteligencia Artificial. Guía No. 4 Guía 4: Búsqueda a Ciegas (No Informada). Hoja de cotejo: 4 Alumno: Máquina No: Docente: GL: Fecha: EVALUACIÓN % Nota CONOCIMIENTO Del 20 al 30% Conocimiento deficiente de los fundamentos teóricos Conocimiento y explicación incompleta de los fundamentos teóricos Conocimiento completo y explicación clara de los fundamentos teóricos APLICACIÓN DEL CONOCIMIENTO Del 40% al 60% ACTITUD Del 15% al 30% No tiene actitud proactiva. Actitud propositiva y con propuestas no aplicables al contenido de la guía. Tiene actitud proactiva y sus propuestas son concretas. TOTAL 100%
Tema: Arboles en C#. Objetivos Específicos. Materiales y Equipo. Introducción Teórica. Definición de Árbol Binario. Programación IV. Guía No.
Programación IV. Guía No. 7 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Arboles en C#. Objetivos Específicos Definir el concepto de la estructura de datos Árbol. Implementar
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 detallesTema: Algoritmos para la ruta más corta en un Grafo.
Programación IV. Guía No. 10 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos para la ruta más corta en un Grafo. Objetivos Específicos Definir el concepto de camino
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 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 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 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 detallesTema: Recorrido de Grafos
PED104. Guía N 11 Página 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación con Estructuras de Datos Tema: Recorrido de Grafos Competencia Desarrolla sistemas de información informáticos
Más detallesTema: Programación Dinámica.
Programación IV. Guía No. 12 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Programación Dinámica. Objetivos Específicos Definir el concepto de programación dinámica. Interpretar
Más detallesTema: Programación Dinámica.
Programación IV. Guía 11 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Programación Dinámica. Objetivos Específicos Definir el concepto de programación dinámica. Interpretar
Más detallesTema: Recorrido de Grafos. Ruta más corta
PED104. Guía N 12 Página 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación con Estructuras de Datos Tema: Recorrido de Grafos. Ruta más corta Competencia Desarrolla sistemas de información
Más detallesDefinir el concepto de Grafo. A partir de una clase agregar la sintaxis necesaria para construir una función de grafos en C#
Programación IV. Guía No. 8 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Grafos en C#. Objetivos Específicos Definir el concepto de Grafo. A partir de una clase agregar
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 detallesTema: Métodos de Ordenamiento. Parte 3.
Programación IV. Guía No. 5 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Métodos de Ordenamiento. Parte 3. Objetivos Específicos Identificar la estructura de algunos algoritmos
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 detallesTema: Programación Dinámica.
1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Programación Dinámica. Objetivos Específicos Definir brevemente el concepto de programación dinámica. Interpretar un algoritmo
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 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 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 detallesBúsqueda no Informada. Soporte computacional de la búsqueda
Búsqueda no Informada Soporte computacional de la búsqueda Sistema de producción Modelo de cómputo basado en tres componentes: Memoria de trabajo Intérprete de reglas Reglas de producción 2 Soporte computacional
Más detallesTema: Algoritmos para la ruta más corta en un Grafo.
Programación IV. Guía 10 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos para la ruta más corta en un Grafo. Objetivos Específicos Definir el concepto de camino
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 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 detallesTema: Métodos de Ordenamiento. Parte 1.
Programación IV. Guía No. 3 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Métodos de Ordenamiento. Parte 1. Objetivos Específicos Identificar la estructura de algunos algoritmos
Más detallesCapítulo 4: Grafos Clase 4: Árboles
Capítulo 4: Grafos Clase 4: Árboles Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 4: Grafos 1 / 12 Árboles Los árboles son una clase particular de grafos que
Más detallesTema: Búsqueda Heurística (Informada).
Sistemas Expertos e Inteligencia Artificial. Guía No. 5 1 Tema: Búsqueda Heurística (Informada). Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Objetivos
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#4: FUNCIONES HEURÍSTICAS AUTORA:
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 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 detallesBúsqueda de soluciones
úsqueda de soluciones Diseño de sistemas de búsqueda de soluciones. Espacio de estados. Representación mediante espacio de estados. lgoritmos de búsqueda. Estrategias de búsqueda. úsqueda forward. úsqueda
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 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 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 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 detallesTema: Planificación en Inteligencia Artificial. Agentes Planificadores.
Sistemas Expertos e Inteligencia Artificial. Guía No. 11 1 Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Tema: Planificación en Inteligencia Artificial.
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 detallesTema: Repaso sobre el uso del IDE de Microsoft Visual C#.
Programación IV. Guía No. 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Repaso sobre el uso del IDE de Microsoft Visual C#. Objetivos Específicos Identificar los principales
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 detallesApellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
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 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 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 detallesTema: Algoritmos Backtracking.
Programación IV. Guía 12 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos Backtracking. Objetivos Específicos Comprender el funcionamiento de un Algoritmo Backtracking.
Más detalles3.0.-ARBOLES ABARCADORES Y COMPONENTES CONEXOS CONCEPTO DE ARBOL ABARCADOR Y SU RELACION CON LOS RECORRIDOS.
3.0.-ARBOLES ABARCADORES Y COMPONENTES CONEXOS 3.1.- CONCEPTO DE ARBOL ABARCADOR Y SU RELACION CON LOS RECORRIDOS. 3.2.- BOSQUES Y COMPONENTES CONEXOS. NEXON LENIN CEFERINO POMPOSO Los árboles son particularmente
Más detallesInteligencia Computacional
Inteligencia Computacional Unidad VI Búsqueda. Estrategias informadas y no informadas. Complejidad computacional. Planificación. Docente: Dr. Georgina Stegmayer gstegmayer@santafe-conicet.gov.ar Inteligencia
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 detallesTema: Tipos Abstractos de Datos (TAD s) en C#.
Programación II. Guía No. 12 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación II Tema: Tipos Abstractos de Datos (TAD s) en C#. Objetivos Comprender el concepto Tipo Abstracto de Datos
Más detallesTema: Autómatas de Estado Finitos
Compiladores. Guía 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Compiladores Tema: Autómatas de Estado Finitos Contenido En esta guía se aborda la aplicación de los autómatas en el campo de
Más detallesCAPÍTULO 4 METODOLOGÍA PROPUESTA
CAPÍTULO 4 METODOLOGÍA PROPUESTA En este capítulo, se describen los métodos utilizados en el procedimiento propuesto para obtener soluciones del PLIDMC. En la actualidad, muchos de los problemas de optimización
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 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 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 detallesTema: Grafos en C# Competencia. Materiales y Equipo. Introducción Teórica
PED104. Guía N 10 Página 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación con Estructuras de Datos Tema: Grafos en C# Competencia Desarrolla sistemas de información informáticos mediante
Más detallesM.C. Mariano Larios G. 3 de diciembre de 2009
3 de diciembre de 2009 Tabla de criterios Criterios Porcentajes Exámenes 30 % Participación en clase Tareas 20 % Exposiciones 10 % Simulaciones Trabajos de investigación y/o de intervención Prácticas
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 detallesInteligencia Artificial
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
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 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 detallesUniversidad Nacional de Educación a Distancia Ingeniería Técnica en Informática de Sistemas Introducción a la Inteligencia Artificial (2º curso)
Universidad Nacional de Educación a Distancia Ingeniería Técnica en Informática de Sistemas Introducción a la Inteligencia Artificial (2º curso) Soluciones exámenes junio 2010 Semana 1. Ejercicio 1. (Valoración:
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 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 detallesEjemplo. Ejemplo. 8-puzzle. Formulación de un Problema de Búsqueda. Inteligencia Artificial 2º cuatrimestre de Algoritmos de Búsqueda
ormulación de un Problema de úsqueda lgoritmos de úsqueda onsideraciones de iseño e mplementación estado inicial conjunto de acciones Se usa el término operador para denotar la descripción de una acción
Más detallesProgramación con Estructuras de Datos
Programación III, Guía 9 1 PED104. Guía N 9 Página 1 Facultad: Escuela: Asignatura: Ingeniería Computación Programación con Estructuras de Datos Tema: Montículos Competencia Desarrolla sistemas de información
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 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 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
Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur 1. Búsqueda en la resolución de problemas. Inteligencia Artificial Trabajo Práctico N 3 Búsqueda Ciega y Heurística Segundo
Más detallesGrafos Eulerianos y Hamiltonianos. Algoritmos y Estructuras de Datos III
Grafos Eulerianos y Hamiltonianos Algoritmos y Estructuras de Datos III Grafos eulerianos Definiciones: Un circuito C en un grafo (o multigrafo) G es un circuito euleriano si C pasa por todos las aristas
Más detallesResolución de problemas de búsqueda
Resolución de problemas de búsqueda Memoria de Prácticas de Segunda Entrega 26 de noviembre de 2007 Autores: Mariano Cabrero Canosa cicanosa@udc.es Elena Hernández Pereira elena@udc.es Directorio de entrega:
Más detallesBÚSQUEDA. Vicente Martínez Orga
BÚSQUEDA Vicente Martínez Orga vicente.martinez@upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660 Boadilla del Monte,
Más detallesIII. Búsqueda en un espacio de Estado Estudiaremos la formulación de un problema de la IA como un problema de Búsqueda en un Espacio de Estado
III. Búsqueda en un espacio de Estado Estudiaremos la formulación de un problema de la IA como un problema de Búsqueda en un Espacio de Estado 1 3. Búsqueda en un Espacio de Estado Problema de IA Problema
Más detallesINTELIGENCIA ARTIFICIAL Puzzle 3 x 3 con 3 Heurísticas
INTELIGENCIA ARTIFICIAL Puzzle x con Heurísticas El juego del puzzle se representa, sobre un tablero de x casillas. 8 de las casillas contienen una pieza o ficha que se puede deslizar a lo largo del tablero
Más detallesINTELIGENCIA EN REDES DE COMUNICACIÓN TRABAJO FIN DE CURSO. Las cuatro en raya
INTELIGENCIA EN REDES DE COMUNICACIÓN TRABAJO FIN DE CURSO Las cuatro en raya Por Javier Martín Manzano Alejandro Bárcena Berzosa INFORME TÉCNICO El trabajo que se ha realizado, es un programa que consta
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 detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesTema 07: Backtraking. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 07: Backtraking M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Backtraking Búsqueda en profundidad
Más detallesTema: Métodos de Ordenamiento. Parte 3.
Programación IV. Guía 4 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Métodos de Ordenamiento. Parte 3. Objetivos Específicos Identificar la estructura de algunos algoritmos
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 detallesMetaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III
Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen
Más detallesProcesos de Fabricación I. Guía 1 1 MANUFACTURA INTEGRADA POR COMPUTADORA
Procesos de Fabricación I. Guía 1 1 MANUFACTURA INTEGRADA POR COMPUTADORA Manufactura Integrada por Computadora. Guía 1 1 Tema: DISEÑO INTERACTIVO CON EL SOFTWARE WINUNISOFT Y SETEO DEL CNC Contenidos
Más detallesÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES ÁRBOL Un árbol es un grafo no dirigido, conexo, sin ciclos (acíclico), y que no contiene aristas
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 detallesDOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas)
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: DES: Ingeniería Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: Obligatoria Clave de la materia: CI676 Semestre: 6 Área en plan
Más detallesInteligencia Artificial I
Ingeniería en Sistemas Computacionales Inteligencia Artificial I Rafael Rivera López Departamento de Sistemas y Computación 1 Ago-Dic 2008 Veracruz, Ver. Unidad IV Técnicas de Búsqueda y Satisfacción de
Más detallesDescripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n. ? Mate del tonto
Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesLas redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV
Las redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV El algoritmo de PodaAlfaBeta busca: a. Determinar los caminos más óptimos.
Más detallesGrafos. Amalia Duch Brown Octubre de 2007
Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido
Más detallesTema 2, 3 y 4 GRUPO 82 - INGENIERÍA INFORMÁTICA. Bernardo D Auria. 3 Diciembre Departamento de Estadística. Universidad Carlos III de Madrid
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 82 - INGENIERÍA INFORMÁTICA Diciembre 2008 Ejercicio T2-JN12 Comprueba que el problema lineal min x x 1 + x 2 2x x +
Más detallesMATERIA DE SIMULACION
NOMBRE DEL PROYECTO: Juego Asteroids MATERIA DE SIMULACION Fecha de elaboración: 24/11/17 Versión: 1.0 Grupo: 9F2B (9F2A) (9F2B) Proyecto: Individual Grupal Nombre del equipo: Space Participantes 1. Juan
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
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 detallesAlgoritmos y Estructuras de Datos Curso 04/05. Ejercicios
0. En un problema determinado, una solución está dada por una tupla de n elementos (x, x,..., x n ). Para cada elemento existen en total m posibles valores. Comparar el número de nodos generados para resolver
Más detallesCurso 2017, Semestre 2
Inteligencia Artificial-UBB (técnicas de programación) CLASE DE PRESENTACIÓN Curso 2017, Semestre 2 Datos del Ramo: Profesor Clemente Rubio Manzano (clrubio@ubiobio.cl) Ayudante: Christian Rodríguez Formación:
Más detallesHeurísticas en el recorrido de árboles de soluciones
Heurísticas en el recorrido de árboles de soluciones. Árboles de soluciones. Repaso de backtracking y branch and bound. Uso de heurísicas en backtracking 4. Uso de heurísticas en branch and bound . Árboles
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 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 detalles