Planificación n de Tareas
|
|
- María Victoria Arroyo Ruiz
- hace 7 años
- Vistas:
Transcripción
1 Manufactura Integrado por Computador - CIM II FIUBA M. Ing. Ochoa María Alejandra
2 Se describe como un: Conjunto de procesos que se realizan para obtener un plan de actuación n para resolver un problema. Campo de aplicación ROBÓTICA
3 Un problema de búsqueda b en un ESPACIO DE ESTADOS Conjunto de estados: representados en lógica de predicados Funciones de transición: son los operadores (irreversibles, semirreversibles, reversibles en uno o más pasos) Estado Inicial: debe pertenecer al conjunto de estados válidos y es el estado de partida Estado Final: debe pertenecer al conjunto de estados válidos y es la meta definido por
4 Información referente al: DOMINIO PROBLEMA Conjunto de estados Conjunto de operadores Estado inicial Estado final
5 Ejemplo: El mundo de los bloques A C B C B A Estado Inicial encima (A, B) ^ en-mesa (C) ^ en-mesa (B) ^ brazo-libre ^ libre (A) ^ libre (C) Estado final encima (C, B) ^ en-mesa (A) ^ en-mesa (B) ^ brazo-libre ^ libre (A) ^ libre (C)
6 Ejemplo: El mundo de los bloques Conjunto de estados - encima (A, B), el bloque A está encima del bloque B - en-mesa (C), el bloque C está sobre la mesa - libre (A), el bloque A está libre, no tiene nada encima - sujeto (C), el brazo del robot tiene sujeto el bloque C - brazo-libre, el brazo del robot está libre. Operadores - QUITAR (A, B), levantar el bloque A de encima del bloque B - PONER (C, B), dejar el bloque C encima del bloque B - LEVANTAR (C), levantar el bloque C de encima de la mesa - DEJAR (A), dejar el bloque A encima de la mesa.
7 Tomar decisiones Ejecutar la regla elegida FUNCIONES Detectar una solución Detectar un camino muerto Detectar bucles Reparar una solución casi correcta
8 Función: TOMAR DECISIONES basándose en la diferencia que existen entre el estado inicial y el final. en base a reglas de control Ejemplo: Ir Bs. As. a Salta Reglas de control Ir-Avi Avión Ir-Coche Ir-A-Pie Selección Selecciona Rechaza Rechaza Rechazo Rechaza Preferencia Prefiere
9 Función: EJECUTAR LA REGLA ELEGIDA Post- condiciones después de comprobar que las precondiciones se cumplen en el Se debe registrar el cambio que provoca Estado interno de la máquina Especificar todo lo que cambia y lo que no cambia. (Método de Green) Especificar sólo lo que cambia. (STRIPS)
10 Función: DETECTAR UNA SOLUCIÓN Forma de lograrlo Ser capaz de determina una forma de detectar cuándo se ha llegado a una solución Equiparación de las submetas con el estado en el que se encuentre el planificador. Forma de lograrlo
11 Función: DETECTAR UN CAMINO MUERTO Caminos por los que no se llega a una solución. Heurísticas de detección de caminos muertos Metas contradictorias Subproblemas mas difíciles brazo-libre ^ sujeto (A) Ir de Bs. As. a Mar del Plata, dividiendo en los subproblemas: Bs. As. Salta; Salta Chubut; Chubut Mar del Plata.
12 Función: DETECTAR BUCLES para evitar que el planificador se meta en un bucle de ejecución el planificador contenga acciones que impliquen bucles BUCLE DE META: para alcanzar m1m es necesario verificar que m1m sea cierto ingresando en un bucle BUCLE DE ESTADO: PONER (A,B) luego QUITAR (A,B)
13 Función: REPARAR UNA SOLUCION CASI CORRECTA Reparar la parte el plan en lugar de rechazarlo en tu totalidad. (opcional pero deseable) Bs.As. aeropuerto Salta FALLA Estrategia de compromiso: no especificar el orden de los operadores.
14 T E C N I C A S STRIPS ABSTRIPS NOAH
15 Técnica: STRIPS Arma una pila con las metas a alcanzar y los OPERADORES que pueden conseguirlas. Se logra la meta cuando la pila esta vacía. a. Precondiciones: condiciones para ejecutar el operador Añadidos: predicados que se añaden al estado cuando se ejecuta el operador Borrados: predicados que se borran del estado cuando se ejecuta el operador Post-condiciones
16 Técnica: STRIPS Ejemplo: El mundo de los bloques OPERADOR Precondición Añadidos Borrados QUITAR (X, Y) encima (X, Y) ^ libre (X) ^ brazo-libre sujeto (X) ^ libre (Y) brazo-libre ^ encima (X, Y) ^ libre (X) PONER (X, Y) libre (Y) ^ sujeto (X) encima (X, Y) ^ brazo-libre libre (Y) ^ sujeto (X) LEVANTAR (X) en-mesa (X) ^ libre (X) ^ brazo-libre sujeto (X) en-mesa (X) ^ libre X) ^ brazo-libre DEJAR (X) sujeto (X) en-mesa (X) ^ brazo-libre sujeto (X)
17 Técnica: STRIPS A C B C B A Estado Inicial encima (A, B) en-mesa (C) en-mesa (B) brazo-libre libre (A) libre (C) R Estado Final encima (C, B) en-mesa (A) en-mesa (B) brazo-libre libre (A) libre (C) Conjunción de metas M = encima (C, B) ^ en-mesa (A) ^ R encima (C, B) en-mesa (A) M en-mesa (A) encima (C, B) M STRIPS sigue estrategia de búsqueda en profundidad
18 Técnica: STRIPS M = encima (C, B) ^ en-mesa (A) ^ R encima (C, B) en-mesa (A) R en-mesa (A) encima (C, B) R PONER (C, B) en-mesa (A) R libre (B) sujeto (C) libre (B) ^ sujeto (C) PONER (C, B) en-mesa (A) R sujeto (C) libre (B) libre (B) ^ sujeto (C) PONER (C, B) en-mesa (A) R Se sigue armando el árbol hasta que la pila quede vacía
19 Técnica: STRIPS PROBLEMAS Resuelve el problema, pero con gran cantidad de posibilidades (nodos), que pasaría con 20 bloques en lugar de 3? Llega a la solución sin información a priori o de control sin heuristica Los caminos equivocados conducen a: bucles de estado bucle de meta falta de operadores que pueda hacer cierta una meta
20 Técnica: STRIPS DESVENTAJAS Es NO-OPTIMA OPTIMA Obtiene planes compuestos de operadores y sus operadores inversos. (Problema de Sussman) Es INCOMPLETA Pese a que existe solución n a un determinado problema no lo encuentra. (Problema del cohete chino)
21 Técnica: STRIPS Ejemplo: Anomalia de Sussman A C B A B C Metas: encima (A,B) ^ encima (B, C) ^ en-mesa (C) ^ libre (A) ^ brazo-libre
22 Técnica: STRIPS Ejemplo: Anomalia de Sussman encima (A,B) ^ encima (B, C) ^ en-mesa (C) ^ libre (A) ^ brazo-libre PONER (A, B) PONER (B, C) sujeto (A) ^ libre (B) ^ encima (B, C) sujeto (B) ^ libre (C) ^ encima (A, B) X PONER (B, C) sujeto (B) ^ libre (C) ^ sujeto (A) X No pueden ser ciertas
23 Técnica: STRIPS Ejemplo: Cohete chino Hay un río en el que, en su orilla izquierda, hay varios objetos para ser trasportados por un cohete a la otra orilla. El cohete solo puede dispararse una vez. Puede llevar varios objetos al mismo tiempo. Este problema STRIPS no lo puede resolver porque no puede trabajar con dos o mas metas al mismo tiempo
24 Técnica: ABSTRIPS Es una versión jerárquica de STRIPS. Establece un plan abstracto general que luego desglosa en estado intermedios. El plan general establece estados intermedios entre el estado inicial y el estado final. Los subplanes se detallaran hasta lo que la descripción del dominio lo permita.
25 Técnica: ABSTRIPS Ejemplo: mover un robot entre dos habitaciones IR-ROBOT ROBOT (R, H1, H2) precondiciones: {robot (R) ^ {10} habitación (H1) ^ {10} habitación (H2) ^ {5} en (R, H1) ^ {8} conectadas (H1, H2) ^ {5} libre (R) ^ {2} puerta-cerrada (H1, H2) ^ {2} tienellave (R) añadidos: en (R, H2) ^ puerta-abierta (H1, H2) borrados: en (R, H1) ^ puerta-cerrada (H1,H2) Valores críticos {10}, {8}, etc. para establecer planes a diferentes niveles de abstraccion.
26 Técnica: NOAH Planificación jerárquica rquica no lineal con estrategia de compromiso mínimo (no se debe tomar ninguna decisión hasta que no se vea forzado a ello). Establece primero un plan abstracto, luego lo va detallando de acuerdo a varios criterios (críticos) Ejemplo: Pintar una escalera de mano y un techo S pintar (techo, blanco) pintar (escalera, rojo) U
27 Técnica: NOAH CRITERIO: para pintar se debe obtener una escalera y la pintura OBTENER (blanco) S OBTENER (escalera) U S PINTAR (techo, blanco) OBTENER (rojo) U S OBTENER (escalera) U PINTAR (escalera, rojo)
28 Técnica: NOAH CRITERIO: obtener una escalera y la pintura son anteriores a pintar, por lo tanto se debe reordenar S OBTENER (blanco) OBTENER (escalera) U PINTAR (techo, blanco) S U S OBTENER (rojo) OBTENER (escalera) U PINTAR (escalera, rojo)
29 Técnica: NOAH CRITERIO: si se pinta primero la escalera de rojo y luego se pinta el techo de blanco, la escalera quedaría manchada, por lo tanto S OBTENER (blanco) OBTENER (escalera) U PINTAR (techo, blanco) S S OBTENER (rojo) OBTENER (escalera) U PINTAR (escalera, rojo)
30 Técnica: NOAH CRITERIO: se esta ejecutando obtener escalera dos veces S OBTENER (blanco) OBTENER (escalera) U PINTAR (techo, blanco) S OBTENER (rojo) U PINTAR (escalera, rojo)
31 Técnica: NOAH Jerárquica rquica: realiza un plan abstracto y luego lo detalla No lineal: no establece orden respecto a las metas, se puede trabajar en cualquier meta en cualquier momento Estrategia de compromiso mínimom nimo: no toma una decisión hasta que no se ve obligado a ello. Ventajas de Compromiso mínimo m vs. Compromiso casual o Llevada a un extremo no necesita retroceso o Genera ordenes parciales de ejecución n de operadores No toma una decisión n hasta que los críticos le dicen que debe tomarla Cada uno de estos se denomina orden total de ejecución n en un planificados con estrategia de compromiso casual.
32 F I N
Planificación ANÁLISIS MEDIOS - FINES
ANÁLISIS MEDIOS - FINES Una dificultad en Inteligencia Artificial, es conseguir un procedimiento para que el computador pueda formular planes para resolver problemas. Los conceptos básicos de un problema
Planificación Automática 1
Planificación utomática Grupo PLG Universidad Carlos III de Madrid I. 2008-09 Planificación utomática 1 Indice 1 Introducción 2 Planificación clásica Técnicas iniciales Planes de orden parcial 3 Planificación
Tema: 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.
Inteligencia Computacional
Inteligencia Computacional Unidad VI Búsqueda. Estrategias informadas y no informadas. Complejidad computacional. Planificación. Docente: Dr. Georgina Stegmayer gstegmayer@santafe-conicet.gov.ar Inteligencia
22 de diciembre de 2008
Sesiones de Grupo de y prendizaje (PLG) Departamento de Informática Escuela Politécnica Superior Universidad Carlos III de Madrid 22 de diciembre de 2008 Sesiones de Representación y Modelización Métodos
OPTIMIZACIÓN DE CÓDIGO
OPTIMIZACIÓN DE CÓDIGO INTRODUCCION La finalidad de la optimización de código es producir un código objeto lo más eficiente posible. En algunos casos también se realiza una optimización del código intermedio.
Ingeniería Técnica en Informática de Gestión
Departamento de Informática Universidad Carlos III de Madrid Ingeniería Técnica en Informática de Gestión Inteligencia Artificial Septiembre 2010 Normas generales del examen El tiempo para realizar el
Inteligencia 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
Hoja 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).
Ejercicios sobre Sistemas Basados en Reglas
Ejercicios sobre Sistemas Basados en Reglas Ejercicio 1 Este SBR en CLIPS permite calcular las áreas de una serie de rectángulos y cuadrados. Para ello, los hechos serán de la forma (
BLOQUE 1. LOS NÚMEROS
BLOQUE 1. LOS NÚMEROS Números naturales, enteros y racionales. El número real. Intervalos. Valor absoluto. Tanto el Cálculo como el Álgebra que estudiaremos en esta asignatura, descansan en los números
Inteligencia 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
Solución 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
Análisis semántico Tabla de símbolos, chequeo de tipos y representaciones internas
Análisis semántico Tabla de símbolos, chequeo de tipos y representaciones internas Análisis semático v1.2 c 2005 José Fortes Gálvez p.1 Análisis?... semántico? La semántica corresponde al significado asociado
Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez INTRODUCCION A LA INTELIGENCIA ARTIFICIAL Contenido: Inteligencia Artificial. Definiciones y Conceptos.
Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores)
Parcial 4. Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores) 1. Inteligencia es: a. La capacidad para combinar información. c. El proceso que permite elaborar conocimiento.
UNIVERSIDAD DE ORIENTE NÚCLEOS NUEVA ESPARTA-SUCRE COMISIÓN DE CURRICULA PROGRAMA ANALÍTICO DE LA ASIGNATURA
UNIVERSIDAD DE ORIENTE NÚCLEOS NUEVA ESPARTA-SUCRE COMISIÓN DE CURRICULA PROGRAMA ANALÍTICO DE LA ASIGNATURA NOMBRE DE LA ASIGNATURA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL ESCUELA Hotelería y Turismo-Nva.
Programación. Clase 7 División en subtareas. Universidad Nacional de Quilmes
Programación Clase 7 División en subtareas Universidad Nacional de Quilmes Ejercitamos un poco Ejercicio Realicemos el siguiente dibujo en QDraw. Por dónde arrancamos? Recordatorio: Programar es comunicar!
Semana 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
Cristian Blanco
UNIDAD DIDÁCTICA 8. ANÁLISIS Y DISEÑO ORIENTADO A OBJETOS. DIAGRAMAS DE COMPORTAMIENTO En el siguiente enlace tienes una descripción y algunos ejemplos de todos los diagramas UML.: http://jms32.eresmas.net/tacticos/uml/umlindex.html
Análisis de algoritmos
Tema 02: Complejidad de los algoritmos M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Algoritmo Algoritmo vs. Proceso Computacional
Inteligencia Artificial (EC5)
Inteligencia Artificial (EC5) Ciclo Lectivo 2018 Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Contenido:
Búsqueda 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
IN34A - Optimización
IN34A - Optimización Complejidad Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 33 Contenidos Problemas y Procedimientos de solución Problemas de optimización v/s problemas de decisión Métodos,
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CONTROLADORES LÓGICOS PROGRAMABLES
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CONTROLADORES LÓGICOS PROGRAMABLES 1. Competencias Desarrollar y conservar sistemas automatizados
Especificando interacción con recursos compartidos
Especificando interacción con recursos compartidos (en construcción, no imprimir) Julio Mariño Concurrencia GRADO EN INGENIERÍA INFORMÁTICA/ GRADO EN MATEMÁTICAS E INFORMÁTICA/ DOBLE GRADO EN ING. INFORMÁTICA
Operadores aritméticos
Bloque 3.2 Operadores aritméticos Suma : x + y Resta : x y Multiplicación : x * y División : x / y Módulo : x % y (resto de la división Si los operandos son enteros tipo del resultado
PROYECTO 3. Robótica EV3 CORE
PROYECTO 3 Robótica EV3 CORE Bienvenido estimado alumno Le damos la más cordial bienvenida al curso Robótica EV3 CORE, el cual se apoyará en nuestra plataforma virtual. El objetivo principal de este curso
Planificación. Inteligencia Artificial. Ingeniería Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Planificación Ingeniería Informática, 4º urso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: gentes basados en úsqueda Resumen: 2. gentes basados en búsqueda 2.1. úsqueda en
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Lógica de programación. 2. Competencias Desarrollar y conservar sistemas automatizados
Algoritmos y Estructuras de Datos Curso 04/05. Ejercicios
35. Sean A= {1, 2, 3, 7, 8} y B= {3, 4, 5, 7, 9}, mostrar la ejecución y los resultados de las siguientes operaciones, suponiendo una representación con arrays de booleanos y con listas de elementos (ordenadas
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
Búsqueda 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
Planificación con FastForward
Planificación con FastForward Javier Béjar Intel ligència Artificial 2016/2017 Facultat d Informàtica de Barcelona Fastforward FastForward Fast Forward es un planificador que permite ejecutar planes definidos
Controladores Logicos Programables
Inicio Objetivos del Programa Misión y Visión del programa Perfil del admitido Perfil del egresado Plan de Estudios Objetivos de la Acreditación Controladores Logicos Programables Click to edit Master
Semana 4. Semana Red de Área 5 Local (LAN) Topología de la red de área local. Empecemos! Qué sabes de...? El reto es...
Semana Red de Área 5 Local (LAN) Semana 4 Empecemos! En la semana anterior aprendiste sobre los diferentes tipos de redes de área local que existen. Esta semana profundizarás acerca de la topología de
Planificación con STRIPS
Planificación con STRIPS 1 Bibliografía Nilsson, Artificial Intelligence: A New Synthesis. Cap. 22. Russell & Norvig, Artificial Intelligence: A Modern Approach. Cap. 11. 2 Introducción Objetivo: Desarrollar
Búsqueda 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:
Análisis semántico Tabla de símbolos, chequeo de tipos y representaciones internas
Análisis semántico Tabla de símbolos, chequeo de tipos y representaciones internas Análisis semático c 2001 José Fortes Gálvez p.1 Análisis?... semántico? La semántica corresponde al significado asociado
Planificación Automática 1
Planificación Automática Grupo PLG Universidad Carlos III de Madrid IA. 2008-09 Planificación Automática 1 Indice 1 Introducción 2 Planificación clásica 3 Planificación neoclásica 4 Heurística Redes de
UNIVERSIDAD 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
RESOLUCIÓN DE EJERCICIOS DE LA RECUPERACIÓN DEL PRIMER PARCIAL
Resolución de Problemas y Algoritmos - Ing. en Comp. e Ing. en Inf. Año 2015 RESOLUCIÓN DE EJERCICIOS DE LA RECUPERACIÓN DEL PRIMER PARCIAL Ejercicio 1: 20/05/2015 Dado un número real positivo cualquiera,
Inteligencia 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.
Planificación con prioridades
dit UPM Planificación con prioridades Juan Antonio de la Puente DIT/UPM Copyright 2007, Juan Antonio de la Puente Planificación El objetivo de los métodos de planificación (scheduling) es repartir el tiempo
Resolviendo Modelos de Mapas
Resolviendo Modelos de Mapas SMMC Prof. Teddy Alfaro Resolviendo Mapas o Grafos Entre las técnicas completas más utilizadas para resolver la ruta más corta se encuentran BFS Backtracking Dijkstra A* Uso
Camarón. Robótica. Profesora: Raquel Martínez Rodríguez
Camarón Robótica Profesora: Raquel Martínez Rodríguez Indice Introducción 2 Descripción funcional 2 Descripción detallada 3 Componentes y partes de nuestro proyecto 6 Problemas encontrados 7 Conclusiones
Solución al parcial 14
Solución al parcial 14 Marque V(erdadero) o F(also) según considere la proposición. 1. La lógica difusa es la emulación del razonamiento aproximado que realizan las máquinas. F: Las máquinas no realizan
Ejercicios Propuestos de Métodos de Búsqueda
Inteligencia rtificial Ejercicios de Métodos de úsqueda Ejercicios Propuestos de Métodos de úsqueda os siguientes ejercicios, corresponden a la práctica de Métodos de úsqueda y son propuestos a los alumnos
Programación Orientada a Objetos Profr. Pedro Pablo Mayorga
Actividad 3 Historia de los paradigmas de programación Unidad 1 Paradigma de programación Un paradigma de programación representa un enfoque particular o filosofía para la construcción del software. No
Búsqueda 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
Guía práctica de estudio 06: Estructuras de repetición
Guía práctica de estudio 06: Estructuras de repetición Elaborado por: M.C. M. Angélica Nakayama C. Ing. Jorge A. Solano Gálvez Autorizado por: M.C. Alejandro Velázquez Mena Guía práctica de estudio 06:
Sistemas de Producción
Sistemas de Producción Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660 Boadilla del
Controladores Lógicos Programables
Inicio Objetivos del Programa Misión y Visión del programa Perfil del admitido Perfil del egresado Plan de Estudios Objetivos de la Acreditación Controladores Lógicos Programables Click to edit Master
Resolución 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:
I N T E L I G E N C I A A R T I F I C I A L I
I N T E L I G E N C I A A R T I F I C I A L I Ingeniería en Mecatrónica Dra. Ing. SELVA S. RIVERA P R O F E S O R A T I T U L A R PLANIFICACIÓN Se llama Planificación al proceso de búsqueda y articulación
Capítulo V: Programación Lógica. 5.1 Breve Introducción al Cálculo de Predicados
Capítulo V: Programación Lógica 5.1 Breve Introducción al Cálculo de Predicados 1 Definiciones Básicas Proposición: sentencia lógica que puede ser verdadera o falsa. Se construye de objetos y relaciones.
Capítulo V: Programación Lógica
Capítulo V: Programación Lógica 5.1 Breve Introducción al Cálculo de Predicados Definiciones Básicas Proposición: sentencia lógica que puede ser verdadera o falsa. Se construye de objetos y relaciones.
Programación. Clase 5 Qué es la programación? Primeros autómatas. Universidad Nacional de Quilmes
Programación Clase 5 Qué es la programación? Primeros autómatas Universidad Nacional de Quilmes Qué es la programación? Programar: Programar es comunicar descripciones de soluciones a problemas en el lenguaje
Universidad 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 septiembre 2010 Ejercicio 1. (Valoración:
Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco
Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco Referencia: Laureano-Cruces. Tesis Doctoral. Interacción Dinámica en Sistemas de Enseñanza inteligentes- IIBB-UNAM. http://kali.azc.uam.mx/clc/
RESOLUCIÓN 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
Programación. Clase 5 Alternativa Condicional. Universidad Nacional de Quilmes
Programación Clase 5 Alternativa Condicional Universidad Nacional de Quilmes Ejercitamos un poco Ejercicio Queremos pintar todas las celdas un tablero de 5x5 de color negro, salvo aquellas que ya estén
PLE: Ramificación y Acotamiento
PLE: Ramificación y Acotamiento CCIR / Depto Matemáticas TC3001 CCIR / Depto Matemáticas PLE: Ramificación y Acotamiento TC3001 1 / 45 La compañía TELFA fabrica mesa y sillas. Una mesa requiere 1 hora
Estructuras Dinámicas de datos.
Estructuras Dinámicas de datos. Las estructuras dinámicas de datos son estructuras que crecen a medida que ejecuta un programa. Una estructura dinámica de datos es una colección de elementos llamadas nodos
1. Corrección de un programa TEMA 2: ESPECIFICACIÓN Y CORRECCIÓN DE ALGORITMOS. 1. Corrección de un programa. 1. Corrección de un programa
Uno de los grandes problemas de la programación es la escritura de programas totalmente correctos. Al implementar un programa siempre se introducen errores. Técnicas de detección de errores: Mediante pruebas:
Sistemas de produción. Sistemas de Producción. El motor de inferencias. Notas
Sistemas de Producción Introducción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
Expresiones y Operadores
Lenguaje C Expresiones y Departamento de Electrónica Fundación San Valero básicos: Operador de asignación: = No es del todo equivalente al igual matemático. A la derecha siempre estará el valor a asignar,
1. PRINCIPIOS BÁSICOS DE PROGRAMACIÓN
1. PRINCIPIOS BÁSICOS DE PROGRAMACIÓN Las estructuras de datos bien definidas no son adecuadamente utilizadas si no se realiza una buena programación. La programación estructurada tiene la finalidad de
Sistemas de Producción
Introducción Sistemas de Producción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
PRÁCTICA FUNDAMENTOS DE ALGORITMOS I. Objetivos
Objetivos El alumno conocerá las estructuras básicas para el diseño de algoritmos 1. Conocerá las estructuras secuenciales y de decisión para construir algoritmos 2. Diseñará algoritmos utilizando las
Olimpiada Mundial de Robo tica 2016
Olimpiada Mundial de Robo tica 2016 Categoría Regular Escuela Primaria Descripción del juego, reglas y puntuación Limpiar el camino a la escuela Versión: 15 de enero 2016 Traducción: Lic. Jennifer Badilla
Manual de usuario Gestión Académica. Bachillerato Servicios Centrales y Delegación. Módulos Oferta Formativa y Solicitud de Matrícula.
Manual de usuario Gestión Académica. Bachillerato Servicios Centrales y Delegación. Módulos Oferta Formativa y Solicitud de Matrícula. Fecha: 29/03/2010 Referencia: EJIE S.A. Mediterráneo, 14 Tel. 945
17 Análisis sintáctico II Compiladores - Profr. Edgardo Adrián Franco Martínez. Gramáticas limpias y bien formadas
2 Contenido Gramáticas limpias y bien formadas Algoritmo para detectar símbolos muertos Algoritmo para detectar símbolos inaccesibles Gramáticas ambiguas Clasificación de métodos de análisis sintáctico
1.1. Exponer la especificación PAMA de un agente software encargado de servir de asistente en una herramienta de desarrollo (Netbeans o VS)
1. Cuestiones 1.1. Exponer la especificación PAMA de un agente software encargado de servir de asistente en una herramienta de desarrollo (Netbeans o VS) Percepción Acciones sobre el programa, Acción Compilar,
Requisitos para presentar 4ª 5ª y/o 6ª oportunidad del semestre Enero Junio 2016
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA 8 Requisitos para presentar 4ª 5ª y/o 6ª oportunidad del semestre Enero Junio 2016 Materia: Tecnología de la Información y la Comunicación II (TIC 2) Coordinador:
Elementos de Programación (P02) Ing. Alvaro Torres Tatis
Página 1 de 6 I. OBJETIVOS II. TEMARIO Elementos de Programación (P02) Ing. Alvaro Torres Tatis 1. Saber hacer una descripción completa de un problema de programación medianamente complejo. 2. Resolver
TÍTULO: MATEMÁTICA DISCRETA Y LÓGICA Disponibilidad
TÍTULO: MATEMÁTICA DISCRETA Y LÓGICA Disponibilidad Calculo proposicional 1 Argumentos y proposiciones lógicas 1 Algunos argumentos lógicos importantes 2 Proposiciones 4 Conexiones lógicas 5 Negación (tabla)
SUBSECRETARIA DE EDUCACIÓN SUPERIOR TECNOLÓGICO NACIONAL DE MEXICO INSTITUTO TECNOLOGICO DE VERACRUZ. Robótica
SUBSECRETARIA DE EDUCACIÓN SUPERIOR TECNOLÓGICO NACIONAL DE MEXICO INSTITUTO TECNOLOGICO DE VERACRUZ Robótica PROGRAMACION DE ROBOTS TITULAR DE LA MATERIA DR. JOSÉ ANTONIO GARRIDO NATARÉN Veracruz Ver
Ingeniería Técnica en Informática de Gestión
Departamento de Informática Universidad Carlos III de Madrid Ingeniería Técnica en Informática de Gestión Inteligencia Artificial Septiembre 2010 Normas generales del examen El tiempo para realizar el
Inteligencia 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
Inteligencia Artificial
Inteligencia Artificial Conjunto de técnicas que se aplican en el diseño de programas de computador para la resolución de problemas que por su dificultad requieren el uso de un cierto grado de inteligencia.
DATOS DE IDENTIFICACIÓN. Materia: Introducción a la teoría de los lenguajes formales Definición de alfabeto ETAPA PREINSTRUCCIONAL
Actividades ACTIVIDAD 1.1 Introducción a la teoría de los lenguajes formales Definición de alfabeto 30 minutos Búsqueda de diferentes lenguajes Desarrollar el análisis de textos y el aprendizaje autónomo.
Tipos de problemas en SBC
Tipos de problemas en SBC Clasificación de problemas La identificación de tipologías de problemas en SBC facilita su desarrollo Cada tipo permite determinar: Un conjunto de tareas usuales Un conjunto de
Miguel García Remesal Departamento de Inteligencia Artificial.
Miguel García Remesal Departamento de Inteligencia Artificial mgremesal@fi.upm.es Motivación Uso de conocimiento de dominio para planificar más eficientemente Uso de un algoritmo de planificación configurable
Inteligencia 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
AnAnálisis de redes de transporte Tr. Muchas veces se utiliza en aplicaciones que nada tienen que ver con el transporte
AnAnálisis de redes de transporte Tr Muchas veces se utiliza en aplicaciones que nada tienen que ver con el transporte Resumen Antecedentes y definiciones El camino más corto Árbol de expansión mínima
INSTITUTO TECNOLÓGICO DE TIJUANA SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO DE SISTEMAS Y COMPUTACIÓN SEMESTRE AGOSTO-DICIEMBRE 2014
INSTITUTO TECNOLÓGICO DE TIJUANA SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO DE SISTEMAS Y COMPUTACIÓN SEMESTRE AGOSTO-DICIEMBRE 2014 Carrera: Ingeniería en sistemas computacionales. Materia: Métodos Numéricos.
Introducción Algoritmos de tipo dividir para vencer Algoritmos de rastreo Inverso. Recursividad. Programación Avanzada. 8 de septiembre de 2017
Recursividad Programación Avanzada 8 de septiembre de 2017 Contenido Introducción Objetivos Definición y características Caso de análisis: factorial Contenido Introducción Objetivos Definición y características
Uno de los conceptos más útiles en ciencias de la computación es la pila.
23. PILA. (Stack). Tipos de Datos Abstractos. 23.1 Conceptos. Uno de los conceptos más útiles en ciencias de la computación es la pila. Una pila es una colección ordenada de elementos de igual tipo, en
Programación. Clase 9 Alternativa Condicional. Universidad Nacional de Quilmes
Programación Clase 9 Alternativa Condicional Universidad Nacional de Quilmes Ejercitamos un poco Ejercicio Queremos pintar todas las celdas un tablero de 5x5 de color negro, salvo aquellas que ya estén
Resolución de Problemas y Algoritmos
RESOLUCIÓN DE PROBLEMAS Y ALGORITMOS CLASE 8 Resolución de problemas utilizando recursión Luciano H. Tamargo http://cs.uns.edu.ar/~lt Depto. de Ciencias e Ingeniería de la Computación Universidad Nacional
Árboles de Decisión Árboles de Sintaxis
Árboles de Decisión Árboles de Sintaxis Estructuras de Datos Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Árboles de Decisión Árbol de Decisión Forma gráfica de
Algoritmos y Estructuras de Datos Ingeniería en Informática
2.1.Sean A= {1, 2, 3, 7, 8} y B= {3, 4, 5, 7, 9}, mostrar la ejecución y los resultados de las siguientes operaciones, suponiendo una representación con arrays de booleanos y con listas de elementos (ordenadas
OCW-V.Muto Sistemas de numeración Cap. III CAPITULO III. SISTEMAS DE NUMERACION 1. REPRESENTACION DE LA INFORMACION
CAPITULO III. SISTEMAS DE NUMERACION 1. REPRESENTACION DE LA INFORMACION El sistema de numeración usado habitualmente es el decimal, de base 10, que no es adecuado para ser manejado por el ordenador, fundamentalmente
Manual de Usuario RoboticSAD. Universidad Pedagógica Nacional Licenciatura en Electrónica. Elaborado por: Yuli Marcela Marín Peña
Manual de Usuario RoboticSAD Universidad Pedagógica Nacional Licenciatura en Electrónica Elaborado por: Yuli Marcela Marín Peña Manual de Usuario RoboticSAD RoboticSAD es un Software de Apoyo Didáctico
Colegio Agustiniano Ciudad Salitre Área de Tecnología e Informática Guía de Apoyo 2017 Bimestre: III Grado: Cuarto Docente: Jorge Torres
Colegio Agustiniano Ciudad Salitre Área de Tecnología e Informática Guía de Apoyo 2017 Bimestre: III Grado: Cuarto Docente: Jorge Torres UNIDAD TEMÁTICA: PROGRAMACION PARA NIÑOS Logro: Identifica las herramientas
INSTITUCION EDUCATIVA JOSE CELESTINO MUTIS IBAGUE AREA DE TECNOLOGIA E INFORMATICA GRADO 9 J.T PERIODO TOPOLOGÍAS DE RED
TOPOLOGÍAS DE RED Qué significa la palabra topología? Una red informática está compuesta por equipos que están conectados entre sí mediante líneas de comunicación (cables de red, microondas, etc.) y elementos
Curso !"#$%#$!& Inteligencia Artificial (30223) Problemas resueltos. Índice. Problema del laberinto. ! Problema del laberinto
Inteligencia rtificial (303) Problemas resueltos urso 01-013 José Ángel añares 1//013. Dpto. Informática e Ingeniería de Sistemas. Índice! Problema del laberinto! Puzzle de dos dimensiones! Misioneros