Resolviendo Problemas Buscando Soluciones. Tomás Arredondo Vidal 16/6/2010
|
|
- Ana Isabel Saavedra Paz
- hace 6 años
- Vistas:
Transcripción
1 Resolviendo Problemas Buscando Soluciones Tomás Arredondo Vidal 16/6/2010
2 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas Ejemplos de problemas Algoritmos básicos de búsqueda
3 Agentes que resuelven problemas
4 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas Ejemplos de problemas Algoritmos básicos de búsqueda
5 Tipos de problemas Deterministico, completamente observable problema con un estado (single-state) Agente sabe exactamente en que estado esta; solución es una secuencia No-observable problema sin sensores (conformant problem) Agente puede no saber donde esta; solución es una secuencia No deterministico y/o parcialmente observable problema de contingencia Percepciones proveen nueva información sobre el estado actual Muchas veces se intercala: búsqueda, ejecución Espacio de estados desconocido problema de exploración
6 Ejemplo: Rumania En vacaciones en Rumania; actualmente en Arad. El vuelo sale mañana desde Bucharest Formular objetivo: Estar en Bucharest Formular problema: Estados: las ciudades Zcciones : manejar entre ciudades Encontrar solución: Secuencia de ciudades, e.g., Arad, Sibiu, Fagaras, Bucharest
7 Ejemplo: Rumania
8 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas Ejemplos de problemas Algoritmos básicos de búsqueda
9 Formulación de problemas Un problema se define por cuatro ítems: 1. Estado inicial e.g., en Arad" 2. Función de acciones o sucesor S(x) = set de pares acción-estado e.g., S(Arad) = {<Arad Zerind, Zerind>, 3. Test de objetivo, puede ser explicito, e.g., x = en Bucharest" implícito, e.g., Jaquemate(x) 4. Costo de ruta (aditivo) e.g., suma de distancias, numero de acciones ejecutadas, etc. c(x,a,y) es el costo de paso, se asume 0 Una solución es una secuencia de acciones que llevan de estado inicial al estado objetivo }
10 Seleccionando un espacio de estados El mundo real es demasiado complejo espacio de estados debe ser abstraído (i.e. simplificado) para resolver problemas e.g., "Arad Zerind" representa un complejo conjunto de rutas, desvíos, paradas, etc Para que sea realizable, cualquier estado real en Arad debe llevar a un estado real en Zerind" Solución (abstracta) = set de rutas reales que son soluciones en la vida real Cada acción abstracta debería ser mas simple que el problema original
11 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas Ejemplos de problemas Algoritmos básicos de búsqueda
12 Ejemplo: vacuum world Un estado, parte en #5. Solución?
13 Ejemplo: vacuum world Un estado, parte en #5. Solución? [Derecha, Aspirar] Sin sensores, parte en {1,2,3,4,5,6,7,8} e.g., Derecha va a {2,4,6,8} Solución?
14 Ejemplo: vacuum world Sin sensores, parte en {1,2,3,4,5,6,7,8} e.g., Derecha va a {2,4,6,8} Solución? [Derecha,Aspirar,Izq.,Aspirar] Contingencia No deterministico: Aspirar puede ensuciar una alfombra limpia Parcialmente observable: ubicación, mugre en ubicación actual. Percepción: [Izq., Limpio], i.e., parte en #5 o #7 Solución?
15 Ejemplo: vacuum world Sin sensores, parte en {1,2,3,4,5,6,7,8} e.g., Derecha va a {2,4,6,8} Solución? [Derecha,Aspirar,Isq.,Aspirar] Contingencia No deterministico: Aspirar puede ensuciar una alfombra limpia Parcialmente observable: ubicación, mugre en ubicación actual. Percepción: [Izq., Limpio], i.e., parte en #5 o #7 Solución? [Der., if Sucio then Aspirar]
16 Grafo de espacio de estados en Vacuum world estados? acciones? test objetivo? costo ruta?
17 Grafo de espacio de estados en Vacuum world estados? entero con ubicación de polvo y robot acciones? Izquierda, Derecha, Aspirar test objetivo? no hay polvo en ninguna ubicación costo ruta? 1 por acción
18 Ejemplo: ensamblador robótico estados?: coordenadas flotantes de los segmentos robóticos a las partes siendo ensambladas acciones? : movimientos continuos de los segmentos test objetivo?: completar ensamblaje costo ruta?: tiempo de ejecución
19 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas Ejemplos de problemas Algoritmos básicos de búsqueda
20 Algoritmos basados en árboles Idea básica: offline, exploración simulada del espacio de estados al generar sucesores de estados ya explorados (i.e.~expandiendo estados )
21 Ejemplo de algoritmo basado en árboles
22 Ejemplo de algoritmo basado en árboles
23 Ejemplo de algoritmo basado en árboles
24 Implementación: búsqueda genérica basada en árbol Un estado es una representación de una configuración física Un nodo es una estructura de datos que constituye parte de una búsqueda vía árboles incluyendo estado, nodo padre, acción, costo de ruta g(x), profundidad Fringe es una cola que tiene nodos sucesores no explorados Una función Expand crea nuevos nodos, llenando los varios campos y usando la función SuccessorFn del problema para crear los estados correspondientes.
25 Implementación: búsqueda genérica basada en árbol (cont)
26 Estrategias de búsqueda Una estrategia de búsqueda se define al seleccionar un orden de expansión de nodos Las estrategias se evalúan de acuerdo a : completitud: siempre encuentra una solución si alguna existe? complejidad temporal: numero de nodos generados complejidad espacial: numero máximo de nodos en memoria optimalidad : siempre encuentra una solución de mínimo costo? Complejidad de tiempo y espacio se mide en termino de b: máximo factor del numero de ramas del árbol de búsqueda d: profundidad de solución de mínimo costo m: profundidad máxima del espacio de estados (puede ser )
27 Estrategias de búsqueda no informadas Estrategias de búsqueda no informadas usan solo la información disponible en la definición del problema Búsqueda al ancho primero (i.e. Breadthfirst ) Búsqueda de costo uniforme Búsqueda en profundidad primero Búsqueda en profundidad limitada Búsqueda iterativa en profundidad
28 Búsqueda al ancho primero Expandir nodo no expandido menos profundo Implementación: fringe es cola FIFO, i.e., nuevos sucesores van al final
29 Búsqueda al ancho primero Expandir nodo no expandido menos profundo Implementación: fringe es cola FIFO, i.e., nuevos sucesores van al final
30 Búsqueda al ancho primero Expandir nodo no expandido menos profundo Implementación: fringe es cola FIFO, i.e., nuevos sucesores van al final
31 Búsqueda al ancho primero Expandir nodo no expandido menos profundo Implementación: fringe es cola FIFO, i.e., nuevos sucesores van al final
32 Propiedades de búsqueda al ancho primero Completo? Si (si b es finito) Tiempo? 1+b+b 2 +b 3 + +b d + b(b d -1) = O(b d+1 ) Espacio? O(b d+1 ) (mantiene cada nodo en memoria) Optimo? Si (si costo = 1 por paso) Espacio es el mayor problema (mas que tiempo) Ejemplo: b=10, nodos/sec, 1000 bytes/nodo D=2 : Nodos=1100, Tiempo=.11secs, Mem=1 MB D=6 : Nodos=10 7, Tiempo=19 min, Mem=10 GB D=10: Nodos=10 11, Tiempo=129 dias, Mem=101 TB
33 Búsqueda de costo uniforme Búsqueda al ancho es optimo si todos los costos son iguales porque expande siempre el nodo menos profundo. Por simple extensión encontramos este algoritmo para árboles con costos no iguales: Expandir nodo no expandido de mínimo costo Implementación: fringe = cola ordenada por costo de ruta Equivalente a búsqueda al ancho si todos los costos son iguales Completo? Si, si costo de paso ε Tiempo? # nodos con g costo de solución optima, O(b ceiling(c*/ ε) ) en el cual C * es el costo de la solución optima Espacio? # nodos con g costo de solución optima, O(b ceiling(c*/ ε) ) Optimo? Si nodos expandidos en orden incremental de g(n) Esta búsqueda en el pero caso puede ser mucho peor que b d porque al buscar grandes árboles de pasos de costo g pequeño pierde explorar rutas de pasos largos (y posiblemente útiles).
34 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
35 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
36 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
37 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
38 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
39 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
40 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
41 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
42 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
43 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
44 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
45 Búsqueda en profundidad Expandir nodo mas profundo Implementación: fringe es cola LIFO, i.e., poner sucesores al frente
46 Propiedades de búsqueda en profundidad Completo? No: falla en espacios de profundidad infinita, espacios con loops Modificar para evitar espacios repetidos en el camino completo en espacios finitos Tiempo? O(b m ): terrible si m mas grande que d Pero si las soluciones son densas puede ser mucho mas rápido que búsqueda al ancho Espacio? O(bm), Optimo? No i.e., lineal en espacio!
47 Búsqueda limitada en profundidad Igual a búsqueda en profundidad con un limite l i.e., nodos en profundidad l no tienen sucesores Implementación recursiva:
48 Búsqueda iterada en profundidad
49 Búsqueda iterada en profundidad l =0
50 Búsqueda iterada en profundidad l =1
51 Búsqueda iterada en profundidad l =2
52 Búsqueda iterada en profundidad l =3
53 Búsqueda iterada en profundidad Numero de nodos generados en una búsqueda limitada en profundidad (DLS) hasta profundidad d con un branching factor b: N DLS = b 0 + b 1 + b b d-2 + b d-1 + b d Numero de nodos generado en una búsqueda iterada en profundidad hasta profundidad d con un branching factor b: N IDS = (d+1)b 0 + d b^1 + (d-1)b^ b d-2 +2b d-1 + 1b d For b = 10, d = 5, N DLS = , , ,000 = 111,111 N IDS = , , ,000 = 123,456 Saldo adicional = (123, ,111)/111,111 = 11%
54 Propiedades de búsqueda iterada en profundidad Completo? Si Tiempo? (d+1)b 0 + d b 1 + (d-1)b b d = O(b d ) Espacio? O(bd) Optimo? Si, si costo de paso = 1
55 Resumen de algoritmos
56 Estados repetidos No se detectar estados repetidos causa que un problema lineal se puede tornar exponencial!
57 Búsqueda con memoria de estados visitados Para recordar los nodos ya expandidos se almacenan en la closed list
58 Resumen La formulación del problema requiere generalmente abstraer detalles del mundo real para definir un estado de espacios que puede ser factiblemente explorado Hay una variedad de estrategias de búsqueda no informadas (i.e. uninformed search strategies ) Búsqueda iterativa en profundidad utiliza espacio lineal y no mucho mas tiempo que otros algoritmos no informados
59 Resolviendo Problemas Buscando Soluciones Referencias: [1] S. Russell, P. Norvig, "Artificial Intelligence A Modern Approach", Prentice Hall, 2003
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
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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesBúsqueda Heurística II
Búsqueda Heurística II Pedro Meseguer IIIA-CSIC Bellaterra, Spain pedro@iiia.csic.es Algoritmos Algoritmo: procedimiento computacional que termina si en algún caso no termina, hay que especificarlo Características:
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 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 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 detallesB s ú que u da p rim i ero o e n n p rof o u f n u d n id i ad: E tr t ate t gia i L I L FO B s ú que u da p rim i ero o e n n a nc n h c u h r u a:
Búsqueda sin información Fernando Berzal, berzal@acm.org Búsqueda sin información Recorridos sobre grafos Búsqueda en anchura (BFS) Búsqueda en profundidad (DFS) Descenso iterativo (IDS) [ vuelta atrás
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 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 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 con información, informada o heurística
Búsqueda con información, informada o heurística Heurística Del griego heuriskein (encontrar, descubrir).» Arquímedes EUREKA!» Uso en IA 957, (G. Polya): Estudio de métodos para descubrir formas de resolución
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 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 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 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 detallesBúsqueda Informada. Algoritmos primero el mejor Algoritmos de búsqueda local
Búsqueda Informada Algoritmos primero el mejor Algoritmos de búsqueda local Algoritmos primero el mejor Búsqueda primero el mejor Búsqueda Voraz A* Algoritmos primero el mejor Familia de algoritmos de
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 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 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 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 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 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 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 detallesNo se permiten libros ni apuntes. Ejercicio 1 Ejercicio 2 Ejercicio 3 Ejercicio 4 TOTAL NOTA
Junio Duración: h Ejercicio Ejercicio Ejercicio Ejercicio TOTAL NOTA Ejercicio : [ puntos: respuesta acertada = +., respuesta incorrecta =.] Complete las siguientes frases y conteste a cada una con verdadero
Más detallesMultiplicación de matrices simétricas
Multiplicación de matrices simétricas La traspuesta de una matriz A n n es definida como una matriz A T n n tal que A T [i, j] =A[j, i] paracadai, j 2{1,...,n} Además, una matriz A es simétrica si A =
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 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 detallesInteligencia Computacional
Inteligencia Computacional Búsqueda local: hill-climbing http://blancavg.com/tc0/ Blanca A. Vargas Govea * blanca.vg@gmail.com * Agosto, 0 La solución es una secuencia de acciones A-I-G-H A B I C G D E
Más detallesResolviendo 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
Más detallesJuegos deterministas. Ajedrez, damas, Go, Othello. barquitos
Árboles de juegos Análisis y Diseño de Algoritmos Tipos de juegos Juegos deterministas Juegos de azar Con información perfecta Con información imperfecta Ajedrez, damas, Go, Othello barquitos Backgammon,
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 detallesEstimar la adecuación de un nodo para ser expandido.
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 3 - Solución 1. Contesta a las siguientes preguntas: (a) Cuál es el objetivo de una función heurística aplicada a la búsqueda en el espacio
Más detallesEspacios de estados Técnicas básicas de búsqueda en espacios de estados Búsqueda informada mediante técnicas heurísticas.
Tema 3: Búsqueda José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Miguel A. Gutiérrez Naranjo Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
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 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 detallesAlgoritmos Elementales de Grafos. Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem. 2002
Algoritmos Elementales de Grafos Agustín J. González ELO-0: Estructura de Datos Y Algoritmos er.sem. 00 Introducción Estudiaremos métodos para representar y explorar o recorrer grafos. Explorar un grafo
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 detallesAproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados
Aproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados Algoritmos aproximados Decimos que H es un algoritmo ε- aproximado para el problema Π si para algún ε > 0 x H (I) - x*(i) ε x*(i)
Más detallesComplejidad computacional. Algoritmos y Estructuras de Datos I. Complejidad computacional. Notación O grande
Complejidad computacional Algoritmos y Estructuras de Datos I Segundo cuatrimestre de 2014 Departamento de Computación - FCEyN - UBA Algoritmos - clase 10 Introducción a la complejidad computacional y
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 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 detallesx x 2 s s= (x 1, x 2 ) ... ? (sin explorar) M= (x 1, x 2, x 3, x 4,..., x n ) valor(m) =?
Exploración de grafos Grafos Recorridos sobre grafos Búsqueda primero en profundidad Búsqueda primero en anchura Backtracking ( vuelta atrás ) Descripción general Espacio de soluciones Implementación Ejemplos
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 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 detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesESTRUCTURA DE DATOS. ABB Arboles de Búsqueda Binaria
ESTRUCTURA DE DATOS ABB Arboles de Búsqueda Binaria ÁRBOLES BINARIOS Hasta ahora nos hemos dedicado a estudiar TAD que de una u otra forma eran de naturaleza lineal, o unidimensional. En los tipos abstractos
Más detallesJuegos deterministas. Ajedrez, damas, Go, Othello. barquitos
Búsqueda con adversario: Juegos Fernando Berzal, berzal@acm.org Tipos de juegos Juegos deterministas Juegos de azar Con información perfecta Con información imperfecta Ajedrez, damas, Go, Othello barquitos
Más detallesTema 2: Representación de problemas como espacios de estados
Tema 2: Representación de problemas como espacios de estados José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesSesión 14: Redes de Decisión
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 14: Redes de Decisión un agente racional ideal es aquel que, para cada posible secuencia de percepciones, realiza la acción que maximiza su
Más detallesVivaMéxico sin PRI. Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres. Primavera Lllegó el calor sabroso
VivaMéxico sin PRI Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres Facultad de Ciencias de la Computación Benemérita Universidad Autónoma de Puebla Primavera 2014. Lllegó el calor sabroso IMAGENESpemexmorena
Más detallesAlgoritmos y Estructuras de Datos II
27 de mayo de 2013 Clase de hoy 1 Repaso Divide y vencerás Algoritmos voraces 2 3 Divide y vencerás Algoritmos voraces Repaso cómo vs. qué 3 partes 1 análisis de algoritmos 2 tipos de datos 3 técnicas
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 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 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 detallesI. Complejidad de Problemas
I. Complejidad de Problemas 1. Complejidad de Problemas Tópicos Clasificación de Problemas Clasificación por su Naturaleza Clasificación por su Tratabilidad Clasificación por el tipo de Respuesta 1.1 Clasificación
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 detallesIN34A - 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,
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 detallesTema 5- Diseño Recursivo y. Objetivos Principales. Bibliografía Básica
Tema 5- Diseño Recursivo y Eficiente Tema 5- Diseño Recursivo y Eficiente Germán Moltó Escuela Técnica Superior de Ingeniería Informática Universidad Politécnica de Valencia Índice general: 1. Introducción
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 detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesInteligencia Artificial
Inteligencia Artificial I Introducción a la IA 2. Agentes Inteligentes Dr. Edgard Iván Benítez Guerrero 1 2. Agentes Inteligentes Agentes y su entorno Agentes racionales y REAS Propiedades de los entornos
Más detallesINTELIGENCIA ARTIFICIAL 1
Universidad de San Carlos de Guatemala Facultad de Ingeniería Escuela de Ciencias y Sistemas Programa del curso INFORMACIÓN DE CURSO INTELIGENCIA ARTIFICIAL 1 Código: 972 Créditos: 4 Área: Ciencias de
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 detallesCarrera: INB Participantes. Representante de las academias de ingeniería industrial de. Academias Ingeniería Industrial.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones II Ingeniería Industrial INB-0412 4-0-8 2.- HISTORIA
Más detallesLenguaje de programación S (Davis/Sigal/Weyuker) Lógica y Computabilidad. Ejemplo 1. Ejemplo 2
Lógica y Computabilidad Verano 2011 Departamento de Computación - FCEyN - UBA Computabilidad - clase 4 Lenguaje S, estado, descripción instantánea, cómputo, funciones parciales computables, minimización
Más detallesComplejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesIDA* = ID + A* Búsqueda Heurística. con Memoria Acotada ID A* c = 1 f(n) = g(n) + h (n) h (n)! h(n) (admisible) s 1. s 2. f(n) > c qué significa?
IDA* = ID + A* ID A* = 1 f(n) = g(n) + h (n) Búsqueda Heurístia h (n)! h(n) (admisible) on Memoria Aotada s 1 s 2 IDA* SMA* = 2 f(n) > qué signifia? f(n)! f(s 1 ) < f(n) RBFS s 1 s 2 < f(s 1 ) ID no enuentra
Más detallesApellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
Más detallesProgramación Estructuras Arborescentes
Programación 2 4 - Estructuras Arborescentes 1 Definición La recursión puede ser utilizada para la definición de estructuras realmente sofisticadas. Una estructura árbol (árbol general o finitario) con
Más detallesIntroducción a las RdP. Optimización basada en redes de Petri. Redes de Petri. Son objeto de estudio: RdP. Ejemplos:
Seminario sobre toma de decisiones en logística y cadenas de suministro Introducción a las RdP Optimización basada en redes de Petri https://belenus.unirioja.es/~emjimene/optimizacion/transparencias.pdf
Más detallesÁrboles. Árboles. Árboles binarios de búsqueda. Árboles. Inserción en un árbol. Árbol binario de búsqueda
Árboles Árboles Mario Medina C. mariomedina@udec.cl Árboles Estructura recursiva Árbol vacío 0 o más árboles hijos Altura ilimitada Árbol binario A lo más dos hijos: izquierdo y derecho Árboles Árboles
Más detallesFormulando con modelos lineales enteros
Universidad de Chile 19 de marzo de 2012 Contenidos 1 Forma de un problema Lineal Entero 2 Modelando con variables binarias 3 Tipos de Problemas Forma General de un MILP Problema de optimización lineal
Más detallesEstado 0 (valor = 3) Estado 2 (valor = 7) Estado 1.3 (valor = 9)
Búsqueda local Fernando Berzal, berzal@acm.org Búsqueda local Ascensión de colinas Enfriamiento simulado Algoritmos genéticos 1 Ascensión de colinas Ascensión de colinas simple E: Estado activo while (E
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 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 detallesMétodo simplex para redes (representaciones gráficas) Cálculo del flujo de un árbol de expansión
. 7 Árbol con ofertas y demandas. (Suponemos que el flujo de los demás arcos es igual a ) Método simplex para redes (representaciones gráficas) 6 - flujo en el arco (,)? Método simplex para redes (representaciones
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN ACTUARÍA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN ACTUARÍA ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: SEMESTRE: 5 MODALIDAD
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 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 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 detallesEstructura de datos. Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estructura de datos Licenciatura en Informática IFM - 0411 3-2-8 2.- HISTORIA DEL
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 detallesUniversidad de Valladolid. Departamento de informática. Campus de Segovia. Estructura de datos Tema 1: Recursividad. Prof. Montserrat Serrano Montero
Universidad de Valladolid Departamento de informática Campus de Segovia Estructura de datos Tema 1: Recursividad Prof. Montserrat Serrano Montero ÍNDICE Conceptos básicos Ejemplos recursivos Recursividad
Más detalles