Curso !"#$%#$!& Inteligencia Artificial (30223) Problemas resueltos. Índice. Problema del laberinto. ! Problema del laberinto
|
|
- María Carmen Franco Reyes
- hace 5 años
- Vistas:
Transcripción
1 Inteligencia rtificial (303) Problemas resueltos urso José Ángel añares 1//013. Dpto. Informática e Ingeniería de Sistemas. Índice! Problema del laberinto! Puzzle de dos dimensiones! Misioneros y caníbales! * en grafo! Minimax y poda alfa-beta Problema del laberinto principio fin Una búsqueda informada puede resolver este laberinto, encontrando un camino desde la localización inicial hasta la final. Las posibles acciones son: arriba, abajo, izquierda, derecha, que son sólo válidas si hay una línea de puntos entre las celdas del laberinto. onsiderar que la heurística utilizada es la distancia en línea recta entre la posición actual y la final del laberinto. 1. La heurística propuesta es admisible? es consistente?, y La distancia al cuadrado?. Muestra que la búsqueda en escalada (ascenso de la colina) no podrá encontrar una solución óptima con la heurística de la distancia en línea recta. 3. Qué algoritmo de búsqueda garantizaría encontrar una solución óptima con estas heurísticas heurísticas (distancia y cuadrado distancia)?. Indica los cuadrados buscados en el laberinto utilizando * con la heurística dada y un coste unitario por cada movimiento. $&
2 Problema del laberinto (heurística)! heurístic distancia en línea recta hasta el objetivo. h "! ( x, y) = ( x! xobj) + ( y yobj ) Es admisible (subestima) y consistente (por la desigualdad triangular) y,,1 5,3 5, 3,1 3,1 5,,3 5,39, 3,1,3,,0,0 5,1,1 3,1, 1, ini fin,0,0 5,1,1 3,1, 1,1 1,,3 5,39, 3,1,3, x Problema del laberinto (heurística)! heurístic distancia en línea recta hasta el objetivo. h "! ( x, y) = ( x! xobj) + ( y yobj ) Es admisible (subestima) y consistente (por la desigualdad triangular) y,,1 5,3 5, 3,1 3,1 5,,3 5,39, 3,1,3,,0,0 5,1,1 3,1, 1,1 1,1,0 3 ini fin <= 1,1+,0,0,0 5,1,1 3,1, 1,1 1,,3 5,39, 3,1,3, x Problema del laberinto (heurística)! heurístic cuadrado de la distancia en línea recta hasta el objetivo. h "! ( x, y) = ( x! xobj) + ( y yobj ) Ni admisible (sobreestima) ni consistente y ini fin x!&
3 Problema del laberinto (escalada)! heurístic cuadrado de la distancia en línea recta hasta el objetivo. h "! ( x, y) = ( x! xobj) + ( y yobj ) Ni admisible (sobreestima) ni consistente y ini fin 9 > + 3! x Problema del laberinto (escalada)! heurístic distancia en línea recta hasta el objetivo. El laberinto tiene dos soluciones. h "! ( x, y) = ( x! xobj) + ( y yobj ) f (estado) = h(estado) y 5,,1 5,3 5 9, 3,1 3, ,,3 5,39, 3,1,3,,0,0 5, ,1 3,1, 1, ini fin,0,0 5, ,1 3,1, 1, ,,3 5,39, 3,1,3, x Problema laberinto (*) y Laberinto con dos soluciones 3 ini fin lgoritmo * ( f = g + h ) y 11, 11, 11, 1 1, 1, 13, 5,3,3,,5 1, 1, 13, 9,0 9,0 9,1 11,1 1, 19, 13, ini fin 19,1 1,1 15,1 13,1 15, 1, 3, 1 0,3 1,3 1, 1,5 1,, 3, x h "! ( x, y) = ( x! xobj) + ( y yobj ENUENTR EL ÓPTIMO! ) y oste del camino óptimo desde el estado inicial ( g ) y ini fin x h "! ( x, y) = ( x! xobj) + ( y yobj No encuentra el óptimo ) "&
4 1: f'=9, g=1, h'= 1 : f'=, g=1, h'=9 : f'=, g=, h'= 3: f'=, g=1, h'= : f'=, g=, h'= 9: f'=, g=3, h'= : f'=, g=3, h'=5 3 0 : f'=, g=1, h'= 11: f'=, g=3, h'=5 13: f'=, g=, h'= 1: f'=, g=, h'= : f'=, g=, h'= 15: f'=, g=, h'= 1: f'=, g=3, h'= 5: f'=, g=1, h'=9!"#$%#$!& Puzzle de dos dimensiones Estado Inicial Estado Objetivo! Las figuras a) y b) muestran los estados inicial y final respectivamente de un puzzle de dos dimensiones con tres piezas (, y ) que pueden moverse en las cuatro direcciones, siempre y cuando los límites del tablero, las casillas negras (obstáculos que no se mueven) y las otras dos piezas no se lo impidan.! Se pide: 1. Establecer las acciones y encontrar una heurística admisible. Dibujar el espacio de estados que se genera al aplicar el algoritmo * explorando en un grafo. Póngase especial interés en indicar claramente los distintos valores que forman la información que permite valorar cada nodo. 0 0: f =, g=0, h= 1: f 1: = f'=9,, g=1, g=1, h= h'= 1 : f'=, g=1, h'=9 3: f'=, g=1, h'= : f'=, g=1, h'= 5: f'=, g=1, h'=9 : f'=, g=, h'= : f'=, g=, h'= : f'=, g=, h'= : f'=, g=, h'= : f'=, g=, h'= : f'=, g=, h'= 9: f'=, g=3, h'= : f'=, g=3, h'=5 3 11: f'=, g=3, h'=5 1: f'=, g=3, h'= 13: f'=, g=, h'= 1: f'=, g=, h'= 15: f'=, g=, h'= '&
5 1: f'=9, g=1, h'= 1 : f'=, g=1, h'=9 13: f'=, g=, h'= 1: f'=, g=, h'= : f'=, g=, h'= 0: f'=, g=, h'= 1: f'=, g=5, h'=3 15: 15: f'=, f'=, g=, g=, h'= h'= 1: f'=, g=, h'= : f'=, g=, h'= 1: f'=, g=5, h'=3 : f'=, g=, h'=1 3: f'=, g=1, h'= : f'=, g=, h'= 9: f'=, g=3, h'= : f'=, g=3, h'=5 3 1: f'=9, g=1, h'= 1 : f'=, g=1, h'=9 0 : f'=, g=1, h'= 11: f'=, g=3, h'=5 13: f'=, g=, h'= 1: f'=, g=, h'= : f'=, g=, h'= 0: f'=, g=, h'= 1: f'=, g=5, h'=3 : f'=, g=, h'= : f'=, g=, h'=0 : f'=, g=, h'= 5: f'=, g=1, h'=9 1: f'=, g=3, h'= 15: 15: f'=, f'=, g=, g=, h'= h'= 1: f'=, g=, h'= : f'=, g=, h'= 1: f'=, g=5, h'=3 : f'=, g=, h'=1 3: f'=, g=1, h'= : f'=, g=, h'= 9: f'=, g=3, h'= : f'=, g=3, h'=5 3 0 : f'=, g=1, h'= 11: f'=, g=3, h'=5 : f'=, g=, h'= : f'=, g=, h'=0 : f'=, g=, h'= 1: f'=, g=3, h'= 5: f'=, g=1, h'=9!"#$%#$!& 13: f'=, g=, h'= 1: f'=, g=, h'= 15: f'=, g=, h'= 1: f'=, g=5, h'=5 1: f'=, g=5, h'=3 5 1: f'=, g=5, h'=3 13: f'=, g=, h'= g=5, h'=5 5 1: f'=, h'= 19: f'=, g=, 3: f'=, g=, h'=3 5: f'=, g=, h'= 19: f'=, g=, h'= 0: f'=, g=, h'= 1: f'=, g=, h'= : f'=, g=, h'= 13: f'=, g=, h'= 1: f'=, g=, h'= 15: f'=, g=, h'= 1: f'=, g=5, h'=5 1: f'=, g=5, h'=3 5 1: f'=, g=5, h'=3 19: f'=, g=, h'= 0: f'=, g=, h'= 1: f'=, g=, h'= : f'=, g=, h'= 13: f'=, g=, h'= g=5, h'=5 5 1: f'=, h'= 19: f'=, g=, 3: f'=, g=, h'=3 3: f'=, g=, h'=3 : f'=, g=, h'=1 5: f'=, g=, h'= : f'=, g=, h'= : f'=, g=, h'=0 5: f'=, g=, h'= Problema misionero y caníbales! En la orilla de un río hay 3 misioneros y 3 caníbales y todos ellos pretenden cruzar al otro lado. La barca que se utiliza para cruzarlo solo tiene capacidad para dos personas, con lo que alguien ha de estar volviendo siempre a la orilla inicial mientras quede gente sin cruzar. demás, si en alguna ocasión y en cualquiera de las orillas se encuentran un número mayor de caníbales que de misioneros, los primeros se comerán a los segundos. 1. ómo representarías los estados?. uáles serian los operadores? 3. Qué heurísticas existen para este problema? Son admisibles? (&
6 Problema misioneros - ESTDO! ESTDO: Se podría indicar la posición de la barca, junto con el número de misioneros y caníbales que hay en cada lado.! Se podría pensar que, dado que el número de personas en el extremo final puede calcularse a partir de los que hay en el inicial, basta con indicar la posición de la barca y los misioneros y caníbales que quedan en el extremo inicial. Sin embargo, la primera aproximación permite describir más fácilmente las precondiciones y efectos de los operadores, por lo que mantenemos la representación inicial. demás, el espacio de estados tiene el mismo tamaño e idéntica semántica con ambas representaciones.! Formalmente, un estado será representado por una terna (M i, i,, M f, f ) en la que:! [i, f] indica la posición de la barca, por lo que toma el valor i si está en el extremo inicial, o f si está en el final! Mi, i, Mf, f [0,..., 3] indican el número de misioneros y caníbales que quedan en el extremo inicial y final del río, respectivamente! De esta manera, el estado inicial se representa como (3, 3, i, 0, 0) y el estado final como (0, 0, f, 3, 3) Problema misioneros - IONES! Se dispone de 5 acciones que transportan personas de la orilla x a la orilla y:! Mover1(x, y) transporta 1 caníbal desde la orilla x hasta la orilla y! Mover(x, y) transporta caníbales desde la orilla x hasta la orilla y! Mover1M(x,y) transporta 1 misionero desde la orilla x hasta la orilla y! MoverM(x,y) transporta misioneros desde la orilla x hasta la orilla y! Mover1M1(x,y) transporta 1 misionero y un cabinal desde x hasta y! El modelo de transiciones debe representar las precondiciones de cada acción y sus efectos. Modelo transiciones 3 grupos de precondiciones 1 La persona debe estar en la orilla para moverse La barca debe estar en la orilla 3 Evitamos movimientos que llevan a que haya Mas caníbales que misioneros en una orilla. )&
7 Misioneros y caníbales (heurísticas)! Vamos a obtener las heurísticas por relajación del problema original. Para dicha relajación, partimos de las precondiciones expuestas.?! Eliminar primer grupo de precondiciones. Si eliminamos ese primer grupo de condiciones, se obtiene un problema relajado que no parece ser mucho más fácil de resolver que el problema original, por lo que no tiene mucho sentido.! Eliminar segundo grupo de precondiciones. Se puede asumir que hay infinitas barcas tanto en un lado como en otro. Este problema tiene una solución muy sencilla, que es asumir que siempre viajan un caníbal y un misionero juntos, con la acción Mover1M1(i,f). Por tanto, la heurística resultante de este problema relajado es: h 1 (n) = i + M i asumiendo que en el estado n se cumplen los requisitos definidos por el grupo de precondiciones 3. Misioneros y caníbales (heurísticas)! Vamos a obtener las heurísticas por relajación del problema original. Para dicha relajación, partimos de las precondiciones expuestas.! l eliminar el tercer grupo de condiciones, obtenemos un problema relajado en el que los caníbales nunca se comen a los misioneros. Entonces, en cada viaje de ida y vuelta, podemos transportar a una persona (dado que la otra tendrá que volver para llevar la barca). Por tanto, la heurística resultante es:! h (n) = ( i + M i )! orilla(n) donde orilla(n) = 1 si en el estado n la barca está en la orilla i ( = i), y orilla(n) = 0 si la barca la orilla final ( = f).! Si eliminamos el grupo de precondiciones y 3 a la vez es equivalente a eliminar solo la precondición. Misioneros y caníbales (heurísticas)! Las dos heurísticas son admisibles, puesto que son resultado de relajar el problema original.! Para decidir qué heurística elegir, h1 o h, estudiamos cuál es la más informada, puesto que será la que, siendo admisible, tendrá un valor más cercano a h. Se observa fácilmente que la más informada es h, puesto que h 1 (n)! h (n), sea cual sea el valor de i y de M i para el estado n. Por tanto, elegimos h (n). h 1 (n) = i + M i h (n) = ( i + M i )! orilla(n) *&
8 Misioneros y caníbales (exploración)! plicar el algoritmo de búsqueda * sobre la representación del problema de los misioneros y los caníbales. Especifica cuándo un nodo del árbol de búsqueda es expandido y cuándo es sólo generado. Utiliza la heurística resultante de relajar el tercer grupo de precondiciones. * en grafo! plicar el algoritmo de búsqueda * en grafo al siguiente grafo de estados. El nodo inicial es y hay un solo nodo objetivo, que en este caso es Z. cada arco se le ha asociado un coste y a cada nodo la estimación de la menor distancia de ese nodo al nodo objetivo (hay que asumir que se trata de una heurística admisible). Se pide el orden en que los nodos son expandidos y el orden de la solución. Justifica tu solución dibujando en la siguiente página el árbol que se genera en la búsqueda indicando: f, g y h, así como el nº de orden en que los nodos son visitados D 0 E 50 G 0 Z 50 F H D 0 E D E F G H 9 F F F F 50 5 H Z G H Z 0 1 Sería correcto si añadiéramos la restricción de que sólo Se pueden aplicar acciones para ir hacia abajo y no volver Hacia arriba. +&
9 D 0 E 50 G F H 3 30 * F F 50 5 * 0 9 D F * E Z 1 1 * D 0 1 E 0 G H F* 50 *Nodos expandidos previamente, no haría falta calcular coste 30 * F* 50 H Z Minimax / alfa-beta úsqueda en juegos [ mi] onsiderar el árbol de juego mostrado abajo. sumir que el nodo de arriba es un nodo max. Las etiquetas de los arcos son los movimientos. Los números en el nivel de abajo son los valores heurísticos de esas posiciones. ompleta el árbol de juego utilizando una búsqueda mini-max Indica las ramas podadas con una poda alfa-beta con una búsqueda de izquierda a derecha. Indica los valores que van tomando alfa y beta en cada nodo Reordena las hojas de los nodos de forma que resultara en el máximo número de nodos podados en una poda alfa-beta de izquierda a derecha (indica también las ramas podadas). Reordena los hijos pero preserva las relaciones padre-hijo. max min 3 5 Minimax / lfa-beta max max min 3 <= min max max 3 min <=3 <= min ,&
10 Minimax y alfa-beta! Dado el árbol de la figura 1. Señala las estrategia ganadoras, si las hubiera, para un jugador MX y para un jugador. Se considera que un nodo terminal es ganador para MX si su valor es superior o igual a. ontrariamente, es ganador para si es inferior a. MX Minimax y alfa-beta! Dado el árbol de la figura! Señala las estrategia ganadora, si las hubiera, para un jugador MX y para un jugador. Se considera que un nodo terminal es ganador para MX si su valor es superior o igual a. ontrariamente, es ganador para si es inferior a. MX tiene dos estrategias ganadoras => no. MX 1 MX MX MX Minimax y alfa-beta! Dado el árbol de la figura! Señala las estrategia ganadora, si el nodo inicial fuera. Se considera que un nodo terminal es ganador para MX si su valor es superior o igual a. ontrariamente, es ganador para si es inferior a. no tiene estrategia ganadora MX MX $%&
11 Minimax y alfa-beta! Dado el árbol de la figura. Recorre el árbol de izquierda a derecha, siguiendo el método de poda alfa-beta, indicando claramente (tachando con una x) los nodo en que se produce poda. Encuadra /marca los nodos terminales que no ha sido necesario recorrer. Señala el valor de la decisión más acertada para MX. MX 9 5 1! Datos a marcar! Los valores de alfa y beta con los que se hace cada llamada recursiva desde cada nodo. onvenio! Si las llamadas se hacen desde un nodo MX, alfa (a) será un valor que puede ir aumentando, hasta igualar o superar a beta (b), en cuyo caso se producirá una poda alfa. Estas llamadas las marcaremos con (a=valor 1, valor ), para reslatar que es el cambio de a el que determina el que haya poda o no.! Si las llamadas se hacen desde un nodo, beta(b) será un valor que puede ir disminuyendo, hasta igualar o quedar por debajo de alfa (a), en cuyo caso se producirá una poda beta. Estas llamadas las marcaremos con (valor 1, b=valor ).! EL segundo dato relacionado con el nodo a marcar, es el resultado que se devuelve al nodo padre. (-", b= ") MX (-",b= ") MX MX $$&
12 (-", b= ") MX (-",b= ") (-",b= ) MX MX (-", b= ") MX (a=, ") (-",b= ") (-",b= ) MX MX (-", b= ") MX (a=, ") (, b=") (-",b= ") (-",b= ) MX MX $!&
13 (-", b= ") MX (a=, ") (, b=") (, b=) (-",b= ") (-",b= ) MX MX MX (-", b= ") MX (a=, ") MX (, b=") (, b=) (-",b= ") (-",b= ) MX (-", b= ") (-", b= ) MX (a=, ") (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) $"&
14 MX (-", b= ") (-", b= ) MX (a=, ") (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (-", b=) MX (-", b= ") (-", b= ) MX (a=, ") (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (-", b=) MX (-", b= ") (-", b= ) MX (a=, ") (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (-", b=) $'&
15 MX (-", b= ") (-", b= ) MX (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (-", b=) MX (-", b= ") (-", b= ) MX (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (a=, ") (-", b=) $(&
16 MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (a=, ") (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) $)&
17 MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (a=, ") x a(=)= (a=-", ) MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) $*&
18 MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) MX (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (-", b=) MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (-", b=) $+&
19 MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (-", b=) MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (,b= ) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (a=, ) (-", b=) MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (,b= ) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (a=, ) (-", b=) $,&
20 MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (,b= ) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (a=, ) (-", b=) MX (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (,b= ) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (a=, ) (-", b=) MX uidado! (a=, ") (a=, ") (-", b= ") (-", b= ) MX (, b=") (, b=) (,b= ") (,b= ) (a=, ") x a(=)= (a=-", ) a(=)> x MX (, b=") (, b=) (a=, ) (-",b= ") (-",b= ) (-", b=) (a=, ")(a=, ") (a=, ") (a=, ) (-", b=) !%&
21 Valor con alfa-beta MX uidado! MX x a(=)= a(=)> x MX 9 5 1! del árbol comenzando por MX MX MX 9 5 1! del árbol comenzando por (-",b= ") (-",b= ) a(=)= (-",b= ) MX x x MX (a=, ") a(=)= (a=-", ) (a=-",) (-", b= ") (-", b=) (,b= ") (,b= 9) a(=)> MX x 9 (a=-", ) (a=,b= ") (a=,") (a=,") (-", b=) (-", b=) (-",b= ) (a=, 9) (a=, 9) !$&
22 Valor con alfa-beta! del árbol comenzando por MX a(=)> MX x x a(=)= a(=)= x MX Inteligencia rtificial (303) Grado en Ingeniería Informática.!!&
Ingeniería Técnica en Informática de Gestión
Departamento de Informática Universidad Carlos III de Madrid Ingeniería Técnica en Informática de Gestión Inteligencia Artificial Noviembre 2008 Búsqueda no Informada y Heurísticas de Búsqueda Comentarios
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 detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesEjercicios 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
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 detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detalles(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
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 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 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 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 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 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 detallesINTELIGENCIA EN REDES DE COMUNICACIONES
INTELIGENCIA EN REDES DE COMUNICACIONES JUEGOS CON ADVERSARIO ALGORITMO MINIMAX PODA ALFA BETA OTRAS MEJORAS ANA BEATRIZ SOLANA SÁNCHEZ JUEGOS BIPERSONALES Este tipo de juegos los podemos definir como:
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 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 detallesEjercicio 1: [20 puntos: respuesta acertada = +1, respuesta incorrecta = 1]
Ejercicio 1: [20 puntos: respuesta acertada = +1, respuesta incorrecta = 1] Complete las frases que se muestran a continuación con las alternativas especificadas. En la siguiente tabla, indique "V" o "F"
Más detallesSOLUCIONES A LOS EXÁMENES DE SEPTIEMBRE DE 2006
SOLUIONES LOS EXÁMENES DE SEPTIEMBRE DE 006 signatura: Introducción a la Inteligencia rtificial Ingeniería Técnica en Informática de Sistemas U.N.E.D. SEPTIEMBRE 006-ORIGINL 1. (Valoración: 3 puntos) Defina
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 detalles4. En el algoritmo de minimax con poda alfa-beta es posible podar TODOS los sucesores de un nodo de juego que se está analizando? Por qué?
Inteligencia Artificial (Curso 2013 2014) Máster en Matemática Avanzada Tema 3: Búsqueda con adversario 1. Influye el orden en el que se analizan los sucesores de un nodo en la eficiencia del algoritmo
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 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 detallesA B MIN C D E F MAX x E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO
E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROBLEMAS. TEMA IV. PROBLEMAS DE JUEGOS.
Más detallesIngeniería en Informática
Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Inteligencia Artificial Noviembre 2007 Hoja de Ejercicios 3: Funciones heurísticas Comentarios generales sobre los
Más detallesAlgoritmo de ramificación y acotación
Algoritmo de ramificación y acotación Investigación Operativa Ingeniería Técnica en Informática de Gestión UC3M Curso 08/09 Descripción de los objetivos En esta práctica desarrollaremos el algoritmo de
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 detallesApellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
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 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 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 detallesAlgoritmos y Estructuras de Datos Curso 06/07. Ejercicios
9..En un problema de backtracking estamos interesados en almacenar de forma explícita el árbol recorrido por el algoritmo. De cada nodo del árbol sólo necesitamos saber un número, que indica el orden en
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 detallesEstructuras de Datos y Algoritmos: Boletín de Problemas del segundo parcial
Estructuras de Datos y Algoritmos: Boletín de Problemas del segundo parcial (Facultad de Informática) Curso 00 0 Estructuras de Datos y Algoritmos (FI-UPV) Curso 00 0 Árboles. Si la acción P fuera escribir
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 detallesAmpliación de Algoritmos y Estructura de Datos Curso 02/03. Ejercicios
272. En un problema determinado, una solución está dada por una tupla de n elementos (x, x 2,..., x n ). Para cada elemento existen en total m posibles valores. Comparar el número de nodos generados para
Más detalles(Ficha 2, CASILLA) i. FE(1, A1) = = 1 ii. FE(1, A2) = = 2 iii. FE(5, A3) = = 1
onsidérese la siguiente posición del tablero de parchís con la situación de fichas descrita en el mismo. La posición se describe en la siguiente tabla: Jugador (Ficha 1, SILL) (Ficha 2, SILL) (Ficha 3,
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 detallesInteligencia Artificial
Inteligencia Artificial Grupo PLG Universidad Carlos III de Madrid IA. 2008 Grupo PLG (UC3M) Inteligencia Artificial Inteligencia Artificial 1 / 70 Indice 1 Introducción 2 Búsqueda sin información Búsqueda
Más detallesBúsqueda con adversario. Representación del juego. Búsqueda con adversario. Notas. Uso: Decidir mejor jugada en cada momento para cierto tipo de
úsqueda con adversario ntroducción Uso: ecidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: umero de jugadores, toda la información
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 septiembre 2010 Ejercicio 1. (Valoración:
Más detallesJUEGOS. Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil
JUEGOS Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil I Oponente: Jugador: intenta mover a un estado que es el peor para Etiquetar cada nivel del espacio de búsqueda
Más detallesSistemas Inteligentes I Tema 3. Juegos José A. Montenegro Montes
Sistemas Inteligentes I Tema 3. Juegos José A. Montenegro Montes monte@lcc.uma.es Resumen! Juegos! Algoritmo Minimax! Poda Alfa-Beta! Funciones de Evaluación Juegos! Entornos multiagente, donde cada agente
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 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 detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
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 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 detallesINTELIGECIA EN REDES DE COMUNICACIONES 5º ING TELECOMUNICACIÓN TRABAJO FINAL DE LA ASIGNATURA EL DOMINÓ AUTORES
INTELIGECIA EN REDES DE COMUNICACIONES 5º ING TELECOMUNICACIÓN 2006-2007 TRABAJO FINAL DE LA ASIGNATURA EL DOMINÓ AUTORES DANIEL F. TAVEIRA MONTEIRO RODRIGO GÓMEZ RODRIGUEZ DAVID TOLEDO NAVARRO 1. Índice
Más detallesIngeniería en Sistemas Computacionales. Inteligencia Artificial. Ing. Bruno López Takeyas. Algoritmo Hill Climbing
Ingeniería en Sistemas Computacionales Inteligencia Artificial Ing. Bruno López Takeyas Algoritmo Hill Climbing Alumnos Ylliana Samantha Anderson Benavides 01100161 Pablo Saúl Hernández Ribota 01100230
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 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 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 11: INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA CON VARIABLES DISCRETAS
TEMA 11: INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA CON VARIABLES DISCRETAS 1.- ECUACIONES LINEALES (MILP) 1.1.- Formulación 1.2.- Algoritmos para resolver MILPs 2.- VISIÓN GENERAL DE LOS ALGORITMOS DE
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 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 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 detallesEstructura de datos y de la información Boletín de problemas - Tema 10
Estructura de datos y de la información Boletín de problemas - Tema 10 1. En el caso de que sea posible, dar un ejemplo de los siguientes puntos. Si no, explicar por qué no lo es. Considerar un valor genérico
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 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 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 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 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 detallesTenemos una red bayesiana formada por siete variables binarias y los siguientes enlaces: A , A , B , B , C , D , E y F . Dada la evidencia { A 1 y E
signatura: Técnicas vanzadas de Razonamiento arrera: Ingeniería en Informática (UN) ebrero de 2005, 1ª semana Tenemos una red bayesiana formada por siete variables binarias y los siguientes enlaces:,,,,,,
Más detallesTema 2 - Algoritmos en redes Hoja de problemas
.T.S.I.I.T - Grado en Ingeniería de Tecnologías de Telecomunicación Redes de omunicaciones - urso 0/08 Tema - lgoritmos en redes Hoja de problemas Problema. ncontrar, aplicando los algoritmos de ijkstra
Más detallesDefinición 1: Un grafo G es una terna ordenada (V(G), E(G), Ψ
Título: Un Arbol Natural Autor: Luis R. Morera onzález Resumen En este artículo se crea un modelo para representar los números naturales mediante un grafo, el cual consiste de de un árbol binario completo
Más detallesPFC. José Luis Pichardo Muñoz 5. Heurística basada en Grafos
5.1. Introducción. En este capítulo vamos a describir una heurística basada en el cálculo de índices mediante un problema de flujo a coste mínimo. Inicialmente se implementó una metaheurística GRASP, pero
Más detallesIngeniería 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
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 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 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 detallesRedes de Comunicaciones
Redes de omunicaciones jercicios Tema. lgoritmos de encaminamiento Ramón güero alvo epartamento de Ingeniería de omunicaciones ste tema se publica bajo Licencia: rea:ve ommons Y- N- S.0 .T.S.I.I.T - Grado
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 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 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 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 detallesLa máxima distancia entre dos nodos de un árbol está dada por alguna de las 3 siguientes: La máxima distancia entre dos nodos del subárbol izquierdo.
Dado un árbol binario cualquiera, calcular la máxima distancia entre dos nodos. El algoritmo debe funcionar en orden de complejidad, siendo n la cantidad de nodos. Idea del algoritmo: La máxima distancia
Más detallesProgramación Entera. Nelson Devia C. IN Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulos 10 y 11
Más detallesPlaneación y Búsqueda. IA Planeación de Trayectorias y Métodos de Búsqueda
IA Planeación de Trayectorias y Métodos de Búsqueda Planeación y Búsqueda Cuando se enfrenta uno a un problema que se resuelve por una búsqueda, se suelen presentar dos escenarios: El ambiente es estático
Más detalles9. Programación lineal entera.
9. rogramación lineal entera. Introducción Método de ramificación y poda rogramación lineal entera Un problema de programación entera es aquel en el que alguna o todas sus variables deben tomar valores
Más detallesTema 2. Fundamentos Teóricos de la. programación dinámica Teorema de Optimalidad de Mitten
Tema 2 Fundamentos Teóricos de la Programación Dinámica 2.1. Teorema de Optimalidad de Mitten El objetivo básico en la programación dinámica consiste en descomponer un problema de optimización en k variables
Más detallesProblema 1. Se considera un triángulo equilátero de lado 1 y centro O, comoeldelafigura.
Problema 1. Se considera un triángulo equilátero de lado 1 y centro O, comoeldelafigura. O C Un rayo parte de O y se refleja en los tres lados,, C y C, (en el orden dado), hasta alcanzar el vértice. Determinalalongitudmínima
Más detallesCI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos
Especialización en Creación y Programación de Videojuegos CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos Agenda de hoy Juegos Combinatorios Información en un Juego La suma de un Juego s
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 detallesTP de Programación Funcional: Reversi
TP de Programación Funcional: Reversi Fecha de entrega: 20 de septiembre 6 de septiembre de 2007 Índice 1. Módulo Reversi 1 1.1. Reglas del juego........................... 1 1.2. Tipos de datos............................
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 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 detallesPrueba de selección 9 de junio de 2018 Nombre:... Apellidos:... Fecha de nacimiento:... Teléfonos:... Centro en el que estudias:
PROYECTO DE LA REAL ACADEMIA DE CIENCIAS Estímulo del talento matemático Prueba de selección 9 de junio de 2018 Nombre:... Apellidos:... Fecha de nacimiento:... Teléfonos:... Centro en el que estudias:
Más detallesAlgoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Programación Dinámica, 4 de mayo 2017
Algoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Programación Dinámica, 4 de mayo 2017 Para cada uno de los dos problemas siguientes, hay que explicar cómo se
Más detallesPlaneación de Trayectorias y Métodos de Búsqueda. Dr. Jesús Antonio González Bernal
IA Planeación de Trayectorias y Métodos de Búsqueda Dr. Jesús Antonio González Bernal Planeación y Búsqueda Cuando enfrentamos un problema que se resuelve por una búsqueda, se suelen presentar dos escenarios:
Más detallesÁrboles. Un grafo no dirigido es un árbol si y sólo si existe una ruta unica simple entre cualquiera dos de sus vértices.
ÁRBOLES Árboles Un grafo conectado que no contiene circuitos simples. Utilizados desde 1857, por el matemático Ingles Arthur Cayley para contar ciertos tipos de componentes químicos. Un árbol es un grafo
Más detallesBinary Decision Diagrams
Rodríguez Blanco 2006-05-18 Introduccion Equivalencia Tablas de verdad eficientes Construcción de Equivalencia Tablas de verdad eficientes Equivalencia de dos fórmulas A 1 y A 2. Construir su tabla de
Más detallesAlgoritmos de búsqueda informada
Teoría 4: Algoritmos de búsqueda informada Sistemas Inteligentes Sistemas Inteligentes 1 Carreras: Ingeniería en Informática Ingeniería en Computación (Optativa) e-mail: lcagnina@unsl.edu.ar Departamento
Más detallesRAMIFICAR-ACOTAR Y PLANOS DE CORTE
RAMIFICAR-ACOTAR Y PLANOS DE CORTE ELISA SCHAEFFER Programa de Posgrado en Ingeniería de Sistemas (PISIS) elisa@yalma.fime.uanl.mx INVESTIGACIÓN DE OPERACIONES EL MÉTODO RAMIFICAR-ACOTAR (RA) (ingl. Branch
Más detallesTema: ARBOLES. Instructor: MC. Gerardo Gálvez Gámez Junio de 2018 INTRODUCCIÓN:
UNIVERSIDAD AUTÓNOMA DE SINALOA Facultad de Informática uliacán Tema: AROLES Instructor: M. Gerardo Gálvez Gámez Junio de 2018 INTRODUIÓN: Hasta el momento solo se han estudiado estructuras lineales y
Más detallesINTELIGENCIA ARTIFICIAL II
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO PERIODO ABR. /SEP.-2015 INTELIGENCIA ARTIFICIAL II TEMA: RESUMEN#3: BÚSQUEDA INFORMADA Y EXPLORACIÓN
Más detallesCálculo II. 1 o Primer curso de ingeniería informática. Curso 2009/2010. Ejercicios resueltos. Hoja 1
Cálculo II. 1 o Primer curso de ingeniería informática. Curso 2009/2010. Ejercicios resueltos. Hoja 1 6. Dibujar las curvas de nivel y la gráfica de las siguientes funciones f : R 2 R. (e) f(x, y) = 1
Más detallesEJERCICIOS DE GRAFOS DE JUEGO
Universidad de lcalá Departamento de iencias de la omputación lgoritmia y omplejidad EJERIIOS DE GRFOS DE JUEGO Ejercicio 1). Se dispone de una matriz M de tamaño Fx (F es la cantidad de filas y la cantidad
Más detalles