Estimar la adecuación de un nodo para ser expandido.

Documentos relacionados
Teoría de grafos y optimización en redes

(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es

(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados

Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut

3. Consideremos el puzzle-8 descrito en clase y sea el estado objetivo, como de costumbre,

Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE

4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005

Inteligencia Artificial

Tema 2: Juegos unipersonales

Un grafo G = (V, E) se dice finito si V es un conjunto finito.

NOTAS TÉCNICAS SOBRE EL SIT: Comisiones Comerciales

Tema: Los Grafos y su importancia para la optimización de redes.

Introducción a la Programación Dinámica. El Problema de la Mochila

El TAD Grafo. El TAD Grafo

JUEGOS. Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil

Algebra lineal y conjuntos convexos

Investigación de Operaciones I. Problemas de Asignación

PRÁCTICA ALGORÍTMICA: EJERCICIOS PROPUESTOS

Tema 5: Análisis de Sensibilidad y Paramétrico

Algoritmos para determinar Caminos Mínimos en Grafos

Algoritmos sobre Grafos

PROGRAMACION CONCURRENTE Y DISTRIBUIDA

Proyecto 6. Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial.

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

ICM Fundamentos de Computación

1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE

Problemas de la Ruta más m s corta

PROGRAMACIÓN. UNIDAD II. ALGORITMO PROFA : HAU MOY

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD

Como buscar información en la Biblioteca Virtual de Gartner?

Algoritmos y Estructuras de Datos Curso 06/07. Ejercicios

ALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se

CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES

Tema 2.- Formas Cuadráticas.

GRÁFICOS DE CONTROL. Datos tipo atributo

III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3.

Bloque temático: Sistemas de Reconocimiento de Patrones

Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular.

Búsqueda con adversario

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Es un conjunto de objetos llamados vértices o nodos unidos por enlaces llamados aristas o arcos, que permiten representar relaciones binarias entre

Figura 3.1. Grafo orientado.

Modelos de input-output y cadenas de Markov

MANUAL Y ACTIVIDADES. Edublogg.wordpress.com. Caeiro Fábregas - Pérez

OPTIMIZACIÓN DE CÓDIGO

Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Relaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad

Metaheurísticas. Seminario 4. Problemas de optimización con técnicas basadas en adaptación social


Tema 2 Juegos: marco teórico general

Primer examen parcial del curso Física II, M

Ejercicio 1. Desarrollar una versión del juego Memoria.

Práctica 5 Cálculo de rutas utilizando A* y celdas de ocupación

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

DOCENTE: JESÚS E. BARRIOS P.

Electrotécnica 1 Práctico 1

Inteligencia Artificial Problemas de satisfacción de restricciones

CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero

El método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.

Práctica 2: Periodicidad

EJERCICIO. Dadas las rectas y

3ra. Practica. Algoritmos de Búsqueda. Inteligencia Artificial Prácticas 2004/2005

Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas

GRAMATICAS LIBRES DEL CONTEXTO

Inteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Sistemas de ecuaciones lineales

CAPÍTULO 4 TÉCNICA PERT

Contenidos. Capítulo 1 Grimaldi. Introducción Reglas. Combinación. Coeficiente. Permutación. Ejercicios 20/05/2014. sin repeticiones con repeticiones

EJERCICIO 1 La tabla siguiente muestra las posibilidades de producción en una economía:

Departamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011

Memoria Cache. Departamento de Arquitectura de Computadores

Programación Estructurada

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21

GRÁFICOS DE CONTROL. Datos tipo atributo

Es una tabla bidimensional de números consistente en cantidades abstractas que pueden sumarse y multiplicarse.

UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA

Unidad Nº V Listas Enlazadas

LABORATORIO Nº 9 TABLAS DINÁMICAS

Tema 11: Inducción de Reglas p. 1/1

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Regresión con autocorrelación

OPTIMIZACIÓN VECTORIAL

Índice Proposiciones y Conectores Lógicos Tablas de Verdad Lógica de Predicados Inducción

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

Manual de Identidad Corporativa Brahma Cafetería-Chocolatería. María Vives

Relación de prácticas de la asignatura METODOLOGÍA DE LA PROGRAMACIÓN Segundo Cuatrimestre Curso º Grado en Informática

Diagramas de secuencia

Complejidad computacional (Análisis de Algoritmos)

Materia: Matemática de 5to Tema: Método de Cramer. Marco Teórico

Dar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones

Tema Árboles generales. 9.2 Árboles binarios 9.3 Árboles de búsqueda

Métodos de Búsqueda para juegos humano-maquina. PROF: Lic. Ana María Huayna D.

Teoría de juegos Andrés Ramos Universidad Pontificia Comillas

Solución de sistemas de ecuaciones lineales: Métodos de Jácobi y Gauss-Seidel

SCUACAC026MT22-A16V1. SOLUCIONARIO Ejercitación Generalidades de números

Grado Programa de 1922 Programa de 1940 Programa de 1961 Programa de 1972 Programa de 1993

Para definir en formalmente el juego se deberá establecer:

RUTA DEL INTERIOR. CAMINO PRIMITIVO CONCEJO DE GRANDAS DE SALIME CARTOGRAFÍA ESTADO Y CARACTERISTICAS ELEMENTOS ASOCIADOS

Búsqueda heurística Prof. Constantino Malagón

Autómatas Deterministas. Ivan Olmos Pineda

Transcripción:

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 de estados? Estimar la adecuación de un nodo para ser expandido. (b) Cuál es la definición de heurística consistente? Una heurística es consistente si para todo nodo n i y todo sucesor n j de n i se cumple que h (n i ) h (n j ) c(n i, n j ) o sea, si h subestima el coste de todos los operadores. (c) Cuál es la definición de heurística optimista? Una heurística es optimista si h (n) h(n) donde h(n) mide el coste real desde el nodo n hasta el nodo meta más cercano. (d) Una función heurística consistente es también optimista? Si. Una heurística consistente subestima el coste de todos los operadores, por lo tanto, también subestima el coste total hacia la meta. (e) Qué condiciones garantizan que el algoritmo A sea óptimo? El algoritmo A es óptimo si la función heurística h es optimista. 2. Dado el siguiente problema de búsqueda: Por un genérico nodo (u, v), cuáles de las siguientes funciones heurísticas son optimistas? Página 1 de 7

Figura 1: Red 2D regular e infinita, Estado inicial (0, 0), Estado final: (x, y) x, y Z, Movimiento entre estados directamente conectados a coste 1 (a) h ((u, v)) = u x + v y h ((u, v)) = u x + v y h((u, v)) = u x + v y (b) h ((u, v)) = u x v y (x, y) = (1, 1) h ((4, 4)) = 4 1 4 1 = 9 h((4, 4)) = 4 1 + 4 1 = 6 (c) h ((u, v)) = 2 min( u x, v y ) supongamos que u x v y, entonces h ((u, v)) = 2 min( u x, v y ) = 2 u x 2 u x u x + v y u x v y que concuerda con nuestra suposición inicial. (d) h ((u, v)) = u + x + v + y (x, y) = ( 1, 1) h (( 2, 2)) = 2 + 1 + 2 + 1 = 6 h(( 2, 2)) = 2+1 + 2+1 = 2 (e) h ((u, v)) = ( u x 2 + v y 2 ) h ((u, v)) = ( u x 2 + v y 2 ) h((u, v)) = u x + v y u x 2 + v y 2 ( u x + v y ) 2 = u x 2 + v y 2 + 2 u x v y Página 2 de 7

3. Considere el problema de los bloques cuyo estado inicial y estado meta se muestran en la siguiente figura: Desarrolle el árbol de búsqueda que expande el algoritmo A, utilizando la siguiente heurística: h (n) = número de bloques descolocados Con tal fin, considere que un bloque está descolocado si por debajo no tiene el elemento correcto (bien el bloque deseado o bien la mesa). Filtre los ciclos simples, indique el orden de expansión de los estados y muestre en cada paso los valores de f, g y h. Suponga que el coste de cada operador es 1. Página 3 de 7

4. El grafo que se muestra en la figura describe un problema de búsqueda. Suponga que A es el estado inicial y que F y E son estados meta. Los arcos están etiquetados con el coste real de los operadores (hasta allí, el problema coincide con el de la transparebcia 12 del Tema 3) (a) Asigne los valores de la función heurística h, de modo que resulte ser optimista y no consistente La siguiente función heurística sería optimista h como se comprueba fácilmente: A 8 B 6 C 6 D 1 E 0 F 0 h (A) = 8 =< h(a) = 10 (1) h (B) = 6 =< h(b) = 7 (2) h (C) = 6 =< h(c) = 7 (3) h (D) = 1 =< h(d) = 3 (4) h (E) = 0 =< h(e) = 0 (5) h (F ) = 0 =< h(f ) = 0 (6) Sin embargo, no es consistente, porque no subestima el coste real del operador que lleva del estado C al estado D: h (C) h (D) = 6 1 = 5 > c(c, D) = 4 (7) Página 4 de 7

(b) Desarrolle el árbol de búsqueda que genera el algoritmo A. Es el algoritmo A óptimo en este caso? Como se ilustra en el ejemplo, el algoritmo A es óptimo, ya que la función heurística h es optimísta. 5. Las recientes lluvias han provocado daños en la infraestructura de un municipio que deben ser reparados con urgencia. Concretamente, hay N obras por realizar y se ha pedido presupuesto a M empresas constructoras para cada una de las obras. El coste de encargar cada obra a cada empresa viene dado por una tabla como la siguiente, donde C i,j indica el coste de encargar a la empresa E i la obra O j Obra O 1 Obra O 2... Obra O N EmpresaE 1 C 1,1 C 1,2 C 1,N EmpresaE 2 C 2,1 C 2,2 C 2,N... EmpresaE M C M,1 C M,2 C M,N El Ayuntamiento ha decidido asignar una sola obra por empresa. El problema consiste en decidir qué obra se asignará a cada empresa, de modo que se minimice el coste total. Los técnicos deciden utilizar el algoritmo A para resolver el problema. (a) Defina una representación eficiente del problema, especificando el conjunto de posibles estados, estado inicial, estados finales, así como operador(es) y su coste. Se puede utilizar una lista de empresas para representar un estado en el espacio de búsqueda: la primera empresa de la lista es adjudicataria de la obra O 1, la segunda de la obra O 2, etc. Por ejemplo, la lista [E 3, E 1 ] representa un estado en el que la obra O 1 está adjudicada a la empresa E 3, la obra O 2 a la empresa E 1, y las obras O 3 hasta O N están todavía sin adjudicar. Página 5 de 7

Estado inicial: [] Estados meta: cualquier lista de longitud N que no contenga elementos (empresas) repetidos Operador: añadir un elemento (una empresa nueva) al vector, i.e. adjudicar la siguiente obra a una empresa nueva Coste de un operador: el coste de dicha adjudicación (b) Defina una buena función heurística h optimista para el problema general. Es su función h también consistente? Para un estado s, la función heurística h devuelve la suma de los costes mínimos de todas las obras no asignadas, considerando para ello únicamente las empresas sin adjudicación en s. Formalmente, si consideramos ob(s) el conjunto de obras asignadas en s, y emp(s) el conjunto de empresas adjudicatarias en s: h (s) = O j / ob(s) min Ei / emp(s){c i,j } (8) Para cada obra no adjudicada en s, el coste real de su adjudicación siempre es mayor o igual que el coste mínimo contabilizado por h. Se sigue que h subestima el coste real de cada operador por lo que es consistente, en consecuencia, también optimista. (c) Considere el siguiente caso particular (los costes se expresan en millones de Euros) Obra O 1 Obra O 2 Obra O 3 Obra O 4 EmpresaE 1 2 3 2 4 EmpresaE 2 5 5 4 5 EmpresaE 3 6 5 4 3 EmpresaE 4 10 8 6 6 Desarrolle el árbol de búsqueda que genera el algoritmo A (puede suponer el mejor caso ). Indique el orden en el que se expanden los nodos, los valores de g, h y f para cada nodo del árbol de búsqueda, y la evolución de la lista abierta. Página 6 de 7

Página 7 de 7