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 NO INFORMADA. - BÚSQUEDA CON INFORMACIÓN PARCIAL. AUTORA: DAYANA H. BAILÓN DELGADO FACILITADORA: ING. HIRAIDA SANTANA CALCETA, ABRIL 2015
CAPÍTULO I. INTRODUCCIÓN Existe más de una alternativa o camino a seguir cuando se trata de buscar una solución. Por ello, a continuación se presentan los algoritmos faltantes del resumen anterior (ver resumen anterior https://intelgenciartificial2.wordpress.com/2015/04/17/resumen1-resolver-problemasmediante-busqueda/) su definición y aplicación. Además se hace una tabla comparativa de la eficiencia de cada uno de los algoritmos tratados. Muchas veces se asume que los agentes pueden observar por completo el medio que los rodea, predecir los pasos a seguir, y mantener controlado los elementos de su ambiente. Pero cuando esto no es del todo cierto, dichos agentes se encuentran con tres principales inconvenientes: problema de sensores, problema de contingencia y problema de exploración. Cada uno de estos son detallados en el presente resumen. 1.1. OBJETIVOS Definir los algoritmos de búsqueda: de profundidad limitada, primero en profundidad con profundidad iterativa y búsqueda bidireccional. Comparar entre si los algoritmos de búsqueda a través de las variables de evaluación adecuadas. Analizar los problemas que tienen los agentes cuando realizan una búsqueda con información parcial.
CAPÍTULO II. MARCO TEÓRICO 2.1. BÚSQUEDA DE PROFUNDIDAD LIMITADA. Funciona igual que la búsqueda en profundidad simple, pero evita los inconvenientes respecto a la completitud. L = Limite de profundidad Este método encontrará una solución siempre y cuando ésta se encuentra dentro del límite de profundidad designado, lo que garantiza completitud en todos los grafos A veces, los límites de profundidad pueden estar basados en el conocimiento del problema. Al brindar un límite de profundidad garantiza que el algoritmo no caiga en un clico infinito pero el inconveniente a tratar es que quizás la solución no esté dentro de los parámetros asignados. Incluso al escogerse un límite de profundidad excesivamente pequeño, la búsqueda limitada por profundidad ni siquiera será completa. Fig. 1: Gráfico de búsqueda de profundidad limitada. Con L=2.
2.2. BÚSQUEDA PRIMERO EN PROFUNDIDAD CON PROFUNDIDAD ITERATIVA. Este algoritmo consiste en aplicar búsqueda primero en profundidad limitada con l = 1, 2, 3, 4. Hace un barrido como la búsqueda en anchura El problema de este método es generar varias veces los mismos nodos. Si incrementa en 1 el límite todo se va a volver a formar nuevamente. Idea: esquivar el problema de elegir d*, al probar todos los posibles límites de profundidad Estrategia: enumerar todos los límites de profundidad d, empezando por 0 realizar búsqueda de profundidad limitada hasta d Fig. 2: Gráfico de explicación de búsqueda primero en profundidad con profundidad iterativa. 2.3. BÚSQUEDA BIDIRECCIONAL Se ejecutan dos búsquedas simultáneas: Desde el inicio hacia el objetivo. Desde el objetivo o solución al inicio. Los problemas presenta este algoritmo de búsqueda es que cuando el procesador no es bueno, tarda en partir desde el objetivo.
No se recomienda utilizar este algoritmo cuando existen dos soluciones en el mismo árbol. 2.4. TABLA DE COMPARACIÓN DE ALGORITMOS DE BÚSQUEDA. Fig. 3: Gráfico de búsqueda bidireccional. b=factor de ramificación. d=profundidad de la solución. m=profundidad máxima del árbol de búsqueda. l=límite de profundidad. 2.5. BÚSQUEDA CON INFORMACIÓN PARCIAL. Cuando el entorno no es totalmente observable y determinista y el agente desconoce cuáles son los efectos de cada acción. Lo cual genera a que, el agente no pueda calcular exactamente cuál es el estado resultado de cualquier
secuencia de acciones y no siempre sabe en qué estado está. Entonces, Qué pasa cuando el conocimiento de los estados o acciones es incompleto? Encontramos que diversos tipos de incompletitud conducen a tres tipos de problemas distintos: Problemas sin sensores: (también llamados problemas conformados): si el agente no tiene ningún sensor, entonces (por lo que sabe) podría estar en uno de los posibles estados iniciales, y cada acción por lo tanto podría conducir a uno de los posibles estados sucesores. Problemas de contingencia: si el entorno es parcialmente observable o si las acciones son inciertas, entonces las percepciones del agente proporcionan nueva información después de cada acción. Cada percepción posible define una contingencia que debe de planearse. A un problema se le llama entre adversarios si la incertidumbre está causada por las acciones de otro agente. Problemas de exploración: cuando se desconocen los estados y las acciones del entorno, el agente debe actuar para descubrirlos. Los problemas de exploración pueden verse como un caso extremo de problemas de contingencia.
CAPÍTULO III. CONCLUSIONES La búsqueda de profundidad limitada impone un límite de profundidad fijo a una búsqueda primero en profundidad. La búsqueda de profundidad iterativa utiliza la búsqueda de profundidad limitada incrementando dicho límite hasta que se logre alcanzar un objetivo. Se caracteriza por ser completo y óptimo. La búsqueda bidireccional puede reducir enormemente la complejidad en tiempo, aunque no es aplicable en todos los casos y puede necesitar demasiado espacio. Cuando el espacio de estados es un grafo más que un árbol, puede valer la pena comprobar si hay estados repetidos en el árbol de búsqueda. El algoritmo de Búsqueda-Grafos elimina todos los estados duplicados. En el caso de que el ambiente del agente es parcialmente observable, este puede utilizar algoritmos de búsqueda en el espacio de estado de creencia, Cuando el ambiente es parcialmente observable, el agente puede aplicar algoritmos de búsqueda en el espacio de estados de creencia, o los conjuntos de estados posibles en los cuales el agente podría estar.
BIBLIOGRAFÍA Nillson, N. 2010. The Quest for Artificial Intelligence. Segunda Edición. Stanford University. Estados Unidos. Russell, S y Norving, P. 2008. Inteligencia Artificial Un Enfoque Moderno: introducción a la inteligencia artificial. 2ed. Pearson Education. Madrid, ES. p 1242. Universidad de Granada. 2010. Exploración de grafos. (En línea). Formato PDF. Consultado, 11 de abr. 2015. Disponible en www.elvex.ugr.es/