Representación basada en Restricciones



Documentos relacionados
Satisfacción de Restricciones

Problemas de satisfacción de restricciones.

Hoja de Problemas Tema 6 Búsqueda con estados estructurados: Restricciones

Fundamentos del diseño 3ª edición (2002)

Problema de Programación Lineal

Problemas de Satisfacción de Restricciones

Tema 5: Problemas de satisfacción de restricciones

Algoritmos para CSP 1

Programación con Restricciones Constraint Programming

Inteligencia Artificial. Visiones: Árboles de Búsqueda Técnicas Look-Back Técnicas Look-Ahead. Elizabeth Montero Ureta.

CLAVE MATEMÁTICAS DISCRETAS MAD-CV 2115IS 03/08/2015 CUATRIMESTRE EVALUACIÓN INSTRUMENTO PARA LA ENSEÑANZA (PROFESOR) Rúbrica de mapa conceptual

PROPUESTA DE ALTERNATIVAS PARA EL MODELADO DE USUARIO ESTADÍSTICO UNIVERSIDAD CARLOS III D E MADRID

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Tema 6: Programación Lógica: semántica declarativa. Lenguajes y Paradigmas de Programación

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de Recuperación de Información

Explotando el Conocimiento de Dominio para mejorar la Recuperación de Información: El Modelo de Índices Ontológicos

Resolución de Problemas

Tema 12: Teorema de Herbrand

Inteligencia Artificial I

RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES

Proyecto Unico Interpretador de SetCalc

Desarrollar y aplicar estrategias para resolver problemas Determinar si un gráfico es lineal dibujando puntos en una situación dada

Problemas de satisfacción de restricciones. Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana

1. Introducción: Qué es un Modelo de Datos? 2. Estática del modelo de datos relacional

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

Ministerio de Educación Nuevo Bachillerato Ecuatoriano. Programación lineal

Valor absoluto: Ecuaciones e Inecuaciones en una Variable Real

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla

Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial ISSN:

Álgebra Relacional. Unidad 5

Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos. Resultados del Proyecto

Representación de Conocimientos

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III

SILABO DEL CURSO LOGICA MATEMATICA

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Métodos Heurísticos en Inteligencia Artificial

CONSTRUCCION DE SISTEMAS EXPERTOS

Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

y los conos serán todos los diagramas (acá usamos la palabra en el sentido habitual, no en el que acabamos de definir) de la forma

Ingeniería en Informática

INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA. Dr. Ramón GARCIA MARTINEZ

RELACIÓN DE PROBLEMAS Nº 2 CONJUNTOS Y APLICACIONES

Estrategias Didácticas B-Learning: ÁLGEBRA RELACIONAL

Significado de las f.b.f (fórmulas bien formadas) en términos de objetos, propiedades y relaciones en el mundo

Razonamiento. con. Restricciones. Esquema Global. Tutorial CAEPIA Introducción - Definiciones - Ejemplos

Descomposición de dominios

SEGURIDAD Y PROTECCION DE FICHEROS

Figuras de Lissajous (Versión )

Búsqueda sobre catálogos basada en ontologías

Proyecto de Normalización Automática de Base de Datos

MATEMÁTICAS CON MATHEMATICA

Temario. Índices simples Árboles B Hashing

El proyecto realizado consiste en un resolutor de sudokus mediante CSP.

MÉTODOS DE ELIMINACIÓN Son tres los métodos de eliminación más utilizados: Método de igualación, de sustitución y de suma o resta.

by Tim Tran:

Algoritmos: Diseño de algoritmos por inducción

UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

Dep. Multivaluadas y Cuarta F.N.

Tipos Abstractos de Datos

Programación por restricciones clase 10

March 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero

Lic. Manuel de Jesús Campos Boc

GUÍAS. Módulo de Diseño de software SABER PRO

Lógica Proposicional IIC2212. IIC2212 Lógica Proposicional 1 / 56

Aritmética finita y análisis de error

Semántica de Primer Orden. Semántica de Primer Orden

Programación lineal 2º curso de Bachillerato Matemáticas aplicadas a las ciencias sociales

LA PLANIFICACIÓN DE LAS OPERACIONES A MEDIO Y CORTO PLAZO TEMA 9

UNIVERSIDAD DE ESPECIALIDADES ESPÍRITU SANTO FACULTAD DE INGENIERIA DE SISTEMAS Y TELECOMUNICACIONES SYLLABUS

Capítulo VI DESIGUALDADES E INECUACIONES

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal

Jugando con las ecuaciones: La magia del material concreto

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Componentes de los SBC

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

INDICE. XVII Prólogo a la edición en español. XXI 1. Calculo proporcional 1.1. Argumentos y proporciones lógicas

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

José de Jesús Ángel Ángel, c Factorización

Quantus - HELP DESK. Quantus - Help Desk. Informes de Gestión Los informes de gestión permiten la visión detallada de la situación actual

BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA. Inteligencia Artificial

MA-0125 MATEMÁTICA ELEMENTAL -Décimo Año- I EXAMEN PARCIAL 2012

Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores

Unidad II: Análisis de Redes

Recuperación de Información en Internet Tema 3: Principios de Recuperación de Información

Propuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos

Razonamiento. con. Restricciones. Esquema Global. Tutorial IBERAMIA Introducción - Definiciones - Ejemplos

Simulación Computacional de Harnero Vibratorio

Estas visiones de la información, denominadas vistas, se pueden identificar de varias formas.

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

PROGRAMADOR DE BASES DE DATOS RELACIONALES

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

LA EXPERIENCIA PILOTO DEL SELLO EUR-ACE EN ESPAÑA

CATÁLOGO DE INFERENCIAS

Resolución de Problemas: Situaciones y Contextos

Transcripción:

Representación basada en Restricciones Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660 Boadilla del Monte, Madrid, Spain

Bibliografía Notas sobre modelos de Razonamiento. (Sección 1.4) Servicio de Publicaciones de la Facultad de Informática José Cuena

Idea Intuitiva (I) Búsqueda Estado Inicial X = {a, b} Y = {a, b, c} Z = {a, b} Filtrar Estado 1 X = {a, b} Y = {b, c} Z = {a, b} X=a Estado 1 X=b Incoveniente: R = {R1, R2,..., Rm} R1: X=Z R2: Y <> a Generación exhaustiva de todo el espacio de búsqueda hace poco eficiente la solucion alcanzada Solución: Búsqueda con Poda Y=b Y=c Y=b Y=c Z=a Z=b Z=a Z=b Z=a Z=b Z=a Z=b Evaluación de soluciones correctas {X=a, Y=b, Z=a}{X=a, Y=c, Z=a}...

Nociones Básicas Representar el problema usando modelos con ecuaciones en los que aparecen atributos (variables) que toman valores en unos dominios. Objetivo: Asignar valores a variables satisfaciendo el conjunto de restricciones Cómo? Utilizando un proceso iterativo de búsqueda con poda basado en el análisis del conjunto de restricciones en cada nodo del árbol de búsqueda Filtrado de variables Propagación de valores

Componentes básicos Marco Conceptual Variables/Atributos: X1, X2,... Xn Dominio finito para cada atributo: DXi = <Vi1, Vi2,..., Vim> Se pueden establecer prioridades entre atributos Conjunto de Restricciones R = {R1, R2,..., Rm} / Ri es ecuación o inecuación Se pueden establecer prioridades entre restricciones Motor de Inferencia Filtrado de las restricciones (Obtener combinaciones de valores de atributos que satisfacen R) Propagación de restricciones de valores en las variables

Dominios de las Variables X1 = {V11, V12,... V1i} X2 = {V21, V22,... V2j}... Xn = {Vn1, Vn2,... Vnm} Restricciones R = {R1, R2,... Rn} Estado Inicial X1= {V11} X2 = {V21, V22} Motor de Inferencias (Algoritmo de Waltz) Conjunto de posibles soluciones válidas: {{X1=V11, X2=V21, X3=V31,...} {X1=V12, X2=V22, X3=V32,...}}

Modelización de las Restricciones Tipos de Restricciones Unarias X > 30 Binarias X-4=Y... Formulación Implícita Ecuaciones X +Y =Z Criterios de Diseño de la restricción No usar disyunciones No asignar valores a variables Ej: evitar expresiones X1=v1 Intentar minimizar el número de variables... Inecuaciones X +Y > 4 Producto Cartesiano Relaciones de orden... Formulación Explícita

El Motor de Inferencias Características: Eficaz: alcanzar todas las soluciones Eficiente: En el menor número de pasos Problema: NP completo Solución: Buscar restricción a restricción inconsistencias en los valores de las variables Iteración de procesos de resolución de inconsistencias locales Alternativas: Algoritmo de Waltz (1 variable) Algoritmo de Martelli (3 variables) Algortimo de Freuder (k variables)

Algoritmo de Waltz Asignar valores iniciales a las variables R = {R1, R2,..., Rm} tratar Ri tratar valores Filtrar los dominios de las variables: (aplicar restricciones en el mismo orden) Sí Dominios vacíos de variables No Propagación (Continua la exploración fijando el valor de una variable) Cambian los dominios de las variables Sí No Se poda la rama al no encontrar valores que satisfagan la restricción X=a E1 X=b Conjunto de posibles soluciones válidas

Generación del Arbol en la etapa de Propagación En amplitud (por niveles) En profundidad X=a E1 X=b En cada nodo se Filtran los dominios de las variables Si dominios vacios: se poda En caso contrario: seleccionar una variable y fijar valores Backtracking si el nodo no se puede expandir

Idea Intuitiva del algoritmo de Waltz Estado Inicial X = {a, b, c} Y = {a, b, c} Z = {a, b, c} Filtrado Estado 1 X = {a, b} Y = {b, c} Z = {a, b} X=a Filtrado Estado 1 X=b Filtrado R = {R1, R2,..., Rm} tratar Ri tratar valores Z=a Solución 1 X = a Y = b Z = a Estado 2 X = a Y = b Z = {a, b} Z=b Solución 2 X = a Y = b Z = a Estado 3 X = b Y = {b, c} Z = {a, b}......

Cómo se resuelven los problemas? 1. Identificar Variables 2. Definir dominios de variables 3. Listar Restricciones 4. Establecer prioridades 1. De Variables 2. De restricciones 5. Aplicar el algoritmo de Waltz 1. Filtrado 2. Propagación