Inteligencia Artificial - Santiago Primer período académico 2007 1 Descripción de la Asignatura Nombre: Inteligencia Artificial Sigla: ILI-295 URL: http://www.inf.utfsm.cl/~mcriff/ia-s mcriff@inf.utfsm.cl Paralelos: 01 Prerrequisito: Investigación de Operaciones I Créditos: 03 Profesor: María Cristina Riff {mcriff }@inf.utfsm.cl Horario de clases: 1a. sesión semanal: Lu 3-4; 2a. sesión semanal: Lu 5-6 ; Horarios de consulta: María Cristina Riff: Ayudante de Cátedra: Ayudantes de Proyecto: 2 Contenido Formulación de modelos, noción del espacio de búsqueda, problemas NP-completos, problemas de optimización combinatoria, problemas de satisfacción de restricciones. Técnicas de filtrado, técnicas de consistencia, técnicas de resolución look-back, look-ahead. Métodos Incompletos, noción de búsqueda local, Hillclimbing, Tabu Search, Simulated Annealing, Algoritmos Genéticos, Técnicas Híbridas, Nuevas técnicas. 3 Bibliografía Los alumnos disponen de las transparencias de la asignatura en un CD en biblioteca central. Además, disponen de artículos de apoyo a bajar de la página 1
WEB de la asignatura y una carpeta en secretaría de informática con capítulos de libros y/o artículos relacionados con la materia de la asignatura. 4 Objetivos Formular modelos de optimización con restricciones y de satisfacción con restricciones. Interpretar resultados y realizar análisis post-óptimo Conocer las técnicas de reducción de problemas Conocer las técnicas de resolución completas e incompletas Aplicar técnicas en la elaboración de un proyecto práctico semestral Conocer técnicas híbridas específicas para la resolución de problemas complejos 5 Unidades temáticas 1. Modelos de Optimización combinatoria: formulación, noción del espacio de búsqueda, problemas clásicos: vendedor viajero, set covering, set partitioning, quadratic assignement problem. 2. Problemas de Satisfacción de restricciones: definición, modelos, tipos de problemas reales, red de restricciones. 3. Técnicas de Reducción: Técnicas de filtrado y consistencia, métodos de arco-consistencia, complejidad. 4. Técnicas de Resolución Completas: backtracking, técnicas look-back: CBJ, GBJ, técnicas look ahead: FC, RFL. 5. Técnicas de Resolución Incompletas: Búsqueda Local, noción de vecindario, representaciones especiales, problemas clásicos resueltos por búsqueda local. 6. Metaheurísticas: Algoritmos basados en Hill climbing, algoritmos voraces, búsqueda tabu, simulated annealing, algoritmos genéticos. 7. Técnicas avanzadas: Algoritmos híbridos, nuevos problemas, nuevas técnicas. 6 Software La realización del proyecto de la asignatura se realiza en C en un ambiente Linux. Los alumnos pueden utilizar el laboratorio de modelos y métodos cuantitativos. 2
7 Evaluación La asignatura se evalúa en base a certámenes, y un proyecto semestral con dos etapas de entrega. Certámenes Se realizarán dos certámenes de igual ponderación. Toda inasistencia no justificada a un certamen se califica con nota 0 (cero). Se requiere nota mínima promedio de certámenes de 50 para considerar la nota del proyecto. Proyecto El proyecto se presenta en dos etapas. Ambas requieren un informe escrito. La primera parte se evaluará además con una presentación del tema a investigar. La entrega es en la Secretaría de Docencia del Departamento de Informática. Cada día de atraso implica un descuento de 10% en la nota de la parte del proyecto. Toda etapa del proyecto no entregada dentro de los 5 días siguientes a la fecha de entrega tiene nota 0 (cero). 7.1 Publicación de resultados Todas las notas y la pauta de corrección de los certámenes y los controles son publicadas en la página web de la asignatura. 7.2 Entrega de evaluaciones Todas las evaluaciones se entregan en la Secretaría de Docencia del DI (los certámenes, a más tardar, dos semanas después de ser rendidos). 7.3 Apelaciones Aquellos alumnos que desarrollen sus certámenes, con tinta pueden apelar por escrito, especificando claramente las razones, adjuntando todos los documentos en la Secretaría de Docencia del DI dentro de la semana que sigue a la entrega de los resultados. Toda apelación fuera de plazo no será considerada. 7.4 Ponderaciones La nota final corresponde a: Si Promedio de Certámenes es inferior a 50 es igual a la nota promedio de certámenes. Si Promedio de Certámenes es superior o igual a 50 Certámenes 60% Proyecto 40% Parte I 20% Parte II y III 80% 3
7.5 Estructura de las evaluaciones 7.5.1 Certámenes Certamen 1: 1. Formulación de modelos de optimización combinatoria con restricciones y de satisfacción de restricciones. 2. Técnicas de Filtro y Consistencia 3. Técnicas de Búsqueda Completa 4. Artículos de lectura. Certamen 2: 1. Búsqueda Local, Representación, Vecindario 2. Tabu Search, Simulated Annealing 3. Diseño de Algoritmos Genéticos 4. Diseño de Algoritmos Híbridos. 7.5.2 Proyecto Parte I: Parte II: Formulación del problema a resolver, estado del arte Resolución del problema usando una o más técnicas vistas en clase. 7.6 Programación Fecha Contenido Certamen 1 09.04.2007 Temas 1, 2, 3 y 4 Certamen 2 28.05.2007 Temas 5, 6 y 7 Proyecto Presentación Proyecto Primera Parte Entrega 2da. Parte Algoritmo Completo - pruebas Proyecto Final 4
8 Planificación de sesiones Fecha Sesión Tema 05.03 1 Formas de Modelar 05.03 2 Modelos de Optimización Combinatoria 12.03 3 Modelos Especiales de Optimización Combinatoria 12.03 4 Problemas de Satisfacción de restricciones 19.03 5 Técnicas de Filtro y Consistencia 19.03 6 Consistencia de Arcos: AC-1, AC-2, AC-3, AC-4 26.03 7 Casos y Ejercicios 26.03 8 Técnicas de Búsqueda look-back 02.04 9 Técnicas look-ahead 02.04 10 Ejercicios preparatorios certamen 09.04 11 Certamen 1 16.04 12 Búsqueda Local 16.04 13 Exploración, Explotación, Movimientos 23.04 14 Presentación Temas Proyecto 23.04 15 Presentación Temas Proyecto 07.05 16 Simulated Annealing, Hill-Climbing 07.05 17 Tabú Search 14.05 18 Algoritmos Genéticos 14.05 19 Operadores Especializados 28.05 20 Certamen 2 5