Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
Inteligencia artificial
2
Inte
ligen
cia
Art
ifici
al
Búsqueda de metas
Los procesos de búsqueda tienen sentido enproblemas que:
Permitan asociar conjunto de estados.Poseen estados iniciales donde empezar.Hay operadores para pasar de un estado aotro.Existen estados metas (solución)
3
Inte
ligen
cia
Art
ifici
al
Algoritmo general
Procbuscar() ABIERTO <- [estado inicial] CERRADO <- [] MQ (ABIERTO <> vacio) tomar estado X de ABIERTO SI (X = META) V: ÉXITO F: generar sucesores de X agregar X a CERRADO
agregar sucesores a ABIERTO FMQ return FALLOFin_proc_buscar()
4
Inte
ligen
cia
Art
ifici
al
Búsquedas
Anchura (amplitud)
Profundidad
Mixta
HeurísticaCon información
Sin información
5
Inte
ligen
cia
Art
ifici
al
x
x
x
a
bb c
dd e ff g
h i jj k l
m n o x
6
Inte
ligen
cia
Art
ifici
al
a
u
b
s
v
z
c
n
r
x
7
Inte
ligen
cia
Art
ifici
al
b s u
a
r z z v z v c
nx
rn
rn
rn
cn
cn
x
8
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda en profundidad
9
Inte
ligen
cia
Art
ifici
al
Algoritmo
Buscar_ampli() ABIERTO <- [estado inicial] CERRADO <- [] MQ (ABIERTO <> vacío) tomar primer estado X de ABIERTO SI (X = META) V: ÉXITO F: generar sucesores de X agregar X a CERRADO eliminar sucesores que A/C agregar sucesores a ABIERTO final FMQ return FALLOFin_Buscar_ampl()
10
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda en anchura
11
Inte
ligen
cia
Art
ifici
al
Algoritmo
Buscar_prof() ABIERTO <- [estado inicial] CERRADO <- [] MQ (ABIERTO <> vacio) tomar primer estado X de ABIERTO SI (X = META) V: indicar camino, ÉXITO
F: MQ hermanos a derechagenerar sucesores de Xagregar sucesores a ABIERTO no repetiragregar X a CERRADO
FMQFMQreturn FALLO
Fin_Buscar_prof()
12
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda mixta
13
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda mixta
14
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda mixta
15
Inte
ligen
cia
Art
ifici
al
xx
xx
xx
aa
bb cc
dd ee ff gg
hh ii jj kk ll
mm nn oo xx
Búsqueda mixta
16
Inte
ligen
cia
Art
ifici
al
Algoritmo
Buscar_nodet() ABIERTO <- [estado inicial] CERRADO <- [] MQ (ABIERTO <> vacío) tomar estado X de ABIERTO SI (X = META) V: ÉXITO F: generar sucesores de X agregar X a CERRADO agregar sucesores a ABIERTO al azar FMQ return FALLOFin_Buscar_nodet()
17
Inte
ligen
cia
Art
ifici
al
Procesos-algoritmos
Mini-MaxPoda Alfa-BetaMuseo BritánicoPrimero el MejorA*A-Escalando Montañas
Inte
ligen
cia
Art
ifici
al
Algoritmo
Minimax
19
Inte
ligen
cia
Art
ifici
al
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
20
Inte
ligen
cia
Art
ifici
al
min
min
max
max
min
min
max
max
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
21
Inte
ligen
cia
Art
ifici
al
min
min
max
max
2 1 3 4 2 4 3 2
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
22
Inte
ligen
cia
Art
ifici
al
min
max
max
2 4 4 3
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
2 1 3 4 2 4 3 2
23
Inte
ligen
cia
Art
ifici
al
min
max
2 3
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
2 1 3 4 2 4 3 2
2 4 4 3
24
Inte
ligen
cia
Art
ifici
al
max
3
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
2 1 3 4 2 4 3 2
2 4 4 3
2 3
25
Inte
ligen
cia
Art
ifici
al
max
26
Inte
ligen
cia
Art
ifici
al
max
min
max
27
Inte
ligen
cia
Art
ifici
al
min
max
max
min
6 2 1 5 3 4 7 4
28
Inte
ligen
cia
Art
ifici
al
AlgoritmoProc MinMax() Generar árbol ABIERTO <- [estado inicial] CERRADO <- [] MQ (ABIERTO <> vacío) tomar estado X de ABIERTO SI (X = META) V: ÉXITO F: aplicar utilidad de X trasladar mejor utilidad nivel superior FMQ retornar FALLOFin_proc_MinMax()
29
Inte
ligen
cia
Art
ifici
al
-1 2 4 5 3 2 7 3 2 6 3 -1 2 5 -2 4
MinMinMaxEjercicio
Inte
ligen
cia
Art
ifici
al
Algoritmo
Primero el mejor
31
Inte
ligen
cia
Art
ifici
al
m
t x
4
5
6 2
7
4
3
4
a
b c
d e f g
h i j k l n o
p q x r x su v x
i xx y z s
3 4
5 3 4
5 6
85
24
2
6
64 5
3
6
5
4
4
3 2
32
Inte
ligen
cia
Art
ifici
al
Para implementar la búsqueda en el grafo(árbol) se hará uso de dos listas:
ABIERTO: Nodos generados y que han sidoevaluados pero no visitados.
CERRADO: Nodos que ya han sido examinados.
33
Inte
ligen
cia
Art
ifici
al
En este método a cada paso se desarrolla elnodo más prometedor haciendo uso de laheurística.Después se desarrollan los hijos del nodo másprometedor y escoger el mejor y asísucesivamente, hasta hallar la meta.
34
Inte
ligen
cia
Art
ifici
al
aa
ccbb
d e ff g
h i j k ll m n o
pp qq x r xx sst x uu vv xx
ii xxzz ss
aa
Cerrado _Abierto a
a
b c
Cerrado aAbierto bc
3 4
35
Inte
ligen
cia
Art
ifici
al
aa
cc
dd ee
hh ii jj kk ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
bb
ff gg
aa
cc 44
8 77
bb
d e
Cerrado abAbierto ced
cc
ff gg77 88
Cerrado: abcAbierto: efdg
36
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
jj kkhh ii ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
d e f g
a
b c
88 77 88
j k11 13
Cerrado: abceAbierto: fdgjk
37
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee gg
jj kk ll mm
d
j k
ff
h i n o
p q x r x st x u v x
i xxx y z s
a
b c
e g 888 f
l m 13 13 9
Cerrado: abcejfAbierto: dgmkl
38
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
aa
bb cc
dd ee ff gg
jj kk ll mm
88
hh ii
12 13 12 13 13 13 13 13
Cerrado: abcejfmdAbierto: gklhi
39
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
12 14 12 14 13 13 13 13 13 14 13 14
Cerrado: abcejfmdgAbierto : klhino
40
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq
Cerrado: abcejfmdghAbierto: klinopq
15 1615 16
14 13 13 14 13 13 13 14 13 14
41
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq xx rr xx sstt xx uu vv xx
ii xxxx yy zz ss
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq xx ss
Cerrado: abcejfmdghpqkAbierto: linoxs
1818
1414 13 13 1413 13 14
42
Inte
ligen
cia
Art
ifici
al
¿Será la meta que tiene el costo menor?¿Existen otras metas con este costo?¿Cómo determinar el camino desde el puntoinicial?
43
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm nn oo
pp qq x r xx ssu v x
i xx y z s
aa
b c
d e f g
h i j k l m n o
p q x s
Cerrado: abcejfmdghpqkxlAbierto: inostx
1818
1414 13 1413 14
xt15 2015 20
44
Inte
ligen
cia
Art
ifici
al
Best-first Search
1. Inicializar ABIERTO con estado inicial2. Hasta encontrar meta o haya aún nodos enABIERTO hacer:Tomar el mejornodo de ABIERTOGenerar sucesores Por cada sucesor hacer:
– Si no ha sido ya generado evaluarlo, agregarlo aABIERTO y registrar el padre.
– Si fue ya generado cambiarle el padre si elcamino es mejor que el anterior y propagar asucesores la mejora en costo.
45
Inte
ligen
cia
Art
ifici
al
46
Inte
ligen
cia
Art
ifici
al
a
b c
d e f g
h i j k l m n o
p qx r x s
t x u v x
i xx y z s
34
4 4 3 4
4 6
854
24
6 2
72
6
5
4
3 4 5
3 3
6
6
4
4
3 2
47
Inte
ligen
cia
Art
ifici
al
Algoritmo
Museo Británico
48
Inte
ligen
cia
Art
ifici
al
a
b c
d e f g
h i j k l m n o
p qx r x s
t x u v x
i xx y z s
34
5 4 3 4
5 6
855
24
6 2
72
6
6
4
3 4 5
4 3
6
5
4
4
3 2
49
Inte
ligen
cia
Art
ifici
al
a
b c
d e f g
h i j k l m n o
p qx r x s
t x u v x
i xx y z s
34
5 4 3 4
5 6
855
24
6 2
72
6
6
4
3 4 5
4 3
6
5
4
4
3 2
50
Inte
ligen
cia
Art
ifici
al
Cola a#cam 0Camopt _Costopt 0Costact 0
a
b
d
Cola ab#cam 0Camopt _Costopt 0Costact 3
Cola abd#cam 0Camopt _Costopt 0Costact 8
hCola abdh#cam 0Camopt _Costopt 0Costact 12
p
Cola abdhp#cam 0Camopt _Costopt 0Costact 15
51
Inte
ligen
cia
Art
ifici
al
aa
bb
Cola abdh#cam 0Camopt _Costopt 0Costact 12
dd
hh
52
Inte
ligen
cia
Art
ifici
al
aa
bb
dd
hh mm
pp qq
33 44
55
44 44
4433
66
22 77
cc
ee ff
ii jj kk ll
xx rr xx sstt xx
xx yy zz ss
44
55 55 44
44
6666
66
33 33 22
22
33
aa
bb
Cola abdhq#cam 0Camopt _Costopt 0Costact 16
dd
hh
53
Inte
ligen
cia
Art
ifici
al
Cola Cola abdhabdh##cam cam 0 0Camopt Camopt _ _Costopt Costopt 0 0Costact Costact 12 12
aa
bb
dd
hh
54
Inte
ligen
cia
Art
ifici
al
Cola Cola abdabd##cam cam 0 0Camopt Camopt _ _Costopt Costopt 0 0Costact Costact 8 8
aa
bb
dd
iiCola Cola abdiabdi##cam cam 0 0Camopt Camopt _ _Costopt Costopt 0 0Costact Costact 14 14
xx
Cola Cola abdixabdix##cam cam 1 1Camopt abdixCamopt abdixCostopt Costopt 2020Costact Costact 20 20
55
Inte
ligen
cia
Art
ifici
al
Cola Cola abdiabdi##cam cam 1 1Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 14 14
aa
bb
dd
ii
rr
Cola Cola abdirabdir##cam cam 1 1Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 19 19
56
Inte
ligen
cia
Art
ifici
al
a
b c
d e f
h i j k l m
p q x r x st x
x y z s
3 4
45
5 5
4 4
4
4
43
66
6
6
3 3 2
2
2
7
3
a
b
Cola abdirx#cam 2Camopt abdixCostopt 20Costact 23
d
i
r
x
57
Inte
ligen
cia
Art
ifici
al
Cola Cola abdirabdir##cam cam 2 2Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 19 19
a
b
d
i
r
y
Cola Cola abdiryabdiry##cam cam 2 2Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 22 22
58
Inte
ligen
cia
Art
ifici
al
Cola Cola abdirabdir##cam cam 2 2Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 19 19
a
b
d
i
r
59
Inte
ligen
cia
Art
ifici
al
Cola Cola abdiabdi##cam cam 2 2Camopt abdixCamopt abdixCostopt Costopt 20 20Costact Costact 14 14
a
b
d
i
60
Inte
ligen
cia
Art
ifici
al
Cola Cola abdabd##cam cam 2 2Camopt abdixCamopt abdixCostopt Costopt 2020Costact Costact 8 8
a
b
d
61
Inte
ligen
cia
Art
ifici
al
Cola abCola ab##cam cam 2 2Camopt Camopt abdixabdixCostopt Costopt 20 20Costact Costact 3 3
a
b
e
Cola Cola abeabe##cam cam 2 2Camopt Camopt abdixabdixCostopt Costopt 20 20Costact Costact 7 7
62
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm
pp qq x rr xx sstt x
xx yy zz ss
33 44
4455
55 55
44 44
44
44
4433
6666
66
66 6644
33 33 22
22
22
77
33
Cola Cola abejabej##cam cam 2 2Camopt Camopt abdixabdixCostopt Costopt 20 20Costact Costact 11 11
a
b
e
j
63
Inte
ligen
cia
Art
ifici
al
Cola Cola abeabe##cam cam 2 2Camopt Camopt abdixabdixCostopt Costopt 20 20Costact Costact 7 7
a
b
e
Cola Cola abekabek##cam cam 2 2Camopt Camopt abdixabdixCostopt Costopt 20 20Costact Costact 13 13
k
x
Cola Cola abekxabekx##cam cam 3 3Camopt abekxCamopt abekxCostopt Costopt 18 18Costact Costact 18 18
64
Inte
ligen
cia
Art
ifici
al
aa
bb
Cola Cola abekabek##cam cam 3 3Camopt Camopt abekxabekxCostopt Costopt 18 18Costact Costact 13 13
a
b
e
k
65
Inte
ligen
cia
Art
ifici
al
aa
bb
ee
kk
ss
33
44
4
4433
66 66 22
cc
dd ff gg
hh ii jj ll mm
pp qq xx rr xx tt xx
xx yy zz ss
44
55
55 55
44
44
44
66
66
6644
33 33 22
22 77
33
aa
bb
Cola Cola abekabek##cam cam 3 3Camopt Camopt abekxabekxCostopt Costopt 18 18Costact Costact 13 13
a
b
e
k
s
66
Inte
ligen
cia
Art
ifici
al
aa
bb cc
dd ee ff gg
hh ii jj kk ll mm
pp qq xx rr xx sstt xx
xx yy z ss
33 44
4455
55 55
44 44
44
44
4433
6666
66
66 6644
33 33 22
22
22
77
33
aa
bb
Cola Cola abekszabeksz##cam cam 3 3Camopt Camopt abekxabekxCostopt Costopt 18 18Costact Costact 20 20
a
b
e
k
s
67
Inte
ligen
cia
Art
ifici
al
Sigue el proceso, hasta revisar todos los nodos en elárbol, siempre evaluando cuál es el mejor camino...
68
Inte
ligen
cia
Art
ifici
al
aa
c
44aa
Cola Cola acac##cam cam 6 6Camopt Camopt abekxabekxCostopt Costopt 18 18Costact Costact 4 4
a
b
d e f g
i j k l m
x st x
z s
3
45
5
4 4
4
66 6 64
3 2
2
2
7
3bb
e
k
s
g
n o
u v x
i x
855
24
69
Inte
ligen
cia
Art
ifici
al
Cola []Cola []##cam cam 6 6Camopt Camopt abekxabekxCostopt Costopt 18 18Costact Costact 4 4 x
aa
bb c
dd ee ff gg
ii jj kk ll mm
xx sstt xx
zz ss
33 44
4455
55
44 44
44
6666 66 6644
33 22
22
22
77
33
aa
bb
aa
bb
ee
kk
ss
gg
nn oo
uu vv x
ii
885555
2244
70
Inte
ligen
cia
Art
ifici
al
71
Inte
ligen
cia
Art
ifici
al
a
b c
d e f g
h i j k l m n o
p qX r X s
t X u v X
i XX y z X
34
2 4 3 4
3 6
554
34
4 2
52
5
4
4
3 4 3
2 1
4
3
4
2
3 2
72
Inte
ligen
cia
Art
ifici
al
Algoritmo
Poda Alfa-Beta
73
Inte
ligen
cia
Art
ifici
al
a = - inf b = + inf
maxmin
a>=b => poda
74
Inte
ligen
cia
Art
ifici
al
b = - inf a = + inf
maxmin
b>=a => poda
75
Inte
ligen
cia
Art
ifici
ala b
mina=2b=6
1 3
mina=2b=6
3 1
max a=1b=3
3 4
maxa=2b=4
1 5
a=2b=1
a=2b=3a=2b=1
a=3b=3
a=5b=4
76
Inte
ligen
cia
Art
ifici
al
min
min
max
max
6 2 1 5 3 4 7 4 6 2 4 4 3 6 2 7
77
Inte
ligen
cia
Art
ifici
al
a=+inf b=-inf
a=+inf b=-inf
a=+inf b=-inf
6 2
min
min
max
maxa=+inf b=-infa=+inf b=6
78
Inte
ligen
cia
Art
ifici
al
a=+inf b=-inf
a=+inf b=-inf
a=+inf b=-inf
a=+inf b=6
min
min
max
max
6 2
a=6 b=-inf
79
Inte
ligen
cia
Art
ifici
al
a=+infb=-inf
a=+infb=-inf
a=+infb=6
a=6b=-inf
a=6b=-inf
1 5
min
min
max
maxa=6b=1a=6b=5
80
Inte
ligen
cia
Art
ifici
al
a=+infb=-inf
a=+infb=-inf
a=+infb=6
a=6b=-inf
a=6b=5
1 5
min
min
max
max
a=5b=-inf
a=+infb=5
81
Inte
ligen
cia
Art
ifici
al
a=+infb=-inf
a=+infb=6
a=6b=5
a=5b=-inf
min
min
max
max
a=+infb=5
a=+infb=5
a=+infb=5
3 4
82
Inte
ligen
cia
Art
ifici
al
a=+infb=-inf
a=+infb=6
a=6b=5
a=5b=-inf
min
min
max
max
a=+infb=5
a=+infb=5
a=+infb=5
3 4
a=5b=5
83
Inte
ligen
cia
Art
ifici
al
a=+infb=-inf
a=+infb=6
a=6b=5
a=5b=-inf
min
min
max
max
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=5b=-inf
a=5b=-inf
6 2
a=5b=-inf
84
Inte
ligen
cia
Art
ifici
al
a=6b=5
a=5b=-inf
min
min
max
max
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=5b=-inf
a=5b=-inf
a=5b=-inf
a=+infb=6
6
a=5b=6
85
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=5b=-inf
a=5b=-inf
a=5b=6
a=+infb=6
a=5b=-inf
4 4
86
Inte
ligen
cia
Art
ifici
al
min
min
max
max
a=5b=-inf
a=5b=-inf
a=5b=6
a=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=-inf
4
a=5b=4
4
a=4b=-inf
a=5b=4
87
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=4
a=5b=4
3 6
88
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=4
a=5b=4
6
a=5b=6
3
89
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=6
a=5b=4
90
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=5b=4
a=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=6
a=5b=4
2 7
a=5b=7
91
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=6
a=5b=4
2 7
a=5b=7
92
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=4
a=5b=6
a=5b=6
a=5b=4
a=5b=7
a=5b=5
93
Inte
ligen
cia
Art
ifici
al
min
min
max
maxa=5b=4
a=6b=5
a=5b=-inf
a=+infb=5
a=+infb=5
a=5b=5
a=5b=-inf
a=+infb=6
a=5b=4
a=4b=-inf
a=5b=6
a=5b=6
a=5b=4
a=5b=7
a=5b=5
94
Inte
ligen
cia
Art
ifici
al
95
Inte
ligen
cia
Art
ifici
al
96
Inte
ligen
cia
Art
ifici
al
97
Inte
ligen
cia
Art
ifici
al
98
Inte
ligen
cia
Art
ifici
al
99
Inte
ligen
cia
Art
ifici
al
6 2 1 5 4 4
100
Inte
ligen
cia
Art
ifici
al
Algoritmo
Alg alfabeta()SI nivel=0 V: a=-inf, b=+inf FSIHQ todo hijo visitado
SI nivel = min V: HQ todo hijo visitado o a>=b (poda)
uno()SI valor <b V: b=valor FSI
FHQ retornar b F: HQ todo hijo visitado o a>=b (poda)
uno()SI valor >a V: a=valor FSI
FHQ retornar aFSI
FHQSALIR
101
Inte
ligen
cia
Art
ifici
al
uno()SI nivel <> ultimo
V: a=a_actual b=b_actualF: retornar valor
FSIF_uno()
Fin Alg alfabeta()
102
Inte
ligen
cia
Art
ifici
al
Otro ejemplo
103
Inte
ligen
cia
Art
ifici
al
max
max
min
min
1 4 3 -2 1 5 3 -7 4 6 -2 4 4 3 6 2
104
Inte
ligen
cia
Art
ifici
al
1 4
max
max
min
min
b=+infa=-inf
b=+infa=-inf
b=+infa=-inf
b=+infa=-infb=1a=-inf
105
Inte
ligen
cia
Art
ifici
al
max
max
min
min
3 -2
b=+infa=-inf
b=+infa=-inf
b=+infa=-inf
b=1a=-inf
b=+infa=1
b=+infa=1b=3a=1b=-2a=1
106
Inte
ligen
cia
Art
ifici
al
max
max
min
min
b=+infa=-inf
b=+infa=-inf
b=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=-inf
b=1a=-inf
1 5
107
Inte
ligen
cia
Art
ifici
al
max
max
min
min
b=1a=-inf
b=1a=-inf
1 5
b=+infa=-inf
b=1a=-inf
b=+infa=1
b=1a=-inf
b=-2a=1
b=1a=1
108
Inte
ligen
cia
Art
ifici
al
max
max
min
min
b=+infa=-inf
b=1a=-inf
b=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=+infa=1
b=+infa=1
b=+infa=1
b=+infa=1
4 6
109
Inte
ligen
cia
Art
ifici
al
max
max
min
minb=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=+infa=1
b=+infa=1
b=+infa=1
b=+infa=1
4 6
b=4a=1
b=+infa=4
b=+infa=4
110
Inte
ligen
cia
Art
ifici
al
max
max
min
min
-2 4
b=+infa=1
b=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=+infa=1
b=4a=1
b=+infa=4
b=+infa=4b=-2a=4
b=4a=1
111
Inte
ligen
cia
Art
ifici
al
max
max
min
minb=4a=1
b=+infa=4
b=-2a=4
b=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=+infa=1
b=4a=1
b=4a=1
b=4a=1
4 3
b=3a=1
112
Inte
ligen
cia
Art
ifici
al
max
max
min
minb=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=+infa=1
b=4a=1
b=+infa=4
b=-2a=4
b=4a=1
b=4a=1
b=3a=1
b=4a=3
b=4a=3
6 2
b=2a=3
113
Inte
ligen
cia
Art
ifici
al
max
max
min
minb=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=+infa=1
b=4a=1
b=+infa=4
b=-2a=4
b=4a=1
b=2a=3
b=4a=3
b=3a=1
b=3a=1
b=+infa=3
114
Inte
ligen
cia
Art
ifici
al
max
max
min
minb=1a=-inf
b=+infa=1
b=-2a=1
b=1a=-inf
b=1a=1
b=1a=1
b=4a=1
b=+infa=4
b=-2a=4
b=2a=3
b=4a=3
b=3a=1
b=3a=1
b=+infa=3
115
Inte
ligen
cia
Art
ifici
al
max
max
min
min
116
Inte
ligen
cia
Art
ifici
al
max
max
min
min
117
Inte
ligen
cia
Art
ifici
al
max
max
min
min
118
Inte
ligen
cia
Art
ifici
al
max
max
min
min
119
Inte
ligen
cia
Art
ifici
al
max
max
min
min
120
Inte
ligen
cia
Art
ifici
al
max
max
min
min
121
Inte
ligen
cia
Art
ifici
al
max
max
min
min
4 6 4 3 61 4 3
122
Inte
ligen
cia
Art
ifici
al
Ejercicios
123
Inte
ligen
cia
Art
ifici
al
max
max
min
min
1 4 3 5 3 5 7 3 4 2 5 2 4 3 2 4
124
Inte
ligen
cia
Art
ifici
al
max
max
min
min
-1 2 0 -2 -1 1 -2 0 1 -2 0 -1 2 1 -1 3
125
Inte
ligen
cia
Art
ifici
al
min
min
max
max
1 -2 0 -1 1 0 3 2 2 3 0 1 2 3 1 3
126
Inte
ligen
cia
Art
ifici
al 1 1 1
2
2
2
2
3
3
4
40
0
0
-1 -1
-2
-3
-3 -4
-4
Max
Min
Max
Min
Max
Min
Min
Max
Min
Max
Min
Max
127
Inte
ligen
cia
Art
ifici
al
1
0
4-1-2
-3
5 3
3
3
3
3 2
2
2 11
1
0
4
4 -1 5
min
max
min
max
min
max
128
Inte
ligen
cia
Art
ifici
al
129
Inte
ligen
cia
Art
ifici
al
Algoritmo
A *((Versión sofisticada del Best-First Search))
130
Inte
ligen
cia
Art
ifici
al
Algoritmo A*
1. ABIERTO <- RAIZ, g = 0,h <- valor(RAIZ), f = h + g, CERRADO=[]2. Repetir hasta encontrar meta:
SI ABIERTO= [] RETORNAR(falla)SINO, tomar de ABIERTO el nodo con mín f. Llámese MEJORNODO,
quitarlo de ABIERTO,meterlo a CERRADO,
SI MEJORNODO = METARETORNAR(solución)
SINO generar sucesores de MEJORNODOexaminamos SUCESOR.
131
Inte
ligen
cia
Art
ifici
al
Hacer link de SUCESOR a MEJORNODO (pararecuperar el camino)g(SUCESOR) = g(MEJORNODO) +costo(MEJORNODO hasta SUCESOR).SI SUCESOR está en ABIERTO
llamarlo VIEJOignoramos SUCESORdecidimos si VIEJO apunta a MEJORNODOregistra el nuevo costo g (VIEJO)y actualizar f (VIEJO)
132
Inte
ligen
cia
Art
ifici
al
Comparar nuevo camino y el viejo como en el incisoanterior y reasignar apuntador al padre, actualizarf y g apropiadamente (Propagar hacia abajo).
SI SUCESOR ∉ ABIERTO ver si SUCESOR ∈CERRADO meter en CERRADO VIEJO y agregarVIEJO a la lista de SUCESOR de MEJORNODO.
Si SUCESOR ∉ ABIERTO o SUCESOR ∉CERRADO, agregar a ABIERTO y ponerlo comoSUCESOR de MEJORNODO.
133
Inte
ligen
cia
Art
ifici
al
h, sirve para expandir el nodo aparentemente másprometedor.
g, sirve para evaluar (expandir) el mejor camino delinicio hasta ese nodo que parezca más cercano a lameta…… si lo que interesa es encontrar una soluciónaproximada, hacemos g=0 para escoger siempre elnodo más prometedor.Si se desea obtener el mínimo número de pasos elcosto es una constante para pasar a los SUCESOR.
Comentarios sobre A*
134
Inte
ligen
cia
Art
ifici
al
h’ es estimación de distancia a la meta si h’= hestimación perfecta converge inmediatamente sinbúsqueda.
Si lo que se quiere es encontrar el camino másbarato reflejamos un criterio en el costo de lasaristas.
135
Inte
ligen
cia
Art
ifici
al
Algoritmo
Subir MontañasHill Climbing
136
Inte
ligen
cia
Art
ifici
al
Hill Climbing
Es una variedad del Generate-and-Test dondeTest es guiada por una función heurística que nosdice qué tan lejos se está de la meta.
La evaluación de la heurística no es costosa.
Es usado cuando se cuenta con una buenaheurística y no se puede echar mano de másinformación.
137
Inte
ligen
cia
Art
ifici
al
Ejemplo. Buscar el centro de la ciudad cuando seestá perdido. La heurística sería tomar porreferencia edificios altos.
Una buena solución puede ser absoluta o relativa, esdecir, cuando se puede probar que estamos en unestado meta es absoluta y en caso contrario esrelativa.
Para el problema del agente viajero sólo se puedentener soluciones relativas.
138
Inte
ligen
cia
Art
ifici
al
Algoritmo de Hill Climbing
Búsqueda fundamental para la solución de problemas
1. Evaluar el estado corriente y si es final salir y darlo comoresultado, en caso contrario hacer del estado corriente elestado inicial.
Si es un estado meta darlo como resultado y salir.Si no es un estado final pero es mejor que el estadoactual entonces hacerlo estado corrienteSi no es un mejor estado continuar con el ciclo.
139
Inte
ligen
cia
Art
ifici
al
Notas
Hay una etapa de evaluación
Hay una pregunta sobre el mejor estado cuyosignificado dependerá del problema en cuestión.
En general Hill Climbing es un método local que noes recomendable cuando la función heurística sedispara repentinamente a medida que nos alejamosde la meta.
Es menos explosiva desde el punto de vistacombinatorio que otros métodos globales.
140
Inte
ligen
cia
Art
ifici
al
Problemas del Hill Climbing
Mínimos locales - Máximo localPresencia de llanuras: Todos los vecinos tienenlocalmente el mismo valor.
Soluciones a estos problemasBacktracking (Bueno para salir de máximos locales)
Grandes brincos (Para evitar problema de llanuras)
Aplicar varias reglas a la vez antes del TEST(Bueno para evitar picos)
141
Inte
ligen
cia
Art
ifici
al
Steepest-Ascent Hill Climbing oGradient Search
Es una variante del Hill Climbing que consideratodos los movimientos a partir del estado corriente yelige el mejor de todos.
142
Inte
ligen
cia
Art
ifici
al
Algoritmo
1. Evaluar estado inicial; si es un estado metaregresarlo y salir, de lo contrario tomar el estadoactual como estado inicial y continuar.2. Repetir hasta encontrar una solución o hasta queuna iteración completa no produzca cambios alestado actual.Sea SUCC un estado tal que cualquier posiblesucesor del estado corriente sea mejor que SUCCPor cada operación aplicable a partir del estadoactual: Aplicar operador y generar nuevo estado
143
Inte
ligen
cia
Art
ifici
al
Si SUCC es mejor que el estado corriente hacer queSUCC sea el estado corriente.
Evaluar nuevo estado. Si es un estado meta regresaréste como resultado y salirse. Si no, compararlo conSUCC y si es mejor hacerlo igual a ese estado . Si no,es mejor dejar SUCC solo.
144
Inte
ligen
cia
Art
ifici
al
Simulated Annealing
La función heurística es conocida como funciónobjetivo.
En vez de buscar máx f buscamos mín f
La idea es explorar lo más que se pueda de tal formaque la solución final sea independiente de la posicióninicial.
Inspirado del proceso de enfriamiento de metales almezclarlos, para lo cual se ponen éstos a su máximaenergía y después se espera a que se endurezcan.
Se busca llegar a un estado final de energía mínimo.
145
Inte
ligen
cia
Art
ifici
al
Físicamente las sustancias pasan de niveles altos deenergía a niveles más bajos, pero hay probabilidad deque existan saltos de energía los cuales aparecen conla siguiente distribución de probabilidad.
P=exp -²E/kT
Donde²E= Cambio de energíaT = Temperaturak = Constante de Boltzman
146
Inte
ligen
cia
Art
ifici
al
La probabilidad de aparición de una cresta grande esmenor que la de una pequeña a medida que baja latemperatura.
Si los cambios de temperatura son bruscos aparecenmínimos locales si no, se forma una estructurauniforme y cristalina y aparecen mínimos globalesmás fácilmente.
Al inicio del enfriamiento pueden darse subidaslargas de temperatura pero después sólo se puedenpresentar pequeños movimientos hacia arriba.
147
Inte
ligen
cia
Art
ifici
al
En este método ²E se escoge en función de laheurística y kT son escogidos de tal forma que seasegure un buen comportamiento.
La velocidad de enfriamiento debe mantenerse. Losmovimientos a estados peores se aceptan. A parte deguardar el estado corriente se guarda el mejor estadopor el que se ha pasado.
148
Inte
ligen
cia
Art
ifici
al
Algoritmo de Simulated Annealing
Evaluar estado inicial. Si estado es una metaregresarlo como resultado y salir. Si no, continuarcon estado inicial el estado corriente
Inicializar BEST-SO-FAR estado corriente
Inicializar T de acuerdo a la tasa de enfriamiento
Repetir hasta hallar una solución o que ya no hayamás operaciones válidas a partir de este estado
Seleccionar un operador aún no utilizado desde este estado ygenerar un nuevo estado
149
Inte
ligen
cia
Art
ifici
al
Evaluación de nuevo estado. Calcular:²E= (valor-de-estado-corriente)- (valor-nuevo-estado)
Si nuevo estado es una meta entonces devolverlo y salir.Si no, pero es mejor que estado corriente entonces hacerloestado corriente y BEST-SO-FAR es estado corriente.
Si no es mejor que estado corriente entonces hacerlo estadoactual con probabilidad P´.
Utilizar para esto un generador random y si <P´ entoncesaceptar y sino hacer nada.Revisar T
150
Inte
ligen
cia
Art
ifici
al
Notas
El Annelating Schedule está compuesto de 3 partes:Temperatura inicial, criterio de reducción detemperatura, cantidad de temperatura adecrementar.
Se usa el Simulated Annealing cuando a cada paso elnúmero de opciones de acción es muy grande.Se experimenta y elige el proceso que se aproximamás al óptimo y converge más rápido.Si T -> 0 entonces p -> 0 y el proceso se convierte enun simple Hill Climbing.
151
Inte
ligen
cia
Art
ifici
al
Es parecido al Depth-First cuando se escoge el nodomás prometedor pero se puede uno regresar a unnodo menos bueno en caso de falla y guardar la ramaen la lista de nodos generados pero no desarrollados.
Es similar al Steepest Ascending salvo que aquí noeliminamos ancestros y que el mejor estadodisponible es elegido aún si su valuación es menor aalgún otro nodo evaluado.
152
Inte
ligen
cia
Art
ifici
al
Se puede evitar la duplicación de caminosmanteniendo en cada nodo su valor y unapuntador al padre más valioso paraposteriormente poder recuperar el mejorcamino una vez que se halla la meta.(Propagación de mejoras a sucesores) (ORgraphs)
153
Inte
ligen
cia
Art
ifici
al
f = g + h aproximación de la f realg = medida del costo desde el inicio hasta ese nodo.h = estimación de costo de ir de ese estado a lameta.
Hay que explotar el conocimiento del problema,en particular (Buenos nodos dan valores bajos).
154
Inte
ligen
cia
Art
ifici
al