Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2 1-2 4
2 1-2 4
La solucin de problemas es fundamental para la mayora de las aplicaciones de IA; existen principalmente dos clases de problemas que se pueden resolver mediante procesos computables: aqullos en los que se utiliza un algoritmo determinista que garantiza la solucin al problema y las tareas complejas que se resuelven con la bsqueda de una solucin; de sta ltima clase de problemas se ocupa la IA. La resolucin de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes. Encontrar el camino en un laberinto, Resolver un crucigrama,Jugar a un juego,Diagnosticar una enfermedad,Decidir si invertir en bolsa,etc. El objetivo es que un programa tambin sea capaz de resolverlos. Deseamos denir cualquier tipo de problema de manera que se pueda resolver automticamente Necesitamos: Una representacin comn para todos los problemas Algoritmos que usen alguna estrategia para resolver problemas denidos en esa representacin comn
Si abstraemos los elementos de un problema podemos identicar: a. b. c. d. e. Un punto de partida Un objetivo a alcanzar Acciones a nuestra disposicin para resolver el problema Restricciones sobre el objetivo Elementos que son relevantes en el problema denidos por el tipo de dominio
Existen diferentes formas de representar problemas para resolverlos de manera automtica: Representaciones generales,espacio de estados: un problema se divide en un conjunto de pasos de resolucin desde el inicio hasta el objetivo
Podra asimilarse con un mapa de carreteras de un problema si la solucin de nuestro problema est dentro de ese mapa. Denir el conjunto de estados del problema (explcita o implcitamente): 1. Especicar el estado inicial 2. Especicar el estado nal o las condiciones que cumple 3. Especicar los operadores de cambio de estado (condiciones de aplicabilidad y funcin de transformacin) 4. Especicar el tipo de solucin 5. La secuencia de operadores o el estado nal 6. Una solucin cualquiera, la mejor (denicin de coste)
Primero en profundidad.Explora cada camino posible hasta su conclusin antes de intentar otro camino. Ejemplo:
Primero a lo ancho.Explora cada nodo sobre el mismo nivel antes de intentar analizar un nivel ms profundo. Ejemplo:
2.4Satisfaccion de restricciones
La programacin de restricciones puede dividirse en dos ramas claramente diferenciadas: la satisfaccin de restricciones y la resolucin de restricciones. Ambas comparten la misma terminologa, pero sus orgenes y tcnicas de resolucin son diferentes. La satisfaccin de restricciones trata con problemas que tienen dominios nitos,mientras que la resolucin de restricciones est orientada principalmente a problemas sobre dominios innitos o dominios ms complejos. Los conceptos clave en esta metodologa corresponden a los aspectos de: La modelizacin del problema, que permite representar un problema mediante un conjunto nito de variables, un dominio de valores nito para cada variable y un conjunto de restricciones que acotan las combinaciones vlidas de valores que las variables pueden tomar. En la modelizacin CSP, es fundamental la capacidad expresiva, a n de poder captar todos los aspectos signicativos del problema a modelar. Tcnicas inferenciales, que permiten deducir nueva informacin sobre el problema a partir de la explcitamente representada. Estas tcnicas tambin permiten acotar y hacer ms eciente el proceso de bsqueda de soluciones. Tcnicas de bsqueda de la solucin, apoyadas generalmente por criterios heursticos, bien dependientes o independientes del dominio. El objetivo es encontrar un valor para
cada variable del problema de manera que se satisfagan todas las restricciones del problema. En general, la obtencin de soluciones en un CSP es NP-completo, mientras que la obtencin de soluciones optimizadas es NPduro, no existiendo forma de vericar la optimalidad de la solucin en tiempo polinomial. Por ello, se requiere una gran eciencia en los procesos de bsqueda.