UNIDAD 4, INTELIGENCIA ARTIFICIAL

Existen varios problemas que pueden ser resueltos mediante el uso de bsquedas
inteligentes. La experiencia revela que un problema de bsqueda est asociado a
dos importantes aspectos:

Que se busca
Donde se busca

4.1 PROBLEMAS Y ESPACIOS DE ESTADOS.

Un problema tpico de la Inteligencia Artificial consiste en buscar un estado
concreto entre un conjunto determinado, al que se le llama espacio de estados.
Imaginemos, por ejemplo, una habitacin con estantes en la que hay un libro. Un
robot se desea desplazar por la habitacin con el fin de llegar a dicho libro. De
qu manera lo har? En este punto es donde entran en juego las estrategias y los
algoritmos de bsqueda. El primer paso para disear un programa que resuelva
un problema es crear una descripcin formal y manejable del propio problema.
Sera adecuado contar con programas que produzcan descripciones formales a
partir de descripciones informales, proceso denominado operacionalizacin. Dado
que por ahora no se conoce la forma de construir estos programas este proceso
debe hacerse manualmente. Hay problemas que por ser artificiales y
estructurados son fciles de especificar (por ej. el ajedrez, el problema de las
jarras de agua, etc.). Otros problemas naturales, como por ej. la comprensin del
lenguaje, no son tan sencillos de especificar. [1]
Estado: descripcin de una posible situacin en el problema
Importancia de una buena representacin de los estados
Slo considerar informacin relevante para el problema
La representacin escogida influye en el nmero de estados y ste en los
procedimientos de bsqueda de soluciones. [2]
Un problema se define por:

Estado inicial, conjunto de operadores, predicado meta, funcin de coste

del camino.
Solucin.
Camino del estado inicial a un estado que satisface el predicado meta.
Espacio de Estados.
Conjunto de todos los estados alcanzables desde el estado inicial por
cualquier secuencia de operadores. [3]

El espacio de estados de un juego es un grafo cuyos nodos representan las

configuraciones alcanzables (los estados vlidos) y cuyos arcos explicitan las
movidas posibles (las transiciones de estado). En principio, se puede construir
cualquier espacio de estados partiendo del estado inicial, aplicando cada una de
las reglas para generar los sucesores inmediatos, y as sucesivamente con cada
uno de los nuevos estados generados (en la prctica, los espacios de estados
suelen ser demasiado grandes para explicitarlos por completo).
Cuando un problema se puede representar mediante un espacio de estados, la
solucin computacional corresponde a encontrar un camino desde el estado inicial
a un estado objetivo.
Ejemplo de espacio de estados
Descripcin del problema:
Un arriero se encuentra en el borde de un rio llevando un puma, una cabra y una
lechuga. Debe cruzar a la otra orilla por medio de un bote con capacidad para dos
(el arriero y alguna de sus pertenecas). La dificultad es que si el puma se queda
solo con la cabra la devorar, y lo mismo suceder si la cabra se queda sola con
la lechuga. Cmo cruzar sin perder ninguna pertenencia?
Representacin de las configuraciones del universo del problema:
Basta precisar la situacin antes o despus de cruzar. El arriero y cada una de sus
pertenencias tienen que estar en alguna de las dos orillas. La representacin del
estado debe entonces indicar en qu lado se encuentra cada uno de ellos. Para
esto se puede utilizar un trmino simblico con la siguiente sintaxis:
estado(A,P,C,L), en que A, P, C y L son variables que representan,
respectivamente, la posicin del arriero, el puma, la cabra y la lechuga. Las
variables pueden tomar dos valores: i y d, que simbolizan respectivamente el
borde izquierdo y el borde derecho del rio. Por convencin se elige partir en el
borde izquierdo. El estado inicial es entonces estado (i,i,i,i). El estado objetivo es
estado (d,d,d,d).
Definicin de las reglas de transicin:
El arriero tiene cuatro acciones posibles: cruzar solo, cruzar con el puma, cruzar
con la cabra y cruzar con la lechuga. Estas acciones estn condicionadas a que
ambos pasajeros del bote estn en la misma orilla y a que no queden solos el
puma con la cabra o la cabra con la lechuga. El estado resultante de una accin
se determina intercambiando los valores i y d para los pasajeros del bote.
Generacin del espacio de estados
En este ejemplo se puede explicitar todo el espacio de estados (el nmero de
configuraciones est acotado por 24).
estado

movidas

cruza solo

con puma

con cabra

con lechuga

estado(i,i,i,i)

problema

problema

estado(d,i,d,i)

problema

estado(d,i,d,i)

estado(i,i,d,i)

imposible

estado(i,i,i,i)

imposible

estado(i,i,d,i)

estado(d,i,d,i) estado(d,d,d,i) imposible

estado(d,i,d,d)

estado(d,d,d,i) problema

estado(i,i,d,i)

estado(i,d,i,i)

imposible

estado(d,i,d,d) problema

imposible

estado(i,i,i,d)

estado(i,i,d,i)

estado(i,d,i,i)

problema

imposible

estado(d,d,d,i) estado(d,d,i,d)

estado(i,i,i,d)

problema

estado(d,d,i,d) estado(d,i,d,d) imposible

estado(d,d,i,d) estado(i,d,i,d) estado(i,i,i,d)

imposible

estado(i,d,i,d)

estado(d,d,d,d) imposible

estado(d,d,i,d) imposible

estado(d,d,d,d) problema

problema

estado(i,d,i,d)

estado(i,d,i,i)
problema

Este espacio de estados tambin se puede representar mediante un grafo

equivalente.
Solucin del problema
El camino que pasa por la siguiente secuencia de estados es una solucin del
problema:
estado(i,i,i,i)
cruza con cabra
estado(d,i,d,i)
cruza solo
estado(i,i,d,i)
cruza con puma
estado(d,d,d,i)
cruza con cabra
estado(i,d,i,i)
cruza con lechuga
estado(d,d,i,d)
cruza solo
estado(i,d,i,d)
cruza con cabra
estado(d,d,d,d) [4]
4.2 ESPACIOS DE ESTADO DETERMINSTICOS Y PROBLEMAS DE ESPACIO
NO DETERMINSTICOS.
El espacio de estados es la representacin de un problema que abarca todas las
posibles situaciones que se puede presentar en la solucin del problema.

ESPACIO DE ESTADOS DETERMINSTICOS contiene un nico espacio inicial y

seguir la secuencia de estados para la solucin, son usados por los sistemas
expertos.

ESPACIO DE ESTADOS NO DETERMINSTICOS contiene un amplio nmero

de estados iniciales y sigue la secuencia de estados perteneciente al estado
inicial del espacio, son usados por sistemas de lgica difusa, que presenta
problemas ms grandes para el agente. [5]

4.3 BSQUEDA SISTEMTICA.

Bsqueda: mtodo computacional para resolver problemas.
Sistemtica: si existe una solucin la encuentra.
Los problemas de bsquedas, que generalmente encontramos en Ciencias
Computacionales, son de un estado determinstico. Por ejemplo, en los algoritmos
de bsqueda de anchura y de bsqueda de profundidad, uno sabe la secuencia de
los nodos visitados en un rbol.
Sin embargo, los problemas de bsqueda, los cuales siempre tendremos que
tratar en Inteligencia artificial, son no determinsticos y el orden de elementos
visitados en el espacio de bsqueda depende completamente en el conjunto de
datos.
Dependiendo de la metodologa de expansin de un espacio de estado y
consecuentemente el orden de los estados visitados los problemas de bsqueda
se nombran diferentes:

Bsqueda de Metas a Profundidad.

Bsqueda de Metas en Anchura.
Bsqueda ptima. [6]

4.3.1 BSQUEDA DE METAS A PROFUNDIDAD.

El algoritmo de ms utilizado es el de bsqueda de metas por profundidad. Es

llamado as porque sigue cada camino hasta su mayor profundidad antes de
moverse al siguiente camino.

Asumiendo que iniciamos desde el lado izquierdo y trabajamos hacia la derecha,

la bsqueda de metas por profundidad involucra trabajar todos los caminos debajo
del camino de rbol ms a la izquierda hasta que un nodo hoja es alcanzado. Si
esta es una meta de estado, la bsqueda es completada y reportada como
exitosa.
Si el nodo hoja no representa la meta de estado, la bsqueda se dirige atrs y
arriba al siguiente nodo ms alto que tiene un camino no explorado.
La bsqueda de profundidad es un ejemplo de la bsqueda de fuerza bruta, o la
bsqueda exhaustiva. La bsqueda de profundidad es usada por computadoras a
menudo para los problemas de bsqueda como ubicar archivos en un disco.
Complejidad de espacio
Se requiere mayor cantidad de memoria en la bsqueda de profundidad, cuando
alcanzamos la mayor profundidad a la primera vez.
Complejidad de tiempo
Si encontramos la meta en la posicin ms a la izquierda de profundidad (D),
entonces el nmero de nodos examinados es (d+1). De otra forma, si
encontramos la meta en el extremo derecho a una profundidad (D), entonces el
nmero de nodos examinados incluyen todos los nodos en el rbol. [7]
4.3.2 BSQUEDA DE METAS EN ANCHURA.

Una alternativa para la bsqueda de profundidad es la bsqueda de metas de

anchura (amplitud). Como su nombre indica, este enfoque supone atravesar un
rbol por anchura ms que por profundidad. El algoritmo de anchura empieza
examinando todos los nodos de un nivel (a veces llamado hebra uno) abajo del
nodo raz.

Si una meta de estado es alcanzada aqu, el xito es reportado. De otra forma, la

bsqueda contina ampliando caminos de todos los nodos del nivel en curso, para
posteriormente bajar al prximo nivel. De este modo, la bsqueda continua
revisando nodos en un nivel especial, e informar sobre el xito cuando un nodo
meta es encontrado, y reportar una falla si todos los nodos han sido revisados y
ningn nodo meta ha sido encontrado. [8]
Comparativa de casos de bsqueda de profundidad y por anchura

4.3.3 BSQUEDA PTIMA.

La bsqueda heurstica, trata de resolver los problemas mediante una nueva

tcnica. Podemos expandir nodos por seleccin juiciosa, seleccionado el nodo
ms prometedor, donde estos nodos estarn identificados por el valor de su
fuerza comparada con sus competidores homlogos con la ayuda de funciones
intuitivas especializadas, llamadas funciones heursticas.
En algunos casos los algoritmos de bsqueda heurstica, son tambin llamados
OR-graphs o Best First Algorithms (Algoritmo de bsqueda ptima).
La mayora de los problemas de razonamiento pueden ser representados por un
OR-graph, donde un nodo en el grafo denota un problema de estado y un arco
representa una aplicacin o regla para el estado actual para causar transicin de
estados. Cuando un nmero de reglas son aplicables a un estado actual, podemos
seleccionar un mejor estado entre el nodo hijo y el siguiente estado.
Ejemplo de algoritmo de bsqueda ptima
Inicio
1. Identificar los posibles estados inciales y medir la distancia (f) del ms cercano
con a la meta; ponerlos en una lista (L)
2. Mientas L no est vaca has
Inicia
a) Identificar el nodo n de L que tenga el mnimo f; Si existe ms de un nodo con
un f mnimo, seleccionar uno de ellos, (tomar n, arbitrariamente)
b) Si n es la meta
Entonces regresar n a lo largo del camino desde el nodo inicial; salir con xito.
Si no remover n de L y agregar todos los hijos de n a L, junto con su camino
etiquetado desde el nodo inicial
Fin del mientras;
FIN. [9]
4.4 SATISFACCIN DE RESTRICCIONES.
Un problema que satisface restricciones (o PSR) es un tipo especial de problema
que satisface algunas propiedades estructurales adicionales adems de los
requisitos bsicos de los problemas en general. En el caso de un PSR los estados
se definen mediante los valores de un conjunto de variables y la prueba de meta
especfica en conjunto de restricciones que los valores deben satisfacer.
La solucin de un PSR especifica valores para todas las variables de manera tal
que se satisfagan las restricciones.
Las restricciones son de diverso tipo. Las unarias se refieren al valor de una sola
variable. Por ejemplo, las variables correspondientes al dgito del extremo
izquierdo de una de las hileras de un problema de criptoaritmtica tienen la
restriccin de no ser nunca cero.

Las restricciones de orden superior entraan una restriccin de adicin y pueden

llegar a tener varias variables. Y, por ltimo, las restricciones pueden ser
absolutas, y cuya violacin rige una solucin potencial, o restricciones de
preferencia, y que dirn qu tipo de solucin es la que se prefiere.
Un problema de satisfaccin de restricciones (PSR) viene definido por los
siguientes elementos:

Un conjunto finito de variables X1, . . . ,Xn

Un conjunto finito de dominios Di asociados a cada variable Xi,
especificando los posibles valores que puede tomar
Un conjunto finito de restricciones C1, . . . ,Cm, que definen una serie de
propiedades que deben verificar los valores asignados a las variables
Una solucin al problema es una asignacin de valores a las variables {X1
= v1, . . . ,Xn = vn} tal que vi 2 Di y se verifican las restricciones.

Cada variable, Vi, de un PSR tiene un dominio Di, que es el conjunto de posibles
valores que puede adoptar la variable. El dominio puede ser discreto o continuo.
En el caso de los PSR discretos cuyos dominios son finitos, las restricciones se
representan sencillamente enumerando las combinaciones permitidas de los
valores.
Para la resolucin de los PSR continuos se necesita algebra muy compleja. Las
restricciones discretas, absolutas, binarias (o unitarias) son contadas todava con
la suficiente expresividad que les permite manejar una amplia gama de problemas
y utilizar muchas de los ms interesantes mtodos de solucin.
Primero hay que considerar cmo puede aplicarse un algoritmo de bsqueda de
propsito general a un PSR. El estado inicial ser el estado en el que todas las
variables todava no estn asignadas. Los operadores asignarn un valor a una
variable, tomndolo del conjunto de los valores posibles.
En la bsqueda preferentemente por profundidad en un PSR se pierde tiepo
empleado en ver cuando se violan las restricciones. Debido a la manera como se
definen los operadores, imposible emplear una de stos para
recuperar restricciones violadas.
Ejemplos de PSR:

Criptoaritmtica
El problema de las N-reinas
Problemas de diseo y planificacin
3SAT
Alimentacin de ganado vacuno

Complejidad de los PSR: En muchos de los problemas reales se aprovecha la

estructura del problema para reducir el espacio de bsqueda.
Se pueden utilizar algoritmos de bsqueda general, pero tienen mayor eficiencia
algoritmos diseados especialmente (verificacin anticipada, consistencia de arco,
etc)
La verificacin anticipada es un caso especial de la verificacin por consistencia
de arco. Se dice que en un estado hay consistencia de arco si toda variable tiene
un valor en su dominio congruente con todas las restricciones de dicha variable.
La consistencia de arco se logra borrando uno tras otro aquellos valores
incongruentes de dicha variable. La consistencia de arco se logra borrando uno
tras otro aquellos valores incongruentes con alguna restriccin, es decir en la
consistencia de arco se produce una forma de propagacin de restricciones,
conforme van disminuyndolas opciones.
Es frecuente emplear la consistencia de arco como un paso previo al
procesamiento, aunque tambin se puede emplear durante la bsqueda misma.
Aplicaciones en Problemas con Satisfaccin de Restricciones (CSP)
Un problema consta de cuatro partes: el estado inicial, un conjunto de operadores,
una funcin prueba de meta y una funcin costo de ruta. El ambiente del problema
se representa mediante un espacio de estados. A la ruta que pasa por el espacio
de estados, cuyo origen es el estado inicial y cuyo destino es el estado meta, se le
denomina solucin.
Las Aplicaciones en Problemas con Satisfaccin de Restricciones (CSP) pueden
ser:

Resolver los CSP por mejoramiento iterative.

Solucin inicial - uso de todas las variables.
operador de modificacin - asignar un valor diferente a una variable
reparacin heurstica
heurstica de min-conflictos - seleccionar el valor que resulte en un
nmero mnimo de conflictos con otras variables

Para resolver cualquier tipo de problema se utiliza un algoritmo de bsqueda

general, cada variacin especfica de este algoritmo entraa estrategias
diferentes.
Los algoritmos de bsqueda se evalan en base a la completez, idoneidad,
complejidad temporal y complejidad espacial. La complejidad depende de b, el
factor de ramificacin del espacio de estados y de d, la profundidad de la solucin
ms prxima. [10]
4.5 RESOLUCIN DE PROBLEMAS DE JUEGOS.
Es fcil representar el estado del juego, los agentes generalmente estn
restringidos a una cantidad bastante reducida de acciones bien definidas. De esta
forma, los juegos constituyen una idealizacin de mundos en la que los agentes
hostiles actan de manera que logren disminuir nuestro bienestar. Otro tipo de

juegos menos abstractos, como el croquet o el futbol, no han resultado tan

atrayentes para la comunidad de IA.
Los juegos son uno de los campos de trabajo ms antiguos de la IA. En 1950, casi
en cuanto fue posible programar las computadoras, Claude Shannon, inventor de
la teora de la informacin, y Alan Turing elaboraron los primeros programas de
ajedrez. Desde entonces, se han realizado continuos avances en el juego, al
grado de que los sistemas actuales son capaces de desafiar a campeones
mundiales humanos sin temor de que puedan hacer el ridculo.
La complejidad de los juegos trae aparejado un tipo de incertidumbre totalmente
nuevo, no visto hasta ahora; la incertidumbre no es consecuencia de la
informacin faltante, sino debido a que no hay tiempo suficiente para calcular las
consecuencias exactas de una jugada. Solo se intenta deducir lo que sera lo
mejor con base en experiencias pasadas y proceder, sin estar completamente
seguro de cul sera la mejor accin.
La investigacin de los juegos ha generado una gran cantidad de interesantes
ideas sobre cmo utilizar de la mejor manera el tiempo para obtener buenas
decisiones, cuando la obtencin de las ptimas es imposible.
Decisiones perfectas en juegos de dos participantes.
Consideraremos el caso general de un juego con dos participantes, al que se
denominar MAX y MIN, MAX es el que inicia el juego, y los jugadores alternan su
participacin hasta que concluyen el juego. Al final de este se dan puntos al
vencedor. Una definicin formal de juego sera la de un tipo de problema de
bsqueda integrado por lo siguiente:

Un estado inicial, que incluye la posicin del tablero y a quien le toca jugar.
Un conjunto de operadores, quienes definen que jugadas estn permitidas
a un jugador.
Una prueba terminal que define el trmino del juego. Los estados donde
termina el juego se denominan estados terminales.
Una funcin de utilidad (tambin conocida como funcin de resultado)
asigna un valor numrico al resultado obtenido en un juego.

El algoritmo minimax sirve para determinar la estrategia ptima para MAX, y

decidir cul es la mejor jugada. Los algoritmos se componen de cinco pasos:

Generacin de todo el rbol de juego, completamente hasta alcanzar los

estados terminales.
Aplicacin de la funcin de utilidad a cada estado terminal y obtencin de
su valor respectivo.
Uso de la utilidad de los estados terminales para calcular la utilidad de los
nodos del siguiente nivel superior en el rbol de bsqueda.
Continuacin del respaldo a los valores de los nodos hojas en direccin a la
raz, una capa a la vez.

Finalmente, los valores respaldados llegan a la parte superior del rbol; en

ese sitio, MAX elige la jugada que le permita obtener el valor ms alto.

La funcin del nivel superior, DESICIN-MINIMAX, escoge una de las jugadas

disponibles, las que a su vez se evalan mediante la funcin VALOR-MINIMAX.
Decisiones imperfectas.
El algoritmo minimax parte del supuesto de que el programa dispone de todo el
tiempo necesario para efectuar una bsqueda hasta que logre llegar a los estados
terminales, supuesto que por lo general no es prctico. En el primer artculo de
Shannon sobre ajedrez, se propona que en vez de llegar hasta los estados
terminales utilizando la funcin de utilidad, el programa debera suspender antes la
bsqueda y aplicar a las hojas del rbol una funcin de evaluacin heurstica, es
decir se est sugiriendo modificar minimax de dos maneras: la funcin de utilidad
se reemplaza mediante una funcin de evaluacin EVAL y la prueba terminal se
remplaza por la llamada PRUEBA-SUSPENSIN.
Funciones de evaluacin
Las funciones de evaluacin producen una estimacin de la utilidad esperada de
un juego correspondiente a una posicin determinada.
Conviene aclarar que el desempeo de un programa para juegos depende
considerablemente de la calidad de su funcin de evaluacin. Si esta no es
exacta, llevar al programa a posiciones que aparentemente son buenas, pero
que en realidad son desastrosas. Primero, la funcin de evaluacin deber
coincidir con la funcin de utilidad de los estados terminales. Segundo, su clculo
no debe ser tardado. Es decir, se establece un compromiso entre precisin de la
funcin de evaluacin y su respectivo costo-tiempo. Tercero, la funcin de
evaluacin deber reflejar con precisin las posibilidades de poder ganar.
En la funcin de evaluacin de la ventaja material se parte del supuesto de que el
valor de una pieza puede calcularse independientemente de las otras piezas que
estn en el tablero. A este tipo de funcin de evaluacin se le denomina funcin
lineal ponderada.
Suspensin de una bsqueda
La forma ms directa de controlar la cantidad de bsqueda consiste en de finir un
lmite de profundidad fijo, de manera que la prueba de suspensin concluya en
todos los nodos que estn por encima o justo en la profundidad d. La profundidad
se escoge de manera que la cantidad de tiempo invertida no exceda lo permitido
por las reglas del juego Un procedimiento un poco ms slido seria el de aplicar
profundizacin iterativa. Obvio qu es necesario contar con una prueba de
suspensin ms completa. La funcin de evaluacin podr utilizarse slo en los
casos de posiciones que estn en reposo, es decir, aquellas cuyos valores es
poco probable que sufran grandes fluctuaciones en un futuro cercano.
A esta bsqueda adicional se denomina bsqueda en reposo; a veces se le
restringe a tomar en cuenta solo cierto tipo de jugadas, como las de captura de
piezas, lo que despeja de inmediato las incertidumbres de una posicin.
Es ms difcil eliminar el problema del horizonte. Surge cuando el programa
enfrenta una jugada del contrincante que causa un grave dao y que finalmente es

inevitable. Hasta el momento no se ha encontrado ninguna solucin al problema

del horizonte.
Poda alfa beta
Supongamos que se ha logrado implantar una bsqueda minimax que cuenta con
una funcin de evaluacin razonable para el ajedrez y una razonable prueba de
suspensin con una bsqueda en reposo. Contando con un programa bien
elaborado, y una computadora normal, probablemente se podrn buscar 1000
posiciones por segundo, el factor d ramificacin del ajedrez es de 35 por tanto el
programa slo podr explorar tres o cuatro capas y su juego tendr el nivel de
novato, incluso los jugadores humanos promedio pueden anticipar sus jugadas
seis u ocho capas: nuestro programa perdera sin mayor dificultad.
Afortunadamente es posible calcular la decisin minimax correcta sin tener que
explorar todos los nodos del rbol de bsqueda. Al proceso para evitar la
exploracin de una de las ramas del rbol de bsqueda se le conoce como poda
del rbol de bsqueda. A la tcnica que consideraremos en particular se le conoce
como poda alfa beta. Aplicada a un rbol minimax estndar, produce la misma
jugada que se obtendra con minimax pero elimina todas las ramas que
posiblemente no influirn en la decisin final.
El principio general es el siguiente: considrese un nodo n del rbol, tal que exista
la posibilidad e que el jugador pueda ir a ese nodo. Si el jugador tuviera una mejor
opcin m, ya sea en el nodo padre de n, o en cualquier punto de eleccin
posterior, en un juego real nunca se alcanzar n. Es decir, una vez que se cuenta
con suficiente informacin sobre n (mediante la exploracin de algunos de sus
descendientes) que permita llegar a esta conclusin, se procede a podar.
Recuerde que la bsqueda minimax es preferente por profundidad, por lo que en
todo momento es necesario considerar todos los nodos que estn en una solo ruta
del rbol.
Conforme se efecta la bsqueda alfa-beta se van actualizando los valores de o
y se poda un subrbol (es decir concluye la solicitud de peticin) en cuanto se
determina que es peor que el valor actual de o .
La funcin de bsqueda de alfa- beta es en s una copia de la funcin VALOR
MAX, con un cdigo adicional para recordar y responder con la mejor jugada que
se haya encontrado.
Eficiencia del poda alfa-beta
La eficiencia de alfa-beta depender del orden como se exploren los sucesores.
Alfa-beta puede anticipar el doble que minimax por el mismo costo. As al generar
150,000 nodos en el lapso permitido, un programa puede explorar ocho capas en
vez de cuatro, al considerar cuidadosamente qu clculos son los que en realidad
afectan la decisin ser posible transformar el programa de novato a experto.
Otro mtodo muy comn es el de la bsqueda de profundizacin iterativa,
empleando los valores respaldados en una iteracin y con base en estos definir la
secuencia de los sucesores en la iteracin siguiente. En todos los resultados de
complejidad de los juegos (y, en realidad, de todos los problemas de bsqueda en
general) si se quiere obtener resultados, es necesario considerar un modelo de
rbol idealizado.

La intensidad de la correlacin depender en gran medida del tipo de juego de que

se trate y su posicin particular en la raz. Se puede afirmar que est presente un
inevitable factor de empirismo en la investigacin de los juegos, que elude todo el
anlisis matemtico.
Lo ltimo en programas de juegos:

Ajedrez
Juego de fichas o damas
Othello
Backgammon
Go

Todos ellos son juegos de tablero que han sido llevados a la digitalizacin por
medio de la IA.

Bibliografa.
[1] http://es.scribd.com/doc/6772113/Problemas-y-Espacio-de-Estados
[2] http://www.cs.us.es/cursos/ia1/temas/tema-02.pdf
[3] http://inteligenciaartificialselem.obolog.com/unidad-4-busquedasatisfaccion-restricciones-1043976
[4] http://users.dcc.uchile.cl/~abassi/Cursos/52a/Apuntes/c5.html
[5] http://www.slideshare.net/joseamaldonadocortes/42-espacios-de-estadosdeterminsticos-y-espacios-no-determinsticos
[6] http://www.buenastareas.com/ensayos/BusquedaSistematica/590687.html
[7] http://ia.comeze.com/subtemas/un4/4.4.1.html
[8] http://ia.comeze.com/subtemas/un4/4.4.2.html
[9] http://ia.comeze.com/subtemas/un4/4.4.3.html
[10] http://ia.comeze.com/subtemas/un4/4.5.html
[11] http://ia.comeze.com/subtemas/un4/4.6.html