ESCUELA SUPERIOR POLITCNICA AGROPECUARIA DE

MANAB MANUEL FLIX LPEZ

CARRERA INFORMTICA

SEMESTRE SPTIMO

PERODO ABRIL-SEPT/2015

TEMA:
AGENTES RESOLVENTES DE PROBLEMA

MATERIA:
INTELIGENCIA ARTIFICIAL II

AUTORA:
MNICA L. DIAZ ENCARNACIN

FACILITADORA:
ING. HIRAIDA SANTANA

MISIN
Formacin de profesionales ntegros que conjuguen ciencia, tecnologa y valores en
su accionar, comprometidos con la sociedad en el manejo adecuado de programas
y herramientas computacionales de ltima generacin.

VISIN
Ser referente en la formacin de profesionales de prestigio en el desarrollo de
aplicaciones informticas y soluciones de hardware.

CALCETA, ABRIL 2015

20 Abril 2015
INTRODUCCIN
Despus de haber conocido los captulos anteriores, y saber que la
Inteligencia Artificial es aplicada a todos los mbitos, en este nuevo
captulo nos enfocaremos en el tipo de agente basado en objetivos, por
esto el ttulo de esta seccin es Resolver problemas, adems
conoceremos los diferentes mtodos de bsqueda que hay para
solucionarlo, medir el rendimiento de la resolucin del problema, entre
otras definiciones que conoceremos a continuacin.

OBJETIVO
El objetivo de este captulo es determinar o conocer los conceptos
principales de los procesos bsicos que involucran la aplicacin de los
mismos para identificar su utilidad dentro del desarrollo de sistema
informtico.

MARCO TERICO
QU SON LOS AGENTES RESOLVENTES DE PROBLEMAS?
Los agentes resolventes problemas deciden qu hacer para encontrar
secuencias de acciones que conduzcan a los estados deseables. Comenzamos
definiendo con precisin los elementos que constituyen el problema y su
solucin.
Asumimos que los agentes Inteligentes deben maximizar su medida de
rendimiento, para ello el agente debe elegir un objetivo y debe tratar de

satisfacerlo. Los objetivos ayudan a organizar el comportamiento del agente

limitando las metas que intenta alcanzar el agente.

Existen diferentes algoritmos para resolver estos problemas, por ejemplo, los
algoritmos de bsqueda informada y no informada.

Ejecuta la secuencia
de acciones definidos
anteriormente.

Formulacin
del problema

La tarea del agente

es encontrar que
secuencia de
acciones permite
obtener un estado
objetivo.

Fase de
Bsqueda

Ejecuta

Formulacin
del objetivo

FASES A SEGUIR

Es el proceso de
decidir que acciones
y estados tenemos
que considerar.

Examina las diferentes

secuencias posibles de
acciones que le
conduzcan a estados de
valores conocidos, y
entonces escoge la
mejor secuencia.

PROBLEMAS Y SOLUCIONES BIEN DEFINIDOS

ESTADO
INICIAL

FUNCIN
SUCESOR

TEST
OBJETIVO

COSTO DEL
CAMINO

Donde inicia
el agente.
Situacion
actual

Es la accin
sucerora, es la
discripcion de
las posibles
acciones
disponibles
para el agente.

Determina si
un estado es
un estado
objetivo.

El agente
elege una
funcion costo
que refleja la
medida de
rendimiento

MEDIR EL RENDIMIENTO DE LA RESOLUCIN DEL

PROBLEMA
La salida del algoritmo de resolucin de problemas es fallo o una solucin, se
evaluara el rendimiento de un algoritmo de cuatro formas.

 Esta garantizado
que el logaritmo
encuentre una
solucion cuando
esta existe?
COMPLETITUD

COMP. EN
ESPACIO

OPTIMIZACIN

Encuentra
la estrategia
la solucin
optima?

Cuanto tarda
en encontrar
una solucin?
COMP. EN
TIEMPO

Cuanta
memoria se
necesita para el
funcionamieto
de la
bsqueda?

CONCLUSIN
Medir el rendimiento de la resolucin de un problema es fundamental, ya
que, se puede establecer cul es el beneficio. El agente puede construir
secuencias de acciones que alcanzan sus objetivos mediante bsqueda y
por ende, conocer los distintos mtodos de bsqueda, es importante
porque nos permite escoger y poder establecer cul es el adecuado para
alcanzar el objetivo deseado.

BIBLIOGRAFAS
Daz, P. 6. s.f. Sistemas Inteligentes: Sistemas de Bsqueda. Formato: PDF.
Consultado: Disponible en http://www.aic.uniovi.es/ssii/ssii-t2-busquedai.pdf

Olmos, I. s.f. Inteligencia Artificial. Formato: PDF. Consultado. Disponible en:

http://www cs.buap.mx/iolmos/ia/Sesion5_Busquedas1.pdf

Russell, S y Norvig, P.2004. Inteligencia Artificial Un enfoque Moderno. 2ed.

Madrid, ESP. Pearson. p 68-98