MOMENTO DOS

MAURICIO MORA MORA

C.C.1069736867
VLADIMIR GARCES

INTELIGENCIA ARTIFICIAL

TUTORA
ANGELA MARIA GONZALEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CEAD-ARVELAEZ
2014

BOJETIVOS
Analizar las sintaxis de los sistemas de bsquedas heurstica y ciega.
Utilizar la estructura y caractersticas de los sistemas de bsquedas heurstica y
ciega para dar soluciones a problemticas de la vida cotidiana.
Platear un ejemplo analtico de algoritmo gentico.
Implementar los problemas plateados por el curso virtual en nuestra vida
profesioanl.

ACTIVIDADES INDIVIDUALES
1. De las siguientes bsquedas cada integrante escoge dos bsquedas, una
heurstica y una ciega y mediante diagramas realice los procesos que realiza
cada una de ellas, explicando sus caractersticas, ventajas y desventajas. Deben
ser de autora propia.
BSQUEDA HEURSTICA
Bsqueda preferente por lo mejor
Bsqueda Avara (Greedy Search)
Principalmente es una de las ms sencillas estrategias en la BPPLM, que consiste en
reducir al mnimo el costo estimado para lograr una meta lo cual en otras palabras, el
nodo cuyo estado se considere ms cercano a la meta en trminos de costo de ruta se
expande primero aunque casi siempre es posible calcular el costo aproximado hasta la
meta, es difcil hacerlo con precisin, por otra parte la funcin utilizada para dicho
estimado del costo se llama funcin heurstica, simbolizada por h ya queh(n) = costo
estimado de la ruta ms barata que une el estado del nodo n con un estado meta:

Iasi

Neamt
H=150
Iasi
H=160

H=160
H=160

Vaslui
H=170

Neamt
H=150

Bsqueda A*
De igual manera se puede definir como f(n) lo cual puede llamarse el costo estimado
de la solucin ms barata, pasando por n ya que es posible demostrar que esta
estrategia es completa y ptima, dada una restriccin de h lo cual es la restriccin es
escoger una funcin h que nunca sobreestime el costo que implica alcanzar la meta a
dicha funcin h se le llama heurstica admisible por ende a la bsqueda preferente
por lo mejor que usa f como funcin de evaluacin y una funcin h aceptable se le
conoce como bsqueda A*.

BSQUEDA CIEGA
Bsqueda preferente por amplitud
Una de las estrategias ms sencillas es la de la bsqueda preferente por amplitud.
En este caso, primero se expande el nodo raz, y luego todos los nodos generados por
ste; luego, sus sucesores, y as sucesivamente. En general, todos los nodos que
estn en la profundidad d del rbol de bsqueda se expanden antes de los nodos que
estn en la profundidad d+1. Para implantar una bsqueda preferente por amplitud se
utiliza un algoritmo BSQUEDA-GENERAL con una funcin de lista de espera
mediante la que se van poniendo los estados recin generados al final de la lista, a
continuacin de todos los estados generados previamente:
Function BREADTH-FIRST-SEARCH (problem) return a solution or failure
Funcin BSQUEDA-PREFERENTE-POR-AMPLITUD (problema) responde con una
solucin o una Falla:

Bsqueda de costo uniforme

Mediante la bsqueda preferente por amplitud se encuentra el estado meta ms
prximo a la superficie, sin embargo sta no siempre es la solucin de costo mnimo de
la funcin general de costo de ruta. En el caso de la bsqueda de costo uniforme se
modifica la estrategia preferente por amplitud en el sentido de expandir siempre el nodo
de menor costo en el margen (medido por el costo de la ruta g(n)) en vez del nodo de
menor profundidad. No es difcil darse cuenta de que la bsqueda preferente por
amplitud no es sino una bsqueda de costo uniforme en la que
g(n)=PROFUNDIDAD(n).

1. Explicar que es, las caractersticas, las estrategias de bsquedas y por medio de
ejemplos identificar qu papel tiene la bsqueda en la inteligencia artificial.
Si se pide a varias personas que definan la inteligencia, lo ms probable es que nos
den definiciones no coincidentes, como:

Capacidad de aprender a partir de la experiencia

El poder de pensar

La capacidad de razonar

La capacidad de percibir relaciones

El poder de comprender

Intuicin

Tipos de bsqueda:
Las tcnicas de bsqueda son una serie de esquemas de representacin del
conocimiento, que mediante diversos algoritmos nos permite resolver ciertos problemas
desde el punto de vista de la I.A.
Elementos de bsqueda
Conjunto de estados: todas las configuraciones posibles en el dominio.
Estados iniciales: estados desde los que partimos.
Estados finales: las soluciones del problema.
Operadores: se aplican para pasar de un estado a otro.
Uno de los problemas que antes se intent resolver fue el del juego del ajedrez, pues
tiene unas reglas claramente definidas y unos objetivos inequvocos. Actualmente se
conocen varias tcnicas de IA para enfrentarse al juego del ajedrez. En general los
juegos proporcionan una tarea estructurada en la que es muy fcil medir el xito o el
fracaso. En comparacin con otras aplicaciones de inteligencia artificial, por ejemplo
comprensin del lenguaje, los juegos no necesitan grandes cantidades de
conocimiento. En un primer momento se pens que se podran resolver por bsqueda
exhaustiva en el rbol del juego, es decir, un rbol que contenga todos los movimientos
posibles de ambos jugadores. Considerando por ejemplo el juego de ajedrez, en una
partida cada jugador realiza una media de 50 movimientos, con un factor de
ramificacin medio de 35 posibilidades, por lo tanto para examinar el rbol de juego
completamente se tendran que examinar 35100 posibilidades. Resulta evidente que
una simple bsqueda directa precisa mucha potencia de clculo en la prctica, y por lo
tanto es necesario algn tipo de procedimiento de bsqueda heurstica.

Bsqueda. Una forma de ganar en un juego es mediante la bsqueda, mirando

ms all de las posibilidades generadas por cada movimiento potencial. Los
ordenadores son mejores que las personas para este tipo de clculos y los
ordenadores ms potentes si pueden rastrear todas las posibilidades, en base a
la denominada fuerza bruta.

Heursticos. Se dice as de los mtodos prcticos, se basan en juicios que la

experiencia nos dice que son vlidos. Es como actuamos en la vida diaria. un
programa de ajedrez, por ejemplo podra actuar de la forma: mantenga los
peones en la fila del rey tanto tiempo como sea posible.

Reconocimientos de modelos. Los mejores jugadores humanos de ajedrez

recuerdan cientos de modelos crticos en el desarrollo del juego y saben las

mejores estrategias aplicables en cada caso. Los programas de juegos tambin

reconocen modelos recurrentes, pero no lo hacen como las personas.

Aprendizaje de mquinas. Los mejores programas de juegos de mesa

aprenden de la experiencia. Si un movimiento es rentable es probable que el
programa que aprende lo utilice en futuras jugadas. Si da como resultado una
prdida, el programa lo recordar y evitar su uso en el futuro.

Aplicaciones de la inteligencia artificial

* Tareas de la vida diaria (ms dificil para una mquina que las tareas de un experto)

Percepcin (visin y habla)

Lenguaje natural (comprensin, generacin, traduccin)

Sentido comn

Control de un robot

* Tareas formales

Juegos (ajedrez, backgammon, damas)

Matemticas (geometra, lgica, clculo, demostracin de propiedades)

* Tareas de los expertos (necesitan un conocimiento menor que el conocimiento

necesario en las tareas ms comunes)

Ingeniera (diseo, deteccin de fallos, planificacin de manufacturacin)

Anlisis cientfico

Diagnosis mdica

Anlisis financiero

2. Teniendo en cuenta el trabajo individual, elabore un cuadro comparativo entre la

bsqueda heurstica y la bsqueda ciega
Bsqueda ciega
Bsqueda heurstica
La bsqueda ciega o no informada slo Las tcnicas de bsqueda heurstica se
utiliza informacin acerca de si un estado apoyan al contrario de los mtodos de

es o no objetivo para guiar su proceso de

bsqueda.
Los mtodos de bsqueda ciega se
pueden clasificar en dos grupos bsicos:

bsqueda ciega se apoyan en informacin

adicional para realizar su proceso de
bsqueda. Para mejorar la eficiencia de la
bsqueda, estos algoritmos hacen uso de
una funcin que realiza una prediccin del
coste necesario para alcanzar la solucin. La
Mtodos de bsqueda en anchura:
funcin que gua el proceso toma el nombre
Son procedimientos de bsqueda nivel a de funcin heurstica.
nivel. Para cada uno de los nodos de un
nivel se aplican todos los posibles De todos los algoritmos de bsqueda
operadores y no se expande ningn nodo heurstica, uno destaca en especial: el A*.
de un nivel antes de haber expandido Este algoritmo, a pesar de haber sido creado
entorno a los aos 60, sigue en la actualidad
todos los del nivel anterior.
siendo uno de los ms utilizados.
Desafortunadamente, es ineficiente en
Mtodos de bsqueda en profundidad:
cuanto al uso de memoria durante el proceso
En estos procedimientos se realiza la de bsqueda. Por ello, en las dcadas de los
bsqueda por una sola rama del rbol 80 y 90, aparecieron algoritmos basados en
hasta encontrar una solucin o hasta que el propio A*, pero que limitaban el uso de
se tome la decisin de terminar la memoria. Dos de los algoritmos ms
bsqueda por esa direccin (por no haber representativos de esta ltima tendencia son
A*)
y
posibles operadores que aplicar sobre el el IDA* (Iterative-Deepening
nodo hoja o por haber alcanzado un nivel el SMA* (Simplified Memory-bounded A*).
de profundidad muy grande). Si esto
ocurre
se
produce
una
vuelta
atrs( backtracking ) y se sigue por otra
rama hasta visitar todas las ramas del
rbol si es necesario.
.

3. Explique que es un algoritmo gentico, mediante un ejemplo explique su proceso

de construccin.

SOLUCION
A continuacin se ver un ejemplo compilado simple de algoritmo gentico que
necesita una codificacin o representacin del problema, que resulte adecuada al
mismo. Adems se requiere una funcin de ajuste adaptacin al problema, la cual
asigna un nmero real a cada posible solucin codificada. Durante la ejecucin del

algoritmo, los padres deben ser seleccionados para la reproduccin, a continuacin

dichos padres seleccionados se cruzarn generando dos hijos, sobre cada uno de los
cuales actuar un operador de mutacin. El resultado de la combinacin de las
anteriores funciones ser un conjunto de individuos (posibles soluciones al problema),
los cuales en la evolucin del Algoritmo Gentico formarn parte de la siguiente
poblacin.
BEGIN /*Ejemplo de un Algoritmo Genetico Simple */
Generar una poblacion inicial de estudiantes en la UNAD.
Computar la funcion de evaluacion de cada individuo.
WHILE NOT Terminado DO
BEGIN /* Producir nueva generacion */
FOR Tamano poblacion/2 DO
BEGIN /*Ciclo Reproductivo */
Seleccionar dos individuos de la anterior generacion,
para el cruce (probabilidad de seleccion proporcional
a la funcion de evaluacion del individuo).
Cruzar con cierta probabilidad los dos
individuos obteniendo dos descendientes.
Mutar los dos descendientes con cierta probabilidad.
Computar la funcion de evaluacion de los dos
descendientes mutados.
Insertar los dos descendientes mutados en la nueva generacion.
END
IF la poblacion ha convergido THEN
Terminado := TRUE
END
END

CONCLUCIONES
De acuerdo al trabajo desarrollado anteriormente pudimos dar cumplimiento a las
expectativas plateadas por la gua de actividades de la misma manera pudimos
plantear soluciones constructivas ante los problemas planteados lo cual nos son como
base ante las expectativas como personas y como profesionales ante diseo y anlisis
de sistemas inteligente, sistemas de bsqueda o sistemas artificiales.

BIBLIOGRAFIA

[1]UNIVERSIDAD NACIONAL DE COLOMBIA. (2012). INTELIGENCIA

ARTIFICIAL. 2/11/2014, de NACIONAL DE COLOMBIA Sitio web:
http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf
[2]J.K. (2013). SISTEMAS INTELIGENTES. 2/11/2014, de INCA Sitio
web: http://www.academia.edu/905885/135._Tecnolog
%C3%ADas_de_inteligencia_artificial_y_de_agentes_computacionale
s_en_la_educaci%C3%B3n_el_proyecto_EVA