Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PERODO ABRIL-AGOSTO/2015
TEMA:
EJEMPLOS 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.
INTRODUCCIN
Despus de haber conocido y estudiado este captulo conoceremos ejemplos
para tener un mayor entendimiento y as poder comprender la parte fundamental
de lo que son los Agentes Resolventes de Problemas y as poder aplicar los
mtodos de bsqueda que hay para solucionarlo, y medir el rendimiento de la
resolucin del problema.
OBJETIVO
El objetivo de esta seccin es conocer ejemplos de los Agentes Resolventes de
Problemas y poder aplicar mtodo de bsquedas que son de til importancias
para concluir con ellos y obtener una trabajo de buen rendimiento.
MARCO TERICO
CONCEPTO
La metodologa para resolver problemas se ha aplicado a un conjunto amplio de
entornos. Enumeramos aqu algunos de los ms conocidos, distinguiendo entre
problemas de juguete y del mundo-real. Un problema d juguete se utiliza para
ilustrar o ejercitar los mtodos de resolucin de problemas. stos se pueden
describir de forma exacta y concisa. Esto significa que diferentes investigadores
pueden utilizarlos fcilmente para comparar el funcionamiento de los algoritmos.
Un problema de mundo-real es aquel en el que la gente se preocupa por sus
soluciones. Ellos tienden a no tener una sola descripcin, pero nosotros
intentaremos dar la forma general de sus formulaciones.
EJERCICIOS
EL MUNDO DE LA ASPIRADORA
Estados: El agente est en una de dos localizaciones, cada una de las
cuales puede o no contener suciedad.
Funcin Sucesor: Esta genera los estados legales que resultan al intentar
las tres acciones (Izquierda, Derecha y Aspirar)
PUZLE
Consiste en un tablero de 3 X 3 con ocho fichas numeradas y un espacio en
blanco. Una ficha adyacente al espacio en blanco puede deslizarse a ste. La
meta es alcanzar el estado objetivo especificado, tal como se muestra a la
derecha de la figura. La formulacin estndar es como sigue:
Costo del camino: El costo de cada paso del camino tiene valor 1, as que
el costo del camino es el nmero de pasos.
MAPA PLANO
Coloree un mapa plano utilizando slo cuatro colores, de tal modo que dos
regiones adyacentes no tengan el mismo color.
Estado Inicial: No hay.
Test Objetivo: Se comprueba se las regiones cercanas a l tienen el
mismo color que tiene listo para pintar.
CONCLUSIN
He concluido que para poder resolver uno o varios ejemplos tenemos que
conocer primero los mtodos, y sus definiciones para llegar as a concluir con un
rendimiento exitoso.
En los ejemplos tambin nos damos cuenta que todos llevan un estado inicial y
un costo de camino, que nos trata de decir, como va evolucionando el problema
que se ha planteado y tambin conoceremos su objetivo, es decir la meta o el
propsito.
BIBLIOGRAFA
Russell, S y Norvig, P.2004. Inteligencia Artificial Un enfoque Moderno. 2ed.
Madrid, ESP. Pearson. p 100-105