IA05 MetBuscaInformada

Inteligncia Artificial(IA)
Mtodos de Busca Informada
Erivan Alves de Andrade

1
Contedo programtico
n
A de Andrade 2011
Mtodos de busca informada
Erivan
Busca O Melhor Primeiro

Funes heursticas
Busca limitada pela memria
Algoritmos de melhoramento iterativo
Busca o melhor primeiro

n
A de Andrade 2011
Erivan
Funo de avaliao(FA)
q Retorna um nmero propondo descrever a (desirability)
utilidade(ou falta dela) de expandir o prximo n de uma
arvore de busca
Um FA usa conhecimento especfico sobre o problema
q Se os ns so ordenado e os com melhor avaliao so
expandidos primeiro
A estratgia de buscar o melhor primeiro venervel mas
imprecisa
q Se pudssemos de fato expandir o melhor primeiro iramos
direto soluo
q Ele permite apenas escolher o que parece ser melhor,
segundo a FA utilizada
q Uma FA onisciente pode de fato expandir o melhor primeiro

n
Existem vrios algoritmos de busca o melhor

primeiro com diferentes FA
A de Andrade 2011
Para focar a busca a medida deve incorporar

alguma estimativa de proximidade de um n em
relao ao n meta
Consideremos duas abordagens bsicas
q
Tipicamente esta FA usam alguma medida do custo da

soluo e tentam minimiz-la
Primeiro tentar expandir o n mais prximo da

meta(busca gulosa)
Tentar expandir o n no caminho da soluo de custo
mnimo (busca A*)
Erivan

n
Minimizar o custo estimado para atingir a meta

busca gulosa
A de Andrade 2011
O n julgado estar mais prximo da meta e expandido

primeiro
Para muitos problemas o custo de atingir a meta a
partir de um determinado n pode ser estimado, mas
no determinado com exatido
Uma funo que calcula tal custo estimado chamada
de funo heurstica
Funo heurstica
n
h(n) = custo estimado do caminho mais barato do estado

do n n ao estado meta
Erivan

n
Minimizar o custo estimado para atingir a meta

busca gulosa (cont...)
Na busca gulosa a h pode ser qualquer funo desde
que
A de Andrade 2011
Uma funo heurstica especfica para cada

problema
q
h(n)=0 se n o estado meta
Ex: para encontrar uma rota que leve de Arad a

Bucharest pode se utilizar a distncia em linha reta
entre as cidade como funo heurstica
Erivan
A de Andrade 2011
Erivan
Busca gulosa
n
A de Andrade 2011
Erivan
Busca gulosa
n

n
n
q
A de Andrade 2011
q
q
Algoritmos gulosos com freqncia produz bons resultados

Nem sempre encontra a soluo tima
suscetvel a falsos comeos(false starts)
n
Ex: ir de Iasi a Fagaras
Lembra a busca em profundidade primeiro

n
No se preocupa com as conseqncias disto a longo tempo
Sofre dos mesmos problemas: no tima nem completa

Complexidade de tempo no pior caso O(bm) m profundidade
mxima
Complexidade de espao igual a de tempo
Uma boa heurstica pode reduzir ambas as complexidades
Erivan
Busca gulosa
q A estratgia se preocupa em abocanhar o mximo possvel
do caminho restante para tingir a meta

n
Minimizar o custo do caminho total: busca A*

q
A de Andrade 2011
A busca de custo uniforme minimiza o custo do

caminho at n g(n)
n
n
q
q
No tima nem completa
tima e completa
Pode ser muito ineficiente
Idia bsica: combinar as vantagens de h(n) e g(n)

Essa combinao e representada por f(n)
f(n) = g(n)+h(n)
f(n) d o custo estimado do caminho mais barato da

soluo passando por n
Erivan
10
Busca gulosa minimiza o custo estimado de n at a

meta- h(n)

n
Busca A* (cont...)
q
A de Andrade 2011
Heurstica admissvel
n
q
q
11
Funo heurstica h que nunca superestima o custo para

atingir a meta
Heursticas admissveis so otimistas por natureza

O otimismo da heurstica h e transferido pra f
n
Se a funo heurstica utilizada for uma heurstica

admissvel
Se h admissvel, f(n) nunca superestima o custo atual

da melhor soluo passando por n
A busca melhor primeiro utilizando f como FA e uma

funo h admissvel conhecido como busca A*
Erivan
Para encontrar a soluo mais barato razovel

expandir primeiro o n com o menor valor de f
Pode-se provar que esta estratgia tima e completa

n
Comportamento da Busca A*
q
A de Andrade 2011
n
q
Maioria das heursticas admissveis so montonas
Pode se fazer uma correo para se restaurar a

monotonicidade se ela no ocorre
Seja os ns n e n com n sendo o pai de n

n Se f(n) < f(n) ento h no montona
n Usa se uma equao que garante que o custo de f nunca
decresce
f(n)= max(f(n), g(n)+h(n)) equao pathmax
n
Erivan
12
Se na rvore de busca ao longo de qualquer caminho,

a partir da raiz, o custo de f nunca decresce a
heurstica montona

n
q
A de Andrade 2011
Seja f* o custo do caminho da soluo tima

n
n
n
n
q
13
Pode-se conceitualmente desenhar contornos no espao

de estados
A* expande todos os ns com f(n)<f*
A* pode ento expandir alguns dos ns no contorno do no
meta, para qual f(n)=f*, ante de escolher o n meta
A primeira soluo encontrada ser uma tima
A* tambm completa
A otimalidade e completude de A* j foi provada

matematicamente
Erivan
Usando a equao pathmax f ser sempre crescente

ao longo de qualquer caminho a partir da raiz

n
A de Andrade 2011
14
Usando a equao pathmax f ser sempre

crescente ao longo de qualquer caminho a
partir da raiz
A otimalidade e completude de A* j foi
provada matematicamente
Nenhum outro algoritmo timo expande menos
ns que A*
A* possui problemas quanto a sua
complexidade de tempo e espao
Erivan

n
q
A de Andrade 2011
Erivan
15
Nenhum outro algoritmo timo expande menos ns que

A*
A* possui problemas quanto a sua complexidade de
tempo e espao

n
Busca A*: Exemplo

Ver mapa
A de Andrade 2011
Erivan
16
A de Andrade 2011
Erivan
17
Busca A*: Contornos

n
Funes Heursticas
n
A de Andrade 2011
no superestimar o custo real da soluo
Existem estratgias genricas para definir

h:
1) Relaxar restries do problema;
n
2) Usar informao estatstica;

18
3) Identificar os atributos mais relevantes do

problema (exige aprendizagem).
Erivan
Como escolher uma boa funo heurstica

h?
h depende de cada problema particular.
h deve ser admissvel
Funes Heursticas: relaxando o problema

n
Problema Relaxado:
q
Exemplo: jogo dos 8 nmeros - operador original
A de Andrade 2011
Um nmero pode mover-se de A para B se A

adjacente a B e B est vazio
busca exaustiva 320 estados possveis
Operadores relaxados:
4 5 8
1 6
7 2 3
1. um nmero pode mover-se de A para B se A

adjacente a B (h2)
2. um nmero pode mover-se de A para B se B est vazio
3. um nmero pode mover-se de A para B (h1)
Erivan
19
verso simplificada do problema original, onde os

operadores so menos restritivos
Heursticas para jogo 8 nmeros
A de Andrade 2011
Erivan
20
Heursticas possveis
h1 = no. de elementos fora do lugar (h1=7)
h2 = soma das distncias de cada nmero posio final
(h2=2+3+3+2+4+2+0+2=18)
Espao de Estados jogo dos 8-nmeros

3
A de Andrade 2011
21
3
4
Erivan
4
2
Funes Heursticas: Usando informao

estatstica
n Funes heursticas podem ser melhoradas com
A de Andrade 2011
em 10% dos casos do problema acima, a funo de

avaliao poder superestimar o custo da soluo, no
sendo de grande auxlio para o algoritmo encontrar a soluo
mais barata.
Erivan
22
informao estatstica:
q executar a busca com um conjunto de treinamento (e.g., 100
configuraes diferentes do jogo), e computar os resultados.
q se, em 90% dos casos, quando h (n) = 14, a distncia real
da soluo 18,
q ento, quando o algoritmo encontrar 14 para o resultado da
funo, substituir-se esse valor por 18.
Informao estatstica expande menos ns, porm elimina
admissibilidade:
Funes Heursticas: Escolhendo Funes Heursticas

n
A de Andrade 2011
hi domina hk hi(n) hk(n) "n no espao de

estados
q
23
h2 domina h1 no exemplo anterior
Caso existam muitas funes heursticas para o

mesmo problema, e nenhuma delas domine as
outras, usa-se uma heurstica composta:
q
ex. h2 melhor que h1
h (n) = max (h1 (n), h2 (n),,hm(n))
Assim definida, h admissvel e domina cada

funo hi individualmente
Erivan
sempre melhor usar uma funo heurstica

com valores mais altos, contanto que ela seja
admissvel.
Funes Heursticas: Escolhendo Funes Heursticas

n
A de Andrade 2011
b* o fator de expanso de uma rvore uniforme com N ns

e nvel de profundidade d
N = 1 + b* + (b*)2 + ... + (b*)d , onde
Mede-se empiricamente a qualidade de h a partir do conjunto

de valores experimentais de N e d.
q uma boa funo heurstica ter o b* muito prximo de 1.
Se o custo de execuo da funo heurstica for maior do
que expandir ns, ento ela no deve ser usada.
q uma boa funo heurstica deve ser eficiente e econmica.
Erivan
N = total de ns expandidos para uma instncia de problema

d = profundidade da soluo;
24
A qualidade da funo heurstica: medida atravs do fator

de expanso efetivo (b*).
Funes Heursticas: Experimento com 100 problemas
Uma boa funo heurstica ter o b* muito prximo de 1.
Algoritmos de Melhoramento Iterativo(AMI)
A de Andrade 2011
A idia comear com o estado inicial (configurao

completa, soluo aceitvel), e melhor-lo iterativamente.
q Imagem da TV
Os estados esto representados sobre uma superfcie

(grfico)
q a altura de qualquer ponto na superfcie corresponde
funo de avaliao do estado naquele ponto
O algoritmo se move pela superfcie em busca de pontos

mais altos (objetivos)
q o ponto mais alto (mximo global) corresponde soluo
tima
n
26
n onde a funo de avaliao atinge seu valor mximo
Aplicaes: problemas de otimizao

q por exemplo, linha de montagem
Erivan
Algoritmos de Melhoramento Iterativo
Exemplo de Espao de Estados

A de Andrade 2011
Erivan
27
A de Andrade 2011
Esses algoritmos guardam apenas o estado

atual, e no vem alm dos vizinhos imediatos
do estado.
Contudo, muitas vezes so os melhores mtodos

para tratar problemas reais muito complexos.
Duas classes de algoritmos:

q
Subida de Encosta(Hill-Climbing ou Gradiente

Ascendente ou busca gulosa local)
n
Anelamento Simulado(Simulated Annealing ou

tmpera simulada)
n
28
s faz modificaes que melhoram o estado atual.
pode fazer modificaes que pioram o estado atual

temporariamente, para possivelmente melhor-lo no
futuro.
Erivan

n
O algoritmo no mantm uma rvore de

busca:
n
A de Andrade 2011
guarda apenas o estado atual e sua avaliao

simplesmente um loop que se move na direo
crescente (para maximizar) ou decrescente (para
minimizar) da funo de avaliao.
Erivan
29
Subida da Encosta: algoritmo

n
Subida da Encosta: Exemplo

q
Clculo da menor rotas com 5 ns:
estado inicial = (N1, N2, N3, N4, N5)
f = soma das distncias diretas entre cada n, na ordem

escolhida (admissvel!)
A de Andrade 2011
operadores = permutar dois ns quaisquer do caminho
restrio = somente caminhos conectados so estados vlidos
estado final = n onde valor de f mnimo
e1 = {N1, N2, N3, N4, N5}
f(N1, N2, N3, N4, N5) = 10

n
e2 = {N2, N1, N3, N4, N5}
f(N2, N1, N3, N4, N5) = 14

n
e3 = {N2, N1, N4, N3, N5}
f(N2, N1, N3, N4, N5) = 9!!!
30
Erivan

n
Subida da Encosta
q
A de Andrade 2011
1. Mximos locais
2. Plancies (plats)
3. Encostas e picos
Erivan
31
O algoritmo move-se sempre na direo que apresenta

maior taxa de variao para f
Isso pode acarretar em 3 problemas:

n
A de Andrade 2011
Em contraste com mximos globais, so picos mais

baixos do que o pico mais alto no espao de estados
(soluo tima)
A funo de avaliao leva a um valor mximo

para o caminho sendo percorrido
n
a funo de avaliao menor para todos os estados

filhos do estado atual, apesar de o objetivo estar em
um ponto mais alto
q
32
essa funo utiliza informao local
e.g., xadrez: eliminar a Rainha do adversrio pode

levar o jogador a perder o jogo.
Erivan
Mximos locais
q Definio

n
O algoritmo pra no mximo local

n
pois s pode mover-se com taxa crescente de

variao
A de Andrade 2011
q
n
restrio do algoritmo
e.g., 8-nmeros: mover uma pea para fora da sua

posio correta para dar passagem a outra pea que
est fora do lugar tem taxa de variao negativa!!!
Erivan
33
Mximos locais

n
Uma regio do espao de estados onde a funo de

avaliao d o mesmo resultado
n
A de Andrade 2011
todos os movimentos locais so iguais (taxa de variao

zero)
q
o algoritmo pra depois de algumas tentativas

q
f(n) = f(filhos(n))
restrio do algoritmo
ex. jogo 8-nmeros: nenhum movimento possvel vai

influenciar no valor de f, pois nenhum nmero vai chegar ao
seu local objetivo.
Erivan
34
Plats (Plancies)

n
A de Andrade 2011
Apesar de estar em uma direo que leva ao

pico, nenhum dos operadores vlidos conduz o
algoritmo nessa direo
n
os movimentos possveis tm taxa de variao zero

ou negativa
q
restrio do problema e do algoritmo
ex. rotas: quando permutar dois pontos e o caminho

resultante no est conectado.
Erivan
35
Encostas e Picos

n
Subida da Encosta
q
A de Andrade 2011
Cada busca executada

n
at que um nmero mximo estipulado de iteraes seja

atingido, ou
at que os resultados encontrados no apresentem melhora
significativa.
O algoritmo escolhe o melhor resultado obtido com as

diferentes buscas.
n
36
O algoritmo realiza uma srie de buscas a partir de estados

iniciais gerados aleatoriamente.
Objetivo!!!
Erivan
Nos casos acima, o algoritmo chega a um ponto de onde

no faz mais progresso.
Soluo: reincio aleatrio (random restart)

n
Subida da Encosta: anlise

q
O algoritmo completo?
SIM, para problemas de otimizao
q
A de Andrade 2011
NO, para problemas onde os ns no so estados

completos
q
q
e.g., jogo dos 8-nmeros

semelhante busca em profundidade
O algoritmo timo?
n
TALVEZ, para problemas de otimizao

q
37
uma vez que cada n tratado pelo algoritmo sempre um

estado completo (uma soluo)
quando iteraes suficientes forem permitidas...
NO, para problemas onde os ns no so estados

completos
Erivan

n
O sucesso deste mtodo depende muito do

formato da superfcie do espao de estados:
A de Andrade 2011
se h poucos mximos locais, o reincio aleatrio

encontra uma boa soluo rapidamente
caso contrrio, o custo de tempo exponencial.
Erivan
38
Subida da Encosta: anlise

n
Tmpera Simulado
q
A de Andrade 2011
n
n
q
quando a busca fica presa em um mximo local, o algoritmo no

reinicia a busca aleatoriamente
ele retrocede para escapar desse mximo local
esses retrocessos so chamados de passos indiretos
Apesar de aumentar o tempo de busca, essa estratgia

consegue escapar dos mximos locais
Analogia com cozimento de vidros ou metais:
n
processo de resfriar um lquido gradualmente at ele se solidificar
Erivan
39
Este algoritmo semelhante Subida da Encosta, porm

oferece meios para se escapar de mximos locais.

n
Tmpera Simulado
q
A de Andrade 2011
se a situao melhorar, esse movimento ser sempre

escolhido posteriormente;
caso contrrio, associa a esse movimento uma
probabilidade de escolha menor do que 1.
Essa probabilidade depende de dois parmetros, e

decresce exponencialmente com a piora causada pelo
movimento, e-DE/T, onde:
DE = Valor[prximo-n] - Valor[n-atual]
T = Temperatura
40
Erivan
O algoritmo utiliza um mapeamento de resfriamento de

instantes de tempo (t) em temperaturas (T).
Nas iteraes iniciais, no escolhe necessariamente o
melhor passo, e sim um movimento aleatrio:

n
Tmpera Simulado:Algoritmo
q
A de Andrade 2011
variveis locais: corrente, prximo, T (temperatura que controla a

probabilidade de passos para trs)
corrente Faz-N(Estado-Inicial[problema])
Inicial
for t 1 to do
T mapeamento[t]
Se T = 0
ento retorna corrente
prximo um sucessor de corrente escolhido aleatoriamente
DE Valor[prximo]
- Valor[corrente]
Valor
Valor
Se DE > 0
ento corrente prximo
seno corrente prximo com probabilidade = e-DE/T
Erivan
41
funo Anelamento-Simulado (problema,mapeamento)

retorna uma soluo

Tmpera Simulado
A de Andrade 2011
Com o tempo (diminuio da temperatura), este algoritmo

passa a funcionar como Subida da Encosta.
O algoritmo timo e completo se o mapeamento de

resfriamento tiver muitas entradas com variaes suaves
n
isto , se o mapeamento diminui T suficientemente devagar

no tempo, o algoritmo vai encontrar um mximo global
timo.
Erivan
42
Crticas Busca Heurstica

n
q
q
A de Andrade 2011
Funo de avaliao: compromisso (conflito) entre

q
q
dificuldades em definir e usar a funo de avaliao

no consideram conhecimento genrico do mundo (ou
senso comum)
tempo gasto na seleo de um n e
reduo do espao de busca
Achar o melhor n a ser expandido a cada passo

pode ser to difcil quanto o problema da busca em
geral.
Erivan
43
Soluo de problemas usando tcnicas de busca

heurstica:
Fontes de consulta
A de Andrade 2011
www.di.ufpe.br/~compint/aulas-IAS
Stuart Russel e Peter Norvig. Artificial
Intelligence: A modern approach
Erivan
44

IA05 MetBuscaInformada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

IA05 MetBuscaInformada

Cargado por

Copyright:

Formatos disponibles

Inteligncia Artificial(IA)

Mtodos de Busca Informada

Erivan Alves de Andrade

Mtodos de busca informada

Busca O Melhor Primeiro

Busca o melhor primeiro

Mtodos de busca informada

Busca o melhor primeiro

Existem vrios algoritmos de busca o melhor

Para focar a busca a medida deve incorporar

Tipicamente esta FA usam alguma medida do custo da

Primeiro tentar expandir o n mais prximo da

Mtodos de busca informada

Busca o melhor primeiro

Minimizar o custo estimado para atingir a meta

O n julgado estar mais prximo da meta e expandido

h(n) = custo estimado do caminho mais barato do estado

Mtodos de busca informada

Busca o melhor primeiro

Minimizar o custo estimado para atingir a meta

Uma funo heurstica especfica para cada

h(n)=0 se n o estado meta

Ex: para encontrar uma rota que leve de Arad a

Mtodos de busca informada

Busca o melhor primeiro

Mtodos de busca informada

Busca o melhor primeiro

Mtodos de busca informada

Busca o melhor primeiro

Algoritmos gulosos com freqncia produz bons resultados

Ex: ir de Iasi a Fagaras

Lembra a busca em profundidade primeiro

No se preocupa com as conseqncias disto a longo tempo

Sofre dos mesmos problemas: no tima nem completa

Uma boa heurstica pode reduzir ambas as complexidades

Mtodos de busca informada

Busca o melhor primeiro

Minimizar o custo do caminho total: busca A*

A busca de custo uniforme minimiza o custo do

No tima nem completa

Idia bsica: combinar as vantagens de h(n) e g(n)

f(n) d o custo estimado do caminho mais barato da

Mtodos de busca informada

Busca gulosa minimiza o custo estimado de n at a

Busca o melhor primeiro

Funo heurstica h que nunca superestima o custo para

Heursticas admissveis so otimistas por natureza

Se a funo heurstica utilizada for uma heurstica

Se h admissvel, f(n) nunca superestima o custo atual

A busca melhor primeiro utilizando f como FA e uma

Mtodos de busca informada

Para encontrar a soluo mais barato razovel

Busca o melhor primeiro

Maioria das heursticas admissveis so montonas

Pode se fazer uma correo para se restaurar a

Seja os ns n e n com n sendo o pai de n

Mtodos de busca informada

Se na rvore de busca ao longo de qualquer caminho,

Busca o melhor primeiro

Seja f* o custo do caminho da soluo tima

Pode-se conceitualmente desenhar contornos no espao

A otimalidade e completude de A* j foi provada

Mtodos de busca informada

N = 1 + b* + (b)2 + ... + (b)d , onde