Está en la página 1de 50
Universidad de Castilla-La Mancha Inteligencia Artificial e Ingeniería del Conocimiento Tema4: Sistemas basados en el
Universidad de Castilla-La Mancha Inteligencia Artificial e Ingeniería del Conocimiento Tema4: Sistemas basados en el
Universidad de Castilla-La Mancha Inteligencia Artificial e Ingeniería del Conocimiento Tema4: Sistemas basados en el

Universidad de Castilla-La Mancha

Inteligencia Artificial e Ingeniería del Conocimiento

Tema4: Sistemas basados en el

conocimiento (Planificación)

Profesores:

Luis Jiménez Linares. Luis Enrique Sánchez Crespo.

Sistemas basados en el conocimiento (Planificación) Profesores: Luis Jiménez Linares. Luis Enrique Sánchez Crespo.
Datos de la Asignatura Temarío Luis Enrique Sánchez Crespo 2º Cuatrimestre Sistemas basados en el
Datos de la Asignatura Temarío Luis Enrique Sánchez Crespo 2º Cuatrimestre Sistemas basados en el

2º Cuatrimestre

Sistemas basados en el conocimiento (Cap. 8-12) (Cap. 8-12)

Mediante lógica de predicados.

Mediante Sistemas de producción.

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Tratamiento de la incertidumbre (Cap. 13-15) (Cap. 13-15)

Redes Bayesianas.

Razonamiento aproximado (lógica difusa).

2 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia El problema de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia El problema de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

El problema de la planificación

3 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación:
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación:
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Planificación: Proceso de búsqueda y articulación de una secuencia de Proceso de búsqueda y articulación de una secuencia de

acciones que permitan alcanzar un objetivo.

Problemas:una secuencia de acciones que permitan alcanzar un objetivo. – Posibilidad de que el agente pueda

Posibilidad de que el agente pueda ser desbordado por acciones irrelevante al problema.

Localizar la función heurística adecuada.

Ineficacia al no poder aprovecharse de la descomposición del problema:

La mayor parte de los problemas originados en contexto reales son prácticamente descomponibles.

El lenguaje de los problemas de planificación:en contexto reales son prácticamente descomponibles. – La representación de los problemas de planificación

La representación de los problemas de planificación (estados, acciones y objetivos) deben permitir que los algoritmos de planificación se aprovechen de la estructura lógica del problema.

Se debe encontrar un lenguaje suficientemente expresivo para describir un amplio rango de problemas, y suficiente restrictivo para permitir

algoritmos operativos y eficientes.

4 de 50

Planificación Luis Enrique Sánchez Crespo Representación de estados: Los planificadores descomponen el mundo en
Planificación Luis Enrique Sánchez Crespo Representación de estados: Los planificadores descomponen el mundo en

Representación de estados: Los planificadores Los planificadores

descomponen el mundo en términos de condiciones lógicas y representan un estado como una secuencia de literales positivos conectados.

Los literales deben ser simples y sin dependencias funcionales.

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Hipótesis del mundo cerrado: Todas las condiciones que Todas las condiciones que

no son mencionadas en un estado, se asume que son falsas.

Representación de objetivos: Un objetivo es un estado parcialmente especificado, representado como una Un objetivo es un estado parcialmente especificado, representado como una

secuencia de literales positivos y simples.

Representación de acciones: Una acción es especificada en términos de las pre-condiciones que deben cumplirse Una acción es especificada en términos de las pre-condiciones que deben cumplirse

antes de ser ejecutada y de las consecuencias que se siguen

cuando se ejecuta.

5 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Esquema de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Esquema de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Esquema de acción: Indica que representa un número de Indica que representa un número de

diferentes acciones que pueden ser derivadas mediante la instanciación de las variables p, desde y hasta pudiendo adquirir diferentes valores.

Nombre de la acción y lista de valores.

Precondición: unión de literales positivos sin dependencia funcional estableciendo lo que debe ser verdad en un estado antes de que una acción sea ejecutada.

Efecto: unión de literales sin dependencia funcional describiendo cómo el estado cambio cuando la acción es ejecutada.

Lista Añadir: literales positivos.

Lista Borrar: literales negativos.

Acción aplicable: una acción es aplicable en cualquier estado que satisfaga sus precondiciones; en otro caso, la una acción es aplicable en cualquier estado que satisfaga sus precondiciones; en otro caso, la acción no tendrá efecto.

Hipótesis Strips: cada literal no mencionado en el efecto permanece sin modificar. cada literal no mencionado en el efecto permanece sin modificar.

Solución: simplemente una secuencia de acciones que, ejecutada en el estado simplemente una secuencia de acciones que, ejecutada en el estado

inicial, da como resultado un estado final que satisface el objetivo.

6 de 50

Planificación Luis Enrique Sánchez Crespo Expresividad y extensiones: Las diferentes restricciones impuestas por la
Planificación Luis Enrique Sánchez Crespo Expresividad y extensiones: Las diferentes restricciones impuestas por la
Planificación Luis Enrique Sánchez Crespo Expresividad y extensiones: Las diferentes restricciones impuestas por la

Expresividad y extensiones: Las diferentes restricciones impuestas por la representación STRIPS fueron elegidas con el deseo de diseñar algoritmos más simples y más eficientes, sin complicarlo demasiado para poder describir problemas reales.

Restricción 1: los literales no tengan dependencia funcional de otros

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

atributos.

Restricción 2: no pueden representar de un modo natural las ramificaciones de las acciones

7 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Comparación de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Comparación de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Comparación de lenguaje STRIPS y ADL: 8 de 50

Comparación de lenguaje STRIPS y ADL:

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Comparación de lenguaje STRIPS y ADL: 8 de 50

8 de 50

Planificación Luis Enrique Sánchez Crespo Ejemplos: – Transporte de carga aéreo. – El problema de
Planificación Luis Enrique Sánchez Crespo Ejemplos: – Transporte de carga aéreo. – El problema de
Planificación Luis Enrique Sánchez Crespo Ejemplos: – Transporte de carga aéreo. – El problema de la

Ejemplos:

Transporte de carga aéreo.

El problema de la rueda de recambio.

El mundo de los bloques.

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

9 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos -
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos -
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos - Transporte de carga aéreo: 10 de 50

Ejemplos - Transporte de carga aéreo:

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos - Transporte de carga aéreo: 10 de 50

10 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos –
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos –
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos – Rueda de recambio: 11 de 50

Ejemplos Rueda de recambio:

Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos – Rueda de recambio: 11 de 50

11 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos –
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos –
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos – El mundo de los bloques: 12 de

Ejemplos El mundo de los bloques:

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplos – El mundo de los bloques: 12 de

12 de 50

Planificación Luis Enrique Sánchez Crespo Objetivo: Desarrollar un proceso de planificación – La planificación es
Planificación Luis Enrique Sánchez Crespo Objetivo: Desarrollar un proceso de planificación – La planificación es

Objetivo: Desarrollar un proceso de planificación Desarrollar un proceso de planificación

La planificación es un proceso de búsqueda y ejecución de una serie de acciones

que permitan alcanzar un objetivo

Ejemplos de agentes planificadores ya vistos

Agentes basados en búsquedas

Agentes basados en lógica

Cambiar una rueda, embarques de vuelos, etc.

El lenguaje empleado en los problemas de planificación es STRIPSen lógica – Cambiar una rueda, embarques de vuelos, etc. UCLM-ESI Artificial e Ingenieria del

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

STRIPS: STanford Research Institute Problem Solver. [Fikes y Nilsson 1971]

Los algoritmos que usan STRIPS aprovechan la estructura de problema gracias a su capacidad expresiva.

La Planificación clásica se restringe a entornosla estructura de problema gracias a su capacidad expresiva. – Observables – Deterministas – Finitos –

Observables

Deterministas

Finitos

Estáticos

los cambios sólo se producen al actuar los agentes

Discretos

En tiempo, acciones, objetos y efectos

13 de 50

Planificación Sintaxis Luis Enrique Sánchez Crespo Un método de planificación es un método de búsqueda
Planificación Sintaxis Luis Enrique Sánchez Crespo Un método de planificación es un método de búsqueda

Un método de planificación es un método de búsqueda sobre una estructura de datosPlanificación Sintaxis Luis Enrique Sánchez Crespo (estados del proceso de planificación) que evoluciona con las

(estados del proceso de planificación) que evoluciona con las acciones de un agente de

planificación.

ESTADOSevoluciona con las acciones de un agente de planificación. – Los estados en un proceso de

Los estados en un proceso de planificación se denominan DESCRIPCIONES DE ESTADO (DE)

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Compuestos de condiciones lógicas

[En(RP,E), En(RR,M)]

Sólo admiten literales simples, sin dependencias funcionales

En(x, y), En(padre(Pedro), Madrid) -> NO ADMITIDOS

En(Avión, Barcelona), En(Tren, Ávila) -> ADMITIDOS

Las DE se restringen a conjuntos de literales aunque pueden contener un número arbitrario de fórmulas verdaderas como por ejemplo, en el mundo de bloques

verdaderas como por ejemplo, en el mundo de bloques OBJETIVOS – Un objetivo es una conjunción

OBJETIVOSverdaderas como por ejemplo, en el mundo de bloques – Un objetivo es una conjunción de

Un objetivo es una conjunción de literales básicos afirmados

Los objetivos se restringen a conjuntos de literales cuantificados existencialmente

Una DE s satisface un objetivo w si s contiene todos los elementos en w

DE: rico ^ famoso ^ miserable

Goal: rico ^ famoso (se satisface)

14 de 50

Planificación Sintaxis Luis Enrique Sánchez Crespo OPERADORES u ACCIONES – Un operador o regla STRIPS
Planificación Sintaxis Luis Enrique Sánchez Crespo OPERADORES u ACCIONES – Un operador o regla STRIPS
Planificación Sintaxis Luis Enrique Sánchez Crespo OPERADORES u ACCIONES – Un operador o regla STRIPS es

OPERADORES u ACCIONES

Un operador o regla STRIPS es un patrón que posee variables libres

Se especifica en términos de

Las precondiciones, PC, que deben cumplirse antes de ser ejecutado

El conjunto PC está formado por literales.

» La acción correspondiente a un operador sólo se puede

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

ejecutar en un estado si todos los literales en PC pertenecen

también a la DE previa a la acción

» On(x,y) ^ Clear(x) ^ Clear(z)

Las consecuencias (efectos) que se derivan cuando se ejecuta

Lista de borrado: Un conjunto, D, de literales

Lista de adición: Un conjunto, A, de literales

Una forma alternativa de representación de los efectos de una regla es

mediante una conjunción de literales positivos y negativos

PC, D y A o, alternativamente, PC y EFECTOS constituyen un esquema de acción.

Obs.: en lo que sigue los efectos los consideraremos como listas de borrado y adición

15 de 50

Planificación Semántica Luis Enrique Sánchez Crespo Trata sobre la descripción de cómo los operadores afectan
Planificación Semántica Luis Enrique Sánchez Crespo Trata sobre la descripción de cómo los operadores afectan

Trata sobre la descripción de cómo los operadores afectan aPlanificación Semántica Luis Enrique Sánchez Crespo los estados Vamos a emplear diferentes métodos de búsqueda en

los estados

Vamos a emplear diferentes métodos de búsqueda en los procesos de planificación.descripción de cómo los operadores afectan a los estados UCLM-ESI Artificial e Ingenieria del

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Hacia delante: progression planning

Hacia atrás: regression planning

Ambas se fundamentan en los operadores STRIPS

Dada una FBF objetivo w, los métodos de búsqueda tratan de encontrar una secuencia de acciones que proporcionenplanning – Ambas se fundamentan en los operadores STRIPS un estado del mundo descrito mediante alguna

un estado del mundo descrito mediante alguna DE tal

que ∆╞ w. Si esto sucede se dice que la DE satisface el objetivo.

∆╞ w si existe una sustitución σ tal que wσ es una w si existe una sustitución σ tal que es una

conjunción de literales todos los cuales están en

16 de 50

Planificación Semántica Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Un
Planificación Semántica Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Un
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Un operador es aplicable si lo es en cualquier DE queArtificial e Ingenieria del ConocimientoInteligencia satisfaga sus PC. En caso contrario es no aplicable (sin

satisfaga sus PC. En caso contrario es no aplicable (sin efecto)

Partiendo de una DE s ( before-action ), el resultado de s (before-action), el resultado de

ejecutar un operador aplicable a s nos lleva a otra DE s’

(after-action) en la que

Comprobando que los literales de PC están, a su vez, en la DE s (condición de aplicación del operador STRIPS)

Borrando de la DE s los literales de D

Añadiendo a la DE s los literales en A

Todos los literales no mencionados en D se acarrean a la DE s’. Este acarreo se denomina HIPÓTESIS STRIPS

Hipótesis STRIPS: Cada literal no mencionado en los efectos

permanece sin modificar

17 de 50

Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo Mundo de Bloques – Dominio: • conjunto de
Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo Mundo de Bloques – Dominio: • conjunto de

Mundo de BloquesSemántica (Ejemplo) Luis Enrique Sánchez Crespo – Dominio: • conjunto de bloques sobre un tablero •

Dominio:

conjunto de bloques sobre un tablero

Sólo es posible situar un bloque sobre otro

Los bloques los mueve un brazo mecánico, uno cada vez

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Objetivo:Artificial e Ingenieria del ConocimientoInteligencia – Construir uno o más montones de bloques Operadores:

Construir uno o más montones de bloques

Operadores:Objetivo: – Construir uno o más montones de bloques – On(bloque, posición) • On ( C,

On(bloque, posición)

On ( C, Fl)

Operadores: – On(bloque, posición) • On ( C, Fl) – Move(bloque, pos_x, pos_y) • Requiere PC.

Move(bloque, pos_x, pos_y)

Requiere PC. Para mover un bloque requiere que no haya otro sobre él. Con el predicado CLEAR garantizaremos esta restricción

Move(B, Fl, C)

Move (B, C, C) acción espuria o degenerada (se puede solventar

añadiendo PC de igualdad)

18 de 50

Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo • Ej.: move(x,y,z) – PC: On(x,y) ^ Clear(x)
Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo • Ej.: move(x,y,z) – PC: On(x,y) ^ Clear(x)

Ej.: move(x,y,z)

PC: On(x,y) ^ Clear(x) ^ Clear(z)

D: Clear(z), On(x,y)

A: On(x,z), Clear(y), Clear(Fl)

Clear(posición)

Predicado que toma valor T si ningún bloque está sobre posición

Se debe interpretar este operador como

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

– “existe un espacio vacío sobre posición para trasladar un bloque”

En tal caso Clear(Fl) = T siempre

Dificultad 1: si en el operador move y o z corresponden al tablero (Fl), este no se puede despejar. Para evitarlo se podría incluir un operador adicional moverSobreTablero

Ej.: moverSobreTablero(x, y)

PC: On(x,y) ^ Clear(x)

D: Clear (x)

A: On(x, Fl), Clear(y)

Dificultad 2:

O bien se permite mover Fl => espacio de búsqueda mayor

Si no se permite hay que incluir un nuevo predicado, bloque(x), e incluir,

como precondiciones de move, bloque(x) ^ bloque(z) (se evita poder mover

Fl)

19 de 50

Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo • Ej.: move(x,y,z) – PC: On(x,y) ^ Clear(x)
Planificación Semántica (Ejemplo) Luis Enrique Sánchez Crespo • Ej.: move(x,y,z) – PC: On(x,y) ^ Clear(x)

Ej.: move(x,y,z)

PC: On(x,y) ^ Clear(x) ^ Clear(z)

D: Clear(z), On(x,y)

A: On(x,z), Clear(y), Clear(Fl)

Clear(posición)

Predicado que toma valor T si ningún bloque está sobre

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

posición

Se debe interpretar este operador como

– “existe un espacio vacío sobre posición para trasladar un bloque”

En tal caso Clear(Fl) = T siempre

Dificultad 1: si en el operador move y o z corresponden al tablero (Fl), este no se puede despejar. Para evitarlo se podría incluir un operador adicional moverSobreTablero

Ej.: moverSobreTablero(x, y)

PC: On(x,y) ^ Clear(x)

D: Clear (x)

A: On(x, Fl), Clear(y)

20 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Planificación con búsquedas en

Artificial e Ingenieria del ConocimientoInteligencia Planificación con búsquedas en espacios de estados 21 de 50

espacios de estados

21 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Búsquedas
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Búsquedas
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Artificial e Ingenieria del ConocimientoInteligencia Búsquedas hacia-delante en el espacio de estados

Búsquedas hacia-delante en el espacio de estados

(progresión): Comenzamos en el estado inicial del problema, considerando secuencias de acciones hasta que encontremos una secuencia que alcance

un estado objetivo.

El estado inicial de la búsqueda es el estado inicial del problema de planificación.

Las acciones que son aplicadas en un estado son todas aquellas cuyas precondiciones son satisfechas.

El test de objetivos chequea si el estado satisface el objetivo del problema de planificación.

El coste del paso entre acciones es típicamente 1.

22 de 50

Planificación Luis Enrique Sánchez Crespo Búsquedas hacia-atras en el espacio de estados (regresión): ¿Cuáles son
Planificación Luis Enrique Sánchez Crespo Búsquedas hacia-atras en el espacio de estados (regresión): ¿Cuáles son

Búsquedas hacia-atras en el espacio de estadosPlanificación Luis Enrique Sánchez Crespo (regresión): ¿Cuáles son los estados desde los cuales iniciar una acción

(regresión): ¿Cuáles son los estados desde los cuales iniciar una acción determinada que nos dirige hacia el objetivo? La descripción de estos estados se conoce como

la regresión de un objetivo a través de la acción.

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Heurísticas para la búsqueda en el espacio de estados:Artificial e Ingenieria del ConocimientoInteligencia – En la planificación STRIPS, el coste de cada acción

En la planificación STRIPS, el coste de cada acción es 1, de modo que la distancia es el número de acciones.

La idea básica es observar los efectos de las acciones y

los objetivos que deben ser alcanzados y estimar cuántas acciones son necesarias para alcanzar todos los objetivos.

23 de 50

Planificación Ejemplos Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia 24 de
Planificación Ejemplos Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia 24 de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Ejemplos Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia 24 de 50

24 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Planificación ordenada

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación ordenada parcialmente 25 de 50

parcialmente

25 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Flexibiliza el
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Flexibiliza el
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Flexibiliza el orden en que se construye el plan.Artificial e Ingenieria del ConocimientoInteligencia Las etapas no tiene orden cronológico. La estrategia

Las etapas no tiene orden cronológico.Flexibiliza el orden en que se construye el plan. La estrategia general de aplazar una opción

La estrategia general de aplazar una opción durante la búsqueda se conoce como una estrategia de mínimo compromiso.construye el plan. Las etapas no tiene orden cronológico. Cualquier algoritmo de planificación que pueda conjuntar

Cualquier algoritmo de planificación que pueda conjuntar dos acciones dentro del mismo plan sin necesidad de conocer cuál de ellas es previa a la otra, se conoce como planificador de primer orden.se conoce como una estrategia de mínimo compromiso. Cada plan tiene los siguientes cuatro componentes, donde

Cada plan tiene los siguientes cuatro componentes, donde los dos primeros definen las etapas del plan y los dos últimos sirven como función de contabilidad para determinar cómo los planes pueden ser extendidos:a la otra, se conoce como planificador de primer orden. – Un conjunto de acciones que

Un conjunto de acciones que confeccionen las etapas del plan.

Un conjunto de restricciones ordenadas.

Un conjunto de relaciones causales.

Un conjunto de precondiciones abiertas.

26 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Definimos un
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Definimos un
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Definimos un plan consistente como un plan en el cual no plan consistente como un plan en el cual no

hay ciclos en las restricciones ordenadas y no existen conflictos con los enlaces causales.

Un plan consistente con precondiciones no abiertas es unaordenadas y no existen conflictos con los enlaces causales. solución. Cada linealización de una solución de

solución.

Cada linealización de una solución de orden-parcial es una solución de orden-total cuya ejecución desde el estado inicial alcanza el estado objetivo.consistente con precondiciones no abiertas es una solución. Heurística de planificación de orden parcial: La

Heurística de planificación de orden parcial: La La

heurística más obvia es el recuento del número de precondiciones abiertas distintas. Esto puede ser mejorado mediante la eliminación del número de precondiciones

abiertas que se ajustan a los literales en el estado Iniciar.

27 de 50

Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Artificial e Ingenieria del ConocimientoInteligencia Descripción del problema de ponerse un par de zapatos: 28

Descripción del problema de ponerse un par de zapatos:

Artificial e Ingenieria del ConocimientoInteligencia Descripción del problema de ponerse un par de zapatos: 28 de

28 de 50

Planificación Ejemplo Luis Enrique Sánchez Crespo Descripción del problema de ponerse un par de zapatos:
Planificación Ejemplo Luis Enrique Sánchez Crespo Descripción del problema de ponerse un par de zapatos:
Planificación Ejemplo Luis Enrique Sánchez Crespo Descripción del problema de ponerse un par de zapatos: –

Descripción del problema de ponerse un par de zapatos:

Componentes:

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
de ponerse un par de zapatos: – Componentes: UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia 29 de

29 de 50

Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Descripción del problema simplificado de la rueda deLuis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia repuesto: Solución: 30 de 50

repuesto:

Solución:e Ingenieria del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: 30 de 50

del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: Solución: 30 de 50
del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: Solución: 30 de 50

30 de 50

Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
Planificación Ejemplo Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Descripción del problema simplificado de la rueda deLuis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia repuesto: Solución: 31 de 50

repuesto:

Solución:e Ingenieria del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: 31 de 50

del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: Solución: 31 de 50
del ConocimientoInteligencia Descripción del problema simplificado de la rueda de repuesto: Solución: 31 de 50

31 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de planificación 32 de 50

Grafos de planificación

32 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

GrafosArtificial e Ingenieria del ConocimientoInteligencia de planificación: Es para Consiste en: utilizada dar

de

planificación:

Es

para Consiste en:

utilizada

dar

mejores

una

estructura

especial

estimaciones

heurísticas.

Una secuencia de niveles que corresponden a escalones de tiempo en el plan,

El Nivel 0 es el estado inicial.

Cada nivel contiene un conjunto de literales y un conjunto de acciones.

Accionescontiene un conjunto de literales y un conjunto de acciones. persistentes: acción y la acción. permite

persistentes:

acción y la acción.

permite

representar

la

falta

de

Exclusión mutua:acción y la acción. permite representar la falta de Grafo estabilizado: El nivel donde dos niveles

Grafo estabilizado: El nivel donde dos niveles El nivel donde dos niveles

consecutivos sean idénticos.

33 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplo: El
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplo: El
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Ejemplo: El problema de “Tener y Comer pastel”. Grafo de planificación:
Ejemplo: El problema de “Tener y Comer pastel”.
Grafo de planificación:

34 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Una relación
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Una relación
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Artificial e Ingenieria del ConocimientoInteligencia Una relación mutuamente excluyente ocurre entre dos

Una relación mutuamente excluyente ocurre entre dos

acciones en un nivel dado si cualquiera de las tres condiciones siguientes se cumplen:

Efectos inconsistentes: una acción niega el efecto de la otra.

Interferencia: uno de los efectos de una de las acciones es la negación de una precondición de la otra.

Necesidades

competencia: una de las

precondiciones de una acción es mutuamente excluyente con una precondición de la otra.

que

entran

en

35 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Grafos de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Grafos de planificación para estimación heurísticas:Artificial e Ingenieria del ConocimientoInteligencia – Coste de nivel: una acción niega el efecto de la

Coste de nivel: una acción niega el efecto de la otra.

Grafo de planificación serial: Un grafo serial exige que sólo una acción pueda ocurrir en una etapa de tiempo dada; esto se logra añadiendo enlaces de exclusión mutua entre cada par de acciones excepto acciones persistentes. Los costes de nivel extraídos de grafos seriales son frecuentemente estimaciones razonables de costes reales.

Enfoques para estimar el coste de una secuencia de objetivos:son frecuentemente estimaciones razonables de costes reales. – La heurística de nivel máximo simplemente toma el

La heurística de nivel máximo simplemente toma el coste del máximo

nivel de cualquiera de los objetivos.

La heurística de nivel suma devuelve la suma de los costes de los niveles objetivo.

la heurística de nivel de conjunto encuentra el nivel en el que todos los literales de la secuencia de objetivos aparecen en el grafo de planificación,

sin que ningún par de ellos sean mutuamente excluyentes.

36 de 50

Planificación Luis Enrique Sánchez Crespo El algoritmo GRAPHPLAN: tiene dos etapas que se alteran dentro
Planificación Luis Enrique Sánchez Crespo El algoritmo GRAPHPLAN: tiene dos etapas que se alteran dentro
Planificación Luis Enrique Sánchez Crespo El algoritmo GRAPHPLAN: tiene dos etapas que se alteran dentro del

El algoritmo GRAPHPLAN: tiene dos etapas que se alteran dentro del ciclo del algoritmo.

Se chequea si todos los literales del objetivo están presentes en el nivel actual sin que existan enlaces mutuamente excluyentes entre cualquier par de ellos.

Se extiende el grafo añadiendo acciones para el nivel actual y literales de estado para el siguiente nivel. El proceso continúa basta que una solución sea

encontrada o se compruebe que la solución no existe.

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
o se compruebe que la solución no existe. UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia 37 de

37 de 50

Planificación Luis Enrique Sánchez Crespo Ejemplo: Algoritmo GRAPHPLAN con el problema de la rueda de
Planificación Luis Enrique Sánchez Crespo Ejemplo: Algoritmo GRAPHPLAN con el problema de la rueda de

Ejemplo: Algoritmo GRAPHPLAN con el problema de la rueda de repuesto.Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Ejemplo de

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Ejemplo de Relaciones de exclusión mutua:Artificial e Ingenieria del ConocimientoInteligencia – Efectos inconsistentes. – Interferencia. –

Efectos inconsistentes.

Interferencia.

Necesidades en competencia.

Soporte inconsistente.

38 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Interrupción
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Interrupción
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Artificial e Ingenieria del ConocimientoInteligencia Interrupción de Graphplan: Se puede asegurar que si un

Interrupción de Graphplan: Se puede asegurar que si un

problema no tiene solución, el Graphplan no caerá en un bucle, gracias a las siguientes propiedades:

Los literales crecen monótamente.

Las acciones crecen monótamente.

Los enlaces de exclusión mutua decrecen monótamente.

39 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Planificación con lógica

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Planificación con lógica proposicional 40 de 50

proposicional

40 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Esta basada en
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Esta basada en
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Esta basada en la evaluación de la satisfacibilidad de unaArtificial e Ingenieria del ConocimientoInteligencia secuencia lógica. Se buscan modelos de sentencias

secuencia lógica.

Se buscan modelos de sentencias proposicionales con la siguiente estructura:evaluación de la satisfacibilidad de una secuencia lógica. – Estado inicial ^ todas las posibles descripciones

Estado inicial ^ todas las posibles descripciones de acción ^ objetivo.

lógica

Descripciónlas posibles descripciones de acción ^ objetivo. lógica de problemas de planificación en proposicional: – Para

de

problemas

de

planificación

en

proposicional:

Para traducir problemas STRIPS a una formulación en lógica

proposicional es un ejemplo clásico del ciclo de representación de conocimiento: comenzaremos con lo que parece un conjunto

razonable de axiomas, veremos que estos axiomas tienen en cuenta modelos espurios no buscados, y escribiremos más axiomas.

41 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia • Si algunas
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia • Si algunas
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Si algunas proposiciones son desconocidas en el estado inicial, entonces pueden ser dejadas sin satisfacer (hipótesis de mundo abierto).

Podemos utilizar el algoritmo de satisfacibilidad para encontrar un plan.

Para evitar la generación de planes con acciones prohibidas,

debemos añadir axiomas de precondición estableciendo que para que una acción ocurra requiere que sus precondiciones sean satisfechas.

Mediante los axiomas de exclusión de acciones prevenimos que

ocurran acciones simultáneas y eliminamos algunas soluciones

espurias.

Restricciones de Estado.

42 de 50

Planificación Luis Enrique Sánchez Crespo Complejidad de codificaciones proposicionales: – El principal inconveniente
Planificación Luis Enrique Sánchez Crespo Complejidad de codificaciones proposicionales: – El principal inconveniente

Complejidad de codificaciones proposicionales:Planificación Luis Enrique Sánchez Crespo – El principal inconveniente del enfoque proposicional es el tamaño

El principal inconveniente del enfoque proposicional es el tamaño ingente del conocimiento que se genera del problema a partir del problema de planificación original.

Como el número de símbolos de acción es exponencial en el número de argumentos del esquema de acción, una solución podría ser el intento de reducir el número de

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

argumentos.

División de símbolos: Las redes semánticas usan sólo predicados binarios; predicados con un mayor número de argumentos serían reducidos a un conjunto de predicados binarios que describirían cada argumento por separado.

Existe un inconveniente: la representación de división-de-símbolos no permite acciones paralelas.

El tamaño de la codificación proposicional y el coste de la solución son problemas fuertemente dependientes, sin embargo en muchos casos la memoria requerida para almacenar los axiomas proposicionales se convierte en un cuello de botella.• Existe un inconveniente: la representación de división-de-símbolos no permite acciones paralelas. 43 de 50

43 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Análisis de
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Análisis de
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Análisis de los enfoques de

Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Análisis de los enfoques de planificación 44 de 50

planificación

44 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia La
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia La
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

La planificación combina las áreas de lógica y búsqueda de la IA.Artificial e Ingenieria del ConocimientoInteligencia Planificador puede ser visto tanto como un programa que

Planificador puede ser visto tanto como un programa que busca la solución o como uno que (constructivamente) proporcione la existencia de una solución.combina las áreas de lógica y búsqueda de la IA. La planificación es, en primer lugar,

La planificación es, en primer lugar, un ejercicio de control de laproporcione la existencia de una solución. explosión combinatoria. La estrategia divide-y-vencerás

explosión combinatoria.

La estrategia divide-y-vencerás puede ser una poderosa arma. En el mejor caso (la descomposición completa del problema) divide-y- vencerás nos ofrece una agilización exponencial.un ejercicio de control de la explosión combinatoria. Algunas veces es posible resolver un problema

Algunas veces es posible resolver un problema eficientemente, aceptando que las interacciones negativas pueden ser descartadas.divide-y- vencerás nos ofrece una agilización exponencial. – Decimos que un problema tiene sub-objetivos

Decimos que un problema tiene sub-objetivos serializables si existe un orden de sub-objetivos tal que el planificador pueda alcanzarlos en ese orden, sin tener que anular ninguno de los sub-objetivos alcanzados previamente.

45 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Resumen 46 de 50
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Resumen 46 de 50
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Resumen 46 de 50

Resumen

46 de 50

Planificación Luis Enrique Sánchez Crespo Los sistemas de planificación son algoritmos de resolución de problemas
Planificación Luis Enrique Sánchez Crespo Los sistemas de planificación son algoritmos de resolución de problemas

Los sistemas de planificación son algoritmos de resolución de problemas que operan con representaciones proposicionales explícitas (de primer orden) de estado y acciones. Estas representaciones hacen posible la obtención de heurísticas efectivas y el desarrollo de poderosos y flexibles algoritmos para la resolución de problemas.Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia El lenguaje

UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

El lenguaje STRIPS describe acciones en términos de susArtificial e Ingenieria del ConocimientoInteligencia precondiciones y efectos y describe el estado inicial y

precondiciones y efectos y describe el estado inicial y objetivo como

secuencias de conjunciones entre literales positivos. El lenguaje ADL relaja algunas de estas restricciones. Permitiendo la disyunción, la negación y los cuantificadores.

Las búsquedas en el espacio de estados pueden operar hacia delantela disyunción, la negación y los cuantificadores. (progresión) o hacia atrás (regresión). Heurísticas

(progresión) o hacia atrás (regresión). Heurísticas efectivas pueden obtenerse aceptando la hipótesis de sub-objetivos independientes y mediante varias aproximaciones del problema de planificación.

47 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Los algoritmos
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia Los algoritmos
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

Los algoritmos de Planificación de Orden Parcial (POP) exploran el espacio de planes sin comprometerse con una secuencia de acciones totalmente ordenada. Trabajando hacia atrás desde el objetivo y añadiendo acciones para planificar cómo alcanzar cada sub-objetivo. Es particularmente efectivo en problemas en los que se puede utilizar una estrategia divide-y-vencerás.Artificial e Ingenieria del ConocimientoInteligencia Un grafo de planificación puede ser construido de manera

Un grafo de planificación puede ser construido de manera incremental, partiendolos que se puede utilizar una estrategia divide-y-vencerás. del estado inicial. Cada capa contiene un súper-conjunto

del estado inicial. Cada capa contiene un súper-conjunto de todos los literales que podrían ocurrir en cada tramo temporal y codifica las relaciones de exclusión mutua, las relaciones entre literales o entre acciones que no puedan darse a la vez.

Los grafos de planificación nos proporcionan útiles heurísticas en el espacio de estados, para planificadores de orden parcial, y pueden ser usados directamente en el algoritmo GRAPHPLAN.las relaciones de exclusión mutua, las relaciones entre literales o entre acciones que no puedan darse

48 de 50

Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia El algoritmo
Planificación Luis Enrique Sánchez Crespo UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia El algoritmo
UCLM-ESI Artificial e Ingenieria del ConocimientoInteligencia
UCLM-ESI
Artificial e Ingenieria del ConocimientoInteligencia

El algoritmo GRAPHPLAN procesa el grafo de planificación, usando una búsqueda hacia atrás hasta extraer un plan. Esto tiene en cuenta ordenaciones parciales entre acciones.Artificial e Ingenieria del ConocimientoInteligencia El algoritmo SATPLAN traduce un problema de planificación

El algoritmo SATPLAN traduce un problema de planificación enEsto tiene en cuenta ordenaciones parciales entre acciones. axiomas proposicionales y aplica un algoritmo de

axiomas proposicionales y aplica un algoritmo de satisfabilidad para

encontrar un modelo que se corresponda con un plan válido. Diferentes representaciones proposicionales han sido desarrolladas variando el grado de concisión y eficiencia.

Cada una de las estrategias de planificación tiene sus adeptos y nodesarrolladas variando el grado de concisión y eficiencia. existen consensos sobre cuál es la mejor. La

existen consensos sobre cuál es la mejor. La competencia entre planteamientos y lo fértil del cruce y combinación de diferentes enfoques se ha traducido en ganancias significativas en eficiencia para sistemas de planificación.

49 de 50

Universidad de Castilla-La Mancha Luis Jiménez Linares Luis.jimenez@uclm.es Luis Enrique Sánchez Crespo
Universidad de Castilla-La Mancha Luis Jiménez Linares Luis.jimenez@uclm.es Luis Enrique Sánchez Crespo
Universidad de Castilla-La Mancha Luis Jiménez Linares Luis.jimenez@uclm.es Luis Enrique Sánchez Crespo

Universidad de Castilla-La Mancha

Luis Jiménez Linares Luis.jimenez@uclm.es Luis Enrique Sánchez Crespo LuisEnrique@SanchezCrespo.org