Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Objetivos:
* Analizar las técnicas de representación del conocimiento y razonamiento automático que
permitan su mejor integración en los sistemas expertos.
Contenido:
Solución de problemas mediante búsqueda
La resolución de problemas es fundamental para la mayoría de las aplicaciones de Inteligencia
Artificial(IA). De hecho, la capacidad de resolver problemas suele usarse como una medida de
la inteligencia tanto para el ser humano como para la computadora. Hay principalmente dos
clases de problemas. Una primera clase puede ser resuelta usando algún tipo de procedimiento
determinista cuyo éxito esté garantizado. A este procedimiento se le llama de computación. La
resolución por computación normalmente sólo se aplica a aquellos tipos de problemas para los
que existan tales procedimientos, como en matemáticas.
Se puede con frecuencia traducir los métodos usados para resolver estos problemas de manera
fácil, a un algoritmo que pueda ser ejecutado por una computadora. No obstante, a pesar de
que pocos problemas reales se prestan a soluciones computables, deben ser situados en la
segunda categoría, que consiste en problemas que se resuelven con la búsqueda de una
solución. Este es el método de resolución de problemas del que se preocupa la IA.
El hecho de que pueda representar la solución a esta clase de problemas en forma de grafos es
importante porque le ofrece una forma sencilla de observar cómo funcionan las diferentes
técnicas de búsqueda.
Para entender este tema es necesario tener presente las siguientes definiciones:
Un estado es la representación de un problema en un instante dado. Para definir el espacio de
estados o espacio de búsqueda (El conjunto de todos los nodos) no es necesario hacer una
exhaustiva enumeración de todos los estados válidos, sino que es posible definirlo de manera
más general.
El estado inicial consiste en uno o varios estados en los que puede comenzar el problema. El
estado objetivo o estado meta consiste en uno o varios estados finales que se consideran
solución aceptable.
Las reglas describen las acciones u operadores que posibilitan un pasaje de estados.
Podríamos decir que una regla tiene una parte izquierda y una derecha. La parte izquierda
determina la aplicabilidad de la regla, es decir, describe los estados a los que puede aplicarse la
regla. La parte derecha describe la operación que se lleva a cabo si se aplica la regla(acción).
La heurística es la información acerca de la posibilidad de que un nodo específico sea mejor
para intentar la próxima elección que cualquier otro nodo.
El camino solución es el grafo dirigido de los nodos visitados que nos llevan a la solución.
Tipos de salucionadores
Para decidir como contestar a las preguntas del solucionador podemos usar dos tipos de
búsqueda:
- Búsqueda ciega:
- Se hace crecer el árbol de forma sistemática
- No se realiza análisis entre el estado obtenido y la solución
- Búsqueda heurística:
- El crecimiento del árbol se hace inyectando conocimiento.
- Este conocimiento permite calcular la distancia entre el estado obtenido y el estado
final.
Un buen solucionador será aquel que realice su función a bajo coste según los siguientes
parámetros:
- Complejidad temporal: tiempo empleado en obtener la solución
- Complejidad espacial: cantidad de recursos necesarios para obtener la solución. Por ejemplo:
memoria.
La explosión combinatoria es un fenómeno que hace que el problema no se pueda abordar
computacionalmente.
Una forma sencilla de hallar una trayectoria es tomar uno de los hijos en cada nodo que se
visita, y avanzar a partir de ese hijo. Otras alternativas del mismo nivel se ignoran por
completo, en tanto haya posibilidad de alcanzar la meta mediante la selección original. Esta
estrategia es la esencia de la búsqueda primero en profundidad. Un ejemplo de
búsqueda en profundidad se muestra en la figura 3.5. A partir del nodo inicial (S) se elige una
alternativa y se le sigue en cada nodo hasta llegar a la meta o a un nodo en el que ya no es
posible seguir hacia abajo, la búsqueda se reinicia en el antecesor más cercano que posea
hijos sin explorar
S
C E
D F
Esta técnica dice que los nodos solución o nodos objetivo, no suelen ser distribuidos al azar en
el árbol, por lo que es un desperdicio explorar una porción entera del árbol inmediatamente
(como lo suele hacer la profundización).
2.3.2.5. Búsqueda A*
Esta búsqueda es una búsqueda preferente por lo mejor en la que se utiliza f como función de
evaluación.
La función f calcula el costo estimado de la solución más barata, pasando por n y se calcula de
la siguiente manera:
f=g(n) + h(n)
Siendo g(n) el costo de ruta y h(n) una heurística admisible (que nunca sobreestima el costo
que implica alcanzar la meta).