Fase 2 – Búsqueda en espacio de estado en la Inteligencia Artificial

Elaborado por:
Katherine Zapata Mosquera – cód. 1113523654
Grupo: 90169_17

Tutor:
Fernando Rojas

Curso:
Inteligencia Artificia – Cód. 90169A_761

Universidad Nacional Abierta y a Distancia – UNAD

CEAD Palmira
Marzo de 2020
 Fase 2 – Búsqueda en espacio de estado en la Inteligencia Artificial

Búsqueda en espacios de estado

Es un método dinámico que tiene como objetivo encontrar la solución a un
problema determinado, para lo cual, requiere de los siguientes elementos:
 Estado: representa las situaciones por las que pasa el problema durante el
tiempo que se está buscando la solución, por ejemplo, la descripción del
problema es el estado inicial y la solución a este es el estado final.
 Operadores: son las acciones o reglas que permiten cambiar el problema de
estado.
 Estrategia de control: se encarga de definir el orden en el que se deben de
aplicar los operadores para poder conseguir una solución en lo posible
óptima, o semióptima sin tener que pasar por los estados.
Los estados y los operadores son los encargados de definir el espacio de
búsqueda que tiene forma de grafo dirigido simple, donde el nodo es la
representación de los estados y los arcos son la representación de los operadores.

Figura 1. Identificador de nodo y arcos. Elaboración propia.

Se debe tener en cuenta que, en un problema de la vida real este grafo puede
tomar un tamaño tan grande que no puede generarse de manera completa, debido
a que requeriría una cantidad inviable de memoria y tiempo.
Ahora bien, se dice que una estrategia de control es inteligente cuando está,
cuenta con información que le permite identificar el camino que debe recorrer para
llegar la solución óptima; sin embargo, se puede dar el caso donde la estrategia de
control no tenga ningún tipo de información, por lo tanto no puede determinar el
orden en que se debe ejecutar los operadores, lo que genera que todos los nodos
sean considerados como estado inicial y que se visite muchos más nodos, a esto
se le conoce como búsquedas a ciegas, que tiene tres (3) maneras de hacer la
búsqueda:
 Primero en Anchura: consiste en primero arrancar por el nodo raíz,
prosiguiendo a recorrer todos los hijos de la raíz, si en estos sucesores no
encuentra la solución óptima prosigue a recorrer los hijos de estos, y así
sucesivamente hasta encontrar la solución óptima.

Figura 2. Primero en anchura. Elaboración propia.

 Primero en profundidad: Recorre los nodos de forma ordenada pero no

uniforme, es decir, expande cada uno de los nodos que va encontrando hasta
encontrar la solución óptima, si al terminar una rama no lo encuentra continua
el recorrido por la siguiente rama realizando el mismo proceso.

Figura 3. Osorio Ramos, J. D. (2013). Búsqueda sin información Primero en Profundidad. [Imagen].
Recuperado de: https://prezi.com/akjax_gvx-vz/primero-en-profundidad/
 Coste Uniforme: para esta los nodos deben estar de forma ordenada de
acuerdo con el coste, partiendo del nodo inicial y el algoritmo es admisible
cuando la solución tiene menor coste a la inicial.

Figura 4. P. F. (2017). Algoritmo para búsqueda con coste uniforme. [Imagen]. Recuperado de
https://www.revolucionia.com/2017/12/Algoritmo_para_busqueda_con_coste_uniforme.html

Razonamiento con incertidumbre

Tiene como objetivo razonar con la poca información relevante que se tiene sobre
determinado campo, para esto se debe implementar modelos que trabajen con
información incompleta, incierta y hasta contradictoria; como sabemos, los
sistemas inteligentes se basan en tomar decisiones que les permita encontrar la
solución óptima, sin embargo, cuando existe la incertidumbre los sistemas
inteligentes deben tener en cuenta: “La importancia de los distintos resultados de
una acción y La certidumbre de alcanzar esos resultados cuando se realiza la
acción” (p. 5)

Para cumplir con lo anterior, se puede utilizar las técnicas numéricas y simbólicas
(no numéricas), las cuales, se dividen en las siguientes subcategorías:

 Técnicas numéricas:
o Lógicas no monotónicas o modelos no monotónicas son usadas cuando el
conocimiento es incompleto.
o Lógicas por defecto: se requiere de la definición de una serie de reglas que
tengan características en común en relación con un determinado elemento
y permitan determinar si las reglas son ciertas o falsas.
 o Lógicas basadas en modelos mínimos: este se basa en que la siguiente
frase “Lo que no se puede probar a partir de mi Base de Conocimiento es
falso”. (p. 7).

 Técnicas numéricas:
o Modelos estadísticos – probabilísticos: se basa en la teoría de la
probabilidad, este modelo ofrece un lenguaje formal y mecanismos de
razonamiento, aunque puede ser un poco intuitivo y restrictivo.
o Modelo de lógica difusa: toma dos valores aleatorios, los cuales, deben
estar contextualizados y referenciados entre sí, este se basa en las reglas
heurísticas.

Algoritmos de búsqueda
También conocido como Estrategia de control, es una herramienta que se usa
para resolver problemas de distinta naturaleza, es por ello, que siempre deben ser
genéricos. Este algoritmo se encarga de indicar la secuencia en que se deben de
visitar los nodos a partir del nodo inicial hasta llegar al nodo objetivo. A
continuación, se presentan los diferentes tipos de búsqueda:
 Secuencial o lineal: se encarga de recorrer complemente el vector o arreglo,
comparando cada elemento de este con el elemento que se desea buscar,
para así indicar si el elemento existe.

Figura 5. Búsqueda secuencial o lineal. Elaboración propia.

 Binaria: implementa la frase “divide y vencerás” para esto los elementos del
arreglo deben estar ordenados, es decir, toma un arreglo o vector y lo divide en
la mitad determinando el elemento central, para compararlo con el elemento
que se desea buscar y poder determinar si es menor o mayor al elemento
central, de esta manera se puede eliminar la mitad del arreglo disminuyendo la
cantidad de elementos a comparar.
 Figura 6. Búsqueda binaria. Elaboración propia.

 Transformación de claves (hash): se realiza por medio de direcciones creadas

por una función hash, la cual, se categoriza en: función modulo, función
cuadrado, función plegamiento y función truncamiento.

 Fuerza bruta: “se alinea la primera posición del patrón con la primera posición
del texto, y se comparan los caracteres hasta finalizar el patrón” (Johnfornerod,
2014, p.33) hasta que se encuentre una ocurrencia o discrepancia.
 Referencias

Palma Méndez, J. T., & Marín Morales, R. (2008). Inteligencia artificial: Métodos,
técnicas y aplicaciones. España: McGraw-Hill. Pag.392-412. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
docID=3194970&query=sistemas+basados+en+el+conocimiento

Berzal, F. (s.f.). Búsqueda en Inteligencia Artificial. Departamento de Ciencias de

la Computación e I.A de la Universidad de Granada. Recuperado de
https://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf

Mapaz91. (2010). Búsqueda Primero en Anchura. InSlideShare. [Presentación].

Recuperado de https://es.slideshare.net/mapaz91/bsqueda-primero-en-anchura

Osorio, J. D. (2013). Primero en Profundidad. Prezi. [Presentación]. Recuperado

de https://prezi.com/akjax_gvx-vz/primero-en-profundidad/

Razonamiento con Incertidumbre. (s.f.). Sistemas Expertos e Inteligencia Artificial

Guía No 7. Recuperado de http://www.udb.edu.sv/udb/archivo/guia/informatica-
ingenieria/sistemas-expertos-e-inteligencia-artificial/2016/i/guia-7.pdf

Lógica difusa. (s.f.). En Wikipedia. Recuperado del 30 de marzo de 2020 de

https://es.wikipedia.org/wiki/L%C3%B3gica_difusa

Johnfornerod. (2014). Algoritmo de búsqueda. inSlideShare. Recuperado de

https://es.slideshare.net/Johnfornerod/algoritmos-de-busqueda-36264517

Suarez, A. (2009). Exposición Búsqueda. inSlideShare. Recuperado de

https://es.slideshare.net/pao.music/exposicion-busqueda?next_slideshow=2