INTELIGENCIA ARTIFICIAL

FASE 2 – BÚSQUEDA EN ESPACIO DE ESTADO EN LA INTELIGENCIA

ARTIFICIAL

GRUPO N° 90169_761

PRESENTADO A
FERNANDO ROJAS

POR:
ALEXANDER IBAÑEZ CASALLAS Cód.: 79861097
DIEGO FERNANDO MENDOZA Cód.: 1013591667
HERNAN MAURICIO PEREZ MUÑOZ Cód.:
FABIAN HENRIQUE SANCHEZ Cód.:
FERNANDO ENRIQUE FLOREZ GUERRERO Cód.: 1045688995

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
 ABRIL DE 2020

INTRODUCCION

Con el desarrollo de las actividades donde se indago sobre que es el razonamiento con
incertidumbre, búsqueda de espacios de estado y algoritmos de búsqueda en IA se creara un
prototipo donde se desarrollara el reconocimiento del tipo de cerveza con la descripción y
funcionamiento del tipo de algoritmo utilizado.
 EXPLICAR EN CONCESO CÓMO APLICA BÚSQUEDA EN ESPACIO DE ESTADO
EN EL PROTOTIPO.

Prototipo
A continuación se muestra un prototipo para identificar un tipo de cerveza de acuerdo a varias de
sus características:

1. Las características son:

a) Grados de alcohol
b) Fabricante
c) Presentación
d) Cantidad por presentación
e) % de ventas

2. También se asignó un código para cada marca de cerveza, generando un conjunto de datos
de la siguiente forma:

4 Poker 1 Bavaria 1 Botella y lata 1 750 y 473 1 30

4 Aguila 2 Bavaria 1 Botella y lata 1 750 y 473 1 32
6 Redds 3 Bavaria 1 Botella y lata 1 750 y 473 1 0
5 BBC 4 BBC 2 Botella 2 750 2 0
5 Club 5 Bavaria 1 Botella y lata 1 750 y 473 1 6
4 Andina 6 Postobon 3 Botella y lata 1 750 y 473 1 0
Grado
de Nombre Cantidad x % de
alcohol Cerveza Fabrica Presentación Presentacion venta

3. Dentro del desarrollo del código se usó la técnica del árbol, usando en X las características
de la cerveza y en Y el nombre de cada una de éstas.

4. Se tiene como resultado en la ejecución del código:

 from sklearn import tree
clf = tree.DecisionTreeClassifier()
X = [[4,1,1,1,30],[4,1,1,1,32],[6,1,1,1,0],[5,2,2,2,0],[5,1,1,1,6],[4,3,1,1,0]]
Y = ['Poker', 'Aguila', 'Redds', 'BBC', 'Club', 'Andina']
clf = clf.fit(X, Y)
print("Procesando...")
dato1=[5,1,1,1,6]
prediction = clf.predict([dato1])
print('Cerveza '+str (prediction))

Procesando...
Cerveza ['Club']

EXPLICAR EN CONCESO COMO APLICA ALGORITMOS DE BÚSQUEDA EN EL

PROTOTIPO.

Algoritmos de búsqueda:

El tipo de búsqueda aplicada al prototipo es la Búsqueda ciega o no informada, que a través del uso
de la técnica del árbol permite conocer cuál es el tipo de cerveza (nombre e la cerveza) que cumple
con determinadas características. La búsqueda en éste sentido es de anchura, teniendo en cuenta el
conjunto de datos, donde encontramos de manera horizontal el nombre de ésta de acuerdo a ciertos
criterios.

A nivel de desarrollo se utiliza la librería tree del framework SKLEARN

Dentro de la librería SKLEARN tree se cuentan con modelos como (Arboles de decisión,
Clasificación, Regresión y multi salidas).

Para el prototipo se trabaja bajo un modelo de Clasificación el cual se base en segmentar según la
variable objetivo en este caso tipo de cerveza.

Entre más variables de origen (Grados de alcohol, Fabricante, Presentación, ventas) se tienen más
ramas y por lo cual se necesita más datos para para tener un buen porcentaje de asertividad.
 EXPLICAR EN CONCESO COMO APLICA RAZONAMIENTO CON
INCERTIDUMBRE AL PROYECTO.

Teniendo en cuenta el ejemplo señalado en la definición de búsqueda de espacio, podemos mostrar

el espacio de estados así:

Identificar tipo de cerveza

Objetivo : Identificar tipo de cerveza, con base a algunas de sus características
Reglas :
- Solo se tendrá en cuenta los grados de alcohol, el fabricante, presentación y contenido de ésta, y
% de ventas

Estado del Problema Irrelevante Relevante

Identificar tipo de cerveza - Sabor de la cerveza - Marca (Nombre de la
cerveza)

Razón de incertidumbre:

Inicialmente observamos que para encontrar cierto tipo de cerveza,

Se tienen que cumplir con ciertos valores dentro de sus características, como las mencionadas
inicialmente.

De esa forma se construye un conocimiento del proceso así:

SI GRADOALCOHOL=5
SI EMPRESA=BAVARIA
SI PRESENTACION=BOTELLA Y LATA
SI CONTENIDO=750 Y 350CM3
SI PORCENTAJEVENTAS=6
ENTONCES CERVEZA=CLUB

Si alguno de estos casos no se cumple, se seguirá evaluando en forma descendente con los datos
ingresados, hasta encontrar la que cumpla con estos criterios.
Si observamos en el ejemplo, los datos ingresados fueron:

SI GRADOALCOHOL=5
SI EMPRESA=1
SI PRESENTACION=1
SI CONTENIDO=1
SI PORCENTAJEVENTAS=6
ENTONCES CERVEZA=5
 CONCLUSIONES

Podemos resumir una búsqueda de estados como las diferentes opciones o variables que se
pueden dar o ocurrir dentro de un problema.

Existen diversos algoritmos de búsqueda que usando arboles o nodos, nos permiten
identificar los pasos y caminos que debe tener en cuenta la solución de inteligencia artificial, estos
pueden ser informados o no informados

A su vez desde el razonamiento de incertidumbre se pretenden dar ciertos tipos de dudas y

maneras en las que se le puede dar solución a un problema

Lo importante de simplificar los problemas mediante estados los cuales no darán una visión
basado en estado de inicio, estado intermedio, estado final y fracaso.

Los algoritmos de búsqueda nos permiten manejar diferentes tipos de profundidad y

técnicas de búsqueda.
 BIBLIOGRAFIA

 cs.us.es (2016). Universidad de Sevilla – Búsqueda en espacios de estado. Departamento

de Ciencias de la Computación e Inteligencia Artificial. Recuperado de
https://www.cs.us.es/cursos/iais-2016/temas/tema-02.pdf
 cs.us.es (2016). Universidad de Sevilla – Razonamiento con Incertidumbre .Departamento
de Ciencias de la Computación e Inteligencia Artificial. Recuperado de
https://www.cs.us.es/cursos/iati-2016/temas/tema-06.pdf
 youtube.com (2019) Mayo 2. Cenamor Isabel. Inteligencia Artificial: Algoritmos de
Búsquedas- Isa Star Youtube. Recuperado de https://youtu.be/pDiBOdPH5cA