INTELIGENCIA ARTIFICIAL

FASE 2. BÚSQUEDA EN ESPACIO DE ESTADO EN LA IA

PRESENTADO POR:

CARLOS ARROYO
CC: 78734545

JOHANNA MARCELA FERRO

Marta Viviana Martínez

NELSON ANDRES ALVAREZ

PILAR MERCEDES MENDOZA

TUTOR:  FERNANDO ROJAS

GRUPO: 90169_32

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ABRIL 2020
INTRODUCION

Este trabajo es de mucha importancia ya que atreves de el se puede desarrollar los

diferentes conceptos de la ingeniería artificial mediante mecanismos propis del tema y
conocer conceptos como funciona un mecanismo de estado y su aplicación también
podemos verificar el concepto de racionamiento con incertidumbre, logrando un buen
entendimiento que nos llevan a un mejor conocimiento en el desarrollo de nuestra carera
Objetivos:

 Conocer sobre búsqueda en espacios de estado

 Conocer sobre razonamiento con incertidumbre.

 Conocer sobre algoritmos de búsqueda.
Actividades a desarrollar

1. Investigar sobre búsqueda en espacios de estado.

Los métodos de búsqueda se centran en explorar los estados del problema. En busca de
una solución, estos métodos pueden explorar todo el espacio de estados existente
(métodos de búsqueda completos) o parte de él (métodos de búsqueda incompletos).
Los métodos completos garantizan hallar una solución o demuestran que el problema no
tiene solución, pero son muy costosos en términos de procesamiento. Algunos ejemplos
son:
- El método de Generar y Testear (GT). Genera las posibles tuplas de
instanciación de todas las variables de forma sistemática y después testea sucesivamente
sobre cada instanciación si se satisfacen todas las restricciones del problema.
- Backtracking Cronológico (BT). Realiza una exploración en profundidad del
espacio de búsqueda, instanciando sucesivamente las variables y ante cada nueva
instanciación comprueba si las instanciaciones parciales previas son localmente
consistentes. Si se cumple este requisito, continua con la instanciación de una nueva
variable.
Los algoritmos de búsqueda sistemática para resolución de CSP (Problemas de
Satisfacción de Restricciones) tienen como base la búsqueda basada en Backtracking
que, por su naturaleza, sufre con frecuencia una explosión combinatoria en el espacio de
búsqueda lo que lo convierte en un método ineficiente para resolver CSP’s debido a la
aparición continua de inconsistencias
Existen varios algoritmos para encontrar un camino solución en un espacio de estados.
El esquema general de estos algoritmos es el siguiente:

procedure Búsqueda {
open

{estado_inicial}
closed

{}
while (open no está vacío) {
remover un estado X del conjunto open
if (X es un estado objetivo) return éxito
else {
generar el conjunto de sucesores del estado X
agregar el estado X al conjunto closed
eliminar sucesores que ya están en open o en closed
agregar el resto de los sucesores al conjunto open
}
}
return fracaso
 2. Investigar sobre razonamiento con incertidumbre.
Falta de información adecuada para tomar una decisión o realizar un
razonamiento. Puede impedir llegar a una conclusión correcta.

Principio de incompatibilidad de Zadeh: “A medida que aumenta la complejidad

de un sistema, nuestra capacidad para hacer afirmaciones sobre su
comportamiento que sean precisas y, al mismo tiempo, significativas, va
disminuyendo, hasta alcanzar un umbral por debajo del cual precisión y
significación (o pertinencia) llegan a ser características casi mutuamente
excluyentes”. Proposición incierta: su valor de verdad o falsedad no se conoce o
no se puede determinar. Proposición imprecisa: aquella referida a una variable
cuyo valor no puede determinarse con exactitud Por lo tanto, una proposición
incierta puede ser precisa; una proposición imprecisa puede no ser incierta.

Ejemplo: Ʌ x tieneFiebre (x) → tieneGripe (x) No es necesariamente cierto en

todos los casos. Una persona con fiebre puede tener catarro, bronquitis, etc. Una
forma “más correcta” (pero poco útil) seria: Ʌ x tieneFiebre (x) → tieneGripe
(x) ∨ tieneCatarro (x) ∨ tieneBronquitis (x) ∨...

3. Investigar sobre algoritmos de búsqueda

Un algoritmo de búsqueda es aquel que está diseñado para localizar un elemento

concreto dentro de una estructura de datos. Consiste en solucionar un problema de
existencia o no de un elemento determinado en un conjunto finito de elementos, es
decir, si el elemento en cuestión pertenece o no a dicho conjunto, además de su
localización dentro de éste.

Este problema puede reducirse a devolver la existencia de un número en un vector.

Tipos de algoritmos de búsqueda

Las técnicas de búsqueda son una serie de esquemas de representación del

conocimiento, que mediante diversos algoritmos nos permite resolver ciertos problemas
desde el punto de vista de la I.A.

Elementos de la búsqueda.

• Conjunto de estados: todas las configuraciones posibles en el dominio.

• Estados iniciales: estados desde los que partimos.

• Estados finales: las soluciones del problema.

• Operadores: se aplican para pasar de un estado a otro.

BUSQUEDA CIEGA

Sólo utiliza información acerca de si un estado es o no objetivo para guiar su proceso de

búsqueda.

Expandir un nodo: obtener los posibles hijos de un nodo a partir de la aplicación de

los distintos operadores sobre él.

Nodo cerrado: Se han aplicado todos los posibles operadores sobre él, obteniéndose
todos sus posibles hijos.

Tipos de búsqueda ciega

Búsqueda en amplitud.

Búsqueda en profundidad.
 Búsqueda en profundidad progresiva.

Búsqueda bidireccional.

Búsqueda en amplitud

Ejemplo

Datos de entrada:

vec: vector en el que se desea buscar el dato

tam: tamaño del vector. Los subíndices válidos van desde 0 hasta tam-1 inclusive.
Puede representarse así: vec[0...tam) o vec[0...tam-1].

dato: elemento que se quiere buscar.

Variables

pos: posición actual en el vector

pos = 0

while pos < tam:

if vec[pos] == dato:

Retorne verdadero y/o pos,

else:

pos = pos + 1

Fin (while)

Retorne falso,

int busquedaSimple(int vector[n], int n, int dato) {

int i;
 for(i=0; i<n; i++){

if(dato==vector[i]) {

return i;

return -1;

Colaborativos:
1. Entrega del desarrollo del Prototipo - Etapa: Programación
Que es un prototipo:
Los prototipos son una visión preliminar del sistema futuro que se implantara. La
elaboración de prototipos de un sistema de información es una técnica valiosa para la
recopilación rápida de información específica a cerca de los requerimientos de
información de los usuarios. Los prototipos efectivos deben hacerse tempranamente en
el ciclo de vida del desarrollo de sistemas, durante la fase de determinación de
requerimientos.
Características de prototipos
 El prototipo es una aplicación que funciona.
 La finalidad del prototipo es probar varias suposiciones formuladas por analistas
y usuarios
 Los prototipos se crean con rapidez
 Los prototipos evolucionan a través de un proceso iterativo
 Los prototipos tienen un costo bajo desarrollo
Fines de prototipos de aplicaciones:
Los prototipos no contienen todas las características o lleva a cabo la totalidad de las
funciones necesarias del sistema final. Más bien incluye elementos suficientes para
permitir a las personas utilizar el sistema propuesto para determinar que les gusta, que
no les gusta y identificar aquellas características que deben cambiar son o añadiesen.
Uso de prototipos de aplicación:
Tiene dos usos principales
 Es un método eficaz para aclarar los requerimientos de los usuarios.
 Verificar la factibilidad del diseño de un sistema
Razones para el empleo de prototipos:
 Las razones para el uso de prototipos son el resultado directo de las necesidades de
diseñar y desarrollar sistemas de información con rapidez, eficiencia y eficacia. Está
compuesto de tres partes esenciales que ayudan a un óptimo desarrollo del diseño.

 Aumento en la productividad
 Redesarrollo planificado
 Entusiasmo de los usuarios con respecto a los prototipos
Desarrollo de un modelo que funcione
Permite a los usuarios conocer lo que se espera y del proceso de desarrollo.
 Lenguaje que se va implementar
 Pantallas y formatos para entrada de dato.
 Módulos esenciales de procesamiento
 Salida del sistema.
Conclusiones

• Se aplica los procesos de búsqueda en espacio de estado y algoritmos en inteligencia

artificial para el desarrollo de un proyecto específico de sistemas inteligentes.

• Se investiga las diferentes temáticas enfocadas al contenido del curso explorando de

manera activa los distintos resultados establecidos en la variedad de conceptos
propuestos.

• Se Investiga sobre razonamiento con incertidumbre y algoritmos de búsqueda.

REFERENCIAS BIBLIOGRAFICAS

Palma Méndez, J. T., & Marín Morales, R. (2008). Inteligencia artificial: Métodos

de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
docID=3194970&query=sistemas+basados+en+el+conocimiento

• Poole, D.L. y Mackworth (2017), A.K. Artificial Intelligence: Foundations of

Computational Agents. 2da edición. Recuperado el 4 de abril de 2020 de
https://artint.info/2e/html/ArtInt2e.html

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
docID=3194970&query=sistemas+basados+en+el+conocimiento