FASE 2: ESPACIOS DE ESTADO DE LA IA

FERNANDO ROJAS

TUTOR DE CURSO

ANTONIO JOSÉ NAVARRETE CALDERÓN

C.C. 1.016.039.845

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

PROGRAMA DE INGENIERÍA DE SISTEMAS

INTELIGENCIA ARTIFICIAL

CUNDINAMARCA

MARZO 2021
CONTENIDO

1. INVESTIGACIONES 3

2. BIBLIOGRAFIA 7
 1. INVESTIGACIONES

 Búsqueda En Espacios de Estado

Muchos de los problemas que pueden ser resueltos aplicando técnicas de inteligencia artificial se

modelan en forma simbólica y discreta definiendo las configuraciones posibles del universo

estudiado. El problema se plantea entonces en términos de encontrar una configuración objetivo

a partir de una configuración inicial dada, aplicando transformaciones válidas según el modelo

del universo. La respuesta es la secuencia de transformaciones cuya aplicación sucesiva lleva a la

configuración deseada.

Los ejemplos más característicos de esta categoría de problemas son los juegos (son universos

restringidos fáciles de modelar). En un juego, las configuraciones del universo corresponden

directamente a las configuraciones del tablero. Cada configuración es un estado que puede ser

esquematizado gráficamente y representado en forma simbólica. Las transformaciones

permitidas corresponden a las reglas o movidas del juego, formalizadas como transiciones de

estado.

Entonces, para plantear formalmente un problema, se requiere precisar una representación

simbólica de los estados y definir reglas del tipo condición acción para cada una de las

transiciones válidas dentro del universo modelado. La acción de una regla indica como modificar

el estado actual para generar un nuevo estado. La condición impone restricciones sobre la

aplicabilidad de la regla según el estado actual, el estado generado o la historia completa del

proceso de solución.
El espacio de estados de un juego es un grafo cuyos nodos representan las configuraciones

alcanzables (los estados válidos) y cuyos arcos explicitan las movidas posibles (las transiciones

de estado). En principio, se puede construir cualquier espacio de estados partiendo del estado

inicial, aplicando cada una de las reglas para generar los sucesores inmediatos, y así

sucesivamente con cada uno de los nuevos estados generados (en la práctica, los espacios de

estados suelen ser demasiado grandes para explicitarlos por completo).

Cuando un problema se puede representar mediante un espacio de estados, la solución

computacional corresponde a encontrar un camino desde el estado inicial a un estado objetivo.

 Razonamiento con Incertidumbre

La incertidumbre quiere decir que no sabemos exactamente qué va a salir como resultado.

Esta incertidumbre podemos representarla mediante una probabilidad. Así, podemos decir

que la regla:

Si rigidez en el cuello →Meningitis

Es falsa porque no siempre es cierto pero sí es verdad que tener rigidez en el cuello apoya la

Hipótesis de que tengamos meningitis, existe una probabilidad de que la regla sea cierta. Esto

Es muy común cuando tratamos de representar la inferencia en el pensamiento de un

Profesional de la medicina que siempre trabaja con incertidumbre.

 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.

Búsqueda 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

Procedimientos de búsqueda nivel a nivel

Para cada uno de los nodos de un nivel se aplican todos los posibles operadores

No se expande ningún nodo de un nivel antes de haber expandido todos los del nivel anterior

Se implementa con una estructura FIFO.

Búsqueda en profundidad:

La búsqueda se realiza por una sola rama del árbol hasta encontrar una solución o hasta que se

tome la decisión de terminar la búsqueda por esa dirección. Terminar la búsqueda por una

dirección se debe a no haber posibles operadores que aplicar sobre el nodo hoja o por haber

alcanzado un nivel de profundidad muy grande.

Si esto ocurre se produce una vuelta atrás (back tracking) y se sigue por otra rama hasta visitar

todas las ramas del árbol si es necesario.

Búsqueda bidireccional:
Se llevan a la vez dos búsquedas: una descendente desde el nodo inicial y otra ascendente desde

el nodo meta. Al menos una de estas dos búsquedas debe ser en anchura para que el recorrido

ascendente y descendente pueda encontrarse en algún momento

2. BIBLIOGRAFIA

Arlandis, P. (s.f.). cartagena99.com. Recuperado el 21 de Marzo de 2021, de

https://www.cartagena99.com/recursos/alumnos/apuntes/Apuntes%20de%20Inteligencia
%20Artificial%20-%20Tema%202-2.pdf
B, D. C. (13 de Agosto de 2014). sites.google.com. Recuperado el 21 de Marzo de 2021, de
https://sites.google.com/site/inteligenciascarol/algoritmo-de-busqueda
users.dcc.uchile. (s.f.). Recuperado el 21 de Marzo de 2021, de
https://users.dcc.uchile.cl/~abassi/Cursos/IA/Apuntes/c5.html