15/11/2017

Universidad Nacional “José Faustino Sánchez Carrión”

Facultad de Ingeniería Industrial, Sistemas e Informática
Escuela Profesional de Ingeniería de Sistemas

Resolución de
problemas
Sistemas Inteligentes
Sesión 03 mediante
Búsqueda
Ing. CIP Renzo I. Vergara Quiche • Búsqueda no informada
(a ciegas)
renzovergaraq@hotmail.com
• Búsqueda Informada
(Heurística)

Resolución de Problemas mediante Búsquedas El espacio de estados (1)

 La IA ha tenido como objetiv o el uso de métodos de búsqueda para la
resolución de problemas.
 La solución de problemas mediante búsquedas fue una de las primera • Es una representación mental del problema, puede ser
aplicaciones reales a problemas reales. un mapa grafico, un tablero, etc.
 Se evidenció que en algunos problemas se solucionan mas rápidamente • Para la resolución computacional es necesario definir la
por procesos de IA que soluciones con métodos matemáticos.
estructura de datos en la cual vamos a resolver el
problema.
Definición del problema • Se denomina estado inicial a la representación de
donde parte el problema.
• El planteamiento de un problema a ser resuelto por medio de la • Aplicando cualquier operador valido definido por el
inteligencia artificial tiene básicamente tres aspectos:
usuario tendremos el siguiente estado.
1. Objetivos o metas
2. Operaciones • El conjunto del espacio inicial y sus operadores es lo que
3. Secuencia de acciones (Procedimiento de selección de la conocemos como El espacio de estados.
mejor solución).
• Debemos recordar que el objetivo principal en la resolución de
problemas mediante IA es aprender a solucionar.

El espacio de estados (2) El espacio de estados (3)

• La representación gráfica mas común para los espacios de
estado son los grafos.
• Se denomina traza a la secuencia de estados que Estado
resultan de aplicar los operadores validos al estado Inicial
inicial.
conector
• Se debe tener definida una estrategia de control que
será la encargada de afinar el algoritmo de búsqueda
basada en conocimiento.
• El interés del desarrollo de soluciones mediante
búsqueda es optimizar el objetivo final. Esto puede ser,
minimizar el tiempo de búsqueda, minimizar el costo de
la solución, en otros términos, maximizar un beneficio. metas
Para el caso concreto de nuestro curso, este objetivo lo
denominaremos como g

1

Ejemplos iniciales-Agente viajero
De vacaciones por Francia; actualmente en Strasbourg. Los vuelos salen mañana
hacia París
Objetivo: Estar en París
Problema:
estados: varias ciudades
acciones: conducir entre ciudades
Solución: secuencia de ciudades, Strasbourg, Metz, Reims, París.
Ejemplos iniciales-Puzzle
 ¿Estados? Ubicación de cada una de las ocho fichas
 ¿Acciones? Moverse a un cuadrado vacío a la izquierda, derecha,
arriba, abajo
 ¿Prueba Objetivo? Estado objetivo (dado)
 ¿Costo del Camino? 1 por movida
La Figura muestra algunas de las expansiones en el árbol de búsqueda para
encontrar una camino desde Strasbourg a París. La raíz, del árbol de búsqueda
es el nodo de búsqueda que corresponde al estado inicial, Strasbourg. El primer
paso es comprobar si este es un estado objetivo. Claramente es que no, pero es
importante comprobarlo de modo que podarnos resolver problemas como
<<com enzar en Strasbourg, consigue Strasbourg>> Como no estamos en un
estado objetivo, tenemos que considerar otros estados. Esto se hace
expandiendo el estado actual; es decir aplicando la función sucesor al estado
actual y generar así un nuevo conjunto de estados. En este caso, conseguimos
dos nuevos estados: Nancy y Metz. Ahora debemos escoger cuál de estas dos
posibilidades podemos considerar.
15/11/2017
Ejemplos iniciales-Aspiradora
 ¿Estados? El agente está en una de dos ubicaciones, cada una
de las cuales puede o no contener suciedad
 ¿Acciones? Izquierda, Derecha, Aspirar, No Operar
 ¿Prueba Objetivo? No está sucio
 ¿Costo del Camino? 1 por acción (0 por No Operar)
Ejemplos iniciales-Ensamblador automático
 ¿Estados? Coordenadas reales de los ángulos de las
articulaciones del robot. Partes del objeto que será
ensamblado.
 ¿Acciones? Movimientos continuos de las articulaciones del
robot.
 ¿Prueba Objetivo? Ensamblado completo sin el robot
incluido.
 ¿Costo del Camino? Tiempo de ejecución.
Búsqueda de soluciones
 Objetivo: encontrar una secuencia de operadores que, partiendo
del estado inicial, obtenga un estado objetivo.
 Idea básica: exploración del grafo del espacio de estados
 En cada momento se analiza un estado actual (en un principio, el
inicial)
 Si el estado actual es final, acabar (recopilando la sucesión de
operadores)
 En caso contrario, obtener los sucesores del estado actual(expandir)
 Elegir un nuev o estado actual, dejando los restantes para analizarlos
posteriormente (si fuera necesario)
 Repetir el proceso mientras haya estados por analizar
 La elección del estado actual en cada momento determina una
estrategia de búsqueda
2
 15/11/2017

Tener en cuenta:  Completitud:

¿Está garantizado
Un problema está definido por cuatro elementos (en el que el algoritmo Medir el
ejemplo): encuentre un solución
 Un estado inicial cuando ésta exista? rendimiento de
“en Strasbourg”  Optimización:
la resolución
 Una función sucesor S(x)=conjunto de parejas acción- ¿Con esta
estado estrategia se encontrará
una solución de la más
del problema
S(Strasbourg) = {[Strasbourg→Nancy, Nancy] . . .}
alta calidad, si hay
 Una prueba objetivo, puede: varias soluciones?
La salida del algoritmo de
ser explícita, x = “en París” resolución de problemas es
 Complejidad en tiempo: fallo o una solución.
implícita, Paris(x)
¿Cuánto tarda en (Algunos algoritmos
 Un costo del camino (aditivo) encontrar una solución? podrían caer en un bucle
suma de distancias,
 Complejidad en espacio: infinito y nunca devolver
número de acciones ejecutadas, etc.
¿Cuánto de memoria una salida.) evaluaremos el
c(x,a,y) es el costo de cada paso, asumido a ser ≥ 0 se necesita para el rendimiento de un
funcionamiento de la algoritmo de cuatro formas.
Una solución es una secuencia de acciones que lleva del búsqueda?
estado inicial al estado objetivo

Estrategias de Búsqueda no
informada o a Ciegas
1. Búsqueda de generar y probar.
Estrategias de búsqueda 2. Búsqueda primero en anchura.
3. Búsqueda de costo uniforme.
4. Búsqueda primero en profundidad.
Esta sección trata de cinco estrategias de búsqueda englobadas
bajo el nombre de búsqueda no informada (llamada también 5. Búsqueda de profundidad limitada.
búsqueda a ciegas). El término significa que ellas no tienen
información adicional acerca de los estados más allá de la que 6. Búsqueda primero en profundidad con
proporciona la definición del problema. Todo lo que ellas pueden profundidad iterativa.
hacer es generar los sucesores y distinguir entre un estado objetivo
de uno que no lo es. Las estrategias que saben si un estado no
7. Búsqueda bidireccional.
objetivo es «más prometedor» que otro se llaman búsqueda 8. Búsqueda no determinística (aleatorio)
informada o búsqueda heurística.
Todas las estrategias se distinguen por el orden de expansión de los
nodos.

Estrategias de Búsqueda
Informada o Heurística
1. Búsqueda Ascensión a la cima o Gradiente.
2. Búsqueda Primero el Mejor.
3. Búsqueda Avara.
4. Búsqueda Algoritmo A*.
5. Búsqueda Algoritmos Genéticos.
6. Búsqueda con Verificación de Restricciones.
7. Búsqueda con adversarios:
a) Algoritmo del Minimax.
b) Poda Alfa-beta.