I.

INTRODUCCION

Se presenta un tipo agente para la solución de 2 problemas. Los agentes determinan las
acciones que les permitan llegar a su objetivo, solucionar el problema. El agente utilizara dos
metodologías para hallar la solución más óptima para cumplir la meta. Para cumplir con este
propósito se usara una metodología con información y sin información. Definiremos las
metodologías a usar para así poder utilizarlas correctamente, es importante planificar con
anticipación ya que lo que pueden hacer los agentes es limitado ya que la percepción
determina las acciones en un momento dado.

La resolución de problemas en IA requiere, determinar una secuencia de acciones o decisiones.

Esta secuencia será ejecutada posteriormente por un agente con el fin de alcanzar un objetivo a
partir de una situación inicial dada. Dependiendo del problema concreto, la ejecución de la
secuencia de acciones o decisiones tiene asociado un costo que se tratará de minimizar, o bien
tiene asociado un beneficio que se tratará de maximizar. El agente es capaz de percibir el
entorno con precisión. Además, se supone también que tanto el efecto como el coste o costo de
las acciones se pueden predecir con exactitud. De este modo, la secuencia de acciones se puede
obtener antes de su ejecución; en otro caso, la siguiente acción no podría ser determinada hasta
conocer el resultado de la ejecución de la anterior.
Para la solución de problemas los agentes se basan en metas que determinan que deberán hacer
por medio de secuencias de acciones que les permitan obtener estados deseables.
La búsqueda consiste en escoger una opción, haciendo a un lado las demás para considerarlas
posteriormente en caso de no obtener respuesta alguna mediante la primera opción.
La búsqueda termina cuando se encuentra una solución o cuando no hay más estados que
expandir.
II. OBJETIVOS
✾ Solucionar los problemas con eficiencia los problemas elegidos.
✾ Utilizar de forma correcta las metodologías.
✾ Explicar con claridad el proceso y solución del problema.
✾ Definir correctamente las metodologías a usar.
✾ Crear un código eficiente para la solución problema del problema.
✾ Demostrar de manera correcta la aplicación de metodologías.
III. MARCO TEORICO

Búsqueda sin información

BUSQUEDA POR ANCHURA:

La idea principal de la Búsqueda en Anchura (BFS) consiste en visitar todos los nodos que hay
a profundidad i antes de pasar a visitar aquellos que hay a profundidad i+1i+1. Es decir, tras
visitar un nodo, pasamos a visitar a sus hermanos antes que a sus hijos. Si usamos estructuras de
programación habituales, una posible implementación para BFS se haría almacenando el
conjunto de nodos abiertos como una cola, a la que se accede por un procedimiento FIFO (el
primero que entra es el primero que sale). Cuando hagamos uso de estructuras de programación
basadas en agentes veremos que la implementación de este algoritmo es ligeramente distinta, y
mantienen el almacenamiento haciendo uso de la propia estructura que existe entre los agentes
involucrados.
Este algoritmo es completo, es decir, si existe solución, este algoritmo la encuentra. Más aún,
es óptimo, encuentra una de las soluciones a distancia mínima de la raíz.
Respecto al tratamiento de nodos repetidos, se comporta bien. Si el nodo generado actual ya
apareció en niveles superiores (más cerca de la raíz), el coste actual será peor ya que su camino
desde la raíz es más largo, y si está al mismo nivel, su coste será el mismo. Esto quiere decir que
si nos encontramos un nodo que ya ha sido repetido, su coste será peor o igual que algún nodo
anterior visitado o no, de manera que lo podremos descartar, porque o lo hemos expandido ya o
lo haremos próximamente con mejor coste.
Búsqueda con información o heurística
BUSQUEDA AVARA:
Consiste en reducir al mínimo el costo estimado para alcanzar una meta.
Para ello se utiliza una función llamada heurística, la cual estima el costo que implica llegar a
una meta desde un estado determinado, y elige cual es el siguiente nodo que se va a expandir
aplicando esta función a cada nodo.
 En esta búsqueda el tiempo y la cantidad de memoria necesaria crece exponencialmente
con respecto a la profundidad. Pero la elección de una buena función heurística permite
disminuir notablemente la complejidad tanto en tiempo como en espacio.
– Es una de las más sencillas estrategias en la BPPLM, que consiste en reducir al mínimo el
costo estimado para lograr una meta.
– En otras palabras, el nodo cuyo estado se considere más cercano a la meta en términos de
costo de ruta se expande primero.
– Aunque casi siempre es posible calcular el costo aproximado hasta la meta, es difícil hacerlo
con precisión.
– La función utilizada para dicho estimado del costo se llama función heurística, simbolizada
por h.
– h(n) = costo estimado de la ruta más barata que une el estado del nodo n con un estado meta.
– h puede ser cualquier función. El único requisito es que h(n) = 0 cuando n es una meta.
– La mejor heurística para la determinación de rutas en el mundo real es la distancia en línea
recta a la meta: hDLR (n) = distancia en línea recta entre n y la meta.

IV. INGENIERIA
✾ PROBLEMA N° 1:

i. Descripción, ampliación y/abstracción del problema

El juego de las 8 fichas se representa en un tablero de 3x3 casillas; de las cuales 8 de ellas
contienen una pieza o ficha que se puede deslizar a lo largo del tablero, ya sea horizontal o
verticalmente.
Las fichas presentan una numeración del 1 al 8, y el número “0” representa a una casilla vacía,
la cual nos permite el movimiento de las fichas dentro el tablero.
1 2 3
4 5 6
7 8 0

ii. Formulación de la Meta

El objetivo es, dado un tablero inicial con las fichas desordenadas, conseguir un tablero (Estado
Final) donde todas las fichas están ordenadas de forma creciente, dejando el vacío o “0” en la
última casilla (inferior-derecha).
4 02 3
1 7 5
6 8 2
1
4 5 6
7 8 0

Tablero Inicial Tablero Meta

 iii. Formulación del Problema
REAS:
Tipo de Agente Medidas de Entorno Actuadores Sensores
Rendimiento
Sistema Hallar un - Tablero Movimientos: Matriz de
solucionador tablero - Fichas - derecha 3x3 de fichas
de las 8 fichas con fichas numeradas - Abajo
ordenadas en - Izquierda
orden creciente. - Arriba
Reducir el
número de
movimientos.

Conjunto Problema:
● E i = Cualquier Estado, Ej:
0 2 3
1 4 5
7 8 6

● S(x) = acomodar las fichas hacia (derecha, abajo, izquierda, arriba) de acuerdo a los
movimientos que pueda realizar.
Mover las dichas a las direcciones posibles.
moverFicha(x, y)
mover derecha : mover (x+1, y)
mover abajo : mover (x, y+1)
mover izquierda : mover (x-1, y)
mover arriba : mover (x, y-1)

● PM/TO: Estado Meta

1 2 3
4 5 6
7 8 0

● CR: avara =

iv. Estimación del costo Total

v. Tecnología utilizada
vi. Prototipo
vii. Evaluación comparativa
✾ PROEBLEMA N°2:
i. Descripción, ampliación y/abstracción del problema
El planteamiento del pintado de mapa, consiste en un tablero de 4x4 que representarían 16
regiones una región es cada casillero, la cantidad de casilleros será ingresados por el usuario, así
que este parámetro puede cambiar, cada casillero está pintando (representado con la inicial de la
letra del color) la cantidad de colores serán ingresados por el usuario. Con respecto al pintado,
cada región deberá ser pintada con un color con el cual las regiones adyacentes no estén
pintadas.
Colores: R, A, N, V
Regiones: 16
R A R A
V N V N
 R A R A
V N V N

ii. Formulación de la Meta

V. CONCLUSIONES
PROEBLEMA N°1:
al utilizar dos estrategias de diferentes metodologías, la avara y búsqueda por anchura, podemos
conclu8is que la más óptima es la avara, ya que al verificar si ya estamos en la meta,
optimizamos el costo de ruta y de estados, ya que con menos pasos llegamos al estado meta.
PROEBLEMA N°2:

VI. BIBLIOGRAFIA
[Fernández, González y Mira, 1998] Cap. 1 “Búsqueda sin información del dominio”
http://www.lsi.upc.es/~bejar/ia/material/teoria/2-BH2-Busqueda_heuristica.pdf
http://www.secyt.frba.utn.edu.ar/gia/IIA-mod2-Procedimientos.pdf
http://www.infor.uva.es/~arancha/IA/busqueda/busq2.pdf
https://estudunad.wordpress.com/2013/11/30/metodos-de-busqueda/
Stuart J. Rusell y Peter Norving “Inteligencia Artificial: un enfoque moderno”
http://www.cs.us.es/~fsancho/?e=95
 UNIVERSIDAD MAYOR DE SAN SIMON
FACULTAD DE CIENSIAS Y TECNOLOGIA
CARRERA DE INGENIERIA DE SISTEMAS

TRABAJO PRACTICO

Docente: Patricia Ericka Rodriguez Bilbao

Estudiantes:

Ayra Ronal
Villarroel Veliz Valeria
Fecha: 8 de oct. de 19

COCHABAMBA-BOLIVIA