lOMoARcPSD|5728264

FASE 2 Jhoan Jaime Zambrano - copia

cultivos de clima calido (Universidad Nacional Abierta y a Distancia)

Studocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por arnold a.p (arnoldanayap@gmail.com)
 lOMoARcPSD|5728264

FASE 2 - ESPACIOS DE
ESTADO EN LA IA

Presentado A:
FERNANDO ROJAS
Tutor

Presentado Por.
JHOAN JAIME ZAMBRANO

INTELIGENCIA ARTIFICIAL
Grupo: 90169_7

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD).

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERA
2022

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

INTRODUCCION

Este trabajo está enfocado a conocer y conceptualizar los procesos de búsqueda en espacio
de estado y algoritmos en inteligencia artificial los cuales se aplicarán en el desarrollo del
proyecto seleccionado, partiendo que para la resolución de problemas en inteligencia
artificial es necesario determinar una secuencia de acciones y decisiones con el fin de
alcanzar el objetivo trazado.

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

DESARROLLO DE LA ACTIVIDAD

1. Que es búsqueda en espacios de estado.

Espacio de Estado
Es la representación de un problema a través de todas las posibles acciones del agente.

La búsqueda en el espacio de estados es un método fundamental para el análisis de

accesibilidad en sistemas de transición discretos. Para tratar con grandes sistemas de
transición, en resumen, explosión de espacio de estado, se han desarrollado varias técnicas
(por ejemplo, reducción de orden parcial) para reducir el espacio de búsqueda. Busque sin
comprometer la existencia de una solución (óptima). Centrándonos en la planificación
clásica de IA, donde se hace una descripción compacta como un vector de variables de
estado, estados iniciales, condiciones de objetivos y un conjunto de acciones, agregamos
una técnica que nombramos a este arsenal. Una topología en estrella divide las variables de
estado en componentes, de modo que un solo componente central interactúa directamente
con muchos componentes hoja, mientras que las hojas interactúan solo a través del núcleo.

Obviamente, muchas aplicaciones vienen con una estructura de este tipo. Cualquier tarea
programada típica se puede ver seleccionando el concentrador como un subconjunto de las
variables de estado que separan los componentes de hoja conectados. Nuestra principal
observación es que, en tal topología estelar, las hojas son condicionalmente independientes

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

del centro, en el sentido de que nuestra búsqueda desacoplada se ramifica solo en el centro
y la transición del centro. Mantenga caminos separados alineados con el centro de cada
hoja. Como mostramos, este enfoque exhibe desviaciones exponenciales de todas las
técnicas de reducción de búsqueda anteriores, es decir, ejemplos de resultados
exponencialmente menores. En principio, los duplicados se pueden truncar para que el
espacio de estado separado nunca sea más grande que el espacio original. Con
transformaciones simples, aún se aplican los algoritmos de búsqueda estándar.

Ejemplo en un puzle búsqueda en espacio de estado hace referencia a las posibles

combinaciones de las piezas y el hueco para poder armarlo en forma correcta, para ello se
debe definir el conjunto de estados del problema, especificar el estado inicial, especificar el
estado final, especificar los operadores de cambio de estado, especificar el tipo de solución.

Espacio de estados: Configuraciones de 8 fichas en el tablero

Estado inicial: Cualquier configuración
Estado final: Fichas en orden específico
Operadores: Mover hueco
Condiciones: El movimiento está dentro del tablero
Transformación: Intercambio entre el hueco y la ficha en la posición del Movimiento
Solución: Qué pasos + El menor número

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

2. Que es razonamiento con incertidumbre.

Razonamiento
Es el proceso u operación lógica, que partiendo de uno o más juicios permiten definir la
validez, la posibilidad o falsedad de otro juicio distinto para llegar a una conclusión.
Incertidumbre
La incertidumbre es el desconocimiento acerca de una condición, este a consecuencia de
falta de información que permita tomar una decisión o realizar un razonamiento.

Fuentes de Incertidumbre
* Ignorancia
* Vaguedad e Imprecisión
* Inexactos e Incompletos
* Imprecisos
* Inconsistentes

Razonamiento con Incertidumbre

Es el proceso de razonar sin tener todo el conocimiento en el campo, este razonamiento se
realiza con lo poco que se tenga.
La incertidumbre tiene técnicas para el manejo en sistemas inteligentes y son:
* Técnicas Simbólicas
- Lógica no monotonica
- Lógica por defecto
- Lógicas basadas en modelos mínimos.
* Técnicas Numéricas
- Modelos estadísticos-probabilisticos
- Modelo Aproximado
- Modelo lógica difusa
- Regla de bayes

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

3. Que son algoritmos de búsqueda en IA.

Los algoritmos de búsqueda implican buscar un estado específico en un espacio de estado,

es decir, se utilizan como una herramienta para resolver problemas que requieren identificar
una secuencia de acciones o decisiones que los actores realizarán primero para lograr un
objetivo. situación dada.

Si existe un algoritmo de búsqueda, una solución se llama completa si se encuentra y

aceptable si se encuentra una solución óptima. Luego se discutirá la aplicación de un
algoritmo basado en si la información está disponible.
Hay diversos tipos de algoritmos búsquedas:
● Sin información
● Con información
● Óptimas

Propiedades De Algoritmos De Búsqueda (Heurísticas)

● Completo: si encuentra una solución cuando ésta existe.
● Admisible: si garantiza regresar una solución óptima cuando ésta existe.
● Dominante: un algoritmo A1 se dice que domina a A2 si todo nodo expandido por A1
es también expandido por A2 (“más eficiente que”).
● Óptimo: un algoritmo es óptimo sobre una clase de algoritmos si domina a todos los
miembros de la clase.

Procedimientos De Búsqueda Algún Camino

Sin información (Ciega)
● Depth-first (en profundo)
● Breadth-first (a lo ancho)

Con información (Heurísticas)

● Hill climbing
● Beam search

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

● Best first

El mejor camino (óptimo)

● British museum
● Branch and bound
● A*

ALGORITMOS SIN INFORMACIÓN

Depth first - backtracking (LIFO)

Cree el trabajador de un elemento (nodo raíz) hasta que esté vacío, o alcance el objetivo si
el primer elemento es el objetivo, luego, si el elemento no elimina el primer elemento,
finalice y conecte sus elementos sucesores a la parte superior de la agenda.
Breadth first
Crea una agenda de un elemento (el nodo raíz) hasta que la agenda este vacía o se alcance
la meta si el primer elemento es la meta entonces acaba si no elimina el primer elemento y
añade sus sucesores al final de la agenda.

ALGORITMOS CON INFORMACIÓN

Hill-Climbing
Crea una línea de tiempo (nodo nativo) de un elemento hasta que la línea de tiempo está
vacía o alcanza el objetivo si el primer elemento es el objetivo, luego finaliza si no elimina
el primer elemento y agrega su sucesor. Ordene todos los elementos de la lista de la agenda,
elija los mejores y deseche el resto.
Best-first
Crea una agenda de un elemento (el nodo raíz) hasta que la agenda este vacía o se alcance
la meta si el primer elemento es la meta entonces acaba si no elimina el primer elemento y
añade sus sucesores a la agenda ordena todos los elementos de la agenda
Beam search
Crea una agenda de un elemento (el nodo raíz) hasta que la agenda este vacía o se alcance
la meta si el primer elemento es la meta entonces acaba si no elimina el primer elemento y

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

añade sus sucesores a la agenda ordena todos los elementos de la agenda y selecciona los N
mejores (los demás elimínalos).

ALGORITMOS CON EL MEJOR CAMINO

Branch and Bound
Programe un elemento (el nodo raíz) hasta que el cronograma esté vacío o se haya
alcanzado el objetivo, si el primer elemento es el objetivo y el costo de los otros nodos es
mayor o igual que el objetivo, entonces el costo de los otros nodos es menor o igual que la
meta la meta es igual al costo de la meta, entonces si Finaliza cuando el primer elemento no
se elimina y sus elementos sucesores se agregan a la agenda. Ordenar todos los elementos
de la agenda

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

CONCLUSIONES

 Se ha estudiado y conceptualizado el proceso de búsqueda espacial, y se ha determinado

su importancia en la resolución de problemas, ya que este proceso computa eventos o
eventos que pueden ocurrir, las entidades recorren para encontrar el estado final, que es
un problema con características definidas brindan el solución.

 Los algoritmos de búsqueda permiten encontrar la celda objetivo en espacios de

búsqueda en la que se desconoce la celda objetivo, sin embargo, hay ocasiones en las
que, en el proceso de encontrar la celda objetivo, estos recorren gran parte de espacio de
búsqueda.

Descargado por arnold a.p (arnoldanayap@gmail.com)

 lOMoARcPSD|5728264

BIBLIOGRAFIA

Razonamiento con Incertidumbre, recuperado

de: http://www.udb.edu.sv/udb/archivo/guia/informatica-ingenieria/sistemas-expertos-e-
inteligencia-artificial/2016/i/guia-7.pdf

Palma Méndez, J. T., & Marín Morales, R. (2008). Inteligencia artificial: Métodos,
técnicas y aplicaciones. España: McGraw-Hill. Pag.309-347. Recuperado
de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
docID=3194970&query=sistemas+basados+en+el+conocimiento

Descargado por arnold a.p (arnoldanayap@gmail.com)