7. búsqueda informada y explorada. agentes búsqueda online y ambitos desconocidos.pdf
TRANSCRIPT
-
ESCUELA SUPERIOR POLITCNICA AGROPECUARIA DE
MANAB MANUEL FLIX LPEZ
CARRERA INFORMTICA
SEMESTRE SPTIMO PERODO ABRIL-SEPT/2015
TEMA:
BSQUEDA INFORMADA Y EXPLORADA: AGENTES
BSQUEDA ONLINE Y MBITOS DESCONOCIDOS.
MATERIA:
INTELIGENCIA ARTIFICIAL II
AUTORA:
MNICA L. DIAZ ENCARNACIN
FACILITADORA:
ING. HIRAIDA SANTANA
MISIN
Formacin de profesionales ntegros que conjuguen ciencia, tecnologa y valores en
su accionar, comprometidos con la sociedad en el manejo adecuado de programas
y herramientas computacionales de ltima generacin.
VISIN
Ser referente en la formacin de profesionales de prestigio en el desarrollo de
aplicaciones informticas y soluciones de hardware.
CALCETA, JUNIO 2015
-
17 de Junio del 2015
INTRODUCCIN
Despus de conocer los diferentes agentes de bsqueda, en esta
seccin daremos a conocer los siguientes agentes bsqueda online
y mbitos desconocidos, con el propsito de saber cul es la mejor
ruta para llegar al objetivo planteado, en la cual solo necesita saber
que acontecimientos suceden realmente.
En contraste un agente de bsqueda online funciona intercalando el
clculo y la accin es decir toma una accin, la observa en el entorno
y calcula la siguiente accin.
OBJETIVO
El objetivo de esta clase es conocer y aprender sobre las bsquedas
online y su importancia en el entorno.
MARCO TERICO
Hasta ahora nos hemos enfocado en los agentes que usan algoritmos de
bsqueda offline, ellos calculan una solucin completa antes de poner un pie en
el mundo y luego ejecutan la solucin sin recurrir a sus percepciones.
La bsqueda offline, debera presentar un plan de contingencia que considere
todos los acontecimientos posibles, mientras que una bsqueda online necesita
slo considere lo que realmente pasa.
-
PROBLEMAS DE BSQUEDA EN LNEA (ONLINE)
El agente sabe su:
Accin.
Funcin de coste individual.
Test Objetivo.
En la que el agente asume lo siguiente:
a
No puede
tener acceso
a los
sucesores de
un estado,
excepto si
intenta todas
las acciones
en ese
estado.
a
Puede
reconocer
siempre un
estado que
ha visitado
anterior-
mente.
a
Las
acciones
son
determinis-
tas.
El agente
podra tener
acceso a una
funcin
heurstica
admisible que
estime la
distancia del
estado actual
a un estado
objetivo.
-
Por lo tanto el objetivo del objetivo.
AGENTES DE BSQUEDA EN LNEA (ONLINE)
Un agente online recibe una percepcin al decirle que estado ha alcanzado; de
esta informacin, puede aumentar su mapa del entorno. El mapa actual se usa
para decidir dnde ir despus.
Alcanzar un
estado objetivo
minimizando el
coste.
Minimizar el
coste
OBJETIVO DEL
AGENTE
-
BSQUEDA LOCAL EN LNEA (ONLINE)
As como en la Bsqueda Primero en Profundidad, la Bsqueda Local Online
tiene la propiedad de expandir o buscar hasta el nodo ms profundo del rbol de
bsqueda. Desafortunadamente no es muy til en su forma ms simple porque
deja el agente que se situ en sus ltimos nodos con ningn movimiento que
hacer.
En vez de reinicios aleatorios, podemos considerar el uso de un camino aleatorio
para explorar el entorno. Un camino aleatorio selecciona simplemente al azar
una de las acciones disponibles del estado actual; se puede dar preferencia a
las acciones que todava no se han intentado.
Es fcil probar que un camino aleatorio encontrara al final un objetivo o terminar
su exploracin, a condicin de que el espacio sea finito. Por otra parte el proceso
puede ser muy lento.
BSQUEDA LOCAL EN LNEA
Una de las cualidades de este tipo de aprendizaje es que el agente presenta
ignorancia al inicio de la bsqueda online y esto brinda muchas oportunidades
para aprender.
Primero, los agentes con la experiencia aprender un mapa de su entorno
mediante el resultado de cada accin en cada estado, para ello registran
cada una de sus experiencias, esto se basa en que una experiencia es
suficiente para cada accin.
Segundo, los agentes de bsqueda local al usar las reglas de
actualizacin local como en AA*TR obtienen estimaciones ms exactas
del valor de cada estado, y estas actualizaciones finalmente se unirn en
-
valores exactos para cada estado y esto se logra cuando el agente explora
el espacio de estados de manera correcta.
Tercero, cuando ya se conocen los valores, exactos, es posible tomar las
decisiones [optimas simplemente movindose al sucesor con el valor ms
alto.
Cuarto, lo que se pretende es que el agente aprenda que Arriba aumenta
la coordenada y a menos que haya una pared en el camino, que hacia
Abajo la reduce, etc.
Y por ltimo, para que esto ocurra se necesita una representacin formal
y manipulable para estas clases de reglas generales, y segundo se
necesitan algoritmos que puedan construir reglas generales adecuadas a
partir de la observacin especifica hecha por el agente.
-
CONCLUSIN
He concluido que los problemas de exploracin inician cuando no se
conocer los estados y las acciones de su entorno. Para esto los
agentes de bsqueda en lnea construyen un mapa para encontrar el
objetivo si este ya existiera.
La bsqueda en lnea (online) es una idea necesaria para un
problema de exploracin, donde los estados y las acciones son
desconocidos por el agente; un agente en este estado de ignorancia,
donde debe usar sus acciones como experimentos para determinar
que hacer despus, y a partir de ah debe intercalar el clculo y la
accin, ya que el objetivo del agente es alcanzar un estado objetivo,
siempre y cuando minimizando el coste del camino.
-
BIBLIOGRAFAS
Hermoso, R; Vasirani, M. 2012. (En lnea). Bsqueda en Lnea y
Bsqueda Multiagente. Consultado el 19 Jun. 2015. Formato:
PDF. Disponible en:
http://www.ia.urjc.es/cms/sites/default/files/userfiles/file/ia4/2011
/IA4_%5BMinimax%5D.pdf
Ruiz, J; Alonso, J; Martin, F. 2011. (En lnea). Problemas de
satisfaccin de restricciones. Consultado el 19 Jun. 2015.
Formato: PDF. Disponible en:
https://www.cs.us.es/cursos/ia1/temas/tema-04.pdf
Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque
Moderno. 2 ed. Espaa. Pearson Education. p 1242