resolucion examen parcial
Post on 25-Jun-2015
425 Views
Preview:
TRANSCRIPT
Resolución Examen Parcial Inteligencia Artificial
Ciclo: 2010 –II
Profesor: Hugo Vega Huerta
Alumnos: Ccaipani Sánchez Marco 07200078
Garaundo Rodriguez Carlos 07200021
Rojas Alvarado Giovanna 07200042
Sulca Paucar Eder Kim 07200115
1. Conceptos (6 puntos)
Marque al lado derecho V para verdadero y F para Falso (+0.2 correcta, -0.05 incorrecta)
1. Existen problemas intratables que son no computables. (F)
2. El problema de hacer que una máquina aprenda a realizar una tarea a través de experiencias y que luego de aprender su tasa de error y de inexactitud sea cero, es un problema tratable.
(V)
3. Es más difícil probar (demostrar que es verdad) una proposición que saber que esta es verdad.
(F)
4. El problema probar una conjetura, esto es a partir de hipótesis y supuestos asumidos de verdad y mediante inferencias válidas se desea llegar a una tesis dada (conjetura), es un problema de decisión.
(F )
5. La inteligencia es exclusividad de las máquinas hechas de proteínas. (F)
6. Los sistemas de información gerencial corresponder a problemas de la inteligencia artificial.
(V )
7. Paradigma simbólico: redes neuronales artificiales, meta-heurísticas, vida artificial. (F)
8. Es adecuado usar los lenguajes de Inteligencia Artificial para resolver el problema de selección de proyectos.
(V)
9. En la representación de un problema como búsqueda en un espacio de estado es necesario explicitar el espacio de estado.
(V)
10.
El problema de búsqueda en un espacio de estado se puede resumir como encontrar desde el espacio de estado un camino (secuencia de reglas y/o estados) que inicie con el estado inicial y termine con el estado meta.
(V )
11.
Los métodos de búsqueda local como la ascensión de colinas, operan en formulaciones completas de estados; manteniendo solo una cantidad pequeña de nodos en memoria.
(V )
12.
Los métodos informados que usan función evaluadora constante tienen el mismo comportamiento que los métodos ciegos
(F )
13.
La búsqueda primero el mejor avara expande nodos con h(n) mínima. No es óptima, pero es a menudo eficiente y completa.
(F)
14.
El algoritmo mínimas usa un cálculo simple de los valores mínimas de cada estado sucesor y hace una exploración primero en amplitud completa del árbol de juegos.
(F)
15.
La inteligencia en los juegos inteligentes basados en búsqueda en un espacio de estado es dada por la función evaluadora, la estrategia de selección de la jugada a realizar, y los niveles del árbol de estado considerados.
(V)
16.
El valor mínimas de un nodo es la utilidad (para Max) de estar en el estado correspondiente.
(V)
17.
Mediante inteligencia artificial siempre será posible desarrollar un juego inteligente en donde la máquina supere al humano.
(V)
18.
La base de conocimiento de un sistema experto de diagnóstico de enfermedades es dada por los datos que identifican al paciente y los síntomas que este presenta.
(F)
19.
En general los sistemas expertos catalogados de prescriptivos presentan funciones de: guía (tutores), monitoreo y críticos.
(V)
20.
Es adecuado usar la tecnología de sistemas expertos para la gestión óptima de semáforos (esto es, cambiar las señales de forma a minimizar la cola de espera para las señales en rojo).
(F)
Problema 2: Búsqueda en un espacio de Estado
Damas Suicidas con Dado
Es un juego similar a las damas con las siguientes variaciones: gana el que consigue quedarse sin piezas. Las fichas se desplazan en diagonal un casillero a la vez, en dirección hacia abajo para las fichas blancas y hacia arriba para las fichas negras. Se le agrega un dado al juego, este tiene la función de definir el número de turnos en forma consecutiva que tendrá en jugador en el instante en que este lance el dado, siendo estos los valores: 0, 1 ó 2 (0: no juega, 1: juega una vez, 2: juega dos veces). Los jugadores están obligados a lanzar el dado antes de jugar, caso contrario no podrán realizar sus jugadas. Cuando una ficha se encuentra adyacente a la ficha del oponente necesariamente debe eliminar la ficha del oponente y desplazarse a la posición de este. Cuando una ficha llega al extremo opuesto del tablero esta se eliminara automáticamente. Dentro de las capturas (comer) NO se puede encadenar, esto es si capturamos una ficha ya no se puede realizar inmediatamente otra captura en el mismo turno.
Resolución
a) Objeto- El tablero- Las fichas
- El dado- El turno
b) Estado La ubicación de las fichas en el tablero, el turno, el número de fichas negras y blancas y el número de jugadas designado por el dado dentro de un turno.
(Tablero, turno, # fichas negras, # fichas blancas, dado)
(T , t , fn , fb , d )
Tablero: T = { , , Ø }8x8
Vacio
Ficha Blanca
Ficha Negra
Turno: t = {N, B}
Turno de las fichas blancas
Turno de las fichas negras
Fichas: fn = Número de fichas negras en el tablero
fb = Número de fichas blancas en el tablero
Dado: d = Número de jugadas dentro de un turno
c) Estado InicialLa distribución de las fichas es dada de la siguiente manera:
( , t , 12 , 12 , d )
por definir
d) Estado MetaComo el número de estados meta es grande se define condiciones necesarias y suficientes del estado meta:
Ganan las Negras
Si la cantidad de fichas Negras es cero y la cantidad de fichas Blancas diferente de cero (fn=0 y fb≠0).
Ganan las Blancas
Si la cantidad de fichas Blancas es cero y la cantidad de fichas Negras diferente de cero (fn≠0 y fb=0).
e) ReglasObservamos que hay dos tipos de reglas en el juego.
Nota: Definimos que cualquiera de nuestras reglas siempre efectúa el movimiento de fichas dentro del tablero y en dirección hacia arriba para las fichas negras y hacia abajo para las fichas blancas.
Mover
MoverN: Mover una ficha negra una posición hacia arriba.
MoverB: Mover una ficha blanca una posición hacia abajo.
Comer
ComerN: Mover una ficha negra y sustituir una ficha blanca.
ComerB: Mover una ficha blanca y sustituir una ficha negra.
Extremo(X)
Verifica si alguna ficha del jugador X ha llegado al extremo contrario.
LanzarDado(X)
Simula el lanzamiento del dado y obtiene un nuevo valor para “d”.
f) Sistema de Producción
Estado Actual Regla Condiciones Nuevo Estado
(T , t , fn , fb , d)
MoverN
t = N d = {1,2} Para todo fn ∃un fb
adyacente
Si(Extremo(N)){fn=fn-1}
Si(d>1){d=d-1MoverN ó ComerN}
Sino{t=Bd=LanzarDado(B)}
ComerN
t = N d = {1,2} Al menos para un fn ∃
un fb adyacente
fb = fb -1Si(Extremo(N))
{fn=fn-1}Si(d>1)
{d=d-1MoverN}
Sino{t=Bd=LanzarDado(B)}
MoverB
t = B d = {1,2} Para todo fb ∃un fn
adyacente
Si(Extremo(B)){fb=fb-1}
Si(d>1){d=d-1MoverB ó ComerB}
Sino{t=N
d=LanzarDado(N)}
ComerB
t = B d = {1,2} Al menos para un fb ∃
un fn adyacente
fn = fn -1Si(Extremo(B))
{fb=fb-1}Si(d>1)
{d=d-1MoverB}
Sino{t=Nd=LanzarDado(N)}
Problema 3: Juego Humano – Máquina
Piedra-Tijera-Papel Suicidas en formato de Damas
Piedra-tijera-papel es un juego de mesa de dos participantes que consiste en un tablero cuadrado de 6x6 casilleros, de los cuales solo 18 pueden ser usados para su desplazamiento (casilleros oscuros) como en el juego de Damas, dos jugadores (blanco y negro), y 12 objetos de color (piedra, papel y tijera) entre blanco y negro como se muestra en la figura 2. Los objetos se desplazan en forma diagonal un casillero por vez en cualquier dirección (hacia adelante o hacia atrás). Los objetos piedra, tijera y papel actúan de la siguiente forma:
- Sí un piedra se encuentra adyacente a una tijera del oponente entonces deberá eliminar la ficha tijera y desplazarse a la posición de este.
- Sí una tijera se encuentra adyacente a un papel del oponente entonces deberá eliminar la ficha papel y desplazarse a la posición de este.
- Sí un papel se encuentra a una piedra del oponente entonces deberá eliminar la ficha piedra y desplazarse a la posición de este.
Una jugada por vez debe realizar cada jugador. Gana el jugador que consigue perder 4 objetos o cuando no puede realizar ninguna jugada.
Figura 2. Tablero papel-piedra-tijera
Considere la siguiente función evaluadora asociada a cada jugada “e”:
f (e ):={ 0 . 1∗( peso asociado al casillero )+a MAX−0 . 1∗(peso asociado al casillero ) - a MIN
Donde “a” es 1 si la ficha puede ser eliminada (esto es, se encuentra adyacente a una ficha del opositor que lo puede comer), -1 si la ficha puede eliminar a una ficha del opositor (esto es, se encuentra adyacente a una ficha del opositor que debe comer), -2 si elimina una ficha del opositor, y 0 en cualquier otro caso.
Los pesos asociados a cada casillero para los jugadores son dados en la tabla 1.
1 3 3
5 7 3
3 9 7
7 9 3
3 7 5
1 3 1
Tabla 1. Pesos asociados a los casilleros
Observe que, cuanto mayor sea el valor de f
mayor será la chance que el jugador MAX pierda una ficha y por
consiguiente mayor será su chance de ganar el juego. E inversamente, cuanto menor sea el valor de f
mayor será la chance que el jugador MIN pierda una ficha y por consiguiente mayor será su chance de ganar el juego.
Así por ejemplo, suponga que nos encontramos en el tablero dado en la figura 3, y juega las fichas blancas (MAX), entonces los posibles movimientos para las blancas son 5 y son dados por las flechas como se muestra en la figura 4.
A
C
B
Figura 3. Juega las blancas Figura 4. Posibles jugadas para blancas
Con el fin de comprender el cálculo de la función evaluadora, determinaremos el valor de la función evaluadora para cada posible jugada de las blancas:
J1: Tijera blanca de fila 1 se desplaza hacia “A”
J2: Papel blanco de fila 3 se desplaza hacia “A”
J3: Papel blanco de fila 3 se desplaza hacia “B”
J4: Tijera blanca de fila 2 se desplaza hacia “C”
J5: Piedra blanca de fila 2 se desplaza hacia “C”
Los valores de la función evaluadora para los estados (juega blanca - MIN) son dados por:
f (J 1 ):=-0.1*(5) - (0) = -0.5;
f (J 2 ):=-0.1*(5) - (1) = -1.5;
f (J 3 ):=-0.1*(7) - (1) = -1.7
f (J 4 ) :=-0.1*(7) - (-1) = +0.3
f (J 5 ):=-0.1*(7) - (1) = -1.7
Observe que la mejor jugada para MIN es J3 y J5.
Aplique el algoritmo de juego humano-máquina con criterio “min-max” para la máquina y “primero el mejor” para el humano. El humano juega con la ficha blanca y la máquina con la ficha negra. Considere que el juego inicia como muestra la figura 3, y que el humano decide mover papel. Muestre las jugadas humano-máquina-humano y justifique su respuesta. Sugerencia, asocie al humano MIN y a la máquina MAX.
Solución:
Se tiene:
a) Humano juega con fichas blancas y utiliza estrategia min.b) Maquina juega con fichas negras y utiliza estrategia máx.
1) Jugada humano-min.
Elije papel:f(e) = -01.*5-1=-1.5 f(e) = -0.1*7-1=-1.
Debido a que el humano usa la estrategia min elige f(e)=-1.7, es decir, elige el menor valor de f(e) de todas sus posibles jugadas, ya que por consiguiente mayor será su chance de ganar el juego.
Por lo tanto, la maquina realiza esta jugada:
2) Jugada maquina-máx.
Elige tijera superior:
f(e) = 0.1*5+0=0.5 f(e) =0.1*7-2=-1.3 f(e)=0.1*9+0=0.9
Elige tijera inferior:
f(e) = 0.1*7-2=-1.3 f(e) = 0.1*1+0=0.1 f(e) = 0.1*3+0=0.3
f(e) = 0.1*9+0=0.9
Elige piedra:
f(e) =0.1*9+0=0.9 f(e) =0.1*3+0=0.3 f(e) =0.1*1+0=0.1
Elige papel:
f( e) =0.1*7+1=1.7 f(e) =0.1*7-1=-0.3
Debido a que la maquina usa la estrategia máx. elige f(e)=1.7 es decir, elige el mayor valor de f(e) de todas sus posibles jugadas, ya que por consiguiente mayor será su chance de ganar el juego.
Por lo tanto, la maquina realiza esta jugada:
3) Jugada humano min
Elije tijera:
f(e) = -0.1*7+2=1.3
f(e) = -0.1*5+0=-0.5
Debido a que el humano usa la estrategia min elige f(e)=-0.5, es decir, elige el menor valor de f(e) de todas sus posibles jugadas, ya que por consiguiente mayor será su chance de ganar el juego.
Por lo tanto, el humano realiza esta jugada:
Resultado final
Jugadas humano-máquina-humano:
Humano Maquina Humano
Se observa que no hay ganador, ya que ni el humano ni la maquina han perdido ninguna ficha y además, aun pueden realizar jugadas.
Problema 4: Clasificación de Sistemas expertos
Complete la siguiente tabla de clasificación de sistemas expertos
Sistema Experto Funcionalidad Evolución Interacción
SbrHsunat descubrimiento Prototipo de investigación
Sistema soporte
PUFF Diagnostico Modelo de producción
Sistema prescriptivo
SBRDEPRE Interprete Sistema comercial Sistema prescriptivo
top related