Inteligencia Artificial

Unidad 4.- Bsqueda

y satisfaccin de
restricciones

ndice

4.1 Problemas y Espacios de estados..3

4.2 Espacios de estados determinsticos y espacios no determinsticos5
4.3 Bsqueda sistemtica5
4.3.1 Bsqueda de metas a profundidad6
4.3.2 Bsqueda de metas en anchura..7
4.3.3 Bsqueda ptima8
4.4 Satisfaccin de restricciones.8
4.5
Resolucin
de
juegos10

problemas

de

4.1 Problemas y Espacios de estados

Generalmente existen diferencies problemas a resolver en la Inteligencia Artificial,

y uno de ellos es el problema de buscar un estado perfecto entre un conjunto
determinado o espacio de estados. Cmo se puede entender esto?, simple: basta con
entender el hecho de poder cumplir un objetivo a travs de diferentes obstculos
(espacio), donde la interrogante es el hecho de que secuencia de movimientos se
necesitaran para alcanzar dicho objetivo, donde los algoritmos y variables externas hacen
un juego determinantes.

Es importante definir los aspectos necesarios y la estructura del problema antes de poder
desarrollar una solucin eficaz al problema.

La estructura de solucin debe poder definir el problema a travs de los siguientes puntos:

Espacio de Estados: se trata de definir el problema mediante estados posibles. Es

necesario hacer cambios en el espacio de estado para que pase a otro estado, el
cual tambin sufrir nuevas transformaciones. Por lo cual hay que definir una serie
de operadores (Representa un conjunto finito de acciones bsicas que
transforman unos estados a otros. Sus elementos son la aplicabilidad
(precondicin y post-condicin) y el estado resultante de la aplicacin de un
operador a un estado).
Estado Inicial del Problema: posicin inicial del sujeto (objeto), en el espacio y sus
reglas aplicables.
Estado Final: Objetivo o posicin final donde el objetivo ha sido cumplido.
Reglas de Espacio: movimientos legales, que pueden describirse mediante una
parte patrn para ser contrastado con la posicin actual en el Espacio y otra parte
que describe el cambio que debe producirse en el Espacio.

Elegir operadores depende de la representacin de los estados y siempre se prefiere

aquellas representaciones con menor nmero de operadores, lo que refleja una mayor
eficiencia en tiempo y desgaste.

La formulacin de un problema es el proceso que consiste en decidir qu acciones y

estados habrn que considerarse y es el paso que sigue a la formulacin de objetivos.
3

Podemos decir que generalmente, cuando un objeto tiene ante si diversas opciones
inmediatas, para decidir qu debe hacer, tiende a evaluar las diversas secuencias d
acciones posibles que le conducen a estados cuyo valor se conoce y as ya se decide el
mejor.

Al anterior proceso de hallar tal secuencia se le conoce como bsqueda y es un algoritmo

de bsqueda: la entrada es un problema y la respuesta es una solucin que adopta la
forma de una secuencia de acciones. Una vez encontrada una solucin se procede a
ejecutar las acciones que esta recomienda. A la anterior se le denomina fase de ejecucin.
Es decir el diseo del agente se reduce a formular, buscar y ejecutar, la solucin ptima.

4.2 Espacios de estados determinsticos y espacios no determinsticos

Se puede decir que un espacio de estados es la representacin de un problema que abarca
todas las posibles situaciones que se pueden presentar en la solucin de un problema y
pueden ser clasificados en 2 tipos: los implcitos y los explcitos.

Los implcitos normalmente generan sobre la marcha los posibles estados siguientes a
partir de un sistema de produccin. Los juegos son un gran ejemplo de estos estados, ya
que simulan diferentes caminos de una historia conforme el jugador vaya realizando y
cumpliendo situaciones especficas.

En cambio los estados explcitos definen previo al inicio de la bsqueda todos los estados
posibles y sus conexiones simultneas; de forma determinstica o no, de tal manera que el
espacio de estados determinsticos contienen un nico estado inicial y seguir la secuencia
de estados para la solucin, mientras que el otro, contiene un amplio nmero de estados
iniciales y sigue la secuencia de los conexos al estado inicial.

Los espacios de estados determinsticos son usados por los sistemas expertos, mientras
que los no determinsticos son usados por sistemas de lgica confusa.

Entonces para cumplir como un sistema determinstico, para un estado dado, al menos
aplica una regla a l y de solo una manera. Si ms de una regla aplica a cualquier estado
particular del sistema, o si una regla aplica a un estado particular del sistema en ms de
una manera, entonces el sistema aplica a no determinista.

4.3 Bsqueda sistemtica

Generalmente encontramos en Computacin, problemas de bsquedas, que son de un
estado determinstico. Por ejemplo, en los algoritmos de bsqueda de anchura y de
bsqueda de profundidad, uno sabe la secuencia de los nodos visitados en un rbol.

Aun as, los problemas de bsqueda, los cuales siempre tendremos que tratar en
Inteligencia artificial, son no determinsticos y el orden de elementos visitados en el
espacio de bsqueda depende completamente en el conjunto de datos.

A partir de la metodologa de expansin de espacio de un estado y seguidamente el orden

de los estados visitados, los problemas de bsqueda se clasifican de la siguiente manera:

4.3.1 Bsqueda de Metas a Profundidad

o Es algoritmo por mucho el ms utilizado. Lo llaman as porque sigue cada

camino hasta su mayor profundidad antes de moverse al siguiente camino.
o La bsqueda de metas por profundidad involucra trabajar todos los
caminos debajo del camino del rbol ms a la izquierda hasta que un nodo
hoja es alcanzado. Si esta es una meta de estado, la bsqueda es
completada y reportada como exitosa.
o Si el nodo hoja no es la meta de estado, la bsqueda se dirige atrs y arriba
al siguiente nodo ms alto que tiene un camino no explorado.
o La bsqueda de profundidad es un ejemplo de la bsqueda de fuerza bruta,
o la bsqueda exhaustiva. La bsqueda de profundidad es se usa
principalmente por computadoras para los problemas de bsqueda como
ubicar archivos borrados por accidente en un disco duro.
o Un problema de esta bsqueda es que se requiere mayor cantidad de
memoria en la bsqueda de profundidad, cuando alcanzamos la mayor
profundidad a la primera vez.
o Un ejemplo es que si encontramos la meta en la posicin ms a la izquierda
de profundidad, entonces el nmero de nodos examinados es (d+1) siendo
d, el nodo final. De otra forma, si encontramos la meta en el extremo
derecho a una profundidad (D), entonces el nmero de nodos examinados
son todos los del rbol.

4.3.2 Bsqueda de Metas en Anchura

o Esta bsqueda sigue una estrategia sencilla en la que se expande primero el

nodo raz y a continuacin se expande todos los sucesores del nodo raz,
despus sus sucesores, y as consecutivamente.
o Esto genera que se expandan todos los nodos a una profundidad en el rbol
de bsqueda antes de expandir cualquier nodo del prximo nivel.
o Esto significa que los nodos ms superficiales se expanden antes que los
nodos ms profundos. Se basa en desarrollar completamente cada nivel del
rbol antes de pasar a desarrollar el siguiente.
o No se pierde, explorando caminos infructuosos que consumen mucho
tiempo y espacio sin llegar a una solucin o de los que se ciclan al infinito.
o Si hay una solucin la encuentra, es mas, si hay varias encuentra la ptima.

4.3.3 Bsqueda ptima

o Tambin llamada bsqueda heurstica, trata de resolver los problemas
mediante una nueva tcnica.
o Seleccionando el nodo ms prometedor, podemos expandir los nodos mas
selectivamente, a partir de que los nodos estarn identificados por el valor de
su fuerza comparada con sus competidores homlogos con la ayuda de
funciones heursticas.
o La bsqueda optima generalmente trabaja para dos tipos distintos de
problemas concretos: el razonamiento hacia atrs y e razonamiento hacia
delante.
o Y se diferencia principalmente porque un problema de razonamiento hacia
delante, se mueve hacia la meta de estado desde un estado inicial
predefinido, mientras en un problema de razonamiento hacia atrs, nos
movemos hacia un estado inicial a partir de una meta de estado final.

4.4 Satisfaccin de restricciones

En la programacin existen mtodos de solucin de problemas enfocados en la
descripcin y resolucin eficiente de problemas combinatorios y de optimizacin
generalmente, uno de ellos es el mtodo de satisfaccin de restricciones. Estos problemas
son comunes en reas como inteligencia artificial, investigacin operativa, bases de datos
y sistemas de recuperacin de la informacin, etc. Esto conlleva al hecho de problemas
que pueden modelarse como problemas de satisfaccin de restricciones (CSP, por siglas
en ingles) y resolverse bajo esta metodologa.

Las etapas bsicas para la resolucin de un problema CSP son su modelizacin y su

posterior resolucin mediante la aplicacin de tcnicas CSP especficas, que incluyen
procesos de bsqueda apoyados con mtodos heursticos y procesos inferenciales.

Existen restricciones de diverso tipo. Una de ellas, las unarias, se refieren al valor de una
sola variable. Por ejemplo, las variables correspondientes al dgito del extremo izquierdo
de una de las hileras de un problema de criptoaritmtica tienen la restriccin de no ser
nunca cero; las restricciones de orden superior mantienen una restriccin de adicin y
pueden llegar a tener varias variables. Y, por ltimo, las restricciones pueden ser
absolutas, y cuya violacin rige una restriccin de preferencia, y que genera qu tipo de
solucin es la que se prefiere.
8

La mayora de las decisiones propias de da a da se ven sujetas a restricciones. Decisiones

tan cotidianas como fijar una cita, planear un viaje, comprar un coche o cocinar puede
depender de muchos aspectos interdependientes e incluso conflictivos, cada uno de los
cuales est sujeto a restricciones que deben superarse para poder validar el objetivo final.

Esto genera conflicto a veces ya que, no siempre se pueden satisfacer todas las
restricciones, quedando algunas sin completarse, por lo tanto, para obtener una solucin
ptima no basta con una solucin.
Representacin

Estado = Grafo de restricciones

Variables = etiquetas de nodos
Dominios = contenido de nodos
Restricciones = arcos dirigidos y etiquetados entre nodos

Ejemplo: colorear mapa

4.5 Resolucin de problemas de juegos

Los juegos son uno de los desafos mentales ms estimulantes para los seres humanos,
que reta su capacidad para resolver problemas, as como su habilidad para analizar los
elementos esenciales del problema e identificar las posibles acciones necesarias para
resolverlos y generar un resultado positivos y tal vez ptimo.
Se sobrentiende que la resolucin de problemas es un proceso que parte de unos datos
iniciales y que mediante un conjunto de procedimientos lgicos escogidos, puede generar
los pasos o elementos que permitan encontrar la solucin ptima o no de un problema
planteado.
Lo ms espectacular que nos proporciona la utilizacin de los juegos es que a travs de
ellos es muy fcil medir el xito o el fracaso de alguna situacin, por lo que podemos
comprobar si las tcnicas y algoritmos empleados son los ptimos. En comparacin con
otras aplicaciones de inteligencia artificial, por ejemplo comprensin del lenguaje, los
juegos no necesitan grandes cantidades de algoritmos definidos, sino ms lgicas que se
rigen de las leyes naturales que permiten crear las situaciones necesarias para una ptima
resolucin de un problema.

Ejemplo: N reinas
Espacio de estados: Configuraciones de 0 a n reinas en el tablero con slo una por
fila y columna.
Estado inicial: Configuracin sin reinas en el tablero.
Estado final: Configuracin en la que ninguna reina se mata entre si.
Operadores: Colocar una reina en una fila y columna.
Condiciones: La reina no es matada por ninguna ya colocada.
Transformacin: Colocar una reina mas en el tablero en una fila y columna
determinada.
Solucin: Una solucin, pero no nos importan los pasos.
10