ASIGNATURA:

Inteligencia artificial
investigacion

PRESENTA:
No. CONTROL

NOMBRE

SEMESTRE

121k0008

Alvarez Jimenez Sergio

8A

CARRERA:
INGENIERA EN SISTEMAS COMPUTACIONALES
DOCENTE:
Ing. Placido Balam Can
FELIPE CARRILLO PUERTO, QUINTANA ROO, MXICO.
jueves, 25 de febrero de 2016

Contenido
Introduccin .................................................................................................................................... 3
Unidad 2.- Tcnicas de bsqueda. ...................................................................................................... 4
2.1 solucin de problemas con bsqueda. ............................................................................... 4
2.2 espacios de estado................................................................................................................ 5
2.2.1 Determinsticos. ................................................................................................................. 6
2.2.2 No determinsticos. ............................................................................................................ 7
2.3 Mtodos de bsqueda. ............................................................................................................. 8
2.3.1 Primero en anchura (breadth-first). ................................................................................... 9
2.3.3 Grafos O............................................................................................................................ 11
2.3.4 Grafos A. ........................................................................................................................... 13
2.4 Satisfaccin de restricciones. .................................................................................................. 14
2.5 Teora de juegos. ..................................................................................................................... 15
Conclusin ..................................................................................................................................... 17
Bibliografa .................................................................................................................................... 18

Introduccin

Las tcnicas de bsqueda son herramientas para la solucin de un problemas, en

este documento abordaremos los tipos de tcnicas de bsqueda, cada tcnica
muestra caminos o soluciones que se podran realizar durante el planteamiento de
un problema.
Para poder resolver el problema, debemos construir un modelo para basar muestras
decisiones en las consecuencias (hipotticas) de nuestras acciones, problemas
que, para resolverlos de forma exacta, requieren la realizacin de una bsqueda en
un espacio que es de tamao exponencial.

Unidad 2.- Tcnicas de bsqueda.

Las tcnicas de bsqueda son una serie de esquemas de representacin del
conocimiento, que mediante diversos algoritmos nos permite resolver ciertos
problemas desde el punto de vista de la I.A.

2.1 solucin de problemas con bsqueda.

Es uno de los procesos bsicos de razonamiento que la inteligencia artificial trata

de abordar, el objetivo consiste en lograr que la mquina ayude a un experto
humano a encontrar la solucin a un determinado problema.
Existen principalmente dos clases de problemas que se pueden resolver mediante
procesos computables: aquellos en los que se utiliza un algoritmo determinista que
garantiza la solucin al problema y las tareas complejas que se resuelven con la
bsqueda de una solucin; de esta ltima clase de problemas se ocupa la IA.
La resolucin de problemas es una capacidad que consideramos inteligente. Somos
capaces de resolver problemas muy diferentes.

Encontrar el camino de un laberinto.

Resolver un crucigrama.
Jugar a un juego.
Diagnosticar a una enfermedad.
Decidir si invertir en una bolsa.

El objetivo es que el programa tambin sea capaz de resolverlos. Deseamos definir

cualquier tipo de problema de manera que se pueda resolver automticamente.
La solucin de problemas requiere dos consideraciones:

Representacin del problema en un espacio organizado.

La capacidad de probar la existencia del estado objetivo en dicho espacio.

Las anteriores premisas se traducen en: la determinacin del estado objetivo y la

determinacin del camino ptimo guiado por este objetivo a travs de una o ms
transiciones dado un estado inicial

El espacio de bsqueda, se le conoce como una coleccin de estados.

En general los espacios de bsqueda en los problemas de IA no son completamente
conocidos de forma a priori. De lo anterior resolver un problema de IA cuenta con
dos fases:

La generacin del espacio de estados

La bsqueda del estado deseado en ese espacio.

Debido a que todo el espacio de bsqueda de un problema es muy grande, puede

causar un bloqueo de memoria, dejando muy poco espacio para el proceso de
bsqueda. Para solucionar esto, se expande el espacio paso a paso, hasta
encontrar el estado objetivo.

2.2 espacios de estado.

El estado es el conjunto ms pequeo de variables de modo que el conocimiento

de estas variables, junto con el conocimiento de la entrada, determinar por completo
el comportamiento de los sistemas para cualquier tiempo.
El espacio de estados es la representacin de un problema que abarca todas las
posibles situaciones que se pueden presentar en la solucin del problema.

Los espacios de estados implcitos normalmente utilizan un sistema de produccin

para generar sobre la marcha los posibles estados siguientes de un estado dado.
Los juegos suelen crear un espacio de estados implcito ya que un juego puede
variar
dependiendo
de
las
reglas
que
lo
describen.
Los espacios de estados explcitos son aquellos en los se define, previo al inicio de
la bsqueda, todos los estados posibles y las conexiones entre ellos.
La representacin de los espacios de estados explcitos se puede dar o no
determinsticamente.

2.2.1 Determinsticos.
La representacin de los espacios de estados explcitos se puede dar o no
determinsticamente, esto es, que el espacio de estados determinsticos
contienen un nico estado inicial y seguir la secuencia de estados para la
solucin. Los espacios de estados determinsticos son usados por los
sistemas expertos.

2.2.2 No determinsticos.

El no determinstico contiene un amplio nmero de estados iniciales y sigue

la secuencia de estados perteneciente al estado inicial del espacio. Son
usados
por
sistemas
de
lgica
difusa.
En otras palabras, 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 es no determinstico.

2.3 Mtodos de bsqueda.

Los mtodos de bsqueda son una serie de esquemas de representacin del

conocimiento, que mediante diversos algoritmos nos permite resolver ciertos
problemas desde el punto de vista de la I.A.
Los elementos que integran los mtodos de bsqueda son:

Conjunto de estados: todas las configuraciones posibles en el

dominio.
Estados iniciales: estados desde los que partimos.
Estados finales: las soluciones del problema.
Operadores: se aplican para pasar de un estado a otro.
Solucionador: mecanismo que nos permite evolucionar de un estado
a otro mediante un algoritmo aplicando los siguientes pasos:
1. Elegir el estado a explorar.
2. Establecer un operador que trabaje sobre el estado elegido en el
paso 1.
3. Comprobar si el resultado obtenido es un estado final (es una
solucin del problema). Sino ir al paso 1.

Ejemplo con 8-puzzle: este juego consiste en, dada una matriz de 3x3
elementos, tenemos 8 nmeros que deben de ser ordenados dejando la
casilla central vaca.
Para resolverlo usaremos tcnicas de bsqueda:
El conjunto de estados son todas las combinaciones posibles de ordenacin
de las 9 piezas.
El estado inicial es el estado en el que nos dan el puzzle, en desorden.
El estado final es el puzzle ordenado.
Los operadores son mover una ficha en cualquier direccin: arriba,
abajo, izquierda o derecha.

2.3.1 Primero en anchura (breadth-first).

La bsqueda de profundidad es la bsqueda de metas de anchura (o
amplitud). Como su nombre lo indica, este enfoque supone atravesar un rbol
por anchura ms que por profundidad. Como puede ser visto ms adelante
en la figura, el algoritmo de anchura empieza examinando todos los nodos de
un nivel (a veces llamado hebra uno) abajo del nodo raz.
Si una meta de estado es alcanzada aqu, el xito es reportado. De otra forma
la bsqueda continua ampliando caminos de todos los nodos del nivel en
curso, para posteriormente bajar el prximo nivel. De este modo, la bsqueda
continua revisando los nodos en un nivel especial, e informara sobre el xito
cuando un nodo meta esta encontrado, y reportar una falla si todos los nodos
han sido revisados y ningn nodo meta ha sido encontrado.

2.3.2 primero en profundidad (depth-firsth)

Es equivalente a un recorrido en preorden de un rbol, se elige un nodo de
partida, se marca como visitado y se recorren los nodos no visitados
adyacentes a el nodo de inicio usando recursivamente la bsqueda.

2.3.3 Grafos O.
Este algoritmo, combina las ventajas de los algoritmos primero en
profundidad y primero en amplitud. Sigue un sendero a la vez, pero puede
cambiarse a otro sendero que parece ms prometedor que el que est
siguiendo.
En este sentido, puede considerarse que es un algoritmo que realiza su
proceso de bsqueda en un grafo de tipo O, ya que todos sus ramales
representan una alternativa de solucin. Para su operacin, el algoritmo
necesita dos listas de nodos y una funcin heurstica que estime los mritos
de cada nodo que se genere:
1. ABIERTOS - Es una variable que contiene los nodos que han sido
generados. La funcin heurstica ha sido aplicada a ellos, pero todava no han
sido examinados, es decir no se han generado sus sucesores. ABIERTOS
puede considerarse como una COLA DE PRIORIDADES en la que los
elementos con mayor prioridad son los que tienen los valores ms
prometedores, dados por la funcin heurstica.
2. CERRADOS - Es una variable que contiene los nodos que han sido
examinados. Es necesario tener esta informacin, para que la bsqueda sea
en un grafo y no en un rbol.
3. FUNCIN HEURSTICA - Permite que el algoritmo busque primero por
senderos que son o parecen ms prometedores.
Para muchas aplicaciones, es conveniente definir esta funcin f', como la
suma de dos, que se las llamar g y h'. La funcin g es una medida del costo
de llegar desde el nodo inicial al nodo actual. La funcin h' es una estimacin
del costo adicional para llegar desde el nodo actual al estado objetivo. Aqu
es donde se explota el conocimiento que se dispone sobre el dominio del
problema.
Es decir, la funcin combinada f' representa una estimacin del costo de
llegar desde el estado inicial hasta el estado objetivo, siguiendo el sendero
que ha generado el nodo actual. Si el nodo actual ha generado ms de un
sendero, el algoritmo deber dejar registrado slo el mejor.

El algoritmo, en la forma que fue formulado, se aplica a grafos. Puede ser

simplificado para aplicarse a rboles, si no se preocupa de comprobar si un
nuevo nodo est en ABIERTOS o en CERRADOS. Esto acelerara la
generacin de nodos y la bsqueda, para casos en que es poco probable que
se repitan nodos.
Usualmente, el costo de ir de un nodo a su sucesor, g, se fija en una constante
igual 1, cuando se desea encontrar un sendero a la solucin, que involucre el
menor nmero de pasos. Si por el contrario nos interesa encontrar el camino
menos costoso y algunos operadores cuestan ms que otros, se asume un
valor de g, que refleje esos costos. Un valor de g igual a cero significara que
simplemente nos interesa llegar a alguna solucin, de cualquier manera.
Si h' es un estimador perfecto de h, har que A* converja inmediatamente al
objetivo, sin bsqueda. Mientras mejor sea h', ms cerca se estar de
alcanzar esta aproximacin directa. Si h' vale cero, la bsqueda ser
controlada por g. Si el valor de g es tambin cero, har que la bsqueda sea
aleatoria. Si el valor de g es siempre 1, har que la bsqueda sea primero en
anchura. Para los casos en que h' no sea perfecto ni cero, y nunca llega a
sobrestimar el valor de h, el algoritmo A* est garantizado que encontrar un
sendero ptimo a un objetivo, en caso de que exista solucin. Cuando un
algoritmo garantiza el encontrar una solucin ptima, si esta existe, se dice
que es admisible.

2.3.4 Grafos A.
Metodologa: Ponderar a la vez lo cerca que estamos del nodo meta
y lo lejos que estamos del nodo inicial.
Tipo: tentativo.
Ventajas: soluciones ms cercanas a la raz.
Inconvenientes: la funcin de evaluacin se complica.

2.4 Satisfaccin de restricciones.

Los problemas pueden resolverse buscando en un espacio de estados, estos

estados pueden evaluarse por heursticas especficas para el dominio y
probados para verificar si son estados meta.
Los componentes del estado, son equivalentes a un grafo de restricciones,
los cuales estn compuestos de:
Variables. Dominios (valores posibles para las variables).
Restricciones (binarias) entre las variables.
Objetivo: encontrar un estado (una asignacin completa de valores a las
variables)
Que satisface las restricciones.
En los Problemas de Satisfaccin de Restricciones (PSR), los estados y la
prueba de meta siguen a una representacin estndar, estructurada y muy
simple.
Ejemplos:
Crucigramas
Colorear mapas

2.5 Teora de juegos.

La Teora de Juegos es un tipo de anlisis matemtico orientado a predecir
cul ser el resultado cierto o ms probable de una disputa entre dos o ms
individuos o empresas o pases, etc. En el mundo real son muy frecuentes
las situaciones en las que, al igual que en los juegos, su resultado depende
de la conjuncin de decisiones de los diferentes agentes o jugadores. En la
teora de juegos no tenemos que preguntarnos qu vamos a hacer, tenemos
que preguntarnos qu vamos a hacer teniendo en cuenta lo que pensamos
que harn los dems y ellos actuarn pensando segn crean que van a ser
nuestras actuaciones... tales situaciones reciben el nombre de "juegos".
En su fase inicial la teora de juegos fue utilizada para explicar algunos
comportamientos de la economa, pero actualmente es utilizada en otras
reas como el derecho, la biologa, la filosofa, la tica, la ciencia poltica, la
informtica, la inteligencia artificial o la ciberntica. El valor principal de la
Teora de Juegos es que analiza y cuantifica conceptos como la cooperacin,
la competicin y los conflictos interpersonales.
Algunas aplicaciones de la Teora de Juegos a la vida real son las siguientes:
Contratos, Guerras militares o comerciales, Marketing para la competencia
en los mercados, Negociaciones domsticas, comerciales o colectivas y
Alianzas.
Esta teora fue diseada y elaborada a partir de la Segunda Guerra Mundial
por John Von Neumann (matemtico) y Oscar Morgenstern (economista) en
1944. Durante las dos dcadas que siguieron a la guerra uno de los progresos
ms importantes de la teora econmica fue la Teora de Juegos y el
comportamiento econmico. A principios de los aos 50, con una serie de
artculos, el matemtico John F. Nash, cuya biografa es conocida mediante
la pelcula Una Mente Maravillosa. Nash logra darle forma matemtica al
concepto de equilibrio que los economistas usaban durante esa poca y
demostr la existencia para una gran clase de juegos, con lo que se llam
Equilibrio de Nash. En sntesis, en la Teora de Juegos nada es fijo. La
economa es dinmica y evoluciona. Los jugadores crean nuevos mercados
y asumen mltiples papeles. Son innovadores. Nadie adopta los precios y los
productos porque s. Si esto le suena como a libre mercado o a un escenario
de mercado rpidamente cambiante, sta es la razn por la cual la Teora de
Juegos es tan atrayente en la nueva economa.

Una aplicacin actual de la Teora de Juegos est dada en el anlisis del

poder de decisin de los pases de la Unin Europea respecto a la regla de
votacin incluida en el Tratado de la Constitucin Europea, celebrado en
Bruselas el 18 de Junio de 2004. Investigadores en Teora de Juegos, de la
Universidad de Sevilla, han presentado una carta a los gobiernos de los
Estados miembros de la Unin Europea, puesto que resultados de su
investigacin han arrojado como conclusin que con dicha regla de votacin
no se respeta el principio bsico de cualquier ciudadano de la Unin Europea
que es que tenga el mismo poder de decisin; por ello han propuesto un
nuevo sistema de votacin.

Conclusin

Debido a que la bsqueda es el ncleo de muchos procesos inteligentes, es

necesario escoger la estructura de control apropiada con el fin de que el
proceso de bsqueda sea eficiente. La inteligencia artificial proporciona
varias tcnicas de bsqueda que tienen una formulacin matemtica, la cual
hace posible su implementacin computacional bajo el esquema de
programacin estructurada. En este trabajo se presentan las tcnicas de
bsqueda en amplitud y en profundidad, las cuales son tcnicas de
inteligencia artificial, para la solucin de un problema de gran complejidad
matemtica como lo es la solucin de un laberinto de estructura desconocida.

Bibliografa

http://karenjcs.wix.com/artifi-intelk#!unidad-2/c1oym
http://inteligenciaartificial-isc.blogspot.mx/p/unidad-2.html
https://prezi.com/anjyvldtxjfd/copy-of-21-solucion-de-problemas-con-busqueda/
http://es.slideshare.net/pakodiaz752/tipos-de-busquedas-ia