Anda di halaman 1dari 81

Universidade Federal do Piau

Centro de Educao Aberta e a Distncia


Curso de Sistemas de Informao
Disciplina: Inteligncia Artificial
P R O F. M E . J L I O C S A R

JCZARS@UFPI.EDU.BR
UNIDADE 02 - Resoluo de Problemas
Atravs de Buscas
RESUMINDO

OBJETIVO
PROBLEMAS E ESPAO DE PROBLEMAS
COMO ENCONTRAR UMA SOLUO
MTODOS DE BUSCA
MEDIDA DE DESEMPENHO NA BUSCA

19/03/2017 Prof. Me. JLIO CSAR 2


RESUMINDO
Quando deparamos com problema?
Quais as possveis solues?
Qual a melhor soluo?
Essa mesma filosofia utilizada pela IA?
Estudar mecanismo de busca que permite a resoluo de problemas.
Estudaremos como formular tais problemas e como resolv-los sem informao (busca cega) e
com informao.
Como avaliar o desempenho desses mecanismos de busca e
Como lidar em situaes que existe competio (busca competitiva).

19/03/2017 Prof. Me. JLIO CSAR 3


OBJETIVO
1. Aprender como formular problemas na IA;
2. Mensurar o desempenho de busca de solues para um problema;
3. Aprender os principais mtodos de busca cega;
4. Reconhecer mecanismos de busca com informao;
5. Identificar o mecanismo de busca em jogos com dois adversrios.

19/03/2017 Prof. Me. JLIO CSAR 4


PROBLEMAS E ESPAO DE PROBLEMAS
Habilidade para resolver problemas frequentemente usada como medida de inteligncia para
mquinas e homens.
Existem basicamente dois tipos de problemas.
So os problemas computveis (determinstico).
So os problemas no computveis (busca por soluo);
A formulao do objetivo o primeiro passo na resoluo de problemas

19/03/2017 Prof. Me. JLIO CSAR 5


O QUE UM OBJETIVO
um conjunto de estados do mundo
exatamente os estados em que o objetivo satisfeito.
Aes podem ser vistas como aquelas que causam transies entre os estados do mundo.

Ao formular o problema deve-se definir o objetivo,


Ou seja, definir o estado final que satisfaz o agente;
Detalhar o estado inicial;
Detalhar a funo que leva aos prximos estados;
O teste de objetivo, que determina se o estado final foi alcanado;
E o custo (path cost), determina o desempenho;

19/03/2017 Prof. Me. JLIO CSAR 6


Exemplo:
Frias na
Romnia

19/03/2017 Prof. Me. JLIO CSAR 7


FORMULANDO O PROBLEMA
Um problema definido por quatro itens:
1. Estado inicial ex., em Arad"
2. Aes ou funo sucessor S(x) = conjunto de pares estado-ao
ex., S(Arad) = {<Arad Zerind, Zerind>, }
3. Teste de objetivo, pode ser
explcito, ex., x = em Bucharest"
implcito, ex., Cheque-mate(x)
4. Custo de caminho (aditivo)
ex., soma das distncias, nmero de aes executadas, etc.
c(x,a,y) o custo do passo, que deve ser sempre 0
Uma soluo uma sequncia de aes que levam do estado inicial para o estado objetivo.
Uma soluo tima uma soluo com o menor custo de caminho.

19/03/2017 Prof. Me. JLIO CSAR 8


Exemplo: 8-Puzzle
Espao de Estados: 181.440 possveis estados;
Estado Inicial: Qualquer estado;
Estado Final: Figura ao lado Goal State;
Aes Possveis: Mover o quadrado vazio para direita, para esquerda, para
cima ou para baixo;
Custo: Cada passo tem o custo 1, assim o custo do caminho definido pelo
numero de passos;
15-puzzle (4x4) 1.3 trilhes estados possveis.

19/03/2017 Prof. Me. JLIO CSAR 9


COMO ENCONTRAR UMA SOLUO?
Uma vez o problema bem formulado, o estado final (objetivo) deve ser
buscado no espao de estados.
A busca representada em uma rvore de busca:
Raiz: corresponde ao estado inicial;
Expande-se o estado corrente, gerando um novo conjunto de sucessores;
Escolhe-se o prximo estado a expandir seguindo uma estratgia de busca;
Prossegue-se at chegar ao estado final (soluo) ou falhar na busca pela soluo;

19/03/2017 Prof. Me. JLIO CSAR 10


BUSCANDO SOLUES
Exemplo: Ir de Arad para Bucharest

Arad

Sibiu Timissoara Zerind

Arad Orades Fagaras Rimnico


Vilcea

19/03/2017 Prof. Me. JLIO CSAR 11


MEDIDA DE DESEMPENHO
Um dos obstculos mais difceis de superar quando so aplicadas tcnicas de IA aos problemas
do mundo real;
Magnitude e complexidade da maioria das situaes;
Os pesquisadores acreditam que a busca a base da resoluo de problemas, que um
ingrediente crucial da inteligncia.

19/03/2017 Prof. Me. JLIO CSAR 12


MEDIDA DE DESEMPENHO
O desempenho de um algoritmo de busca depende de alguns fatores:
Completeza: sempre encontra uma soluo se esta existir;
Otimizao: encontra a soluo tima;
Complexidade de tempo: tempo gasto para encontrar uma soluo;
Complexidade de espao: memria necessria para encontrar uma soluo.

Alm disso, podemos dizer que a busca possui um custo total, que a soma do
custo da soluo

19/03/2017 Prof. Me. JLIO CSAR 13


MTODOS DE BUSCA
Busca Cega ou Exaustiva:
Na busca cega, no se sabe qual o melhor n da fronteira (ltimos ns alcanados pela
funo) a ser expandido (aquele que acarreta um menor custo at o objetivo).
Apenas distingue o estado objetivo dos no objetivos.

Busca Heurstica:
Estima qual o melhor n da fronteira a ser expandido com base em funes heursticas.

19/03/2017 Prof. Me. JLIO CSAR 14


Mtodos de Busca Cega
um meio de resoluo de problemas;
A ideia transformar um problema de raciocnio diretamente em um problema de navegao
num espao de estados;
A partir de um estado inicial, pode-se buscar uma sequncia de aes que conduzem ao estado
final desejado (Objetivo);
Soluo tima Melhor caminho menor custo;
Avaliao do desempenho completude e complexidade do espao

19/03/2017 Prof. Me. JLIO CSAR 15


As principais estratgias de busca cega
Busca em Largura,
Busca em Profundidade,
Busca em Profundidade Limitada e
Busca de Aprofundamento Iterativo.

19/03/2017 Prof. Me. JLIO CSAR 16


Medida de Desempenho na Busca
Complexidade de tempo e espao so medidas em termos de:
fator mximo de ramificao da rvore de busca (b branching),
(nmero mximo de sucessores de qualquer n)
profundidade da soluo de menor custo (d depth) e
profundidade mxima do espao de estados (m).

Tempo: medido em termos do nmero de ns gerados durante a busca;

19/03/2017 Prof. Me. JLIO CSAR 17


Busca em Largura (Extenso)
1. Expande-se o n raiz; Raiz

2. Expande-se todos os ns gerados pela raiz;


2
3. Todos os ns na profundidade d so expandidos antes dos
ns na profundidade d+1.

Completa desde que d seja finito,


Tempo da ordem de bd+1, 3
Espao e em geral no tima, exceto quando o custo
constante a cada passo.
Se houver mais de uma soluo esta estratgia encontra
primeiro a mais prxima da raiz. 3

19/03/2017 Prof. Me. JLIO CSAR 18


Busca em Largura (Extenso)
A A

B C B C

D E F G D E F G

19/03/2017 Prof. Me. JLIO CSAR 19


Busca em Largura (Extenso)
A A

B C B C

D E F G D E F G

19/03/2017 Prof. Me. JLIO CSAR 20


Busca em Largura (Extenso)
A A

B C B C

D E F G D E F G

19/03/2017 Prof. Me. JLIO CSAR 21


Busca de Custo Uniforme
A meta mais prxima da raiz no representa sempre a de menor custo
Modifica a busca em largura,
Expande sempre o prximo n ainda no expandido que possui caminho de menor custo;
custo associado diferente, medido pela funo g(n),
g(n) d o custo do caminho da origem ao n n
Completa desde que o custo de cada n seja diferente de 0,
Tempo e o Espao so iguais ao nmero de ns com custo(n) menor que o custo(soluo
tima),
tima sim, j que os ndulos expandem em ordem crescente de custo(n).

19/03/2017 Prof. Me. JLIO CSAR 22


Busca de Custo Uniforme
problema de
A
roteamento
Atingir a meta M, a
partir do estado 1 10
inicial R.
5 5
R B M
15 5

19/03/2017 Prof. Me. JLIO CSAR 23


Busca de Custo Uniforme
Esta estratgia encontra a melhor
soluo se: R - 00
O custo do caminho nunca diminuir
enquanto o mesmo for percorrido -
g(sucessor(n)) g(n). A - 01 B - 05 C - 15
Esta restrio obedecida se o custo do
caminho a soma dos custos dos
operadores que geram o caminho e
M - 11 M - 10
nenhum operador tem custo negativo.

19/03/2017 Prof. Me. JLIO CSAR 24


Busca em Profundidade
Expande sempre um dos ns de maior profundidade na rvore;
Quando a busca encontra um n que no pode ser expandido, retorna e expande os ns que
esto pendentes.
Completa No, pois falha em rvores de profundidade infinita;
Tempo O (bm): pssimo quando m muito maior que d.
Espao O(b*m), i.e., espao linear!
tima No;
ou seja, crescimento linear, e no tima, devendo ser evitada em rvores muito profundas ou
profundidade infinita.

19/03/2017 Prof. Me. JLIO CSAR 25


Busca em profundidade
A A

B C B C

D E F G F E D G

H I J K H I J K H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 26


Busca em profundidade
A A

B C B C

D E F G D E F G

H I J K H I J K H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 27


Busca em profundidade
A A

B C B C

D E F G D E F G

H I J K H I J K H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 28


Busca em profundidade
A A

B C B C

D E F G D E F G

H I J K H I J K H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 29


Busca em profundidade
A A

B C B C

D E F G D E F G

H I J K H I J K H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 30


Busca em profundidade
A

B C

D E F G

H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 31


Busca em profundidade
Pouca exigncia de memria:
necessrio armazenar apenas um nico A
caminho da raiz at um n-folha.
Para um espao de estados finito, com
B C
profundidade mxima m e fator de
ramificao b:
Necessrio armazenar : bm ns. D E F G

Complexidade temporal: O(bm).


H I J K H I J K

19/03/2017 Prof. Me. JLIO CSAR 32


Busca em profundidade Interativa
uma variao da Busca em Profundidade;
limite de profundidade L, que inicia em 0 e vai sendo incrementado de 1 a cada iterao.
Combina busca em profundidade com busca em extenso;
Completa No, a soluo pode estar alm do limite,
Tempo da ordem de O(bd),
Espao O(b*d),
tima Sim, se custo de passo = 1;

19/03/2017 Prof. Me. JLIO CSAR 33


Busca em profundidade Interativa
A A
Limit =0
I =0

A A A A

Limit =1 B C B C B C B C
I=1

19/03/2017 Prof. Me. JLIO CSAR 34


Busca em profundidade Interativa
A A A A
Limit =2
B C B C B C B C
I =2
D E F G D E F G D E F G D E F G

A A A A

B C B C B C B C

D E F G D E F G D E F G D E F G

19/03/2017 Prof. Me. JLIO CSAR 35


Busca em profundidade Interativa
A A A A

C B C B C B C
B
Limit =3
D E F G D E F G D E F G D E F G
I =3
H I J K L M N O H I J K L M N O H I J K L M N O H I J K L M N O

A A A A

B C B C B C B C

D E F G D E F G D E F G D E F G

H I J K L M N O H I J K L M N O H I J K L M N O H I J K L M N O

A A A A

B C B C B C B C

D E F G D E F G D E F G D E F G

H I J K L M N O H I J K L M N O H I J K L M N O H I J K L M N O

19/03/2017 Prof. Me. JLIO CSAR 36


Busca com Informao
Diferentemente da Busca cega,
esta utiliza conhecimento especfico sobre o problema para encontrar a soluo de forma mais
eficiente;
Abordagem geral: busca pela melhor escolha.
Utiliza uma funo de avaliao para cada n.
Expande o n que tem a funo de avaliao mais baixa.
Dependendo da funo de avaliao, a estratgia de busca muda.
Alguns algoritmos de busca heurstica global so:
Busca gulosa,
A*,
RBFS, e
SMA*.

19/03/2017 Prof. Me. JLIO CSAR 37


Busca Gulosa
Estratgia expandir o n supostamente mais prximo a origem (heurstica),
A distncia do n a expandir ao objetivo estimada atravs de uma funo
heurstica.
Sofre dos mesmos problemas da Busca Exaustiva (cega) em Profundidade
Loops
Pode no encontrar o menor caminho at o objetivo;

No tima, pois segue o melhor passo considerando somente o estado atual.


Pode haver um caminho melhor seguindo algumas opes piores em alguns
pontos da rvore de busca.

19/03/2017 Prof. Me. JLIO CSAR 38


Busca Gulosa
Completa No pode ficar presa em loops,
Lasi Neamt Iai Neamt

Tempo O(bm) no pior caso, mas uma boa funo heurstica pode levar a uma
reduo substancial
Espao O(bm) mantm todos os ns na memria
tima No
Exemplo:
problema de clculo da distncia entre as cidades Romenas de Arad Bucharest (mapa da
Figura 7) atravs dessa busca.

19/03/2017 Prof. Me. JLIO CSAR 39


Romnia com custo em km

19/03/2017 Prof. Me. JLIO CSAR 40


Exemplo de busca gulosa pela melhor escolha
Arad 366

Timisoara 329 Sibiu 253 Zerind 374

193 Rimnicu Fagaras 178

Arad Sibiu Fagaras Bucharest

Bucharest 0

19/03/2017 Prof. Me. JLIO CSAR 41


Algoritmo A*
Ideia:
Evitar expandir caminhos que j so caros

Funo de avaliao f(n) = g(n)+h(n)


g(n) = custo (caminho percorrido) at o momento para alcanar n
h(n) = custo estimado (caminho Restante) de n at o objetivo
f(n) = custo total estimado do caminho atravs de n at o objetivo.

Elimina caminhos redundantes


Semelhante as buscas cegas de custo uniforme

19/03/2017 Prof. Me. JLIO CSAR 42


Algoritmo A*
Completa quando a heurstica admissvel;
Tempo pior caso O(bd) (Exponencial);
Espao Mantm todos os ns na memria;
tima Sim, para heursticas admissveis;
Retornando ao exemplo f(n) = g(n) + h(n) combina as vantagens da busca com custo uniforme e
a busca gulosa.

19/03/2017 Prof. Me. JLIO CSAR 43


Exemplo de busca A*
f(n) = g(n) + h(n)
Arad 366=0+366

Timisoara 447=118+329 Sibiu 393=140+253 Zerind 449=75+374

413=220+193 Rimnicu Fagaras 417=239+178

Craiova Pitesti Sibiu Bucharest Sibiu

526=366+160 417=317+100 553=300+253 450=450+0 591=338+253

Bucharest Craiova Rimnicu


Arad Sibiu Rimnicu PitestiBucharest
418=418+0 615=455+160 607=414+193

19/03/2017 Prof. Me. JLIO CSAR 44


Recursive Best-First-Search (RBFS)
Extenso para limitar o nmero de ns guardado na memria
IDA*
que semelhante busca em aprofundamento iterativo, mas com a diferena de que o limite de
expanso dado por f(n) e no por d;

Recursive Best-First-Search (RBFS),


Semelhante busca recursiva em profundidade,
com a diferena de que no desce indefinidamente na explorao,
havendo um controle da recurso pelo valor de f(n),
e se existir algum n em um dos ancestrais que oferea melhor estimativa que o n atual, a recurso
retrocede e a busca continua no caminho alternativo,
sendo assim, completa e tima quando a heurstica admissvel com espao O(bd), no pior caso e
tempo difcil de se estimar.

19/03/2017 Prof. Me. JLIO CSAR 45


SMA* (Simple Limited Memory A*)
Utiliza toda a memria disponvel,
e quando a memria est cheia, ele elimina o pior n folha (maior custo de f(n)) para continuar
a busca,
completa e tima quando a memria alocada suficiente.
O desempenho da busca deve est condicionado qualidade da funo heurstica, que deve ser
admissvel e ter alta preciso (qualidade da distncia do n corrente ao n objetivo).

19/03/2017 Prof. Me. JLIO CSAR 46


Busca Competitiva
A presena de um oponente complicado e interessante;
Preocupaes - contingncias como o espao em memria e o tempo disponvel.
O oponente introduz incerteza e no toma decises sorte, tentar sim, jogar de forma a
minimizar o nmero de jogadas ruins para si.
Os jogos so mais interessantes, porm mais difceis de serem resolvidos;

19/03/2017 Prof. Me. JLIO CSAR 47


Exemplo: xadrez
Fator mdio de ramificao: 35
Nmero mdio de jogadas: 50 para cada jogador.
Assim, a rvore completa de busca de um jogo ter
aproximadamente 35100 ou 10154 ns.
Portanto, uma busca cega invivel, mesmo para realizar o
primeiro movimento.
Se deve fazer o melhor uso possvel do tempo disponvel para
uma jogada:
tomar alguma deciso, mesmo que a jogada tima no seja
determinada em tempo.

19/03/2017 Prof. Me. JLIO CSAR 48


Busca Competitiva
Tcnicas para escolher uma boa jogada (busca competitiva) em jogos atravs de cortes nas
rvores de estados (corte ou poda alfa-beta) e da avaliao heurstica de estados,
Evitar a pesquisa em ramos que no so relevantes para a escolha final,
Sem realizar uma pesquisa completa na rvore de todas as jogadas possveis.

Algoritmo MIN-MAX
poda alfa-beta

19/03/2017 Prof. Me. JLIO CSAR 49


Algoritmo MIN-MAX
Consideraremos jogos com dois jogadores:
MAX e MIN
MAX faz o primeiro movimento e depois eles se revezam at o jogo terminar.
Pontuao para os dois =0

Um jogo pode ser definido como um problema de busca com:


estado inicial
funo sucessor (-> movimento, estado)
teste de trmino
funo utilidade: d um valor numrico para os estados terminais

19/03/2017 Prof. Me. JLIO CSAR 50


Jogo da Velha
A Funo de Utilidade pode atribuir trs
valores diferentes aos ns terminais:
1 se o jogador ganha;
0 se o jogador empata;
-1 se o jogador perde.

19/03/2017 Prof. Me. JLIO CSAR 51


Exemplo: rvore de jogo (2 jogadores)

Jogo da velha:
765 posies diferentes
26.830 jogos distintos
138 estados terminais:
91 (+1, X)
44 (-1, O)
3 empates (0)

Do ponto de vista de MAX,


valores altos de utilidade
so bons.

19/03/2017 Prof. Me. JLIO CSAR 52


Estratgias timas
A soluo tima para MAX depende dos movimentos de MIN, logo:
MAX deve encontrar uma estratgia de contingncia que especifique o movimento de MAX no estado
inicial, e depois o movimento de MAX nos estados resultantes de cada movimento de MIN e assim por
diante.

Dada uma rvore de jogo, a estratgia tima pode ser determinada a partir do valor minimax de
cada n.
O valor minimax (para MAX) a utilidade de MAX para cada estado, assumindo que MIN
escolhe os estados mais vantajosos para ele mesmo
(i.e. os estado com menor valor utilidade para MAX).

Aula 8 - 08/09/2010 53
Minimax
Melhor estratgia para jogos Melhor jogada
determinsticos
Idia:
escolher a jogada com o melhor
retorno possvel supondo que o
oponente tambm vai fazer a
melhor jogada possvel
Ex: Jogo simples, cada jogador faz
um movimento

Aula 8 - 08/09/2010 54
Exemplo: rvore MIN-MAX (2 jogadores)

MAX

MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 55


Exemplo: rvore MIN-MAX (2 jogadores)

MAX

Avaliando o valor (n)


Jogada MIN 3 MIN
Se no tem valor?

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 56


Exemplo: rvore MIN-MAX (2 jogadores)

MAX

Jogada MIN 3 MIN


Quem o menor valor?

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 57


Exemplo: rvore MIN-MAX (2 jogadores)

MAX

Repete o processo 3 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 58


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 59


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 60


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 61


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 62


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 14 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 63


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 5
14 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 64


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 5
2 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 65


Exemplo: rvore MIN-MAX (2 jogadores)
3

MAX

3 2 5
2 MIN

3 12 8 2 4 6 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 66


Propriedades do algoritmo MIN - MAX
Equivale a uma busca completa em profundidade na rvore do jogo.
m: profundidade mxima da rvore
b: movimentos vlidos em cada estado
Completo Sim (Se a rvore finita)
timo Sim (contra um oponente timo)
Complexidade de tempo O(bm)
Complexidade de espao O(bm)
Para xadrez, b 35, m 100 para jogos razoveis
soluo exata no possvel

Aula 8 - 08/09/2010 67
Corte Alpha-Beta
(Poda -)
Algoritmo minimax: no de estados do jogo exponencial em relao ao no de movimentos
Poda -:
calcular a deciso correta sem examinar todos os ns da rvore,
retorna o mesmo que minimax, porm sem percorrer todos os estados.

Aula 8 - 08/09/2010 68
Exemplo: rvore Corte Alfa e Beta (2 jogadores)

[- , + ]
MAX
MIN(, v)

[- , + ] MIN

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 69


Exemplo: rvore Corte Alfa e Beta (2 jogadores)
[, ]
[- , + ]
MAX

MIN(, v)
3 MIN
[- , 3 ]

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 70


Exemplo: rvore Corte Alfa e Beta (2 jogadores)
[, ]
[- , + ]
MAX

MIN(, v)
3 MIN
[- , 3 ]

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 71


Exemplo: rvore Corte Alfa e Beta (2 jogadores)
[, ]
[- , + ]
MAX

MIN(, v)
3 MIN
[- , 3 ]

3 12 8 2 4 1 14 5 2 MAX

ltimo sucessor

19/03/2017 Prof. Me. JLIO CSAR 72


Exemplo: rvore Corte Alfa e Beta (2 jogadores)
: melhor valor no caminho de MAX
[, ]
3
MAX(, v) [3 , + ]
MAX

3 MIN
[3 , 3 ]

3 12 8 2 4 1 14 5 2 MAX

19/03/2017 Prof. Me. JLIO CSAR 73


Exemplo: rvore Corte Alfa e Beta (2 jogadores)
[, ]
3
[3 , + ]
MAX

MIN(, v)
3 2 MIN
[3 , 3 ] [-
[-,,+]
2]

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 74


Exemplo de poda alfa-beta
[, ]
3
[3 , + ]
MAX

?
3 2 MIN
[- , 2]
[3 , 3 ]

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade Sim, continua a busca


No, interrompe a busca
Concluso, ento este ser sempre o pior caminho
19/03/2017 Prof. Me. JLIO CSAR 75
Exemplo: rvore Corte Alfa e Beta (2 jogadores)
: melhor valor no caminho para MIN.
[, ]
3
[3 , +14 ]]
MAX

? ?
[3 , 3 ] 3 [- , 2] 2 [-
[-, ,14
+] 14 MIN

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 76


Exemplo de poda alfa-beta
[, ]
3
[3
[3 ,, 514 ] ]
MAX

? ?
[3 , 3 ] 3 [- , 2] 2 [- , 14
5 ]] 5
14 MIN

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 77


Exemplo de poda alfa-beta
[, ]
3
[3 , 5 ]
MAX

? ?
[3 , 3 ] 3 [- , 2] 2 [-
[2 , ,2, 52 ]] ]
[- 52 MIN

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 78


Exemplo de poda alfa-beta
Escolhe o ramo com o maior valor.
[, ]
3
[3 , 5]
MAX

[3 , 3 ] 3 [- , 2] 2 [2, 2] 2 MIN

3 12 8 2 4 1 14 5 2 MAX

Busca em profundidade

19/03/2017 Prof. Me. JLIO CSAR 79


EXERCCIOS
Defina o que vem a ser um problema para IA explicando os termos: espao de estados, estado
inicial, estado final, aes, custo de caminho e soluo tima.

Quais so as diferenas entre busca cega e busca com informao?

Quais so os principais critrios de avaliao de uma estratgia de busca?


Explique cada um deles

Descreva, com suas palavras, o algoritmo de poda alfa-beta

19/03/2017 Prof. Me. JLIO CSAR 80


Curso Sistema
de Informao
Universidade Federal do Piau
Centro de Educao Aberta e a
Distncia

Disciplina: Inteligncia Artificial


UNIDADE 02 - Resoluo de Problemas
Atravs de Buscas

19/03/2017 Prof. Me. JLIO CSAR 81