Inteligencia artificial
Pierre Sergei Zuppa Azúa
Solución de problemas y búsqueda
Keyword
Tipos de problemas:
• Buscar una solución.
• Determinar si existe solución y encontrar un estado final.
• Buscar cualquier solución lo más rápidamente posible.
• Buscar todas las soluciones.
• Buscar la solución más corta.
• Buscar la solución menos costosa.
IA Específica
Inteligencia del conocimiento
Búsqueda Son una serie de esquemas
de representación del
conocimiento, que mediante diversos algoritmos nos
permite resolver ciertos
problemas desde el punto de
vista de la IA.
Elementos de búsqueda
• 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.
Categorías de búsqueda
Con
información Sin
información
Tipo de búsqueda
Tipos de búsqueda Descripción
Exhaustiva (a ciegas) No existe información específica sobre el problema que nos ayude a determinar cuál es el mejor operador que se debería aplicar en cada momento o el mejor nodo por el cual continuar la búsqueda.
Heurística Usan el conocimiento del dominio para adaptar el solucionador y, de esta manera, éste sea más potente y consiga llegar a la solución con mayor rapidez. Por tanto, estas técnicas utilizan el conocimiento para avanzar buscando la solución al problema.
Estrategia El primer requisito que debe cumplir una buena estrategia de control es que cause algún cambio, las estrategias de control que no causen cambio de estado nunca alcanzan la solución. El segundo requisito que debe cumplir una buena estrategia de control es que sea sistemática.
Profundidad Se genera solo un sucesor del nodo en cada paso, es decir, cada vez que se obtiene un
nuevo sucesor, se le aplica a éste un nuevo operador, se obtiene un nuevo sucesor, y así
sucesivamente.
Búsqueda exhaustiva
Tipos de búsqueda exhaustiva
Descripción
Amplitud Va construyendo un grafo de estados explícito mediante la aplicación de los operadores disponibles al nodo inicial, después aplica los operadores disponibles a los nodos sucesores directos del nodo inicial, y así sucesivamente.
Coste uniforme Variación a lo ancho del camino para encontrar el más barato, cada cambio de estado tiene asociado un costo.
Profundidad limitada Es óptima y garantiza el encontrar la solución al igual que la búsqueda a lo ancho, pero con requerimientos menores de memoria.
Iterativa Combina aspectos de la búsqueda a lo ancho y en profundidad.
Consideraciones para implementar una estrategia de búsqueda
• Abarcamiento: ¿La estrategia garantiza encontrar una solución, si es que la hay?
• Complejidad temporal: ¿Cuánto tiempo es necesario para encontrar la solución?
• Complejidad espacial: ¿Cuánta memoria se necesita para efectuar la búsqueda?
• Calidad: ¿La estrategia dará como resultado un resultado
óptimo, en caso de que existan varias soluciones?
Espacios de estados
El espacio de búsqueda será un grafo dirigido en el que cada nodo representa un posible estado del sistema.
Búsqueda en un espacio de estados
– Espacio de estados
Representación del problema a través de las (posibles) acciones del agente.
– Búsqueda en el espacio de estados:
Resolución del problema mediante la
proyección de las distintas acciones del
agente.
Espacio-estado
Es un grafo cuyos nodos representan las configuraciones alcanzables (los estados válidos) y cuyos arcos explicitan las movidas posibles (las transiciones de estado).
En principio, se puede construir cualquier espacio de estados partiendo del estado inicial, aplicando cada una de las reglas para generar los sucesores inmediatos, y así sucesivamente con cada uno de los nuevos estados generados (en la práctica, los espacios de estados suelen ser demasiado grandes para explicitarlos por completo).
Cuando un problema se puede
representar mediante un espacio de
estados, la solución computacional
corresponde a encontrar un camino
desde el estado inicial a un estado
objetivo.
Representación espacio-estado
Elementos
Acción: indica cómo modificar el estado actual para generar un nuevo estado.
Condición: impone restricciones sobre la aplicabilidad de la regla según el estado actual, el estado generado o la historia completa del proceso de solución.
Operadores
Operadores:
Representan un conjunto finito de acciones básicas que transforman unos estados en otros.
Elementos que describen un operador Aplicabilidad: precondición y postcondición.
Estado resultante de la aplicación de un operador (aplicable) a un estado.
Criterio para elegir operadores
Depende de la representación de los estados.
Preferencia por representaciones con menor
Elementos para la implementación de espacio-estado
Elección de una representación (estructura de datos):
• Para los estados.
• Para los operadores.
La implementación de un problema como espacio de estados consta de:
• Una variable *ESTADO-INICIAL*.
• Una función ES-ESTADO-FINAL (ESTADO).
• Una lista de operadores: *OPERADORES*.
• Una función APLICA (OPERADOR, ESTADO).
La función APLICA (OPERADOR, ESTADO):
• Devuelve NO-APLICABLE si OPERADOR no es aplicable a estado.
• En caso contrario, devuelve el estado resultante de aplicar OPERADOR a
ESTADO.
Representación por reducción del problema
Para la descripción del algoritmo de búsqueda en un grafo Y-O, se
definirá un valor
llamado INUTILIDAD. Si el valor estimado para una solución se hace mayor que el valor de INUTILIDAD, se abandona la búsqueda.
El valor de INUTILIDAD debe
elegirse para que cualquier solución
con un costo superior resulte
demasiado costosa como para ser
de utilidad práctica, aún en el caso
de que sea posible encontrarla.
Ejemplo de espacio de estados
Descripción del problema:
Un arriero se encuentra en el borde de un río llevando un puma, una cabra y una lechuga.
Debe cruzar a la otra orilla por
medio de un bote con capacidad
para dos (el arriero y alguna de
sus pertenecías). La dificultad es
que si el puma se queda solo con
la cabra la devorará, y lo mismo
sucederá si la cabra se queda
sola con la lechuga. ¿Cómo
cruzar sin perder ninguna
pertenencia?
(ejemplo)
Basta precisar la situación antes o después de cruzar.
El arriero y cada una de sus pertenencias tienen que estar en alguna de las dos orillas.
La representación del estado debe entonces indicar en qué lado se encuentra cada uno de ellos. Para esto se puede utilizar un término simbólico con la siguiente sintaxis: estado (A,P,C,L), en que A, P, C y L son variables que representan, respectivamente, la posición del arriero, el puma, la cabra y la lechuga.
Las variables pueden tomar dos valores: i y d, que simbolizan respectivamente el borde izquierdo y el borde derecho del río. Por convención se elige partir en el borde izquierdo.
El estado inicial es entonces estado (i,i,i,i).
Definición de las reglas de transición:
El arriero tiene cuatro acciones posibles:
cruzar solo, cruzar con el puma, cruzar con
la cabra y cruzar con la lechuga. Estas
acciones están condicionadas a que ambos
pasajeros del bote estén en la misma orilla y
a que no queden solos el puma con la cabra
o la cabra con la lechuga. El estado
resultante de una acción se determina
intercambiando los valores i y d para los
pasajeros del bote.
(ejemplo)
En este ejemplo se puede explicitar todo el espacio de estados (el número de configuraciones está acotado por 2
4).
El camino que pasa por la siguiente secuencia de estados es una solución del problema:
estado(i,i,i,i)
cruza con cabra estado(d,i,d,i)
cruza solo
estado(i,i,d,i)
cruza con puma
estado(d,d,d,i)
cruza con cabra estado(i,d,i,i)
cruza con lechuga estado(d,d,i,d)
cruza solo
estado(i,d,i,d)
cruza con cabra
estado(d,d,d,d)
(ejemplo)
procedure Búsqueda {
open {estado_inicial}
closed {}
while (open no está vacío) {
remover un estado X del conjunto open if (X es un estado objetivo) return éxito else {
generar el conjunto de sucesores del estado X
agregar el estado X al conjunto closed eliminar sucesores que ya están en open o en closed
agregar el resto de los sucesores al conjunto open
}
El conjunto open contiene a los estados generados que todavía no han sido visitados (no se ha verificado si son estados objetivo y no se han generado sus sucesores). El conjunto closed contiene a los estados visitados. Al considerar sólo a los sucesores que no han sido previamente generados se evita entrar en ciclos.
Dependiendo del orden en que se visiten
los estados del conjunto open se obtienen
distintos tipos de recorrido.
Algoritmo búsqueda en profundidad (ejemplo)
procedure Búsqueda_en_profundidad { open [estado_inicial]
closed {}
while (open no está vacía) {
remover el primer estado X de la lista open
if (X es un estado objetivo) return éxito else {
generar el conjunto de sucesores del estado X
agregar el estado X al conjunto closed eliminar sucesores que ya están en open o en closed
agregar el resto de los sucesores al principio de open
} }
El mayor problema de este algoritmo es
que puede "perderse" en una rama sin
encontrar la solución. Además, si se
encuentra una solución no se puede
garantizar que sea el camino más corto.
(ejemplo)
procedure Búsqueda_en_amplitud { open [estado_inicial]
closed {}
while (open no está vacía) {
remover el primer estado X de la lista open
if (X es un estado objetivo) return éxito else {
generar el conjunto de sucesores del estado X
agregar el estado X al conjunto closed eliminar sucesores que ya están en open o en closed
agregar el resto de los sucesores al final de open
Contrariamente a la búsqueda en
profundidad, la búsqueda en
amplitud garantiza encontrar el
camino más corto.
open [estado_inicial]
closed {}
while (open no está vacía) {
remover el primer estado X de la lista open
if (X es un estado objetivo) return camino hasta X else {
generar el conjunto de sucesores del estado X foreach (Y en sucesores) {
if (Y no está en open ni en closed) { asignar a Y un valor heurístico agregar Y en la lista open }
elsif (Y está en open) {
if (el nuevo camino a Y es más corto)
actualizar el camino almacenado en open }
elsif (Y está en closed) {
if (el nuevo camino a Y es más corto) { remover el estado Y del conjunto closed agregar el estado Y en la lista open }
} }
agregar el estado X al conjunto closed
reordenar la lista open según valores heurísticos }
}
Además de utilizar una cola de prioridad, este algoritmo se diferencia por actualizar los caminos almacenados en la lista open cada vez que se encuentra un camino más corto, lo que mejora la probabilidad de encontrar el camino óptimo.
El camino se almacena en cada estado como un puntero al padre.
Cuando se llega a un estado en closed por un camino más corto, habría que transmitir esta información a todos sus sucesores. Sin embargo, algunos de estos sucesores pueden haber sido generados o posteriormente actualizados por otro camino que hasta el momento parecía más corto, por lo cual estarían desvinculados del ancestro que se está considerando. Administrar este problema sería muy engorroso, entonces se opta por repetir la búsqueda.
Se puede obtener una versión simplificada de esta búsqueda heurística eliminando toda la información histórica contenida en open y closed. En cada paso se generan los sucesores del estado actual y sólo se conserva al mejor de ellos para el paso siguiente. El algoritmo se detiene cuando ninguno de los sucesores tiene una mejor evaluación que el estado actual (sino entraría en un ciclo infinito). Esta estrategia se
