clase04_ia.pptx
TRANSCRIPT
-
5/28/2018 Clase04_IA.pptx
1/23
BSQUEDA INFORMADA YEXPLORACIN
Estrategias de bsqueda informada (heursticas)
Funciones heursticas
Algoritmos de bsqueda local y problemas de optimizacin
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
1
INTELIGENCIA ARTIFICIAL -UNIDAD 4:
-
5/28/2018 Clase04_IA.pptx
2/23
Introduccin - Repaso
Estrategias de bsqueda:
Bsqueda no informadassoluciones generando nuevosestados y probndolos con el objetivo.
Son muy ineficientes en la mayora de los casos.
Bsqueda Informada (heursticas) usan el conocimientoespecfico del problema, ms all de la definicin.
Ms eficientes.
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
2
-
5/28/2018 Clase04_IA.pptx
3/23
Estrategias de bsqueda informadas(heursticas) : Bsqueda primero el mejor
Bsqueda primero el mejor:
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
3
Caso particular de BUSQUEDA_ARBOLES o BSQUEDA_GRAFOS
Selecciona un nodo para la expansin basado en una funcin de evaluacinf(n).
Se selecciona para la expansin el nodo con la evaluacin ms baja.La evaluacin mide la distancia al objetivo.
Su nombre correcto debera ser bsqueda primero el aparentemente mejor
Funcin heurstica h(n):
Coste estimado del camino ms barato desde el nodo n al objetivo.
Por ahora la consideraremos arbitraria, especfica del problema. Si unnodo es objetivo, h(n) = 0
-
5/28/2018 Clase04_IA.pptx
4/23
Bsqueda voraz (avara) primero el mejor: evala los nodosusando solamente la funcin heursticaf(n) = h(n).
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
4
Estrategias de bsqueda informadas(heursticas) : Bsqueda primero el mejor
Para Rumania: distancia en lnea recta DLRhDLR Ejemplo: hDLR(En(Arad)) = 366
Algoritmo avaro en cada paso procura ponerse tan cercadel objetivo como pueda
Parecido a primero en profundidad, no es ptima, es
incompleta. (Probar llegar desde Iasi a Fagaras)
-
5/28/2018 Clase04_IA.pptx
5/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
5
Estrategias de bsqueda informadas(heursticas) : Bsqueda primero el mejor
hDLR
-
5/28/2018 Clase04_IA.pptx
6/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
6
Estrategias de bsqueda informadas(heursticas): Bsqueda primero el mejor
-
5/28/2018 Clase04_IA.pptx
7/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
7
Estrategias de bsqueda informadas(heursticas): Bsqueda primero el mejor
hDLR
-
5/28/2018 Clase04_IA.pptx
8/23
Bsqueda A*: minimizar el costo total de la solucin
(Bsqueda A estrella), forma ms conocida de la bsquedaprimero el mejor.
g(n) coste para alcanzar el nodo n desde el inicio
h(n)coste de ir al nodo objetivo.
f(n) = g(n) + h(n) coste ms barato estimado de la solucin a travs de n
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
8
Estrategias de bsqueda informadas(heursticas): Bsqueda A*
Heurstica admisible:h(n) no debe sobrestimar el coste de
alcanzar el objetivo, heursticas optimistas.
Por tantof(n) nunca sobrestima el coste verdadero de unasolucin a travs de n
-
5/28/2018 Clase04_IA.pptx
9/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
9
Estrategias de bsqueda informadas(heursticas): Bsqueda A*
-
5/28/2018 Clase04_IA.pptx
10/23
Si C*es el coste del camino de solucin ptimo:
A* expande todos los nodos conf(n) < C*, o sea
A*no expande ningn nodo conf(n) > C*.
Ntese por ejemplo, Timisoarano se expande 447>418.
El rbol debajo de Timisoaraest podado.
Poda: eliminacin de posibilidades a considerar sin necesidad deexaminarlas.
Cualquier algoritmo que no expanda todos los nodos conf(n) < C*
corre el riesgo de omitir la solucin ptima. La bsqueda A* es completa, ptima y ptimamente eficiente.
Problema: espacio en memoria muy grande, no prctico para
problemas grandes
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
10
Estrategias de bsqueda informadas(heursticas): Bsqueda A*
-
5/28/2018 Clase04_IA.pptx
11/23
Se adapta la idea de profundizar iterativamente alcontexto de bsqueda heurstica, para reducir laexigencia de memoriade A*.
Resultado: Algoritmo A* de profundidad iterativa A*PI.
En cada iteracin, el valor del corte es el coste mspequeode cualquier nodo que excedi elcorte de laiteracin anterior.
Prctico para problemas con costo unidad.
Evita el trabajo de mantenimiento de cola ordenada.
Sufre de los mismos problemas con costos reales que laversin iterativa de bsqueda de costo uniforme.
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
11
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotada
-
5/28/2018 Clase04_IA.pptx
12/23
Similar a la bsqueda primero el mejor con profundidad recursiva.
No sigue indefinidamentehacia abajo el camino actual.
Mantiene la pista del mejor camino alternativo desde cualquierantepasado del nodo actual.
Si el nodo actual excede dicho lmite, vuelve hacia atrs al caminoalternativo.
Recuerda el valor de la mejor hoja en el sub rbol olvidado y puededecidir si merece la pena expandirlo.
Ms eficiente que A*PI , pero sufre de regeneracin excesiva denodos (ver ejemplo).
El algoritmo cambia de opinin muchas veces y vuelve atrs. Cada cambio de opinin es una iteracin de A*PI.
No puede comprobar si hay estados repetidos excepto los que estnen el camino actual, usa poca memoria.
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
12
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotadaBsquedarecursiva del primero mejor BRPM
-
5/28/2018 Clase04_IA.pptx
13/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
13
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotadaBsquedarecursiva del primero mejor BRPM
Se sigue el camino va Rimnicu Vilcea hasta quela mejor hoja actual (Pitesti) tenga un valor quees peor que el mejor camino alternativo
(Fagaras)
-
5/28/2018 Clase04_IA.pptx
14/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
14
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotadaBsquedarecursiva del primero mejor BRPM
La recursividad se aplica y el mejor valor da las hojas delsub rbol olvidado (417) se le devuelve hacia atrs aRimnicu Vilcea; entonces se expande Fagaras, revela unmejor valor de hoja de 450
-
5/28/2018 Clase04_IA.pptx
15/23
27/03/2014
FCT
-UN
CAIng.HctorEstigarribia
15
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotadaBsquedarecursiva del primero mejor BRPM
La recursividad se aplica y el mejor valor de las hojas del subrbol olvidado (450) se le devuelve hacia atrs a Fagaras;entonces se expande Rimnicu Vilcea. Esta vez, debido a que elmejor camino alternativo (por Timisoara) cuesta por lo menos
447, la expansin sigue por Bucarest
-
5/28/2018 Clase04_IA.pptx
16/23
A*PI y BRPM slo mantienen un nmero limitado de nodos enmemoria, no aprovecha toda la memoria disponible.
A*MS avanza como A* expandiendo la mejor hoja hasta quela memoria est llena, para continuar suprime la peor hoja.
Y si todos los nodos hoja tienen el mismo valor? A*MS expande la mejor hoja ms nueva y suprime la peor
hoja ms vieja.
A*MS es completo si la profundidaddel nodo objetivo mssuperficiales menorque el tamao de memoria(expresado
en nodos, claro est). De todas formas, las limitaciones de memoria pueden hacer a
un problema intratabledesde el punto de vista de tiempo declculo.
La nica salida es suprimir la exigencia de optimizacin.
27/03/2014
FCT
-UN
CAIng.HctorEstigarribi
a
16
Estrategias de bsqueda informadas (heursticas):Bsqueda heurstica con memoria acotadaBsquedaA*M (memoria acotada) y A*MS (A*M simplificada)
-
5/28/2018 Clase04_IA.pptx
17/23
Funciones heursticas
Si queremos encontrar las soluciones ms cortas utilizando A*necesitamos una funcin heurstica que no sobrestime no sea mayorque el nmero de pasos al objetivo.
Para el 8-puzzle, hay 2 comnmente usadas: h1: nmero de piezas mal colocadas = 8 (admisible). h2:suma de las distancias de las piezas a sus posiciones en el
objetivo (suma de las distancias horizontales y verticales, llamadadistancia de Manhattan).
Para el ejemplo, h2= 18 (tambin admisible). Ambas son admisibles, pues no superan el coste solucin verdadero,
que es 26
27/03/2014
FCT
-UN
CAIng.HctorEstigarribi
a
17
-
5/28/2018 Clase04_IA.pptx
18/23
Una manera de medir la calidad de la heurstica sera elfactor de ramificacin eficaz.
Conviene siempre usar una funcin heurstica convalores ms altos.
Se podra inventar funciones heursticas admisibles,sacando restricciones al problema (problema relajado).
El costo de una solucin ptima en un problema relajado
es una heurstica admisible para el problema original.
Tambin, se podran aprender heursticas desde la
experiencia, usando un algoritmo de aprendizaje .
27/03/2014
FCT
-UN
CAIng.HctorEstigarribi
a
18
Funciones heursticas
-
5/28/2018 Clase04_IA.pptx
19/23
Algoritmos de Bsqueda localy problemas de optimizacin Hasta ahora, los algoritmos estudiados se disean para explorar
espacios de bsqueda.
Mantienen uno o ms caminos en memoria y los marca comoexplorados o no.
Cuando se encuentra un objetivo, el camino al mismo tambin
constituye una solucin al problema. En muchos problemas, el camino al objetivo es irrelevante (ejemplo:
8 reinas).
En estos casos podemos considerar otro tipo de algoritmos, que nose preocupen en absoluto de los caminos:
Los algoritmos de bsqueda local funcionan con un solo estadoactual.
Los caminos seguidos no se retienen.
Usan poca memoria y pueden encontrar soluciones en espacios deestados grandes.
27/03/2014
FCT
-UN
CAIng.HctorEstigarribi
a
19
-
5/28/2018 Clase04_IA.pptx
20/23
Paisaje del Espacio de estados: posicin (estado) y elevacin(funcin heurstica u objetivo)
Si la elevacin corresponde al costo, el objetivo es encontrar elvalle ms bajo (mnimo global) .
Si la elevacin corresponde a una funcin objetivo, el objetivo esencontrar el pico ms alto (mximo global).
27/03/2014
FCT
-UNCAIng.HctorEstigarribi
a
20
Algoritmos de Bsqueda localy problemas de optimizacin
-
5/28/2018 Clase04_IA.pptx
21/23
Bsqueda deascensin de colinas
Bsqueda de templesimulado
Bsqueda por haz
local
AlgoritmosGenticos
27/03/2014
FCT
-UNCAIng.HctorEstigarribi
a
21
Algoritmos de Bsqueda localy problemas de optimizacin
-
5/28/2018 Clase04_IA.pptx
22/23
27/03/2014
FCT
-UNCAIng.HctorEstigarribia
22
Algoritmos de Bsqueda localy problemas de optimizacin
0
200
400
600
800
1000
1200
1400
1600
Ascencinde colinas
TempleSimulado
Haz local Genticos
Trabajo de Investigacin
Palabras enel libro
-
5/28/2018 Clase04_IA.pptx
23/23
BIBLIOGRAFA
INTELIGENCIA ARTIFICIAL: UN ENFOQUE MODERNO.
STUART RUSSELL Y PETER NORVIG.
PEARSON EDUCATION
2da Edicin, 2004.
1240 pginas
Capitulo 4, Paginas 107 a 153
27/03/2014
FCT
-UNCAIng.HctorEstigarribia
23