SISTEMAS INTELIGENTESTÉCNICAS DE BÚSQUEDA: REPRESENTACIÓN DEL PROBLEMA Y COMPONENTES COMUNES.

Técnicas de Búsqueda

Introducción

Las corrientes de la inteligencia artificial y computacionales emergentes son ciencias abiertas en sentido de que definen técnicas de solución de características de paradigmas, ya sea por variaciones o diferentes fenómenos indeligentes que ocurren en la naturaleza.

Las más comunes son:

Autómatas Celulares

Es un sistema dinamico donde el espacio y tiempo son discretos. Es un sistema espacialmente explicito en función de un conjunto de reglas de evolución de estado, determinando el cambio de estado de cada celda que constituye el espacio, en función de su propio espacio y el estado de un conjunto de celdas vecinas llamadas vecindario.

El espacio es formado por un conjunto finito de celdas distribuidas en una rejilla

regular n-dimensional.

Cada celda puede estar en un único estado en

determinado tiempo.

El estado de las celdas cambia de un instante a otro de acuerdo a un conjunto de reglas de evolución comunes

a todas las celdas.

Las reglas son esencialmente una maquina de estado

finito, especificadas con la tabla de función de

transición, con una entrada para todas las posibles

configuraciones del vecindario.

El vecindario de una celda esta formada por las celdas adyacentes y se define igual

para todas las celdas del autómata.

Caracteristicas:

Redes Neuronales

Son un paradigma para hacer computo y para la detección de patrones basado en la interconexión paralela de neuronas artificiales

Los comportamientos inteligentes de estos son una propiedad emergente del gran numero de unidades no un resultado de reglas simbólicas o algoritmos.

Las caracteristcas se duplican para crear las redes neuronales que tienen capacidades similares de procesar información en forma paralela.

Algunas de las capacidades de las redes son: Aprendizaje, Clasificación, Almacenaje de información, Interpolarización y Adaptación.

Recrean o modelan las características de las neuronas en sistemas computacionales de software y hardware.

Usan principios de computación colectiva y descentralizada (paralela) Son capaces de aprender Operaciones robustas y resistentes a fallas La red hace asociaciones automaticamente

Programación Evolutiva

Interpreta la naturaleza como una inmensa maquina capacitada para la resolución de problemas complejos y trata de encontrar el origen de dicha potencialidad para diseñar algoritmos computacionales dinámicos con capacidades adaptativas.

Es un proceso computacional que refleja los pasos establecidos en el proceso físico de tratamiento térmico de materiales. Es un algoritmo de búsqueda meta.heurítica para problemas de optimización global, su objetivo es encontrar una buena aproximación al valor optimo (optimo global) de una función en un espacio de búsqueda grande.

Su nombre viene del proceso de recocido del acero y cerámicas, que es una técnica de calentar y luego enfriar lentamente el material para variar sus popiedades físicas.

Recocido Simulado

Colonia de Hormigas

Consiste en simular computacionamente la comunicación indirecta que utilizan las hormigas para establecer el camino mas corto, aguardando la información aprendida de una matriz de feromonas, utilizadas para resolver problemas de optimización combinatoria.

Sistema inteligente

Programa de computación

Características y comportamientos a la inteligencia

humana o animal

Incluye sentidos que permiten

recibir información de su entorno.

Puede actuar y tiene memoria

para archivar los resultados.

Tiene un objetivo e inspeccionando su memoria aprende de su experiencia.

La Vida artificial es el termino para agrupar toda aquellas implementaciones de sistemas computacionales que hacen uso de las leyes que rigen y dieron origen a los seres vivos, según Langton la vida artificial se puede definir como la ciencia que trata de situar la vida tal y como es. Dentro del contexto de vida… tal como podría ser.

Se empieza de una configuración inicial (aleatoria) y se hacen pequeños cambios (operadores) hasta alcanzar un estado “óptimo”. Son propuestas a encontrar óptimos locales que son la mejor solución posible de alcanzar en cierto tiempo limitado por el tamaño del espacio de soluciones.

Son conocidos como meta-heurísticas u optimización local.

No suele guardar historial del camino recorrido (el gasto de memoria es mínimo).

Busqueda Local

Algoritmo Hill Climbing

El método termina cuando no hay mejorías, o cuando se alcanza un numero predefinido de itraciones.

Si el nuevo punto es mejor, se transforma al actual, si no se evalúa otro punto vecino.

Comienza a partir de un punto (actual) en el espacio de búsqueda.

Usa una técnica de mejoramiento iterativo.

También conocido como método de ascenso de colinas.

Ascensión de Colinas Simple (ADC)

Se busca una operación cualquiera, que suponga una mejora al estado actual.

En la ascensión de colinas por máxima pendiente se selecciona el mejor movimiento (no el primero que suponga mejora).

En general, un problema consiste en:

Una descripción de la situación de la que se parte,

una descripción de la situación a la que se quiere llegar,

Y una descripción de los medios que se disponen para alcanzarlos..

A partir de esto se intenta construir un sistema que lo resuelva.

Las acciones para construir un sistema que resuelva un problema son:

Definir el problema (especificaciones), expresado en lenguaje natural: de que se parte, cual es el objetivo.

Analizar el problema: información para elegir las técnicas.

Aislar y representar el conocimiento necesario para resolver el problema.

Elegir la mejor técnica que resuelva y aplicarla al problema particular.• Entrada, descripción del estado incial del mundo.• Salida, descripción (parcial) del estado del mundo deseado.

Grafos

Un grafo viene dado por un conjunto de nodos y un conjunto de arcos entre los nodos.

Tipos: Grafo dirigido, en el que (A, B) se considera diferente de (B, A);

ejemplo red bayesiana, en caso contrario es NO dirigido. Si se tiene un camino cerrado, al recorrerlo y volver al principio se tiene un ciclo, sino es un bucle.

Grafos Dirigidos Acíclicos (GDA), no contienen ciclos. Se habla de nodos padre e hijo, en vez de antecesores y sucesores.

Grafo NO dirigido es cualquier camino cerrado (ciclo), si no contiene ciclos se denomina árbol (no dirigido).

Grafo Convexo, entre dos nodos cualesquiera existe un camino. Los que no contienen bucles se denominan poliárboles.

Grafos en Búsqueda

Conceptos: Nodo o estado cerrado, ya ha sido expandido.

Nodo o estado abierto, todavía falta aplicar algún operador.

Coste de arco, valor numérico que refleja el tiempo requerido para aplicar un operador a un estado.

Factor de ramificación, número medio de descendientes de un nodo (número medio de operadores aplicados al camino).

Profundidad, longitud del camino mas corto desde el estado inicial a una meta.

Posibilidad de asociar un conjunto de estados a las diferentes situaciones en que se puede encontrar el objeto del dominio sobre el que se define el problema.

Serie de estados iniciales desde los que empezar el

proceso de búsqueda.

Existen operadores, tal que un operador aplicado sobre

un estado producirá otro estado.

Existe al menos un estado meta o estado solución.

Los procesos de búsqueda tienen sentido en problemas que reúnen una serie de características:

Búsqueda sin información del dominio

También se le llama Técnicas de Búsqueda Ciega, ya que realizan una búsqueda sistemática y objetiva (el control del proceso no depende del problema que se resuelve).

Al contrario que las técnicas de búsqueda heurísticas realizan una búsqueda informada e intentan optimizar dicho proceso eligiendo caminos que suponen un menor coste.

OBJETIVOS Encontrar camino óptimo entre el estado inicial y el estado meta.

A veces basta con regresar al estado meta, no es necesario conocer todo el camino.

CARACTERISITCAS No dejar a prioridad ningún nodo sin explorar

No explorar un nodo más de una vez.

Búsqueda en Amplitud

VENTAJAS• Garantiza encontrar la

solución si el problema lo tiene.

• Si se tienen varias soluciones se obtiene el menor coste (Óptimo), que requiere menos pasos.

DESVENTAJAS• Si el nivel de profundidad

es menor que el factor de ramificación se expandirán muchos nodos inútilmente.

• Espacio de almacenamiento requerido.

• Inviable para problemas complejos.

Procedimiento de control en el que se revisan todas las trayectorias de una determinada longitud antes de crear una trayectoria mas larga.

Búsqueda en Profundidad

Procedimiento de control en el que se centra en expandir un único camino desde la raíz. Si se llega a un callejón sin salida se retrocede hasta el nodo mas cercano para tomar una ruta alternativa.

VENTAJAS• El reducido valor de su

complejidad espacial, al existir múltiples soluciones la eficiencia del algoritmo aumenta.

DESVENTAJAS• Dificultad en el tiempo

requerido.• Puede dedicarse a

recorrer un camino largo que no tenga solución.

• Se podría caer en ciclos y no acabaría el proceso.

Búsqueda en Retroceso

VENTAJAS• Respecto a la

profundidad es la de necesitar un menor espacio de almacenamiento.

• No se generar las ramas del árbol que se encuentran después de la solución.

DESVENTAJAS• Determinar cual debe

ser el limite de exploración.

Método que a diferencia de los algoritmos en amplitud y en profundidad, solo expande un sucesor en cada iteración, restringiendo por lo tanto el espacio de estados. Cuando mejor sea el criterio para limitar el numero de estados considerados, más eficiente es el proceso de búsqueda.Si nos encontramos con un callejón sin salida, solo retrocedemos hasta el primer antepasado.