Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Busqueda ia
1. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
BÚSQUEDA
Desarrollo de Software Inteligencia Artificial
= =
Encontrar un dato Encontrar un cierto camino recorrido
En INTELIGENCIA ARTIFICIAL el objetivo es encontrar el camino
de búsqueda.
¿Por qué?
Optimización Planificación
Resolución de problemas Juegos
Ing. Nancy Páez
JTP
2. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
Características de los procesos de Búsqueda
Cabe la 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.
Hay una serie de estados iniciales desde los que empieza el proceso de
búsqueda.
Existen ciertos operadores, tal que un operador aplicado sobre un estado
produce otro estado.
Existe al menos un estado meta o estado solución.
ESPACIO DE ESTADOS: conjunto de estados que pueden obtenerse si se
aplicaran todos los operadores posibles a todos los estados que se fueran
generando.
Ing. Nancy Páez
JTP
3. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
Representación y Estructura de los procesos de Búsqueda
ÁRBOL GRAFO RED
A 15
A
A
5
5
9 B C 8
B C D
B C D
9 7 5
9 7 5
8 D E 11 F 10 E H F
E H F
4 5 5
4 5 5
G H I J K
7 1 4 0 5
Ing. Nancy Páez
JTP
4. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
MÉTODOS DE BÚSQUEDA
NO INFORMADOS INFORMADOS
Búsqueda Primero en Anchura (BPA) Generación y Prueba
Búsqueda Primero en Profundidad (BPA) Escalada Simple
Ramificación y acotación (BPP) Escalada por la
Máxima Pendiente
Enfriamiento Simulado
Búsqueda el Primero
Mejor
A*
Ing. Nancy Páez
JTP
5. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
BÚSQUEDA PRIMERO EN ANCHURA (BPA)
A
1º Paso: Crear una Pila ( u otra estructura
dinámica)
D F G
2º Paso: Mientras la Pila no esté vacía, hacer:
3º Paso: Extraer el primer elemento de la Pila H J C E
4º Paso: Generar nuevos estados derivados
del actual B K Z W
5º Paso: explorar si los nuevos nodos son
estado objetivo, si alguno lo es salir, en caso
L
contrario añadir nuevos nodos a la Pila y
volver a 3º.
Ing. Nancy Páez
JTP
6. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
BÚSQUEDA PRIMERO EN PROFUNDIDAD (BPP)
A
Continúa por una sola rama del árbol
D F G
hasta encontrar una solución o hasta que
se tome la decisión de terminar la H J C E
búsqueda por esa dirección.
B K Z W
L
7. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
BÚSQUEDA RAMIFICACIÓN Y ACOTACIÓN (BPP)
• En lugar de generar todos los sucesores del estado actual, se genera un único
sucesor en cada caso.
• La elección de un nodo a ser visitado no implica que sea sacado de la lista.
ABIERTA: A A
m=A
m´= D D F G
ABIERTA: D,A
m=D
m´= H H J C E
ABIERTA: H, D, A
m=H B K Z W
m´= B
ABIERTA: B, H, D, A
L
CAMINO: A, D, H, B
8. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
VENTAJAS DE LOS MÉTODOS DE BÚSQUEDA
SIN INFORMACIÓN
MÉTODO PRIMERO EN ANCHURA:
• No queda atrapada explorando callejones sin salida.
• Si existe una solución, garantiza que se logre encontrarla.
• Si existen múltiples soluciones, se encuentra la solución mínima.
MÉTODO PRIMERO EN PROPUNDIDAD:
• Necesita menos memoria ya que sólo se almacenan los nodos
del camino que se sigue en ese instante.
• Si se tiene suerte este método, puede encontrar una solución
sin tener que examinar gran parte del espacio de estados.
9. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
MÉTODOS DE BÚSQUEDA CON INFORMACIÓN
Estos algoritmos resuelven problemas complicados con eficiencia, quizás
no dando la mejor solución, pero si encontrando una buena solución.
Heurística: es una técnica que aumenta la eficiencia de un proceso
de búsqueda posiblemente sacrificando demandas de completitud.
Una Función Heurística: es una correspondencia entre las descripciones de
estados del problema hacia alguna medida de deseabilidad, generalmente
representada con números.
¿Por qué es necesario su uso?
EVITA DA UNA BUENA PROFUNDIZA LA
ENREDOS SOLUCIÓN COMPRENSIÓN
10. Universidad Tecnológica Nacional - Facultad Regional Córdoba – Cátedra: INTELIGENCIA ARTIFICIAL
---------------------------------------------------------------------------------------------------------------------------------------------------
EJEMPLO:
A8
B2 C8 D6
E4 F6 G9 H2 I9
J5 K4 L3 M8 N0 O3 P6
ALGORITMO DE BÚSQUEDA EL PRIMERO MEJOR f (n) = h (n)
ALGORITMO DE BÚSQUEDA A * f (n) = h (n) + g (n)
f (n) = función heurística
h (n) = estimación del costo del camino óptimo desde “ n “ a una meta.
g (n) = costo real del mejor camino encontrado en un determinado momento
desde la raíz hasta “ n “.