1. SISTEMAS INTELIGENTES
TÉCNICAS DE BÚSQUEDA: REPRESENTACIÓN
DEL PROBLEMA Y COMPONENTES COMUNES.

2. 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:

3. 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.

4. 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:

5. 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

6. 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

7. 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.

8. 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.

9.  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

10. 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.

11. 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.

12. 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.

13. 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.

14. 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.

15. 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:

16. 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.

17. 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.

18. 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.

19. 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.