1) O documento discute a resolução de problemas de satisfatibilidade de restrições (PSR) usando busca local, selecionando variáveis aleatoriamente ou com base na heurística de conflitos mínimos. 2) É apresentado o exemplo do problema N-rainhas, onde as rainhas são movimentadas para minimizar os ataques, avaliando o número de conflitos. 3) A busca local pode solucionar instâncias muito grandes de N-rainhas, como 10 milhões, de forma eficiente a partir de estados iniciais aleató

1. CADERNOS DE INTELIGÊNCIA ARTIFICIAL
Exemplos em Python
Prof. Ronaldo F. Ramos, Dr
16 de outubro de 2019
1/9

2. PSR
PSR com Busca Local
2/9

3. Problema
É possivel também solucionar problemas de PSR usando a busca
local.
3/9

4. Detalhes
I Trabalha-se com todas as variáveis atribuı́das
I São admitidos movimentos inconsistentes (Sem satisafazer as
restrições)
I Teste de Meta com todas as restrições satisfeitas
4/9

5. Seleção de Variáveis
Normalmente selecionam-se aleatoriamente as variáveis a serem
atribuı́das que estejam em conflito.
5/9

6. Heurı́stica dos Conflitos Mı́nimos
Escolhem-se valores que violam o menor número de restrições
possı́veis, ou seja, deve se escolhido o valor para uma variável,
digamos N, de forma que o número de conflitos seja
minimizado.Minimizar h(n) onde h(n) é o número de conflitos
(Restrições violadas).
6/9

7. Exemplo com N Rainhas
Estado: 4 rainhas em 4 colunas (44 = 256 estados)
Ações: mover as rainhas
Teste de Meta: nenhum ataque.
Avaliação: h(n) = número de ataques
7/9

8. Vantagem
Dado estado inicial randômico pode-se solucionar n-rainhas em
tempo quase constante para um certo valor n com alta
probabilidade (ex. n = 10.000.000)
8/9

9. Vamos ao código.
9/9