Fecha de la clase: 27 de Noviembre
INTRODUCCIÓN
En la clase de búsqueda local en espacios continuos el
objetivo es comprender como el agente inteligente realiza la búsqueda en
espacios continuos y lo que son las búsquedas online se basa en lo que está
pasando en ese estado para tomar de nuevo otra acción clases impartidas en las
respectivas exposiciones.
MARCO TEÓRICO
BUSQUEDA LOCAL EN ESPACIOS CONTINUOS
Aun ninguno de los algoritmos descritos puede
manejar espacios de estados continuos, la función sucesor en la mayor parte de
casos devuelve infinitamente muchos estados! la técnicas de búsqueda local para
encontrar soluciones optimas en espacios continuos.
Un modo de evitar problemas continuos es
simplemente discretizar la vecindad de cada estado. Podemos aplicar entonces
cualquiera de los algoritmos de búsqueda local descritos anteriormente. Uno
puede aplicar también la ascensión de colinas estocástica y el temple simulado
directamente, sin discretizar el espacio. Estos algoritmos eligen a los
sucesores aleatoriamente, que pueden hacerse por la generación de vectores
aleatorios de longitud.
Los métodos locales de búsqueda sufren de
máximos locales, crestas, y mesetas tanto en espacios de estados continuos como
en espacios discretos. Se pueden utilizar el reinicio aleatorio y el temple
simulado y son a menudo provechosos. Los espacios continuos dimensionalmente
altos son, sin embargo, lugares grandes en los que es fácil perderse.
Un problema de optimización está restringido si
las soluciones debieran satisfacer algunas restricciones sobre los valores de
cada variable. La dificultad de los problemas de optimización con restricciones
depende de la naturaleza de las restricciones y la función objetivo. La
categoría más conocida es la de los problemas de programación lineal en los
cuales las restricciones deben ser desigualdades lineales formando una región
convexa y la función objetiva es también lineal. Los problemas de programación
lineal pueden resolverse en tiempo polinomial en el número de variables.
También se han estudiado problemas con tipos diferentes de restricciones y
funciones objetivo (programación cuadrática, programación cónica de segundo orden, etcetera). (Russell, S y
Norvig, P).
BUSQUEDA ONLINE Y AMBIENTES DESCONOCIDOS
Después de cada acción, un agente online recibe una percepción al decirle
que estado ha alcanzado; de esta información, puede aumentar su mapa del
entorno. El mapa actual se usa para decidir dónde ir después. Esta intercalación
de planificación y acción significa que los algoritmos de búsqueda online son bastantes diferentes
de los algoritmos de búsqueda offline.
Un algoritmo online, por otra parte puede expandir sólo el nodo que ocupa
físicamente. Para evitar viajar atravez de todo el árbol para expandir el
siguiente nodo, parece mejor expandir los nodos en un orden local. La búsqueda
primero en profundidad tiene exactamente esta propiedad, porque el siguiente
nodo a expandir es hijo del nodo anteriormente expandido.
Objetivo del agente:
· Alcanzar un estado
objetivo
· Minimizando el coste.
Búsqueda off-line:
– Calcula una solución completa antes de poner
un pie en el mundo real.
– Después ejecutan la solución sin recurrir a
las percepciones.
Búsqueda on-line:
Intercala el calcula y la acción.
– Toma una acción
– Observa el entorno
– Calcula la siguiente acción.
Usos de la búsqueda on-line:
– Problemas de exploración, donde el agente
desconoce los estados y acciones.
Problemas de búsqueda en línea (online)
Un problema de búsqueda online puede resolverse
solamente por un agente que ejecute acciones, más que por un proceso puramente
computacional. Asumiremos que el agente sabe lo siguiente:
– Acciones (). Que devuelve una lista de
acciones permitidas en el estado s;
– Funciones de coste individual c(s, a, s’),
hay que tener en cuenta que no pude usarse hasta que el agente sepa que s’ es
el resultado; y
– Test-Objetivo(s). (Gómez, F).
CONCLUSIÓN
Para las soluciones de problemas con estos
algoritmos de búsqueda es que solo se enfocan en lo que sucede en ese estado y
luego al darse cuenta de su entorno toma acciones nuevas ya que para otras búsquedas
necesitan tener una vista general de la problemática para así realizar una
acción.
BIBLIOGRAFÍA
Gómez, F. 2010. Métodos de búsqueda de soluciones (Búsqueda
informada y exploración). En Línea.
Formato (PDF). Disponible en:http://ants.inf.um.es/~felixgm/pub/others/InteligenciaArtificial.pdf
No hay comentarios:
Publicar un comentario