EVITAR ESTADOS REPETIDOS

Fecha: 28 de Mayo 2015
Tema:Evitar Estados Repetidos y búsqueda con información parcial.

INTRODUCCIÓN

En entornos que son totalmente observables y deterministas y el agente conoce cuales son los efectos de cada acción.

El agente pude calcular exactamente cuál es el estado resultado de cualquier secuencia de acciones y siempre sabe en qué estado está y su percepción no proporciona ninguna nueva información después de cada acción.

El objetivo es diferenciar en que campos son aplicables los métodos de búsqueda y sus debilidades ante situaciones que puedan presentarse en el mundo real.

MARCO TEÓRICO 

EVITAR ESTADOS REPETIDOS

Se da el caso que para algunos problemas, el hecho de repetir un estado es inevitable. Sin embargo si el algoritmo no es capaz de detectar los estados repetidos, estos logran hacer  que un problema divisible llegue a ser problemático.

El descubrimiento como tal, se da cuando se compara el nodo a expandir con aquellos que anteriormente han sido expandidos; si se llega el caso de encontrar una igualación, se dice entonces que el algoritmo ha descubierto dos caminos al mismo estado y puede eliminar  a uno de ellos.

ELIMINACIÓN DE ESTADOS REPETIDOS

Una forma de impedir que los estados se repitan, es considerando los siguientes métodos:

1.-No se debe generar un nodo hijo de un nodo, si en ese caso los dos corresponden al mismo estado.

2.- Se debe evadir ramas con ciclos.

3.- Cuando se quiere generar un nodo, pero si su estado asociado ya fue generado por un nodo anterior, hay que eliminar el nodo inferior del árbol de búsqueda.

Estos métodos están relacionados entre sí, ya que el método 2 contiene al 1y el 3 incluye al 2 y posteriormente al 1.
Ejemplo :
                                                       Búsqueda en anchura

Búsqueda en profundidad

BÚSQUEDA CON INFORMACIÓN PARCIAL

En una búsqueda parcial se desconoce la información, entonces ¿Qué  pasa cuando el conocimiento de los estados es parcial? Descubrimos que varios tipos de inconclusos llevan a tres tipos de dificultades distintas:

1.- Problemas sin sensores: También denominados problemas conformados, el agente no posee ningún sensor, pero no obstante a esto conserva un historial.

2.- Problemas de contingencia: El agente se encontrara en un entorno parcialmente observable, este espera nuevas acciones imprevisibles.

3.- Problemas de exploración: No se tiene un conocimiento previo de los estados y las acciones del entorno, entonces el agente debe actuar para poder descubrirlos. 

CONCLUSIONES

Evitar las repeticiones ayuda a disminuir el costo de la búsqueda y también se obtiene una mayor eficiencia.

La repetición de estados para algunos problemas es inevitables. Estos contienen todos problemas donde las acciones son variables.

Los algoritmos que olvidan su historia sin duda alguna están forzados a volver a repetirlas.

BIBLIOGRAFIA 

                                           

Díaz, F.2008.Resolucion de problemas mediante Búsqueda.(En Línea).EC.Consultado , 27 de Mayo del 2015.Formato PDF.Disponible en 

Russell, S y Norving, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2ed. Pearson Educación. Madrid, ES. p 91-97.

 

ESTRUCTURA DE LOS AGENTES

Fecha: 23 de Mayo del 2015
Tema:Estructura de los Agentes

 INTRODUCCIÓN

Un agente magnifico es aquel que de forma eficaz emprende una acción, pero no obstante existen diferentes tipos de agentes racionales los mismos que están compuestos por estructura y programa, estos son:

Agentes reactivos simples solo se basan en percepciones actuales y dejan a un lado las pasadas.

Agentes basados en modelos, se diferencia del anterior ya que esta basa sus funciones en modelos obtenidos anteriormente.

Los Agentes basados en objetivos tienen como propósito alcanzar una meta propuesta.

Los Agentes basados en utilidad buscan siempre maximizar el alcance de su meta.

Los agentes que aprenden son la mezcla de los agentes anteriores, la superación vigente de la Inteligencia Artificial.

Estos tipos de agentes lo iremos conociendo más a fondo en transcurso de este contenido.

MARCO TEÓRICO 

ESTRUCTURA DE LOS AGENTES

Se ha tratado hasta el momento sobre los agentes detallando su conducta que impone y las labores que se logran ejecutar luego de una secuencia de percepciones dada. Pero no obstante a esto debemos ahora centrarnos  en el núcleo del problema y hablar de cómo los agentes se desenvuelven internamente.

La labor que desempeña la Inteligencia Artificial sin duda alguna es centrarse en poder diseñar el programa del agente, para de esta forma implementar  la función del agente que proyecta las percepciones en las acciones. Por lo consiguiente se pretende que el programa se logre ejecutar en cierto tipo de computador con sensores físicos que le permiten recoger información del mundo y  los actuadores físicos le permiten transformar el mundo material, lo mismo que es conocido por arquitectura:

Agente= Arquitectura+ Programa

El programa y la arquitectura que se escoja deben de ir a la mano ya que si el programa tiene que hacer recomendaciones como caminar, la arquitectura debe ser capaz de poseer en este caso piernas. La arquitectura puede ser un Pc común o talvez un coche robotizado con algunos computadores.

La arquitectura logra que las percepciones de los sensores estén útiles para el programa, establece los programas y por ende la misma es la encargada de que los actuadores realicen las acciones generales.

PROGRAMAS DE LOS AGENTES

El programa del agente efectúa la función del agente. La Inteligencia Artificial tiene como reto poder encontrar la manera de escribir programas y que estos reproduzcan un comportamiento conjuntamente con una cantidad de código y no a través de una tabla.

Existe una diversidad de diseños de programas de agente, el diseño más apropiado del programa del agente depende en gran medida de la naturaleza del medio.

AGENTES REACTIVOS SIMPLES

Este tipo de agente es el más sencillo ya que este no le toma mayor importancia a las percepciones anteriores, él se centra en las percepciones actuales.

Los agentes reactivos simples tienen la gran ventaja de ser simples, pero no obstante a esto poseen una inteligencia inmensamente limitada.

Para los agentes reactivos simples los bucles pueden ser a menudo necesarios para aquellos operan en varios entornos que son parcialmente observables.

Cuando se da el caso de salir de los bucles es porque los agentes han podido sin duda alguna seleccionar sus acciones de manera aleatoria.

Ejemplo:

Este es el caso de un agente aspiradora, si esta percibe que esta <<limpio>>, tiene la opción de lanzar una moneda y elegir entre Izquierda y Derecha. La aspiradora de forma fácil se movilizara a la otra cuadrícula dando dos pasos. Por tanto si la cuadrícula está sucia, el agente la limpiará y entonces la labor de limpieza de dará por terminada.

Un agente reactivo simple tiene la capacidad de proporcionar mejores resultados cuando este elige acciones de forma aleatoria quedando por delante de un agente determinista. 

AGENTES REACTIVOS BASADOS EN MODELOS

Para un agente poder manejar  de forma más eficaz la visibilidad parcial es  almacenar la información de todo aquello que nos rodea.

O también  el agente puede conservar algún tipo de estado interno que dependa de la historia percibida y así pueda manifestar por tanto algunos aspectos no observables del periodo actual.

Los agentes reactivos basados en modelos se caracterizan por mantener sujeto un estado interno que les da la posibilidad de tener un seguimiento de aspectos de todo aquello del mundo que nos invade pero sin embargo no son evidentes, según las percepciones actuales.

AGENTES BASADOS EN OBJETIVOS

Un agente basado en objetivos utiliza una descripción de las metas a alcanzar, es decir lograr su anhelo propuesto, la cual le sirve para escoger entre las distintas acciones posibles. Es menos eficiente pero sin embargo este es más flexible.

 AGENTES BASADOS EN UTILIDAD

                                  

Un agente basado en utilidad  tiene como  meta poder maximizar su bienestar ansiado. Pero las metas por si solas no satisfacen lo necesario para de cierto modo generar comportamiento de gran calidez en ciertos medios.

Se utilizan cuando no es solo llegar a los objetivos propuestos si no llegar de una  forma más eficiente.

Ejemplo:

Se puede llegar a un destino de muchas formas (por ende llegar al objetivo propuesto), aunque algunos sean más rápidas, tengan mayor seguridad o más económica que otras. Las metas en si proveen la manera de distinguir entre los estados de felicidad y de tristeza.

AGENTES QUE APRENDEN

Es un tipo de agente que se basa en modelos para llegar a una meta, pero si ese modelo se altera el agente posee la capacidad de modificar el modelo anterior y moldearlo de forma razonable, para de esta manera cumplir el objetivo planteado.

Todos los agentes pueden perfeccionar su actividad con el mecanismo de aprendizaje que van adquiriendo.

CONCLUSIONES

La arquitectura y el programa son la parte fundamental de la estructura de un agente. Estos deben estar complementados entre sí, para que el agente  pueda desplegarse eficientemente en el entorno.

Al agente se lo ha catalogado como el producto  de una historia de millones de años de logros inductivos.

Sin duda algún todos los agentes tienen la posibilidad de poder lograr mejorar con el apoyo de elementos de enseñanza.

BIBLIOGRAFÍA

Lara, A.2012.Agente Adaptable, Aprendizaje y Estructura del Ambiente. Bogotá-Colombia. Revista de Economía Institucional.Vol.14.Nº26,p 101-102.Disponible en: http://www.redalyc.org

Russell, S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. Segunda Edición. Pearson Education. España