Documente Academic
Documente Profesional
Documente Cultură
Parte II
Cap 4
Bsqueda Heurstica
Repaso
Russell y Norvig han definido con elegancia un algoritmo general
para resolver problemas de bsqueda. Este algoritmo puede ser
usado para expresar diferentes estrategias especficas de
bsquedas.
Un problema se representa como una estructura con componentes:
ESTADO
NODO PADRE
OPERADOR
PROFUNDIDAD
COSTO DE RUTA.
Conceptos Generales
Una estrategia se define como una forma de darle un orden de
prioridades a la expansin de nodos.
Hacer uso de la informacin con respecto al espacio de estados
una FUNCION DE EVALUACION que describa la deseabilidad de
expandir un nodo
usar conocimiento especfico del problema
encontrar soluciones con mayor eficiencia
Temas importantes
4.1
4.1
Bsqueda
primero el mejor
Bsqueda Heurstica
Usar informacin heuristica para adivinar qu nodo
expandir
IMPLEMENTACION ===>
FUNCIN_EMBRETAR_COLA = QUEUINGFN = insertar sucesores en orden
decreciente de idoneidad, quedando en el tope el mejor
CASOS ESPECIALES
Bsqueda avara
A*
10
En
Eneste
estecaso
casoelelmtodo
mtodoseguir
seguirlalaruta
rutams
ms
larga,
larga,alalempezar
empezaraamoverse
moversehacia
haciadelante
delante
segn
segnlalareceta
receta
BPM
Objetivo de la familia de bsquedas llamada Bsqueda Primero lo
Mejor encontrar velozmente la meta
expandimos el nodo ms cercano al nodo meta
para merecer optimalidad, queremos encontrar rapidamente la meta ms chata
(esto es, ms cercana al origen)
el objetivo es distinto al de la bsqueda de costo uniforme - vista previamente (la
nica bsqueda ciega interesada en costos) - que no est dirigida a la meta sino hacia
emplear el costo de ruta, ya recorrida, g, para decidir qu nodo expandir en costo
uniforme la lista se ordena para obtener la solucin ms barata en base a datos
experimentados.
12
Bsqueda Avara
La funcin de evaluacin muestra la siguiente heurstica:
h(n) = costo estimado entre n y la meta
por ejemplo
hDLR(n) = distancia en lnea recta desde n hasta Bucarest
13
Bsqueda Avara
Una de las bsquedas Primero lo Mejor ms sencillas - MIN costo
estimado para llegar a la meta (2 sumando de f = g + h f =
h)
ese costo se puede estimar pero no determinar con exactitud; la
buena heurstica ayuda.
la funcin heurstica h es una funcin que calcula dichos estimados
de costo
h(n) = costo estimado de la ruta ms barata desde el estado en n
hasta el estado meta.
14
Bsqueda Avara
El nodo con valor h mnimo es el que se va a expandir: cola con
privilegios
h puede ser cualquier funcin, siempre que valga cero en la meta, pero
la calidad cambia mucho
las funciones heursticas son problema -intensivas (son problema especficas)
en problemas de bsqueda de ruta una buena h es hDLR , donde DLR es
distancia en lnea recta
una ruta de A a B suele ir en la direccin correcta
15
Bsqueda Avara
Adoptar la primera seleccin con una visin inmediata, sin
preocuparse si ha de ser la mejor con una perspectiva a largas
vistas.
La bsqueda halla soluciones en forma rpida, que no siempre son
las ptimas
susceptible a falsas largadas o pasos en falso (Iasi Fagaras) que
va hacia Neamt, ruta muerta sin salida
hay que cuidarse de los estados repetidos
oscilaciones entre Neamt y Iasi
16
Bsqueda Avara
Parecida a BPP, prefiriendo seguir una ruta singular hacia la meta,
aunque recula (backtracking o reversiva) al chocar con una ruta muerta
sufre del mismo defecto ni es ptima, ni es completa (con una ruta
posiblemente infinita)
su complejidad temporal en el peor de los casos es O(b^m), siendo m la
profundidad mxima del espacio de bsqueda
complejidad espacial igual a la temporal (guarda todos los nodos en
memoria)
una buena h reduce fuertemente la complejidad
17
18
19
Arad Oradea -
Fagaras
366
380
.. 178
20
Sibiiu
Bucarest
253
0 <====
21
h(n) = 253
Sibiu
178
366
Arad
253
Sibiu
h(n) = 374
Zerind
193
380
Fagaras
h(n) = 366
Oradea
Rimnicu
h(n) = 0
Bucharest
Complejidad Temporal:
Complejidad Espacial:
Optima?
No
23
24
MIN d + h(n)
25
Bsqueda A*
26
Optimalidad de A*
Definir f* - el costo de la solucin ptima para la ruta
A* expande todos los nodos con f(n)<f*
A* podra expandir algunos de los nodos a la derecha del contorno de la meta, para los
cuales f(n) = f*, antes de seleccionar el estado meta.
La primera solucin encontrada debe ser la ptima, dado que los nodos
de todos los contornos subsiguientes tendrn un costo f ms alto y con
ello un costo g ms alto (todos los estados meta tienen h(n) = 0)
27
28
A* - resumen grfico
29
Contornos concntricos
30
Contornos concntricos
380
31
*
----------------------- -----------------------
*n
* G1
*G2
32
Optimalidad de A*
Teorema: Sea h*(n) el costo real desde n hasta la meta. Si h(n) < h*(n)
para todo nodo n, entonces A* siempre va a encontrar un nodo meta
ptimo.
Prueba: Sea s el nodo meta de mnimo costo. Sea (tentativamente)
que A* seleccione un nodo meta subptimo s, donde g(s)<g(s)ec.a
Sea n un nodo sin expandir en la ruta desde el nodo inicio y el nodo
meta ptimo s. Notar que ese nodo sin expandir necesariamente existe,
de acuerdo con la suposicin previa (en el otro caso, s ya habra sido
elegido como el nodo meta).
=>
33
Optimalidad de A*
Puesto que n no ha sido elegido para su expansin en su ruta hacia s,
se sigue que:
f(n) = g(n) + h(n) f(s') = g(s') + h(s')
= g(s')
Dado que h es admisible, g(n) + h*(n) g(n) + h(n) = f(n), y entonces
g(n) + h*(n) f(s') = g(s')
lo cual implica que
g(s) g(s')
Esto contradice la suposicin previa (ec. a), la que indica que s es
una meta subptima..
34
A*
Una heurstica admisible nunca sobreestima el costo de llegar a la
meta
un estimado de costo optimista en la solucin de un problema es
menor -ms barato- que el real.
Si h es admisible, f(n) nunca sobreestima el costo real de la mejor
solucin pasando por n
La bsqueda A* - con f(n) y con h admisible
completa y ptima
hDLR es admisible
35
Conducta de la bsqueda A*
A lo largo de cualquier ruta a partir del inicio, el costo de f nunca
decae - esto es casi la regla general de las heursticas admisibles
una heurstica que cumple con esa regla se dice que exhibe
MONOTONICIDAD
heurstica no-monotnica, caso raro
6 no tiene sentido ya que el costo de f(n) debe ser por lo menos 7, ya que la
ruta por n ha pasado por n. Esta no-monotonicidad debe ser corregida por
inconsistente.
Nota sigue siendo una heurstica admisible ya que no sobreestima el costo,
al contrario, lo infraestima ms.
36
Conducta de la bsqueda A*
Realizar entonces una correccin menor que restituya la monotonicidad
de una heurstica no-monotnica
el costo f nunca decrece durante cualquiera de las rutas partiendo del
inicio, suponiendo que h sea admisible
diverge desde el nodo inicial, sumando nodos en zonas anulares
concntricas de costos f, o sea los contornos de iso- f .
37
Conducta de la bsqueda A*
Con una bsqueda de costo uniforme (esto es, A* usando h = 0), las
zonas cubiertas entre dos contornos son anillos circulares
alrededor del estado de inicio.
Con ms heurstica (h>0) incorporada, las zonas anulares o
contornos se estirarn hacia el estado meta y poco a poco irn
delimitando ms la ruta ptima, enmarcandola ms
ajustadamente.
Esto recuerda los cambios de nivel de la BPA
38
Completitud de A*
A* expande nodos en el orden de un creciente f, con lo cual
eventualmente expandir hasta llegar al estado meta
salvo que haya una cantidad infinita de nodos con f(n)< f*
un nodo con un factor de ramificacin infinito
una ruta con costo de ruta finito pero con un nmero infinito de nodos a lo largo
de ella
39
Complejidad de A*
La bsqueda A* es OPTIMAMENTE EFICIENTE para cualquier
funcin heurstica al contrastarse con otros algoritmos ptimos que
compiten con ella.
No hay otro algoritmo que expanda menos nodos que A*
Cualquier algoritmo, que no expanda todos los nodos en los contornos
existentes entre el contorno del inicio y el de la meta, corre el riesgo de no
encontrar la solucin ptima
40
Complejidad de A*
Complejidad temporal - O(b^d)
Complejidad espacial - O(b^d)
el espacio de bsqueda de A* crece exponencialmente a no ser que
sea
41
Complejidad de A*
el uso de una heurstica buena provee ventajas
enormes
usualmente A* se queda sin espacio antes de
quedarse sin tiempo, puesto que mantiene a
todos los nodos en memoria
42
A*
f(n) = 366
Arad
140
h(n) = 253
f(n) = 393
140
h(n) = 329
f(n) = 447 Timisoara
Sibiu
99
75
118
151
Zerind
h(n) = 374
f(n) = 449
80
Arad
Fagaras
Oradea
f(n) = 646
f(n) = 417
f(n) = 661
146
Rimnicu
f(n) = 413
97
80
Craiova
Pitesti
f(n) = 526
f(n) = 415
Sibiu
f(n) = 553
43
Resumen de la bsqueda A*
A* usa una heurstica admisible.
h(n) h*(n), donde h*(n) es el costo verdadero desde n
para rutas sobre terreno, la distancia en lnea recta nunca
sobreestimar la distancia real de una de ellas.
A* es ptima si h es admisible
44
Resumen de la bsqueda A*
Idea No expandir estados que ya se sabe que son caros
Mejorar la bsqueda de costo uniforme y la bsqueda avara haciendo:
f(n) = g(n) + h(n)
g(n) = costo de inicio a n
h(n) = costo estimado desde n hasta meta
f(n) = costo total estimado de la ruta desde inicio a meta pasando por n
45
A*
h(n) = 253
f(n) = 393
140
Arad
Sibiu
151
f(n) = 417
99
Fagaras
80
Oradea
Rimnicu
f(n) = 413
f(n) = 526
f(n) = 646
99
211
146
Sibiu
Bucharest
Craiova
f(n) = 591
f(n) = 450
f(n) = 526
97
f(n) = 415
80
Sibiu
Pitesti
f(n) = 553
97
138
101
Rimnicu
Craiova
Bucharest
f(n) = 607
f(n) = 615
f(n) = 418
46
A*
h(n) = 253
f(n) = 393
140
Sibiu
99
151
80
Arad
Fagaras
Oradea
f(n) = 646
f(n) = 417
f(n) = 661
Rimnicu
146
Craiova
f(n) = 413
97
f(n) = 415
80
Sibiu
Pitesti
f(n) = 553
f(n) = 526
97
138
101
Rimnicu
Craiova
Bucharest
f(n) = 607
f(n) = 615
f(n) = 418
47
Casos lmites de A*
48
4.2
4.2
Funciones heursticas
49
estado inicial
3
4
Estado meta
50
Funciones heursticas
Mi problema con el juego de los 8 tejos es encontrar una heurstica para saber o adivinar
cunto me falta por llegar a la meta.
Cuento cuntos tejos estn mal ubicados con respecto a la meta. Tengo h1=7.
Parto de nuevo. Cuento para cada tejo las cuadras de Manhattan que deben recorrer
(usando rutas ortogonales y ya no diagonales). Tengo h2=18.
Miro mi posicin actual y cuento cuntos pasos debe dar cada tejo, usando diagonales si
es necesario, para llegar a su posicin meta. Sumo. Tengo h3=14.
Cuento cul es la distancia en lnea recta DLR de cada tejo con respecto a la posicin
deseada en la meta. Sumo para los 8. Tengo h4=13 .
Ntese que siempre he violado restricciones del caso real. Al hacerlo, he descubierto
otros nuevos juegos relajados.
Sern mis estimaciones de la distancia real, en pasos, a recorrer.
Mi heurstica ptima es la mxima entre h1,...,h4, pues he sido optimista.
Todas son estrategias admisibles optimistas (calculo menos pasos) nunca
sobreestiman la distancia (definen la admisibilidad)
51
Heursticas Admisibles
Encontrar una buena heurstica para un problema
relajar las restricciones
en general, el costo de una solucin exacta obtenida al relajar un
problema sirve como una buena heurstica para el problema original se menciona de nuevo la distancia de Manhattan como ejemplo
usar informacin estadstica obtenida durante entrenamiento con
ejemplos para la prediccin de valores heursticos para los nodos, con el
riesgo de generar funciones heursticas inadmisibles.
informacin estadstica (h2 =14 se correlaciona con h = 18)
52
Funciones heursticas
Siempre ser mejor usar una funcin heurstica con nmeros
mayores, por supuesto, sin pasarse a la sobreestimacin.
Hago una abstraccin. He inventado heursticas por relajamiento
53
54
55
Calidad de la heurstica
Factor de ramificacin efectivo b*
N = 1+b*+(b*^n)^2+...+(b*)^d
forma de caracterizar la calidad de la heurstica
56
57
58
elegir un valor (rojo D) que descarta el menor nmero de valores (solo descarta el rojo
que ya antes se haba descartado) en variables E y F) conectadas a la variable en estudio
(D) por restricciones
Es el valor menos molesto para los vecinos
59
(3) 1
(4) 1
goal
(5) 1
(6) 1
(7)
Las
Lasetiquetas
etiquetasde
delos
losnodos
nodosson
sonsu
suvalor
valor
heurstico
heurstico hh==kk yylos
losnmeros
nmerosentre
entre
parntesis
parntesisson
sonelelorden
ordende
deprioridad
prioridadpara
para
expandir.
expandir.
El
Elvalor
valorkkde
deun
unnodo
nodosignifica
significaque
que
esperamos
esperamosque
queest
estaakkpasos
pasosde
delalameta.
meta.
El
Elmtodo
mtodosiempre
siempreexpande
expandenodos
nodoscon
con
min
mindistancia
distanciaesperada
esperadadel
delnodo
nodometa,
meta,as
as
que
queelelsubrbol
subrbolde
delaladerecha
derechanunca
nuncatiene
tiene
turno
turnopara
paraexpandir.
expandir.(Es
(Esuna
unacola
colaque
que
privilegia
privilegiaaalalaruta
rutaizquierda,
izquierda,primero
primeroen
en
profundidad)
profundidad)
Diagnstico:
Diagnstico:no
notratamos
tratamosde
deencontrar
encontrarun
un
nodo
nodometa
metaque
queest
estaauna
unaprofundidad
profundidad
ms
mschata.
chata.
goal
60
Tratamiento
Tratamientopara
paraeleldiagnstico
diagnsticoprevio:
previo:
Las
Lasetiquetas
etiquetasde
delos
losnodos
nodosson
sonaqu
aqu
1+4 (6)
profundidad
profundidad++valor
valorheurstico.
heurstico.Nmeros
Nmeros
entre
entreparntesis
parntesisson
sonorden
ordende
deexpansin.
expansin.
Para
A*
no
hay
diferencia
real
entre
(5)
yy(6)
Para
A*
no
hay
diferencia
real
entre
(5)
2+1 (7) No se puede garantir que se pueda encontrar la solucin ptima . (6)
0+3 (1)
(2) 1+2
(3) 2+1
Por
Porejemplo,
ejemplo,qu
qupasa
pasasisi(5)
(5)fuese
fueseelelnodo
nodometa?
meta?
Problema:
con
pesimismo
se
ha
etiquetado
Problema: con pesimismo se ha etiquetadoalalprimer
primernodo
nododedelala
rama
ramaderecha
derechacomo
como44(hemos
(hemossobreestimado
sobreestimadosusudistancia
distanciaaalala
meta)
meta)
3+0 (8)
goal
Es
Esimperiosa
imperiosauna
unaheurstica
heursticaoptimista.
optimista.
(4) 3+1
(5) 4+1
5+1
goal
61
1+2 (6)
(3) 2+1
2+1 (7)
Admisibilidad
Admisibilidad
hh--lalafuncin
funcinheurstica
heurstica--esesoptimista
optimistasisipara
para
todo
todon,n,
h(n)
h(n)h*
h*(costo
(costoactual
actualde
dellegar
llegaralalnodo
nodo
meta)
meta)
con
coneso
esono
nosesesobreestima
sobreestimaalalcosto.
costo.
Una
Una heurstica
heurstica optimista
optimistasesellama
llamaadmisible
admisible
Casos
Casosespeciales
especiales
3+0 (8)
goal
(4) 3+1
h(n)
h(n)==h(n)*
h(n)* (la
(laheurstica
heursticaperfecta)
perfecta)
h(n)
h(n)==00??
(5) 4+1
5+1
goal
62
4.3
4.3
Bsqueda restricta por la
capacidad de memoria
63
64
- BPP por todos los nodos cuyos f sean menores o iguales al f lmite
el nuevo f lmite siempre ser el menor f de los nodos expandidos ms
all del f lmite
el nmero de las iteraciones de este mtodo es proporcional al nmero
de los diferentes valores de f
podra usarse un incremento e fijo para f lmite
pero no sera ADMISIBLE (e-admisible) que
e |opt soln|
65
66
DFS-CONTOUR(A, 12)
DFS-CONTOUR(B, 12)
f-cost(B) = 15 > 12
new-f = 15
next-f = 15
f-cost(G) = 13 > 12
new-f = 13
next-f = 13
f-limit = 13
---------------
67
DFS-CONTOUR(A, 13)
DFS-CONTOUR(B, 13)
f-cost(B) = 15 > 13
next-f = 15
DFS-CONTOUR(G, 13)
DFS-CONTOUR(H, 13)
f-cost(H) = 18 > 13
DFS-CONTOUR(I, 13)
f-cost(I) = 24 > 13
f-limit = 15
---------------En el interior de la iso-f = 13: A y G (no son metas)
Prxima a analizar: iso-f = 15
Ver Fig 4.11 4,5,6
68
f-limit = 18
-------------
69
iteracin 4
DFS-CONTOUR(A, 18)
DFS-CONTOUR(B, 18)
DFS-CONTOUR(C, 18)
DFS-CONTOUR(D, 18)
next-f = 20
DFS-CONTOUR(G, 18)
DFS-CONTOUR(H, 18)
DFS-CONTOUR(J, 18)
DFS-CONTOUR(K, 18)
DFS-CONTOUR(I, 18)
f-limit = 20
-------------------
70
DFS-CONTOUR(A, 20)
DFS-CONTOUR(B, 20)
DFS-CONTOUR(C, 20)
DFS-CONTOUR(D, 20)
solucin = D
----------------------
71
Algoritmo IDA*
cuando h = 0 se reduce a BPA con lo cual usa memoria exponencial con la profundidad en que se encuentra el
nodo meta ptimo
la profundizacin iterativa puede ayudar - ahora podamos los nodos cuyo nodo meta ms cercano se puede
mostrar que est por debajo de la profundidad de corte.
Las s iteraciones individuales realizan una BPP. La funcin heurstica tiene como misin podar nodos, sin llegar a
determinar el orden de la expansin.
Sketch
SketchofofIDA*
IDA*Algorithm:
Algorithm:
1.1. Set
Setcc==1;1;this
thisisisthe
thecurrent
currentcutoff
cutoffvalue.
value.
2.2. Set
SetLLtotobe
bethe
thelist
listofofinitial
initialnodes.
nodes.
3.3. Let
n
be
the
first
node
on
L.
If
Let n be the first node on L. IfLLisisempty,
empty,increment
incrementccand
andreturn
returntotostep
step2.2.
4.4. IfIfnnisisaagoal
goalnode,
node,stop
stopand
andreturn
returnthe
thepath
pathfrom
frominitial
initialnode
nodetoton.n.
5.5. Otherwise,
Otherwise,remove
removennfrom
fromL.L.Add
Addtotofront
frontofofLLevery
everychild
childnode
nodennofofnn
for
forwhich
which f(n)
f(n) c.c.Return
Returntotostep
step3.3.
72
Algoritmo IDA*
0+2 (1,2,4,9)
(3,5,10) 1+1
1+2 (7,13)
(6,11) 2+1
2+1 (8,14)
(12) 3+1
4+1
3+1 (15)
4+0 (16)
goal
Para
Paracc==1,1,solo
solose
seexamina
examinaelelnodo
nodo
inicio
inicio
para
paracc==2,2,examinar
examinardos
dosnodos,
nodos,inicio
inicio
yysu
suhijo
hijoizquierdo.
izquierdo.Notar
Notarque
queelelhijo
hijo
derecho
derechoes
espodado
podadopues
puessu
suvalor
valorde
de ff
>>cc==22
las
lasiteraciones
iteracionesindividuales
individualesse
serealizan
realizan
mediante
medianteBPP
BPP(el
(elnodo
nodo12
12se
seexpande
expande
antes
antesque
queelel14,
14,pese
peseaaque
queelelvalor
valorde
de
ff es
esmenor)
menor)
5+0
goal
73
74
75
4.4
4.4
Algoritmos de mejora iterativa
76
77
78
Ascenso a la Cima
Idea general si no podemos usar una descripcin matemtica para
derivar e igualar a cero y con ello encontrar la ruta inteligente adecuada,
recurrimos al ascenso a la cima.
Exploramos localmente cerca del punto en que estamos, palpando la
direccin del ascenso mximo o pendiente mxima.
Dejamos as de lado un rbol de bsqueda.
Avanzamos por la pendiente mxima con un paso arbitrario (no sabemos
cul usar).
Un paso corto lleva a vagabundeo sin ganancia de informacin.
Si el paso es muy largo nos sobrepasamos y ya no estamos dentro del mtodo
Cuando decae la mejora, estamos en la cima o en una mesa.
79
FORJADO o Endurecimiento
simulado
80
FORJADO o Endurecimiento
simulado
problemas difciles, por ejemplo multimodales, basados en la metfora de imitar el
81
82
83
Satisfaccin de Restricciones
- elegir un valor para cada variable
-luego usar reparacin heurstica (reparar las
inconsistencias)
un mtodo frecuentemente muy exitoso
elegir los valores que entren en min-conflictos
con otras variables
84
4.5
4.5
Resumen y conclusiones
razonadas
85
Resumen
Bsqueda Primero por lo Mejor - parte de Bsqueda General y
expande segn COSTO MINIMO
Avara COSTO MINIMO se interpreta como h, el que falta
por satisfacer
A* combina costo uniforme (g) con avara (h) - inconveniente
- no ahorra espacio
86
Resumen (2)
Una buena heurstica, ahorra.
A*PI = A* + PI (profundizacin iterativa). Al ser
profundizacin, ahorra.
A*SRM - si la memoria est llena, borrar el nodo de f ms
alto de la cola de espera (supresor)
Mejoramiento iterativo:
ascenso a la cima - evaluacin por calidad
gradiente mnimo - evaluacin por costo
forjado simulado - retroceder pasos
87
Resumen (3)
PSR (constraint satisfaction) - se asignan valores a todas las
variables y luego se modifican para conducir el proceso
hacia buen xito.
Al reparar inconsistencias se llaman algoritmos PSR
GSAT algoritmo paradigmtico en su uso en temas
posteriores
88
Conclusiones razonadas
En nuestra conducta intelectual raramente resolvemos nuestros
problemas con un ascenso continuo hacia el buen xito. Por eso
es difcil de interpretar que un agente resolvedor de problemas
vaya a servir en los casos particulares de bsqueda.
Probablemente necesitar un abanico de recursos de bsqueda.
Quizs haya que disponerlos en una estructura jerrquica rica
con estructuras complejas y recursivas.
89
Conclusiones razonadas
Como contrapartida, es estupendo que una mquina se gue por los gradientes de la
superficie de respuesta. Los mtodos de bsqueda se dividen en dos grupos:
los DESINFORMADOS ACERCA DE DERIVADAS, globalmente lentos e
ineficientes (en muchas casos) y
los INFORMADOS y que usan inteligentemente esa informacin. El ascenso a la
cima es un bello ejemplo de algoritmo informado y al serlo es muy rpido y
eficiente.
En el caso del humano, puede hacer recordar la teora de la felicidad de Mihaly
Csikszentmihalyi, acerca del desafo y la habilidad. Una habilidad orientada por
derivadas, pendientes y tangentes parece la mejor manera de enfrentar desafos
complejos.
90
Conclusiones razonadas
Aun con el FENOMENO DE MESA (the Mesa Phenomenon) - donde el
espacio est compuesto primariamente por zonas sin pendientes y donde
pasa a explorar al azar - el mtodo de ascenso a la cima parece un buen
ejemplo de las reflexiones estimuladas por el lema de la I.A., los aviones
no aletean ( no hay que imitar temas secundarios de la biologa, sino los
principales aqu trepar, errar y trepar es primario)
Frente al efecto MESA la bsqueda al azar es una de las ms ingeniosas
para detectar nuevas pendientes es as una heurstica adecuada que
complementen a la bsqueda de ascenso a la cima.
91
Conclusiones razonadas
Estas heursticas conducen a pensar en otra categora de mtodos de bsqueda
mucho ms afines a la mente humana. No han sido mencionados en este Captulo 4.
Son los que incorporan aprendizaje a la bsqueda tema por ver (cap. 17). En
vez de buscar al azar, buscar al azar en zonas no recin exploradas.
La idea fundamental es aprendizaje por refuerzo (tpico de los animales) , un
concepto tradicional de la psicologa y de la IA.
92
Conclusiones razonadas
Si no sabemos cmo obtener X, creemos un espacio de estados
donde sepamos que va a estar incorporado X y luego busquemos
a X dentro de ese espacio.
Mrito de esta formulacin siempre es posible encontrar un
espacio donde est contenida la respuesta o solucin.
Cuanto menos conocimiento tengamos, tanto ms grande ser el
espacio. La inteligencia lo achica.
93
Conclusiones razonadas
Dos grandes temas fundamentales en IA.
La bsqueda es uno de ellos.
Los procesos de reconocimiento de patrones
APRENDIZAJE, son el otro, igualmente fundamental (aunque
reconocer es haber buscado). Permiten el contacto entre la
estructura de memoria almacenada y la estructura de la tarea a
enfrentar.
La esencia de tener un problema es el de no saber qu hacer a
continuacin.
Esto genera bsqueda - una bsqueda combinatoria.
94
Conclusiones razonadas
Hay por lo menos tres bsquedas en cada tarea intelectual.
Bsqueda clsica dentro del espacio de problema tradicional, a travs de los nodos de un rbol
o entre nodos, como el ascenso a la cima.
Bsqueda de la receta intelectual para buscar (tarea por ahora del diseador - en el futuro?)
Bsqueda de medir bien la aproximacin a la meta (la heurstica el programa ABSOLVER)
95
CONTINA
http://www.angelfire.com/oh4/ohcop/ClaseCap5nu.ppt
http://www.angelfire.com/oh4/ohcop/ClaseCap5nu.ppt
http://www.angelfire.com/oh4/ohcop/ClaseCap5nu.ppt
96