CARRERA: ING.

EN SISTEMAS COMPUTACIONALES

MATERIA: INTELIGENCIA ARTIFICIAL

CATEDRATICO: ING. ELFEGO E. QUINTANA DE LA CRUZ

TEMA: REPRESENTCION Y RECUPERACION DE LA INFORMACION

ALUMNOS: SALVADOR PRADO MERIDA

GRADO: 7. TETRAMESTRE

TURNO: DOMINGO

TAPACHULA A 10 DE JULIO DE 2011

PROBLEMAS REALES Y MODELOS ANALOGOS

PROBLEMAS RELAES El individuo que, en cierto sentido, no logra manejar bien sus pasiones, posee una tendencia a dejarse dominar por aquellos sentimientos considerados como desfavorables, los cuales se multiplican e incluso pueden llegar a agrandarse, sin importarle de forma directa que sta actitud puede llegar a enfermarle, pues propiamente no se lo plantea en s mismo. En la prctica, y dado que nuestros propios problemas nos generan angustia y dolor personales, existe en las personas una tendencia a denominar como problema grave a uno que, en realidad, no lo puede ser tanto, pues nadie est dispuesto a afirmar que, muchas veces, nos preocupan problemas irreales, imaginarios, o que, en el fondo, no poseen esa importancia real que cada cual le da. Y es que si propiamente esos problemas nos generan dolor, tendemos a considerarlos a partir de ese momento como graves, encontrndonos luego en un crculo vicioso de razonamiento tpico de la gente denominada por esos sentimientos desfavorables. Muchos autores han opinado de forma igual a este respecto, y gracias a esos estudios se ha llegado a establecer una lnea de accin en referencia a la apa ricin del problema en s y su posterior ampliacin: en primer lugar, la persona se siente mal, temerosa o angustiada; identifica como que ese sentimiento est producido por sus problemas, no pudiendo hacer nada a tal respecto; al observar de forma subjetiva ese problema, y al hacerle dao, considera que, por tanto, es un problema grave; y, finalmente, se da cuenta que el tiempo pasa y que el dolor sigue igual o incluso puede llegar a ser mayor, llegando a considerar al problema como irreversible. En este caso, debemos darnos cuenta de que, ese principal problema, comienza con nosotros mismos, sintindonos mal, por tanto, la accin o evento no es considerada como un problema hasta que propiamente nos produce dolor y sufrimiento. No obstante, la aplicacin de ver las cosas con realismo, ecuanimidad y la objetividad misma, observando detenidamente los problemas en s, nos ayudara a comprobar cun grave es de verdad tal problema; pues, no hay que olvidar, que muchos de esos problemas, no slo -incluso- no suceden como tales, sino que nos los creamos nosotros mismos mentalmente.

MODELOS ANALOGOS Es un modelo con apariencia fsica distinta al original, pero con comportamiento representativo. El modelo analgico no es una reproduccin detallada de todas las cualidades del sistema real, sino que refleja solamente la estructura de relaciones y determinadas propiedades fundamentales de la realidad. Se establece una analoga entre el sistema real y el modelo, estudindose el primero, utilizando como herramienta auxiliar el segundo. Los modelos analgicos pueden representar situaciones dinmicas y se usan ms que los icnicos, porque pueden mostrar las caractersticas del acontecimiento que se estudia. Las curvas de demanda, las curvas de distribucin de frecuencia en las estadsticas y los diagramas de flujo, son ejemplos de modelos analgicos. A menudo un modelo analgico es muy adecuado para representar relaciones cuantitativas entre las propiedades de los objetos de varias clases. Al transformar las propiedades en propiedades analgicas, con frecuencia podemos incrementar nuestra capacidad de hacer cambios. Otra ventaja de los modelos analgico sobre los icnicos es que ordinariamente puede hacerse que los primeros representen muchos procesos del mismo tipo, lo que se hace evidente en el flujo de trabajos en procesos y productos terminados de una fabrica. No podra usarse eficazmente un modelo icnico para estudiar los efectos de ciertos cambios en el control de calidad. Un diagrama de flujo es un modelo analgico muy sencillo y eficaz en esas condiciones 1er. Ejemplo: en el campo de la Psicologa, la conducta de aprendizaje de los animales (ratas, perros, monos, etc.), ha servido como modelo analgico para estudiar las leyes del aprendizaje humano. 2do. Ejemplo: lo encontramos en las computadoras electrnicas, las que han servido como modelos materiales de las operaciones intelectuales del hombre.

REPRESENTACION GRAFICA DEL PLOBLEMA En el caso de los problemas orientados al clculo de remuneraciones, se podr representar grficamente la evolucin de la prima en funcin del parmetro t. A continuacin se muestra un ejemplo de dicha representacin:

El aprendizaje de las ciencias se logra cuando el alumno desarrolla una disposicin y apreciacin para participar en actividades propias del quehacer cientfico, en cuyo escenario es importante aprender a resolver problemas en los que se puedan aplicar diversas representaciones que le permitan examinar soluciones y relaciones. En este sentido, la Rigidez Perceptiva retoma un papel importante entre la percepcin del problema y el proceso de resolucin, y por consecuencia en el uso de la primera representacin grfica. El presente trabajo plantea la posibilidad de desarrollar la formulacin de problemas como un medio de promover habilidades cognitivolingstico, explorando diversas representaciones para identificar la organizacin de sus relaciones y establecer su articulacin en problemas contextualizados.

NODOS ARCOS Y OPERADORES En este artculo se describe una metodologa que permite construir y almacenar las relaciones topolgicas que se dan dentro de una red de polilneas entre sus elementos bsicos (nodos y arcos), como son las relaciones de conectividad y adyacencia. El objetivo es por tanto conseguir la construccin de polgonos a partir de una red de polilneas que solapan espacialmente. La secuencia de procesos se basa en tres fases bien diferenciadas: la generacin de intersecciones entre las diferentes polilneas, la generacin de los polgonos y finalmente, el almacenamiento de las relaciones de conectividad y adyacencia.

La parte central del trabajo, la formacin de polgonos, se realiza a partir del establecimiento de los nodos como elementos primordiales y el almacenamiento de cules son los arcos que parten o llegan a cada uno de ellos. El algoritmo presentado se cie al caso conjuntos no disjuntos de polilneas, aunque se proponen ideas para la resolucin del caso disjunto (incluyendo polgonos isla). Palabras clave: topologa, creacin de polgonos, geometra computacional

Errores tpicos en la digitalizacin vectorial

REQUISITOS PREVIOS

La metodologa expuesta parte de la premisa de que el conjunto de arcos es no disjunto, aunque posteriormente, se describir como la estructuracin de la informacin en el algoritmo descrito, permite la generacin de polgonos a partir de estructuras disjuntas, incluyendo el caso de polgonos isla.

Conjunto no disjunto (izquierda) y conjuntos disjuntos (derecha) de polgonos.

En cuanto a la nomenclatura topolgica utilizada en la descripcin del algoritmo, diremos que consideraremos como nodo a cada punto extremo de un arco (cada arco tendr dos nodos), y arco a una sucesin de segmentos rectos conectados y situados entre dos nodos. Estos arcos tendrn dos caractersticas esenciales: tienen un sentido definido (nodo inicial nodo final) marcado durante la captura del dato y dividen el espacio en dos regiones o semiplanos, izquierdo y derecho (segn el sentido del arco) que servir para definir la propiedad de adyacencia entre polgonos

Relaciones topolgicas bsicas en una red de polgonos.

3. DESCRIPCIN DEL ALGORITMO Las fases principales en las que se divide la metodologa son las siguientes: 1. Se parte de una red de arcos (polilneas o lneas) que son susceptibles de interceptar entre s. 2. Se calculan las intersecciones entre los distintos arcos. Dos tipos de intersecciones son creadas: las efectivas (las que realmente se producen) y las potenciales (las que se produciran si los segmentos finales e iniciales de cada arco fueran alargados). Para este ltimo caso se puede utilizar una tolerancia de control. 3. Se filtran los arcos generados tras las intersecciones, permaneciendo para el clculo slo aquellos que tienen sus nodos (puntos extremos) conectados a otro arco. 4. Almacenamiento de la relacin nodo-arco. Para ello se parte del registro de una estructura donde se almacena cada nodo y los arcos que se conectan a l. Para la formacin de los polgonos se tendr en cuenta el sentido de estos arcos y su ordenamiento angular.

5. Formacin de los polgonos. En esta fase nicamente se ha de recorrer la estructura anterior, partiendo desde un arco y tomando el siguiente arco conectado que tenga un valor angular ms alto (mayor acimut). El algoritmo termina cuando el siguiente arco conectado es el mismo que el inicial. 6. Almacenamiento de las relaciones topolgicas. El algoritmo recorre las estructuras creadas y almacena en tablas la informacin topolgica tpica en una topologa de arcos (identificador de arco, nodo inicial, nodo final, polgono a la derecha y polgono a la izquierda) y de polgonos (identificador de polgono y el conjunto de arcos que forman su lmite). Datos de partida. Los datos de partida pueden ser polilneas y/o lneas simples (por ejemplo un mapa catastral digitalizado a partir de un tablero digitalizador). La nica restriccin a priori es que los futuros polgonos estn agrupados visualmente en un conjun to conexo.

Datos de partida con errores topolgicos. Creacin de intersecciones. Como ya se ha comentado al inicio de este bloque, se detectan dos tipos de intersecciones entre los arcos de la red: las intersecciones efectivas (las reales) y las potenciales. Esto es debido a que durante el proceso de captura de datos podemos haber cometido errores por exceso y/o por defecto, de tal forma que existan arcos que rebasen a otros ms all de su interseccin, y por el contrario, otros arcos se queden cortos y no lleguen a interceptar (lo que en principio puede provocar un error de no formacin de polgono. Para el segundo caso de intersecciones, se puede proceder a alargar, mediante una tolerancia establecida, los extremos de cada arco, de forma que intercepten con otros.

Intersecciones efectivas (1) y potenciales (2). En cuanto al proceso de interseccin, podemos emplear multitud de tcnicas, que van desde la fuerza bruta, comparando cada arco con el resto y resolviendo el sistema de ecuaciones para encontrar el punto de interseccin, hasta tcnicas ms sofisticadas, como el uso de cajas aceleradoras (figura 6) o algoritmos como el sweep line, que optimizan el proceso, evaluando la interseccin slo entre aquellos arcos que son susceptibles de intersectar y evitando la evaluacin en el resto de casos, donde se conoce seguro que no va a producirse interseccin.

Filtrado de los arcos. Una vez detectadas las intersecciones, se generan nuevos segmentos por particin de los arcos. De esta manera, los nicos arcos que van a permanecer en la estructura final, sern aquellos que no tengan nodos libres, es decir, aquellos cuyo nodo inicial y/o final no conecte con ningn otro arco, es decir, no coincida espacialmente con ningn nodo de cualquier otro arco. Esto generar una estructura de arcos conectados que ser la que se analice a la hora de formar los polgonos (figura 8)

Alargamiento, generacin de intersecciones y eliminacin de arcos con nodos libres.

Almacenamiento de la conectividad nodo-arco. El objetivo de esta fase es conseguir una estructura que almacene la siguiente informacin: {Id de nodo, {Id de arcos que conectan con el nodo}} [1] Adems, los identificadores de los arcos que conectan con los nodos se escriben sin signo si el arco parte del nodo y con signo negativo si el arco llega al nodo. En el siguiente proceso, se toma la lista de identificadores de arcos y se ordena en orden ascendente segn su acimut, tomando como centro el nodo en cuestin (figura 9). De esta manera volvemos a tener la misma estructura pero de la manera siguiente: {Id de nodo, {Id de arcos conectados ordenados por acimut ascendente}} Esta es la estructura de base que se va a utilizar para el clculo de cada uno de los polgonos

Figura 9. Formacin de la estructura que almacena los arcos que conectan con cada nodo, ordenados angularmente.

EL CASO DE LA HOJA DE CALCULO Una Hoja Electrnica de Clculo es un Software que funciona como herramienta para manipular y analizar nmeros y frmulas en filas y columnas. Esta permite organizar datos numricos de forma que se puedan manipular en conjuntos clasificados por sus divisiones (filas y columnas) y mediante ellos se aplican frmulas y operaciones diversas. Esta herramienta permite tambin, transformar los datos a grficos o hacer una presentacin vistosa de los resultados de las operaciones.

Las principales aplicaciones que han tenido las HEC en la solucin de problemas son: Las empresas, la ciencia, la ingeniera y la educacin han utilizado la Hoja de clculo para resolver problemas numricos de todo tipo. Cuando se requiere hacer clculos con muchas cantidades y muy grandes, al igual que trabajar frmulas muy complicadas o trabajosas con ellas. Los problemas que se presentan en el diseo, el modelado y la simulacin tambin son resueltos con hojas de clculo, aunque estas sean ms especializadas. Algunos paquetes comerciales que manejan una HEC: *Microsoft Excel de Office, es el ms comercial y el paquete que contiene las herramientas bsicas para poder adaptar la hoja para trabajar en mltiples formas. *Lotus 1-2-3 del Lotus Smart Suite y el Improv, tambin del Lotus. *DeltaGraph Professional; USA GeoGraph *Quicken *Macintax *Mathematica Una celda es el recuadro presentado por la interaccin de una fila con una columna. En este lugar se introduce la informacin numrica de un solo dato, y es la forma en que se van acomodando los mismos. Un rango es un conjunto de celdas, un nmero determinado de filas o columnas elegidas por el usuario. Esta funcin puede servir para cuando se desea aplicar una frmula a un cierto nmero de celdas. Se puede elegir un rango segn la aplicacin de la hoja lo necesite. Los tipos de datos que pueden introducirse en una HEC: Los tipos de datos numricos y de texto, son los datos con los que se va atrabajar, a los que habr que aplicar una formula o simplemente organizarlos en diferentes ordenes, o bien clasificarlos o nombrarlos con datos de tipo Texto. Las etiquetas van a definir un tipo de dato, existen herramientas dentro de la base de datos, que clasifican un rango, lo etiquetan, para ser numrico decimal de n # de dgitos a la derecha o a la izquierda; para ser una fraccin, fecha, porcentaje, estas etiquetas preparan un formato para el dato insertado en la calda. Las frmulas se pueden aplicar en un rango especfico, y tambin se deben de introducir en una celda especfica. Las diferentes opciones que provee una HEC para editar a una hoja de trabajo son: Una celda activa puede ser editada: La celda activa es en la que el cursor (de celdas) est colocado. Este se distingue por que delinea la celda en un recuadro ms obscuro. Para editar los datos introducidos en una celda, basta con dar doble click con el cursor del mouse que,

sobre la hoja de clculo se convertir en una cruz gorda. Dentro de la celda aparece un cursor lineal parpadeando en el dato introducido. Dar formato a los datos: Para hacer una presentacin de los datos en una hoja de clculo se pueden utilizar autoformatos que le dan una vistosa apariencia. Esta apariencia consiste en lneas para diferenciar rangos o columnas o filas, en sombreados para los datos de texto que definen su campo, etc. Ajustar el tamao de las columnas y renglones: Cuando se trabaja con cantidades numricas muy diferentes es necesario ajustar los tamaos de sus columnas o renglones en el caso que se quieran introducir dos datos en un mismo rango. Estos se pueden cambiar posicionndose en la columna o rengln a cambiar, y seleccionando el men format, y ah se encuentran las opciones: colums, cells, rows y en cada una aparecen las opciones para modificar lo necesario. Insertar y/o borrar columnas y renglones: Esto sirve para eliminar filas o columnas cuando ya existen muchas y se necesita insertar o borrar en un lugar especfico; la ventaja de esto es que el programa ordena automticamente los nmeros de las filas o letras de las columnas a las que se edita. Para hacer esto, entras al men Insert en la barra de mens y se selecciona lo que se requiere modificar. Ah aparece una ventana que permite escoger la forma en que se va a eliminar o insertar; si hacia arriba, abajo o cualquier lado por ejemplo. Mover un rango de celdas de un rea a otra: Para hacer esto se puede seleccionar cierto rango con el cursor o con ctrl+alt y flechas; una vez seleccionadas se posiciona el cursor de forma que la flecha se incline hacia el lado izquierdo. El rango seleccionado se tiene que mover a un espacio donde todo quepa, es decir que no estn ocupadas la celdas en las que se quiere introducir lo seleccionado.

Los valores numricos se pueden representar como porcentajes, como decimales (de el nmero de dgitos que se desee) , fracciones, fecha, hora, dato cientfico, etc. Una funcin es un comando que contienen las HEC, que realizan una serie de clculos predeterminados. Es decir, una sola orden significa una serie de pasos. Por ejemplo, SQRT: para obtener races cuadradas, AVERAGE: para hacer promedios, SUM: para hacer la suma de algn rango especfico, MIN, MAX, entre otros. Estos son clculos comunes que a veces toma mucho tiempo escribir la frmula paso a paso, as que se usan esos comandos y entre parntesis se coloca el rango o las celdas a utilizar.

Otras funciones, automatizan clculos financieros, matemticos y estadsticos complejos que sera muy difiil efectuar a mano. As como el botn de raz cuadrada, de una calculadora, estas funciones ahorran tiempo y reducen la probabilidad de errores. Los grupos en que tradicionalmente se pueden clasificar las funciones de una HEC son: Financieros. De fecha y tiempo. Matemticas y trigonometra. Estadstica, referencia y bsqueda. Base de datos, texto, lgicos y de informacin.

Las principales frmulas matemticas y estadsticas, se efectan por orden de importancia. Los operadores aritmticos por ejemplo, funcionan en el siguiente orde: exponente, porcentaje, divisin, multiplicacin, suma y resta. Los operadores de referencia son los primeros, y en orden de importancia le siguen: la coma, el espacio sencillo, la negacin, el porcentaje, el exponente, luego multiplicacin y divisin, luego suma y resta, la conexin de dos textos (&), y luego los comandos de comparacin. Una macro es el formato que permite al usuario capturar secuencias de pasos reutilizables. Es decir que guarda un formato que en el que se pueden grabar los pasos que se efectuaron al hacer una HEC. Tiene muchos beneficios sobretodo de tiempo, ya que al abrir una macro especfica, no tienes ms que introducir nuevos datos.

ANALIZAR EL PROBLEMA Se tiene el cotrol de una cuenta de cheques en la que se giran cheques, se reciben depsitos y se hacen cargos a la cuenta. Se necesita una hoja de clculo en la que se describan los datos, y se reconozca el tipo de operacin para realizar las sumas o restas respectivas al tipo de operacin. PLANEACION Y DISEO DE LA HOJA DE CALCULO Se designar una columna a cada tipo de dato que se desea introducir, utilizando las frmulas con referencia direccional relativa, (IF, OR) para que se efecten automticamente las operaciones con slo introducir el saldo inicial, y el monto de los gastos. CONSTRUCCION Y PRUEBAS DEL MODELO EN LA HOJA DE CALCULO

TIPOS DE Cheques OPERACION Depositos=1 Girados=2 ---->

Cargos bancarios=3 MONTO LA DE SALDO ACTUAL 28520.00 29520.00 31020.00 31820.00 31320.00 30360.00 29910.00 29835.00 27635.00 29520.00 28415.00 28020.00 25915.00 24020.00

FECHA 02/09/98 12/09/98 23/09/98 23/09/98 01/10/98 18/10/98 22/10/98 24/12/98 24/12/98 26/12/98 22/10/98 27/12/98 27/12/98 01/01/99

TIPO DE SALDO DESCRIPCION OPERACION OPERACION ANTERIOR 2 1 1 1 2 3 3 3 2 3 1 3 3 2 Botellas escena 30000.00 cumpleanos quincena regalo de abuela restaurante mandado ropa tintoreria afinacion coche quincena Fiesta en bar Renta de casa Renta de casa del la 28520.00 29520.00 31020.00 31820.00 31320.00 30360.00 29910.00 1480.00 1000.00 1500.00 800.00 500.00 960.00 450.00 75.00 2200.00 780.00 1500.00 2500.00 4000.00 4200.00

pago de aretes 29835.00 27635.00 29520.00 28415.00 28020.00 25915.00 TOTALES

=SUM(E4:E17) =F17

REPRESENTACION DE LA BUSQUEDA En general, podemos afirmar que un problema consiste en: una descripcin de la situacin de la que se parte; una descripcin de la situacin a la que se quiere llegar; una descripcin de los medios de que disponemos para alcanzar nuestro objetivo. En el contexto de la Informtica, a partir de un problema, se intenta construir un sistema que lo resuelva. Resumidamente, las acciones para construir un sistema que resuelva un problema seran:

 Definir el problema con precisin (especificacin del problema), habitualmente a partir de un enunciado del problema expresado en lenguaje natural: De qu se parte; Cul es el objetivo. Analizar el problema: informacin para elegir las tcnicas. Aislar y representar el conocimiento necesario para resolver el problema. Elegir la mejor tcnica que resuelva el problema y aplicarla al problema particular. Particularizar estas acciones al contexto de la Inteligencia Artificial consiste en elegir las tcnicas de resolucin entre aquellas que son utilizadas en esta disciplina. En nuestro caso, nos centraremos en los siguientes temas en las tcnicas relacionadas con los sistemas de produccin y la bsqueda en espacios de estados.

RESOLUCION DE PROBLEMAS EN INTELIGENCIA ARTIFICIAL La gran variedad y disparidad de problemas a los que la inteligencia artificial se enfrenta dificulta la organizacin de la materia con fines didcticos e incluso cientficos. Resulta impensable en una materia de primer nivel llevar a cabo una discusin exhaustiva y ni siquiera razonablemente completa de todos los problemas dignos de ser estudiados, por lo que muchos autores/profesores se deciden por una exposicin de las tcnicas y mtodos ms importantes que permiten afrontar, total o parcialmente, la solucin de una gran variedad de los mismos. Dicha posicin causa, no obstante, un importante vaco en la formacin curricular del estudiante, pues la reduccin de la materia estudiada a un mero conjunto de contenidos tcnicos que participan en algn momento en la resolucin de los problemas como son las tcnicas de bsqueda, los mtodos de representacin del conocimiento, mtodos de inferencia, etc., los cuales son estudiados en la mayora de las veces en el contexto de aplicaciones o ejemplos muy reducidos, provoca una estrechez de miras respecto de la capacidad adquirida por el estudiante en cuanto a la aplicacin de las mencionadas tcnicas. En otras palabras, al estudiante no se le deben proporcionar nicamente tcnicas diversas para la solucin de problemas, tambin debe adquirir la suficiente formacin para que sea capaz de abordar adecuada y razonablemente la solucin de problemas a travs de las tcnicas aprendidas. De esta forma los objetivos de una asignatura de primer nivel deberan centrarse, por una parte, en el estudio de las principales tcnicas de resolucin de problemas, y por otra en la adquisicin de la suficiente destreza para, dado un problema, ser capaz de identificar la clase o categora del mismo con objeto de decidir qu tcnicas o herramientas resultan ms adecuadas para su solucin.

Hasta hace poco no exista metodologa alguna, tanto desde una perspectiva de desarrollo de aplicaciones como didctica, que facilitara el Captulo 2. Resolucin de problemas en inteligencia artificial: los agentes inteligentes 3 cumplimiento de los anteriores objetivos, lo cual provocaba una sensacin de vaco a la hora de abordar la solucin de problemas. Con el nacimiento de los agentes inteligentes se abri una puerta que facilitaba una adecuada integracin de los dos anteriores objetivos. El concepto de agente inteligente ofrece una visin unificada de la problemtica de la inteligencia artificial desde ambos puntos de vista, el didctico y el de desarrollo: por una parte se integra, bajo el concepto de agente, cualquier sistema inteligente cuyo objetivo es ofrecer una solucin a toda una categora de problemas, por otra, la descripcin de los principales tipos de agentes constituye, de hecho, un estudio sobre las caractersticas generales que adoptan las soluciones de aquellas categoras de problemas identificadas por los correspondientes agentes. Por tanto, los agentes inteligentes permiten identificar las caractersticas generales que adopta la solucin de toda una gama de problemas, a la vez que facilitan la identificacin de los mismos. En otras palabras, dado un problema a resolver lo primero que hay que hacer es analizar sus caractersticas para posteriormente identificar la categora a la que pertenece y as el tipo de agente que ofrece una solucin adecuada al mismo. Con el estudio de los diferentes tipos de agentes tambin se describen las tcnicas adecuadas para su implantacin si hay necesidad de una bsqueda, qu tipo de representacin del conocimiento es deseable, etc., lo cual ofrece una aceptable integracin metodolgica en la exposicin de los diferentes conocimientos conducentes a la satisfaccin de los objetivos considerados. Los agentes inteligentes Un agente es toda entidad/sistema que percibe su ambiente mediante sensores y que responde o acta en tal ambiente mediante efectores. Los agentes humanos tienen ojos, odos, y otros miembros que les sirven de sensores, as como manos, piernas, boca, que les sirven de efectores. Los agentes robticos tienen cmaras, sensores y telmetros infrarrojos, entre otros, como sensores, mientras que los efectores suelen estar constituidos por motores.

Un agente de software utiliza las cadenas de bits como percepciones y acciones. La siguiente figura 1 ilustra el esquema correspondiente a un agente genrico. Ambiente Agente Sensores Efectores Percepciones Acciones

GENERACION Y PRUEBA Utilizando una planilla de clculo o algn lenguaje de programacin, generar nmeros aleatorios aplicando los siguientes mtodos: a) Generador por cuadrados b) Tcnica del producto c) Tcnica de la multiplicacin por una constante d) Mtodo congruencial mixto e) Mtodo congruencial multiplicativo

Dados los siguientes 100 nmeros aleatorios realizar las siguientes pruebas: a) Prueba de los promedios b) Prueba de frecuencias c) Prueba de las series (Tomando los 50 primeros nmeros aleatorios) d) Prueba de la distancia (Tomando 20 nmeros aleatorios no usados en el punto anterior) 0.78961 0.79269 0.34358 0.70119 0.45679 0.69623 0.03272 0.90829 0.09133 0.53559 0.19147 0.72102 0.05230 0.80548 0.11537 0.18284 0.21631 0.17028 0.57410 0.94187 0.41678 0.33381 0.40644 0.10699 0.82654 0.89898 0.49962 0.87616 0.05475 0.26593 0.93655 0.33954 0.49383 0.08128 0.55877 0.29453 0.57880 0.38618 0.55743 0.91512 0.85903 0.88809 0.58244 0.75103 0.73435 0.141510.76086 0.20852 0.42989 0.67621 0.05010 0.76910 0.68334 0.58962 0.33216 0.76262 0.29931 0.43308 0.35286 0.81772 0.36982 0.85853 0.88752 0.19962 0.65002 0.22724 0.22287 0.12079 0.58518 0.00121 0.55170 0.03185 0.30861 0.24000 0.19904 0.33729 0.74579 0.07281 0.27738 0.98611 0.28269 0.10850 0.61168 0.83358 0.65559 0.54325 0.15506 0.79113 0.64183 0.65726 0.34488 0.73059 0.79982 0.09264 0.51781 0.38507 0.62400 0.23949 0.63453 0.44267

FUNCIONES HEURISTICAS La palabra heurstica, se deriva del verbo griego heuriskein, que significa "encontrar" o "descubrir". El trmino tcnico "heurstica" ha adoptado diversas connotaciones a lo largo de la historia de la IA. En 1957, George Polya public un importante libro titulado How to Solve it (Cmo resolverlo), en donde el trmino "heurstica" se aplicaba al estudio de mtodos para descubrir e inventar tcnicas para la resolucin de problemas, especialmente para problemas relacionados con demostraciones matemticas. Actualmente, el trmino heurstica se utiliza ms bien como adjetivo, para referirse a cualquier tcnica que permita mejorar el desempeo de caso promedio en una tarea de resolucin de problemas, aunque no necesariamente permita mejorar el desempeo del peor de los casos. Especficamente, en el rea de los algoritmos de bsqueda, se refiere a una funcin mediante la cual se obtiene un estimado del costo de una solucin. Hasta ahora se ha visto slo un ejemplo de una heurstica: la distancia en lnea recta para los problemas de determinacin de ruta. En este objetivo se comenta la heurstica del problema de las ocho placas, lo que contribuir a aclarar la naturaleza de la heurstica en general. El de las ocho placas fue uno de los primeros problemas de bsqueda heurstica. El problema consiste en deslizar las placas horizontal o verticalmente y colocarlas en el espacio que est vaco, hasta que la configuracin de partida sea igual a la de meta.

El problema de las ocho placas tiene justo el nivel de dificultad que lo hace interesante. Una solucin tpica consta de 20 pasos, aunque esto variar dependiendo del estado inicial. El factor de ramificacin es aproximadamente de tres (cuando la placa vaca est en medio, hay cuatro posibles desplazamientos; cuando est en una esquina, dos; cuando est en uno de los bordes, tres. Es decir, una bsqueda exhaustiva de profundidad 20 hara una bsqueda a travs de 320 = 3.5 X 109 estados. Si se lleva un registro de los estados que se repiten, la cantidad anterior disminuye considerablemente, puesto que habr slo 9! = 362 880 arreglos diferentes de nueve cuadros.

Sigue siendo un nmero grande de estados, por lo que procede encontrar una buena funcin heurstica. Para encontrar las soluciones ms breves hay que tener una funcin heurstica que nunca sobreestime para alcanzar la meta. Las siguientes son dos candidatas: h1 = la cantidad de placas que estn en lugar incorrecto. En la figura anterior, ninguna de las ocho placas est en la posicin meta, por lo que el estado de partida 1 aceptable puesto que es evidente que cuando una placa est en lugar incorrecto habr que desplazarla por lo menos una vez. h2 = la suma de las distancias que separa a las placas de sus posiciones meta. Puesto que las placas no se desplazan a travs de diagonales, la distancia que se considera es la suma de las distancias verticales y horizontales. A sta se le denomina a veces , distancia de Manhattan. h2 tambin es aceptable puesto que todo movimiento de partida tiene una distancia de Manhattan de: h2 =2+3+2+1+2+2+ 1 +2= 15