INTELIGENCIA ARTIFICIAL

MOMENTO 2

EDUARD HUMBERTO BUITRADO JAIME

CC 4114435
ALBERTO MARIO FRUTO
KERWIN CARLOS TORRES

Tutor:
ANGELA MARIA GONZALEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS BASICAS, TECNOLOGA E INGENIERA
PROGRAMA DE INGENIERA ELECTRNICA
BOGOTA D.C

INTELIGENCIA ARTIFICIAL

INTRODUCCIN
En inteligencia artificial, los agentes siempre se crean para resolver
problemas,

normalmente

estos

problemas

implican

buscar

unos

determinados elementos, de una serie de rboles o cintas de informacin.

Cada problema es diferente y su naturaleza nos determina que nivel de

exactitud y rapidez se requiere, partiendo de esto tenemos diferentes tipos o
criterios de bsqueda. A continuacin apreciaremos los diferentes tipos de
bsquedas en inteligencia artificial, y sus definiciones.

INTELIGENCIA ARTIFICIAL

OBJETIVOS:
General: Identificar los diferentes tipos de bsquedas en Inteligencia
Artificial
Especficos:
-

Definir las bsquedas heursticas y ejemplificar una de ellas.

Definir las Bsquedas Ciegas y ejemplificar una de ellas.

Realizar un cuadro comparativo entre bsquedas heurstica y Ciegas.

INTELIGENCIA ARTIFICIAL

ACTIVIDADES INDIVIDUALES

A. Bsqueda preferente por lo mejor AVARA.

Por Eduard Buitrago:
Se trata de reducir al mnimo el costo estimado de la ruta para llegar a la
meta. El nodo ms cercano al nodo meta es el que siempre se expande
primero. La funcin es h(n).
En el siguiente diagrama deseamos encontrar la ruta mas corta para
llegar al El cocuy.

1. Expandir Bogot o KM.

Nodo Inicial= Bogot.
Meta= El Cocuy
Costo= 0

INTELIGENCIA ARTIFICIAL

2. Expandir Tunja
Nodo Inicial= 0 KM Bogot.
Meta=400 km El Cocuy
Costo= 100 KM Tunja

3. Expandir Soata.
4. Nodo Inicial= 0 KM Bogot.
5. Meta=400 km El Cocuy
6. Costo= 200 km Soata

INTELIGENCIA ARTIFICIAL

7. Expandir Capitanejo
Nodo Inicial= 0 KM Bogot.
Meta=400 km El Cocuy
Costo= 300 KM Capitanejo

1. Nodo Inicial= 0 KM Bogot.

2. Meta=400 km El Cocuy
Costo= 400 KM El Cocuy.

INTELIGENCIA ARTIFICIAL

Se Llega a El Cocuy Solucin Encontrada.

B. Ejemplo Bsqueda ciega por amplitud

Utilizaremos el siguiente grafo como ejemplo.
1. Definimos el contenido de cada nodo.

A=INTELIGENCIA
B=ROBOT

INTELIGENCIA ARTIFICIAL

C=UNAD
D=ARTIFICIAL
E=TUTOR
F=ESTUDIANTE
G=COLABORATIVO
2. Definimos los niveles del rbol para poder proceder con este tipo de
bsqueda.

Realizaremos una bsqueda ciega por amplitud que bsicamente consiste en

ir cada nivel buscando el elemento que deseamos si lo encontramos
terminara el proceso de bsqueda de lo contrario pasara al siguiente nivel y
en un orden determinado.

NOTA: Para nuestro sistema de bsqueda le diremos al agente que la

bsqueda la haga de derecha a izquierda. (Esto es autnomo del
programador)

INTELIGENCIA ARTIFICIAL

3. La palabra a buscar es colaborativo correspondiente al nodo G. y el

nodo inicial que asignaremos (ser el nodo a podra ser otro). Los
movimientos sern los siguientes:
Nodo Final G.
Nodo Inicial A
a. Evaluamos el nodo inicial, como no corresponde a lo que buscamos
pasamos al nivel 1, con la aclaracin que la bsqueda es de
derecha a izquierda.

b. No coincide vamos a comparar el nodo B con nuestro criterio de

bsqueda.

c. Como B No coincide, continuamos buscando en este mismo orden

hasta encontrar el Nodo G correspondiente a la palabra que
estamos buscando.

INTELIGENCIA ARTIFICIAL

C: Presentacin de Tipos de Bsquedas.

Original hecha en PowerPoint por temas de peso se corta y se pega ac.

INTELIGENCIA ARTIFICIAL

INTELIGENCIA ARTIFICIAL

INTELIGENCIA ARTIFICIAL

INTELIGENCIA ARTIFICIAL

D. CUADRO COMPARATIVO
BUSQUEDA HEURISTICA

BUSQUEDA CIEGAS

Slo utiliza informacin acerca de si un Usan el conocimiento del dominio para

estado es o no objetivo para guiar su adaptar el solucionador y, de esta manera,
proceso de bsqueda.
ste sea ms potente y consiga llegar a la
solucin con mayor rapidez.
En nodo abierto, No han actuado todos los Eestas tcnicas utilizan el conocimiento
posibles operadores, con lo que podran para avanzar buscando la solucin al
obtenerse nuevos hijos aplicando los problema.
operadores restantes.
La informacin sobre el beneficio, utilidad, Para evaluar la informacin de los estados
lucro para pasar de un estado a otro no son considera la funcin evaluadora. La
consideradas.
informacin sobre el beneficio, utilidad,
lucro de pasar de un estado para otro
estado si es considerado en el proceso de
bsqueda.

E. QUE ES UN ALGORITMO GENETICO?

Los algoritmos genticos son algoritmos de optimizacin y bsqueda y
aprendizaje inspirados en los procesos de Evolucin Natural y Evolucin
Gentica.
[Algoritmos de bsqueda basados en los mecanismos de seleccin natural y
gentica natural. Combinan la supervivencia de los ms compatibles entre
las

estructuras

de

cadenas,

con

una

estructura

de

informacin

ya

aleatorizada, intercambiada para construir un algoritmo de bsqueda con

algunas de las capacidades de innovacin de la bsqueda humana3.]1
Bsicamente funciona de la siguiente manera: En cada nueva generacin
son creadas unas cadenas o criaturas artificiales, que utilizan la informacin
ms importante de su progenitor (bits y partes). Esta seleccin se realiza

INTELIGENCIA ARTIFICIAL

mediante un complejo proceso aleatorio. Bsicamente los seres se basan en

la informacin gentica para dejar lo que conviene y crear nuevas
caractersticas a partir de lo bueno de la especie actual.

Los algoritmos genticos computados estn

compuestos por modelos de

evolucin basados en poblaciones cuyos elementos representan soluciones a

problemas. La simulacin de este proceso en un ordenador resulta ser una
tcnica de optimizacin probabilstica, que con frecuencia mejora a otros
mtodos clsicos en problemas difciles.

Construccin de un Algoritmo Gentico

1. Presentacin: Se debe tener claro el mecanismo para codificar a un

individuo como un genotipo.
EJM: La representacin de un individuo se puede hacer mediante una
Codificacin discreta, en particular binaria.

INTELIGENCIA ARTIFICIAL

2. Decidir cmo Inicializar una poblacin.

3. Decidir cmo seleccionar los individuos para ser padres.
4. Disear un operador de cruc adecuado.
5. Disear un operador de Mutacin Adecuado.
6. Decidir cmo remplazar a los individuos.
7. Decidir la condicin de Parada.

INTELIGENCIA ARTIFICIAL

CONCLUSIONES
-

Los mtodos de bsqueda se aplican deacuerdo a la necesidad de

cada sistema.

Los mtodos de bsqueda no siempre dan la mejor solucin al

problema. Para que sean ms exactos se requiere que evalen el nodo
paralelo y comparen valores.

Algunos mtodos de bsqueda tienen ms uso de memoria que otros.

Por lo tanto se debe calcular decuardo al sistema, este costo
beneficio.

INTELIGENCIA ARTIFICIAL

REFERENCIAS
[1]
Banzhaf W. Reeves C. (editors) (1999) Foundations of Genetic Algorithms.5
Morgan Kaufmann Publishers
[2]
GONZALEZ, A. Programa de Ingeniera de Sistemas. Inteligencia Artificial.
UNAD 2013.

[3]
Massare, B. Tal vez dejemos de Preguntarnos que es Inteligencia Artificial.
Entrevista

Michael

Luck.

Extrado

el

28/09/2014

de:

http://www.kcl.ac.uk/nms/depts/informatics/news/docs/Nota-de-tapa-IA4.pdf