关于人工智能的一切

LOS SISTEMAS DE BÚSQUEDA
Introducción a los sistemas de búsquedas.
En inteligencia artificialsynthetic el tema de búsquedas es central, 因为, 例如, 执行机械动作以解决问题, se reducescale backcut again a buscar en un espacio de estados como se explicaba en el apartado anterior. En esa disciplina se estudian búsquedas ciegas (búsqueda primero en amplitud, primero en profundidad, profundidad iterativa, de costo uniforme, etcand so onand so forthand many others.) y búsquedas inteligentes (búsqueda avara, A, IDA, A restricta por memoria simplificada, ascenso de cima (hill-climbing), etcand so onand so forthand many others.)
Relacionado con la búsqueda del óptimo está el problema del controlmanagement de la búsqueda, controlmanagement planteado por Newell y Simon que ha generado una abundancia de trabajos en el campo de la inteligencia artificialsynthetic. Se trata de elegir entre búsquedas heurísticas lo suficientemente buenas (no perfectas) como para que se pueda dar por concluida la búsqueda con una aceptable respuesta al problema en un lapso aceptable de tiempo.
No se discute que las búsquedas aumentan “explosivamente” cuando el espacio de problema se vuelve demasiado vasto por bifurcación de nodos a buscar por incorporación de más variables. Un controlmanagement de búsqueda basado en técnicas mediocres también llega a proponer una respuesta adecuada, aunque en un tiempo demasiado largo. En un modelo de mundo en un contexto con más y más variables que participan y que no se reducen a un número manejable por descarte, surge un problema de controlmanagement de la búsqueda: ella se vuelve “explosiva”. El problema del controlmanagement de búsqueda (por ejemplo el problema del operador a elegir, el problema de la planificación, etcand so onand so forthand many others.) aún está casi sin resolver.
El papel de la búsqueda en la Inteligencia ArtificialSynthetic
La resolución de problemas en IA requiere, normalmente, determinar una secuencia de acciones decisiones. Esta secuencia será ejecutada posteriormente por un agente con el fin de alcanzar un objetivo a partir de una situación inicial dada. Dependiendo del problema concreto, la ejecución de la secuencia de acciones decisiones tiene asociado un costo que se tratará de minimizar, bien tiene asociado un beneficio que se tratará de maximizar. En la descripción de los sistemas de búsqueda, se supone que el agente se mueve en un entorno accesible, lo que es lo mismo, que es capaz de percibir el entorno con precisión. 此外, se supone también que tanto el efecto como el coste costo de las acciones se pueden predecir con exactitud. 这样, la secuencia de acciones se puede obtener antes de su ejecución; en otro caso, la siguiente acción no podría ser determinada hasta conocer el resultado de la ejecución de la anterior.
分类
Para elaborar una clasificación de los sistemas de búsqueda se tienen muchas clasificaciones tantas como investigadores y autores en inteligencia artificialsynthetic existen, en el módulo se ha tratado de organizar esta información para ofrecer un panorama lo más amplio posible para que el estudiante abarque la mayor cantidad de información, los nombres de los algoritmos y métodos de solución en unos casos tienen diferencias que se aclaran en el transcurso del documento. La siguiente clasificación se puede tomar como genérica para tener una ideaconceptthought de las posibilidades de búsqueda.
Búsquedas en los espacios de estado
Formulación de metas: se establece el objetivo
Formulación del problema: se decidedetermineresolve que acciones y estados habrán de considerarse.
搜索: evaluación de las posibles secuencias de acciones que le llevan a la meta y elección de la más apta.
Tipos de problemas:
Problemas de un solo estado: el agente conoce con exactitud en que estado se encuentra y el resultado de cada una de sus acciones.
Problemas de estados múltiples: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones.
Problemas de contingencias: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones, aunque se le pueden presentar ciertas contingencias en las mismas.
Problemas de exploración: el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones.
Problemas
定义: Es un conjunto de información que el agente utiliza para decidir lo que va a hacer.
Un problema esta compuesto por:
Un estado inicial que es donde se encuentra el agente.
Un conjunto de acciones que le agente puede emprender.
La prueba de meta para saber si alcanzo un estado meta.
Hay tres formas para medir la 在线人工智能 eficiencia de la búsqueda:
Según permita no alcanzar la solución,
Según su costo de ruta
Elección de estados y acciones
Los estados y acciones se eligen mediante un proceso de abstracción (eliminación de detalles de una representación).
Búsqueda de soluciones
La búsqueda consiste en escoger una opción, haciendo a un lado las demás para considerarlas posteriormente en caso de no obtener respuesta alguna mediante la primera opción.
Árboles de búsqueda
Componentes en la estructura de datos para los árboles de búsqueda:
El estado al que corresponda el nodo,
El nodo padre,
La profundidad del nodo (distancia hasta la raíz),
El costo de ruta desde el estado inicial hasta el nodo.
Estrategia de búsqueda
Las estrategias de búsqueda se evalúan según los siguientes criterios:
Completez: si garantiza no encontrar la solución si es que existe.
Complejidad temporal: cantidad de tiempo necesario para encontrar la solución
Complejidad espacial: cantidad de memoria necesaria para encontrar la solución.
Optimidad: si se encontrará no la mejor solución en caso de que existan varias.
Tipos de estrategias de búsqueda
Las estrategias de búsqueda se pueden agrupar en dos grandes grupos:
Búsquedas sin contar con información ( búsqueda ciega): no existe información acerca de la cantidad de pasos necesarios sobre el costo de ruta para pasar del estado de un momento dado a la meta.
Búsqueda respaldada con información ( búsqueda heurística): se posee información muy valiosa para orientar la búsqueda para que sea mas óptima.
Búsquedas sin contar con información
Las seis estrategias de búsqueda sin contar con información son las siguientes:
• Búsqueda preferente por amplitud
• Búsqueda de costo uniforme
• Búsqueda preferente por profundidad
• Búsqueda limitada por profundidad
• Búsqueda por profundización iterativa
Búsqueda preferente por amplitud:
En esta búsqueda todos los nodos que están en la profundidad d del árbol de búsqueda se expanden antes de los nodos que estén en la profundidad d+1.
• Si son varias las soluciones, este tipo de búsqueda permitirá siempre encontrar primero el estado meta más próximo a la raíz.
• En esta búsqueda el tiempo y la cantidad de memoria necesaria crece exponencialmente con respecto a la profundidad.
• Es óptima y completa.
Búsquedas de costo uniforme:
在这种搜索中，将优先按广度的策略修改为始终展开边缘上成本最小的节点 (由路径成本 g 衡量(n)) 而不是成本最小的节点.
这种类型的搜索将始终能够找到最便宜的解决方案，只要沿路径前进时路径成本不会减少.
在这种搜索中，所需时间和内存量随深度呈指数增长.
• Es óptima y completa.
按深度优先搜索:
在这种搜索中，总是展开位于树最深处的节点之一. 只有当搜索走入死胡同时, 搜索会被逆转，并且较浅层的节点会被展开.
这种搜索会陷入无限循环，永远无法到达解决方案, 最终会找到比最优解更长的解决路径.
• 在这种搜索中，所需时间会随着深度呈指数增长, 而所需的内存空间则呈线性增长
• 既不最优也不完整.
有限深度搜索:
这种搜索类似于深度优先搜索，不同之处在于对路径的最大深度设置了限制.
使用的操作会不断报告节点的深度.
• 在这种搜索中，所需时间会随着深度呈指数增长, 而所需的内存空间则呈线性增长
迭代加深搜索:
这种搜索类似于深度受限搜索，但不同之处在于，每次迭代都会对同一问题使用不同的深度值进行搜索.
在这种搜索中，所需时间会随着深度呈指数增长, 而所需的内存空间则呈线性增长
它是最优的且完整的.
双向搜索:
这是一种从初始状态向前推进并从目标状态向后回溯的搜索，当两次搜索在某个中间点相遇时停止.
在这种搜索中，所需的时间和内存空间会随着深度一半呈指数增长 (bd/2).
它是最优的且完整的.
在人工智能中 (人工智能) 使用启发式这种称谓, en un sentido muy genérico, para aplicarlo a todos aquellos aspectos que tienen que ver con el empleo de conocimiento en la realización dinámica de tareas.
Se habla de heurística para referirse a una técnica, método procedimiento inteligente de realizar una tarea que no es producto de un riguroso análisis formal, sino de conocimiento experto sobre la tarea. En especial, se usa el término heurístico para referirse a un procedimiento que trata de aportar soluciones a un problema con un buen rendimiento, en lo referente a la calidad de las soluciones y a los recursos empleados.
En la resolución de problemas específicos han surgido procedimientos heurísticos exitosos, de los que se ha tratado de extraer lo que es esencial en su éxito para aplicarlo a otros problemas en contextos más extensos.
Esta búsqueda también es conocida como búsqueda respaldada con información que puede dividir en los siguientes tipos de búsqueda:
• Búsqueda preferente por lo mejor.
• Búsqueda limitada por la capacidad de la memoria.
• Búsquedas de mejoramiento iterativo.
Búsqueda preferente por lo mejor:
Esta búsqueda consiste en expandir primero aquél nodo con mejor evaluación. Dicha evaluación es el resultado de aplicar la función de evaluación al nodo, la cual devuelve un número que sirve para representar lo deseable que sería la expansión de un nodo.
Dentro de este tipo de búsqueda se encuentran:
• Búsqueda avara.
• Búsqueda A.
Búsqueda avara:
Consiste en reducir al mínimo el costo estimado para alcanzar una meta.
Para ello se utiliza una función llamada heurística, la cual estima el costo que implica llegar a una meta desde un estado determinado, y elige cual es el siguiente nodo que se va a expandir aplicando esta función a cada nodo.
在这种搜索中，所需时间和内存量随深度呈指数增长. Pero la elección de una buena función heurística permite disminuir notablemente la complejidad tanto en tiempo como en espacio.
No es óptima ni completa.
Búsqueda A:
Esta búsqueda es una búsqueda preferente por lo mejor en la que se utiliza f como función de evaluación.
La función f calcula el costo estimado de la solución más barata, pasando por n y se calcula de la siguiente manera:
f=g(n) + h(n)
Siendo g(n) el costo de ruta y h(n) una heurística admisible (que nunca sobreestima el costo que implica alcanzar la meta).
En esta búsqueda la cantidad de memoria necesaria crece exponencialmente con respecto a la profundidad. Pero la elección de una buena función heurística permite disminuir notablemente la complejidad tanto en tiempo como en espacio.
它是最优的且完整的.
Búsqueda limitada por la capacidad de la memoria:
Cuando se implementan las búsquedas vistas hasta el momento, hay ciertos problemas muy difíciles de resolver y por lo tanto siempre hay que dar algo a cambio para resolverlos, y lo primero que se cede es la memoria disponible.
Para poder conservar la memoria existen:
La búsqueda A por profundización iterativa
La búsqueda A acotada por memoria simplificada.
迭代加深搜索 (API):
在该算法中, 每次迭代都是优先进行深度优先搜索, 它被修改为使用成本函数f的限制而不是深度限制.
在这种搜索中，所需的内存空间随深度线性增长, 而时间复杂度取决于启发函数可能采取的不同值的数量.
它是最优的且完整的.
具有以下特征:
充分利用可用内存
在内存允许的情况下, 会避免重复状态
如果可用内存足够保存到最近解的路径，则算法是完备的
迭代改进搜索:
La ideaconceptthought básica de los algoritmos de estos tipos de búsqueda consiste en empezar con una configuración completa y efectuar modificaciones para mejorar su calidad.
Entre estas búsquedas se pueden encontrar:
Búsqueda por ascenso de cima.
Búsqueda con endurecimiento simulado.
Búsqueda por ascenso de cima:
Esta búsqueda se trata de un bucle que constantemente se desplaza en la dirección de un valor ascendente. Como el algoritmo no mantiene un árbol de búsqueda, la estructura de datos del nodo sólo tiene que registrar el estado y su evaluación, denominado VALOR.
Búsqueda por endurecimiento simulado:
Esta búsqueda es muy similarcomparablerelated a la búsqueda por ascenso a la cima, pero con la diferencia de que en vez de empezar otra vez al azar luego de quedarse atorado en un máximo localnative, sería conveniente descender unos cuantos pasos y así escapar del máximo localnative en cuestión.
人工智能 Synthetic
Páginas vistas en totalcompletewhole
Para reflexionar
Encomienda a Jehová tus obras y tus pensamientos serán afirmados. Prov 16sixteen:3三
Si estás ausente durante mi lucha… No esperes estar presente en mi éxito
Disfruta de las pequeñas cosas, porque tal vez un dia vuelvas la vista atrás y te des cuenta de que eran grandes cosas
Las personas más valientes que he conocido son aquellas que han vivido derrotas , que han conocido las luchas, las pérdidas y que han encontrado su camino de salida desde las profundidades para seguir luchando con más fuerza