Fecha: 29 Mayo 2015
Tema: Evitar estados repetitivos 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.
Desarrollo
Evitar estados
repetidos
Para algunos
problemas, la repetición de estados es inevitable. Los arboles de búsqueda para
estos problemas son infinitos pero si podamos parte de estos estados
repetitivos el árbol se convierte en finito.
Si el algoritmo no detecta los estados repetitivos se convierte
en un problema irresoluble.
Búsqueda de información
parcial
- · Problemas sin sensores
Si el agente no tiene ningún sensor, entonces (por lo que
sabe) podría estar en uno de los posibles estados iniciales, y cada acción por
lo tanto podría conducir a uno de los posibles estados sucesores.
Para resolver problemas sin sensores, buscamos en el
espacio de estados de creencia más que en los estados físicos. El estado
inicial es un estado de creencia, y cada acción aplica un estado de creencia en
otro estado de creencia. Una acción se aplica a un estado de creencia uniendo
los resultados de aplicar la acción a cada estado físico del estado de creencia.
Un camino une varios estados de creencia, y una solución es ahora un camino que
conduce a un estado de creencia, todos de
cuyos miembros son estados objetivos.
- · Problemas de contingencia
Si el entorno es parcialmente observable o si las
acciones son inciertas, entonces las percepciones del agente proporcionan nueva
información después de cada acción. Cada percepción posible define una
contingencia que debe de planearse. A un problema se le llama entre adversarios
si la incertidumbre está causada por las acciones de otro agente.
Los problemas de contingencia a menudo permiten
soluciones puramente secuenciales, por ejemplo, considere el mundo de la ley de
Murphy totalmente absoluto, las contingencias surgen cuando el agente
realiza una acción, ejemplo aspirar, caminar, u otra acción para el
cual el agente está destinado.
Conclusión
En los problemas sin sensores, no hay ningún sensor
que nos diga en qué estado nos encontramos, Por lo tanto, no conocemos el
estado inicial, lo que se supone es, que a determinado aperador le corresponde
determinada acción.
El problema de contingencia en un agente se encontrará
en una secuencia fija de acciones es garantizar la solución de un
problema, par es a esto necesario utilizar una especie de “sensor” durante
la fase de ejecución por lo cual el agente calcula un árbol de acciones.
Bibliografía
Russell S. y P.
Norvig, Inteligencia Artificial: Un enfoque moderno. 2 ed. España. Pearson. p
51-62.
No hay comentarios:
Publicar un comentario