inteligencia arti cial -...

Sesiones de Representacion

Representacion

Inteligencia Artificial

Grupo de Planificacion y Aprendizaje (PLG)Departamento de InformaticaEscuela Politecnica Superior

Universidad Carlos III de Madrid

8 de octubre de 2008

Inteligencia Artificial Representacion

Sesiones de RepresentacionRepresentacion basada en RelacionesRepresentacion basada en ObjetosRepresentacion basada en Acciones

Resumen de las Sesiones de Representacion

Representacion







Contenidos:

Representacion basada en RelacionesRepresentacion basada en ObjetosRepresentacion basada en Acciones



Representacion basada en Relaciones

1 Logica Proposicional (booleana o de orden cero)

2 Logica de Predicados (o de primer orden)



Representacion basada en objetos

3 Marcos



Representacion basada en Acciones

4 Sistemas de Produccion


Logica ProposicionalLogica de Predicados

Parte I

Representacion basada en Relaciones



Representacion y Modelizacion de Problemas utilizando LogicaProposicional

Representacion







Contenidos:





Logica proposicional (booleana o de orden cero)

Elementos de representacion: proposiciones y conectivas(∧,∨,→,¬)

Inferencia: deducciones con reglas, hechos y Modus-Ponens

Ejemplos: llueve, (¬nieva∧llueve)∨hay-hielo

Ventaja: representacion de tipo general, y decidible (entiempo finito es capaz de decidir si una proposicion esdeducible de la informacion disponible o no)

Problema: si se quiere razonar sobre conjuntos de cosas. Porejemplo, grafos, o jerarquıas de conceptos.



Reglas de inferencia

Reglas de equivalencia:

¬ (p ∧ q ) = (¬ p) ∨ (¬ q)¬ (p ∨ q ) = (¬ p) ∧ (¬ q)¬ ¬ p = p

Inferencia (o deduccion):

p,q; por tanto p ∧ qModus-Ponens (p → q y p; por tanto q)



Ejemplo: Proposiciones

Una fabrica tiene cuatro sensores que detectan fuego y dossensores que detectan fugas en el circuito del agua. Existentres alarmas que se producen en diferentes ocasiones

s1, s2, s3, s4, f1, f2, a1, a2, a3

Si el detector 3 de fuego o el detector 2 de fugas saltan, sedebe producir la alarma 1

R1: s3 ∨ f2 → a1

Si saltan los detectores de fuego 1 y 4, se debe producir laalarma 2

R2: s1 ∧ s4 → a2

Si salta la alarma 1, y el detector de fuego 2 o el de fugas 1,se debe producir la alarma 3

R3: a1 ∧ (s2 ∨ f1)→ a3



Ejemplo: Inferencia: deduccion

Han saltado el detector de fuego 2 y el de fugas 2.¿Que alarmas saltarıan?

1 s2

2 f2

3 (R1 y 1) a1

4 (R3, 1 y 3) a3



Dificultades de representacion

Una empresa tiene 10 empleados. Los empleados puedentrabajar en tres tipos de puestos: director, jefe oadministrativo.

Empleado1TrabajaDeDirector, Empleado2TrabajaDeJefe, . . .

Si es director gana 60000 euros brutos al ano, si es jefe 30000y, si no, 20000. Ademas, si tiene mas de dos hijos, gana 10000euros mas al ano.

Empleado1Tiene1Hijo, Empleado2Tiene3Hijos, . . .Empleado1Tiene1Hijo ∧ Empleado1TrabajaDeDirector → Empleado1Gana60000Empleado2Tiene3Hijos ∧ Empleado2TrabajaDeJefe → Empleado2Gana40000



Otro ejemplo

Una universidad imparte un conjunto de titulaciones en unconjunto de centros. Cada titulacion tiene un plan de estudiosformado por un conjunto de asignaturas troncales, obligatorias,optativas y de libre eleccion. Cada asignatura se imparte en uncurso y cuatrimestre determinados y tiene un determinado numerode creditos. Cuando un alumno se matricula por primera vez enprimero, debe matricularse de todas las asignaturas del primercurso. En primero de Ingenierıa Tecnica en Informatica de Gestionde la Universidad Carlos III de Madrid se imparte en primero lasasignaturas de Matematicas I, . . . . Ana Morales Perez acaba dematricularse en primero de la titulacion.



Representacion y Modelizacion de Problemas utilizando Logica dePredicados

Representacion







Contenidos:





Logica de predicados (de primer orden)

Elementos de representacion:

Terminos: Constantes (uc3m), Variables (X ), Funciones(siguiente(X ))Formulas atomicas: Predicados definidos sobre terminos

1. trabaja-como(empleado1,director)

2. tiene-hijos(empleado1,1)

Formulas bien formadas (wff): Formulas atomicas unidas porconectivas (∧,∨,→,¬) y cuantificadas (∀,∃)

3. ∀X , Y trabaja-como(X,director),

tiene-hijos(X , Y ), Y<=2 → gana(X,60000)

4. ∀X , Y trabaja-como(X,director),

tiene-hijos(X , Y ), Y>2 → gana(X,70000)



Reglas de inferencia

Inferencia: Todas las de logica proposicional + instanciacionuniversal

Instanciacion universal: si tenemos ∀ X p(X) entonces sepuede deducir p(a), p(Y) . . . Unificacion

Ejemplo: Todos los hombres son mortales, Socrates es unhombre, por tanto Socrates es mortal:

1 R1: ∀ X hombre(X) → mortal(X)2 hombre(socrates)3 R1 y X=socrates: hombre(socrates) → mortal(socrates)4 (2 y 3) mortal(socrates)



Representacion

Una universidad imparte un conjunto de titulaciones en unconjunto de centros y campus.

imparte(Universidad,Titulacion,Centro,Campus)imparte(uc3m,itig,eps,leganes)imparte(uc3m,itig,eps,colmenarejo)imparte(uc3m,ii,eps,leganes)

La representacion no es unica

imparte-titulacion(Universidad,Titulacion)imparte-titulacion(uc3m,itig)imparte-titulacion(uc3m,ii)imparte-centro(Titulacion,Centro)imparte-centro(itig,eps)centro-en-campus(Centro,Campus)centro-en-campus(eps,leganes)



Sigue el ejemplo

Cada titulacion tiene un plan de estudios formado por unconjunto de asignaturas troncales, obligatorias, optativas y delibre eleccion.

asignatura-en-plan(Asignatura,Titulacion)asignatura-en-plan(ia-itig,itig)tipo-asignatura(Asignatura,Tipo)tipo-asignatura(ia-itig,obligatoria)tipo-asignatura(ia-ii,troncal)

Cada asignatura se imparte en un curso y cuatrimestredeterminados y tiene un determinado numero de creditos.

curso-asignatura(Asignatura,Curso)cuatrimestre-asignatura(Asignatura,Cuatrimestre)creditos-asignatura(Asignatura,Creditos)oasignatura(Asignatura,Curso,Cuatrimestre,Creditos)



Inferencia

Inferencia: Modus-Ponens (resolucion/unificacion)De 1 y 3, se deduce gana(empleado1,60000)

Cuando un alumno se matricula por primera vez en primero,debe matricularse de todas las asignaturas del primer curso.R1: ∀ X,U,Y primera-matrıcula(X,U),

curso-asignatura(Y,1) → matriculado-en(X,Y)



Inferencia. Deduccion con Modus-Ponens

En primero de Ingenierıa Tecnica en Informatica de Gestion dela Universidad Carlos III de Madrid se imparte en primero lasasignaturas de Matematicas I, . . .

1. curso-asignatura(matematicasI,1)2. curso-asignatura(fısica,1)

Ana Morales Perez acaba de matricularse en primero de latitulacion.

3. primera-matrıcula(anaMorales,uc3m)

Si X =anaMorales, U=uc3m, y Y =matematicasI, (unificacion)por Modus-Ponens, a partir de la regla 1, de 1 y de 3, sepuede deducir que matriculado-en(anaMorales,matematicasI)

Si X =anaMorales, U=uc3m, y Y =fısica, por Modus-Ponens,a partir de la regla 1, de 2 y de 3, se puede deducir quematriculado-en(anaMorales,fısica)



Unificacion

Una variable puede unificar con una constante (X ,anaMorales)

Una variable puede unificar con otra variable (que noeste previamente unificada) (X ,Y )

Un literal puede unificar con otro si tienen el mismo predicadoy los argumentos unifican uno a unoprimera-matrıcula(anaMorales,uc3m),primera-matrıcula(X ,U)

En el resto de la formula se sustituye la variable por su valor

Resultado: sustitucion (σ)σ={(X,anaMorales),(U,uc3m)}



Deduccion hacia atras

¿Y si se desea conocer en que asignaturas se debe matricularanaMorales?

Pregunta: matriculado-en(anaMorales,Y )

Se busca una implicacion logica en la que aparezcamatriculado-en(V ,V 1) en la parte derecha (puede habermas de una)

Si se pueden unificar, se intenta deducir los literales queaparezcan en la parte izquierda de la implicacion

Si existe alguna asignacion de valor a las variables de la parteizquierda que permita deducir como ciertas las condiciones, sepodra deducir la pregunta de diferentes formas (diferentesvalores de Y : matematicasI, fısica, . . . )



Caracterısticas de logica de predicados

Ventaja: representacion de tipo general mas rica que laproposicional

Problema: es semidecidible (si algo no se puede deducir, losmecanismos de inferencia no aseguran que se pararan)

Solucion: subconjuntos decidibles de logica de predicados(clausulas de Horn)

Existe un lenguaje de programacion que permite crear yejecutar programas en logica de predicados: prolog



Modelo computacional. prolog

conectados(X,Y) :- conectados(Y,X).

alcanzable(X,Y) :- conectados(X,Y).alcanzable(X,Y) :- conectados(X,Z),

alcanzable(Z,Y).



Otras logicas

Logicas de segundo orden (o de orden superior)

tienen dos (o tres) tipos definidos: los objetos y los conjuntos ofunciones sobre los mismos (o ambos)es equivalente a decir que los predicados pueden tomar otrospredicados como argumentos

Logicas modales y temporales

necesario ( ) y posible (�)Logica difusa

grados de pertenencia

Otras: multi-valuadas, no-monotonas, cuanticas, . . .



Parte II

Representacion basada en Objetos



Introduccion a la representacion basada en objetos

Representacion







Contenidos:

3 Marcos



Objeto-Atributo-Valor

Lista de ternas

(trabajador1,esta-en,casilla-1-0)(casilla-1-0,x,1)(casilla-1-0,y,0). . .

Equivalente a registros (lenguajes de programacion) o apredicados binarios (logica de predicados)

No hay herencia

Es difıcil realizar razonamiento (utilizada junto a reglas o pararealizar aprendizaje inductivo)



Otra forma de mostrarlo

Objeto esta-en x ytrabajador1 casilla-1-0trabajador2 casilla-1-1casilla-1-0 1 0casilla-1-1 1 1



Marcos

Conceptos: clases, marcos (frames), . . .

Subconceptos: subclases

Instancias: objetos

Atributos: slots, campos, caracterısticas, . . .

Herencia: simple o multiple

Facetas: atributos de atributos (valor, tipo de valores,comentario, cardinalidad, . . . )

Relaciones: es-un, parte-de, empleado-de, . . .

Metodos: funciones asociadas a los marcos

Demonios: funciones que vigilan las operaciones sobre losatributos

Ontologıas (incluyen axiomas): representaciones formales delconocimiento sobre un dominio compartidas por un conjuntode aplicaciones



Universidad en marcos

Una universidad imparte un conjunto de titulaciones en unconjunto de centros. Cada titulacion tiene un plan de estudiosformado por un conjunto de asignaturas troncales, obligatorias,optativas y de libre eleccion. Cada asignatura se imparte en uncurso y cuatrimestre determinados y tiene un determinado numerode creditos. Cuando un alumno se matricula por primera vez enprimero, debe matricularse de todas las asignaturas del primercurso. En primero de Ingenierıa Tecnica en Informatica de Gestionde la Universidad Carlos III de Madrid se imparten las asignaturasde Matematicas I, . . . . Ana Morales Perez acaba de matricularseen primero de la titulacion.



Identificacion de clases

Una universidad imparte un conjunto de titulaciones en unconjunto de centros. Cada titulacion tiene un plan de estudiosformado por un conjunto de asignaturas troncales, obligatorias,optativas y de libre eleccion. Cada asignatura se imparte en uncurso y cuatrimestre determinados y tiene un determinado numerode creditos. Cuando un alumno se matricula por primera vez enprimero, debe matricularse de todas las asignaturas del primercurso. En primero de Ingenierıa Tecnica en Informatica de Gestionde la Universidad Carlos III de Madrid se imparten las asignaturasde Matematicas I, . . . . Ana Morales Perez acaba de matricularseen primero de la titulacion.



Clases, subclases, instancias y atributos

Clases: universidad, titulacion, centro, plan-de-estudios,asignatura, curso, alumno

Subclases: troncales, obligatorias, optativas, libre-eleccion

Instancias: primer-curso-ITIG-UC3M, ITIG, MatematicasI,AnaMoralesPerez

Atributos: titulaciones (universidad), universidad (titulacion,centro), centros (universidad), plan-de-estudios (titulacion),titulacion (plan-de-estudios), tipo (asignatura), curso(asignatura), cuatrimestre (asignatura), numero-creditos(asignatura), asignaturas (curso, alumno),alumnos-matriculados (asignatura), numero-matrıculas(alumno), . . .



Representacion compacta

Universidades-un:

Atributo Posibles valores/Valor Cardinalidadnombre cadena de caracteres 1..1titulaciones lista de instancias de Titulacion 0..100departamentos lista de instancias de Departamento 0..100numero-alumnos numero 1..1tipo {publica, privada, iglesia} 1..1

Universidad-publicaes-un: Universidad

Atributo Posibles valores/Valor Cardinalidadtipo publica 1..1comunidad-autonoma instancia de Comunidad-autonoma 1..1financiacion numero 1..1



Otra clase

Titulaciones-un:

Atributo Posibles valores/Valor Cardinalidadnombre cadena de caracteres 1–1universidad instancia de Universidad 1..1departamentos lista de instancias de Departamento 0..100numero-alumnos numero 1..1centro instancia de Centro 1..1



Ejemplo de instancia

ITIG-UC3Minstancia-de: Titulacion

Atributo Posibles valores/Valor Cardinalidadnombre “Ing. Tec. en Informatica de Gestion” 1..1universidad #UC3M 1..1departamentos (#D-Infor-UC3M #D-Mates-UC3M . . . ) 0..1numero-alumnos 800 1..1centro #EPS-UC3M 1..1



Facetas

Atributo Universidad de clase Titulacion en instanciaITIG-UC3M

valor: puntero a instancia UC3M (de Universidad)tipo de valores: instancia de clase Universidadcomentario: “Se refiere a la titulacion de Ingenierıa Tecnica enInformatica de Gestion de la Universidad Carlos III de Madrid”cardinalidad (maxima-mınima): 1factor de certeza: 1



Metodos

matricular.asignatura (self,alumno)add(self,Alumnos,alumno)set(self,Numero-alumnos,get(self,Numero-alumnos)+1)send(alumno,Matricular,self)send(get(self,Titulacion),Matricular,alumno)

matricular.titulacion (self,alumno)if not(member(alumno,get(self,Alumnos)))then add(self,Alumnos,alumno)

set(self,Numero-alumnos,get(self,Numero-alumnos)+1)

matricular.alumno(self,asignatura) . . .



Demonios

if-needed.Numero-alumnos.Universidad (self)

numero=0

For titulacion in get(self,Titulaciones)

numero=numero+get(titulacion,Numero-alumnos)

if-set.Numero-alumnos.Titulacion (self)

universidad=get(self,Universidad)

set(universidad,Numero-alumnos,get(universidad,Numero-alumnos))


Sistemas de Produccion

Parte III

Representacion basada en Acciones



Introduccion a los sistemas de Produccion

Representacion







Contenidos:

4 Sistemas de Produccion




En los primeros pasos de la IA, se cuestiono el tratamientoque daban los algoritmos tradicionales a los problemas.

Flujo de control fijoSecuencialidadNo adecuado en entornos cambiantes

Solucion: los datos dirigen las operaciones



Componentes de un SP

Base de hechos o memoria de trabajo (BH o WM):conocimiento sobre el dominio en un determinado momento

Base de reglas (BR): conjunto de reglas (producciones)SI A ENTONCES B

A: condiciones de aplicacionB: acciones sobre la BH o mundo externo

Estrategia de control, interprete de reglas, o motor deinferencias (EC o MI): responsable de encadenar los ciclos defuncionamiento.

Fase de decision: seleccion de reglasFase de accion: ejecucion de reglas

Una regla se activa cuando sus precondiciones son ciertas enel estado actual de la BH o cuando la regla concluye algo quese busca establecer



Funcionamiento de un SP

Tipos de sistemas

Sistemas dirigidos por el antecedente. Modus PonensSistemas dirigidos por el consecuente. Modus Tollens

FasesFase de decision

Etapa de restriccion (opcional)Etapa de equiparacion o filtrado. reteEtapa de resolucion del conjunto conflicto

Fase de accion



Ejemplo: 8 puzzle. Base de hechos

1 2 3

5 64 7 8

3

5 64 7 81

2?

listas: (V11,V12,V13,. . . ,V33)logica de predicados: casilla(X,Y,Valor)marcos:

Casillaes-un:

Atributo Posibles valores/Valorx numero [1..3]y numero [1..3]valor numero [0..8]



8-puzzle. Base de hechos inicial

1 2 3

5 64 7 8

3

5 64 7 81

2?

listas: (1,2,3,0,5,6,4,7,8)logica de predicados:casilla(1,1,1),casilla(2,1,2),. . . ,casilla(3,3,8)marcos:

casilla11instancia-de: Casilla

Atributo Posibles valores/Valorx 1y 1valor 1





8-puzzle. Base de hechos final o metas

1 2 3

5 64 7 8

3

5 64 7 81

2?

listas: (2,0,3,1,5,6,4,7,8) o (2,X,Y,1,5,Z,4,7,8)logica de predicados:casilla(1,1,2),casilla(2,1,0),. . . ,casilla(3,3,8)marcos:







8-puzzle. Base de reglas

listas

Si (0,X1,X2,X3,X4,X5,X6,X7,X8)Entonces (X1,0,X2,X3,X4,X5,X6,X7,X8)

Si (0,X1,X2,X3,X4,X5,X6,X7,X8)Entonces (X3,X1,X2,0,X4,X5,X6,X7,X8)

. . .

Problema: implica definir todas las posibles combinaciones deposicion del vacıo (0) y sus posibles movimientos



8-puzzle. Logica de predicados

Si casilla(X,Y,0),casilla(X1,Y,Z),X=X1+1Entonces casilla(X1,Y,0),casilla(X,Y,Z),∼casilla(X,Y,0),∼casilla(X1,Y,Z)

Si casilla(X,Y,0),casilla(X1,Y,Z),X=X1-1Entonces casilla(X1,Y,0),casilla(X,Y,Z),∼casilla(X,Y,0),∼casilla(X1,Y,Z)

Si casilla(X,Y,0),casilla(X,Y1,Z),Y=Y1+1Entonces casilla(X,Y1,0),casilla(X,Y,Z),∼casilla(X,Y,0),∼casilla(X,Y1,Z)

Si casilla(X,Y,0),casilla(X,Y1,Z),Y=Y1-1Entonces casilla(X,Y1,0),casilla(X,Y,Z),∼casilla(X,Y,0),∼casilla(X,Y1,Z)

Realmente en prolog difıcil de realizar dado que requiererazonamiento no monotono



8-puzzle. Marcos

Arriba

Si ?casilla ← (casilla (x ?x) (y ?y) (valor 0))?casilla1 ← (casilla (x ?x) (y ?y1) (valor ?v))(test ?y=?y1+1)

Entonces modifica(?casilla,valor,?v),modifica(?casilla1,valor,0)

Abajo

Si ?casilla ← (casilla (x ?x) (y ?y) (valor 0))?casilla1 ← (casilla (x ?x) (y ?y1) (valor ?v))(test ?y=?y1-1)


Derecha

Si ?casilla ← (casilla (x ?x) (y ?y) (valor 0))?casilla1 ← (casilla (x ?x1) (y ?y) (valor ?v))(test ?x=?x1-1)


IzquierdaSi ?casilla ← (casilla (x ?x) (y ?y) (valor 0))

?casilla1 ← (casilla (x ?x1) (y ?y) (valor ?v))(test ?x=?x1+1)




Equiparacion

Primera aproximacion: en cada ciclo se calcula el CC y seresuelve

Problema: lentitud

Solucion: algoritmo rete (algoritmo de redundanciatemporal)

a partir de las reglas se crea inicialmente un grafo (red rete)se propaga el contenido de la base de hechos inicial a traves dela redcada vez que se produce un cambio en la base de hechos(normalmente, a traves del consecuente de una regla), sepropagan los cambiosen cada ciclo, en los nodos terminales de la red sedispondra del CC

Idea clave: similitud estructural



Encadenamiento hacia adelante

BH inicial: (casilla11 (x 1) (y 1) (valor 1))(casilla21 (x 2) (y 1) (valor 2)). . .(casilla33 (x 3) (y 3) (valor 8))

Equiparacion:(Arriba, ?x=1, ?y=2, ?y1=1, ?v=1, ?casilla=#c12, ?casilla1=#c11)(Abajo, ?x=1, ?y=2, ?y1=3, ?v=4, ?casilla=#c12, ?casilla1=#c13)(Derecha, ?x=1, ?y=2, ?x1=2, ?v=5, ?casilla=#c12, ?casilla1=#c22)

Resolucion del CC (por ejemplo, primera regla):(Arriba, ?x=1, ?y=2, ?y1=1, ?v=1, ?casilla=#c12, ?casilla1=#c11)

Ejecucion: (- (casilla12 (x 1) (y 2) (valor 0)))(+ (casilla12 (x 1) (y 2) (valor 1)))(- (casilla11 (x 1) (y 1) (valor 1)))(+ (casilla11 (x 1) (y 1) (valor 0)))

Equiparacion . . .



Encadenamiento hacia atras (a la prolog)

Metas: (casilla11 (valor 2))(casilla21 (valor 0)). . .(casilla33 (valor 8))

Reduccion: seleccion meta (por ejemplo, la primera)(casilla11 (valor 2))

Equiparacion:(Arriba, ?v=2, ?casilla=#c11)(Abajo, ?v=2, ?casilla=#c11)(Derecha, ?v=2, ?casilla=#c11)(Izquierda, ?v=2, ?casilla=#c11)

Resolucion del CC (por ejemplo, primera regla):(Arriba, ?v=2, ?casilla=#c11)



Encadenamiento hacia atras (a la prolog)

Ejecucion: introducir las condiciones de la regla instanciada en conjunto de metas

?casilla=#c11 y (?casilla ← (casilla (x ?x) (y ?y) (valor 0)))entonces ?x=1, ?y=1y anade meta (casilla11 (valor 0))

?v=2 y (?casilla1 ← (casilla (x ?x) (y ?y1) (valor ?v)))entonces (?casilla1 ← (casilla (x 1) (y ?y1) (valor 2)))

(test ?y=?y1+1), ?y=1 y (?casilla1 ← (casilla (x 1) (y ?y1) (valor 2)))entonces ?casilla1=#c21 e ?y1=0y anade meta (casilla21 (valor 2))

La lista de metas queda como: (casilla11 (valor 0))(casilla21 (valor 2))(casilla21 (valor 0)). . .(casilla33 (valor 8))

Reduccion: . . .Inteligencia Artificial Representacion


Rediseno (encadenamiento hacia atras)

Arriba

Si ?casilla ← (casilla (x ?x) (y ?y) (valor 0))(test ?y>1)?casilla1 ← (casilla (x ?x) (y ?y1) (valor ?v))(test ?y=?y1+1)


Abajo

Si ?casilla ← (casilla (x ?x) (y ?y) (valor 0))(test ?y<3)?casilla1 ← (casilla (x ?x) (y ?y1) (valor ?v))(test ?y=?y1-1)


DerechaSi . . .(test ?x<3)Entonces modifica(?casilla,valor,?v),modifica(?casilla1,valor,0)

IzquierdaSi . . .(test ?x>1)Entonces modifica(?casilla,valor,?v),modifica(?casilla1,valor,0)



Comparativa de tipos de encadenamiento

Inconvenientes de encadenamiento hacia adelante

No focalizacion hacia las metasEs necesario tener inicialmente todos los datos en la BHMayor cantidad de equiparaciones

Inconvenientes de encadenamiento hacia atras

Solo se pregunta al usuario cuando se ha explorado todoNecesitamos generar metasNo se conocen acciones a ejecutar hasta casi el finalDisminuye el arbol de busqueda

Factores de eleccion

Numero de estados iniciales y metasFactor de ramificacionJustificacion del funcionamiento



Caracterısticas de la estrategia

Lo mas general posible

Lo mas eficiente posible (heurısticas): implıcitas o explıcitas

Causar movimiento

Ser sistematica



Estrategias de resolucion

Primera regla

Mas conocimiento

Mas prioridad

Mas especıfica

Mas general

Referente al elemento mas nuevo

No aplicada antes

Mas veces aplicada

Aleatoriamente

Explorar todas

Metarreglas

Mezcla de estrategias



Ventajas e inconvenientes

Ventajas

Modularidad, lo que facilita incrementalidadCaracter declarativoUniformidadNaturalidadFlexibilidadAprendizaje automaticoModelizacion del comportamiento animal y humano

Inconvenientes

IneficienciaOpacidadDificultad de representacion de los algoritmos



Dominios Apropiados

Tareas: transicion entre estados

Conocimiento difuso

Conjuntos de acciones independientes

Conocimiento separable de la forma de usarse


inteligencia arti cial -...

Documents