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: 7º. 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 ésta actitud puede llegar a enfermarle, pues propiamente no se lo plantea en sí mismo.

En la práctica, 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 está 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”, encontrándonos luego en un círculo vicioso de razonamiento típico 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 línea de “acción” en referencia a la aparición del problema en sí y su posterior… ampliación: en primer lugar, la persona se siente mal, temerosa o angustiada; identifica como que ese sentimiento está producido por sus problemas, no pudiendo hacer nada a tal respecto; al observar de forma subjetiva ese problema, y al hacerle daño, 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, sintiéndonos mal, por tanto, la acción o evento no es considerada como un problema hasta que propiamente nos produce dolor y sufrimiento.

No obstante, la aplicación de ver las cosas con realismo, ecuanimidad y la objetividad misma, observando detenidamente los “problemas” en sí, nos ayudaría a comprobar cuán grave es de verdad tal problema; pues, no hay que olvidar, que muchos de esos problemas, no sólo -incluso- no suceden como tales, sino que nos los creamos nosotros mismos mentalmente.

MODELOS ANALOGOS

Es un modelo con apariencia física distinta al original, pero con comportamiento representativo. El modelo analógico no es una reproducción 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 analogía entre el sistema real y el modelo, estudiándose el primero, utilizando como herramienta auxiliar el segundo.

Los modelos analógicos pueden representar situaciones dinámicas y se usan más que los icónicos, porque pueden mostrar las características del acontecimiento que se estudia. Las curvas de demanda, las curvas de distribución de frecuencia en las estadísticas y los diagramas de flujo, son ejemplos de modelos analógicos. A menudo un modelo analógico es muy adecuado para representar relaciones cuantitativas entre las propiedades de los objetos de varias clases.

Al transformar las propiedades en propiedades analógicas, con frecuencia podemos incrementar nuestra capacidad de hacer cambios. Otra ventaja de los modelos analógico sobre los icónicos 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 podría usarse eficazmente un modelo icónico para estudiar los efectos de ciertos cambios en el control de calidad. Un diagrama de flujo es un modelo analógico muy sencillo y eficaz en esas condiciones

1er. Ejemplo: en el campo de la Psicología, la conducta de aprendizaje de los animales (ratas, perros, monos, etc.), ha servido como modelo analógico para estudiar las leyes del aprendizaje humano.

2do. Ejemplo: lo encontramos en las computadoras electrónicas, 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 cálculo de remuneraciones, se podrá representar gráficamente la evolución de la prima en función del parámetro t. A continuación se muestra un ejemplo de dicha representación:

El aprendizaje de las ciencias se logra cuando el alumno desarrolla una disposición y apreciación para participar en actividades propias del quehacer científico, 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 percepción del problema y el proceso de resolución, y por consecuencia en el uso de la primera representación gráfica. El presente trabajo plantea la posibilidad de desarrollar la formulación de problemas como un medio de promover habilidades cognitivolingüístico, explorando diversas representaciones para identificar la organización de sus relaciones y establecer su articulación en problemas contextualizados.

NODOS ARCOS Y OPERADORES

En este artículo se describe una metodología que permite construir y almacenar las relaciones topológicas que se dan dentro de una red de polilíneas entre sus elementos básicos (nodos y arcos), como son las relaciones de conectividad y adyacencia. El objetivo es por tanto conseguir la construcción de polígonos a partir de una red de polilíneas que solapan espacialmente. La secuencia de procesos se basa en tres fases bien diferenciadas: la generación de intersecciones entre las diferentes polilíneas, la generación de los polígonos y finalmente, el almacenamiento de las relaciones de conectividad y adyacencia.

La parte central del trabajo, la formación de polígonos, se realiza a partir del establecimiento de los nodos como elementos primordiales y el almacenamiento de cuáles son los arcos que parten o llegan a cada uno de ellos. El algoritmo presentado se ciñe al caso conjuntos no disjuntos de polilíneas, aunque se proponen ideas para la resolución del caso disjunto (incluyendo polígonos isla).

Palabras clave: topología, creación de polígonos, geometría computacional

Errores típicos en la digitalización vectorial

REQUISITOS PREVIOS

La metodología expuesta parte de la premisa de que el conjunto de arcos es no disjunto, aunque posteriormente, se describirá como la estructuración de la información en el algoritmo descrito, permite la generación de polígonos a partir de estructuras disjuntas, incluyendo el caso de polígonos isla.

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

En cuanto a la nomenclatura topológica utilizada en la descripción del algoritmo, diremos que consideraremos como nodo a cada punto extremo de un arco (cada arco tendrá dos nodos), y arco a una sucesión de segmentos rectos conectados y situados entre dos nodos. Estos arcos tendrán dos características 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 (según el sentido del arco) que servirá para definir la propiedad de adyacencia entre polígonos

Relaciones topológicas básicas en una red de polígonos.

3. DESCRIPCIÓN DEL ALGORITMO

Las fases principales en las que se divide la metodología son las siguientes:

1. Se parte de una red de arcos (polilíneas o líneas) que son susceptibles de interceptar entre sí.

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 producirían si los segmentos finales e iniciales de cada arco fueran alargados). Para este último caso se puede utilizar una tolerancia de control.

3. Se filtran los arcos generados tras las intersecciones, permaneciendo para el cálculo sólo aquellos que tienen sus nodos (puntos extremos) conectados a otro arco.

4. Almacenamiento de la relación nodo-arco. Para ello se parte del registro de una estructura donde se almacena cada nodo y los arcos que se conectan a él. Para la formación de los polígonos se tendrá en cuenta el sentido de estos arcos y su ordenamiento angular.

5. Formación de los polígonos. En esta fase únicamente se ha de recorrer la estructura anterior, partiendo desde un arco y tomando el siguiente arco conectado que tenga un valor angular más alto (mayor acimut). El algoritmo termina cuando el siguiente arco conectado es el mismo que el inicial.

6. Almacenamiento de las relaciones topológicas. El algoritmo recorre las estructuras creadas y almacena en tablas la información topológica típica en una topología de arcos (identificador de arco, nodo inicial, nodo final, polígono a la derecha y polígono a la izquierda) y de polígonos (identificador de polígono y el conjunto de arcos que forman su límite).

Datos de partida.

Los datos de partida pueden ser polilíneas y/o líneas simples (por ejemplo un mapa catastral digitalizado a partir de un tablero digitalizador). La única restricción a priori es que los “futuros” polígonos estén agrupados visualmente en un conjunto conexo.

Datos de partida con errores topológicos.

Creación 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 más allá de su intersección, y por el contrario, otros arcos se queden cortos y no lleguen a interceptar (lo que en principio puede provocar un error de no formación de polígono. 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 intersección, podemos emplear multitud de técnicas, que van desde la fuerza bruta, comparando cada arco con el resto y resolviendo el sistema de ecuaciones para encontrar el punto de intersección, hasta técnicas más sofisticadas, como el uso de cajas aceleradoras (figura 6) o algoritmos como el sweep line, que optimizan el proceso, evaluando la intersección sólo entre aquellos arcos que son susceptibles de intersectar y evitando la evaluación en el resto de casos, donde se “conoce” seguro que no va a producirse intersección.

Filtrado de los arcos.

Una vez detectadas las intersecciones, se generan nuevos segmentos por partición de los arcos. De esta manera, los únicos arcos que van a permanecer en la estructura final, serán aquellos que no tengan nodos libres, es decir, aquellos cuyo nodo inicial y/o final no conecte con ningún otro arco, es decir, no coincida espacialmente con ningún nodo de cualquier otro arco. Esto generará una estructura de arcos conectados que será la que se analice a la hora de formar los polígonos (figura 8)

Alargamiento, generación de intersecciones y eliminación de arcos con nodos libres.

Almacenamiento de la conectividad nodo-arco.

El objetivo de esta fase es conseguir una estructura que almacene la siguiente información:

{Id de nodo, {Id de arcos que conectan con el nodo}} [1]

Además, 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 según su acimut, tomando como centro el nodo en cuestión (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 cálculo de cada uno de los polígonos

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

EL CASO DE LA HOJA DE CALCULO

Una Hoja Electrónica de Cálculo es un Software que funciona como herramienta para manipular y analizar números y fórmulas en filas y columnas. Esta permite organizar datos numéricos de forma que se puedan manipular en conjuntos clasificados por sus divisiones (filas y columnas) y mediante ellos se aplican fórmulas y operaciones diversas. Esta herramienta permite también, transformar los datos a gráficos o hacer una presentación vistosa de los resultados de las operaciones.

Las principales aplicaciones que han tenido las HEC en la solución de problemas son: Las empresas, la ciencia, la ingeniería y la educación han utilizado la Hoja de cálculo para resolver problemas numéricos de todo tipo. Cuando se requiere hacer cálculos con muchas cantidades y muy grandes, al igual que trabajar fórmulas muy complicadas o trabajosas con ellas. Los problemas que se presentan en el diseño, el modelado y la simulación también son resueltos con hojas de cálculo, aunque estas sean más especializadas.

Algunos paquetes comerciales que manejan una HEC:

*Microsoft Excel de Office, es el más comercial y el paquete que contiene las herramientas básicas para poder adaptar la hoja para trabajar en múltiples formas.

*Lotus 1-2-3 del Lotus Smart Suite y el Improv, también del Lotus.*DeltaGraph Professional; USA GeoGraph *Quicken*Macintax*Mathematica

Una celda es el recuadro presentado por la interacción de una fila con una columna. En este lugar se introduce la información numérica de un solo dato, y es la forma en que se van acomodando los mismos.

Un rango es un conjunto de celdas, un número determinado de filas o columnas elegidas por el usuario. Esta función puede servir para cuando se desea aplicar una fórmula a un cierto número de celdas. Se puede elegir un rango según la aplicación de la hoja lo necesite.

Los tipos de datos que pueden introducirse en una HEC:

Los tipos de datos numéricos y de texto, son los datos con los que se va atrabajar, a los que habrá 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 numérico decimal de n # de dígitos a la derecha o a la izquierda; para ser una fracción, fecha, porcentaje, estas etiquetas preparan un formato para el dato insertado en la calda.Las fórmulas se pueden aplicar en un rango específico, y también se deben de introducir en una celda específica.

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) está colocado. Este se distingue por que delinea la celda en un recuadro más obscuro. Para editar los datos introducidos en una celda, basta con dar doble click con el cursor del mouse que,

sobre la hoja de cálculo se convertirá 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 presentación de los datos en una hoja de cálculo se pueden utilizar autoformatos que le dan una vistosa apariencia. Esta apariencia consiste en líneas para diferenciar rangos o columnas o filas, en sombreados para los datos de texto que definen su campo, etc.

Ajustar el tamaño de las columnas y renglones:

Cuando se trabaja con cantidades numéricas muy diferentes es necesario ajustar los tamaños de sus columnas o renglones en el caso que se quieran introducir dos datos en un mismo rango. Estos se pueden cambiar posicionándose en la columna o renglón a cambiar, y seleccionando el menú format, y ahí 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 específico; la ventaja de esto es que el programa ordena automáticamente los números de las filas o letras de las columnas a las que se edita.Para hacer esto, entras al menú Insert en la barra de menús y se selecciona lo que se requiere modificar. Ahí 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 área 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 estén ocupadas la celdas en las que se quiere introducir lo seleccionado.

Los valores numéricos se pueden representar como porcentajes, como decimales (de el número de dígitos que se desee) , fracciones, fecha, hora, dato científico, etc.Una función es un comando que contienen las HEC, que realizan una serie de cálculos predeterminados. Es decir, una sola orden significa una serie de pasos. Por ejemplo, SQRT: para obtener raíces cuadradas, AVERAGE: para hacer promedios, SUM: para hacer la suma de algún rango específico, MIN, MAX, entre otros. Estos son cálculos comunes que a veces toma mucho tiempo escribir la fórmula paso a paso, así que se usan esos comandos y entre paréntesis se coloca el rango o las celdas a utilizar.

Otras funciones, automatizan cálculos financieros, matemáticos y estadísticos complejos que sería muy difiil efectuar a mano. Así como el botón de raíz 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. Matemáticas y trigonometría. Estadística, referencia y búsqueda. Base de datos, texto, lógicos y de información.

Las principales fórmulas matemáticas y estadísticas, se efectúan por orden de importancia. Los operadores aritméticos por ejemplo, funcionan en el siguiente orde: exponente, porcentaje, división, multiplicación, suma y resta.

Los operadores de referencia son los primeros, y en orden de importancia le siguen: la coma, el espacio sencillo, la negación, el porcentaje, el exponente, luego multiplicación y división, luego suma y resta, la conexión de dos textos (&), y luego los comandos de comparación.

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 específica, no tienes más que introducir nuevos datos.

ANALIZAR EL PROBLEMA

Se tiene el cotrol de una cuenta de cheques en la que se giran cheques, se reciben depósitos y se hacen cargos a la cuenta. Se necesita una hoja de cálculo en la que se describan los datos, y se reconozca el tipo de operación para realizar las sumas o restas respectivas al tipo de operación.

PLANEACION Y DISEÑO DE LA HOJA DE CALCULO

Se designará una columna a cada tipo de dato que se desea introducir, utilizando las fórmulas con referencia direccional relativa, (IF, OR) para que se efectúen automáticamente las operaciones con sólo introducir el saldo inicial, y el monto de los gastos.

CONSTRUCCION Y PRUEBAS DEL MODELO EN LA HOJA DE CALCULO

TIPOS DE OPERACION ---->

Depositos=1 Cheques Girados=2

Cargos bancarios=3

MONTO DE LA

FECHA TIPO DE OPERACION DESCRIPCION SALDO

ANTERIOR OPERACION SALDO ACTUAL

02/09/98 2 Botellas escena 30000.00 1480.00 28520.0012/09/98 1 cumpleanos 28520.00 1000.00 29520.0023/09/98 1 quincena 29520.00 1500.00 31020.00

23/09/98 1 regalo de la abuela 31020.00 800.00 31820.00

01/10/98 2 restaurante 31820.00 500.00 31320.0018/10/98 3 mandado 31320.00 960.00 30360.0022/10/98 3 ropa 30360.00 450.00 29910.0024/12/98 3 tintoreria 29910.00 75.00 29835.0024/12/98 2 pago de aretes 29835.00 2200.00 27635.00

26/12/98 3 afinacion del coche 27635.00 780.00 29520.00

22/10/98 1 quincena 29520.00 1500.00 28415.0027/12/98 3 Fiesta en bar 28415.00 2500.00 28020.0027/12/98 3 Renta de casa 28020.00 4000.00 25915.0001/01/99 2 Renta de casa 25915.00 4200.00 24020.00

TOTALES =SUM(E4:E17) =F17

REPRESENTACION DE LA BUSQUEDA

En general, podemos afirmar que un problema consiste en:

• una descripción de la situación de la que se parte;• una descripción de la situación a la que se quiere llegar;• una descripción de los medios de que disponemos para alcanzar nuestro objetivo.

En el contexto de la Informática, a partir de un problema, se intenta construir un sistema que lo resuelva. Resumidamente, las acciones para construir un sistema que resuelva un problema serían:

• Definir el problema con precisión (especificación del problema), habitualmente a partir de un enunciado del problema expresado en lenguaje natural:

• De qué se parte;• Cuál es el objetivo.• Analizar el problema: información para elegir las técnicas.• Aislar y representar el conocimiento necesario para resolver el problema.• Elegir la mejor técnica que resuelva el problema y aplicarla al problema particular.

Particularizar estas acciones al contexto de la Inteligencia Artificial consiste en elegirlas técnicas de resolución entre aquellas que son utilizadas en esta disciplina. Ennuestro caso, nos centraremos en los siguientes temas en las técnicas relacionadascon los sistemas de producción y la búsqueda 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 organización de la materia con fines didácticos e incluso científicos.

Resulta impensable en una materia de primer nivel llevar a cabo una discusión exhaustiva y ni siquiera razonablemente completa de todos los problemas dignos de ser estudiados, por lo que muchos autores/profesores se deciden por una exposición de las técnicas y métodos más importantes que permiten afrontar, total o parcialmente, la solución de una gran variedad de los mismos. Dicha posición causa, no obstante, un importante vacío en la formación curricular del estudiante, pues la reducción de la materia estudiada a un mero conjunto de contenidos técnicos que participan en algún momento en la resolución de los problemas –como son las técnicas de búsqueda, los métodos de representación del conocimiento, métodos de inferencia, etc., los cuales son estudiados en la mayoría 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 aplicación de las mencionadas técnicas. En otras palabras, al estudiante no se le deben proporcionar únicamente técnicas diversas para la solución de problemas, también debe adquirir la suficiente formación para que sea capaz de abordar adecuada y razonablemente la solución de problemas a través de las técnicas aprendidas.

De esta forma los objetivos de una asignatura de primer nivel deberían centrarse, por una parte, en el estudio de las principales técnicas de resolución de problemas, y por otra en la adquisición de la suficiente destreza para, dado un problema, ser capaz de identificar la clase o categoría del mismo con objeto de decidir qué técnicas o herramientas resultan más adecuadas para su solución.

Hasta hace poco no existía metodología alguna, tanto desde una perspectiva de desarrollo de aplicaciones como didáctica, que facilitara el Capítulo 2. Resolución de

problemas en inteligencia artificial: los agentes inteligentes 3 cumplimiento de los anteriores objetivos, lo cual provocaba una sensación de vacío a la hora de abordar la solución de problemas.

Con el nacimiento de los agentes inteligentes se abrió una puerta que facilitaba una adecuada integración de los dos anteriores objetivos.

El concepto de agente inteligente ofrece una visión unificada de la problemática de la inteligencia artificial desde ambos puntos de vista, el didáctico y el de desarrollo: por una parte se integra, bajo el concepto de agente, cualquier sistema inteligente cuyo objetivo es ofrecer una solución a toda una categoría de problemas, por otra, la descripción de los principales tipos de agentes constituye, de hecho, un estudio sobre las características generales que adoptan las soluciones de aquellas categorías de problemas identificadas por los correspondientes agentes.

Por tanto, los agentes inteligentes permiten identificar las características generales que adopta la solución de toda una gama de problemas, a la vez que facilitan la identificación de los mismos. En otras palabras, dado un problema a resolver lo primero que hay que hacer es analizar sus características para posteriormente identificar la categoría a la que pertenece y así el tipo de agente que ofrece una solución adecuada al mismo.

Con el estudio de los diferentes tipos de agentes también se describen las técnicas adecuadas para su implantación si hay necesidad de una búsqueda, qué tipo de representación del conocimiento es deseable, etc., lo cual ofrece una aceptable integración metodológica en la exposición de los diferentes conocimientos conducentes a la satisfacción de los objetivos considerados.

Los agentes inteligentes

Un agente es toda entidad/sistema que percibe su ambiente mediante sensores y que responde o actúa en tal ambiente mediante efectores.

Los agentes humanos tienen ojos, oídos, y otros miembros que les sirven de sensores, así como manos, piernas, boca,… que les sirven de efectores.

Los agentes robóticos tienen cámaras, sensores y telémetros 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 genérico.

Ambiente Agente Sensores Efectores Percepciones Acciones

GENERACION Y PRUEBA

Utilizando una planilla de cálculo o algún lenguaje de programación, generar números aleatorios aplicando los siguientes métodos:

a) Generador por cuadradosb) Técnica del productoc) Técnica de la multiplicación por una constanted) Método congruencial mixtoe) Método congruencial multiplicativo

Dados los siguientes 100 números aleatorios realizar las siguientes pruebas:

a) Prueba de los promediosb) Prueba de frecuenciasc) Prueba de las series (Tomando los 50 primeros números aleatorios)d) Prueba de la distancia (Tomando 20 números aleatorios no usados en el punto anterior)

0.78961 0.05230 0.10699 0.55877 0.141510.76086 0.12079 0.27738 0.65726 0.79269 0.80548 0.82654 0.29453 0.20852 0.42989 0.58518 0.98611 0.34488 0.34358 0.11537 0.89898 0.57880 0.67621 0.05010 0.00121 0.28269 0.73059 0.70119 0.18284 0.49962 0.38618 0.76910 0.68334 0.55170 0.10850 0.79982 0.45679 0.21631 0.87616 0.55743 0.58962 0.33216 0.03185 0.61168 0.09264 0.69623 0.17028 0.05475 0.91512 0.76262 0.29931 0.30861 0.83358 0.51781 0.03272 0.57410 0.26593 0.85903 0.43308 0.35286 0.24000 0.65559 0.38507 0.90829 0.94187 0.93655 0.88809 0.81772 0.36982 0.19904 0.54325 0.62400 0.09133 0.41678 0.33954 0.58244 0.85853 0.88752 0.33729 0.15506 0.23949 0.53559 0.33381 0.49383 0.75103 0.19962 0.65002 0.74579 0.79113 0.63453 0.19147 0.40644 0.08128 0.73435 0.22724 0.22287 0.07281 0.64183 0.44267 0.72102

FUNCIONES HEURISTICAS

La palabra heurística, se deriva del verbo griego heuriskein, que significa "encontrar" o "descubrir". El término técnico "heurística" ha adoptado diversas connotaciones a lo largo de la historia de la IA. En 1957, George Polya publicó un importante libro titulado How to Solve it (Cómo resolverlo), en donde el término "heurística" se aplicaba al estudio de métodos para descubrir e inventar técnicas para la resolución de problemas, especialmente para problemas relacionados con demostraciones matemáticas.

Actualmente, el término heurística se utiliza más bien como adjetivo, para referirse a cualquier técnica que permita mejorar el desempeño de caso promedio en una tarea de resolución de problemas, aunque no necesariamente permita mejorar el desempeño del peor de los casos. Específicamente, en el área de los algoritmos de búsqueda, se refiere a una función mediante la cual se obtiene un estimado del costo de una solución.

Hasta ahora se ha visto sólo un ejemplo de una heurística: la distancia en línea recta para los problemas de determinación de ruta. En este objetivo se comenta la heurística del problema de las ocho placas, lo que contribuirá a aclarar la naturaleza de la heurística en general.

El de las ocho placas fue uno de los primeros problemas de búsqueda heurística. El problema consiste en deslizar las placas horizontal o verticalmente y colocarlas en el espacio que está vacío, hasta que la configuración 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 solución típica consta de 20 pasos, aunque esto variará dependiendo del estado inicial. El factor de ramificación es aproximadamente de tres (cuando la placa vacía está en medio, hay cuatro posibles desplazamientos; cuando está en una esquina, dos; cuando está en uno de los bordes, tres. Es decir, una búsqueda exhaustiva de profundidad 20 haría una búsqueda a través 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 habrá sólo 9! = 362 880 arreglos diferentes de nueve cuadros.

Sigue siendo un número grande de estados, por lo que procede encontrar una buena función heurística. Para encontrar las soluciones más breves hay que tener una función heurística que nunca sobreestime para alcanzar la meta. Las siguientes son dos candidatas:

h1 = la cantidad de placas que están en lugar incorrecto. En la figura anterior, ninguna de las ocho placas está en la posición meta, por lo que el estado de partida 1 aceptable puesto que es evidente que cuando una placa está en lugar incorrecto habrá 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 través de diagonales, la distancia que se considera es la suma de las distancias verticales y horizontales. A ésta se le denomina a veces , distancia de Manhattan. h2 también es aceptable puesto que todo movimiento de partida tiene una distancia de Manhattan de:

h2 =2+3+2+1+2+2+ 1 +2= 15