Fecha
de clases: jueves, 24 de julio de 2014
BÚSQUEDA LOCAL EN ESPACIOS CONTINUOS Y
BÚSQUEDA ONLINE Y AMBIENTES DESCONOCIDOS
INTRODUCCIÓN.
El
objetivo de esta clase es entender como un agente inteligente hace una búsqueda
en espacios continuos o búsqueda online por lo que esta búsqueda solo se basa
en lo que está pasando en ese estado para tomar de nuevo otra acción.
BÚSQUEDA LOCAL EN ESPACIOS CONTINUOS.
Un modo
de evitar problemas continuos es discretizar la vecindad de cada estado.
Podemos aplicar entonces cualquiera de los algoritmos de búsqueda local
descritos anteriormente. Uno puede aplicar también la ascensión de colinas
estocástica y el temple simulado directamente, sin discretizar el espacio.
Estos algoritmos eligen a los sucesores aleatoriamente, que pueden hacerse por
la generación de vectores aleatorios de longitud.
Los
métodos locales de búsqueda sufren de máximos locales, crestas, y mesetas tanto
en espacios de estados continuos como en espacios discretos. Se pueden utilizar
el reinicio aleatorio y el temple simulado y son a menudo provechosos. Los
espacios continuos dimensionalmente altos son, sin embargo, lugares grandes en los
que es fácil perderse.
Un
problema de optimización está restringido si las soluciones debieran satisfacer
algunas restricciones sobre los valores de cada variable. La dificultad de los
problemas de optimización con restricciones depende de la naturaleza de las
restricciones y la función objetivo. La categoría más conocida es la de los
problemas de programación lineal en los cuales las restricciones deben ser
desigualdades lineales formando una región convexa y la función objetiva es
también lineal. Los problemas de programación lineal pueden resolverse en
tiempo polinomial en el número de variables. También se han estudiado problemas
con tipos diferentes de restricciones y funciones objetivo (programación
cuadrática, programación
cónica
de segundo orden, etcetera).
AGENTES DE BÚSQUEDA ONLINE Y AMBIENTES
DESCONOCIDOS
Un
agente de búsqueda en línea (online) funciona intercalando el cálculo y la
acción: primero toma una acción, entonces observa el entorno y calcula la
siguiente acción. La búsqueda online es una buena idea en dominios dinámicos o
semidinamicos (dominios donde hay una penalización por holgazanear y por
utilizar demasiado tiempo para calcular). La búsqueda online es una idea
incluso mejor para dominios estocásticos. En general, una búsqueda offline
debería presentar un plan de contingencia exponencialmente grande que considere
todos los acontecimientos posibles, mientras que una búsqueda online necesita
solo considerar lo que realmente pasa.
La
búsqueda online es una idea necesaria para un problema de exploración, donde
los estados y las acciones son desconocidos por el agente; un agente en este
estado de ignorancia debe usar sus acciones como experimentos para determinar
que hacer después, y a partir de ahí debe intercalar el cálculo y la acción.
CONCLUSIÓN.
Estas
búsquedas solo consideran lo que realmente pasa en ese estado y después toman
nuevas acciones ya que en otras búsquedas necesitan tener una visión general
del problema para así poder realizar una acción.
Los
agentes efectúan búsquedas para encontrar una solución, en este caso tiene la difícil
tarea de realizar una búsqueda online; el agente se mueve en un entorno
desconocido en la que hacer una exhausta observación para luego pasar a realizar el respectivo
calculo y en base a esto realizar una acción y en la mayoría de los casos se
encuentra una solución óptima.
BIBLIOGRAFÍA
Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. PEARSON
EDUCACION. 2 ed. Madrid.
No hay comentarios.:
Publicar un comentario