N - Grupo de Inteligencia Artificial

More documents

Recommendations

Info

Requerimientos de tiempo y memoria Requerimientos de recursos de una búsqueda en amplitud exponencial • factor de ramificación efectivo: 10 • tiempo: 1000 nodos/segundo • memoria: 100 bytes/nodo Inteligencia Artificial 3º ITIS 2010/11
Búsqueda en amplitud: análisis Ventajas: • completo: • siempre se encuentra un nodo meta si existe • óptimo (para operadores de coste uno): • siempre se encuentra el nodo meta menos profundo Problemas: • complejidad • exponencial incluso en el mejor caso • los problemas de espacio son aún más graves que los problemas de tiempo Inteligencia Artificial 3º ITIS 2010/11
Page 1 and 2: Inteligencia Artificial I.T. en Inf
Page 3 and 4: Entorno: problemas bien definidos P
Page 5 and 6: Solución 1: tablas de actuación T
Page 7 and 8: Solución 3: búsqueda Métodos ind
Page 9 and 10: Solución 3: Modelo declarativo en
Page 11 and 12: 2. Búsqueda Tema 2: Búsqueda 2.1.
Page 13 and 14: Ciclo de actuación: 1. Definir el
Page 15 and 16: Estado: • configuración de n blo
Page 17 and 18: € Conocimientos del agente • Re
Page 19 and 20: Método de búsqueda: • estrategi
Page 21 and 22: Problema: Estados repetidos • el
Page 23 and 24: úsqueda general Resumen de los mé
Page 25 and 26: Búsqueda en amplitud: • inglés:
Page 27 and 28: Algoritmo: Algoritmo para búsqueda
Page 29: Mejor caso d-2 d-1 d 1 Complejidad
Page 33 and 34: Búsqueda en profundidad: • ingl
Page 35 and 36: Algoritmo: • usar el algoritmo ge
Page 37 and 38: Problema: Límites de profundidad
Page 39 and 40: Búsqueda en profundidad limitada:
Page 41 and 42: Ejercicio 2.4 Búsqueda en profundi
Page 43 and 44: Búsqueda de profundización iterat
Page 45 and 46: Búsqueda de prof. iterativa: compl
Page 47 and 48: Búsqueda en prof. iterativa: compl
Page 49 and 50: Ejercicio 2.5 Búsqueda de profundi
Page 51 and 52: Problema de encontrar rutas Estado:
Page 53 and 54: Búsqueda de coste uniforme Búsque
Page 55 and 56: Lógica de la búsqueda de coste un
Page 57 and 58: Características de la búsqueda de
Page 59 and 60: 2. Búsqueda Tema 2: Búsqueda 2.1.
Page 61 and 62: Funciones heurísticas Funciones he
Page 63 and 64: Búsqueda avara: Inglés: greedy se
Page 65 and 66: Ejemplo: • Nodo inicial: I (Iasi)
Page 67 and 68: Problema de las 4 reinas: • 4 rei
Page 69 and 70: Algoritmo A* : • se basa en la b
Page 71 and 72: Ejemplo: Ejemplo 2: Búsqueda A *
Page 73 and 74: Funciones heurísticas consistentes
Page 75 and 76: Valores de f * en árboles de búsq
Page 77 and 78: Optimalidad de A * Teorema 1: Si h
Page 79 and 80: Encontrar Funciones Heurísticas: A
Page 81 and 82:
Ejemplo: A* con Aprendizaje de una
Page 83 and 84:
Encontrar de Funciones Heurísticas
Page 85 and 86:
Estado inicial 1 6 8 1 2 3 8 7 2 4
Page 87 and 88:
Calidad de las Funciones Heurístic
Page 89 and 90:
Complejidad de A * El número de no
Page 91 and 92:
Resultados acerca de A * : Análisi
Page 93 and 94:
límite f * = 366 A f * = 280+366 =
Page 95 and 96:
Búsqueda IDA * : Ejemplo (3) lími
Page 97 and 98:
Búsqueda IDA * : Ejemplo (5) lími
Page 99 and 100:
Algoritmo: • un subprograma bp-li
Page 101 and 102:
Algunos resultados sobre IDA * : An
Page 103 and 104:
Tema 2: Búsqueda 2. Búsqueda 2.1.
Page 105 and 106:
Situación: Agentes especializados
Page 107 and 108:
Escenarios cooperativos α1 Estado
Page 109 and 110:
α 1 situación inicial Escenarios
Page 111 and 112:
Tres en Raya: • dos jugadores (mi
Page 113 and 114:
max min max min terminal Ejemplo:
Page 115 and 116:
Estrategias Problema del agente max
Page 117:
Método Minimax: Método minimax 1.
Page 120:
max min Ejemplo: minimax con suspen
Page 123 and 124:
Ejercicio 2.11 Considérese el sigu
Page 125 and 126:
Poda α-β Utilidad más alta encon
Page 128 and 129:
Ejercicio 2.12 Considerese el árbo
show all

N - Grupo de Inteligencia Artificial

Create successful ePaper yourself

Delete template?

Save as template?