Ponencia_Experiencia_en_el_Taller_de_arte ambiental

Creación
Nos ayudaremos de los algoritmos de planificación ya que estos “… permiten la construcción
de rumbos de acción en ambientes reales, que al menos consideran que las
acciones pueden tener distintos efectos en el mundo (no determinismo), y que un plan
tenga el potencial para alcanzar un estado meta (metas extendidas)…” 9 es decir la traducción
de nuestras variables será dada por algoritmos que representen a la realidad.
Para llevar a cabo un procedimiento de decisión debemos tener una teoría la cual
será la teoría de decisiones, la cual se puede resumir de la siguiente manera “…por su
parte, permite evaluar las fortalezas y debilidades de planes alternativos con base en
teoría de probabilidad y teoría de utilidad. Dada una distribución de probabilidades
sobre los posibles efectos de una acción en un estado, y una función razonable de preferencia
sobre los resultados de una decisión, es posible definir una función de utilidad
tal que, cada vez que un agente prefiera un plan sobre otro, el plan preferido tendrá la
mayor utilidad esperada. 10
Se mostrara en el siguiente esquema un ejemplo: Tenemos dos universos un Universo
A (A) y un B (B) ambos tienen variables y se relacionan por algún factorexterno (f), entonces
tendremos una decisión inicial como se muestra a continuación:
La decisión del Sistema fue la siguiente: A3 fue hacia B3, así que esto queda guardado
en la información del sistema. Ahora en el siguiente proceso tendremos este con
un mayor porcentaje de probabilidades situando en un 70% a la probabilidad de que
decida ir hacia B3 y en 30% hacia B2, esto es solo un seccionamiento de todas las posibilidades,
así que tenemos enfrente un sistema que puede aprender de las decisiones
anteriores.
9 Idem, Pág. 19
10 Reyes, A. (2006). Representación y Aprendizaje de Procesos de Decisión de Markov. Cualitativos. “Tesis”, Tecnológico de Monterrey, Cuernavaca, Morelos. pag. 14
793