AGENTES DE BUSQUEDA ONLINE Y AMBIENTES DESCONOCIDOS

INTRODUCCION

Este tema fue impartido con el fin de conocer los agentes de búsquedas que sepan escoger la mejor ruta para llegar a su objetivo gracias al estudio de esta podemos diferenciar estas búsquedas y nos damos cuenta que la búsqueda online solo necesita saber los acontecimiento que realmente suceden.

MARCO TEORICO

AGENTES DE BÚSQUEDA ONLINE Y AMBIENTES DESCONOCIDOS

Hasta ahora nos hemos centrado en agentes que usan algoritmos de búsqueda offline. Ellos calculan una solución completa antes de poner un pie en el mundo .Y luego ejecutan la solución sin recurrir a sus percepciones. En contraste, un agente de búsqueda online es una buena idea en dominios dinámicos o semidinámicos. 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 sólo considere lo que realmente pasa. Por ejemplo, a un agente que juega al ajedrez se le aconseja que haga su primer movimiento mucho antes de que se haya resuelto el curso completo del juego.

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 ese 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.

·        AGENTE DE BÚSQUEDA EN LÍNEA (ONLINE)

Después de cada acción, un agente online recibe una percepción al decirle que estado ha alcanzado; de esta información, puede aumentar su mapa del entorno. El mapa actual se usa para decidir dónde ir después. Esta intercalación de planificación y acción significa que los algoritmos  de búsqueda online son bastantes diferentes de los algoritmos de búsqueda offline.

Un algoritmo online, por otra parte puede expandir sólo el nodo que ocupa físicamente. Para evitar viajar atravez de todo el árbol para expandir el siguiente nodo, parece mejor expandir los nodos en un orden local. La búsqueda primero en profundidad tiene exactamente esta propiedad, porque el siguiente nodo a expandir es hijo del nodo anteriormente expandido.

Fig.1. Forma de aprendizaje del agente de búsqueda online

Objetivo del agente:

• Alcanzar un estado objetivo
• Minimizando el coste.

Intercalación planificación-acción:

 Después de cada acción, un agente online recibe una percepción (al decirle el estado que ha alcanzado). Esta información aumenta su mapa de entorno. El mapa actual se utiliza para decidir dónde ir.

La búsqueda on-line son necesarias para problemas de exploración. Los estados deben expandirse teniendo en cuenta la posición física que ocupamos => búsqueda en profundidad.

Ejemplo:

Un problema sencillo de un laberinto el agente comienza en S y debe alcanzar G, pero no sabe nada del entorno.

  

Búsqueda off-line:

– Calcula una solución completa antes de poner un pie en el mundo real.

– Después ejecutan la solución sin recurrir a las percepciones.

Búsqueda on-line: Intercala el calcula y la acción.

– Toma una acción

– Observa el entorno

– Calcula la siguiente acción.

Usos de la búsqueda on-line:

– Problemas de exploración, donde el agente desconoce los estados y acciones.

Problemas  de búsqueda en línea (online)

Un problema de búsqueda online puede resolverse solamente por un agente que ejecute acciones, más que por un proceso puramente computacional. Asumiremos que el agente sabe lo siguiente:

·         Acciones (). Que devuelve una lista de acciones permitidas en el estado s;

·         Funciones de coste individual c(s, a, s’). hay que tener en cuenta que no pude usarse hasta que el agente sepa que s’ es el resultado; y

·         Test-Objetivo(s).

EJEMPLOS:

• Un ejemplo básico de búsqueda online es un robot que se coloca en un edificio nuevo y lo debe explorar para construir un mapa, que puede utilizar para ir desde A hasta B. Los métodos para salir de laberintos (conocimiento requerido para aspirar a ser héroe de la Antigüedad son también ejemplos de algoritmos de búsqueda online. Sin embargo, la exploración espacial no es la única forma de exploración.

CONCLUSIÓN

Después de haber analizado todas esas búsquedas podemos notar que esta búsqueda simplemente lo que hace es analizar lo que realmente sucede a su entorno y así poder calcular la siguiente acción.

BIBLIOGRAFÍA

Russell, s.2008.inteligencia artificial un enfoque moderno. Segunda edición. Pearson education. Madrid-España.