INTRODUCCION
Primera temáticas
vista en clases impartida con el fin de conocer los agentes que planifican ya
que estos nos ayudada a ver la manera en que los autómatas toman decisiones de
acuerdo a su estado para así cumplir los objetivos diseñados con este prepósito
este tema ha sido compartido en clases.
MARCO TEORICO
AGENTES QUE
PLANIFICAN
Desde principios de los ‘70, la comunidad de IA especializada en planificación se ha preocupado del problema de diseño de agentes artificiales capaces de actuar en un entorno
La planificación se
puede ver como una forma de programación automática: el diseño de un curso de
acción que satisfará un cierto objetivo.
Dentro de la
comunidad de la IA simbólica, se ha asumido desde hace tiempo que algún tipo de
sistema planificador debe formar parte de los componentes centrales de
cualquier agente artificial
La idea básica es
dotar al agente planificador:
·
Representación
del objetivo a alcanzar
·
Representación
de las acciones que puede realizar
·
Representación
del entorno Capacidad de generar un plan para alcanzar el objetivo
¿QUÉ ES
UN PLAN?
Es una secuencia (lista) de acciones, que llevan de
un estado inicial a un estado final.
La planificación se puede ver como un problema de
búsqueda en un espacio de estados.
BUSQUEDA
EN ESTADOS EXPLICITOS
La búsqueda en grafos explícitos requiere ir propagando marcadores a lo
largo de los nodos del grafo. Comenzamos marcando el nodo inicio con un 0, y
después iremos incrementando este número, a medida que nos extendemos a modo de
ondas, hasta que alcanzamos el nodo objetivo. Entonces, recorremos el camino
inverso desde el nodo objetivo hasta el nodo inicio decrementando los números
de la secuencia. Las acciones a lo largo del camino, desde el nodo inicio al
nodo objetivo, son las acciones que permitirán alcanzar el objetivo. Este
método requiere O(n) pasos, donde n es el número de nodos del grafo (si hay un
nodo objetivo simple, el proceso podría implementarse en dirección inversa
comenzando en el nodo objetivo y
analizando en el nodo inicio). Los enteros asignados a los nodos en este
proceso pueden interpretarse como un tipo de función potencial sobre los nodos,
con un mínimo global en el nodo inicio. El camino inverso (desde el objetivo
hasta el inicio) va reduciendo el gradiente de dicha función.)
Los diferentes pasos en la propagación de los marcadores del problema de
transformar ((BAC)) en ((ABC)) se muestran en la Figura:
CONCLUSIÓN
Estos agentes ayudan a que los autómatas tomen sus propias decisiones de
acuerdo al objetivo planteados claro está que es dirigido por un agente que lo
q permite que el autómata tome su camino.
BIBLIOGRAFÍA
Hermoso, R. 2010.Inteligencia Artificial. (En línea).
Formato PDF. Consultado el 6 de julio del 2014. Disponible en: http://www.ia.urjc.es/cms/sites/default/files/userfiles/file/ia3/201011/teoria/tema02_to_print.pdf
Russell,
s.2008.inteligencia artificial un enfoque moderno. Segunda edición. Pearson
education. Madrid-España.
Iriarte, R. 2014. Agentes que planifican. (En línea).
Formato PDF. Consultado el 4 de julio del 2014. Disponible en: http://www.cs.umss.edu.bo/doc/material/mat_gral_139/Agentes_que_planifican.pdf
No hay comentarios:
Publicar un comentario