N-PUZZLE Resolución por Búsqueda

Slides:



Advertisements
Presentaciones similares
Ing. Victor Jaime Polo Romero
Advertisements

Búsqueda de Motivos para Casos de Prueba Reales Juan Marcelo Ferreira Aranda Silvano Christian Gómez.
Integrantes Juan Marcelo Ferreira Aranda Silvano Christian Gómez
Integrantes Juan Marcelo Ferreira Aranda Silvano Christian Gómez
TSP, QAP, VRPTW: Resolución mediante Algoritmos MOEA: SPEA, NSGA y Algoritmos MOACO: M3AS, MOACS. Integrantes Juan Marcelo Ferreira Aranda
¿Por que estudiar búsquedas?
Búsqueda en un espacio de estados
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
Inteligencia Artificial y Robótica
INTEGRANTES Aguilar Pastor, Sara Blancas Tunqui, Alicia
AGENTE ASPIRADOR INTELIGENCIA ARTIFICIAL Y ROBÓTICA Alumnos
Agente Simple y Agente de Búsqueda Integrantes: Daga RamónCarolina. Farfan Losano Luis. Hernandez Triveño Marlon. La Rosa Taboada Carlos. Luque Cuba Julio.
Inteligencia Artificial
Inteligencia Artificial
Inteligenica Artificial I Alejandro Permingeat Inteligencia Artificial de Russell y Norving 1° edición 1996 Parte II Capítulo V.
Conclusiones capítulo 5 Cátedra. El diseño de automóviles culmina en las carreras de Fórmula 1 El diseño de programas de la IA culmina en los juegos Dedicarse.
REDES SEMANTICAS Y BUSQUEDAS
Apuntes 2º Bachillerato C.T.
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA
Grupo 4 Matías Melgar Pablo Carbonell
Inteligencia Artificial Búsqueda informada y exploración
7.4.6 Resolución de problemas de conteo mediante diversos procedimientos. Búsqueda de recursos para verificar los resultados. La intención de incluir este.
José Enrique Gonzalez Roberto Clavell
Investigación Algorítmica
Curso Inteligencia Artificial (30223) Problemas resueltos
El robot debe recorrer la avenida 1 hasta encontrar una esquina con flor y papel. Al finalizar el recorrido se debe informar la cantidad de cuadras recorridas.
Inteligencia Artificial Búsqueda informada y exploración
Solución de problemas por búsqueda inteligente
Inteligencia Artificial Resolver problemas mediante búsqueda
ESTRATEGIAS DE BUSQUEDA A CIEGAS
Inteligencia Artificial Resolver problemas mediante búsqueda
Algoritmos Genéticos (AG) Integrantes: Rubén Levineri Miguel Rozas Juan Yañez Faltan autores y bibliografía.
L. Enrique Sucar Marco López ITESM Cuernavaca
Representación del Conocimiento
Tesis para Grado de Ms.C. Optimización de Portafolios de Inversión en Bienes Raíces Mediante Algoritmos de Solución de Restricciones (Chile)
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Capítulo 4 BUSQUEDA INFORMADA.
Comunicación en la web  Buscador: Página web en la cual se ofrece al usuario consultar una base de datos en la que.
Pensamiento cuantitativo.
A continuación encontrará modelos de slides en power point para el desarrollo de las presentación en apoyo a la ponencia del evento Educa Regional 2014.
Solución de problemas por Búsqueda
Optimización, Búsqueda Heurística
Agentes de resoluciones d problemas Parte I. Un agente puede adoptar una meta o un propósito para satisfacer.
Diseño y análisis de algoritmos
COMPUTACION EVOLUTIVA Introducción. Computación Evolutiva: Computación Evolutiva: Enfoque alternativo para abordar problemas complejos de: Enfoque alternativo.
Unidad VI Documentación
¿Por que estudiar búsquedas? Recordemos que la mayoría de los problemas en inteligencia artificial, involucran como tema central un proceso de búsqueda.
profesor: Luigi Ceccaroni
Sistemas Inteligentes Distribuidos Sistemas Inteligentes Distribuidos Sesión 13 L. Enrique Sucar / Marco López Sesión 13 L. Enrique Sucar / Marco López.
El método Frenkel se basa en tres principios fundamentales: Concentración de la atención. precisión y repetición. Identifique cual de los tres principios.
Sistemas Inteligentes Distribuidos Sistemas Inteligentes Distribuidos Sesión 8 Eduardo Morales / L. Enrique Sucar Sesión 8 Eduardo Morales / L. Enrique.
Backtracking 1. Método general. 2. Análisis de tiempos de ejecución.
Parte II. Algorítmica. 5. Backtracking. 1. Análisis de algoritmos.
Una introducción a la computación evolutiva
TPE 1 - Sistemas de Producción: Rolling Cubes Sistemas de Inteligencia Artifcial Bergez, Brasca y García.
PROBLEMAS DE SATISFACCIÓN DE RESTRICCIONES
AJEDREZ Carlos A. Alsina.
Conceptos Avanzados de Programación
ALEXANDER PEREZ FREDERICK MEJIA. Son una serie de esquemas de representación del conocimiento, que mediante diversos algoritmos permite resolver ciertos.
1 ¿Qué es Usabilidad? Disciplina que estudia: distintos aspectos de la comunicación los factores humanos la ergonomía, con el objetivo de diseñar productos.
METODOS DE BUSQUEDA EN C++ Oscar Michel Ruiz León
Agentes e IA Distribuida L. E. Sucar / Alberto Reyes Robótica Inteligente.
Conalep Coacalco Algoritmos Recursivos
Inteligencia Artificial
INTRODUCCIÓN A LA INGENIERÍA PROFESOR Juan Sebastián Duque Jaramillo
Búsqueda de ascensión de colinas (BLv)
MATERIALES EDUCATIVOS PARA EDUCACION INICIAL
Ciclos condicionales y exactos Estructura de control de ciclos
Espacio de estados: un problema se divide en un conjunto de pasos de resolución desde el inicio hasta el objetivo. Los estados y su relación de accesibilidad.
Transcripción de la presentación:

N-PUZZLE Resolución por Búsqueda IDS y A* (cuadros en lugares incorrectos) GRUPO 2 Juan Marcelo Ferreira Aranda [jmferreira1978@gmail.com] Silvano Christian Gómez [cgomezpy@gmail.com] Álida Invernizzi [alidainvernizzi@gmail.com] Guido Andrés Casco [guiancs82@gmail.com] Inteligencia Artificial 8vo Semestre, 2008

Descripción del Problema El problema consiste en la resolución de puzzles de mover fichas. El tamaño de dicho puzzle será NxN, con N en el rango: [3, infinito] Tablero Problema 1 3 4 2 5 7 8 6 Búsqueda Tablero Meta 1 2 3 4 5 6 7 8

Consideraciones Tendrán que cuidarse a demás los siguientes temas: • Repeticiones: Dado el contexto del problema es muy fácil que lleguen a repetirse estados. Si esto ocurre, estamos en peligro de alcanzar un bucle que podría llegar a ser infinito. • Memoria: Cuanto más crezca el puzzle, más memoria consumirán sus estados. Otro de los objetivos es optimizar este aspecto.

Limitaciones de la Solución La solución planteada posee fundamentalmente una limitación, que es el número de movimientos que se necesitan para alcanzar un estado solución. El número máximo de movimientos que es capaz de desarrollar el algoritmo depende de 2 factores: • Posición inicial del hueco: Cuanto mas centrado este el hueco al comenzar el procesamiento, menos movimientos se podrán realizar. • Tamaño N del puzzle: Cuanto mayor sea el tamaño del puzzle. El numero de posibilidades aumenta y con ellas la carga de estados en memoria

Solución Para la realización de esta tarea, se partió del esquema de búsqueda estudiado en clase: Búsqueda IDS (Profundidad Iterativa) Búsqueda A* (Heurística: Cuadros en lugares incorrectos [misplaced tiles])

Solución IDS (Iterative Deeping Search) 1 3 4 2 5 7 8 6 P=0 4 1 3 2 5 7 8 6 1 3 4 2 5 7 8 6

Solución IDS (Iterative Deeping Search) 1 3 4 2 5 7 8 6 P=0 4 1 3 2 5 7 8 6 1 3 4 2 5 7 8 6 P=1

Solución IDS (Iterative Deeping Search) 1 3 4 2 5 7 8 6 P=0 4 1 3 2 5 7 8 6 1 3 4 2 5 7 8 6 P=1 1 3 4 2 5 7 8 6 1 2 3 4 5 7 8 6 1 3 4 2 5 7 8 6 1 3 4 2 5 7 8 6 4 1 3 2 5 7 8 6 4 1 3 7 2 5 8 6 P=2

Árbol de Soluciones

Solución A* (Misplaced Tiles) 1 3 4 2 5 7 8 6 4 1 3 2 5 7 8 6 1 3 4 2 5 7 8 6 1 3 4 2 5 7 8 6 1 2 3 4 5 7 8 6 1 3 4 2 5 7 8 6

Árbol de Soluciones

MUCHAS GRACIAS POR LA ATENCIÓN!!!