Agente Simple y Agente de Búsqueda Integrantes: Daga RamónCarolina. Farfan Losano Luis. Hernandez Triveño Marlon. La Rosa Taboada Carlos. Luque Cuba Julio.

Slides:



Advertisements
Presentaciones similares
Ing. Victor Jaime Polo Romero
Advertisements

Branch-and-bound Search
Búsqueda en árboles de juego
Damas Chinas Condori Mollehuara Miguel Montenegro Rubio Willy
Complejidad Computacional
INTELIGENCIA ARTIFICIAL
IMPLEMENTACIÓN DE AGENTE DE REFLEJO SIMPLE Y AGENTE DE MEMORIA INTERNA
Universidad de San Martín de Porres
Inteligencia Artificial y Robótica
AGENTE ASPIRADOR INTELIGENCIA ARTIFICIAL Y ROBÓTICA Alumnos
Descripción del Trabajo Final
Inteligencia Artificial UNIVERSIDAD DE SAN MARTIN DE PORRES
Inteligencia Artificial
Inteligencia Artificial
Diseño y análisis de algoritmos
Inteligencia Artificial
Inteligencia Artificial
GRAFOS Presentado por: Oscar Leonardo Ramírez John Freddy Sandoval
IBD Clase 7.
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA
Inteligencia Artificial Búsqueda informada y exploración
Métodos básicos de Búsqueda
Investigación Algorítmica
PROGRAMACION DE ESTRUCTURAS DE DATOS
Inteligencia Artificial Búsqueda informada y exploración
Inteligencia Artificial Búsqueda entre adversarios

Solución de problemas por búsqueda inteligente
Inteligencia Artificial Resolver problemas mediante búsqueda
Fundamentos de Inteligencia Artificial Búsqueda
Inteligencia Artificial Resolver problemas mediante búsqueda
Inteligencia Artificial Gonzalo Villarreal Farah
Estrategias de administración de recursos de radio en un sistema 3G INTEGRANTES: David Balseca Del Campo Francisco Andrade Briones.
Modelos de Programación Entera - Heurísticas
GRAFOS HUGO ARAYA CARRASCO.
1 Algoritmos Elementales de Grafos Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem
Grafos. Un Grafo G es un par de conjuntos (V, E), donde V es un conjunto no vacío de elementos llamados vértices o nodos y E es un conjunto formado por.
ENTORNO“Principios” “Principles of Systems” Los modelos de simulación pertenecen a la clase de modelos abstractos. Dicha clase incluye también modelos.
Temas importantes para el desarrollo de la segunda parte del TPE
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Optimización Combinatoria usando Algoritmos Evolucionistas Problemas de Optimización. Idea: Encontrar una solución "factible" y "óptima" de acuerdo a algún.
Capítulo 4 BUSQUEDA INFORMADA.
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
Métodos de Búsqueda Informada. Búsqueda de la mejor Ruta En esta sección no sólo nos interesa encontrar una posible ruta, sino obtener aquella ruta que.
A LGORITMO DE BÚSQUEDA POR COSTO UNIFORME Dorian López.
Diseño y análisis de algoritmos
Surge cuando se necesita un modelo costo-efectividad que permita transportar ciertos bienes desde un lugar de origen a un destino que necesita aquellos.
INSTITUTO TECNOLÓGICO DE VILLAHERMOSA. CATEDRATICO:
EL MALLADO HEXAGONAL Dolores Bonilla Silva Daniel González Ortegón Remedios Gutiérrez Martínez.
METODOS DE BUSQUEDA INFORMADOS CAPITULO 5
NÚMEROS DECIMALES MULTIPLICACIÓN 1.
EXPERIMENTACIÓN NUMÉRICA
Robótica Inteligente L. Enrique Sucar Leonardo Romero Marco López ITESM Cuernavaca.
Experimentación Numérica
Análisis y Diseño de Algoritmos
TPE 1 - Sistemas de Producción: Rolling Cubes Sistemas de Inteligencia Artifcial Bergez, Brasca y García.
Parte I. Estructuras de Datos.
Agustín J. González ELO-320: Estructura de Datos Y Algoritmos
Búsqueda en profundidad Se elige la primera alternativa (por convención la de más a la izquierda) y se sigue hacia abajo hasta alcanzar la meta o hasta.
ANALISIS DE REDES UNIDAD PROCEDIMIENTO DE OPTIMIZACION
4º E.S.O. Estudio del movimiento U.1 Movimiento uniforme A.16 Ecuación del movimiento uniforme.
Matemáticas 4º ESO Opción B
BUSQUEDA EN ANCHURA Y PROFUNDIDAD
Matemáticas Discretas MISTI
Recorridos de grafos Segunda Parte M.C. Meliza Contreras González.
PROGRAMACIÓN Grupo de Modelamiento de Sistemas
ALGORITMO FLOYD WARSHALL
Transcripción de la presentación:

Agente Simple y Agente de Búsqueda Integrantes: Daga RamónCarolina. Farfan Losano Luis. Hernandez Triveño Marlon. La Rosa Taboada Carlos. Luque Cuba Julio. Pérez Mullisaca Juan Carlos.

Fuente para Desarrollo Fuente de Apoyo: Nos ayudamos del código fuente del grupo 04: 2008-I

Planteamiento del problema La problemática del agente es encontrar el camino mas optimo para comer todas las basuras generados en su ambiente con un entorno cerrado, reconociendo su trayectoria y evitando los obstáculos tales como paredes y huecos

Representación del Conocimiento BASURA = 1; OBSTACULO = 2; PARED = 2; HUECO = 3; AGENTE = 5;

========================================= ====INICIO DEL AGENTE DE BUSQUEDA BFS==== ========================================= Total Filas Generadas Aleatoriamente: 7 Total Columnas Generadas Aleatoriamente: 7 TAMAÑO MATRIZ(m x n): 7 x 7 POSICION INICIAL DEL ROBOT: (1,1) NUMERO DE BASURAS GENERADAS: Inicio del Agente de Búsqueda BFS

Resultados de la búsqueda

A continuación se genera la matriz inicial y meta, una matriz del mismo tamaño al de la matriz anterior pero completamente llena de ceros que es equivalente a un ambiente limpio. Esta matriz representa el estado meta. Inicial y Meta:

Análisis del Resultado de la Búsqueda El agente simula las posibles soluciones(visita todos los nodos vecinos) para ver los nodos alcanzables (verifica la tabla) y ver la ruta optima para después hacer el movimiento. PROCEDIMIENTO: El algoritmo explora, para descubrir todos los nodos alcanzables. Calcula la distancia para ver los nodos alcanzables. El camino desde el nodo raíz a cada nodo en este recorrido contiene el mínimo número de vértices. Es el camino más corto medido en número de vértices. Su nombre se debe a que expande uniformemente la frontera entre lo descubierto y lo no descubierto.

Análisis del número de estado generados según capacidad de memoria ============================================= ==========ESTADISTICOS DE MEMORIA============= ============================================= st.getTotalMemory()5056 st.getFreeMemory()4100 st.getMaxMemory()65088 st.getUsedMemory()956 ============================================= ====ESTADISTICAS DEL AGENTE BUSQUEDA BFS===== ============================================= Nodos abiertos = 11 Nodos cerrados = 7 Nivel solucion= 3 Nivel arbol = 3

Agente Reflejo Simple Cuadro de Promedios Estadísticos de los 100 agentes en sus diferentes Ambientes Estadísticas del AgenteResultado (promedio) Complejidad38.44 Nro. Reglas usadas 1 vez3.04 Nro. Choques6.66 Nro. Avances22.19 Nro. Rotaciones6.51 Rendimiento0.195 Tamaño del ambiente Numero de basuras24.42 Numero de huecos0.96 Ambiente episódico Si = 23%No = 77% Ambiente dinámico 0% Ambiente accesible 0%

Conclusiones Comparación de Complejidad: La complejidad del Agente de Reflejo Simple, dependerá de si entre en bucle o no. La complejidad del Agente de Búsqueda es la búsqueda de la ruta optima y después hacer el movimiento. Comparación de Rendimiento: El Agente de Reflejo Simple, en cuanto a calificación de rendimiento no seria optimo ya que únicamente se basa en su tabla de percepción y eso no garantiza que su desempeño sea el correcto para todos los ambientes. El Agente de Búsqueda, en casi la totalidad de sus resultado arroja resultados correctos, a menos que exista una excepción(volcado de memoria).