TEMA7: Búsqueda local en espacios continuos y Agentes de búsqueda online

Tema: Búsqueda local en espacios continuos y Agentes de búsqueda online

21 DE JULIO DEL 2014

Introducción

En esta clase el objetivo es explicar la diferencia entre entornos discretos y continuos, señalando que la mayor parte de los entornos del mundo real son continuos, la función sucesor en la mayor parte de casos devuelve infinitamente muchos estados. Esta clase proporciona una breve   introducción a técnicas de búsqueda local para encontrar soluciones óptimas en espacios continuos.

 Al igual daremos una idea delo que es una búsqueda online que es utilizable en dominios dinámicos y semidinamicos.

Desarrollo

Búsqueda local en espacios continuos

Características

1.        El gradiente de la función objetivo es un vector d f que  nos da la magnitud  y la dirección de la inclinación más escarpada.
2.        La búsqueda de gradiente empírico es la misma que la ascensión de colina con subida más escarpada en una versión desratizada del espacio de estado.
3.         La técnica de línea de búsqueda trata de vencer el dilema del gradiente ampliando la dirección del gradiente actual hasta que f comience a disminuir otra vez.
4.        La optimización con restricciones es un proceso de optimización donde está restringido si la soluciones debieran satisfacer algunas restricciones sobre los valores de cada variable.
5.        Los problemas de programación lineal son los cuales las restricciones deben ser desigualdades lineales formando una región convexa y la función objetivo es también lineal.

Agentes de búsqueda online

La búsqueda online es una idea necesaria  a un problema de exploración, donde los estados y las acciones son desconocidos por e1 agente; un agente en este estado de ignorancia debe usar sus acciones corno experimentos para determinar qué hacer después, y a partir de ahí debe intercalar el cálculo, y la acción.

Problemas de búsqueda en línea (online)

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

·         Acciones(s), que devuelve una lista de acciones permitidas en el estado s’.

·         Funciones de coste individual c(s, a, s’)

·         Test Objetivo(s)

Por lo general en particular el agente no puede tener acceso a los sucesores de un estado excepto si intenta realmente todas las acciones en ese estado.

Conclusiones

·         Un algoritmo genético es una búsqueda de ascensión de colinas estocástica en que se mantiene una población grande de estados que son utilizados en métodos búsqueda continua.

·         Los agentes de búsqueda en línea pueden construir un mapa y encontrar  un objetivo si existe.

·         En la búsqueda en línea las estimaciones de las heurística, que se actualizan por la experiencia, proporcionan un método efectivo para escapar de mínimos locales

BIBLIOGRAFIA

˜Russell, S. Norvig, P. 2004. INTELIGENCIA A HTXFKCIAI, UN ENFOQIJE MUDERNO.2 ed. PEARSON EDUCACIONS,.S A. Formato PDF. Pag.157-165

http://www.slideshare.net/uni_fcys_sistemas/inteligencia-artificial-en-las-industrias (Autor: Chavez, Ariel. Tomado el 10/04/2013)

http://www.slideshare.net/uni_fcys_sistemas/la-i-a-en-la-agricultura (Autores: Ayestas, Carlos. Sarantez, Eddy. Tomado el 10/04/2013)

http://www.monografias.com/trabajos97/sobre-inteligencia-artificial/sobre-inteligencia-artificial.shtml#bibliograa#ixzz39q6S0KvR