Post on 29-Sep-2015
description
INSTITUO TECNOLOGICO DE CHILPANCINGO
INGENIERIA EN SISTEMAS COMPUTACIONALES
INTELIGENCIA ARTIFICIAL
RESUMEN DE LAS UNIDADES I Y II
DEYANIRA ACALCO CASTAEDA
10520231
Contenido:
1. Fundamentos de la Inteligencia Artificial
1.1. Historia de la Inteligencia Artificial
1.2. Conceptos y tcnicas (Estado del Arte)
1.3. Desarrollos actuales
1.3.1. Procesamiento del lenguaje natural
1.3.2. Reconocimiento de patrones
1.3.3. Robtica
1.3.4. Sistemas Expertos
1.3.5. Lgica difusa
1.4. Modelos de agente inteligente
1.5. Heurstica
2. Tcnicas de bsqueda
2.1. Solucin de problemas con bsqueda
2.2. Espacios de estados.
2.2.1. Determinsticos.
2.2.2. No determinsticos.
2.3. Mtodos de bsqueda.
2.3.1. Primero en anchura (breadthfirst).
2.3.2. Primero en profundidad (depthfirst).
2.3.3. Grafos O.
2.3.4. Grafos A.
2.4. Satisfaccin de restricciones.
2.5. Teora de juegos.
1. Historia de la Inteligencia Artificial
Es de fundamental importancia destacar los acontecimientos y conocer
la historia de la Inteligencia Artificial, ya que esta ciencia data desde las
principales aportaciones que conllevaron al desarrollo de diversas
tcnicas de manipulacin del conocimiento, se realizaron avances en
diversas tareas que se describirn en la siguiente relacin de
acontecimientos, tambin es importante destacar que gracias a los
avances que llevaron al progreso a la Inteligencia Artificial, se resaltaron
nuevas reas de investigacin. Estas reas incluyen las reas de
percepcin (visin y habla) y el lenguaje natural (comprensin,
generacin, traduccin).
Segn (Huerta, 2009, p. 18) una vertiente ms de las incursiones de la
Inteligencia Artificial se ha dado en el desarrollo de sistemas que ayudan
a tareas de expertos, en la resolucin de problemas en campos
especializados (como en la realizacin de anlisis qumicos) en el campo
de la ingeniera (diseo, deteccin de fallos, planificacin de
manufacturacin, etc.), en el anlisis cientfico, en la medicina, en el
anlisis financiero, etc.
1.1. Conceptos y tcnicas (Estado del Arte)
El rea de investigacin de la inteligencia artificial que trata sobre el arte
es la inteligencia artificial expresiva. Esta rama estudia la posibilidad de
que un sistema inteligente pueda crear obras de arte. Su esencia es
sustancialmente diferente a la de otros campos de investigacin, ya que
la capacidad artstica no es algo sobre lo que se pueda definir un
objetivo o una serie de reglas que digan si lo producido est bien o mal.
La concepcin del arte es algo puramente subjetivo, y resulta muy dificil
pensar que algo que no puede ver ni comprender la existencia de lo
representado pueda crear una obra de arte. Es este desafo el que ha
llamado la atencin de muchos artistas, que se han visto interesados en
esta interaccin entre la inteligencia artificial y el arte y ven una
posibilidad de desarrollo del mundo artstico en la utilizacin de esta rama
de la ciencia informtica.
Tambin muchos investigadores de la inteligencia artificial se han
mostrado interesados en esta va de investigacin, pues, para ellos,
supone todo un reto consistente en el derrumbamiento de una de las
ltimas barreras que diferencian una inteligencia artificial de una
humana. Ya que la habilidad de estudiar el entorno y aprovechar lo que
este nos ofrece para conseguir un objetivo, es algo que los animales
tambin hacen, como el mono que usa un palo para atrapar las termitas
que estn dentro de un rbol, este comportamiento es inteligente y la
inteligencia artificial ha demostrado que es capaz de usarlo. No obstante
la creacin artstica es algo puramente humano, no hay ningn otro ser
vivo que muestre esta habilidad, por lo que si se consigue que un
ordenador escriba una obra de teatro o pinte un cuadro, se tendra que
comparar directamente con la obra de un humano, por lo que resultara
muy difcil justificar que ese acto de creacin no muestra inteligencia. Es
por ello que esta rama resulta tan interesante para algunos
investigadores de la inteligencia artificial.
Esta rama est a caballo entre el mundo del arte y el de la inteligencia
artificial, es por esto que si un investigador de inteligencia artificial o un
artista quieren adentrarse en esta va de investigacin debe cambiar su
manera de pensar y de trabajar o, de lo contrario, fracasar. El
investigador debe ser a la vez artista y viceversa, pues si descuida alguna
de estas dos partes, una de las piezas del puzzle fallar, o bien no
conseguir algo inteligente o bien no conseguir algo artstico.
En la inteligencia artificial expresiva, el foco de investigacin no es el
mismo que el de otras ramas de investigacin, dnde la investigacin se
ha basado en el estudio de las posibilidades de la realizacin fsica de la
inteligencia. En estas ramas el foco se basa en el entendimiento de
sistemas de inteligencia artificial como entidades independientes, que
pueden manipular sistemas de smbolos o que pueden interactuar con el
mundo en el que se encuentran. Mientras que en la inteligencia artificial
expresiva el foco de la investigacin se centra en la autora. El sistema
inteligente se convierte un artefacto creado por el autor para comunicar
ideas y experiencias. Es decir, el autor crea un artefacto cultural. No
consiste en construir un sistema que sea inteligente independientemente
del observador que lo analice, sino en construir un sistema que participe
en un contexto cultural concreto de manera que sea percibido como
inteligente.
Es por lo tanto que el sistema se ve como una manera de interpretar las
ideas del autor. Actualmente hay gran cantidad de proyectos de
investigacin, e incluso ya algunos productos comerciales de lo que
podramos considerar arte artificial, es decir, arte creado por una
inteligencia artificial. Las reas en las que ms se ha trabajado y que se
comentarn a continuacin, son la creacin de historias ms conocida
por su nombre ingls, storytelling, la pintura manual (freehand painting),
la msica, ya sea creacin o interpretacin de melodas y algunas obras
de arte realizadas por artistas que usan la inteligencia artificial para
aumentar la expresividad de sus obras.
1.2. Desarrollos actuales
1.2.1. Procesamiento del lenguaje natural
El lenguaje natural se entiende como el lenguaje hablado y escrito con
el objetivo de que exista comunicacin entre una o varias personas. La
interpretacin del lenguaje natural lo hace el cerebro, empieza a
interpretar determinadas entradas sensoriales, tal como ver u or alguna
seal de alarma; el cerebro convierte la informacin codificada en un
conjunto simblico o lenguaje. La razn principal del procesamiento del
lenguaje natural es construir sistemas y mecanismos que permitan la
comunicacin entre personas y mquinas por medio de lenguajes
naturales.
Para poder hablar de procesamiento del lenguaje natural, se debe
hablar en primer lugar de lenguaje natural y su dimensin en un entorno
social. El lenguaje natural se entiende como el lenguaje hablado y escrito
con el propsito que exista comunicacin entre una o varias personas, es
ms directo para expresar lo que se quiere comunicar, el lenguaje natural
es menos susceptible a malas interpretaciones por el empleo de trminos
con un solo significado. La comunicacin es importante en el lenguaje
natural debido a que este proceso involucra la transmisin y recepcin
de informacin.
La interpretacin del lenguaje natural lo hace el cerebro, empieza a
interpretar determinadas entradas sensoriales, tal como ver u or alguna
seal de alarma; el cerebro convierte la informacin codificada en un
conjunto simblico o lenguaje. El aprendizaje del lenguaje comienza con
la repeticin de palabras entendidas por su asociacin con experiencias.
El lenguaje natural es un fenmeno muy complejo, pero ha sido
sobradamente demostrado que las expresiones del lenguaje humano
estn organizadas a travs de un conjunto de reglas. Todas nuestras
expresiones tienen una clara organizacin: las palabras en una oracin
se asocian para describir objetos y acciones, posiblemente complejas. El
objetivo de un analizador sintctico es precisamente descubrir estas
asociaciones entre palabras, lo que se conoce como estructura
sintctica. Un analizador sintctico es un programa que toma como
entrada una oracin y trata de descubrir la estructura sintctica que
explica las relaciones entre las palabras de esa oracin. Los analizadores
buscan la estructura correcta dentro de un conjunto de anlisis posibles,
este conjunto esta usualmente definido por una gramtica. El modelo de
lenguaje en el cual se basa el analizador sintctico decide cules son los
componentes sintcticos de las oraciones y como stos estn
relacionados.
Procesamiento del Lenguaje Natural (PLN) es una subdisciplina de la
inteligencia artificial y rama de la ingeniera lingstica computacional;
ahora bien, la razn principal del PLN es construir sistemas y mecanismos
que permitan la comunicacin entre personas y mquinas por medio de
lenguajes naturales.
El logro que una computadora aprenda a interpretar el lenguaje natural
se debe a dos caminos, uno epistemolgico y otro heurstico:
El epistemolgico: define el espacio de conceptos que el programa puede aprender.
El heurstico: define los algoritmos para el aprendizaje.
El primer avance obtenido en el PLN se dio en el rea del acceso a las
bases de datos con el sistema lunar (1973) construidos en la NASA por
William Woods. El PLN busca poder crear programas que puedan
analizar, entender y generar lenguajes que los humanos utilizan
habitualmente, de manera que el usuario pueda llegar a comunicarse
con la mquina o computador de la misma forma que lo hara con un
ser humano.
La relacin entre el PLN y la recuperacin de informacin es evidente; su
objetivo es la conversin del lenguaje natural al lenguaje mquina. El
resulta en muchas ocasiones de esta relacin es crear un buscador web
en el que el usuario pueda preguntar cualquier cosa, y el sistema sea
capaz de responder de manera adecuada y correctamente, como lo
hara un ser humano comn y corriente, este proceso se denomina con
el nombre sistemas de informacin question-answering.
El PLN es de manera general, un conjunto de instrucciones que un sistema
recibe en un lenguaje de programacin dado, que permita comunicarse
con un humano en su propio lenguaje, este procesamiento presenta
diversas aplicaciones:
Correccin de textos.
Traduccin automtica.
Recuperacin de la Informacin.
Extraccin de informacin y resmenes.
Bsqueda de documentos.
Sistemas inteligentes para la educacin y el entrenamiento.
Adems de su utilidad en el campo del procesamiento y la
recuperacin de informacin, el PLN se aplica a otros aspectos como
el reconocimiento del habla o la correccin ortogrfica de textos.
1.2.2. Reconocimiento de patrones
Un sistema de reconocimiento de patrones completo consiste en:
Un sensor que recoge las observaciones a clasificar. Un sistema de extraccin de caractersticas transforma la informacin observada en valores numricos o simblicos.
Un sistema de clasificacin o descripcin que, basado en las caractersticas extradas, clasifica la medicin.
Por ejemplo se pueden clasificar imgenes digitales de letras en las clases
A a Z dependiente de sus pxeles o se pueden clasificar huellas
dactilares.
PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN
Las caractersticas de la imagen pueden ser:
-topolgicas: nmero de componentes conexas, agujeros, -geomtricas: rea, permetro, curvatura, -estadsticas: momentos, Un patrn es un conjunto de caractersticas.
Una clase de patrones es un conjunto de patrones similares. El objetivo del reconocimiento de patrones es asignar un patrn a la clase
a la que pertenece (lo ms automticamente posible).
Podemos almacenar los patrones en diversos formatos:
El ms usual es el de vector (para caractersticas cuantitativas) x=[x1 , x2 , , xn]T
donde x es el patrn y xi son las caractersticas.
Tambin se usa el formato de rbol (para caractersticas estructurales).
1.2.3. Robtica
El nombre de robot procede del trmino checo robota (trabajador,
siervo) con el que el escritor Karel Capek design, primero en su novela y
tres aos ms tarde en su obra teatral RUR (Los robots universales de
Rossum, 1920) a los androides, producidos en grandes cantidades y
vendidos como mano de obra de bajo costo, que el sabio Rossum crea
para liberar a la humanidad del trabajo. En la actualidad, el trmino se
aplica a todos los ingenios mecnicos, accionados y controlados
electrnicamente, capaces de llevar a cabo secuencias simples que
permiten realizar operaciones tales como carga y descarga,
accionamiento de mquinas herramienta, operaciones de ensamblaje y
soldadura, etc. Hoy en da el desarrollo en este campo se dirige hacia la
consecucin de mquinas que sepan interactuar con el medio en el cual
desarrollan su actividad (reconocimientos de formas, toma de
decisiones, etc.). La disciplina que se encarga del estudio y desarrollo de
los robots es la robtica, una sntesis de la automtica y la informtica. La
robtica se centr, en primer lugar, en el estudio y desarrollo de los robots
de la llamada primera generacin; es decir, incapaces de detectar los
estmulos procedentes de entorno y limitados a las funciones con una
secuencia predeterminada y fija.
Estos robots han dado paso a los que constituyen la segunda generacin,
capaces de desarrollar algn tipo de actividad sensorial. Los prototipos
multisensoriales que interactan en un grado muy elevado con el entorno
se agrupan en la tercera generacin. Para ello, la robtica se sirve de
disciplinas como la mecnica, la microelectrnica y la informtica,
adems de incorporar a los ingenios tcnicas como el reconocimiento y
anlisis digital de las imgenes, el desarrollo de sistemas sensoriales, etc.
El creciente desarrollo de los robots y su contante perfeccionamiento ha
hecho que cada da se apliquen en mayor medida a los procesos
industriales en sustitucin de la mano de obra humana. Dicho proceso,
que se inici hacia 1970, recibe el nombre de robotizacin y ha dado
lugar a la construccin de plantas de montaje parcial o completamente
robotizadas.
1.2.4. Sistemas Expertos
Se puede decir que los sistemas expertos son el primer resultado
operacional de la IA pues logran resolver problemas a travs del
conocimiento y raciocinio de igual forma que lo hace el experto
humano.
Un sistema experto es bsicamente un programa de computadora
basado en conocimientos y raciocinio que lleva a cabo tareas que
generalmente solo realiza un experto humano; es decir, es un programa
que imita el comportamiento humano en el sentido de que utiliza la
informacin que le es proporcionada para poder dar opinin sobre un
tema especial.
Otros autores lo definen como sigue: un sistema experto es un programa
de computadora interactivo que contienen la experiencia,
conocimiento y habilidad propios de una persona o grupos de personas
especialistas en un rea particular del conocimiento humano, de
manera que permitan resolver problemas especficos de ese rea de
manera inteligente y satisfactoria.
1.2.5. Lgica difusa
La lgica difusa, como su nombre indica, es una lgica alternativa a la
lgica clsica que pretende introducir un grado de vaguedad en las cosas
que califica. En el mundo real existe mucho conocimiento poco realista, es
decir, conocimiento vago, impreciso, incierto, ambiguo, inexacto, o
probabilstico por naturaleza. El razonamiento y pensamiento humano
frecuentemente conlleva informacin de este tipo, probablemente
originada de la inexactitud inherente de los conceptos humanos y del
razonamiento basado en experiencias similares.
El problema principal surge de la poca capacidad de expresin de la lgica
clsica, supongamos por ejemplo que tenemos un conjunto de personas
que intentamos agrupar segn su altura, clasificndolas en altas o bajas. La
solucin que presenta la lgica clsica es definir un umbral de pertenencia
(por ejemplo, un valor que todo el mundo considera que de ser alcanzado
o superado, la persona en cuestin puede llamarse alta). Si dicho umbral es
1.80 m, todas las personas que midan 1.80 m o ms sern altas, mientras que
las otras sern bajas. Segn esta manera de pensar, alguien que mida 1.79
m ser tratado igual que otro que mida 1.50 m, ya que ambos han merecido
el calificativo de bajas. Sin embargo, si dispusiramos de una herramienta
para caracterizar las alturas de forma que las transiciones fueran suaves,
estaramos reproduciendo la realidad mucho ms fielmente.
Asimismo, no hay un valor cuantitativo que defina el trmino joven. Para
alguna gente, 25 aos es joven, mientras que para otros, 35 es joven. Incluso
el concepto puede ser relativo al contexto. Un presidente de gobierno o de
35 aos es joven, mientras que un futbolista no lo es. Hay sin embargo cosas
que estn claras: una persona de 1 ao es joven, mientras que una de 100
aos no lo es. Pero una persona de 35 aos tiene algunas posibilidades de
ser joven (que normalmente dependen del contexto).
El origen del inters actual por la teora de conjuntos difusos se debe a un
artculo publicado por Lofti Zadeh en 1.965. En la actualidad es un campo
de investigacin muy importante, tanto por sus implicaciones matemticas
o tericas como por sus aplicaciones prcticas. Prueba de esta importancia
es el gran nmero de revista internacionales (Fuzzy Sets and Systems, IEEE
Transactions on Fuzzy Systems.) congresos (Fuzz-Ieee, Ipmu, Eusflat, Estylf) y
libros (Kruse, 1994), (McNeill, 1994), (Pedrycz, 1993) dedicados al tema .
1.3. Modelos de agente inteligente
Desde su surgimiento hasta nuestros das, la Inteligencia Artificial ha
transitado por grandes etapas, desde la implementacin de juegos en
computadora, demostraciones de teoremas, pasando por el surgimiento de
nuevas tcnicas como Robtica; Procesamiento de Lenguaje Natural;
Reconocimiento de Patrones; Sistemas Expertos; Tutores Inteligentes; Redes
Neuronales; Manipulacin Inteligente de Base de Datos; Web Inteligentes;
Minera de Datos; Programacin Automtica; Visin Computarizada hasta
llegar a los Agentes Inteligentes (Blanco, 2002).
Qu son los agentes? Un Agente, de manera general, es todo aquello que
puede considerarse que percibe su ambiente mediante sensores y que
responde o acta en tal ambiente mediante efectores (Russell,1996).
De esta manera es posible encontrar diversos tipos de agentes, entre ellos
los agentes humanos, en los que los cinco sentidos sirven de sensores y las
extremidades sirven de efectores; los agentes robticos, en el que los
sensores son suplantados por cmaras de video y los efectores son ciertos
mecanismos; y los agentes de software, que son un programa de
computacin que se ejecuta en un ambiente y realiza acciones dentro de
ste para alcanzar las metas para las cuales fue diseado y sus
percepciones y acciones estn dadas por instrucciones de programas en
algn lenguaje en particular. (Franklin 1996).
La cuestin de qu es un agente (Foner, 1993), est an siendo debatida
al correr el riesgo de que cualquier programa sea denominado agente
(Franklin, 1996). Se pueden distinguir dos nociones extremas de agentes
(Wooldrige, 1995):
Una nocin dbil de agente consiste en definir un agente como a una entidad que es capaz de intercambiar mensajes utilizando un lenguaje
de comunicacin de agentes. Esta definicin es la ms utilizada dentro
de la ingeniera software basada en agentes, cuyo fin es conseguir la
interoperabilidad entre aplicaciones a nivel semntico utilizando la
emergente tecnologa de agentes.
Una nocin ms fuerte o restrictiva de agente es la enunciada por Shoham, en su propuesta de programacin orientada a agentes
(AOP), donde un agente se define como una entidad cuyo estado es
visto como un conjunto de componentes mentales, tales como
creencias, capacidades, elecciones y acuerdos. (Shoham, 1993).
Un tipo de agente de software muy particular son los Agentes Inteligentes,
de los que hablaremos ms tarde. Antes de abordar a los agentes
inteligentes, es importante considerar el papel de la inteligencia, la razn
de esto es que al partir de una base conceptual que soporte los
mecanismos del comportamiento inteligente, tales como son el uso
adecuado del conocimiento y la capacidad de razonamiento, permitir
proporcionar inteligencia a los agentes de software.
Se considera a los Agentes Inteligentes como una pieza de software que ejecuta una tarea dada utilizando informacin recolectada del
ambiente, para actuar de manera apropiada hasta completar la
tarea de manera exitosa. El software debe ser capaz de auto ajustarse
basndose en los cambios que ocurren en su ambiente de forma tal
que un cambio en las circunstancias producir un resultado esperado.
(Gilbert, 1995)
Los Agentes Inteligentes son racionales, es decir, hacen lo
correcto. Lo correcto es lo que le permite al agente obtener el mejor
desempeo. Para evaluar el desempeo es necesario decidir cmo,
que es el criterio que sirve para definir qu tan exitoso ha sido un
agente en la consecucin de los objetivos para el cual fue
programado, sta medida se establece como una norma por parte
del diseador y la comparacin contra la misma, permite determinar
la satisfaccin de desempeo del agente; y cundo medir dicho
desempeo que se refiere al tiempo empleado en la realizacin de la
tarea que se considere aceptable, dependiendo del ambiente de
accin.
Los Agentes Inteligentes proporcionan una tcnica para resolver
problemas actuando en representacin del usuario, para realizar
diversas tareas tales como, bsqueda y filtraje de informacin,
automatizacin de tareas, etc. Y en la actualidad son objeto de
estudio por disciplinas como la psicologa, sociologa y en algunas
otras ramas de las ciencias sociales.
1.4. Heurstica
El concepto de heurstica es difcil de aprehender. Newell, Shaw y Simon
en 1963 dieron la siguiente definicin: "Un proceso que puede resolver un
problema dado, pero que no ofrece ninguna garanta de que lo har, se
llama una heurstica para ese problema".
Si nos planteamos seguir concretando como aprovechar la informacin
sobre el problema en sistemas de produccin, la siguiente idea consiste
en concentrar toda la informacin heurstica en una nica funcin que
se denomina funcin de evaluacin heurstica. Se trata de una funcin
que asocia a cada estado del espacio de estados una cierta cantidad
numrica que evala de algn modo lo prometedor que es ese estado
para acceder a un estado objetivo. Habitualmente, se denota esa
funcin por h(e).
La funcin heurstica puede tener dos interpretaciones. Por una parte, la
funcin puede ser una estimacin de lo prximo que se encuentra el
estado de un estado objetivo. Bajo esta perspectiva, los estados de
menor valor heurstico son los preferidos. Pero en otros casos puede
suceder que lo que convenga sea maximizar esa funcin.
2. Tcnicas de bsqueda
2.1. Solucin de problemas con bsqueda
La resolucin de problemas es fundamental para la mayora de las
aplicaciones de Inteligencia Artificial (IA). De hecho, la capacidad de
resolver problemas suele usarse como una medida de la inteligencia
tanto para el ser humano como para la computadora. Hay
principalmente dos clases de problemas. Una primera clase puede ser
resuelta usando algn tipo de procedimiento determinista cuyo xito est
garantizado.
A este procedimiento se le llama de computacin. La resolucin por
computacin normalmente slo se aplica a aquellos tipos de problemas
para los que existan tales procedimientos, como en matemticas. Se
puede con frecuencia traducir los mtodos usados para resolver estos
problemas de manera fcil, a un algoritmo que pueda ser ejecutado por
una computadora. No obstante, a pesar de que pocos problemas reales
se prestan a soluciones computables, deben ser situados en la segunda
categora, que consiste en problemas que se resuelven con la bsqueda
de una solucin. Este es el mtodo de resolucin de problemas del que
se preocupa la IA.
Un estado es la representacin de un problema en un instante dado. Para
definir el espacio de estados o espacio de bsqueda(El conjunto de
todos los nodos) no es necesario hacer una exhaustiva enumeracin de
todos los estado vlidos, sino que es posible definirlo de manera ms
general. El estado inicial consiste en uno o varios estados en los que
puede comenzar el problema. El estado objetivo o estado meta consiste
en uno o varios estados finales que se consideran solucin aceptable. Las
reglas describen las acciones u operadores que posibilitan un pasaje de
estados. Podramos decir que una regla tiene una parte izquierda y una
derecha. La parte izquierda determina la aplicabilidad de la regla, es
decir, describe los estados a los que puede aplicarse la regla. La parte
derecha describe la operacin que se lleva a cabo si se aplica la
regla(accin).
La heurstica es la informacin acerca de la posibilidad de que un nodo
especfico sea mejor para intentar la prxima eleccin que cualquier otro
nodo. El camino solucin es el grafo dirigido de los nodos visitados que nos
llevan a la solucin. Por ejemplo, en el problema de jugar al ajedrez:
Espacio de estados: La totalidad de tableros que se pueden generar
en un juego de ajedrez;
Estado Inicial: Puede ser el tablero de 8 x 8 donde cada cuadro
contiene un smbolo(p.ej. ` corresponde a Torre) de acuerdo a las
piezas situadas.
Objetivo o estado final: Cualquier posicin de tablero en la que el
contrario no puede realizar ningn movimiento legal y su rey est
amenazado;
Reglas: Son los movimientos legales, que pueden describirse mediante
una parte patrn para ser contrastado con la posicin actual del
tablero y otra parte que describe el cambio que debe producirse en
el tablero. Dado que escribir todas las posiciones del tablero, las reglas
deben escribirse de manera ms general posible.
Heurstica: Podemos elegir tableros en donde el contrincante tenga el
menor nmero de piezas desplegadas.
Camino solucin: El conjunto de movimientos para llegar al estado
final. La bsqueda de una solucin no es tan simple como empezar
en el principio y seguir su camino hasta su conclusin. En un caso
extremadamente simple de las llaves perdidas, este mtodo de
bsqueda es una buena manera de llevarlo a cabo.
No obstante, en la mayora de los problemas en los que quiera usar una
computadora para hallar la solucin, la situacin es diferente.
Generalmente, usar una computadora para resolver problemas en los
que le nmero de nodos en el espacio de bsqueda sea muy grande y,
como el espacio de bsqueda va creciendo, de igual modo se
incrementarn el nmero de diferentes caminos posibles hasta la meta.
El problema estriba en que cada nodo aadido al espacio de bsqueda
aade ms de un camino; por lo que el nmero de caminos hasta la
meta se incrementar rpidamente con cada nuevo nodo(para mejor
explicacin vase Explosin combinatoria en el anexo ). Debido a que el
nmero de posibilidades crece tan rpidamente, tan slo los problemas
ms simples se prestan a bsquedas exhaustivas( Una bsqueda
exhaustiva examina todos los nodos). Mientras que la tcnica exhaustiva,
o de fuerza bruta, tericamente siempre funciona, normalmente no es
prctica porque consume o demasiado tiempo o demasiado recursos
de computacin, e incluso ambos. Por esa razn, otras tcnicas de
bsqueda han sido desarrolladas.
2.2. Espacios de estados.
2.2.1. Determinsticos.
2.2.2. No determinsticos.
2.3. Mtodos de bsqueda.
2.3.1. Primero en anchura (breadthfirst).
2.3.2. Primero en profundidad (depthfirst).
2.3.3. Grafos O.
2.3.4. Grafos A.
2.4. Satisfaccin de restricciones.
Teora de juegos.