7/22/2019 Neat Beans
1/58
7/22/2019 Neat Beans
2/58
MATERIA :PROGRAMACION 5
Tema: NeatBeans
MAGISTER
Profesor. Teobaldo Smith.
Presentado por :Geovany A Guerra
C.I.P: 4 718 53
Nivel: Licenciatura.Sistemas Informticos
Ao: 2012
Domingo Lunes Martes Miercoles Jueves Viernes Sabado
05/03/2014
ACTIVIDAD EN CASA
AbrMarFebEne
DIA
AgoJunMay Jul Sep Oct Nov Dic.
PROGRAMACION
7/22/2019 Neat Beans
3/58
TABLA DE CONTENIDO
PRESENTACION INDICE INTRODUCCION
PRELIMINAR
GUIA DEL TEMA
PROLOGO
HISTORIA
CAPITULOS
TEMAS
RESUMEN
INVESTIGACION
EJEMPLOSGLOSARIO escrito
ILUSTRACIONES
CONCLUSION BIBLIOGRAFIA
INFOGRAFIAWhile- Else- Numbers, Case y
otros usados en VB
7/22/2019 Neat Beans
4/58
CONTENIDO
Sintaxis
Desarrollo
Problema
Caracteristicas
Clasificacion
Tablas
Recursos
Programas
Mercado Tipos
Utilizacion
Usos
INDICE DE TEMAS1. Historia de la programacionorientada a objetos (POO).2. Historia del lenguaje
Java(Orientacion a objetosPOO).3. Conceptos, campo, deaplicacin (uso actual delmismo).4. Caractersticas importantes
del JAVA.5. POO como base de Java.6. Entornos o ambientes paraprogramar en Java(escoger uno yexplicar).7. Uso del lenguaje Java eneducacion, de ejemplos.8. Confeccionar un mapaconceptual.9. Que es IHMC Cmap Tools.10. Utilizar de Power Point.11. Investigacion de java?12. < Ejemplificacion de Java >
PRODUCIONJAVA
7/22/2019 Neat Beans
5/58
Mapa de NeatBeans
Inteligencia yConocimiento
Patrones
Agentes
Coordinacinde web
Robtica Mvil
Robtica deManipuladores
Procesamientode Imgenes
RedesNeuronales
7/22/2019 Neat Beans
6/58
Tabla de ContenidoAgentes Inteligentes.
Propiedades de los agentes
Sensores y Efectores
Medida de Rendimiento
El Medio Ambiente
Tipos de Agentes
Agente reflejo simpleAgente con estado interno
Agente basado en metas
Agente basado en utilidad
7/22/2019 Neat Beans
7/58
Objetivos Exponer los conceptos asociados a agentes
inteligentes.
Presentar las propiedades de un agente. Presentar la medida de rendimiento
Identificar los tipos de ambiente.
Presentar los tipos de agentes.
7/22/2019 Neat Beans
8/58
7/22/2019 Neat Beans
9/58
Agentes Inteligentes Un agente es un sistema conformado por hardware
y/o software que basa su comportamiento en las
percepciones que tiene del medio ambiente
mediante sus sensores y en las reglas de
comportamiento incorporadas en el software.
Un agentees todo aquello que percibe su ambiente
mediantesensores
y queresponde
oacta
en tal
ambiente por medio de efectores.
7/22/2019 Neat Beans
10/58
Agentes No requieren de humanos para operar (autonoma).
Tienen una medida de desempeo (racionalidad)
Usan sensorespara enterarse de lo que pasa fuera.
Usan efectorespara modificar su entorno
La inteligencia est determinada por sus reglas.
Las reglas se pueden pre-grabar Instintos
Las reglas pueden ser aprendidas Aprendizaje
(aprender memorizar)
7/22/2019 Neat Beans
11/58
Agentes Inteligentes Un agente inteligente es un sistema de computadora
capaz de ejecutar acciones autnomas y flexibles en
cierto medio ambiente.
Agentes triviales (no interesantes): Termstato El demonio de UNIX
Se busca que un agente tenga capacidad deiniciativa propia (imitar el libre albedrio)
7/22/2019 Neat Beans
12/58
Propiedades de los agentes
Autonoma
Reactividad
Proactividad
Cooperacin
Aprendizaje
7/22/2019 Neat Beans
13/58
Autonoma Un sistema ser autnomo en la medida en que su
conducta est definida por su propia experiencia.
Si las acciones del agente se basan en un
conocimiento integrado previamente, no es
autnomo.
Un agente es ms autnomo en la medida en que
su comportamiento se basa: (+) en el aprendizaje y
(-) en el conocimiento incorporado.
7/22/2019 Neat Beans
14/58
ReactividadMedio ambiente esttico.
El programa no necesita preocuparse sobre su xito o falla, elprograma se ejecutar ciegamente. (lazo abierto)
Compilador.
Medio ambiente dinmico. Para el software es difcil de construir dominios dinmicos: el
programa debe tener en cuenta la posibilidad de fracaso
Un sistema reactivo mantiene una permanente interaccin consu medio ambiente y responde a los cambios que ocurren en l
(en un tiempo para la respuesta sea til)
7/22/2019 Neat Beans
15/58
Pro Actividad Reaccionar a un entorno es fcil?
Estmulorespuesta basada en reglas
Comportamiento. Secuencia de acciones, no solo una accin aislada.
Se desea que los agentes ejecuten accionespor nosotros.
El objetivo est orientado al comportamiento del agente.
Pro-actividad. Intenta generar y lograr objetivos.
Toma iniciativa cuando es necesario.
Reconoce las oportunidades
7/22/2019 Neat Beans
16/58
CooperacinMulti-agentes.
El mundo real es un entorno multi-agentes:
No podemos ignorar a los otros para lograr metas.
Ciertas metas pueden lograrse nicamente con la
cooperacin de otros.
Habilidad social Es la habilidad para interactuarcon otros agentes
(posiblemente humanos) mediante algn lenguaje de
comunicacinentre agentes y cooperarcon ellos.
7/22/2019 Neat Beans
17/58
Aprendizaje El agente es capaz de usar algoritmo para aprender
de su propia experiencia.
Trata de aprender para mejorar su rendimiento en eltiempo.
Se trata de crear programas capaces de generalizarcomportamientos a partir de una informacin noestructurada suministrada en forma de ejemplos. Es,por lo tanto, un proceso de induccin delconocimiento.
7/22/2019 Neat Beans
18/58
Ejercicio 1Diga si los siguientes sistemas son agentes:1. Un reloj.
2. Un termostato.
3. Un celular.
4. Un sistema de control de acceso a personas.5. El sistema de aire acondicionado de un automvil.
6. Una lavadora automtica.
7. Un software para entrenar personas.
8. Un software para ensear a sumar.
9. Un reloj despertador.10. El sistema que controla si una persona saca un producto sin
pagar.
11. Internet.
12. La red telefnica
7/22/2019 Neat Beans
19/58
Sistemas MultiagenteCuando mltiples agentes individuales coordinan sus
habilidades para resolver problemas.1. Organizacin Social. c/u cumple una funcin dentro del sistema,
tiene caractersticas y responsabilidades.2. Cooperacin. El mtodo de solucin de los problemas se basa en
la forma cmose asignan las responsabilidadesy como se usalas respuestas de los otros.
3. Coordinacin. Planificacin de acciones para la resolucin de
tareas, cundose ejecutan las acciones.4. Negociacin. Forma de ponerse de acuerdo cuando cada agente
defiende sus propios intereses, llevndolos a una situacin que losbeneficie a todos teniendo en cuenta el punto de vista de cadauno.
7/22/2019 Neat Beans
20/58
Sistemas Multiagente
7/22/2019 Neat Beans
21/58
SENSORES Y EFECTORES
7/22/2019 Neat Beans
22/58
Sensores Los sensores sirven para adquirir informacin del
medio ambiente
Los sensores no son confiables por que:
Incertidumbre, estn afectados por cambios en el
Medio.
Error, en la deteccin.
7/22/2019 Neat Beans
23/58
Sensores Qu sensor usar?
Qu modelo de sensor?
Cmo calibrar el sensor? Cmo entrega los datos en sensor?
cmo se activa en sensor?
cul es la frecuencia de muestreo?
Cul es el error?
Qu procesos de bajo nivel realizar?assembler
Qu procesos de alto nivel realizar? en el agente
7/22/2019 Neat Beans
24/58
SensoresSentido
Percepcin de equilibrio
Propiocepcin Magnetocepcin
Electrocepcin
Eco localizacin
Gradiente de presin
Sensores
Acelermetro
Encoder Magnetmetro
Sensor de voltaje
Sonar
Arreglo de presin
7/22/2019 Neat Beans
25/58
EfectoresHumanos Msculos
Movimientos compuestos.
Movimientos de brazos Caminata
Escritura
Habla
Mquinas
Rotacin de Motores
Apertura o cierre devlvulas.
Movimientos compuestos
Movimiento dearticulaciones
Orugas
Patas
7/22/2019 Neat Beans
26/58
Ejercicio 2 Diga qu sensores tienen los humanos?
Conoce algn sensor que tienen los animales pero
no lo tienen los humanos?
Conoce algn sensor que tienen los humanos pero
no lo tienen los animales?
Cules son los efectores de los humanos?
Conoce algn efector que tienen los animales perono lo tienen los humanos?, Viceversa?
7/22/2019 Neat Beans
27/58
MEDIDA DE RENDIMIENTO
7/22/2019 Neat Beans
28/58
Medida de rendimiento Para cada conjunto de percepciones, el agente toma la
accin que maximiza su rendimiento basado en lainformacin de la percepcin y su propio conocimiento
implcito. Medida del desempeo
Evala el cmo
qu tan exitoso ha sido un agente?
Debe ser objetiva
La racionalidad NO ES omnisciencia, clarividencia niexitosa necesariamente.
La racionalidad se puede ver como un xito esperado,tomando como base lo que se ha percibido.
7/22/2019 Neat Beans
29/58
Agente RacionalDepende de:
Medida del grado de xito.
Secuencia de percepciones. Conocimiento acerca del medio
Acciones que puede emprenderEn todos los casos de posibles percepciones, un agenteracional deber emprender todas aquellas acciones que
favorezcan obtener el mximo de su medida de rendimiento,basndose en las evidencias aportadas por la secuencia de
percepciones y en todo conocimiento incorporado en tal
agente.
7/22/2019 Neat Beans
30/58
Ejercicio 3 Diga para los siguientes agentes qu medidas de
desempeo usara, formule c/u en notacin formal:
Personal que recoge la basura en las noches.
Software para jugar ajedrez.
Google Noticias.
Software que resuelve laberintos.
Ej i i 4
7/22/2019 Neat Beans
31/58
Ejercicio 4 El siguiente agente tiene aprendidouna
serie de reglas que se puedenrepresentar mediante un rbol dedecisin:
En determinado momento el agente tienelas siguientes percepciones. Diga cualesson las respuestas del agente.-20, 40, 2, 35, 14, 45, 6, 22, 9
Disee una medida de desempeosabiendo que las respuestas del agentedeberan ser:1, 6, 1, 6, 4, 7, 2, 5, 2
Modifique el rbol de decisin para queel agente obtenga estas respuestas (*).
(*) puede obviar esta pregunta
>2
>81
2 >10
3 4
7/22/2019 Neat Beans
32/58
Ejercicio 5Para los agentes del ejercicio 4.
1. Indique qu medidas de rendimiento usara para
indicar el desempeo del agente.
2. Formule cada medida de desempeo mediante alguna
notacin formal.
3. Evale el desempeo de los agentes haciendo uso de
la medida de rendimiento.
4. Identifique en qu casos su medida de desempeo no
es capaz de medir el desempeo del agente.
7/22/2019 Neat Beans
33/58
EL MEDIO AMBIENTE
7/22/2019 Neat Beans
34/58
El Ambiente La relacin entre el agente y el ambiente es siempre
la misma: el agente ejerce acciones sobre el
ambiente, que, a su vez, aporta percepciones al
primero.
medio ambiente
7/22/2019 Neat Beans
35/58
Medio Ambiente Accesible y no accesible. Accesible, si los sensores detectan los aspectos que requiere el agente para
elegir una accin.
Deterministas y no deterministas.
Determinista, si el estado siguiente de un ambiente se puede determinarcompletamente con el estado actual y las acciones escogidas por el agente.
Episdicos y no episdicos.
Episdico, cuando la experiencia del agente se divide en episodios, si esepisdico, es ms simple.
Estticos y dinmicos.
Esttico, si el medio ambiente no cambia mientras el agente se encuentradeliberando.
Discreto y continuo.
Discreto, si existe una cantidad limitada de percepciones y acciones distintasy distinguibles
7/22/2019 Neat Beans
36/58
Ejercicio 6Ambiente Accesi-ble
Determ
i-
nstico
Epis-
dico
Esttic
o
Discre-
to
Ajedrez con reloj
Ajedrez sin reloj
Pquer
Conducir un taxi
Sist. de diagnstico mdico
Sistema. de anlisis de
imgs.
Robot clasificador de partes
Controlador de refinera
Asesor de ingls interactivo
7/22/2019 Neat Beans
37/58
TIPOS DE AGENTES
7/22/2019 Neat Beans
38/58
Tipos de Agentes1. Agente reflejo simple.
Las acciones del agente se establecen en funcin a unatabla de percepcin accin.
2. Agentes con estado interno.
Es un agente reflejo, pero que almacena sus percepcionesanteriores, tiene memoria.
3. Agentes basados en metas
Agente que combina propiedades de los dos anteriores, peroque tiene una meta a la cual llegar. Necesita buscarel mejorcamino y planificarla secuencia de acciones.
4. Agentes basados en utilidad. Son aquellos agentes que tienen mltiples metas que
cumplir, mide el grado de satisfaccin del grado decumplimiento de sus metas.
7/22/2019 Neat Beans
39/58
Ejercicio 7Indique el tipo de agente para cada caso:Agente resuelve laberintos.
Agente que entrega la Raz Cuadrada de un nmero.
Agente que conduce un automvil.
Agente del mundo de los wumpus
Agente que resuelve el problema de los bloques.
7/22/2019 Neat Beans
40/58
Ejercicio 7Indique el tipo de agente para cada caso:Agente resuelve laberintos.
Agente basado en metas
Agente que entrega la Raz Cuadrada de un nmero.Agente reflejo
Agente que conduce un automvil.
Agente basado en utilidad
Agente del mundo de los wumpus
Agente con estado interno
Agente que resuelve el problema de los bloques.
Agente basado en metas
RS EI BM BU
7/22/2019 Neat Beans
41/58
1. Agente reflejo simple El usar una tabla de consulta explcita est fuera de
toda consideracin.
Sin embargo, es posible resumir fragmentos de tabla
observando ciertas asociaciones entre
entradas/salidas que se producen frecuentemente, y
haciendo reglas de condicin-accin, por ejemplo:
Siel carro de adelan te est frenando ,
entoncesempezar a frenar.
A t fl j i lRS EI BM BU
7/22/2019 Neat Beans
42/58
Agente reflejo simple
AgenteComo es el mundo
ahora
Accin que debo
tomarReglas condicin-accin
Sensores
Efectores
RS EI BM BU
7/22/2019 Neat Beans
43/58
Agente reflejo simpleFuncinAgente-reflejo-simple(percepcin)respondecon una accin
esttica: reglas, un conjunto de reglas de
condicin-accin
estado Interpretar-Entrada (percepcin).
regla Regla-Coincidencia (estado , reglas).
accin Regla-Accin[regla]
responder con una accin
7/22/2019 Neat Beans
44/58
Ejercicio 8 Construya un agente para identificar las soluciones de
la siguiente ecuacin, asuma que los aison enteros.
Diga de que tamao es la tabla percepcin accin. Es prctico este agente?
Cules son las restricciones?, resuelve todos los casos.
0
0
ni
i
i
ixa
RS EI BM BU
7/22/2019 Neat Beans
45/58
2. Agente con estado internoAgentes bien informados de todo lo que pasa.
El agente reflejo simple funciona slo si se toma la
decisin adecuada con base en la percepcin de unmomento dado.
En ocasiones se requiere mantener cierto tipo deestado interno para estar en condiciones de estaroptar por una accin.
Ejemplo: imgenes de antes y despus paredetectar cambios.
Agente con estado internoRS EI BM BU
7/22/2019 Neat Beans
46/58
Agente con estado interno
Agente
Como es el mundoahora
Accin que debo
tomarReglas condicin-accin
Sensores
Efectores
Estado
Como evoluciona elmundo
Lo que mis acciones
hacen
RS EI BM BU
7/22/2019 Neat Beans
47/58
Agente con estado internoFuncinAgente-reflejo-con-estado(percepcin)respondecon una accin
esttica: estado, una descripcin prevaleciente del
estado del mundoreglas, un conjunto de reglas de condicin-
accin
estado Actualizar-Estado (estado, percepc in).
regla Regla-Coincidencia (estado, reglas).
accin Regla-Accin[regla]
estado Actualizar-Estado (estado , acc in)
responder con una accin
Ejercicio 9
7/22/2019 Neat Beans
48/58
Ejercicio 9
Cierto agente desea resolver el
problema del mundo de laaspiradora.
El mundo est conformado por una
cuadrcula de 2x2 (dos con basura).
Disee un agente que usa una tabla depercepcinaccinpara resolver este problema.
El agente inicia en la parte superior izquierda.
El agente recuerdalas celdas ya visitas, pero no es capaz
de ver las otras celdas.
Diga que acciones son necesarias para resolver el
problema.
Diga cul es el tamao de la tabla percepcinaccin.
Ejercicio 9
7/22/2019 Neat Beans
49/58
1
3
5
7
2
4
6
8
Ejercicio 9
RS EI BM BU
7/22/2019 Neat Beans
50/58
3. Agente basado en metas Para decidir qu hacer no basta con tener informacinacerca del estado que prevalece en el ambiente.
Adems del estado prevaleciente, se requiere cierto tipode informacin sobre su meta.
La bsqueday la planificacinson sub-campos de la IAque se ocupan de encontrar las secuencias de accionesque permiten alcanzar las metas de un agente.
Este tipo de agente es diferente a los anteriores, debidoa que implica tomar en cuenta el futuro.
Puede ser ms flexible si cambian las condiciones ocambian las metas.
Agente basado en metasRS EI BM BU
7/22/2019 Neat Beans
51/58
Agente basado en metas
Agente
Como es el mundo
ahora
Accin que debo
tomarMetas
Sensores
Efectores
Estado
Como evoluciona el
mundo
Lo que mis acciones
hacen
Qu efectos tiene
tomar
la accin A
7/22/2019 Neat Beans
52/58
Ejercicio 10 Resolver el problema de las k-reinas, para k = 3.
El problema consiste en identificar en qu
posiciones colocar k reinas en un tablero de ajedrez
de tal manera que no se comanentre ellas
Ejercicio 10
7/22/2019 Neat Beans
53/58
Ejercicio 10
Bsqueda
Ejecucin
Formulacin
Ejercicio 11
7/22/2019 Neat Beans
54/58
Ejercicio 11
Disear un agente para resolver el problema del
rompecabezas mvil o problema de las ocho fichaso puzzle.
2 8
1 6 4
7
3
5
1 2 3
8 4
7 6 5
7/22/2019 Neat Beans
55/58
Ejercicio 11
RS EI BM BU
7/22/2019 Neat Beans
56/58
4. Agente basado en utilidad Las metas no bastan por s mismas para generaruna conducta de alta calidad.
Puede haber muchas secuencias de acciones que
permitan alcanzar la meta, pero algunas ofrecenms utilidad que otras.
La utilidad es una funcin que correlaciona unestado y un nmero real mediante el cual se
caracteriza el correspondiente grado de satisfaccin.
Agente basado en utilidadRS EI BM BU
7/22/2019 Neat Beans
57/58
Agente basado en utilidad
Agente
Como es el mundo
ahora
Accin que debo
tomar
Sensores
Efectores
Estado
Como evoluciona el
mundo
Lo que mis acciones
hacen
Que efectos tiene
tomar
la accin A
Que tan feliz
estara en un estado
determinado
Utilidad
7/22/2019 Neat Beans
58/58
Bibliografa AIMA . Captu lo 2 y 3, primera ed ic in.
AIMA. Chapter 2 y 3, second edit ion .