4.1.

-PROBLEMAS Y ESPACIOS DE ESTADOS Definicin de Problema y Espacio de Estados Un problema se define por: -Estado inicial, conjunto de operadores, predicado meta, funcin de coste del camino -Solucin -Camino del estado inicial a un estado que satisface el predicado meta -Espacio de Estados -Conjunto de todos los estados alcanzables desde el estado inicial por cualquier secuencia de operadores

4.2.-ESPACIOS DE ESTADOS DETERMINISTICOS Y NO DETERMINISTICOS Un ambiente determinstico es aquel en el cual cualquier accin tiene un solo efecto garantizado, no hay incertidumbre acerca del estado que resultar de la realizacin de la accin. El mundo fsico puede ante todos los intentos y propsitos, ser considerado como no determinstico. Un ambiente no determinstico presente problemas ms grandes para el agente diseador. Un sistema es determinstico si, para un estado dado, al menos aplica una regla a l y de solo una manera. Si ms de una regla aplica a cualquier estado particular del sistema, o si una regla aplica a un estado particular del sistema en ms de una manera, entonces el sistema es no determinstico.

4.3.-BUSQUEDA SISTEMATICA

Los problemas de bsquedas, que generalmente encontramos en Ciencias Computacionales, son de un estado determinstico. Por ejemplo, en los algoritmos de bsqueda de anchura y de bsqueda de profundidad, uno sabe la secuencia de los nodos visitados en un rbol.

Sin embargo, los problemas de bsqueda, los cuales siempre tendremos que tratar en Inteligencia artificial, son no determinsticos y el orden de elementos visitados en el espacio de bsqueda depende completamente en el conjunto de datos.

Dependiendo de la metodologa de expansin de un espacio de estado y consecuentemente el orden de los estados visitados los problemas de bsqueda se nombran diferentes:

-Bsqueda de Metas en Anchura. -Bsqueda de Metas a Profundidad. -Bsqueda ptima.

4.3.1.-BUSQUEDA DE METAS A PROFUNDIDAD El algoritmo de ms utilizado es el de bsqueda de metas por profundidad. Es llamado as porque sigue cada camino hasta su mayor profundidad antes de moverse al siguiente camino. Asumiendo que iniciamos desde el izquierdo y trabajamos hacia la derecha, la bsqueda de metas por profundidad involucra trabajar todos los caminos debajo del camino de rbol ms a la izquierda hasta que un nodo hoja es alcanzado. Si esta es una meta de estado, la bsqueda es completada y reportada de exitosa. Si el nodo hoja no representa la meta de estado, la bsqueda se dirige atrs y arriba al siguiente La bsqueda de profundidad es usada por computadoras a menudo para los problemas de bsqueda como ubicar archivos en un disco, o por buscadores para spidering en Internet.

4.3.2.-BUSQUEDA DE METAS EN ANCHURA

Una alternativa para la bsqueda de profundidad es la bsqueda de metas de anchura (o amplitud). Como su nombre indica, este enfoque supone atravesar un rbol por anchura ms que por profundidad. Como puede ser visto en la figura ms adelante, el algoritmo de anchura empieza examinando todos los nodos de un nivel (a veces llamado hebra uno) abajo del nodo raz. Si una meta de estado es alcanzada aqu, el xito es reportado. De otra forma, la bsqueda contina ampliando caminos de todos los nodos del nivel en curso, para posteriormente bajar al prximo nivel. De este modo, la bsqueda contina revisar nodos en un nivel especial, e informar sobre el xito cuando un nodo meta es encontrado, y reportar una falla si todos los nodos han sido revisados y ningn nodo meta ha sido encontrado.

4.3.3.- BUSQUEDA PTIMA

La bsqueda heurstica trata de resolver los problemas mediante una nueva tcnica. Podemos expandir nodos por seleccin juiciosa, seleccionado el nodo ms prometedor, donde estos nodos estarn identificados por el valor de su fuerza comparada con sus competidores homlogos con la ayuda de funciones intuitivas especializadas, llamadas funciones heursticas. La bsqueda heurstica generalmente trabaja para dos tipos distintos de problemas:

-Backward reasoning (razonamiento hacia atrs). -Forward reasoning (razonamiento hacia delante).

En un problema de razonamiento hacia delante, nos movemos hacia la meta de estado desde un estado inicial predefinido, mientras en un problema de razonamiento hacia atrs, nos movemos hacia un estado inicial a partir de una meta de estado final.

4.4.- SATISFACCION DE RESTRICCIONES Los problemas pueden resolverse buscando en un espacio de estados, estos estados pueden evaluarse por heursticas especficas para el dominio y probados para verificar si son estados meta. Los componentes del estado, son equivalentes a un grafo de restricciones, los cuales estn compuestos de: Variables. Dominios (valores posibles para las variables). Restricciones (binarias) entre las variables. Objetivo: encontrar un estado (una asignacin completa de valores a las variables) Que satisface las restricciones.

En los Problemas de Satisfaccin de Restricciones (PSR), los estados y la prueba de meta siguen a una representacin estndar, estructurada y muy simple. Ejemplos: --Crucigramas --Colorear mapas

4.5.-RESOLUCION DE PROBLEMAS DE JUEGOS Siendo una de las principales capacidades de la inteligencia humana su capacidad para resolver problemas, as como la habilidad para analizar los elementos esenciales de cada problema, abstrayndolos, el identificar las acciones que son necesarias para resolverlos y el determinar cul es la estrategia ms acertada para atacarlos, son rasgos fundamentales.

Podemos definir la resolucin de problemas como el proceso que partiendo de unos datos inciales y utilizando un conjunto de procedimientos escogidos, es capaz de determinar el conjunto de pasos o elementos que nos llevan a lo que denominaremos una solucin ptima o semi-ptima de un problema de planificacin, descubrir una estrategia ganadora de un juego, demostrar un teorema, reconocer Una imagen, comprender una oracin o un texto son algunas de las tareas que pueden concebirse como de resolucin. Una gran ventaja que nos proporciona la utilizacin de los juegos es que a travs de ellos es muy fcil medir el xito o el fracaso, por lo que podemos comprobar si las tcnicas y algoritmos empleados son los ptimos. En comparacin con otras aplicaciones de inteligencia artificial, por ejemplo comprensin del lenguaje, los juegos no necesitan grandes cantidades de algoritmos. Los juegos ms utilizados son las damas y el ajedrez