A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Problemas e Busca Tópicos Avançados em Inteligência Artificial.

Apresentações semelhantes


Apresentação em tema: "Problemas e Busca Tópicos Avançados em Inteligência Artificial."— Transcrição da apresentação:

1 Problemas e Busca Tópicos Avançados em Inteligência Artificial

2 Os problemas da IA n Jogos n demonstrações de teoremas n problemas de raciocínio do senso comum n percepção(visão e fala) n compreensão da linguagem natural n solução de problemas em domínios especializados

3 Para criação de um sistema que solucione um problema precisamos: n definir o problema (estado inicial e estado meta); n analisar o problema (técnicas para a solução); n representar o conhecimento do domínio; n escolher e aplicar a melhor técnica para a solução do problema.

4 Métodos de Resolução de Problemas

5 Definindo o problema como uma busca em um espaço de estados n O problema é definido através de estados –posição inicial,regras (deslocamento de estados), posição final(vitória, objetivo); n Este mecanismo define a solução do problema através de 2 aspectos: –definição formal do problema; –definição do processo de seleção através da combinação das técnicas e busca;

6 É necessário: n Definir todas as configurações possíveis que o problema pode apresentar (espaço de estados). n Definir configuração inicial e final. n Definir regras (operadores para transformações de estados). n Representação do problema (deve conter a forma de representar os dados, descrição dos estados inicial e objetivo) e descrição dos operadores.

7 Exemplo.: Jogo dos 8 :

8 n busca é um mecanismo genérico usado quando não há conhecimento do método, ou seja, é necessário a procura de um caminho que vá do estado inicial ao estado meta, solucionando o problema.

9 Sistemas de Produção Após a definição do problema e os espaços de estados, definimos como resolve-los: n Conjunto de regras; n base de conhecimento; n estratégia de controle; n aplicador de regras.

10 Estratégias de controle: n O maneira como as decisões forem tomadas é de suma importância para resolução ou não do problema. n 1.Movimento: –aquela que causa movimento: não iniciando sempre no mesmo local, podendo não obter o resultado favorável ao estado meta do problema.

11 –escolhe aleatoriamente uma cabeça de regra aplicável, mas por não ser sistemática, há possibilidade de sempre passar por regras desnecessárias e assim não otimiza a busca do problema; n Sistemática: para otimização utiliza-se estratégias de movimento global e local: –Busca em Amplitude: Cria-se uma árvore com estado inicial representando a raiz do problema, e as ramificações representando caminhos do estado inicial para o estado meta

12 Cria uma lista de nós e a ajusta para o estado inicial; Regras criam ramificações gerando novos estado; chega-se a uma solução quando uma das ramificações produzir primeiro o estado meta; (0,0) (4,0)(0,3)

13 (0,0) (4,0) (4,3)(1,3)(4,3)(3,0) (0,3)

14 –Busca em Profundidade: Cria-se um nó com estado inicial; Cria-se ramificações; Desenvolve-se aquela ramificação até ser encontrado o estado meta; Se não encontra-se o estado meta, ocorre um backtraking ao estado anterior utilizando outra regra gerando uma nova ramificação, e assim por diante até encontrar-se o estado meta (solução do problema)

15 (0,0) (4,0) (4,3)

16 Técnicas de Busca Heurística n Problemas da IA complexos demais para serem solucionados por técnicas diretas: n criam-se técnicas de busca apropriados; n chamados métodos fracos: –explosão combinatória; –eficácia limitada na resolução de problemas difíceis; –eficácia depende do domínio do problema; n métodos de busca heurística: –gerar-e-testar; –subida de encosta;

17 –Busca pela melhor escolha; –redução de problemas; –satisfação de restrições; –análise meios-fins;Gerar-e-Testar n etapas: –gerar uma solução possível. Para alguns problemas, isto significa gerar um ponto em particular no espaço do problema. Par outros, significa gerar um caminho, a partir de um estado inicial; –testar e visualizar se a solução gerada é realmente um solução, comparando o ponto escolhido ou o ponto final do caminho

18 escolhido com o conjunto de estados-meta aceitáveis; –Se a solução tiver sido encontrada, saia. Senão volte ao passo um; n é um tipo de busca em profundidade; n soluções completas geradas e, após, testadas; n método sistemático de busca: –busca exaustiva do espaço do problema: gera soluções aleatórias; não há garantias que a solução seja encontrada; se o espaço do problema for muito grande,a solução pode “eventualmente” ser encontrada rapidamente; –ex: museu britânico:

19 Há referências que dizem que você pode encontrar qualquer objeto nele se vagar por lá aleatoriamente; n método gerar-e-testar sistemático: –arvore de busca em profundidade e retrocesso (as vezes a solução chega até um ponto da árvore e o sistema “pensa” que não adianta continuar naquela heurística pois a solução, no pondo de vista dele, está muito distante, mas nem sempre o sistema está correto em suas conclusões; –exemplo: cubo colorido usa o método gerar-e testar de modo eficiente (processamento sistemático do espaço de busca (pequeno) e geração da solução, pela busca exaustiva no espaço de estados até encontrar estado meta);

20 Subida de encosta n programa que usa eficientemente o método gerar-e- testar: –DENTRAL: infere a estrutura de componentes orgânicos usando dados de espectrograma de massa e de ressonância magnética nuclear. n Hill climbing: variação do procedimento gerar-e- testar: –realimenta os testes e ajuda a deslocar-se no espaço de busca do problema; –possui uma função heurística fornecendo uma estimativa da proximidade de determinado estado em relação ao estado meta do problema;

21 –Exemplo: se você está em uma cidade desconhecida, sem mapa e quer chegar ao centro: procura os prédios mais altos (provavelmente seja o centro da cidade); a função heurística é dada pela distância entre o local corrente e o local dos prédios mais altos, e os estados desejáveis dão aqueles nos quais a distância é minimizada; n Soluções Absolutas ou relativas: –soluções absolutas: reconhecer um estado meta por meio de um simples exame do mesmo. Ex: chegar ao centro de uma cidade; –soluções relativas: não existe um estado meta a priori (vários o são);

22 Caixeiro-viajante ( percorrer determinadas cidades, pelo menor caminho e menor tempo passando por todas elas)


Carregar ppt "Problemas e Busca Tópicos Avançados em Inteligência Artificial."

Apresentações semelhantes


Anúncios Google