Introdução aos Agentes Inteligentes Tipos de Problemas de Busca Flávia Barros.

Slides:



Advertisements
Apresentações semelhantes
Inteligência Artificial
Advertisements

Capitulo 6: Entrada e Saída
Inteligência + Artificial
Inteligência Artificial I
Agentes Inteligentes Agentes Inteligentes.
Aprendizado por Reforço: Uma Aplicação do Aprendizado Q
Inteligência Artificial I
Inteligência Artificial
Inteligência Artificial
Incorporating Planning into BDI Systems Felipe Rech Meneguzzi Avelino Francisco Zorzo Michael da Costa Móra Michael Luck 2007.
Metaheurísticas Prof. Aurora Pozo Departamento de Informática Universidade Federal do Paraná
Os Sistemas Multi-agente Viviane Torres da Silva
Agentes Inteligentes Introdução.
Sistemas Baseados em Agentes
Agentes Baseados em Conhecimento
Busca Online Alexandra Barros Geber Ramalho. Busca Offine x Busca Online Busca Offline (ou planejamento clássico) –Computa a solução (do estado inicial.
Agente solucionador de problemas (guiado por objetivo)
- Conceitos e termos - Aplicações
Solução de problemas por meio de busca
JOGO DOS OITO A* e IDA*.
SISTEMAS DE INFORMAÇÃO Inteligência Artificial 2011/01
Inteligência Artificial
Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
Aprendizado de Máquina Aula 13
FACENS – Engenharia da Computação Inteligência Artificial Busca.
Capítulo 2 – Russell & Norvig
Algoritmos 1º Semestre Materia: Informática Profº: Cristiano.
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
Introdução e Busca Cega
Introdução aos Agentes Inteligentes Busca Cega (Exaustiva)
Disciplina: Métodos de Computação Inteligente – 1
Resolução de Problemas por meio de busca
Jogo do Nim Gracivane Pessoa Martha Ferraz Ross Nascimento
Resolução de Problemas de Busca
Algoritmos de Busca Local
Tópicos Avançados em Inteligência Artificial
Técnicas de Busca Heurística Problemas da IA complexos demais para serem solucionados por técnicas diretas: criam-se técnicas de busca aprorpiados; chamados.
Resolução de Problemas
Aula 12 1 Análise Sintáctica Compiladores, Aula Nº 12 João M. P. Cardoso.
Inteligência Artificial
PUCC 1 Tópicos em Sistemas Inteligentes. PUCC 2 Agenda - Aula 03 Buscas Agentes que Planejam.
Resolução de Problemas
1 Introdução aos Agentes Inteligentes Inventando Funções Heurísticas Flávia Barros.
Inteligência Artificial I
Resolução de Problemas de Busca
1 Introdução aos Agentes Inteligentes Resolução de Problemas de Busca Flávia Barros.
Inteligência Artificial I
Busca Competitiva Disciplina: Inteligência Artificial
Resolução de Problemas Sistemas de Produção Prof. Cláudio M. N. A. Pereira.
Desenvolvimento de Sistemas Baseados em Conhecimento Conceitos Iniciais.
Busca em Espaço de Estados
Resolução de Problemas
Inteligência Artificial
Resolução de Problemas de Busca Agentes Baseados em Objetivo
Algoritmo e Estrutura de Dados I Introdução ao conceito de algoritmo Márcia Marra
Introdução à inteligência artificial
Pearson Education Sistemas Operacionais Modernos – 2ª Edição 1 Sistemas de Arquivos Capítulo Arquivos 6.2 Diretórios 6.3 Implementação do sistema.
Busca Heurística Prof. Valmir Macário Filho. 2 Busca com informação e exploração Capítulo 4 – Russell & Norvig Seção 4.1 Estratégias de Busca Exaustiva.
CIn- UFPE 1 Resolução de Problemas. CIn- UFPE ? Agente solucionador de problemas O agente reativo Escolhe suas ações com base.
Disciplina: Estrutura de dados e Algoritmos Docentes: MSc. Manuel Zunguze.
Lógica de Programação Aula 06 Prof. Marcelo Marcony.
Agente solucionador de problemas (guiado por objetivo)
Transcrição da apresentação:

Introdução aos Agentes Inteligentes Tipos de Problemas de Busca Flávia Barros

Tipos de Problemas de Busca Os problemas de busca podem ser classificados em: Problemas de estado único (o mais tratado por busca!) Problemas de múltiplos estados Problemas contingenciais Problemas exploratórios Isso depende do agente: do conhecimento do agente seus sensores seus efetuadores

Exemplo: Agente Aspirador de Pó Formulação do problema: estados = mostrados na figura estado inicial = qualquer um dos estados possíveis teste de término = os dois quartos limpos operadores = mover direita, mover esquerda, aspirar custo do caminho = quantidade de ações realizadas

Tipo 1: Problemas de estado único Conhecimento do agente sabe em que estado está (mundo totalmente acessível) sabe o efeito de cada uma de suas ações no ambiente => sabe onde está depois de uma seqüência qualquer de ações Cada ação leva a um único estado ex. aspirador de pó: estado inicial = 5 seqüência de ações = [direita, aspirar] leva ao estado 8 (final) Técnica a aplicar: Busca

Espaço de estado do agente aspirador

Tipo 2: Problemas de múltiplos estados Conhecimento do agente não sabe seu estado (percepção deficiente), mas sabe o efeito de suas ações, OU não sabe o efeito das ações (execução deficiente), mas sabe seu estado  Aspira poeira existente mas também pode jogar poeira quando o quarto já estava limpo O agente deve raciocinar sobre os conjuntos de estados aos quais ele pode chegar pelas ações. Nestes casos, sempre existe uma seqüência de ações que leva a um estado final. Técnica a aplicar: Busca

Exemplo - problema tipo 2 (caso 1)

Tipo 3: Problemas contingenciais Conhecimento do agente: o agente não enxerga o ambiente inteiro (inacessível)  ex. agente enxerga apenas o quarto onde está, dirigir com mapa OU o agente não sabe precisar o efeito das ações (execução deficiente) Não há seqüência prévia de ações que garanta a solução do problema O agente precisa intercalar busca e execução  ex. o agente só pode decidir aspirar quando chegar ao quarto  {1,5} -> [aspirar, direita, aspirar se existe poeira] Técnica a aplicar: Planejamento  O agente constrói uma árvore de ações, onde cada ramo lida com uma possível contingência.

Tipo 4: Problemas exploratórios Conhecimento do agente: o agente não conhece seus possíveis estados E o agente não sabe o efeito de suas ações  ex. estar perdido em uma cidade desconhecida sem mapa. O agente deve explorar seu ambiente, descobrindo gradualmente o resultado de suas ações e os estados existentes. Se o agente “sobreviver”, terá aprendido um mapa do ambiente, que poderá ser reutilizado em problemas subseqüentes. Técnica a aplicar: Aprendizagem