añadiremos información acerca del sexo de la gente que está
incluída en la relación 'progenitor': y "descendiente"
domingo, 15 de junio de 2014
EJERCICIOS_ PROLOG_CAPITULO 1.2 Y 1.3
1. Asumiendo las relaciones definidas en el ejemplo, ¿qué contestará Prolog a las
siguientes preguntas?
a). ?- progenitor( jaime, X).
b). ?- progenitor( X, jaime).
c). ?- progenitor( pamela, X), progenitor( X, patricia).
d). ?- progenitor( pamela, X), progenitor( X, Y), progenitor(Y,jaime).
2. Formule en Prolog las siguientes preguntas acerca de la relación progenitor:
a). ¿ cómo se llama el progenitor de patricia ?
b). ¿ tiene elizabeth algún hijo ?
c). ¿ cómo se llama el abuelo de patricia ?
PROLOG_CAPITULO 1.2 CONJUNCIONES DE CLÁUSULAS._ EJEMPLOS.
1.2 CONJUNCIONES DE CLÁUSULAS._ EJEMPLOS.
Ahora queremos preguntar ¿quién es el abuelo de jaime?
Ahora queremos preguntar ¿quién es el abuelo de jaime?
Descarga e instalación de SWI-Prolog
Proceso de Descarga e instalacion Swi- Prolog.
Así es como queda ya instalado SWI-Prolog, listo para poder ocuparlo.
Descarga: http://ww.swi_prolog.org/download/stable
Las siguientes imágenes son el proceso de instalación las opciones que se deben elegir.
Así es como queda ya instalado SWI-Prolog, listo para poder ocuparlo.
Problema del Agente Viajero.
PROBLEMA DEL AGENTE VIAJERO.
EL problema del agente viajero es quizás
el más estudiado de los problemas de optimización combinatoria. Su popularidad
se debe a que es fácil de plantear, pero difícil de resolver.
Se trata de un vendedor que tiene
una lista de ciudades cada una de la cuales debe visitar solamente una vez; se
debe encontrar la ruta que el vendedor debería seguir para que, siguiendo el
camino más corto posible, visitara todas las ciudades, comenzando por
cualquiera de ellas y volviendo a la misma.
Se puede resolver este problema
explorando el árbol de todos los caminos posible y eligiendo aquel que tenga la
longitud mínima; pero si existe n ciudades, el número de caminos diferentes
entre ellas es (n-1)!, esto
significa que todo depende de n!
para resolver el problema.
Por ejemplo si tenemos 11 ciudades,
(11-1)! =10*9*8*7*6*5*4*3*2*1= 3,628,000
rutas posibles.
El problema del agente viajero se
puede resolver de diferentes maneras:
*Enumeración de todas las
soluciones factibles (n-1)!.
*Métodos exactos. También llamados
algoritmos óptimos, intentan descartar familias enteras de posibles soluciones,
tratando así de acelerar la búsqueda y llegar a una óptima.
*Heurística. Son métodos obtienen
buenas soluciones en tiempos de computo muy cortos, aunque sin garantiza la optimización
de la solución.
http://www.postgradoeinvestigacion.uadec.mx/CienciaCierta/CC30/3.html
file:///C:/Users/juliO/Downloads/apuntes.pdf
Heurística.
HEURÍSTICA.
Es el término
con que nos referimos al método o procedimiento usado en la investigación o en
el descubrimiento de algo.
Es decir es una técnica que aumenta la eficiencia de un
proceso de búsqueda. Su objetivo es guiar al proceso de búsqueda en la dirección
más provechosa sugiriendo el camino cuando hay más de una opción.
La capacidad
heurística es un rasgo característico de los humanos, desde cuyo punto de vista
puede descubrirse como el arte y a la
ciencia del descubrimiento y de la invención o de resolver problemas mediante
la creatividad.
Búsquedas Heurísticas.
*Busca
soluciones aceptables: reduce el espacio de búsqueda y es capaz de determinar
su proximidad a una solución y la calidad de a misma utilizando conocimiento.
· *No garantizan que se encuentre una solución,
aunque existan soluciones.
· *Si encuentra una solución, no se
asegura que esta tenga las mejores propiedades (que sea la longitud mínima o de
costo optimo).
· *En algunas ocasiones encontraran una
solución (aceptablemente buena) en un tiempo razonable.
http://dmi.uib.es/~abasolo/intart/1-introduccion.html
http://www.slideshare.net/LuisMauricioAlamo/bsquedas-heursticas
sábado, 14 de junio de 2014
SOFTWARE DESARROLLADO.
Hay Un
software llamado TESEO que se desarrolló utilizando Wx Dev C++, es un software
para el estudio de los diferentes métodos de solución de laberintos. Se muestra la Interfaz gráfica
de Teseo con el cual se pueden construir diferentes tipos de laberintos.
En la
siguiente figura se ve las diferentes funciones de Teseo, entre las que se
destaca la posibilidad de construir cualquier tipo de laberinto, almacenarlo,
cargar laberintos previamente diseñados, escoger un método de solución para el
laberinto, como la velocidad a la que se quiere solucionar.
Con TESEO se
pueden diseñar diferentes tipos de laberintos para hacer una comparación entre
las diferentes técnicas de inteligencia artificial de búsqueda y de esta forma
lograr un mejor entendimiento de las mismas. Además fueron planteados dos métodos de solución de laberintos usando técnicas
de inteligencia artificial, los cuales son la búsqueda en profundidad y
amplitud.
El
método de búsqueda de amplitud obtiene en promedio los mejores tiempos de solución
a pesar de tener que recorrer todo el laberinto, empleando más memoria para
realizar la búsqueda, por otro lado, la búsqueda en profundidad es más
aleatoria en cuanto al tiempo que la búsqueda en amplitud y menor cantidad
de memoria.
http://revistas.utp.edu.co/index.php/revistaciencia/article/viewFile/3171/1933
https://arodrigu.webs.upv.es/grafos/doku.php?id=desarrollo
SOLUCIÓN DE PROBLEMAS.
La resolución de
problemas es fundamental para la mayoría de las aplicaciones de Inteligencia
artificial. De hecho la capacidad de resolver problemas suele usarse como una
medida de la inteligencia tanto para el ser humano como para la computadora.
El proceso general
de un sistema de Resolución de Problemas en IA, se modela generalmente como un
proceso de búsqueda a través de un espacio de estados.
Definición del problema
a) Definir una
representación de posibles estados del problema.
b)
Determinación de un estado inicial.
c)
Determinación explicita del estado final meta, o de las condiciones de un estado
meta.
d) Reglase de
transición o de movimiento: Permiten transformar un estado del problema en otro.
Objetivo: encontrar las secuencias de
reglas (solución) que aplicadas a una descripción del problema (estado inicial)
lo transformen en otra (estado meta), mediante un proceso de búsqueda en un
proceso de estados.
Espacios de estados: Conjunto de estados
del problema alcanzables a partir del estado inicial, aplicando reglas de
transición. Un espacio de estado es un grafo cuyos nodos corresponden a estados
del problema. De este modo, utilizando está representación, la solución a los
problemas se convierte en la búsqueda de caminos ó rutas óptimas dentro del
grafo.
SISTEMA DE PRODUcCIÓN.
Debido a que
la búsqueda es el núcleo de muchos procesos inteligentes, es adecuado
estructurar los programas de IA de forma que facilite describir y desarrollar
el proceso de búsqueda. Los sistemas de producción proporcionan tales estructuras. Un sistema de
producción consiste en:
· * Un conjunto de reglas.
· *Una o más bases de datos (conocimiento)
· *Una estrategia de control que especifique el orden
en el que las reglas comparan con la base de datos, y la forma de resolver los
conflictos que surjan cuando varias pueden, ser aplicada a la vez.
· * Un aplicador de reglas.
El proceso de
solución del problema puede modelarse como un sistema de producción. El problema
que se plantea es escoger la estructura de control apropiada para el sistema de
producción con el fin de que el proceso de búsqueda sea lo más eficiente
posible.
BÚSQUEDA EN AMPLITUD O EN ANCHURA (Breadth-first Search).
Se basa en
desarrollar completamente cada nivel del árbol antes de pasar a desarrollar el
siguiente. La búsqueda de amplitud no queda atrapada explorando callejones sin
salida, además si existe una solución la búsqueda en anchura garantiza que se
encuentre. Si existe múltiples soluciones se encuentra las solución mínima, es
decir, la que requiere el mínimo numero de pasos. Este algoritmo de búsqueda visita
cada nodo del árbol por niveles, es decir visita los nodos de un nivel antes de
visitar los del siguiente. El pseudo-codigo
de este algoritmo.
BUSQUEDA EN PROFUNDIDAD (Depth- First Search).
Este algoritmo
de búsqueda continua por una rama del árbol hasta encontrar la solución o decidir
terminar la búsqueda por esa dirección porque se encontró un callejón sin
salida . Al fracasar una ruta, se realiza
un backtracking o vuelta atrás, continuando la exploración en el paso inmediato
anterior. La búsqueda en profundidad
necesita menos memoria ya que solo almacena los nodos del camino que se siguen
en ese instante. Esto contrasta con la búsqueda en anchura en la cual se debe
almacenarse todo el árbol que haya sido generado hasta ese momento. A continuación
se detalla el pseudo-codigo.
http://www.unistmo.edu.mx/~daniel.garcia/unidadiii_ia.pdf
http://revistas.utp.edu.co/index.php/revistaciencia/article/viewFile/3171/1933
file:///C:/Users/juliO/Downloads/T2.pdf
http://dmi.uib.es/~abasolo/intart/1-introduccion.html
http://www.slideshare.net/alanl0pez/tipos-de-bsqueda-en-inteligencia-artificial
Suscribirse a:
Entradas (Atom)