Estratégias de Busca Cega
|
|
- Rayssa Borba Beltrão
- 5 Há anos
- Visualizações:
Transcrição
1 Estratégias de Busca Cega Encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo. São ineficientes na maioria dos casos: utilizam apenas o custo de caminho do nó atual ao nó inicial (função g(n)) para decidir qual o próximo nó da fronteira a ser expandido. Essa medida nem sempre conduz a busca na direção do objetivo.
2 Estratégias de Busca Heurística Utilizam conhecimento específico do problema que pode ser usada para guiar o processo de busca. Aplicam uma função que avalia a um nó particular e prediz a qualidade dos seus nós sucessores: A função avaliação f(n) estima o custo de caminho do nó atual até o objetivo mais próximo utilizando uma função heurística. A função heurística h(n) estima o custo do caminho mais barato do estado atual até o estado final mais próximo. f(n) = g(n) + h(n)
3 Os problemas de IA empregam heurísticas, basicamente, em duas situações: 1. Um problema pode não ter uma solução exata por causa das ambiguidades inerentes na sua formulação ou pela disponibilidade dos dados. Exemplos: Diagnóstico médico, Sistemas de visão. 2. Um problema pode ter uma solução exata, mas o custo computacional para encontrá-la pode ser proibitivo. Exemplo: Jogo de xadrez.
4 Uma heurística é apenas uma conjectura informada sobre o próximo passo a ser tomado na solução de um problema. A heurística é baseada na experiência e na intuição. Uma heurística pode levar um algoritmo de busca a uma solução sub-ótima ou, inclusive, levá-lo a não conseguir encontrar uma solução. As heurísticas podem falhar. George Polya define heurística como o estudo dos métodos e das regras de descoberta e invenção (Polya, 1945) relacionada com o termo grego original, o verbo eurisco ( Eu descubro ). Quando Arquimedes emergiu de seu famoso banho segurando a coroa de ouro, ele gritou Eureka! ( Eu descobri! ).
5 Exemplo... Porção do espaço de estados para o jogo-da-velha 9 8 N 0 de caminhos = 9!
6 Exemplo... Os primeiros três níveis do espaço de estados do jogo-da-velha reduzidos por simetria. 3 movimentos iniciais: Para o canto Para o centro de um lado Para o centro da grade 6
7 Exemplo... A heurística do maior número de vitórias aplicada aos primeiros filhos do jogo-da-velha. Maior número de vitórias: maior número de linhas, colunas e diagonais ainda disponíveis.
8 Exemplo Espaço de estados reduzido heuristicamente para o jogo-da-velha. 8
9 Classes de algoritmos para Busca Heurística: 1. Busca pela melhor escolha (Best-First search): Greedy best-first search (Busca gulosa pela melhor escolha) A* 2. Busca com limite de memória (Memory Bounded Search): IDA* (Iterative Deepening A*) RBFS (Busca recursiva de melhor escolha) SMA* (Simplified Memory-Bounded A*)
10 Algoritmo geral: Busca pela Melhor Escolha - BME (Best-first search) Seleciona para expansão o nó que tiver o menor custo estimado até a meta (objetivo), segundo uma função de avaliação f(n). Tipicamente f(n) usa uma função heurística h(n) = custo estimado do caminho mais econômico do nó n até um nó objetivo (Restrição inicial: se n é um nó objetivo, h(n) = 0).
11 Uma forma de uso da informação heurística sobre um problema consiste em computar estimativas numéricas para os nós no espaço de estados; Uma estimativa indica o quanto um nó é promissor com relação ao alcance de um nó-objetivo; A ideia é continuar a busca sempre a partir do nó mais promissor no conjunto de candidatos; O programa de busca do melhor caminho (escolha) é baseado neste princípio.
12 A Busca do melhor caminho pode ser derivada de um refinamento da busca em largura. A Busca em largura sempre escolhe para expansão os menores caminhos-candidatos (isto é, os nós extremos menos profundos da busca). A Busca do melhor caminho refina este princípio calculando uma estimativa heurística para cada candidato e escolhe para expansão o melhor candidato de acordo com esta estimativa.
13 Greedy best-first search (Busca gulosa pela melhor escolha) Tenta expandir o nó mais próximo à meta, na suposição de que isso provavelmente levará a uma solução rápida. Avalia nós para expandir com base unicamente na função heurística: f(n) = h(n) Exemplo: encontrar a melhor rota (rota mais curta) de uma cidade a outra, num mapa usando a Função heurística h DLR (n) (DLR: distância em linha reta entre as cidades e a cidade-meta).
14 Exemplo: Localização de rotas na Romênia, usando h DLR (n) f(n) = h DLR (n) Objetivo: Bucareste Um mapa rodoviário simplificado de parte da Romênia. 14
15 Exemplo: Localização de rotas na Romênia, usando h DLR (n) f(n) = h DLR (n) Objetivo: Bucareste
16 Exemplo: Localização de rotas na Romênia, usando h DLR (n) f(n) = h DLR (n) Objetivo: Bucareste
17 Exemplo: Localização de rotas na Romênia, usando h DLR (n) f(n) = h DLR (n) Objetivo: Bucareste
18 Exemplo: Localização de rotas na Romênia, usando h DLR (n) f(n) = h DLR (n) Objetivo: Bucareste
19 Exemplo Passo a Passo... Fases de uma busca gulosa pela melhor escolha para Bucareste, usando-se a heurística de distância em linha reta h DLR. Os nós são identificados por seus valores de h.
20 Exemplo Passo a Passo... Fases de uma busca gulosa pela melhor escolha para Bucareste, usando-se a heurística de distância em linha reta h DLR. Os nós são identificados por seus valores de h.
21 Exemplo Passo a Passo... Fases de uma busca gulosa pela melhor escolha para Bucareste, usando-se a heurística de distância em linha reta h DLR. Os nós são identificados por seus valores de h.
22 Exemplo Passo a Passo... Fases de uma busca gulosa pela melhor escolha para Bucareste, usando-se a heurística de distância em linha reta h DLR. Os nós são identificados por seus valores de h.
23 Fases de uma busca gulosa pela melhor escolha para Bucareste, usando-se a heurística de distância em linha reta h DLR. Os nós são identificados por seus valores de h.
24 Busca pela melhor escolha - Busca Gulosa Não é completa Pode entrar em ciclos e não encontrar a solução se não detectar estados repetidos; Pode se perder em um caminho infinito e nunca retroceder para tentar outras opções. Não é ótima No exemplo encontrou caminho (Arad, Sibiu, Fagaras, Bucareste) que é 32km maior que (Arad, Sibiu, Rimnicu Vilcea, Pitesti, Bucareste) Dependendo do problema e da qualidade da heurística a complexidade pode ter uma redução substancial.
25 BME mais famoso : Busca A* Objetivo: Minimizar o custo total estimado da solução. Função de avaliação: f(n) = g(n) + h(n) g(n) = custo do caminho (distância) do nó inicial ao nó n h(n) = custo estimado do caminho (distância ) de menor custo de n ao nó final f(n) = custo estimado da solução de menor custo que passa por n. A* expande o nó de menor valor de f na fronteira do espaço de estados.
26 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste Um mapa rodoviário simplificado de parte da Romênia.
27 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste
28 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste
29 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste
30 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste
31 Exemplo: Localização de rotas na Romênia, usando a Busca A* f(n) = g(n) + h DLR (n) Objetivo: Bucareste
32 Exemplo Passo a Passo...
33 Exemplo Passo a Passo...
34 Exemplo Passo a Passo...
35 Exemplo Passo a Passo...
36 Exemplo Passo a Passo...
37 Exemplo Passo a Passo
38 Estágios em uma busca A* por Bucareste. Os nós estão rotulados f = g + h. Os valores de h são distâncias em linha reta para Bucareste. 38
39 A função heurística h(n) deve satisfazer as seguintes condições, para que a busca A* seja ótima: Admissibilidade. Consistência
40 Admissibilidade Uma heurística é admissível se nunca superestima o custo de atingir o objetivo. Como g(n) é o custo real para atingir n ao longo do caminho atual e f(n) = g(n)+h(n) então f(n) nunca irá a superestimar o verdadeiro custo de uma solução ao longo do caminho atual através de n A distância em linha reta é uma heurística admissível, pois, o caminho mais curto entre dois pontos quaisquer é uma linha reta Um algoritmo de busca que garantidamente encontre um percurso ideal para um objetivo, se este existir, é chamado de admissível (Nilsson, N. K. Principles of Artificial Intelligence, Morgan-Kaufmann, 1980).
41 Admissibilidade h(n) é o estimador, se ele for perfeito então A* convergirá imediatamente para o objetivo Se o valor de h(n) for sempre zero, a busca será controlada por g(n). Se o valor de g(n) também for zero, a estratégia da busca será aleatória. Se o valor de g(n) sempre for 1, a busca será em amplitude E se h(n) não for nem perfeito nem zero? O algoritmo A* encontrará o caminho ideal (determinado por g(n)) para o objetivo, se este existir, desde que se garanta que h(n) não superestime o custo da busca.
42 Admissibilidade Para cada nó está indicado f(n) = g(n)+h(n) Ao subestimar f(b) jogam-se fora os esforços Mas, foi descoberto que B estava distante do objetivo e voltou-se para experimentar outro percurso.
43 Admissibilidade O algoritmo expandiu até G para obter um caminho de solução cujo comprimento é 4. Supondo que exista um caminho direto de D até uma solução, dando um caminho de comprimento 2, este nunca será encontrado, pois f(d) foi superestimado. Ao superestimar f(d), se fez parecer D tão ruim que se pode encontrar uma outra solução, pior, sem nunca expandir D.
44 Consistência Uma heurística h(n) será consistente se, para cada nó n e para cada sucessor n de n gerado por uma ação a, o custo estimado de alcançar o objetivo de n não for maior do que o custo do passo de chegar a n mais o custo estimado de alcançar o objetivo de n h( n) c( n,a,n') h( n') Desigualdade triangular: cada um dos lados de um triangulo não pode ser mais longo que a soma dos outros dois lados.
45 Consistência Exemplo: A distancia em linha reta h(n) de Neamt a Urzeni (objetivo) não é maior que o custo g(n) de Neamt a Iasi + custo h(n ) de Iasi a Urzeni, portanto a heurística é consistente.
46 Desempenho do A* A* é completa e ótima: nenhum outro algoritmo ótimo garante expandir menos nós que A*. A* expande todos os nós com f(n) C* C* é o custo do caminho de solução ótima A* pode expandir alguns nós no contorno objetivo (f(n) = C*) antes de selecionar um nó objetivo.
47 Desempenho do A* Custo de tempo: Crescimento exponencial do número de nós com o comprimento da solução(complexidade temporal). Custo memória: O (b d ) O maior problema é a complexidade espacial, guarda todos os nós gerados na memória, para possibilitar o backtracking. Assim, A* não é aplicável em muitos problemas de grande escala. Usa-se variantes que encontram soluções subótimas.
48 A* define Contornos f(n) C*, nós no interior de um contorno dado tem custos de f menores ou iguais ao valor de contorno.
49 Para reduzir os requisitos de memória para A* adapta-se a ideia de profundidade iterativa para o contexto de busca heurística : IDA* (Iterative Deepening A*) Igual ao profundidade iterativa, porém seu limite é dado pela função de avaliação ou f-custo (g+h), e não pela profundidade (d).
50 IDA* (Iterative Deepening A*) igual ao profundidade iterativa, porém seu limite é dado pela função de avaliação ou f-custo (g+h), e não pela profundidade (d). A cada iteração, o valor de corte é o menor f-custo de qualquer nó que excedeu o corte na iteração anterior. Prático para problemas com custos de passo unitário. Tem a mesmas dificuldades dos custos de valor real que a versão iterativa de custo uniforme.
51 RBFS (Busca recursiva de melhor escolha) Algoritmo recursivo simples, tenta imitar a operação de busca pela melhor escolha (BFS), mas usando apenas um espaço linear de memória Estrutura similar ao de busca em profundidade Ao invés de continuar indefinidamente seguindo o caminho atual, utiliza a variáveis f-limite para acompanhar o f-valor do melhor caminho alternativo disponível de qualquer nó ancestral do nó atual
52 RBFS (Busca recursiva de melhor escolha) Se o nó atual exceder esse limite, a recursão reverte para o caminho alternativo Com a reversão da recursão, substitui o f-valor de cada nó ao longo do caminho por um valor de backup o melhor f-valor de seus filhos O RBFS lembra o f-valor das melhores folhas da sub-árvore esquecida e pode, portanto, decidir se vale a pena re-expandir a sub-árvore algum tempo mais tarde
53 RBFS (Busca recursiva de melhor escolha)
54 RBFS (Busca recursiva de melhor escolha)
55 RBFS (Busca recursiva de melhor escolha)
56 A RBFS é mais eficiente do que a IDA*, mas também tem a geração excessiva de um mesmo nó. Ambas sofrem por usarem pouca memória e esquecem o que fizeram. SMA* (Simplified Memory-Bounded A*) Similar ao A*, expande a melhor folha até que a memória esteja cheia Como não pode adicionar novo nó, suprime o pior nó folha O RBFS faz o backup do nó esquecido em seu pai. O ancestral de uma subárvore esquecida conhece a qualidade do melhor caminho daquela subárvore. Com essa informação, o SMA* regenera a subárvore somente quando todos os outros caminhos foram mostrados como piores do que o caminho que ele esqueceu.
57 Solução de problemas usando técnicas de busca heurística: dificuldades em definir e usar a função de avaliação não consideram conhecimento genérico do mundo (ou senso comum ) Função de avaliação: compromisso (conflito) entre tempo gasto na seleção de um nó e redução do espaço de busca Achar o melhor nó a ser expandido a cada passo pode ser tão difícil quanto o problema da busca em geral.
58 Como escolher uma boa função heurística h? h depende de cada problema particular. h deve ser admissível não superestimar o custo real da solução Exemplo: jogo dos 8 números um número pode mover-se de A para B se A é adjacente a B e B está vazio busca exaustiva: solução média em 22 passos fator de ramificação médio: estados possíveis 9!/2 (controlando os estados repetidos)
59 Distância de Manhattan: distância de quarteirões ou distância de táxi. Recebeu o nome pois define a menor distância possível que um carro é capaz de percorrer numa malha urbana reticulada ortogonal, como se encontram em zonas como Manhattan. Algumas heurísticas possíveis: h 1 = n 0 de elementos em posições erradas h 1 = 8 h 2 = soma das distâncias de cada elemento à posição final - objetivo (city block distance - Manhattan distance) h 2 = =18
60 (4) 7 5 Exemplo: Espaço de estados gerado com h 1 (n) (para cada estado está indicado entre parênteses o valor da função heurística): (5) (3) (3) (3) (6) (4) Estado Inicial Estado Objetivo (3) (4) (2) (4) (1) Neste exemplo não são considerados os nós que aparecem por mais de uma vez (0) (2)
61 (5) 7 5 Exemplo: Espaço de estados gerado com h 2 (n) (6) (4) (6) (5) (3) (5) Estado Inicial Estado Objetivo (2) (4) (1) (0) (2)
62 h i domina h k h(n) i h k (n), n no espaço de estados No exemplo anterior: h 2 domina h 1, Isso pode ser traduzido na forma: A heurística 2 é melhor que a heurística 1, pois terá um menor fator de ramificação. Desde que h 1 e h 2 não superestimem o custo real.
63 Caso existam muitas funções heurísticas para o mesmo problema, e nenhuma delas domine as outras, usa-se uma heurística composta: h (n) = max(h 1 (n), h 2 (n),,h m (n))
Estratégias de Busca Cega
Estratégias de Busca Cega Encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo. São ineficientes na maioria dos casos: utilizam apenas o custo de
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia maisOs problemas de IA empregam heurísticas, basicamente, em duas situações:
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisMétodos de Busca. Inteligência Artificial. Busca Heurística. Busca Heurística. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maislnteligência Artificial
lnteligência Artificial Busca Heurística - Informada Estratégias de Busca Heurística Usam conhecimento específico do problema na busca da solução Mais eficientes que busca não informada Busca Informada
Leia maisBusca Heurística - Informada
Busca Heurística - Informada Estratégias de Busca Exaustiva (Cega) encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo; são ineficientes na maioria
Leia maisProf. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa
Busca Heurís9ca - Informada PCS 2428 / PCS 2059 lnteligência Ar9ficial Prof. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa Busca Heurís9ca 2 Estratégias de Busca Heurís9ca Usam conhecimento
Leia maisMétodos de Busca. Estratégias de Busca Cega
Métodos de Busca Métodos de Busca Estratégias de Busca Cega encontram soluções para problemas pela geração sistemática de novos estados, que são comparados ao objetivo; são ineficientes na maioria dos
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisInteligência Artificial
Inteligência Artificial Aula 04 Busca Heurística Tiago Alves de Oliveira 1 Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisMétodos de Busca Informada (best first search) Capítulo 4 Parte I
Métodos de Busca Informada (best first search) Capítulo 4 Parte I Leliane Nunes de Barros leliane@ime.usp.br Busca não informada: geração sistemática de estados Busca em profundidade: boa quando não se
Leia maisBusca Cega (Exaustiva) e Heurística. Busca Aula 2
Busca Cega (Exaustiva) e Heurística Busca Aula 2 Ao final desta aula a gente deve saber: Conhecer as várias estratégias de realizar Busca não-informada (Busca Cega) Determinar que estratégia se aplica
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Sumário Procura Melhor Primeiro Procura Gananciosa Procura A * Heurísticas Procura local Árvore de Procura Uma estratégia de procura determina a ordem de expansão dos nós As
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação
Leia maisMAC425/5739 Inteligência Artificial 3. Busca informada
MAC425/5739 Inteligência Artificial 3. Busca informada Denis Deratani Mauá (largamente baseado no material de aula dos Profs. Edileri de Lima e Leliane de Barros) MÉTODOS DE BUSCA Busca cega ou sistemática:
Leia maisBusca com informação e exploração. Inteligência Artificial. Busca pela melhor escolha. Romênia com custos em km. Busca com informação (ou heurística)
Inteligência Artificial Aula 5 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.1 Busca com informação (ou heurística) Utiliza
Leia maisTópicos Especiais: Inteligência Artificial BUSCA COM INFORMAÇÃO E EXPLORAÇÃO
Tópicos Especiais: Inteligência Artificial BUSCA COM INFORMAÇÃO E EXPLORAÇÃO Material baseado e adaptado do Cap. 4 do Livro Inteligência Artificial de Russell & Norvig Bibliografia Inteligência Artificial
Leia maisInteligência Artificial
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Busca Informada 2 Recapitulando Definição de um problema: Conjunto de estados Conjunto de ações Função de transição Função de custo
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Busca heurística
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Resolução de problemas por meio de algoritmos de busca Busca heurística Roteiro Retomada do
Leia maisBusca com informação e exploração. Inteligência Artificial
Busca com informação e exploração (Capítulo 4 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura Busca pela melhor escolha Busca gulosa pela melhor escolha Busca
Leia maisBusca Heurística. Profa. Josiane M. P. Ferreira
Busca Heurística Profa. Josiane M. P. Ferreira Texto base: Stuart Russel e Peter Norving - Inteligência Artificial David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A logical approach
Leia maisBuscas Informadas ou Heurísticas - Parte I
Buscas Informadas ou Heurísticas - Parte I Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 BUSCAS INFORMADAS OU HEURÍSTICAS Consideram a probabilidade
Leia maisEstratégias informadas de Busca. March 3, 2016
Estratégias informadas de Busca March 3, 2016 Busca de Soluções: Métodos Informados ˆ Utilizam conhecimento específico do problema para encontrar a solução ˆ algoritmo geral de busca somente permite introduzir
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville rafael.parpinelli@udesc.br www.joinville.udesc.br/portal/professores/parpinelli www2.joinville.udesc.br/~coca/ Busca Heurística
Leia maisBuscas Informadas ou Heurísticas - Parte II
Buscas Informadas ou Heurísticas - Parte II Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 FUNÇÕES HEURÍSTICAS - 1/7 FUNÇÕES HEURÍSTICAS - 2/7 Solução
Leia maisBusca com informação e exploração. Inteligência Artificial. Busca pela melhor escolha. Romênia com custos em km 9/13/2010
Inteligência Artificial Aula 3 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia-pos Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.1 2 Busca com informação (ou heurística) Utiliza
Leia maisEstratégias de Busca: Métodos Informados. March 9, 2015
Estratégias de Busca: Métodos Informados March 9, 2015 Busca de Soluções: Métodos Informados Utilizam conhecimento específico do problema para encontrar a solução algoritmo geral de busca somente permite
Leia maisCTC-17 Inteligência Artificial Problemas de Busca. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Problemas de Busca Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Agentes que buscam soluções para problemas: Exemplo Tipos de
Leia maisBusca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.2 e 4.3
Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 1 Revisão da aula passada: Busca A * Idéia: evitar expandir caminhos que já são caros Função de avaliação f(n) = g(n) + h(n)
Leia maisAula 05 Busca com informação
Revisão Aula 05 Busca com informação Prof. Dr. Alexandre da Silva Simões Principais estratégias de busca sem informação: busca em amplitude e profundidade Estratégias derivadas: Busca com custo uniforme
Leia maisInteligência Artificial
Inteligência Artificial Aula 3 Métodos de Busca para Resolução de Problemas Busca Informada Heurísticas Busca Gulosa Busca A* Busca Local Prática #2 Prof. Ricardo M. Marcacini ricardo.marcacini@ufms.br
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 04 Busca Heurística Edirlei Soares de Lima Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido.
Leia maisEstratégias informadas de Busca. February 19, 2018
Estratégias informadas de Busca February 19, 2018 Busca de Soluções: Métodos Informados ˆ Utilizam conhecimento específico do problema para encontrar a solução ˆ algoritmo geral de busca somente permite
Leia maisRevisão sobre Busca 1
Revisão sobre Busca 1 Um problema de busca em IA pode ser definido em termos de... Algumas definições básicas (1/2) Um espaço de estados possíveis, incluindo: um estado inicial Em (Recife) Estar (pobre)
Leia maisCap. 4 Busca com Informações e Exploração. do livro de Russel e Norvig
Cap. 4 Busca com Informações e Exploração do livro de Russel e Norvig Busca Heurística(Best-First Search) Largura, profundidade e aprof. iterativo: desinformadas sobre proximidade da solução Heurística:
Leia maisBusca com informação e exploração. Inteligência Artificial. Revisão da aula passada: Heurística Admissível. Revisão da aula passada: Busca A *
Inteligência Artificial Aula 6 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 Revisão da aula passada: Busca A * Idéia:
Leia maisTécnicas Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas Inteligência Artificial Aula 03 Métodos de Busca Prof. Max Pereira Solução de Problemas como Busca Um problema pode ser considerado
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Material Capítulo 4 Secções 1-3 Resumo Estratégias de procura informadas Gananciosa A * IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing
Leia maisBusca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.1
Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.1 1 Busca com informação (ou heurísica) UIliza conhecimento específico sobre o problema para encontrar soluções de forma mais eficiente
Leia maisProcura Informada. Capítulo 4
Procura Informada Capítulo 4 Livro Capítulo 4 Secções 1-3 Resumo Estratégias de procura informadas Gananciosa A* IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Algorítmos de procura local Hill-climbing
Leia maisEstratégias de Procura Informadas
Estratégias de Procura Informadas Capítulo 3 Secções 5-6 Livro Estratégias de procura informadas Gananciosa A* IDA* Melhor Primeiro Recursiva (RBFS) Heurísticas Resumo Árvore de Procura Uma estratégia
Leia maisInteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística
Inteligência Artificial (SI 214) Aula 4 Resolução de Problemas por meio de Busca Heurística Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material
Leia maisTécnicas Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas Inteligência Artificial Aula 03 Métodos de Busca Parte 1 Prof. Max Pereira Solução de Problemas como Busca Um problema pode ser considerado
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula II Algoritmos básicos de busca cega
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Resolução de problemas por meio de algoritmos de busca Aula II Algoritmos básicos de busca
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 03 Resolução de Problemas por Meio de Busca Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 03 Resolução de Problemas por Meio de Busca Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisResumo. Como um agente busca de seqüência de ações para alcançar seus objetivos.
Resumo Inteligência Artificial Russel e Norvig Capítulos 3,4 e 5 Prof. MsC Ly Freitas UEG Resolução de problemas por meio de busca Como um agente busca de seqüência de ações para alcançar seus objetivos.
Leia maisAgentes de Procura Procura Estocástica. Capítulo 3: Costa, E. e Simões, A. (2008). Inteligência Artificial Fundamentos e Aplicações, 2.ª edição, FCA.
Agentes de Procura Procura Estocástica Capítulo 3: Costa, E. e Simões, A. (2008). Inteligência Artificial Fundamentos e Aplicações, 2.ª edição, FCA. AGENTES DE PROCURA ESTOCÁSTICA 1 Procura Aleatória O
Leia maisBuscas Não Informadas (Cegas) - Parte I
Buscas Não Informadas (Cegas) - Parte I Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Graduação em Ciência da Computação / 2006 BUSCA EM LARGURA(BREADTH-FIRST ) - 1/5 A raiz é expandida.
Leia maisInteligência Artificial
Inteligência Artificial Aula #2: Resolução de Problemas Via Busca Prof. Eduardo R. Hruschka 1 Agenda Tipos de Problemas Estados únicos (totalmente observável) Informação parcial Formulação do Problema
Leia maisResolução de Problemas. Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial
Resolução de Problemas Universidade Católica de Pelotas Engenharia da Computação Disciplina: Inteligência Artificial 2 Resolução de Problemas Introdução Componentes Solução Busca de soluções 3 Resolução
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 03 Resolução de Problemas por Meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades capazes de observar o ambiente
Leia maisBuscas Informadas ou Heurísticas - Parte III
Buscas Informadas ou Heurísticas - Parte III Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Mestrado em Ciência da Computação / 2006 BUSCA SMA* (Simplified Memory-Bounded A*) BUSCA SMA* (Simplified
Leia maisResolução de Problemas através de Busca. Prof. Júlio Cesar Nievola PPGIA - PUC-PR
Resolução de Problemas através de Busca Prof. Júlio Cesar Nievola PPGIA - PUC-PR Solução de Problemas Sistemas inteligentes devem agir de maneira a fazer com que o ambiente passe por uma seqüência de estados
Leia maisInteligência Artificial 04. Busca Sem Informação (Cega) Capítulo 3 Russell & Norvig; Seções 3.4 e 3.5
Inteligência Artificial 04. Busca Sem Informação (Cega) Capítulo 3 Russell & Norvig; Seções 3.4 e 3.5 Formulação dos problemas Um problema é definido por quatro itens: 1. Estado inicial ex., em Arad" 2.
Leia maisPCS Inteligência Artificial
ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia de Computação e Sistemas Digitais PCS - 2059 Inteligência Artificial Prof. Jaime Simão Sichman 2 a. Lista de Exercícios Espaço
Leia maisResolução de problemas por meio de busca. Capítulo 3 Inteligência Artificial Sistemas de Informação
Resolução de problemas por meio de busca Capítulo 3 Inteligência Artificial Sistemas de Informação Conteúdo Um exemplo Resolução de problemas por meio de busca Exemplos de problemas Em busca de soluções
Leia maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Métodos Revogáveis de Busca Busca em profundidade Backtracking Busca em largura Busca em profundidade iterativa
Leia maisInteligência Artificial - IA. Resolução de problemas por meio de busca
Resolução de problemas por meio de busca 1 Agente reativo - definido por ação reação Agente de resolução de problemas (ou baseado em objetivos) encontra sequencias de ações que leva ao estado desejável.
Leia maisHeurística Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO
Curso de Análise e Desenvolvimento de Sistemas 1 Definição Palavra de origem grega (εὑρίσκω), heurística significa descobrir ou encontrar um meio. É uma variação da palavra grega eureca (εὕρηκα), que significa
Leia maisResolução de problemas por meio de busca. Inteligência Artificial. Formulação de problemas. Estratégias de busca
Inteligência Artificial Aula 4 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.4 e 3.5 Formulação de problemas Algoritmo
Leia maisResolução de Problemas
Resolução de Problemas 1 Agente de Resolução de Problemas (1/2) 2 O agente reativo Escolhe suas ações com base apenas nas percepções atuais não pode pensar no futuro, não sabe aonde vai 4 5 8 1 6 7 2 3?
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 01 Resolução de problemas por meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisResolução de Problemas de Busca
Resolução de Problemas de Busca 1 Ao final desta aula a gente deve Compreender o que é um problema de busca em IA Ser capaz de formulá-lo Conhecer algumas aplicações Entender como buscar a solução do problema
Leia maisInteligência Artificial
Inteligência Artificial Resolvendo Problemas com Busca Agente solucionador de problemas (guiado por objetivo deliberativo) Busca uma sequência de ações que o leve a estados desejáveis (objetivos). Propriedades
Leia maisAgentes de Procura Procura Heurística. Capítulo 3: Costa, E. e Simões, A. (2015). Inteligência Artificial Fundamentos e Aplicações, 3.ª edição, FCA.
Agentes de Procura Procura Heurística Capítulo 3: Costa, E. e Simões, A. (2015). Inteligência Artificial Fundamentos e Aplicações, 3.ª edição, FCA. AGENTES DE PROCURA HEURÍSTICA 1 Procura Heurística Nas
Leia maisREDES NEURAIS / INTELIGÊNCIA ARTIFICIAL LISTA DE EXERCÍCIOS 6
REDES NEURAIS / INTELIGÊNCIA ARTIFICIAL LISTA DE EXERCÍCIOS 6 Aluno: 1. Defina o problema de busca (espaço de estados, estado inicial, estado final, ações possíveis, custo) para o seguinte caso: uma pessoa,
Leia mais*Capítulo 3 (Russel & Norvig)
*Capítulo 3 (Russel & Norvig) 1 Estratégias de busca sem informação Busca em largura Busca de custo uniforme (menor custo) Busca em profundidade Busca em profundidade limitada Busca de aprofundamento iterativo
Leia maisInteligência Artificial - IA
Busca sem informação Estratégias para determinar a ordem de expansão dos nós: 1. Busca em extensão 2. Busca de custo uniforme 3. Busca em profundidade 4. Busca com aprofundamento iterativo Direção da expansão:
Leia maisResolução de Problemas: Busca Heurística
Resolução de Problemas: Busca Heurística Aula 3 - Inteligência Artificial Busca Heurística Duas variações: Busca usando heurística (não numérica). Busca usando funções de avaliação e funções de custo.
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas 1 Agente solucionador de problemas (guiado por objetivo) O agente reativo Escolhe suas ações com base apenas nas percepções
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 01 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisAgentes baseados em metas Capítulo 3 Parte I
Agentes baseados em metas Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a estímulos do ambiente
Leia maisBusca em Espaço de Estados a
Busca em Espaço de Estados a Fabrício Jailson Barth BandTec Agosto de 2012 a Slides baseados no material do Prof. Jomi F. Hübner (UFSC) Introdução 2 Agente orientado a meta O projetista não determina um
Leia maisBusca no espaço de estados
Busca no espaço de estados Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo Idéia básica A idéia básica da busca no espaço de estados é considerar
Leia maisAgentes que resolvem problemas através de busca Capítulo 3 Parte I
Agentes que resolvem problemas através de busca Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a
Leia maisResolução de problemas por meio de busca. Inteligência Artificial. Busca. Exemplo: Romênia. Exemplo: Romênia 8/23/2010
Inteligência Artificial Aula 2 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas
Leia maisBUSCA CEGA OU SEM INFORMAÇÃO (parte 2 Resolução de problemas por busca) *Capítulo 3 (Russel & Norvig)
BUSCA CEGA OU SEM INFORMAÇÃO (parte 2 Resolução de problemas por busca) *Capítulo 3 (Russel & Norvig) 1 Tópicos Estratégias de busca sem informação Busca em largura ou extensão custo uniforme (menor custo)
Leia maisInteligência Artificial
Inteligência Artificial Métodos de resolução de problemas Prof. Angel Alberto Vazquez Sánchez Objetivos Caracterizar a busca como um método para resolver problemas a partir de seus elementos fundamentais
Leia maisTópicos Especiais: Inteligência Artificial
Tópicos Especiais: Inteligência Artificial RESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA Material baseado e adaptado do Cap. 3 do Livro Inteligência Artificial de Russel & Norving Bibliografia Inteligência
Leia maisRESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig)
RESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig) 1 Tópicos 1. Agentes para resolução de problemas 2. Formulação de problemas 3. Exemplos de problemas 4. Soluções aos problemas
Leia maisSISTEMAS INTELIGENTES 1 PROF. TACLA/UTFPR/CPGEI-PPGCA
SISTEMAS INTELIGENTES 1 PROF. TACLA/UTFPR/CPGEI-PPGCA BUSCA CEGA EXERCÍCIOS 1. Por que a estratégia de busca em largura só garante encontrar a solução ótima quando o custo por ação é uniforme? 2. Compare
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisMétodos de Busca: Busca sem Informação. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Métodos de Busca: Busca sem Informação Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 3) Métodos de Busca Resolução de Problemas a. Espaço de estados:
Leia maismeio de busca Seções 3.1, 3.2 e 3.3
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reativos não funcionam em ambientes para quais o número de regras condição
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 03 Resolução de Problemas por Meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisInteligência Artificial
Contextualizando Inteligência Artificial Buscas Onde podemos usar a IA Problemas que não possuem soluções algortimicas Problemas que possuem soluções algoritimicas, mas são impraticáveis (Complexidade,
Leia maisResolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.4 e 3.5
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.4 e 3.5 Formulação de problemas Um problema é definido por quatro itens: 1. Estado inicial ex., em Arad" 2. Ações ou função
Leia maisSistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes
Sistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisJogos com Oponentes. March 7, 2018
Jogos com Oponentes March 7, 2018 Jogos com Oponentes ˆ Problemas de busca: não assumem a presença de um oponente ˆ Jogos: oponente INCERTEZA! ˆ Incerteza porque não se conhece as jogadas exatas do oponente
Leia maisInteligência Artificial
Inteligência Artificial CTC15 Aula 2b CTC15 Aula 2b 1 Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de busca básicos Sumário CTC15 Aula 2b 2
Leia maisEnunciados dos Exercícios Cap. 2 Russell & Norvig
Enunciados dos Exercícios Cap. 2 Russell & Norvig 1. (2.2) Tanto a medida de desempenho quanto a função de utilidade medem o quanto um agente está desempenhando bem suas atividades. Explique a diferença
Leia maisInteligência Artificial Apontamentos para as aulas Luís Miguel Botelho
Inteligência Artificial Apontamentos para as aulas Luís Miguel Botelho Departamento de Ciências e Tecnologias da Informação Instituto Superior de Ciências do Trabalho e da Empresa Agosto de 2015 1 Algoritmos
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 02 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 02 Prof. Vitor Hugo Ferreira Agentes Inteligentes O que torna um agente
Leia mais