Cuadro resumen exposiciones_miguel_angel_garcia_wha
-
Upload
whaleejaa-wha -
Category
Technology
-
view
145 -
download
0
Transcript of Cuadro resumen exposiciones_miguel_angel_garcia_wha
Materia:
Inteligencia Artificial
Maestro:
Heidy Marisol Marín Castro
Alumno:
Miguel Ángel García Wha
Matricula:
Fecha:
27 de enero del 2016
Trabajo:
Cuadro resumen de exposiciones
ALUMNO TEMA VENTAJAS DESVENTAJAS IMPLEMENTACION PUNTO DE VISTA
Miguel Angel Garcia Wha
Local Beam Search
Potencialmente puede disminuir el cálculo y por lo tanto el tiempo de búsqueda. Al tener un límite de memoria no consume tanta como otros métodos. La principal ventaja recae en la efectividad de las reglas heurísticas para realizar la poda o recorte. Lo cual puede ser difícil si no se tiene un entero conocimiento del problema.
No es completo. No garantiza encontrar la solución. No tiene retroceso (BackTracking)
Una búsqueda del haz es la más utilizada para mantener la trazabilidad en grandes sistemas con insuficiente cantidad de memoria para almacenar todo el árbol de búsqueda. Por ejemplo, se utiliza en muchos de traducción automática de sistemas. Para seleccionar la mejor traducción, cada parte se procesa, y aparecen muchos aspectos diferentes de la traducción de las palabras. Las principales mejores traducciones en función de sus estructuras de oraciones se mantienen, y el resto se descartan. El traductor entonces evalúa las traducciones de acuerdo con un criterio dado, la elección de la mejor traducción es la que mantiene los objetivos. El primer uso de una búsqueda viga estaba en el sistema de reconocimiento de voz Arpía, CMU 1976.
Este algoritmo busca el recorte o poda de los nodos innecesarios que no son el mínimo en el camino, camino o estado que se quiere llegar de acuerdo a una función, estrategia o heurística para así poder ser mucho más fácil llegar a este mismo que es el objetivo mas corto.
Magaly Martinez Juarez
Algoritmos Geneticos
los algoritmos geneticos son intrensecamente paralelos. La mayoria de los otros algoritmos son en serie y solo pueden explorar el espacio de
Definir una representacion del problema El problema de como escribir la funcion de aptitud debe considerarse cuidadosamente para que se pueda alcanzar
Optimización: Se trata de un campo especialmente abonado para el uso de los Algoritmos Genéticos, por las características intrínsecas de estos problemas.
Este tipo de algoritmos son importantes para la IA ya que son una base muy importante para sacar poblaciones, generaciones u
soluciones hacia una solucion en una direccion al mismo tiempo. Sin embargo, ya que los algoritmos geneticos tienen descendencia multiple, pueden explorar el espacio de soluciones en multiples direcciones a la vez. Funcionan particularmente bien resolviendo problemas cuyo espacio de soluciones potenciales es realmente grande. Los algoritmos evolutivos han demostrado su efectividad al escapar de los problemas optimos locales y descubrir el optimo global incluso en paisajes adaptativos muy escabrosos y complejos.
una mayor aptitud y verdaderamente signifique una solucion mejor para el problema dado. Se aconseja no utilizar algoritmos geneticos en problemas resolubles de manera analitica ya que los metodos analíticos tradicionales consumen mucho menos tiempo y potencia computacional que los AGs
Programación automática: Los Algoritmos Genéticos se han empleado para desarrollar programas para tareas específicas, y para diseñar otras estructuras computacionales tales como el autómata celular, y las redes de clasificación. Aprendizaje máquina: Los algoritmos genéticos se han utilizado también en muchas de estas aplicaciones, tales como la predicción del tiempo o la estructura de una proteína. Han servido asimismo para desarrollar determinados aspectos de sistemas particulares de aprendizaje, como pueda ser el de los pesos en una red neuronal, las reglas para sistemas de clasificación de aprendizaje o sistemas de producción simbólica, y los sensores para robots. Sistemas inmunes: A la hora de modelizar varios aspectos de los sistemas inmunes naturales, incluyendo la mutación somática durante la vida de un individuo y el descubrimiento de familias de genes múltiples en tiempo evolutivo, ha resultado útil el
otras formas en las que el uso de estos algoritmos puedan ayudar a la implementación de muchas cosas que puedan ayudar a la IA.
empleo de esta técnica.
Roberto Carlos Hernández Del Valle
Best-First Llega a la solución sin expandirse completamente.
El camino no es necesariamente el más óptimo No es óptima y es incompleta La complejidad es O(bm)
Consideraremos como función de evaluación (función heurística) a hDLR(n) = Distancia en Línea Recta desde la ciudad n hasta Bucharest
En este algoritmo se debe de checar cual es el mínimo de los caminos o el mínimo en todo el árbol, estado o objetivo a encontrar para llegar a un punto o meta, por lo cual también en base a una heurística ya establecida o función se implementa este mismo.
Jose Ivan Ortiz Quiñonez
A* soluciones más cercanas a la raíz.
la función de evaluación se complica.
De manera general este algoritmo se utiliza para encontrar el camino más corto entre dos puntos dados, pero dentro de sus otras aplicaciones se utiliza en juegos para determinar el recorrido que un objeto debe realizar; un ejemplo de ello es el videojuego pacman en el que se aplicaba al comportamiento de los fantasmitas.
Este algoritmo se basa en el uso de la función de que acerque más a la raíz o al padre nodo por lo cual en base a una estrategia o función llegue a este objetivo.
Samantha Y. Carrizales Villagomez
MinMax Capacidad de aprender de acuerdo a la información que se consigue en el momento en que genera el árbol del juego, es decir aprende con experiencia. Algoritmo casi infalible o un gran
Algoritmo de complejidad elevada a la hora de implementar. Es de aprendizaje lento, pues por cada jugada realizada y el conjunto de las que tiene almacenadas lo obliga a implementar algoritmos de comparación, búsqueda, inserción, etc.
Dos jugadores MIN y MAX Los jugadores colocan fichas en un tablero de 3 X 3 MAX usa las fichas X MIN usa las fichas O
En este algoritmo se basa en el min y el max de un estado o de un juego en el que se checa cual de la estrategia por heurística es la mejor minimizando y comparando estos mismos.
oponente a vencer. Aprende del oponente y al tiempo le da ventaja.
Solo vale para enfrentarse a un oponente a la vez.
Jaciel David Hernandez Resendiz
Metodo de Busqueda Poda, Alfa y Beta
Dos jugadores MIN y MAX Los jugadores colocan fichas en un tablero de 3 X 3 MAX usa las fichas X MIN usa las fichas O
En este juego se trata de que sea el minimo en la forma de el min y max solo que con recorte en la forma de aplicar la función de comparación o de estrategia en un estado o juego.
Dra.Heidy Marisol Marín Castro
Busqueda en Anchura
Si la solucion es una ruta, encuentra la mas corta. No queda atrapada en callejones sin salida. El orden en que se aplican las reglas es irrelevante.
Explosión combinatoria aparece frecuentemente debido a la alta complejidad espacial y temporal de esta técnica.
Juego 8-puzzle En este primer algoritmo visto en clase se trata de que se tiene que comparar los demás estado de un juego o de alguna función y checar cuales son los mínimos y mostrarlos.
Dra.Heidy Marisol Marín Castro
Busqueda Hill Climbing
Reduce el numero de nodos a analizar
Puede que se encuentre una solución, pero no es la mas optima.
Juego 8-puzzle Establecer una función de evaluación f(nodo)= # de casillas bien colocadas (maximización)
Este algoritmo se puede usar en el momento en el que se quiere saber cual es el estado de mayor peso debido a su ponderación es como uno se da cuenta de cual es el mejor.