Resolución de conflictos

La resolución de conflictos se aplica sobre un conjunto de reglas que pueden ser desencadenables (reglas que cazan con las condiciones pero todavía no han pasado a la memoria de trabajo (MT). Con esto se evita su almacenamiento en la MT.

1. Orden de las reglas en la base de conocimientos.
2. Reglas con mayor coeficiente de credibilidad.
3. Reglas con menor número de cláusulas a instanciar.
4. Reglas con mayor número de conclusiones.
5. Reglas menos complejas.
6. Descartar las reglas ya utilizadas.
7. Reglas con mayor número de condiciones.

La heurística muchas veces puede provocar que el problema no tenga solución (producto de las podas del árbol), sin embargo las sistemáticas siempre hayan la solución.

Lo correcto es usar un método heurístico para ciertos casos y que luego siga trabajando el control sistemático. O sea la heurística puede interrumpir cuantas veces sea necesaria la acción sistemática de la máquina de inferencia.

A medida que aparecen reglas de control heurística hay que hacerle cambios a la MI lo cual es muy engorroso, para resolver esto se puede.

1. Máquina de inferencia con estrategia de control parame trizada.
2. Diseñar el sistema experto en función de la aplicación.
3. Utilizar meta conocimiento.

Busquedas

Un problema típico de la Inteligencia Artificial consiste en buscar un estado concreto entre un conjunto determinado, al que se le llama espacio de estados.

Cuando el sistema agente posee algún tipo de información del medio, se utilizan técnicas de búsquedas informadas; sin embargo, si carece de conocimiento alguno, se deberán emplear algoritmos de búsqueda no informadas.

 Búsqueda sin información del dominio:

 

      Objetivos:                             

• Encontrar el camino óptimo entre la descripción del problema o estado inicial y el estado meta.

• A veces basta con devolver el estado meta y no es necesario conocer todo el camino.

Características

• No dejar ningún nodo sin explorar.

• No explorar un nodo más de una vez.

Búsquedas Ciegas

Busca la primer solución sin importar que tan óptima sea; no detecta si se está aproximando o alejando de la solución. No es capaz de encontrar una solución aceptable en caso de que no exista o sea demasiado costoso encontrar la solución óptima.

Búsquedas Heurísticas

Busca soluciones aceptables; reduce el espacio de búsqueda y es capaz de determinar su proximidad a una solución y la calidad de la misma utilizando conocimiento a priori.

Busqueda de profundidad

Este tipo de algoritmos recorre el espacio de estados de una forma concreta hasta dar con el objetivo.

Supongamos el árbol del dibujo representando un espacio de estados cualquiera. Vemos que, teniendo este árbol delante con sus nodos numerados, tenemos distintas formas de recorrerlo. ¿Cómo lo hacemos en profundidad? Siendo el 1 el nodo inicial y 7 el nodo objetivo que se debe alcanzar, hacemos lo siguiente: buscaremos en todas las ramas que cuelgan, de izquierda a derecha, y exploramos cada rama hasta llegar a una hoja. Para cada hijo buscamos a su vez en profundidad, parando cuando se encuentre el objetivo. En este ejemplo, la secuencia a seguir está indicada por el número de los nodos: 1-> 2-> 3-> 4-> 5-> 6-> 7.

Si el camino tiene longitud k y factor de ramificación r, la complejidad espacial del algoritmo está en O (kr). Su complejidad temporal depende tanto del factor de ramificación como de la profundidad de la solución. Siendo n el número medio de hijos expandidos, y si la solución se alcanza en el nivel p, la complejidad temporal está en O (n^p); es, por tanto, un coste exponencial.

Este algoritmo de búsqueda, además, no es completo, ya que si existe solución y se mete por una rama infinita puede que no termine nunca. Tampoco es óptimo, ya que puede encontrar la solución pero haciendo un recorrido mayor del necesario en general. Se ha usado una estructura pila LIFO para implementarlo.