Tópicos em Sistemas Inteligentes

1. Tópicos em Sistemas Inteligentes

2. Agenda - Aula 04 • Buscas • Largura • Profundidade • Mista

3. Espaço de Busca • Muitos problemas de interesse prático possuem ESPAÇO de BUSCA tão grande que não podem ser representados por um grafo explícito. • Elaborações nos procedimentos de busca básicos vistos anteriormente, onde procura-se representar todo o espaço de busca num grafo, tornam-se necessários.

4. Elaborações • Três pontos básicos são importantes: • necessitamos ser especialmente cuidadosos em COMO formulamos esses problemas para a busca • devemos ter métodos para representar buscas em grandes grafos de maneira IMPLÍCITA. • Devemos utilizar métodos eficientes para a busca nesses grafos enormes.

5. Modelamento = Arte • No problema do empilhamento de blocos não é difícil conceber uma estrutura de dados para representar os diferentes estados do problema e as ações capazes de alterá-los. • Em problemas REAIS, isso é difícil. Requer uma profunda análise do problema • Simetrias • Ignorar detalhes irrelevantes • Encontrar abstrações apropriadas

6. Quebra-Cabeças • Jogo de ordenar números. Vamos pensar no de 8 números e um espaço em branco. • Qual um forma interessante de representar esse problema? • Quantos movimentos são possíveis? • Quantos estados existem?

7. Representações • A parte do grafo de Estado que é “encontrável” a partir do estado inicial é representado implicitamente por uma descrição do estado inicial e pela descrição dos efeitos das ações que podem ser tomadas em cada estado. • É possível transformar, a princípio, uma representação implícita de um grafo em uma representação explícita.

8. Representações • Para isso, geramos todos os descendentes do nó inicial (aplicando todos os operadores nesse nó) depois aplicamos o mesmo tipo de procedimento para cada um deles. • Como fica o caso do quebra cabeças dos números?

9. Representações • Mais formalmente, três componentes básicos para a representação implícita: • Uma descrição através da qual rotulamos o nó inicial. Essa descrição é uma estrutura de dados que modela o estado inicial do ambiente. • Funções de transição de estado. Transforma a descrição do estado atual na descrição do estado resultante após a ação (OPERADORES) • A definição de um objetivo

10. Buscas • Existem dois grandes grupos de busca: • não temos nenhuma razão para preferir uma parte do grafo de Estado em relação a outra para a busca do objetivo (buscas sem informações) • temos informações específicas que auxiliam a busca (Heurísticas).

11. Buscas sem Informações • Essas buscas aplicam OPERADORES sem o uso de qualquer conhecimento específico especial do domínio do problema. • Esse procedimento gera um grafo de Estado explícito aplicando-se todos os operadores possíveis ao nó inicial, depois aplicando todos os OPERADORES possíveis a todos os sucessores diretos e assim por diante.

12. Função Sucessora • Quando aplicada a um nó produz o conjunto total dos nós que podem ser produzidos ao se aplicar todos os operadores possíveis aquele nó. • Cada aplicação dessa função é denominada Expansão de um nó.

13. Busca em Largura • Aplique a função sucessora ao nó inicial • Repita o procedimento para cada nó descendente. • Propriedades • quando o nó alvo é encontrado, encontra-se também o caminho de comprimento mínimo até o objetivo • requer o armazenamento e a geração de uma árvore cujo tamanho é exponencial de acordo com o fator de ramificação da árvore.

14. Busca em Profundidade • Gera os sucessores de um nó um de cada vez. Em cada nó existe uma decisão de que operador deve ser aplicado primeiro, qual o próximo e assim por diante. • Uma indicação é deixada em cada nó para indicar que operadores adicionais devem ser aplicados ao nó quando retornamos a ele caso seja necessário. • Backtracking • Limitador de Profundidade

15. Busca em Profundidade • A busca em profundidade nos abriga a salvar apenas aquela parte da árvore que está sendo explorada mais as indicações dos nós que ainda não foram expandidos totalmente. • Os requerimentos de memória são portanto lineares com relação ao limitador de profundidade. • Quando encontra o alvo?

16. Busca “Mista” • A técnica chamada Aprofundamento Iterativo, (Iterative Deepening) aproveita a linearidade da memória requerida pela busca em profundidade e garante que o nó alvo de menor profundidade é encontrado (como na busca em amplitude). • Nessa técnica, buscas em profundidades sucessivas são realizadas e, em cada uma, o limitante de profundidade é incrementado de 1, até que o nó alvo seja encontrado.

17. Aprofundamento Iterativo

18. Aprofundamento Iterativo • Calcule o número de nós expandidos para o pior caso em uma busca em árvore com fator de ramificação b e cujo nó alvo mais raso está no nível d e é o último nó a ser gerado nessa profundidade. • Para surpresa, o número de nós expandidos por esse método não é muito maior que o número utilizado pela busca em amplitude. • Qual é a diferença em relação à busca em amplitude?