RESOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDAS

La resolución de un problema de IA mediante búsqueda consiste en la aplicación de una

determinada estrategia de control que conduzca a encontrar un camino desde el
estado inicial hasta algún estado objetivo del espacio de estados. Examinar las posibles
secuencias de acciones seleccionar aquella que sea mejor según un determinado criterio
Los objetivos fundamentales de la resolución de un problema mediante búsqueda son:

 Encontrar una solución.

 Que la solución tenga coste total mínimo:
 Coste de búsqueda:
 Tiempo y memoria necesarios.

 Coste del camino solución (coste online).

1. AGENTES SOLUCIONADORES DE PROBLEMAS

En el tema anterior de los agentes racionales y la manera en la que estos actúan,

basados en objetivos, este tipo de agentes es muy parecido al agente solucionador de
problemas.

Un agente solucionador de problemas se encarga de analizar las acciones que

conlleven una consecuencia objetiva, esa consecuencia objetiva es la solución del
problema como también podría dar solución a problemas que impliquen riesgos.

Cuando hablamos de problema nos referimos a algo que se desea resolver, y los
seres humanos tenemos la capacidad de resolver problemas a diario, incluso cuando
no nos damos cuenta estamos resolviendo problemas que se nos presentan, por
ejemplo, un problema podría ser preparar el desayuno cuando tienes varias
opciones. Pero, de qué manera se resuelven los problemas, para resolverlos se debe
tomar en consideración las acciones que realicemos y las consecuencias que
estas pueden traer.
En la Figura 01 se muestra los elementos que el agente solucionador de problemas
debe de tener en cuenta siempre, para lograr un objetivo.

Las acciones que el agente realice, pueden ser muchas, pero esto no indica que todas
sean las correctas, para ello, es necesario emplear algoritmos de búsqueda de
solución de problemas, y es importante analizar y escoger el que tenga más
ventajas.

Figura 01. Elementos del agente solucionador de problemas

Un agente está actualmente en Paris. ¿Cuál será su medida de rendimiento?

o Objetivo: Puede ser que quiera conocer Torre Eiffel, aprender un

poco de francés, tomarse fotos, comprar ropa moda.

Ahora suponiendo que el Agente tiene un vuelo a Burdeos al siguiente día y que no
puede devolverlo, se supone que el agente debe tomar ese vuelo, las otras acciones
que no tengan como resultado tomar el vuelo simplemente no deben ser tomadas en
cuenta.

Entonces teniendo en cuenta cual es el objetivo de este agente, las acciones a

realizar para alcanzar la medida de rendimiento se simplifican.

Para que un agente pueda resolver un problema es necesario que siga los dos pasos:

 Fijarse un objetivo.
 Formular el problema.
Si se considera que para que un agente sea inteligente, este debe maximizar su
medida de rendimiento, y para lograrlo, este debe cumplir su objetivo, entonces se
puede decir con seguridad que el primer paso para que el agente cumpla una acción
es formularse un objetivo, basándose en la situación actual, el segundo paso es
decidir qué acciones elegir, y este constituye la formulación del problema.

Figura 02. Ejemplo del Agente y sus opciones.

El siguiente proceso luego de formular el objetivo y el problema, es encontrar la

solución al mismo, y para ello es necesario otra secuencia de pasos que son
explicados en el siguiente gráfico.

Figura 03. Proceso de solución de problemas

Es importante tomar en cuenta que para solucionar problemas de ésta forma como
se muestra en la figura 03, el agente debe conocer el estado inicial, para lo cual es
necesario conocer su entorno, esto se torna fácil si el agente tiene un entorno
totalmente observable, en donde no haya soluciones inesperadas por lo cual el
agente puede descuidar las percepciones.

Cuando lo dicho anteriormente sucede, ocurre algo que se denomina lazo abierto, y
es donde se rompe el lazo entre el agente y las percepciones ya que los agentes están
totalmente seguros de lo que pasará.

1.1.ELEMENTOS QUE COMPOMEN UN PROBLEMA

a. Estado inicial: Un estado es la situación en la que está una persona o cosa,

un objeto observado en particular, generalmente un estado es una situación
temporal ya que puede cambiar, un ejemplo sería un foco, puede estar en
ocasiones en estado encendido y en ocasiones apagado. Entonces se puede
decir que un estado inicial es la situación actual del agente.

b. Función sucesor: Una función sucesor es lo que sigue después de haber

hecho algo, es decir las posibles decisiones que se pueden tomar, los
distintos caminos que llevan a que un individuo entre en determinados
estados. La función sucesor define el espacio de estados que es el conjunto
de situaciones que puede tomar un objeto determinado, el conjunto de
situaciones posibles que sean válidas y así representan las acciones del
objeto determinado.

c. Test objetivo: Es el que determina si un estado es el adecuado o no. Cuando

hay un conjunto de estados posibles el test objetivo determina cuál de todos
ellos es el objetivo.

d. Costo del camino: Se asigna un costo numérico al camino que se debe

recorrer hasta encontrar una solución. En general se puede decir que es la
suma de todas las acciones que realiza el agente.

Una vez determinados los cuatro elementos del problema se puede decir que para
que una solución sea óptima, no basta con resolver el problema, sino con tener el
mínimo costo del camino que recorre el agente hasta llegar a dicha solución.
2. MARCO TEÓRICO
2.1.PROBLEMAS DE JUGUETE

Un problema de juguete que la inteligencia artificial utiliza es aquel que es fácil

de resolver, y que los investigadores utilizan para probar el funcionamiento de
los algoritmos, estos problemas se denominan de juguete ya que su descripción
de estados es simple y ordenada,

a. El problema del agente aspiradora

Figura 04. El problema del agente aspiradora es considerado como un problema

de juguete

Estado: El piso puede estar limpio o sucio, lo cual constituyen 2 opciones, y la

aspiradora puede estar en la izquierda o en la derecha, lo que hace que también
sean dos opciones, en total el agente tiene 8 posibles estados.

Estado inicial: Puede estar en cualquier estado (cualquier lugar, sea limpio o
sucio).

Función sucesor: Son las acciones, derecha, izquierda y limpiar, también se

podría considerar la opción de no hacer nada.

Test objetivo: Todas las baldosas deben estar limpias.

Costo del camino: El total de todos los pasos hasta limpiar todas las baldosas.
b. Ejemplo del juego de 8 – puzzple

Figura 05. El problema de 8–puzzple es un problema de juguete.

c. Ejemplo de las 8 reinas.

Figura 06. El problema de las 8 Reinas es un problema de juguete.

2.2. PROBLEMAS DEL MUNDO REAL

Son problemas enfocados a la vida cotidiana, por ejemplo el problema planteado

en donde el agente debe viajar hacia un determinado lugar de destino, para este
tipo de problemas son utilizados algoritmos de búsqueda de rutas.

2.3.EJEMPLOS DE PROBLEMAS

a. Se tiene tres jarros, con capacidades 12 galones, 8 galones, y 3 galones, y un

grifo de agua. Usted puede llenar los jarros o vaciarlos de uno a otro o en el
suelo. Tiene que obtener exactamente un galón.

Para resolverlo vamos aplicar los elementos que componen un problema.

Estado inicial: Los jarros están sin agua.

Test objetivo: Obtener un galón en total.

Función sucesor:
 Llenar la jarra de 12 galones.
 Vaciar la de 12 Gl en la de 3 Gl.
 Luego vacías lo que queda de la de 12 Gl (9 galones) en la de 8 Gl
 La jarra de 12 galones quedaría solo con un galón.

Función costo: Número de pasos que se realizan hasta obtener un galón.

 Otra manera de resolverlo este problema sería:

Estado inicial: Los jarros están sin agua.

Test objetivo: Obtener un galón en total.

Función sucesor:

 Llenar la jarra de 8 galones.

 Llenar la jarra de 12 Gl con la de 8 Gl
 Se llena de nuevo la jarra de 8 Gl.
 Se vacían los 4 Gl que le faltan a la jarra de 12.
 Lo que sobra de la jarra de 8GL (4 galones) se vacía en la de 3
galones.
 La jarra de 8 Gl tendrá un galón.

Función costo: Número de pasos que se realizan hasta obtener un galón.

Como se puede observar en el ejemplo anterior existen al menos dos formas

de llegar al objetivo, sin embargo, lo más optimo sería llegar a la meta
realizando la menor cantidad de pasos ya que esto minimiza la función costo
o también llamado costo del camino.

b. Para que un agente pueda resolver un problema como por ejemplo, el del
agente que viaja a París y luego debe viajar hacia otro destino, éste no debe
tomar la consideración del estado inicial a factores irrelevantes, como el
clima, las carreteras, el tiempo de diversión, entre otras posibles percepciones
del mundo, ya que éstas, no le impiden cumplir su objetivo, a este proceso de
omisión se le llama ABSTRACCIÓN. (Peréz, R. 2007).
 El objetivo del agente es simple, llegar a Burdeos es decir que su estado
simplemente es cambiar de localización por lo tanto mirar por la ventana,
cantar, hablar por teléfono, etc., son omitidos.

Figura 07. Ejemplo de abstracción

El agente sea multado no es un factor que determine la llegada a Burdeos,

por lo tanto puede ser omitido. Entonces, teniendo en cuenta cuál es el
objetivo de este agente, las acciones a realizar para alcanzar la medida de
rendimiento se simplifican

c. Ejemplo de viaje de la línea área.

d. Un mono de tres pies de alto está en una habitación en donde algunos
plátanos están suspendidos del techo de ocho pies de alto. Le gustaría
conseguir los plátanos. La habitación contiene dos cajas apilables, móviles
y escalables de tres pies de alto.

Estado Inicial: El mono está en cualquier lugar de la habitación.

Test Objetivo: El mono alcanza los plátanos

Función Sucesor: El mono tiene 4 acciones posibles de hacer:

1. Caminar hacia la caja.

2. Empujar la caja.

3. Subir a la caja.

4. Coger los plátanos

Función Costo: números de movimientos alcanzados por el mono

e. Coloree un mapa plano utilizando sólo cuatro colores, de tal modo que dos
regiones adyacentes no tengan el mismo color.

Estado Inicial: Mapa sin colores.

Test Objetivo: Colorear todas las regiones.

Función Sucesor: Aplicar un color a cada una de las regiones

Función Costo: Número total de regiones coloreadas

3. CONCLUSIÓN

Los tipos de problemas que se definen para el ARP (Agente Resolvente de

Problemas) fueron dados con la finalidad de que al agente le sea más fácil llegar a
un estado deseado a partir de una situación inicial no ideal.

Si el agente sabe a qué tipo de problema se enfrenta, le es más fácil aplicar las
estrategias adecuadas para éste, por ejemplo, si un problema es de juguete para qué
aplicar técnicas de un problema del mundo real (las cuales son más complejas
debido a que la problemática lo es).

4. BIBLIOGRAFÍA

 Balliache, D. 2003. El problema y su delimitación. VE. Consultado el 20 de

abr.2015. Formato PDF Disponible
en: http://dspace.universia.net/bitstream/2024/187/1/Tema1+El+Problema-
DIB.pdf

 Hermoso, R y Centeno, R. 2010. Inteligencia Artificial. ES. Consultado el

20 de abr. 2015. Formato PDF. Disponible en:
www.ia.urjc.es/cms/sites/default/files/userfiles/.../tema01_to_print.pdf

 Peréz, R. 2007. Estrategias de resolución de problemas. (En línea). ES.

Consultado, 20 de abr.2015. Formato PDF. Disponible
en: http://www.unizar.es/ttm/2007-08/ESTRATEGIASI.pdf

 Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2

ed. España. Pearson Education. p 1242.