Notes - MIECT
Inteligência Artificial
Notes - MIECT
Inteligência Artificial
  • Inteligência Artificial
  • Tópicos de Inteligência Artificial
    • Definição de “Inteligência”
    • História até à “Inteligência Artificial”
  • Agentes
    • Definição de “Agente”
    • Teste de Turing
    • A "Sala Chinesa" de Searle
    • Agentes Reactivos
    • Agentes Deliberativos
    • Arquiteturas
  • Representação do Conhecimento
    • Redes Semântica
      • GOLOG
      • UML / Diagramas de Classes
      • Indução versus Dedução
      • Em Python
    • Resolução e Refutação na Lógica de Primeira Ordem
    • Lógica Proposicional e Lógica de Primeira Ordem
      • Interpretações em Lógica Proposicional
      • Interpretações em Lógica de Primeira Ordem
      • Lógica - Regras de Substituição
      • CNF e Forma Clausal
      • Consequências Lógicas, Provas
      • Correcção, Completude
      • Metateoremas
      • Resolução não é Completa
      • Refutação por Resolução
      • Substituições, Unificação
      • Resolução com Claúsulas de Horn
    • Linguagem KIF
    • Engenharia do Conhecimento
    • Ontologias
    • Redes de Bayes
  • Técnicas de Resolução de Problemas
    • Resolução de problemas em IA
    • Formulação de problemas e pesquisa de soluções
    • Estratégias de pesquisa
      • Avaliação das estratégias de pesquisa
      • Pesquisa A*
        • Avaliação da Pesquisa em Árvore
      • IDA*
      • RBFS
      • SMA*
      • Pesquisa com propagação de restrições
      • Pesquisa por melhorias sucessivas
      • Planeamento
        • Aprendizagem
      • Árvores de decisão
      • Avaliação de algoritmos de aprendizagem supervisionada
  • Bayesian Networks
    • Ways to deal with Uncertainty
    • Discrete Random Variables
    • Probabilities
    • Conditional Probability
    • More General Forms of Bayes Rule
    • The Joint Distribution
    • Independence
    • Computing a Joint Entry
    • Exercises
Powered by GitBook
On this page
  • STRIPS
  • Exemplo
  • A Anomalia de Sussman
  • Planeamento no espaço de soluções
  • Planeamento Hierárquico
  • ABSTRIPS
  • Exemplo
  • Operadores com fórmulas não atómicas e condicionais
  1. Técnicas de Resolução de Problemas
  2. Estratégias de pesquisa

Planeamento

PreviousPesquisa por melhorias sucessivasNextAprendizagem

Last updated 2 years ago

STRIPS

Exemplo

A Anomalia de Sussman

Dependendo da ordem pela qual o STRIPS trata os objectivos, os seguintes planos poderão ser gerados:

  • [ desempilhar(c,a), poisar(c), levantar(a), empilhar(a,b), desempilhar(a,b), poisar(a), levantar(b), empilhar(b,c), levantar(a), empilhar(a,b) ]

  • [ levantar(b), empilhar(b,c), desempilhar(b,c), poisar(b), desempilhar(c,a), poisar(c), levantar(a), empilhar(a,b), desempilhar(a,b), poisar(a), levantar(b), empilhar(b,c), levantar(a), empilhar(a,b) ]

Nenhum deles é óptimo

  • Na verdade, o algoritmo STRIPS não consegue gerar um plano óptimo para este problema.

Planeamento no espaço de soluções

Em todas as aproximações ao planeamento anteriormente apresentadas, cada nó da pesquisa corresponde a um estado do mundo -> planeamento no espaço de estados.

Uma técnica alternativa consiste em partir de um plano vazio e adicionar sucessivamente operações e restrições de sequenciamento -> planeamento no espaço de soluções.

Neste caso, cada nó da pesquisa corresponde a uma solução parcial para o problema.

Operações de transformação da solução:

  • Adicionar um operador.

  • Re-ordenar operadores.

  • Instanciar um operador.

Planeamento Hierárquico

ABSTRIPS

O planeamento é realizado numa hierarquia de níveis de abstração.

Um valor de “criticalidade” é atribuido a cada uma das condições que podem aparecer na descrição do estado do mundo.

Algoritmo

  1. CM <- valor inicial para o nível de criticalidade mínima.

  2. Gerar um um plano que satisfaça todas as condições com nível de criticalidade >= CM.

  3. CM <- CM-1

  4. Usando o plano anterior como guia, gerar um plano que satisfaça todas as condições com criticalidade >= CM.

  5. Se todas as condições estão satisfeitas, retornar a solução.

  6. Voltar ao passo 3.

Exemplo

Planeamento Inicial para CM=2

Planeamento para CM=1

As precondições de criticalidade 1 da primeira acção, lev(a), não estão reunidas, pelo que é preciso determinar um plano para as atingir.

Operadores com fórmulas não atómicas e condicionais

Literal – uma formula atómica (literal positivo) ou negação de uma fórmula atómica (literal negativo).

Fórmula de aplicabilidade do operador pode ser:

  • Fórmula atómica.

  • Negação de uma fórmula.

  • Conjunção de fórmulas.

  • Disjunção de fórmulas.

  • Fórmula quantificada existencialmente.

  • Fórmula quantificada universalmente.

Fórmula de efeitos do operador pode ser:

  • Literal Conjunção de literais

  • Efeitos condicionais: when <fórmula de aplicabilidade> <fórmula de efeitos>.

  • Fórmula de efeitos quantificada universalmente.

  • Conjunção de fórmulas de efeitos.

Ver “PDDL - Planning Domain Definition Language”.

PDDL - Exemplo