Búsqueda Entre Adversarios

7/18/2019 Búsqueda Entre Adversarios

http://slidepdf.com/reader/full/busqueda-entre-adversarios-56967070eea0b 1/14

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DEMANABÍ MANUEL FÉLIX LÓPEZ

CARRERA INFORMÁTICA

SEMESTRE SÉPTIMO PERÍODO ABRIL-SEPT/2015

TEMA:

BÚSQUEDA ENTRE ADVERSARIOS

MATERIA:

INTELIGENCIA ARTIFICIAL II

AUTORA:

LUISA KATERINE FARIAS CHICA

FACILITADORA:

ING. HIRAIDA SANTANA

MISIÓN

Formación de profesionales íntegros que conjuguen ciencia, tecnología y valores en

su accionar, comprometidos con la sociedad en el manejo adecuado de programasy herramientas computacionales de última generación.

VISIÓN

Ser referente en la formación de profesionales de prestigio en el desarrollo deaplicaciones informáticas y soluciones de hardware.

CALCETA, JUNIO 2015



Hasta este momento hemos tratado de los entornos en los

que nuestro agente inteligente busca la solución a un

problema, basándose en métodos sin información y método

con información, pero en estos métodos que analizamos se

trataba de entornos con un solo agente.

A continuación debemos comenzar a tratar con entornos

multiagentes en los que nuestro agente inteligente

interacciona con otro u otros agentes inteligentes, esto

plantea dos tipos de entornos, Colaborativo, Competitivos.

En los primeros, los agentes colaboran para llegar a un

objetivo común, pero implica que deben observarse

mutuamente para no estorbarse, ni que uno de ellos repita

uno de los trabajos del otro.

Adquirir conocimientos sobre la búsqueda entre adversario.



En IA, los juegos son, por lo general, una clase más

especializada (que los teóricos de juegos llaman juegos de

suma cero, de dos jugadores, por turnos, determinista, de

información perfecta).

Implican entornos deterministas, totalmente observables en

los cuales hay dos agentes cuyas acciones deben alternar y

en los que los valores utilidad, al final de juego, son siempre

iguales y opuestos (suma cero).

Por ejemplo, si un jugador gana un juego de ajedrez (+ 1), el

otro jugador necesariamente pierde (- 1). Esta oposición entre

las funciones de utilidad de los agentes hace la situación

entre adversarios.

Los juegos han ocupado las facultades intelectuales de la

gente (a veces a un grado alarmante) mientras ha existido lacivilización. Para los investigadores de IA, la naturaleza

abstracta de los juegos los hacen un tema atractivo a

estudiar.

Por ejemplo:

Ajedrez

Ganador (+1)

Perdedor (-1



Consideraremos juegos con dos jugadores: MAX y MIN

MAX mueve primero, luego por turno hasta que el juegose termina.

Al final del juego se conceden puntos al ganador y

penalizaciones al perdedor.

El juego puede definirse como una clase de problemas de

búsqueda:

Estado inicial

Función sucesor

Test terminal

Función utilidad

El estado inicial y los movimientos para cada lado definen el

árbol de juegos.

Una solución óptima sería una secuencia de movimientos que

conducen a un estado objetivo (un estado terminal que es

ganador).



Considerando un árbol de juegos, la estrategia óptima puede

determinarse examinando el valor minimax de cada nodo,

que escribimos como el VALOR-MINIMAX(n).

El valor minimax de un nodo es la utilidad (para MAX) de estar

en el estado correspondiente, asumiendo que ambos

jugadores juegan óptimamente desde allí al final del juego.

Además el valor minimax de un estado terminal es solamentesu utilidad. MAX preferirá moverse a un estado de valor

máximo, mientras que MIN prefiere un estado de valor

mínimo.

Estado inicial: tablero vacío + ficha de salida

Función Sucesor:

• 9 movimientos posibles, uno por casilla

• Aplicable si la casilla no está ocupada

• Estado resultante: colocar la ficha que toca en la casilla

especificada

Test terminal: tableros completos o con línea ganadora

Función Utilidad:

• 1 si es ganador para MAX

• 0 si es tablas (empate)

• -1 si es ganador para MIN



Los nodos terminales se etiquetan por sus valores de

utilidad.

El primer nodo de min, etiquetado B, tiene tres sucesores

con valores 3, 12 y 8 , entonces su valor minimax es 3

Del mismo modo, los otros dos nodos de min tienen un

valor minimax de 2.

El nodo raíz es un nodo MAX; sus sucesores tienen valores

minimax de 3, 2 y 2; entonces tiene un valor minimax de3.

Podemos identificar también la decisión minimax en la

raíz: la acción a1 es la opción óptima para MAX porque

conduce al sucesor con el valor minimax más alto.



Juegos populares

permiten más de dos jugadores.

Tenemos que sustituir

el valor para cadanodo con un vector

de valores.

Un juego de tres

jugadores con jugadores A, B y C, un

vector ( vA, vB, vC)

Para los estados

terminales, este

vector dará la utilidad

del estado desde elpunto de vista de

cada jugador.



Problema de la búsqueda minimax: el número de estados

que tiene que examinar es exponencial con el número de

movimientos.Es posible calcular la decisión minimax correcta

sin mirar todos los nodos en el árbol.

La poda alfa-beta permite eliminar partes grandes del árbol,

sin influir en la decisión final.



El mejor movimiento de MAX en la raíz es a1, porque conduce

al sucesor con el valor minimax mas alto, y la mejor respuesta

de MIN es b1, por que conduce al sucesor con el valor

minimax mas bajo.

a) La primera hoja debajo de B tiene el valor 3. De ahí B,

que es un nodo MIN, tiene un valor de cómo máximo 3.



b) La segunda hoja debajo de B tiene el valor 12; MIN

evitara este movimiento, entonces el valor de B es

todavía como máximo 3

c) La tercera hoja debajo de B tiene el valor 8;

d) hemos visto a todos los sucesores de B, entonces el

valor de B es exactamente 3.



e) Ahora podemos deducir que el valor de la raíz es al

menos 3., por que MAX tiene una opción digna de 3 en

la raíz

f) La primera hoja debajo de C tiene el valor 2. De ahí, C

que es un nodo MIN, tiene un valor de cómo máximo 2.

Pero sabemos que B vale 3, entonces MAX nunca

elegiría C. Por lo tanto, no hay ninguna razón en mirar a

los otros sucesores de C. Este es un ejemplo de la poda

Alfa-Beta.

g)

Este es un ejemplo de la poda Alfa-Beta.



h) La primera hoja de D vale 14, entonces D vale como

máximo 14. Como es mayor que 3 hay que seguirexplorando

i) La segunda hoja debajo de D vale 5, D como máximo

valdrá 5 pues es un nodo MIN. Como 5 podría ser el

valor de D hay que seguir explorando



j) El tercer y ultimo sucesor de D vale 2, D vale

exactamente 2.

k) La decisión de MAX entonces es moverse a B dando un

valor de 3



Luego de lo aprendido sobre la búsqueda entre adversarios

llegamos a la conclusión que lo antes mencionado es muy

interesante para la vida de un jugador ya que si observamos

los arboles de búsqueda de solución para un entorno con dos

agentes jugando por turnos podemos ver que el árbol de

soluciones cambia con cada juagada o movimiento del

adversario. En esta búsqueda tiene varias estrategias de

exploración las cuales el tipo de entorno es la estrategia

minimax, en la cual se emplean dos funciones para evaluar

cada nodo, min evalua los movimientos del primer jugador y

max los del segundo, el valor de cada nodo y la forma de

seleccionarlos corresponden a la evaluación de cada agente

para las funciones min y max esto es lo que llegamos

entender con la clase explicada.

Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN

ENFOQUE MODERNO. PEARSON EDUCACION. 2 ed. Madrid.

Berzal, F. 2012. Búsqueda entre adversarios. (En línea).

Consultado 05 Jun. de 2015. Formato: PDF. Consultado http:

http://sistemasumma.com/2010/10/09/busqueda-con-

adversarios/.

Documents

Búsqueda Entre Adversarios