c






 
 


São sistemas que pensam e atuam de forma racional. Pensa e atuam como os seres humanos.









 



O teste de turing fornece uma definição operacional satisfatória de Inteligência. Um

computador passaria em um teste se um interrogadorhumano, depois de propor algumas
perguntas por escrito, nãopudesse distinguir essa máquina de um ser humano.






 

Agente é tudo que é capaz de perceber seu ambiente por meio de sensores e agir através de
atuadores.






 




É um agente que exibe um comportamento racional, fazendo o que é esperado para maximizar
o alcance de performance e objetivos, fornece a informação disponível baseando- se em suas
percepções e nas ações de que é capaz.







 
 




  



 


 ! 

Completamente Observável (vs. Parcialmenteobservável): Um agente sensor percebe o

ambiente demaneira completa para cada momento ao longo dotempo.
ƥ Determinístico (vs. estatístico): O estágio seguinte doambiente é determinado unicamente
pelo estado atualsomado à ação do agente. (Se o ambiente édeterminístico exceto pela ação de
outros agentes, oambiente é definido como estratégico).
ƥ Episódico (vs. sequencial): A experiência do agente édividida em episódios pontuais (cada
episódio consistena percepção e correspondente ação do agente) sendoa escolha da ação
unicamente dependente do correnteepisódio.
Estático (vs. dinâmico): O ambiente permaneceinalterado enquanto um agente estádeliberando.
( O ambiente é dito semi-dinâmicose o ambiente não mudar por si ao longo dotempo mas a
performance do agente muda.
ƥ Discreto (vs. continuo): Um número limitado deestados possíveis, discretos e passiveis
depercepção e atuação.
ƥ Agente único (vs. multiagente): Um agente queopera sozinho em um ambiente.

"






#

 

 

É uma descrição matemáticas, afirmamos abstrata que mapeia qualquer seqüência de

percepções eespecifica uma ação.

$


 ! 

 
 %



São agentes simples que possuem uma Inteligência limitada. Seleciona ações com base na
percepção atual ignorando o histórico de percepções.



&


 ! 

 
 %





O agente controla o histórico de percepções, através de um estado interno, com isso é possível
ter uma indicação a respeito de coisas que não podem ser percebidas. É como se algo fosse
capaz de registrar um conjunto de regras ou um modelo de ambiente.

'


 ! 

 


( %

O agente pode vir a precisar além do modelo de objetivos que definam seu sucesso ou
fracasso.


c)


 ! 

 


 


Uma das características é o mapeamento de um estado ou sequencia onde um número pode

ser representativo, já que os objetivos não são suficientes para gerar um comportamento de
qualidade na maior parte das situações.

cc


 ! 

 

#

É a ideia que a máquina pode aprender. O agente de aprendizado pode ser dividido em quatro
componentes conceituais que são critica, elemento de aprendizagem, gerador de problema,
elemento performance.


c





 






*

É o processo de decidir que ações e estados devem ser considerados para um determinado
objetivo.


c
+






 


,

-

 


% 




Cada ação abstrata deverá ser mais simples que o problema original.


c


 
 

 


  


.



/%



Um nó é uma estrutura de dados que constitui parte da arvore e o estado é uma representação
de uma configuração física.


c



 ! 
0


1

- 

* Seleciona para expansão o nó mais raso não-expandido na árvore de busca.

* É completa, ótima para passos de custo unitário e tem complexidade de tempo e
espaço igual a O(bd) ƛ b fator de ramificação e d número de níveis.
* A complexidade do espaço a torna impraticável na maior parte dos casos.



1



* Seleciona para expansão o nó não expandido mais profundo na árvore de busca.

* oão é completa nem ótima, em tem complexidade O(bm) para o tempo e O(b*m) para
o espaço. Onde m é a profundidade máxima para qualquer caminho.





1

 
  %

* Chama a busca em profundidade limitada com limites crescentes até encontrar

objetivo.
* É completa e ótima para passos de custo unitário e tem complexidade de tempo O(bd)
e complexidade de espaço O(b*d)


c"



2! 
,

-

-




%

uma estrutura de controle, ou um conjuntode procedimentos, que não mais garanta a solução
ótima, mas que namaioria dos casos encontra uma solução sub ótima, mas bem próxima
dasolução ótima.
A heurística é uma técnica que melhora a eficiência de um processo debusca, sacrificando
retenções de completeza.
A heurística aponta para pontos ou direções interessantes, mas podedeixar de fora pontos
importantes para a solução do problema.

Exemplos: no calculo de uma rota em vez de pegar a distância todo o percurso os possíveis
percursos considerando apenas o que está no caminho do destino, assim dando a rota, mesmo
a mesma não sendo a mais curta.
Outro exemplo pode ser a mente humana: avalia a pessoa conforme o grupo é, tomando assim
um atalho mas isso pode ser errado, pois o individuo pode ser diferente.

c$







1
*3

Busca A* é a forma mais conhecida de busca pela melhor escolha.

Ela avalia nós combinando g(n), o custo decada nó, e h(n), o custo para ir do nó até
oobjetivo:ƛ f(n) = g(n) + h(n)


c&

 ! 
#

2! 
!%


Uma heurística admissível é aquela que nuncasuperestima o custo para alcançar o objetivo.
oela imaginam que o problema seja menor do que narealidade é.

c'

 ! 
#

2! 
  

Uma heurística é considerada consistente se: para cada nó n e cada sucessor nƞ de n gerado
poruma ação a, o custo estimado de alcançar o objetivoa partir de n não é maior que o custo
do passo de sechegar a nƞ somado ao custo estimado de alcançar oobjetivo a partir de nƞ.


)







-
,
-


Um problema com menor número derestrições sobre suas ações é chamadoproblema relaxado.
Exemplo: Se as regras do quebra-cabeça fossemalteradas de modo que um bloco pudessese
deslocar para qualquer lugar, inclusive para um quadrado ocupado, assim teríamos um menor
número de restriçõesao problema.

c
4-




 




 

 



 




É um laço repetitivo que se move de forma contínua. O algoritmo termina quando encontra um
pico em que nenhum vizinho tem valor maior. A busca em subida de encosta não examina
antecipadamente valores de estados além dos vizinhos imediatos.









 ! 

*
 
5 
+ 


%




 6
7%

  

 

Em um algoritmos genético (AG), os estadossucessores são gerados a partir da combinaçãode

dois estados pais.Os AGs começam com um conjunto de kestados gerados aleatoriamente
(população). Cada estado (individuo) é representado comouma cadeia sobre um alfabeto finito
(freqüentemente cadeias de 0s e 1s).Para a produção de uma nova geração cada estado
éavaliado pela função de avaliação ( função de fitness).
ƥ 8
  - onde os indivíduos são ordenados de acordo com a função-objetivo e lhes são
atribuídas probabilidades decrescentes de serem escolhidos. A escolha é feita então
aleatóriamente de acordo com essas probabilidades. Dessa forma conseguimos escolher como
pais os mais bem adaptados, sem deixar de lado a diversidade dos menos adaptados. Outras
formas de seleção podem ser aplicadas dependendo do problema a ser tratado.
ƥ +7%
7 os descendentes recebem em seu código genético parte do código genético do
pai e parte do código da mãe. Esta recombinação garante que os melhores indivíduos sejam
capazes de trocar entre si as informações que os levam a ser mais aptos a sobreviver, e assim
gerar descendentes ainda mais aptos.
ƥ 9   - são feitas com probabilidade a mais baixa possível, e tem como objetivo permitir
maior variabilidade genética na população, impedindo que a busca fique estagnada em um
mínimo local