Aula 3 - Resolução de Problemas Por Busca

Notícias sobre IA
https://www.terra.com.br/byte/lixeira-com-inteligencia-artificial-separa-materiais-reciclaveis-sozinha,d3fa973678f0871c1160996f00593158eszjq14y.html
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
https://www.uol.com.br/tilt/noticias/redacao/2022/09/02/imagem-criada-com-ia-ganha-concurso-e-reacende-discussao-sobre-o-que-e-arte.htm
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
https://www.tribunadointerior.com.br/campo-mourao/com-uso-da-inteligencia-artificial-empresa-de-monitoramento-evita-assalto-a-mao-armada-em-campo-mourao/
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Notícias sobre IA
Universidade Federal do ABC
Centro de Matemática, Computação e Cognição
MCTA014-15 - Inteligência Artificial

Aula 3 – Resolução de Problemas por Busca
Profa: Karla Vittori
Santo André - SP
Setembro - 2022
1 – Etapas da Resolução de um Problema
 Exemplo: Viajar de Arad a Bucareste (Romênia)

 Adotando a menor rota possível
1 – Etapas da Resolução de um Problema

578 km – aproximadamente 6 horas e 54 minutos

Google maps
 Para o problema da Romênia:
1.1 – Definir o(s) Objetivo(s)
 Primeiro passo: definir o(s) objetivo(s)
 O que deve ser alcançado?

 Ir de Arad a Bucareste
 Baseado na situação atual

 Estamos em Arad
 Qual é a medida de desempenho?

 Quero seguir a menor rota rodoviária possível
 Objetivo pode ser visto como um estado a ser alcançado, entre

possíveis estados do problema
 Ex. estado: estar em alguma cidade

1.2 - Formular o Problema
 Segundo passo: formular o problema
 Processo de decidir quais ações e estados devem ser

considerados, dado um objetivo.
 No ex.:
 Ações = conexões a serem utilizadas (estradas)
 Estados = cidades percorridas
 Objetivo = chegar a Bucareste a partir de Arad usando a menor

rota rodoviária
1.2 - Formular um Problema
 Podem haver estados intermediários na construção da solução

 Ex.: há três estradas saindo de Arad
Arad
Sibiu Timisoara Zerind
 Descobrir qual sequência de ações levará ao estado objetivo

 Quais cidades percorrer para Bucareste?
 Para o problema da Romênia:
1.3 – Buscar a Solução
 Terceiro passo: buscar a solução
 Escolha da sequência de ações a ser seguida, entre diversas

possibilidades
 Algoritmo de busca
 Entrada = problema
 Saída = sequência de ações que representa a solução
Solução
 Uma solução para um problema é um caminho desde o estado

inicial até o estado final (objetivo).
 Solução ótima tem menor custo de caminho entre todas as

soluções possíveis.
Solução
1.4 – Executar a Solução
 Encontrada a solução, ações recomendadas podem ser executadas
 Fase de execução
 No exemplo, consiste em seguir a rota de cidades recomendada

2 – Componentes de um Problema
 Quatro componentes:
 1) Estado inicial
 Ex.: Em(Arad)
 2) Ações/operadores possíveis para gerar novo estado

 Ex.: sucessor(Arad) = {Sibiu, Timisoara, Zerind}
 Estado inicial e operadores definem o espaço de estados

 Conjunto de todos os estados acessíveis a partir do estado
inicial
 Formam um grafo
Arad

2 – Componentes de um Problema
 Quatro componentes:
 3) Teste de objetivo
 Determinar se um dado estado é o estado objetivo

 No ex., o objetivo é o conjunto unitário {Em(Bucareste)}
 4) Uma função de custo de caminho
 Atribui custo numérico a cada caminho no grafo

 Caminho é uma sequência de estados conectados
 Geralmente reflete a medida de desempenho

 No ex., menor caminho em km
3 - Como formular um problema?
Como escolher estados e ações?
 Abstrair detalhes irrelevantes

 na formulação do problema (ações e estados)
 nas funções de custo do caminho e da busca
 Exemplo: dirigir de São Paulo a Ribeirão Preto

 Não interessa:
 número de passageiros
 o que toca no rádio (estado)
 cidades sem acesso rodoviário (estado)
 o que se come e bebe dentro do carro (ações)
 número de postos policiais no caminho (custo de caminho)
 É tarefa do projetista fazer as boas escolhas

3.1 - Exemplo problema 1
 Aspirador de pó
 Percorre quadrados e verifica se existe sujeira para limpar
 Ações possíveis:
 Mover para a direita
 Mover para a esquerda
 Aspirar sujeira
 Não fazer nada
3.1 - Aspirador de pó
 Formulação do problema:
 Estados:
 2 quadrados, contendo o aspirador e/ou sujeira ou não
 8 estados possíveis = 2 x 22
 Estado inicial:
 Qualquer um dos estados possíveis
 Ex.: estado 5
 Função para gerar novos estados (operadores):
 Gera os estados válidos que resultam na tentativa de executar

as três ações:
 Esquerda (L),
 Direita (R) ou
 Aspirar (S).
 Função para gerar novos estados (operadores):
 Espaço de estados completo:
 Teste de objetivo (término):
 Verifica se todos os quadrados estão limpos
 Custo de caminho:
 Cada passo possui custo 1
 Custo do caminho é o número de passos do caminho
 Quebra-cabeça de 8 peças
 Tabuleiro 3 x 3 com 8 peças numeradas e um espaço vazio
 Uma peça pode deslizar para o espaço vazio
 Exemplo de estado inicial e o estado final:

3.2 - Quebra-cabeça
 Estados:
 Um estado especifica as posições de cada uma das 8 peças e
do espaço vazio em um dos 9 quadrados
 Estado inicial:
 Qualquer estado
 Operadores (função sucessor):
 Gera os estados válidos que resultam da tentativa de executar
as quatro ações – o espaço vazio se desloca para:
 a esquerda,
 a direita,
 acima ou
 abaixo.
 Teste de término:
 O estado é o final?
 Cada passo possui custo 1
 Custo do caminho = número de passos no caminho
 Problema dos quebra-cabeças deslizantes

 NP-completo (Non-Deterministic Polynomial time) – tempo
polinomial não-determinístico
 Ainda não existem algoritmos determinísticos polinomiais para

sua solução
 8 peças: 181.440 estados possíveis
 15 peças: 1,3 trilhão de estados
 24 peças: 1025 estados

 Problema das 8 rainhas

 Posicionar 8 rainhas em um tabuleiro de xadrez, de forma
que nenhuma rainha ataque outra
3.3 - 8 rainhas
 Formulação incremental
 Adiciona rainhas ao tabuleiro
 Estados:
 Qualquer disposição de 0 a 8 rainhas no tabuleiro
 Há 3x1014 possíveis estados
 Estado inicial:
 Nenhuma rainha no tabuleiro
3.3 - 8 rainhas
 Formulação incremental
 Operadores:
 Colocar uma rainha qualquer em um espaço vazio
 Teste de término:
 8 rainhas no tabuleiro e nenhuma é atacada
 Custo:
 Não interessa o custo do caminho,
apenas o estado final é importante
3.3 - 8 rainhas
 Com essa formulação, temos
 64 x 63 x … x 57  3 x 1014 sequências possíveis para

investigar
3.3 - 8 rainhas
 Outra possível formulação

 Proibir colocação de uma rainha em quadrados sob ataque
 Estados:
 Disposições de n rainhas (n  8) no tabuleiro, uma por coluna
nas n colunas mais à esquerda, sem que uma rainha ataque a
outra
 Há 2.057 possíveis estados
 Operadores:
 Colocar uma rainha em um espaço em uma coluna vazia mais à
esquerda, de modo que ela não seja atacada
3.4 - 100 rainhas
 Contudo, para 100 rainhas

 Primeira formulação: 10400 estados
 Segunda formulação: 1052 estados
 Espaço é menor, mas ainda grande
Importância de
formulação
apropriada!
4 - Problemas reais
 Problema de roteamento
 Exemplos:
 Roteamento de pacotes em rede de computadores
 Planejamento de operações militares
 Sistema de planejamento de viagens aéreas
Ex.: Viagens aéreas
 Estados:
 Cada estado é uma posição (aeroporto) e hora atual
 Estado inicial:
 Especificado pelo problema
 Função para gerar novos estados:
 Retorna estado após realizar algum voo programado
 Teste de objetivo:
 Estar no destino após um tempo especificado
 Pode ser tempo da viagem, por exemplo
4 - Problemas reais
 Problema do caixeiro-viajante
 Visitar um conjunto de cidades uma única vez usando o
percurso mais curto
 Exemplo:
 Planejar viagens
 Planejar movimentos de máquinas

 Perfuração de poços de petróleo
4 - Problemas reais
 Layout de VLSI (Very Large Scale Integration) - processo de
integração ou incorporação de centenas de milhares de
transistores em um único microchip semicondutor de silício.
 Posicionamento de componentes e conexões em chip,

minimizando
 Área
 Retardos de circuitos
 Capacitâncias de fuga
 E maximizando
 Rendimento industrial
4 - Problemas reais
 Navegação de robôs
 Generalização do problema de roteamento
 Lidar também com erros em sensores e controles

4 - Problemas reais
 Problema de montagem
 Exemplos:
 Sequência automática de montagem de objetos por um robô
 Encontrar ordem na qual peças de um objeto devem ser
montadas
4 - Problemas reais
 Problemas de alocação (Scheduling)
 Salas de aula
 Máquinas industriais (job shop)
5 - Exercício
 Formule o problema a seguir, definindo: o estado inicial, o teste de

objetivo, os possíveis operadores (para transição de estados) e a
função de custo.
 Um macaco com altura de 3 pés está em uma sala onde algumas

bananas estão suspensas a 8 pés. Ele gostaria de comer as
bananas. A sala contém dois cestos amontoados que podem ser
movimentados e onde o macaco pode subir.
5 - Exercício
 Um macaco com altura de 3 pés está em uma sala onde algumas

bananas estão suspensas a 8 pés. Ele gostaria de comer as
bananas. A sala contém dois cestos amontoados que podem ser
movimentados e onde o macaco pode subir.
Estado inicial – Macaco está na sala onde há bananas.
Operadores – i) empurrar um cesto ou os dois cestos; ii) subir no cesto; iii)

descer do cesto; iv) andar pela sala e v) apanhar as bananas (se estiver em
cima do cesto).
Teste de término – Macaco consegue pegar as bananas.
Função custo – Número de ações.


6 - Busca por soluções
 Resolução dos problemas após formulação
 Por meio de busca no espaço de estados
 Inicialmente, técnicas que usam árvore de busca explícita
 Gerada pela aplicação dos operadores sobre os estados
 Iniciando pelo estado inicial
 Até atingir um estado objetivo

6.1 – Exemplo – Problema da Romênia

578 km – aproximadamente 6 horas e 54 minutos

Google maps
 (a) Estado inicial
Arad
Raiz da árvore de busca
É objetivo?
 (a) Estado inicial
Arad
Raiz da árvore de busca
É objetivo?
Não
Expandir o estado atual
(gerar novos estados)
 Mapa para o problema da Romênia:
6.1 - Exemplo
 (b) Expandindo Arad
Arad
Qual escolher para futuras considerações?
Essência da busca: seguir uma opção e deixar as outras

reservadas para mais tarde, no caso de a primeira não
levar a uma solução
6.1 - Exemplo
 (c) Supor escolha de Sibiu
Arad
É objetivo?
Não
Expandir estado
6.1 - Exemplo
 (c) Expandindo Sibiu
Arad
Arad Fagaras Oradea Rimnicu Vilcea
É possível escolher entre quaisquer estados ainda não visitados

Busca
 Continua-se a escolher, testar e expandir até
 Encontrar solução ou
 Não existirem mais estados a serem visitados
 Escolha do estado a visitar e expandir é determinada pela

estratégia de busca.
6.2 - Algoritmo
 Algoritmo geral de busca em árvore:
função BUSCA-EM-ÁRVORE(problema, estratégia) retorna solução ou falha
inicie a fronteira com o estado inicial
repita
se não existe nenhum candidato para expansão então retorne falha
escolha nó para expansão de acordo com estratégia
se o nó contém um estado objetivo então retorne a solução
senão
expanda o nó, adicionando os nós resultantes à árvore de busca
fim repita
6.2 - Fronteira
• Fronteira do espaço de estados:
• nós gerados que
• ainda não foram expandidos
estado inicial => Arad fronteira

6.2 - Fronteira
estado inicial => Arad

fronteira
Arad

fronteira
6.2 - Fronteira
• Fronteira do espaço de estados:
• nós gerados que
• ainda não foram expandidos
Arad

fronteira
Arad Fagaras Oradea Rimicci
6.2 - Fronteira
 Fronteira do espaço de estados
 nós (estados) a serem expandidos no momento
 Algoritmo genérico de busca usando fronteira:
• Começa com a fronteira contendo o estado inicial do problema
1. Selecionar (e remover) o primeiro nó (estado) da fronteira do espaço de estados;

- se a fronteira está vazia, o algoritmo termina com falha.
2. Testar se o nó é um estado final (objetivo):

- se “sim”, então retornar nó - a busca termina com sucesso.
3. Gerar um novo conjunto de estados pela aplicação dos operadores ao nó selecionado;
4. Inserir os nós gerados na fronteira, de acordo com a estratégia de busca usada, e voltar
para o passo (1).
6.2 - Algoritmo
 Considera-se que os nós da árvore de busca são implementados

como uma fila.
 As operações são as seguintes:
 Remover-Primeiro(fila) – retorna o primeiro elemento da fila e remove-o

da fila
 Inserir(elemento, fila) – insere um elemento na fila e retorna a fila

resultante.
 Inserir_Todos(elementos, fila) - insere um conjunto de elementos na fila

e retorna a fila resultante.
6.2 - Algoritmo
Algoritmo mais detalhado:

Função Inserir: controla a ordem de inserção de nós na fronteira do espaço de
estados (de acordo com a estratégia de busca)
função Busca-Genérica (problema, fronteira) retorna uma solução ou falha

fronteira  Inserir (Nó (Estado-Inicial [problema] ), fronteira)
repita
se fronteira está vazia então retorna falha
nó  Remover-Primeiro (fronteira)
se Teste-Término [problema] aplicado a Estado [nó] tiver sucesso
então retorna nó
fronteira  Inserir_Todos(fronteira, Expandir[nó, problema])
fim
Arad
Sibiu Timisoara Zerind fronteira

7 - Árvore de busca
 Os nós da árvore podem guardar mais informação do que apenas o

estado: estrutura de dados com pelo menos 5 componentes:
1. O estado correspondente
2. O seu nó pai
3. O operador aplicado para gerar o nó (a partir do pai)
4. A profundidade do nó
5. O custo do nó (desde a raiz)
6. Os nós filhos
7 - Árvore de Busca
 Exemplo:
 Nó Sibiu
 Pai =
 Operador =
 Profundidade =
 Custo =
 Filhos =
Arad
Arad Fagaras Oradea Rimmici

7 - Árvore de Busca
 Exemplo:
 Nó Sibiu
 Pai = Arad
 Operador = ir de Arad a Sibiu
 Profundidade = 1
 Custo = 140 km
 Filhos = {Arad, Fagaras, Oradea, Rimmici}
Arad
Arad Fagaras Oradea Rimmici

8 - Grafo de Busca
 Não considera nós repetidos:
Arad
Fagaras Oradea Rimmici

8.1 - Algoritmo
 Algoritmo geral de busca em grafo:
função BUSCA-EM-GRAFO(problema, estratégia) retorna solução ou falha

inicie o conjunto de nós explorados como vazio
inicie a fronteira com o estado inicial
repita
se não existe nenhum candidato para expansão então retorne falha

escolha o nó para expansão de acordo com a estratégia
se o nó contém um estado objetivo então retorne a solução
adicione o nó ao conjunto de nós explorados
expanda o nó, adicionando os nós resultantes à árvore de busca
somente se ele não estiver na fronteira ou no conjunto de nós
explorados
fim repita
9 - Desempenho
 Obtenção da solução (completeness)

 O algoritmo garante encontrar a solução quando ela existe?
 Otimalidade da solução
 A solução encontrada é ótima?
9 - Desempenho
 Complexidade de tempo
 Quanto tempo o algoritmo leva para encontrar uma solução?
 Complexidade de espaço
 Quanta memória é necessária para executar a busca?
9 - Desempenho
 1. O algoritmo encontrou alguma solução?

 2. É uma boa solução?
 custo de caminho (qualidade da solução)
 3. É uma solução computacionalmente barata?

 custo da busca (tempo e memória)
 Custo total
 custo do caminho + custo da busca
 Espaço de estados grande:
 compromisso entre a melhor solução e a solução mais barata
10 - Estratégias de busca
 Busca sem informação ou cega

 Informação sobre os estados é somente aquela fornecida na
definição do problema
 Somente geram sucessores e distinguem se um estado é
objetivo ou não
 Estratégias que sabem se um estado é mais promissor que outro

são estratégias de busca com informação ou busca heurística.
 Diferentes estratégias se distinguem pela ordem em que os nós

são expandidos
12 - Referências
 Livro Russel e Norvig, 2003. Cap. 3
 Slides de:
 UFABC – Profa Ana Carolina Lorena
 UFPE - Prof Marcilio Souto

Aula 3 - Resolução de Problemas Por Busca

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 3 - Resolução de Problemas Por Busca

Enviado por

Direitos autorais:

Formatos disponíveis

Notícias sobre IA

MCTA014-15 - Inteligência Artificial

Profa: Karla Vittori

 Exemplo: Viajar de Arad a Bucareste (Romênia)

 Exemplo: Viajar de Arad a Bucareste (Romênia)

578 km – aproximadamente 6 horas e 54 minutos

 Primeiro passo: definir o(s) objetivo(s)

 O que deve ser alcançado?

 Baseado na situação atual

 Qual é a medida de desempenho?

 Objetivo pode ser visto como um estado a ser alcançado, entre

 Ex. estado: estar em alguma cidade

 Segundo passo: formular o problema

 Processo de decidir quais ações e estados devem ser

 Estados = cidades percorridas

 Objetivo = chegar a Bucareste a partir de Arad usando a menor

 Podem haver estados intermediários na construção da solução

Sibiu Timisoara Zerind

 Descobrir qual sequência de ações levará ao estado objetivo

 Escolha da sequência de ações a ser seguida, entre diversas

 Uma solução para um problema é um caminho desde o estado

 Solução ótima tem menor custo de caminho entre todas as

 Encontrada a solução, ações recomendadas podem ser executadas

 No exemplo, consiste em seguir a rota de cidades recomendada

 2) Ações/operadores possíveis para gerar novo estado

 Estado inicial e operadores definem o espaço de estados

Sibiu Timisoara Zerind

 Determinar se um dado estado é o estado objetivo

 4) Uma função de custo de caminho

 Atribui custo numérico a cada caminho no grafo

 Geralmente reflete a medida de desempenho

Como escolher estados e ações?

 Abstrair detalhes irrelevantes

 Exemplo: dirigir de São Paulo a Ribeirão Preto

 É tarefa do projetista fazer as boas escolhas

 Gera os estados válidos que resultam na tentativa de executar

 Uma peça pode deslizar para o espaço vazio

 Exemplo de estado inicial e o estado final:

 Problema dos quebra-cabeças deslizantes

 Ainda não existem algoritmos determinísticos polinomiais para

 8 peças: 181.440 estados possíveis

 15 peças: 1,3 trilhão de estados

 24 peças: 1025 estados

 Problema das 8 rainhas

 Há 3x1014 possíveis estados

 Com essa formulação, temos

 64 x 63 x … x 57  3 x 1014 sequências possíveis para

 Outra possível formulação

 Contudo, para 100 rainhas

 Planejar movimentos de máquinas

 Posicionamento de componentes e conexões em chip,

 Lidar também com erros em sensores e controles

 Formule o problema a seguir, definindo: o estado inicial, o teste de

 Um macaco com altura de 3 pés está em uma sala onde algumas

 Um macaco com altura de 3 pés está em uma sala onde algumas

Estado inicial – Macaco está na sala onde há bananas.

Operadores – i) empurrar um cesto ou os dois cestos; ii) subir no cesto; iii)

Teste de término – Macaco consegue pegar as bananas.

Função custo – Número de ações.

 Resolução dos problemas após formulação

 Por meio de busca no espaço de estados

 Inicialmente, técnicas que usam árvore de busca explícita