WorksheetsBúsqueda en Inteligencia Artificial
Total questions: 20
Worksheet time: 15mins
En la representación de un problema a resolver ¿qué son las acciones del agente?
Aristas de un grafo donde los vértices están anotados con probabilidades.
Aristas de un grafo donde los vértices son estados o configuraciones del mundo.
Vértices de un grafo donde las aristas están anotadas con probabilidades.
Vértices de un grafo donde las aristas son acciones que toma el agente que resuelve el problema.
En el siguiente grafo de búsqueda, ¿Es la heurística admisible?
No, porque el valor de h(S) es menor que el coste real de la solución
No, porque de D a E hay más coste que el indicado en h(D)
Sí, porque el valor de h(G) es 0
Sí, es admisible
Un "agente" en Inteligencia Artificial será
Un programa de ordenador que incluye un sistema no determinista
Un sistema autónomo que resuelve un problema de IA
Un mecanismo para satisfacer las leyes de la IA
Un investigador asociado a técnicas de búsqueda
¿Cuál es la solución encontrada por BFS? S: Start, G: Goal
S→A→B→G
S→D→G
S→A→B→C→G
S→G
La diferencia principal entre las técnicas de búsqueda es cómo ordenan los nodos a explorar
Sí, se refiere a la ordenación de la lista de CERRADOS (Nodos explorados)
Sí, se refiere a la ordenación de la lista de ABIERTOS (nodos por explorar)
No, las técnicas de búsqueda son totalmente diferentes
No, las técnicas de búsqueda no "ordenan" los nodos: los exploran
¿Qué significa completitud en un algoritmo de búsqueda?
Que encuentra la solución a menor profundidad
Que siempre encuentra la solución óptima
Que siempre encuentra una solución
Que se puede aplicar a cualquier problema
Señale aquél algoritmo de búsqueda que sea completo
Búsqueda en anchura
Búsqueda de coste uniforme
Búsqueda greedy
Todos son completos
¿Cuáles son los elementos básicos de todo problema de búsqueda?
Estado (definición), acciones, función objetivo
Estados (definición, inicial y final), acciones
Estados (definición, inicial y final), acciones, función objetivo
Estado (definición, inicial y final), acciones, función objetivo, heurística
La búsqueda A* termina cuando se expande el nodo objetivo
Sí, puesto que se ha completado el camino desde el inicio hasta el objetivo
No, puesto que podría quedar algún camino cuyo valor g( n ) fuese aún menor
Sí, dado que la búsqueda A* es completa y óptima
No, solo si la heurística es admisible
Diferencia entre grafo implícito y árbol de búsqueda
El primero representa el espacio completo de estados, el segundo la búsqueda
Ambos representan el mismo concepto
El primero representa la búsqueda, el segundo es el espacio completo de estados
El primero es el mundo completo, y el segundo el problema concreto
Dado el siguiente grafo de búsqueda, donde G es el nodo objetivo, cuáles de las siguientes heurísticas serían admisibles
Ninguna es admisible
h(A) = 6, h(B) = 1
h(A) = 6, h(B) = 2
h(A) = 5, h(B) = 3
¿Qué solución obtiene la búsqueda Greedy? S: Start; G: Goal
S→D→B→E→G
S→A→G
S→D→B→C→G
S→D→E→G
Considere dos heurísticas admisibles h1 y h2 para el algoritmo A*. Deseamos combinar ambas heurísticas en una sola utilizando una función k. ¿Cuáles de las siguientes opciones para la función k permitiría al algoritmo A* expandir un número mínimo de nodos garantizando la admisibilidad de la heurística?
min {h1(s), h2(s)}
max {h1(s), h2(s)}
h1(s) + h2(s)
Ninguna de las mostradas
¿Qué se entiende por heurística en un problema de búsqueda?
Un cálculo estimado desde el nodo inicio hasta el nodo objetivo
Un cálculo estimado del coste del nodo inicio hasta el actual
La suma del coste acumulado hasta el nodo objetivo
Un cálculo estimado del coste de un estado hasta la solución
Cuanto más cerca esté la heurística del coste real, menor número de nodos se expande
No, porque no sería admisible
No, en ningún caso
Sí, siempre
No, porque no sería consistente
En el siguiente problema de laberinto: ¿cuál es la forma correcta de representar un estado del espacio de búsqueda?
Tupla (x,y,d) que indica las coordenadas del agente y distancia a la salida
Una tupla (x,y) que indica la posición actual de nuestro agente.
Un número entero d que indique la distancia de Manhattan a la salida.
Este problema no se puede representar como un problema de búsqueda
¿Qué significa optimalidad en un algoritmo de búsqueda?
Que siempre encuentra la solución óptima
Que encuentra la solución a menor profundidad
Que se puede aplicar a cualquier problema
Que siempre encuentra una solución
Deseamos conseguir que k robots salgan de un laberinto de tamaño M×N. ¿Cuál es el tamaño del espacio de estados?
MN
(MN)^k
2^(k*MN)
(MN)*k
Imagina un robot en un tablero de 50x20 piezas hexagonales que tiene que recoger un tesoro y volver al punto de inicio. ¿Cuántos estados tendría este problema?
50x20x4x2 = 8000
50x20x6x2 = 12000
50x20 = 1000
50x20x2 = 2000
Dado el siguiente grafo, donde A es el nodo inicio, y H el nodo objetivo ¿Qué camino encuentra el algoritmo UCS (coste uniforme)?
A -> C -> D -> F - > H
A -> C -> D -> E -> G -> H
A -> D -> F -> G -> H
A -> D -> F -> H
