Algoritmos cegos: largura-primeiro; profundidade-primeiro; iterativos;
š Leituras
- (Russell & Norvig): SecƧƵes 3.1 a 3.4 (3ĀŖ e 4ĀŖ ediĆ§Ć£o) | CapĆtulo 3 (2ĀŖ ediĆ§Ć£o)
Bibliografia
ā” AĆ§Ć£o: O que Ć© um agente de resoluĆ§Ć£o de problemas?
š Ć um agente que procura uma sequĆŖncia de aƧƵes que o leve do estado inicial atĆ© um estado objetivo, utilizando um processo de procura.
ā” AĆ§Ć£o: Em que tipo de ambientes os agentes de resoluĆ§Ć£o de problemas operam neste capĆtulo?
š Em ambientes episĆ³dicos, determinĆsticos, totalmente observĆ”veis, estĆ”ticos, discretos e conhecidos.
ā” AĆ§Ć£o: O que Ć© a formulaĆ§Ć£o do objetivo?
š Ć o processo em que o agente define o que pretende alcanƧar, restringindo as aƧƵes relevantes.
ā” AĆ§Ć£o: O que Ć© a formulaĆ§Ć£o do problema?
š Ć a definiĆ§Ć£o dos estados, aƧƵes, modelo de transiĆ§Ć£o, estado inicial e estados objetivo.
ā” AĆ§Ć£o: Porque Ć© que a formulaĆ§Ć£o do problema Ć© uma abstraĆ§Ć£o?
š Porque ignora detalhes irrelevantes do mundo real, mantendo apenas o que Ć© necessĆ”rio para encontrar uma soluĆ§Ć£o.
ā” AĆ§Ć£o: O que significa um sistema ser āopenāloopā?
š Significa que o agente executa a sequĆŖncia de aƧƵes sem consultar novos perceptos, assumindo que o ambiente nĆ£o muda.
ā” AĆ§Ć£o: Quando Ć© que um agente deve usar um sistema āclosedāloopā?
š Quando o ambiente Ć© incerto, parcialmente observĆ”vel ou pode mudar durante a execuĆ§Ć£o.
ā” AĆ§Ć£o: O que Ć© um estado objetivo?
š Um estado que satisfaz a condiĆ§Ć£o definida pelo mĆ©todo ISāGOAL do problema.
ā” AĆ§Ć£o: O que Ć© um caminho numa procura?
š Uma sequĆŖncia de aƧƵes que liga o estado inicial a um estado objetivo.
ā” AĆ§Ć£o: O que caracteriza uma soluĆ§Ć£o Ć³tima?
š Ć a soluĆ§Ć£o com menor custo total entre todas as soluƧƵes possĆveis.
ā” AĆ§Ć£o: Porque Ć© que a abstraĆ§Ć£o Ć© essencial na formulaĆ§Ć£o de problemas?
š Porque reduz a complexidade, permitindo que o agente encontre soluƧƵes sem ser sobrecarregado por detalhes irrelevantes.
ā” AĆ§Ć£o: O que distingue problemas padronizados de problemas reais?
š Problemas padronizados tĆŖm formulaƧƵes simples e exatas; problemas reais tĆŖm formulaƧƵes complexas e dependem do domĆnio.
ā” AĆ§Ć£o: Quantos estados tem o mundo do aspirador com duas cĆ©lulas?
š Oito estados, resultantes das combinaƧƵes de posiĆ§Ć£o e sujidade.
ā” AĆ§Ć£o: O que define o estado no 8āpuzzle?
š A posiĆ§Ć£o de cada peƧa e do espaƧo vazio na grelha 3Ć3.
ā” AĆ§Ć£o: Porque Ć© que metade dos estados do 8āpuzzle nĆ£o tĆŖm soluĆ§Ć£o?
š Porque o espaƧo de estados estĆ” dividido em duas classes de paridade, e apenas uma Ć© alcanƧƔvel a partir de um dado estado inicial.
ā” AĆ§Ć£o: O que caracteriza o problema de Knuth (4, ā, !)?
š Tem um espaƧo de estados infinito, porque a operaĆ§Ć£o fatorial pode gerar nĆŗmeros arbitrariamente grandes.
ā” AĆ§Ć£o: O que torna o Sokoban um problema difĆcil?
š O nĆŗmero enorme de estados e a necessidade de evitar posiƧƵes irrecuperĆ”veis ao empurrar caixas.
ā” AĆ§Ć£o: Porque Ć© que problemas reais como viagens aĆ©reas exigem estados mais complexos?
š Porque o custo e as aƧƵes dependem de fatores histĆ³ricos, horĆ”rios, ligaƧƵes e restriƧƵes adicionais.
ā” AĆ§Ć£o: O que caracteriza um problema de touring como o TSP?
š O objetivo Ć© visitar um conjunto de locais, minimizando o custo total da viagem.
ā” AĆ§Ć£o: Porque Ć© que a navegaĆ§Ć£o de robĆ“s tem um espaƧo de estados muito grande?
š Porque envolve posiƧƵes contĆnuas e mĆŗltiplos graus de liberdade, como Ć¢ngulos de juntas.
ā” AĆ§Ć£o: O que Ć© a Ć”rvore de procura?
š Ć a estrutura construĆda pelo algoritmo, contendo caminhos possĆveis desde o estado inicial.
ā” AĆ§Ć£o: O que Ć© a fronteira?
š O conjunto de nĆ³s gerados mas ainda nĆ£o expandidos.
ā” AĆ§Ć£o: O que significa um estado ter sido āatingidoā?
š Que existe pelo menos um nĆ³ na Ć”rvore correspondente a esse estado.
ā” AĆ§Ć£o: Porque Ć© que a Ć”rvore de procura pode ter vĆ”rios nĆ³s para o mesmo estado?
š Porque diferentes sequĆŖncias de aƧƵes podem levar ao mesmo estado.
ā” AĆ§Ć£o: O que Ć© o modelo de transiĆ§Ć£o?
š A funĆ§Ć£o RESULT(s,a) que indica o estado resultante de aplicar a aĆ§Ć£o a no estado s.
ā” AĆ§Ć£o: Porque Ć© que ciclos sĆ£o problemĆ”ticos na procura?
š Porque podem gerar caminhos infinitos ou repetidos, desperdiƧando tempo e memĆ³ria.
ā” AĆ§Ć£o: O que distingue procura em Ć”rvore de procura em grafo?
š A procura em grafo evita gerar estados jĆ” atingidos, prevenindo repetiƧƵes.
ā” AĆ§Ć£o: Porque Ć© que a procura em grafo Ć© mais eficiente?
š Porque evita expandir estados repetidos, reduzindo o espaƧo de procura.
ā” AĆ§Ć£o: Quando Ć© que a procura em Ć”rvore pode ser preferĆvel?
š Quando o espaƧo de estados Ć© pequeno ou quando nĆ£o Ć© possĆvel testar estados repetidos.
ā” AĆ§Ć£o: O que caracteriza um algoritmo de procura cego?
š NĆ£o utiliza qualquer informaĆ§Ć£o adicional alĆ©m da definiĆ§Ć£o do problema; nĆ£o sabe que aƧƵes sĆ£o melhores.
ā” AĆ§Ć£o: O que determina o comportamento de um algoritmo cego?
š A forma como escolhe o prĆ³ximo nĆ³ da fronteira para expandir.
ā” AĆ§Ć£o: Porque Ć© que a ordem de expansĆ£o Ć© crucial?
š Porque determina que caminhos sĆ£o explorados primeiro e afeta tempo, memĆ³ria e completude.
ā” AĆ§Ć£o: O que significa expandir um nĆ³?
š Gerar todos os sucessores aplicando as aƧƵes possĆveis ao estado do nĆ³.
ā” AĆ§Ć£o: Porque Ć© que a procura cega pode explorar muitos estados desnecessĆ”rios?
š Porque nĆ£o tem forma de distinguir estados promissores de estados irrelevantes.
ā” AĆ§Ć£o: O que Ć© a ramificaĆ§Ć£o b?
š O nĆŗmero mĆ”ximo de sucessores que um nĆ³ pode ter.
ā” AĆ§Ć£o: O que Ć© a profundidade da soluĆ§Ć£o d?
š O nĆŗmero de aƧƵes no caminho mais curto atĆ© um estado objetivo.
ā” AĆ§Ć£o: O que Ć© a profundidade mĆ”xima m?
š O comprimento do caminho mais longo possĆvel na Ć”rvore de procura.
ā” AĆ§Ć£o: Porque Ć© que custos negativos sĆ£o problemĆ”ticos?
š Porque podem criar ciclos de custo total negativo, levando a soluƧƵes infinitas.
ā” AĆ§Ć£o: Porque Ć© que a procura cega Ć© importante apesar das limitaƧƵes?
š Porque fornece a base conceptual para algoritmos informados e garante completude em muitos casos.
Nova pergunta: š²
1.9.8