Sistemi basati su conoscenza Ricerca di soluzioni a problemi Prof. M.T. PAZIENZA a.a. 2002-2003.

Presentazione sul tema: "Sistemi basati su conoscenza Ricerca di soluzioni a problemi Prof. M.T. PAZIENZA a.a. 2002-2003."— Transcript della presentazione:

1 Sistemi basati su conoscenza Ricerca di soluzioni a problemi Prof. M.T. PAZIENZA a.a. 2002-2003

2 Agente risolutore di problemi (basato su obiettivi) PROBLEMA Obiettivo + Mezzi per raggiungere l’obiettivo RICERCA Processo di esplorazione Cosa possono fare i mezzi a disposizione

3 Agente risolutore di problemi (basato su obiettivi) Gli obiettivi aiutano l’agente ad organizzare il comportamento limitando gli scopi che l’agente sta cercando di raggiungere. Un obiettivo è l’ insieme degli stati del mondo in cui è soddisfatto l’obiettivo stesso. Le azioni sono causa di transizioni tra stati del mondo. L’agente deve scegliere una sequenza di azioni (tra tutte quelle possibili) che lo conduce ad uno stato obiettivo.

4 Agente risolutore di problemi (basato su obiettivi) Formulazione dell’obiettivo (basata sulla situazione attuale) Formulazione del problema (processo di decisione di quali azioni e stati della risoluzione del problema considerare, susseguentemente alla formulazione dell’obiettivo)

5 Agente risolutore di problemi (basato su obiettivi) Ove esistono più alternative (sequenze di azioni che raggiungono l’obiettivo), l’agente Se non conosce lo stato risultante dopo aver compiuto ciascuna azione, né altre informazioni addizionali, potrà solo scegliere a caso Se possiede informazioni sugli stati nei quali potrebbe portarsi e sulle azioni che potrebbe compiere, userà queste informazioni per scegliere la sequenza di azioni da intraprendere.

6 Ricerca Ricerca è il processo per l’individuazione / scelta della migliore sequenza di azioni che conducono a stati di esito conosciuto effettuata da parte di un agente che abbia diverse opzioni immediate di esito sconosciuto La soluzione di un problema, proposta da un algoritmo di ricerca, è quella sequenza di azioni individuata a fronte di un particolare input L’esecuzione coincide con la realizzazione delle azioni suggerite dalla soluzione

7 Agente risolutore di problemi (basato su obiettivi) Formulato un obiettivo ed un problema da risolvere, l’agente attiva una procedura di ricerca per risolverlo, quindi usa la soluzione per guidare le proprie azioni Eseguita la soluzione, l’agente individuerà un nuovo obiettivo

8 Agente di ricerca Formulazione dell’obiettivo (basata sulla situazione attuale). Obiettivo = Insieme degli stati del mondo che soddisfano l’obiettivo Formulazione del problema (processo di scelta in base alla collezione di informazioni dell’agente di azioni e stati da considerare) Ricerca (esaminare differenti sequenze di possibili azioni e poi scegliere la migliore Esecuzione della sequenza di azioni

9 Algoritmo di risoluzione / ricerca 1.INPUT = problema 2.OUTPUT = soluzione nella forma di sequenze di azioni 3.ESECUZIONE = realizzazione/implementazione delle sequenze di azioni

10 Algoritmo generale di Ricerca Dato un problema, una strategia ed un insieme di candidati Ripeti fino ad esaurimento dei candidati: Se non esistono candidati da espandere, Allora non c’è soluzione al problema Altrimenti scegli un nodo foglia da espandere secondo strategia Se il nodo contiene stato obiettivo soluzione trovata Altrimenti espandi nodo secondo strategia Aggiungi all’albero di ricerca i nodi risultanti

11 Struttura dati di un Nodo datatype NODO components: STATO, NODO-GENITORE, OPER., PROFONDITA’, COSTO-CAMMINO Evitare ripetizioni di stati: Non ritornare allo stato da cui si proviene (NO successore=padre) Non creare cammini che abbiano cicli (NO successore=antenato) Non generare nessuno stato già generato prima (NO successore=any prima)

12 Agente risolutore di problemi Soluzione di problema offline; una soluzione di problema online richiede l’agire senza una completa conoscenza del problema e della soluzione

13 Processo di formulazione di problemi Conoscenza che l’agente ha sulle sue azioni e sugli stati Ciò dipende da come l’agente è connesso al suo ambiente, attraverso le “percezioni e le azioni”. Elementi fondamentali nella definizione di un problema sono gli stati e le azioni

14 Formulazione di problemi Spazio degli stati del problema ( insieme di tutti gli stati raggiungibili dallo stato iniziale attraverso qualsiasi sequenza di azioni) (operatore / funzione successore S) Un cammino nello spazio degli stati è una qualsiasi sequenza di azioni che conduce da uno stato ad un altro (costo di cammino g) Il test obiettivo è applicato dall’agente alla descrizione di un singolo stato per determinare se è in uno stato obiettivo.

15 Formulazione di problemi L’output di un algoritmo di ricerca è una soluzione, ovvero un cammino dallo stato iniziale allo stato che soddisfa il test obiettivo

16 Conoscenza e Tipi di problemi Problemi a stato singolo (mondo accessibile, conoscenza effetto delle azioni, quindi agente può calcolare lo stato dopo la sequenza delle azioni) Problemi a stati multipli (mondo non accessibile, conoscenza effetto delle azioni, agente ragiona su insiemi di stati raggiungibili dopo la sequenza di azioni) Problemi di contingenza (ignoranza dell’agente sulla sequenza di azioni, quindi definizione alberi di azioni = pianificazione) Problemi di esplorazione (nessuna conoscenza sugli effetti delle proprie azioni, attraverso la sperimentazione scoprire gradualmente effetti delle azioni e stati esistenti)

17 Conoscenza e Tipi di problemi Problemi a stato singolo (deterministico, accessibile) Problemi a stati multipli (deterministico, inaccessibile) Problemi di contingenza (nondeterministico, inaccessibile) Problemi di esplorazione (spazio degli stati sconosciuto)

18 Problemi a stato singolo Caso più semplice Agente riceve dai sensori informazioni sufficienti sullo stato in cui si trova (mondo accessibile) e Conosce esattamente le conseguenze di ciascuna azione Quindi l’agente può calcolare esattamente in quale stato sarà dopo qualsiasi sequenza di azioni

19 Formulazione di problemi a stato singolo Un tale problema è definito da 4 caratteristiche: 1.Stato iniziale 2.Operatore / funzione successore S(x) 3.Test obiettivo 4.Funzione costo cammino Una soluzione è una sequenza di operatori che conducono dallo stato iniziale ad uno stato obiettivo

20 Problemi a stati multipli L’agente conosce tutti gli effetti delle sue azioni, ma Ha un accesso limitato allo stato del mondo (per esempio può non avere sensori – sa solo che il suo stato iniziale appartiene all’insieme degli stati) L’agente deve ragionare su insiemi di stati in cui potrebbe giungere invece che su stati singoli, in quanto il mondo non è completamente accessibile

21 Formulazione di problemi a stati multipli Un tale problema è definito da 4 caratteristiche: 1.Insieme di stati iniziali 2.Insieme di operatori / funzione successore S(x) (per ciascuna azione viene specificato l’insieme di stati raggiunti da qualsiasi stato considerato. Un cammino collega insiemi di stati) 3.Test obiettivo 4.Funzione costo cammino Una soluzione è un cammino che conduce ad un insieme di stati che sono tutti stati obiettivo. Spazio dell’insieme di stati

22 Problemi di contingenza pianificazione Talvolta l’ignoranza impedisce all’agente di trovare una sequenza di azioni che garantisca di arrivare alla soluzione Capacità di rilevamento durante la fase di esecuzione L’agente deve calcolare un intero albero di azioni piuttosto che una singola sequenza di azioni (un ramo dell’albero tratta una situazione contingente possibile che si potrebbe verificare) Nel mondo reale si incontrano molti problemi di contingenza poiché la predizione esatta è impossibile

23 Problemi di contingenza pianificazione Necessari algoritmi complessi L’agente può agire prima di aver trovato un piano garantito (comincia effettivamente l’esecuzione e vede quali soluzioni contingenti si verificano veramente) Date le informazioni supplementari l’agente può poi continuare a risolvere il problema

24 Problemi di esplorazione L’agente non ha alcuna informazioni sugli effetti delle proprie azioni L’agente deve sperimentare scoprendo gradualmente cosa produrranno le sue azioni e quali tipi di stati esistono. La ricerca si svolge nel mondo reale e non in un modello: agire può comportare danni significativi per un agente privo di conoscenza Se sopravvive, acquisisce conoscenza che può riusare per problemi successivi

25 Efficacia della ricerca Misura dell’efficacia 1.Si trova almeno una soluzione? 2.E’ una buona soluzione (con un costo di cammino basso)? 3.Qual è il costo della ricerca associato al tempo ed alla memoria richiesti per trovare una soluzione? Costo totale = costo di cammino + costo di ricerca

26 Costo della ricerca L’agente deve decidere quali risorse dedicare alla ricerca e quali all’esecuzione. Per spazi degli stati piccoli, si considera il costo di cammino più basso Per problemi complessi trovare punto di equilibrio (l’agente può cercare per un tempo molto lungo di ottenere una soluzione ottimale, oppure può cercare per un tempo più breve ed ottenere una soluzione con costo di cammino lievemente maggiore)

27 Risoluzione di problemi Decidere cosa inserire nella descrizione degli stati e degli operatori e cosa tralasciare (rappresentazione) Il processo di eliminare dettagli da una rappresentazione viene chiamato astrazione (astrazione nella descrizione dello stato e delle azioni) Una buona astrazione comporta l’eliminazione di più dettagli possibili mantenendo la validità ed assicurando che le azioni astratte siano facili da realizzare

28 Classi di problemi Problemi giocattolo (Rompicapo dell’8 – Mondo dell’aspirapolvere) Problemi del mondo reale (Ricerca di itinerario)

29 Rompicapo dell’8 tessera vuota Operatore: la tessera vuota cambia posto con la tessera alla sua sinistra

30 Rompicapo dell’8 Formulazione del problema tessera vuota Stati: specifica della posizione di ciascuna delle 8 tessere + tessera vuota : Operatori: muovere la tessera vuota a sinistra, destra, sopra, sotto (nessun salto ammesso) Test obiettivo: verifica della configurazione finale Costo di cammino: ciascun passo costa 1 (costo del cammino = lunghezza del cammino)

31 Mondo dell’aspirapolvere Spazio degli stati Archi/azioni: L=spostati a sn, R=spostati a dx, S=aspira

32 Mondo dell’aspirapolvere semplificato Agente conosce la propria posizione e le posizioni di tutte le parti con sporcizia; aspira bene. Stati: uno degli stati di figura Operatori: spostati a sn, spostati a dx, aspira Test obiettivo: non lasciare sporcizia nei quadrati Costo di cammino: ciascuna azione costa 1 Soluzione: da un qualsiasi stato di partenza seguire le frecce fino ad uno stato obiettivo

33 Mondo dell’aspirapolvere senza sensori In qualsiasi istante l’agente si trova in un insieme di stati ma non sa in quale stato di quell’insieme sia

34 Mondo dell’aspirapolvere senza sensori L’aspirapolvere non ha alcun sensore e deve raccogliere tutta la sporcizia Insiemi di stati: sottoinsiemi di stati della figura Operatori: spostati a sn, spostati a dx, aspira Test obiettivo: ogni stato dell’insieme degli stati non contiene sporcizia Costo di cammino: ciascuna azione costa 1 Soluzione: dall’insieme iniziale degli stati (tutti) seguire le frecce fino a raggiungere un insieme di stati senza sporcizia

35 Strategia di ricerca Criteri di valutazione della strategia : Completezza (se esiste una soluzione viene trovata sempre) Complessità temporale Complessità spaziale Ottimalità

36 Strategie di ricerca 1.Ricerca non informata ( o cieca) Non si ha alcuna informazione sul numero di passi o sul costo di cammino dallo stato attuale all’obiettivo 1.Ricerca informata ( euristica) Si hanno informazioni di preferenze tra gli stati Ricerca informata più efficace di quella non informata

37 Ricerca in ampiezza Tutti i nodi di profondità d nell’albero si espandono prima dei nodi di profondità d+1 Strategia sistematica (esaminati prima i cammini di lunghezza i, poi i+1,poi i+2,…)

38 Ricerca in ampiezza Se esiste una sola soluzione, la ricerca in ampiezza la trova Se esistono più soluzioni, viene trovato per prima lo stato obiettivo più alto (quindi a costo minimo) Valutazione: ricerca completa ed ottimale

39 Ricerca in ampiezza Se esiste una sola soluzione, la ricerca in ampiezza la trova Se esistono più soluzioni, viene trovato per prima lo stato obiettivo più alto (quindi a costo minimo) Valutazione: ricerca completa ed ottimale

40 Ricerca in ampiezza Se fattore di ramificazione = b al livello i si avrà ramificazione = Se la soluzione si trova dopo un cammino di lunghezza d, il numero massimo (soluzione peggiore) di nodi espansi è (l’obiettivo non viene espanso)

41 Ricerca in ampiezza Complessità spaziale coincide con complessità temporale perché tutti i nodi foglia dell’albero di ricerca devono essere mantenuti in memoria contemporaneamente

42 Ricerca a costo uniforme La ricerca a costo uniforme trova gli obiettivi più superficiali. Modifica la strategia in ampiezza espandendo sempre il nodo sul confine con il costo più basso (misurato con il costo del cammino g(n)), invece del nodo di profondità minima La prima soluzione trovata è quella più conveniente

43 Ricerca a costo uniforme Si trova sempre la soluzione più economica se si verifica che il costo del cammino non decresce mai quando lo percorriamo. Il costo del cammino di un nodo è somma dei costi degli operatori che determinano il cammino

44 Ricerca a costo uniforme

45 Ricerca in profondità La ricerca in profondità espande sempre il primo dei nodi al livello più profondo dell’albero. La ricerca torna indietro ed espande nodi a livelli più superficiali solo quando arriva ad un nodo foglia non obiettivo. La funzione di ricerca userà un meccanismo di inserimento in un pila

46 Ricerca in profondità

47 Occupazione di memoria modesta (memorizza un solo cammino dalla radice al nodo foglia, oltre ai nodi fratelli di ciascun nodo del cammino che rimangono non espansi) Con uno spazio degli stati con fattore di ramificazione b e profondità massima m, la ricerca in profondità memorizza bm nodi Complessità temporale della ricerca in profondità è La ricerca in profondità può rimanere bloccata in un cammino sbagliato di lunghezza infinita. Valutazione: né completa, né ottimale

48 Ricerca a profondità limitata Si impone un taglio/limite alla profondità massima di un cammino (se si conosce bene il problema) Suggerimento: Taglio=profondità obiettivo più superficiale

49 Ricerca bidirezionale La ricerca bidirezionale ricerca contemporaneamente sia in avanti, dallo stato iniziale, sia all’indietro, dall’obiettivo, fermandosi quando le due ricerche si incontrano. Con fattore di ramificazione pari a b in entrambe le direzioni e soluzione a profondità d, allora la soluzione verrà trovata in

50 Ricerca bidirezionale

51 Problemi: Definire predecessori di un nodo n (quei nodi che abbiano n come successore) Gli operatori in genere non sono reversibili, per cui il calcolo dei predecessori in genere risulta complesso. Cosa succede quando si hanno più stati obiettivo?

52 Ripetizioni di stati Si possono semplificare alberi di ricerca infiniti dovuti a ripetizioni di stati, generando solo la porzione di albero che ricopre il grafo dello spazio degli stati. Evitare riduzioni di stati può generare una riduzione esponenziale del costo di ricerca.

53 Ripetizioni di stati Suggerimenti: Non ritornare allo stato da cui si proviene Non creare cammini che abbiano cicli Non generare alcuno stato già generato prima