Sistemas De Producción

´ Sistemas de Produccion
Daniel Borrajo, Carlos Linares
{daniel.borrajo,carlos.linares}@uc3m.es

Departamento de Inteligencia Artificial
Noviembre 2004

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

´ Sistemas de Produccion
´ En los primeros pasos de la IA, se cuestiono el tratamiento que daban los algoritmos tradicionales a los problemas.

• Flujo de control fijo •Secuencialidad • No adecuado en entornos cambiantes
´ Solucion: los datos dirigen las operaciones

Octubre, 2004

I

Departamento de Inteligencia Artificial

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

Componentes de un SP
Base de hechos o memoria de trabajo (BH o WM): conocimiento sobre el dominio en un determinado momento Base de reglas (BR): conjunto de reglas(producciones) SI A ENTONCES B ´ A: condiciones de aplicacion B: acciones sobre la BH o mundo externo ´ Estrategia de control, interprete de reglas, o motor de inferencias (EC o MI): responsable de encadenar los ciclos de funcionamiento. ´ ´ • Fase de decision: seleccion de reglas ´ ´ • Fase de accion: ejecucion de reglas Una regla se activa cuando sus precondiciones son ciertas en el estado actualde la BH o cuando la regla concluye algo que se busca establecer

Octubre, 2004

II

Departamento de Inteligencia Artificial

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

Funcionamiento de un SP
Tipos de sistemas

• Sistemas dirigidos por el antecedente. Modus Ponens • Sistemas dirigidos por el consecuente. Modus Tollens
Fases ´ Fase de decision ´ • Etapa derestriccion (opcional) ´ • Etapa de equiparacion o filtrado. RETE ´ • Etapa de resolucion del conjunto conflicto ´ Fase de accion Caracter´sticas de la estrategia ı ´ • Lo mas general posible ´ • Lo mas eficiente posible (heur´sticas): impl´citas o expl´citas ı ı ı

• Causar movimiento
´ • Ser sistematica
Octubre, 2004 Departamento de Inteligencia Artificial

III

´ Sistemas de ProduccionDaniel Borrajo, Carlos Linares

Ejemplo: 8 puzzle. Base de hechos

1 4

2 7

3 8

5 6

?

2 1 4 7

3 5 6 8

listas: (V11,V12,V13,. . . ,V33) ´ logica de predicados: casilla(X,Y,Valor) marcos: Casilla

es-un:
Atributo x y valor Posibles valores/Valor numero [1..3] ´ numero [1..3] ´ numero [0..8] ´

Octubre, 2004

IV

Departamento de Inteligencia Artificial

´ Sistemas deProduccion

Daniel Borrajo, Carlos Linares

8-puzzle. Base de hechos inicial

1 4
listas: (1,2,3,0,5,6,4,7,8)

2 7

3 8

5 6

?

2 1 4 7

3 5 6 8

´ logica de predicados: casilla(1,1,1),casilla(1,2,2),. . . ,casilla(3,3,8) marcos: casilla11 casilla12

instancia-de: Casilla
Atributo x y valor Posibles valores/Valor 1 1 1

instancia-de: Casilla
Atributo x y valorPosibles valores/Valor 1 2 2

Octubre, 2004

V

Departamento de Inteligencia Artificial

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

8-puzzle. Base de hechos final o metas

1 4

2 7

3 8

5 6

?

2 1 4 7

3 5 6 8

´ listas: (2,0,3,1,5,6,4,7,8) o (2,X,Y,1,5,Z,4,7,8) ´ logica de predicados: casilla(1,1,2),casilla(1,2,0),. . . ,casilla(3,3,8) marcos: casilla11casilla12

instancia-de: Casilla
Atributo x y valor Posibles valores/Valor 1 1 2

instancia-de: Casilla
Atributo x y valor Posibles valores/Valor 1 2 0

Octubre, 2004

VI

Departamento de Inteligencia Artificial

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

8-puzzle. Base de reglas
listas Si (0,X1,X2,X3,X4,X5,X6,X7,X8) Entonces (X1,0,X2,X3,X4,X5,X6,X7,X8) Si(0,X1,X2,X3,X4,X5,X6,X7,X8) Entonces (X3,X1,X2,0,X4,X5,X6,X7,X8) ... ´ Problema: implica definir todas las posibles combinaciones de posicion del vac´o (0) y sus posibles movimientos ı

Octubre, 2004

VII

Departamento de Inteligencia Artificial

´ Sistemas de Produccion

Daniel Borrajo, Carlos Linares

´ 8-puzzle. Logica de predicados
Si casilla(X,Y,0),casilla(X1,Y,Z),X=X1+1 Entonces...