Este documento compara diferentes tipos de agentes inteligentes, incluyendo agentes reactivos, basados en modelos, basados en objetivos, basados en utilidad y agentes que aprenden. También discute cómo los agentes basados en objetivos son más flexibles que los reactivos ya que su conocimiento puede modificarse, y cómo los agentes basados en utilidad pueden tomar decisiones racionales maximizando su función de utilidad con algoritmos generales.
0 calificaciones0% encontró este documento útil (0 votos)
51 vistas2 páginas
Este documento compara diferentes tipos de agentes inteligentes, incluyendo agentes reactivos, basados en modelos, basados en objetivos, basados en utilidad y agentes que aprenden. También discute cómo los agentes basados en objetivos son más flexibles que los reactivos ya que su conocimiento puede modificarse, y cómo los agentes basados en utilidad pueden tomar decisiones racionales maximizando su función de utilidad con algoritmos generales.
Este documento compara diferentes tipos de agentes inteligentes, incluyendo agentes reactivos, basados en modelos, basados en objetivos, basados en utilidad y agentes que aprenden. También discute cómo los agentes basados en objetivos son más flexibles que los reactivos ya que su conocimiento puede modificarse, y cómo los agentes basados en utilidad pueden tomar decisiones racionales maximizando su función de utilidad con algoritmos generales.
Este documento compara diferentes tipos de agentes inteligentes, incluyendo agentes reactivos, basados en modelos, basados en objetivos, basados en utilidad y agentes que aprenden. También discute cómo los agentes basados en objetivos son más flexibles que los reactivos ya que su conocimiento puede modificarse, y cómo los agentes basados en utilidad pueden tomar decisiones racionales maximizando su función de utilidad con algoritmos generales.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1de 2
Agente Reactivo Simple
El agente funcionará sólo si se puede tomar la decisión correcta sobre la
base de la percepción actual, lo cual es posible sólo si el entorno es totalmente observable. Incluso el que haya una pequeña parte que no se pueda observar puede causar serios problemas. Agente basado en modelos La actualización de la información de estado interno según pasa el tiempo requiere codificar dos tipos de conocimiento en el programa del agente. Primero, se necesita alguna información acerca de cómo evoluciona el mundo independientemente del agente. Segundo, se necesita más información sobre cómo afectan al mundo las acciones del agente Agente basado en objetivos Aunque el agente basado en objetivos pueda parecer menos eficiente, es más flexible ya que el conocimiento que soporta su decisión está representado explícitamente y puede modificarse. En esta sección se compraba el agente reactivo con agente basado en objetivo siguiendo el ejemplo del taxi; en donde el agente reactivo solo reaccionará al frenado si ve las luces traseras encendidas del auto que va por delante; en cambio el basado en objetivo puede tener otras percepciones adicionales, y que de igual manera lo lleven al frenado. Agente basado en utilidad Agentes que aprenden El aprendizaje en el campo de los agentes inteligentes puede definirse como el proceso de modificación de cada componente del agente, lo cual permite a cada componente comportarse más en consonancia con la información que se recibe, lo que por tanto permite mejorar el nivel medio de actuación del agente. Entorno de la aspiradora Cualquier agente racional debe comportarse como si tuviese una función de utilidad cuyo valor esperado tiene que maximizar. Por tanto, un agente que posea una función de utilidad explícita puede tomar decisiones racionales, y lo puede hacer con la ayuda de un algoritmo de propósito general que no dependa de la función específica de utilidad a maximizar.