Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 51 vistas

    Agente Reactivo Simple

    Cargado por

    Daniel Navas
    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.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Agente Reactivo Simple

    Cargado por

    Daniel Navas
    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.

    Descripción original:

    Título original

    Agente Reactivo Simple.docx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    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.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    51 vistas2 páginas

    Agente Reactivo Simple

    Cargado por

    Daniel Navas
    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.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 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.

    También podría gustarte