Práctica 1

Dado el árbol de juego de la Figura 4, ¿cuál es la mejor jugada para el nodo raíz MAX si aplicamos un algoritmo Minimax?. A. B. C. D.

Dado el árbol de juego de la Figura 6, si aplicamos el algoritmo ExpectiMinimax, ¿cuál es el valor para el nodo MAX?. 5.2. 7.5. 3.7. 8.1.

Escoge cuál de las siguientes afirmaciones es FALSA. Dado el espacio de estados de la Figura 3, si se realiza una búsqueda de tipo A*: Genera un máximo de 3 nodos. La heurística h*(n) es admisible. Genera un máximo de 7 nodos. El primer nodo objetivo encontrado es L.

Dado el árbol de juego de la Figura 5, y asumiendo que NO se produce el corte indicado, tras la aplicación del procedimiento alfa-beta: Se elige la rama B. Se elige la rama A. Se elige la rama C. Se elige la rama A o B al azar.

Dado el espacio de estados de la Figura 2, si realizamos una búsqueda de coste uniforme, ¿cuál es el nodo objetivo que se encuentra en primer lugar?. L. I. F. J.

Dado el espacio de estados de la Figura 3, si se realiza una búsqueda de tipo A*, ¿cuántos nodos es necesario generar, incluyendo el nodo raíz, para encontrar un nodo objetivo?. 10. 7. 3. 5.

Dado el espacio de estados de la Figura 2: Ninguna de las anteriores. La aplicación de un algoritmo de tipo A* devuelve la solución óptima. Una estrategia de coste uniforme devolverá la misma solución que un algoritmo de tipo A*. La función h*(n) es consistente (monótona).

El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas: Que actúen como humanos. Que piensen como humanos. Ninguna de las respuestas es correcta. Que actúen de forma racional en un entorno.

Dado el espacio de estados de la Figura 2, si se realiza una búsqueda en anchura (empezando por la izquierda) ¿cuántos nodos es necesario generar, incluyendo el nodo raíz, para encontrar un nodo objetivo?. 10. 5. 3. 7.

Dado el espacio de estados de la Figura 3, si realizamos una búsqueda voraz, ¿cuál es el nodo objetivo que se encuentra en primer lugar?. L. F. G. I.

Dado el árbol de juego de la Figura 6, si aplicamos el algoritmo ExpectiMinimax, ¿cuál es la mejor jugada para MAX?. A. B. C. D.

Dado el espacio de estados de la Figura 2, si se aplica el algoritmo de profundización iterativa, incrementando el límite de profundidad en una unidad en cada iteración, ¿cuántas iteraciones son necesarias para encontrar un nodo objetivo?. 1. 2. 3. 4.

Dado el espacio de estados de la Figura 3, si realizamos una búsqueda de coste uniforme, ¿cuál es el nodo objetivo que se encuentra en primer lugar?. I. L. F. G.

Dado el espacio de estados de la Figura 1, si realizáramos una búsqueda en profundidad con backtracking (expandiendo primero los nodos más a la izquierda), ¿cuál sería el máximo número de nodos que se almacenarían en memoria simultáneamente?. 3. 5. 10. 8.

Dado el espacio de estados de la Figura 2, si realizamos una búsqueda de tipo A*: Ninguna de las anteriores. Es necesario generar un total de 10 nodos para encontrar una solución con un algoritmo de tipo A*. La función heurística h*(n) no es admisible. EI primer nodo objetivo que encuentra la búsqueda de tipo A* es el nodo J.

Escribe el número correcto (sin decimales). Dado el árbol de juego de la Figura 4, ¿Cuántos nodos evitamos visitar respecto a un algoritmo Minimax simple si realizamos una poda alfa-beta?.

Dado el espacio de estados de la Figura 2, si realizamos una búsqueda de tipo A*, ¿cuántos nodos es necesario generar para encontrar la solución?. 8. 10. 4. 6.

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados son ciertas?. La búsqueda en profundidad es óptima y completa siempre que el coste de los operadores sea constante. La búsqueda en anchura es óptima y completa siempre y cuando eI coste de los operadores sea constante. Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos. Tanto la complejidad en tiempo como la complejidad en espacio de la búsqueda en anchura se pueden expresar en función del número de nodos expandidos.

Dado eI árbol de juego de la Figura 5, ¿qué valor debería tener eI nodo terminal sombreado para que NO se produzca la poda indicada si realizamos una poda alfa-beta?. Con cualquier valor del nodo se produciría un corte. Menor que 4. Nunca se podría producir el corte indicado (cualquiera de las anteriores). Mayor o igual que 3.

Dado eI espacio de estados de la Figura 2, si realizamos una búsqueda voraz, ¿cuál es eI nodo objetivo que se encuentra en primer lugar?. L. F. J. I.

Dado el espacio de estados de la Figura 2, si realizamos una búsqueda de coste uniforme, ¿cuál es el nodo objetivo que se encuentra en primer lugar?. L. F. I. J.

¿Para cuáles de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e., la búsqueda de coste uniforme)?. Gestionar el tráfico rodado en una red de autopistas urbanas. Conducir un taxi en las calles de Barcelona. Encontrar una solución al problema de las Torres de Hanoi. Jugar a las cuatro en raya contra un jugador humano.

Dado el árbol de juego de la Figura 6, si aplicamos el algoritmo ExpectiMinimax, ¿cuál es el valor para el nodo AZAR al realizar la jugada C?. 1.8. -3.2. 3.2. -1.8.

Escribe el número correcto (sin decimales). Dado el árbol de juego de la Figura 4, ¿Cuántas hojas (estados terminales) evitamos visitar respecto a un algoritmo Minimax simple si realizamos una poda alfa-beta?.

Dado el árbol de juego de la Figura 5, ¿qué valor debería tener el nodo terminal sombreado para que se produzca la poda indicada si realizamos una poda alfa-beta?. Nunca se podría producir el corte indicado (ninguna de las anteriores). Mayor o igual que 4. Menor que 3. Con cualquier valor del nodo se produciría un corte.