Rafael Alcaráz
Monserrat Romero
Luis S. Gatica
Preguntas actividad 1.
¿Llegó el agente a la meta?Si el agente llego a la meta
¿Por qué crees que haya sucedido esto?
Porque el agente tiene tantos pasos disponibles para dar a través del laberinto que en un determinado momento llego hacia la meta,la ejecución random pudo haberlo enviado hacia arriba o hacia abajo, pero por suerte en esta ejecución si llega a la meta ayudado del número tan grande de pasos que tiene por dar.
Captura de pantalla de la ejecución del agente:
Preguntas Actividad 2
¿Llegó el agente a la meta?
Si llegó a la meta.
¿Cómo es la memoria del agente?
Una bandera que le
indica si está caminando o no. Esto es para simular el algoritmo de siempre
tener la mano sobre la pared para eventualmente llegar a la solución. Como
recuerda si está caminando, en caso contrario quiere decir que el robot está
checando su lado izquierdo para ver si dar vuelta o seguir caminando.
¿Notas alguna diferencia con el
agente reflexivo simple?
Si, este agente ahora
ha llegado a la solución en menos tiempo, y por tanto tiene un SCORE más alto.
Captura de pantalla de la ejecución del agente:
Preguntas actividad
3:
¿Llegó el agente a la meta?
Si llegó a la meta
nuestro agente.
Si no llegó a la meta ¿Qué le
falta para eventualmente encontrar la salida?
Como si llegó a la
meta, no fue necesario cambiar a nuestro agente.
Preguntas actividad
4:
¿Pudo llegar el agente a la meta?
Sí pudo llegar el
agente a la meta.
¿Qué calificación obtuvo?
109948
En caso de que no haya podido
salir, realiza las modificaciones a su memoria para que pueda resolver el
laberinto.
Prueba el agente cambiando la
posición y la dirección iniciales y compara el desempeño cada vez.
¿Qué conclusiones obtienes de
esto?
Cambiando y comparando el desempeño nos podemos dar cuenta que nuestro
agente depende mucho de la forma del laberinto, ya que al estar siempre
checando a su lado izquierdo para ver si puede caminar, cuando lo ponemos su
punto de partida a la izquierda del punto de llegada, nuestro agente tarda más
que en cualquier otro punto.
Podemos concluir que los agentes inteligentes dependen totalmente del
ambiente en el que se mueven y las conclusiones a las que es capaz de llegar
con la retroalimentación que recibe del ambiente, y por tanto si queremos que
un agente tenga un desempeño muy bueno, tenemos que conocer el ambiente y saber
cómo responder a esos estímulos.
Captura de pantalla de la ejecución del agente:
No hay comentarios:
Publicar un comentario