martes, 29 de octubre de 2013

Agentes y ambientes

Hecho por:
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.

Captura de pantalla de la ejecución del 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 en la entrada