Starts report project part 3

iasa49428/iasa_agente/src/README.md

@@ -131,8 +131,7 @@ g(n) custo do percursos até ao nó n
 h(n) estimativa do custo de n até ao objetivo, sem que o percurso respetivo tenha sido
 
 Métodos de procura:
-- Procura de custo uniforme: explorar primeiro os nós com menor custo acumulado, baseada na ordernação dos nós na fronteirada. 
-Cada nó tem um custo acumulado até ao nó
+- Procura de custo uniforme: explorar primeiro os nós com menor custo acumulado, baseada na ordernação dos nós na fronteira. Cada nó tem um custo acumulado até ao nó
 
 Problema: (complexidade computacional) na inserção dos nós visto que é preciso ordenar a fronteira
 
@@ -166,4 +165,4 @@ Procura não informada (cega) vs procura informada (heurística) (heurística é
 f(n) = g(n) + h(n)
 Variante da procura melhor primeiro, tipo de procura informada, menos eficiente que a procura sôfrega, mas garantidamente ótima
 
-!!IMPORTANTE!!: na procura informada, o atribuito heuristica não vai existir (na arquiteuraa base é protected)
+!!IMPORTANTE!!: na procura informada, o atribuito heuristica não vai existir (na arquiteuraa base é protected)

iasa49428/iasa_agente/src/lib/mod/estado.py

@@ -3,14 +3,13 @@
 class Estado(ABC):
     """
     Representação única e simbolica de um conjunto de informações concretas que caracterizam um estado da modelação de um problema. No âmbito do raciocínio automático, os estados abstraem os aspetos (configurações) estruturais que caracterizam o problema. Ao conjunto de estados possíveis de um problema e às transições entre eles, dá-se o nome de espaço de estados.
-    Nota: Não confundir operador com transição. O operador é uma ação que gera uma transição de um estado para outro, enquanto que a transição é a passagem de um estado para outro.
     """
-    
+
     def __hash__(self):
         return self.id_valor()
-    
+
     def __eq__(self, other):
-        """         
+        """
         Dois estados são iguais se tiverem o mesmo valor de identificação e forem da mesma classe.
         """
 

iasa49428/iasa_agente/src/lib/mod/operador.py

@@ -2,17 +2,18 @@
 
 class Operador(ABC):
     """
-    Representação uma ação geradora de uma transição de um estado para outro. No âmbito do raciocínio automático, os operadores abstraem as transformações (dinâmicas) que ocorrem.
+    Representação uma ação geradora de uma transição de um estado para outro. No âmbito do raciocínio automático, os operadores abstraem as transformações (dinâmicas) que ocorrem. Associado a um operador está uma função que gera o estado sucessor a partir de um estado dado e uma função que define o custo associado à transição de um estado para outro.
+    Nota: Não confundir operador com transição. O operador é uma ação que gera uma transição de um estado para outro, enquanto que a transição é a passagem de um estado para outro.
     """
-    
+
     @abstractmethod
     def aplicar(self, estado):
         """
-        Gera o estado sucessor a partir do estado passado como argumento.
+        Gera a transformação de um estado para outro.
         """
-    
+
     @abstractmethod
     def custo(self, estado, estado_suc):
         """
         Define o custo associado à transição de um estado para outro.
-        """
+        """

iasa49428/iasa_agente/src/lib/mod/problema.py

@@ -3,9 +3,9 @@
 class Problema(ABC):
 
     """
-    Dá suporte ao raciocínio automático representado modelando um problema com um estado objetivo.
+    Dá suporte ao raciocínio automático representado modelando um problema com um estado objetivo. Associado a um problema estão um estado inicial e um conjunto de operadores que permitem a transição entre estados, bem como uma função predicado que verifica se um estado é um estado objetivo.
     """
-    
+
     def __init__(self, estado_inicial, operadores):
         self.__estado_inicial = estado_inicial
         self.__operadores = operadores
@@ -15,7 +15,7 @@ def objetivo(self, estado):
         """
         Função predicado que verifica se o estado passado como argumento é um estado objetivo. Permitindo, desta forma, a resolução do problema associado.
         """
-        
+
     @property # equivalente a um getter do Java
     def estado_inicial(self):
 
@@ -24,12 +24,12 @@ def estado_inicial(self):
         """
 
         return self.__estado_inicial
-    
+
     @property
     def operadores(self):
 
         """
         Retorna os operadores usados para instanciar este problema.
         """
 
-        return self.__operadores
+        return self.__operadores

report/src/bibliography.bib

@@ -78,3 +78,47 @@ @misc{wiki:finite-state-machine
     url = "{https://en.wikipedia.org/wiki/Finite-state_machine}",
     note = "{Online; accessed April 23, 2024}",
 }
+
+@misc{isel:iasa:slides:racicionio-automatico,
+    author = "{Luis Morgado}",
+    title = "{Raciocínio Automático}",
+    year = {2024},
+    note = "[Online; accessed May 5, 2024]",
+}
+
+@misc{stanford:fp:function-predicates,
+    author = "{Stanford University}",
+    title = "{Functional Programming}",
+    year = {2024},
+    url = "{https://dcl-prog.stanford.edu/function-predicate.html}",
+    note = "[Online; accessed May 5, 2024]",
+}
+
+@misc{isel:iasa:slides:proc-espaco-estados-parte-1,
+    author = "{Luis Morgado}",
+    title = "{Procura em Espaço de Estados - Parte 1}",
+    year = {2024},
+    note = "[Online; accessed May 5, 2024]",
+}
+
+@misc{isel:iasa:slides:proc-espaco-estados-parte-2,
+    author = "{Luis Morgado}",
+    title = "{Procura em Espaço de Estados - Parte 2}",
+    year = {2024},
+    note = "[Online; accessed May 8, 2024]",
+}
+
+@misc{isel:iasa:slides:proc-espaco-estados-parte-3,
+    author = "{Luis Morgado}",
+    title = "{Procura em Espaço de Estados - Parte 3}",
+    year = {2024},
+    note = "[Online; accessed May 13, 2024]",
+}
+
+@misc{ist:leic:resumos:procura-cega,
+    author = "{LEIC - Departamento de Engenharia Informática, Instituto Superior Técnico}",
+    title = "{Procura Cega - Resumos LEIC}",
+    year = {2024},
+    url = "{https://resumos.leic.pt/ia/procura-cega/}",
+    note = "[Online; accessed May 5, 2024]",
+}

report/src/chapters/04_project-part2.tex

@@ -1,4 +1,4 @@
-\chapter{Projecto - Parte 2}\label{ch:projeto-parte2}
+\chapter{Projeto - Parte 2}\label{ch:projeto-parte2}
 
 Nesta fase do projeto, o objetivo foi criar, em \textit{python}, um sistema inteligente capaz de se movimentar num espaço com dimensões fixas onde existem obstáculos.
 A finalidade do agente prospetor é recolher os alvos e evitar os obstáculos presentes no ambiente (ver figura~\ref{fig:agente-prospetor}).

report/src/chapters/05_project-part3.tex

@@ -1,3 +1,134 @@
-\chapter{Projecto - Parte 3}\label{ch:projeto-parte3}
+\chapter{Projeto - Parte 3}\label{ch:projeto-parte3}
 
-\lipsum[1-2]
+Nesta fase do projeto, o objetivo foi criar, em \textit{python}, TODO
+
+
+\section{Raciocínio Automático}\label{sec:raciocinio-automatico}
+
+O raciocínio automático é uma área da inteligência artificial que se dedica a desenvolver algoritmos capazes de inferir conclusões a partir de um conjunto de premissas.
+Pode ser visto como um processo computacional, onde se parte de uma representação de conhecimento de um determinado problema e se chega a conclusões, com base em regras de inferência (i.e., processo de manipulação de representações simbólicas para deduzir novas informações baseadas em conhecimento do domínio).
+
+Associado ao processo de raciocínio automático, estão dois tipos de atividades principais:
+
+\begin{itemize}
+    \item \textbf{Exploração}: A exploração das opções possíveis, e que requer antecipação e previsão das suas consequências (raciocínio prospectivo) (e.g., num determinado momento, quantas jogadas possíveis existem num jogo de xadrez para que o jogador possa ganhar o jogo)
+    \item \textbf{Avaliação}: A avaliação das opções exploradas, que requer a comparação das opções possíveis e a escolha da melhor opção.
+    Associadas a escolha estão métricas como o custo e a utilidade (e.g., de todas as jogadas possíveis, qual a que maximiza a probabilidade de ganhar o jogo de xadrez)
+\end{itemize}
+
+De forma a resolver um determinado problema, através do raciocínio automático, é necessário representar o conhecimento do seu domínio através de representações simbólicas internas ao sistema - modelo do problema - com a informação necessária para a resolução do mesmo.
+Estas representações servem de base à simulação para exploração e avaliação de opções possíveis, e são obtidas através de processos de codificação (i.e., da informação concreta do problema em estruturas simbólicas internas) e de descodificação (i.e., processo inverso).
+A imagem~\ref{fig:representacao-problema} ilustra um exemplo de codificação e descodificação de um problema.
+
+\begin{figure}[H]
+    \label{fig:representacao-problema}
+    \begin{center}
+        \resizebox{100mm}{!}{\includegraphics{../figures/representacao-problema}}
+    \end{center}
+    \caption{Representação de um problema.
+    Retirado de~\cite{isel:iasa:slides:racicionio-automatico}, slide 8.}
+\end{figure}
+
+\subsection{Modelo de um Problema}\label{subsec:modelo-problema}
+
+O modelo de um problema é uma representação simbólica interna ao sistema, que contém a informação necessária para a resolução do problema.
+O mecanismo de raciocínio automático é responsável por manipular esta representação, de forma a inferir conclusões e a resolver o problema. Esta representação tem como base os seguintes conceitos:
+
+\begin{itemize}
+    \item \textbf{Estado}: Representação única e simbólica de um conjunto de informações concretas que caracterizam um estado da modelação de um problema. No âmbito do raciocínio automático, os estados abstraem os aspetos (configurações) estruturais que caracterizam o problema. Ao conjunto de estados possíveis de um problema e às transições entre eles, dá-se o nome de espaço de estados;
+    \item \textbf{Operadores}: Representação de uma ação geradora de uma transição de um estado para outro.
+    No âmbito do raciocínio automático, os operadores abstraem as transformações (dinâmicas) que ocorrem.
+    Associado a um operador estão duas funções: uma que gera o estado sucessor a partir de um dado estado e outra que define o custo associado a essa transição, e que pode depender ou não do estado atual e do estado sucessor;
+    \item \textbf{Transição}: Em contraste com o operador, a transição é a ação efetiva da passagem de um estado para outro (geram o estado sucessor), que ocorre quando um operador é aplicado sobre as representações internas dos estados.
+    \item \textbf{Problema}: Dá suporte ao raciocínio automático, modelando um problema ao qual está inerente uma finalidade;
+    Associado a um problema está o estado inicial, um conjunto de operadores e uma função predicado~\cite{stanford:fp:function-predicates} que verifica se um estado recebido é um estado objetivo ou objetivos explicítos.
+    O problema considera-se resolvido quando um estado objetivo é atingido.
+\end{itemize}
+
+
+\section{Mecanismo de procura}\label{sec:mecanismo-procura}
+
+O mecanismo de procura é um dos mecanismos de raciocínio automático, que tem como objetivo encontrar uma solução para um problema de procura.
+
+Associado a um mecanismo de procura está o conceito de árvore de procura, que é uma estrutura responsável por manter a informação gerada durante o processo de procura.
+Caracteriza-se pelos seguintes conceitos:
+
+\begin{itemize}
+    \item \textbf{Nó}: Representa um estado do problema.
+    Além disso, contém informação, tal como: operador (que foi aplicado para gerar o estado sucessor, e que pode não existir); antecessor (nó antecessor ao qual foi aplicado o operador para gerar este nó, e que pode não existir).
+    E informação complementar para controlo do processo de procura: profundidade (do nó na árvore de procura, incremental a cada nível da árvore de procura); custo (associado ao caminho que vai do nó raiz ao nó, incremental a cada transição de um nó para o nó sucessor).
+    Existe ainda o conceito de nós abertos (que ainda não foram expandidos) e nós fechados (que já foram expandidos);
+    Os nós são comparáveis entre si através do seu custo;
+    \item \textbf{Fronteira}: Representa os nós folhas da árvore de procura.
+    Estes nós são candidatos a serem expandidos.
+    A forma como é feita essa expansão dependerá da estratégia de procura utilizada (ver secção~\ref{sec:estrategias-procura}).
+    \item \textbf{Solução}: Representa um percurso (sequência de estados e operadores), no espaço de estados, nomeadamente, corresponde ao caminho que vai do nó raiz (estado inicial) a um dos nós objetivo (estado objetivo).
+    Podem existir várias soluções para um problema de procura, que dependem também da estratégia de procura utilizada (ver secção~\ref{sec:estrategias-procura}), ou até mesmo não existir solução.
+\end{itemize}
+
+\subsection{Processo de Procura}\label{subsec:processo-procura}
+
+O processo de procura (ver figura~\ref{fig:processo-procura}) é um processo iterativo que tem como objetivo encontrar uma solução para um problema de procura, através da exploração do espaço de estados a partir do estado inicial.
+É caracterizado pelos seguintes passos~\cite{isel:iasa:slides:proc-espaco-estados-parte-1}:
+
+\begin{itemize}
+    \item É verificado se o estado atual corresponde ao estado objetivo.
+    Se corresponder ao objetivo, o processamento termina e é retornado o percurso do estado inicial ao estado objetivo (i.e., a solução);
+    \item Não sendo o estado atual um objetivo, esse estado é expandido, sendo gerados todos os estados sucessores por aplicação dos vários operadores possíveis;
+    \item Para cada estado sucessor é repetido o processo;
+    \item Se não existirem estados sucessores, o processo de procura termina com a indicação de que não existe solução. A não existência de estados sucessores resulta, por exemplo, da exploração de todo o espaço de estados sem ter sido encontrada solução.
+\end{itemize}
+
+\begin{figure}[H]
+    \label{fig:processo-procura}
+    \begin{center}
+        \resizebox{100mm}{!}{\includegraphics{../figures/processo-de-procura}}
+    \end{center}
+    \caption{Processo de procura.
+    Retirado de~\cite{isel:iasa:slides:proc-espaco-estados-parte-1}, slide 7.}
+\end{figure}
+
+
+\section{Estratégias de Procura}\label{sec:estrategias-procura}
+As estratégias de procura são responsáveis por definir a forma como a árvore de procura é explorada, ou seja, a ordem pela qual os nós são expandidos.
+Existem várias estratégias de procura que se podem dividir em dois grupos: estratégias de procura não informada (cega) (ver secção~\ref{subsec:procuras-nao-informadas}) e estratégias de procura informada (heurística) (ver secção~\ref{subsec:procuras-informadas}).
+
+Alguns dos critérios de classificação das estratégias de procura são~\cite{ist:leic:resumos:procura-cega, isel:iasa:slides:proc-espaco-estados-parte-2}:
+
+\begin{itemize}
+    \item \textbf{Completa}: Se a estratégia encontra \textbf{sempre} uma solução para o problema proposto, caso exista (e caso não exista, diz que não há solução).
+    \item \textbf{Ótima}: Se a estratégia encontra a solução com o menor custo possível.
+    \item \textbf{Complexidade de espaço}: Espaço de memória necessário para encontrar a solução (i.e., número máximo de nós que a estratégia mantém em memória)
+    \item \textbf{Complexidade de tempo}: Tempo necessário para encontrar a solução (i.e., número de operações necessárias para encontrar a solução)
+    \item \textbf{Profundidade Máxima}: Corresponde à quantidade máxima de espaços entre um qualquer par de estados ($m$).
+    \item \textbf{Fator de Ramificação}: Número máximo de sucessores de um dado nó ($b$).
+    \item \textbf{Profundidade da solução}: Profundidade do nó objetivo na árvore de procura ($d$).
+\end{itemize}
+
+\subsection{Procuras Não-Informadas}\label{subsec:procuras-nao-informadas}
+
+As procuras não-informadas (ver figura~\ref{fig:tabela-estrategias-procura-nao-informadas}) são estratégias de procura que não utilizam informação adicional para guiar o processo de procura.
+
+\begin{figure}[H]
+    \label{fig:tabela-estrategias-procura-nao-informadas}
+    \begin{center}
+        \resizebox{100mm}{!}{\includegraphics{../figures/tabela-estrategias-procura-nao-informadas}}
+    \end{center}
+    \caption{Tabela de estratégias de procura não-informadas.
+    Retirado de~\cite{isel:iasa:slides:proc-espaco-estados-parte-2}, slide 12.}
+\end{figure}
+
+\subsubsection{Procura em Profundidade}\label{subsubsec:procura-profundidade}
+\paragraph{Procura em Profundidade Limitada}\label{par:procura-profundidade-limitada}
+\paragraph{Procura em Profundidade Iterativa}\label{par:procura-profundidade-iterativa}
+
+\subsubsection{Procura em Largura}\label{subsubsec:procura-largura}
+
+\subsubsection{Procura de Custo Uniforme}\label{subsubsec:procura-custo-uniforme}
+
+
+
+
+\subsection{Procuras Informadas}\label{subsec:procuras-informadas}
+
+Uma heurística é algo que fornece informação para resolver algo de forma expedita, são estimativas rápidas e por isso não são garantidamente ótimas (não produzem indicações robustas que garantidamente levam a boas soluções, no entanto são boas indicações e ajudam a orientar a procura).

report/src/chapters/06_project-part4.tex

@@ -1,3 +1,3 @@
-\chapter{Projecto - Parte 4}\label{ch:projeto-parte4}
+\chapter{Projeto - Parte 4}\label{ch:projeto-parte4}
 
 \lipsum[1-2]

report/src/main.tex

@@ -33,9 +33,9 @@
     \input{chapters/02_context}
     \input{chapters/03_project-part1}
     \input{chapters/04_project-part2}
-    % \input{chapters/05_project-part3}
-    % \input{chapters/06_project-part4}
-    % \input{chapters/07_review}
+    \input{chapters/05_project-part3}
+    \input{chapters/06_project-part4}
+    \input{chapters/07_review}
     \input{chapters/08_conclusion}
 
     % referências