A16. Planificación automática
102132
2016-17
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
4,5
OPTATIVA
Anual
Castellano
En esta materia estudiarán diferentes paradigmas y técnicas para la resolución
de problemas de planificación. Se analizarán técnicas de planificación de
orden parcial, planificación heurística, y otros paradigmas de planificación.
También se estudiará modelos de planificación no clásica como planificación
temporal y probabilística.
Representación del conocimiento en planificación
Técnicas básicas de planificación: orden parcial, planificación basada en
grafos
Planificación heurística: relajación, abstracción, landmarks
Otros paradigmas de planificación: jerárquica, problema de satisfacción de
restricciones, verificación de modelos
Planificación temporal y con recursos
Planificación probabilística
Tema 1: Introducción
Objetivo de la asignatura
Introducción a la Planificación Automática
Tema 2: Representación en Planificación
Introducción
Representación clásica: lógica de predicados
Representación variable-estado
El mundo de bloques
PDDL1.2
Tema 3: Búsqueda en espacio de estados
Planificación lineal. STRIPS
Planificación lineal y no lineal
Tema 4: Búsqueda en espacio de planes
Tema 5: Búsqueda en grafos de plan
Tema 6: Búsqueda heurística
Heurísticas independientes del dominio. HSP
Heurísticas basadas en plan relajado. FF
Tema 7: Técnicas actuales en planificación clásica
Planificación basada en SAS+. FD, LAMA
Landmarks
Bases de datos de patrones
Búsqueda simbólica. SymBA*
Búsqueda estocástica. LPG
Tema 8: Planificación SAT. SATPLAN
Tema 9: Planificación temporal y con recursos
Tema 10: Planificación con incertidumbre
Tema 11: Aprendizaje en planificación
Introducción
Aprendizaje de conocimiento de control
Aprendizaje de modelos de dominio
Tema 12: Otras técnicas
Redes jerárquicas de tareas. HTN
Planificación multi-agente
Unidades
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG2 - Evaluar nuevas herramientas computacionales y de gestión del
conocimiento en el ámbito de la Inteligencia Artificial.
CG3 - Gestionar de manera inteligente los datos, la información y su
representación.
CE3 - Seleccionar el mecanismo de representación del conocimiento y el método
de razonamiento más adecuados al contexto donde serán utilizados y diseñar su
aplicación para problemas en el ámbito de la Inteligencia Artificial.
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar
su adecuación a la resolución de problemas que surgen en el ámbito de la
Inteligencia Artificial.
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación
en Inteligencia Artificial para poder determinar cuáles de ellas son
relevantes en la resolución de problemas concretos.
A1 - Sesiones presenciales virtuales: visionado inicial del material
audiovisual (vídeos introductorios, presentaciones, animaciones) que se
elabore en cada una de las materias y que servirán presentación de cada uno de
los temas a los estudiantes (12 horas - 100% presencialidad).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (17
horas - 0% presencialidad).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos y estudio (72 horas - 0% presencialidad).
A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión
general (5,5 horas - 0% presencialidad).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc
(6 horas - 100% presencialidad).
E1 - Valoración de los cuestionarios de evaluación: los
estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación
que será objeto de puntuación en la nota final (ponderación mínima 20% y
máxima 40%).
E2 - Valoración de la participación en foros y chats: se
valorará el nivel de participación/debate de los estudiantes que contará para
la nota final (ponderación mínima 10% y máxima 20%).
E3 - Valoración de los trabajos individuales: se valorarán los
problemas, proyectos, trabajos realizados y entregados a través de la
plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se
trate de desarrollo de código) por plataformas de gestión de código como
GitHub. También se incluirá el video que el alumno deberá enviar al profesor
para cada asignatura (ponderación mínima 40% y máxima 70%).
Las sesiones se desarrollarán en enero de 2017.
M. Ghallab, D. Nau, P. Traverso. "Automated Planning. Theory and practice".
Morgan Kaufmann, 2004.
M. Fox, D. Long. "PDDL2.1: An Extension to PDDL for Expressing Temporal
Planning Domains" (PDF). Journal of Artificial Intelligence Research (JAIR).
20: 61–124, 2003.
S. Russell, P. Norvig (2004). "Inteligencia Artificial. Un enfoque moderno"
Prentice Hall.
James F. Allen, James Hendler y Austin Tate (eds.). "Readings in planning".
Morgan Kaufmann, 1990.
International Planning Competition: http://www.icaps-conference.org/index.php/Main/Competitions
PLANET: http://planet.hud.ac.uk/repository/
Artificial Intelligence. A modern approach: http://aima.cs.berkeley.edu/
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Anual
Créditos ECTS: 4,5
Onaindía De la Rivaherrera, Eva
Catedrática de Lenguajes y Sistemas Informáticos
Universidad Politécnica de Valencia
Borrajo Millán, Daniel
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Universidad Carlos III de Madrid