El objetivo de esta asignatura es ofrecer una visión de los diferentes modelos
de representación del conocimiento y razonamiento que se emplean habitualmente
en el área de Planificación en Inteligencia Artificial. Los sistemas de
planificación automática se utilizan para determinar el conjunto de pasos o
acciones que es necesario aplicar para resolver un problema determinado.
Se estudiarán modelos de planificación clásica, incluyendo las actuales
técnicas de planificación heurística, así como modelos alternativos como la
planificación temporal o con incertidumbre. Los estudiantes trabajarán con los
planificadores más actuales para la resolución de problemas reales.
Asimismo, se ofrecerá un enfoque práctico de la planificación a través de la
modelización de problemas de logística, robótica, transporte, gestión de
cadenas de suministro, etc.
A16. Planificación automática
102480
2022-23
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 (clases en vídeo): el
material audiovisual que cubre la asignatura tiene una duración total de
aproximadamente 8 horas. Asumiendo una media de 2,5 veces el visionado de cada
uno de los vídeos, el tiempo dedicado a las sesiones virtuales sería de unas
20 horas.
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (50
horas).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos (30 horas).
A4 - Foros y chats: lanzamiento, lectura y contestación de cuestiones y
temas para la discusión general (6 horas).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones sobre
los trabajos a realizar, aclaraciones sobre las preguntas de los
cuestionarios, etc. (6,5 horas).
Puede consultar en este enlace el Cronograma
de Carga de Trabajo.
E1 - Valoración de los cuestionarios de evaluación: los
estudiantes realizan un total de 4 cuestionaros de evaluación que cubren todo
el temario de la asignatura. El peso de los cuestionarios en la nota final es
del 30%.
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. El peso en la nota final de este apartado será del 10% sobre el
total.
E3 - Valoración de los trabajos individuales: los estudiantes
realizan dos trabajos prácticos, un primer trabajo para familiarizarse con el
funcionamiento de un planificador y un segundo trabajo donde el estudiante
realiza el diseño, implementación y ejecución de un problema concreto. El peso
en la nota final de este apartado es del 60% sobre el total.
Para la convocatoria ordinaria, habrá 3 fechas de entrega de trabajos
final de curso. Los alumnos podrán entregar sus trabajos en cualquier momento,
pero sólo en estas fechas se recogerán y evaluarán los que se hayan entregado.
Las fechas serán:
• 13/01/23
Habrá una convocatoria extraordinaria en todas las asignaturas.
Para su evaluación, la fecha límite para la entrega de trabajos será:
• 14/07/23
Las actas de la convocatoria ordinaria se cerrarán en julio de 2023 y las de
la convocatoria extraordinaria en septiembre de 2023.
• 17/03/23
• 31/05/23
Todas las asignaturas estarán en la plataforma a disposición de los
estudiantes desde octubre hasta julio.
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
Aineto García, Diego
Doctorado en Informática.
Investigador postdoc en Inteligencia Artificial.
Università degli Studi di Brescia
Borrajo Millán, Daniel
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Universidad Carlos III de Madrid