Esta tesis doctoral se centra en dos disciplinas de la Inteligencia Artificial: la planificación de tareas y el aprendizaje automático. La planificación en IA desarrolla sistemas de computación que resuelvan problemas cuya solución consista de un conjunto de acciones, total o parcialmente ordenadas, denominado plan que, mediante su ejecución, consiguen pasar de una situación inicial a otra situación en que se hacen ciertas una serie de metas o fines perseguidos .Debido al enorme tamaño del espacio de búsqueda que hay que explorar, se considera un problema PSPACE-complete [Vil Ander,1991]. Normalmente es necesario definir algún tipo de conocimiento o heuristica que permita obtener eficientemente el plan. Por otro lado, se dice de un programa de ordenador que aprende apartir de la experiencia E, con respecto a alguna clase de area T y una medida de rendimiento P, si su rendimiento en la tarea T, medido mediante P, mejora con la experiencia E[Mitchell,1997] El objetivo de esta tesis es el desarrollo de sistemas de aprendizaje automático aplicables a planificación, para extraer el conocimiento recontrol (o heuristicas) adecuado que incremente la eficiencia (disminuya el tiempo y la memoria consumidos por el ordenador) en resoluciones de nuevos problemas. También se busca definir una metodología de aprendizaje adaptable a distintos paradigmas de planificación capaz de obtener heuristicas. Por ultimo, se estudia la transferencia de dicho conocimiento, primero entre dos planificadores distintos; es decir, se extrae el conocimiento de una técnica de planificación específica, utilizando la metodología diseñada, para aplicarlo en otra diferente; y segundo, a los sistemas de aprendizaje :como le afecta al rendimiento del sistema de aprendizaje la utilización de un conocimiento previo proveniente de una fuente externa. Para poder realizar estas transferencias se necesita haber definido previamente un lenguaje de representación del conocimiento de control
© 2008-2024 Fundación Dialnet · Todos los derechos reservados