> El segundo me gustó más. Alguno tiene o sabe de algún algoritmo que me
> recomiende?
Hola Jonathan,
Mis disculpas por esta respuesta larga!
Pienso que el problema de los laberintos puede simplificarse a dos
problemas clásicos en probabilidad condicional.
Uno es el problema de la ruina de un jugador (o mas conocido como Random
Walk). El otro es buscar la ruta mas corta entre dos ciudades sin dejar
de pasar por lugares importantes.
Lo interesante de ambos problemas es que en la actualidad son casos
típicos en motores de búsqueda como googlex y yyahoo.
En ambos casos hay que tirar los dados o la baraja para saber que
dirección se toma. Si el resultado depende de ensayos pasados como en la
baraja, la probabilidad que sigue depende de las opciones que quedan. En
el caso de los dados no es tan inminente.
En la ruina del jugador la probabilidad es condicional también porque la
siguiente apuesta depende de lo que ya se haya ganado o perdido. En la
ruta mas corta la probabilidad es condicional dependiendo si se va por
el camino correcto o equivocado.
Por lo tanto en el laberinto lo importante es saber si se va por el
camino correcto y cuando se llega a una bifurcación (o manifold), se
tiran los dados para saber cual es la mejor opción de ruta a seguir.
Como es difícil saber cuál es la decisión correcta tengo que asignar
probabilidades a cada una de las opciones. Esta probabilidad puede ser
condicional o al azar.
Si sigo adelante por el camino equivocado (a costa de perder la apuesta,
tiempo o plata) debo eliminar esa posibilidad y devolverme a la
bifurcación anterior. Luego escoger otra opción tachando las erradas y
asignando nuevas probabilidades. Repito este proceso hasta encontrar el
camino correcto.
Esto implica que el laberinto es un problema de recursividad (varias
repeticiones) y siendo así es muy apto para lenguajes de inteligencia
artificial como Scheme y Lisp (perdón por la papaya para el
comentario).
Creo que este problema se puede resolver con redes de Bayes o mejor aún
puede ser un ran candidato para una red neuronal que aprende de sus
errores. Sin embargo si hablan con el economista o la ingeniera
industrial, ellos sugerirían una cadena de Markov.
Simplifico toda esta carreta en tirar los dados cada vez que encuentro
una bifurcación del camino pero cargandome mas hacia un lado en las
opciones.
Saludes,
--* Juan
_______________________________________________
____ ____ ___ ____ _ _ ___
|__| |__/ / |___ \/ |__]
| | | \ /__ |___ _/\_ |
arzexp mailing list
[email protected]
http://lists.slow.tk/listinfo.cgi/arzexp-slow.tk
