material da aula do dia 28/08

docs/aulas/04_modelagem_espaco/index.md

@@ -0,0 +1,29 @@
+# Modelagem e espaço de busca
+
+Na aula passada implementamos alguns aspiradores de pó com configurações diferentes: 
+
+* [Aspirador de pó com 2 quartos](./src/robo_aspirador.py)
+* [Aspirador de pó com 4 quartos](./src/robo_aspirador_quadrado.py)
+* [Aspirador de pó com 4 quartos e sofás](./src/robo_aspirador_quadrado_poltrona.py)
+
+Muitos de vocês conseguiram verificar que dependendo da configuração do ambiente o aspirador demorava mais ou menos tempo para limpar o ambiente considerando cenários similares, ou seja, todos os quartos sujos: 
+
+```bash
+(venv) ➜  disciplina_ai python robo_aspirador.py 
+Busca em largura
+Tempo de execucao: 0.0002803802490234375 segundos
+Achou!
+ ; ir p/ direita ; limpar ; ir p/ esquerda ; limpar
+(venv) ➜  disciplina_ai python robo_aspirador_quadrado.py 
+Busca em largura
+Tempo de execucao: 0.008468866348266602 segundos
+Achou!
+ ; limpar ; ir p/ direita ; limpar ; ir p/ baixo ; limpar ; ir p/ esquerda ; limpar
+(venv) ➜  disciplina_ai python robo_aspirador_quadrado_poltrona.py 
+Busca em largura
+Tempo de execucao: 0.2716667652130127 segundos
+Achou!
+ ; limpar ; ir p/ direita ; virar poltrona ; limpar ; ir p/ baixo ; virar poltrona ; limpar ; ir p/ esquerda ; limpar
+```
+
+## Qual é a explicação para isto acontecer? 

docs/aulas/04_modelagem_espaco/src/robo_aspirador.py

@@ -0,0 +1,56 @@
+from aigyminsper.search.SearchAlgorithms import BuscaLargura, BuscaProfundidade
+from aigyminsper.search.Graph import State
+import json
+import time
+
+class RoboAspirador(State):
+
+    def __init__(self, op, posicao_robo, situacao_esq, situacao_dir):
+        # You must use this name for the operator!
+        self.operator = op
+        self.posicao_robo = posicao_robo
+        self.situacao_esq = situacao_esq
+        self.situacao_dir = situacao_dir
+
+    def successors(self):
+        successors = []
+        # ir p/ esquerda
+        successors.append(RoboAspirador('ir p/ esquerda','ESQ',self.situacao_esq,self.situacao_dir))
+        # ir p/ direita
+        successors.append(RoboAspirador('ir p/ direita','DIR',self.situacao_esq,self.situacao_dir))
+        # limpar
+        if self.posicao_robo == 'ESQ':
+            successors.append(RoboAspirador('limpar',self.posicao_robo,'LIMPO',self.situacao_dir))
+        else:
+            successors.append(RoboAspirador('limpar',self.posicao_robo,self.situacao_esq,'LIMPO'))       
+        return successors
+
+    def is_goal(self):
+        return self.situacao_esq == 'LIMPO' and self.situacao_dir == 'LIMPO' and self.posicao_robo == 'ESQ'
+
+    def description(self):
+        return "Robo simples limpador de chao"
+
+    def cost(self):
+        return 1
+
+    def env(self):
+        return json.dumps(self.__dict__)
+
+def main():
+    print('Busca em largura')
+    state = RoboAspirador('','ESQ','SUJO','SUJO')
+    algorithm = BuscaLargura()
+    start = time.time()
+    result = algorithm.search(state)
+    print(f'Tempo de execucao: {time.time() - start} segundos')
+    #algorithm = BuscaProfundidade()
+    #result = algorithm.search(state, m=5, trace=True)
+    if result != None:
+        print('Achou!')
+        print(result.show_path())
+    else:
+        print('Nao achou solucao')
+
+if __name__ == '__main__':
+    main()

docs/aulas/04_modelagem_espaco/src/robo_aspirador_quadrado.py

@@ -0,0 +1,69 @@
+from aigyminsper.search.SearchAlgorithms import BuscaLargura, BuscaProfundidade
+from aigyminsper.search.Graph import State
+import json
+import copy
+import time
+
+class RoboAspiradorQuadrado(State):
+
+    def __init__(self, op, posicao_robo, situacao):
+        # You must use this name for the operator!
+        self.operator = op
+        self.posicao_robo = posicao_robo
+        self.situacao = situacao
+
+    def successors(self):
+        successors = []
+        # ir p/ esquerda
+        if self.posicao_robo[1] > 0:
+            new_posicao_robo = [self.posicao_robo[0], self.posicao_robo[1]-1]
+            successors.append(RoboAspiradorQuadrado('ir p/ esquerda', new_posicao_robo, self.situacao))
+        # ir p/ direita
+        if self.posicao_robo[1] < 1:
+            new_posicao_robo = [self.posicao_robo[0], self.posicao_robo[1]+1]
+            successors.append(RoboAspiradorQuadrado('ir p/ direita', new_posicao_robo, self.situacao))
+        # ir p/ cima
+        if self.posicao_robo[0] > 0:
+            new_posicao_robo = [self.posicao_robo[0]-1, self.posicao_robo[1]]
+            successors.append(RoboAspiradorQuadrado('ir p/ cima', new_posicao_robo, self.situacao))
+        # ir p/ baixo
+        if self.posicao_robo[0] < 1:
+            new_posicao_robo = [self.posicao_robo[0]+1, self.posicao_robo[1]]
+            successors.append(RoboAspiradorQuadrado('ir p/ baixo', new_posicao_robo, self.situacao))
+        # limpar
+        if self.situacao[self.posicao_robo[0]][self.posicao_robo[1]] == 0:
+            new_situacao = copy.deepcopy(self.situacao)
+            new_situacao[self.posicao_robo[0]][self.posicao_robo[1]] = 1
+            successors.append(RoboAspiradorQuadrado('limpar', self.posicao_robo, new_situacao))
+
+        return successors
+
+    def is_goal(self):
+        return self.situacao == [[1,1],[1,1]]
+
+    def description(self):
+        return "Robô aspirador de pó em uma matriz 2x2"
+
+    def cost(self):
+        return 1
+
+    def env(self):
+        return json.dumps(self.__dict__)
+
+def main():
+    print('Busca em largura')
+    state = RoboAspiradorQuadrado('',[0,0],[[0,0],[0,0]])
+    algorithm = BuscaLargura()
+    start = time.time()
+    result = algorithm.search(state)
+    print(f'Tempo de execucao: {time.time() - start} segundos')
+    #algorithm = BuscaProfundidade()
+    #result = algorithm.search(state, m=5, trace=True)
+    if result != None:
+        print('Achou!')
+        print(result.show_path())
+    else:
+        print('Nao achou solucao')
+
+if __name__ == '__main__':
+    main()

docs/aulas/04_modelagem_espaco/src/robo_aspirador_quadrado_poltrona.py

@@ -0,0 +1,116 @@
+from aigyminsper.search.SearchAlgorithms import BuscaLargura, BuscaProfundidade
+from aigyminsper.search.Graph import State
+import json
+import copy
+import time
+
+class Quarto:
+
+    def __init__(self, situacao, poltrona, situacao_poltrona):
+        self.situacao = situacao    
+        self.poltrona = poltrona
+        self.estado_poltrona = situacao_poltrona
+
+    def estah_sujo(self):
+        return self.situacao == 'SUJO'
+
+    def limpar(self):
+        self.situacao = 'LIMPO'
+
+    def tem_poltrona(self):
+        return self.poltrona
+
+    def situacao_poltrona(self):
+        return self.estado_poltrona
+
+    def virar_poltrona(self):
+        self.estado_poltrona = 'VIRADA'
+
+    def desvirar_poltrona(self):
+        self.estado_poltrona = 'NORMAL'
+
+
+class RoboAspiradorQuadrado(State):
+
+    def __init__(self, op, posicao_robo, quartos):
+        # You must use this name for the operator!
+        self.operator = op
+        self.posicao_robo = posicao_robo
+        self.quartos = quartos
+
+    def successors(self):
+        successors = []
+        # ir p/ esquerda
+        if self.posicao_robo[1] > 0:
+            new_posicao_robo = [self.posicao_robo[0], self.posicao_robo[1]-1]
+            successors.append(RoboAspiradorQuadrado('ir p/ esquerda', new_posicao_robo, self.quartos))
+        # ir p/ direita
+        if self.posicao_robo[1] < 1:
+            new_posicao_robo = [self.posicao_robo[0], self.posicao_robo[1]+1]
+            successors.append(RoboAspiradorQuadrado('ir p/ direita', new_posicao_robo, self.quartos))
+        # ir p/ cima
+        if self.posicao_robo[0] > 0:
+            new_posicao_robo = [self.posicao_robo[0]-1, self.posicao_robo[1]]
+            successors.append(RoboAspiradorQuadrado('ir p/ cima', new_posicao_robo, self.quartos))
+        # ir p/ baixo
+        if self.posicao_robo[0] < 1:
+            new_posicao_robo = [self.posicao_robo[0]+1, self.posicao_robo[1]]
+            successors.append(RoboAspiradorQuadrado('ir p/ baixo', new_posicao_robo, self.quartos))
+
+        # limpar
+        if self.quartos[self.posicao_robo[0]][self.posicao_robo[1]].estah_sujo():
+
+            if not self.quartos[self.posicao_robo[0]][self.posicao_robo[1]].tem_poltrona():
+                new_quartos = copy.deepcopy(self.quartos)
+                new_quartos[self.posicao_robo[0]][self.posicao_robo[1]].limpar()
+                successors.append(RoboAspiradorQuadrado('limpar', self.posicao_robo, new_quartos))
+            elif self.quartos[self.posicao_robo[0]][self.posicao_robo[1]].situacao_poltrona() == 'VIRADA':
+                new_quartos = copy.deepcopy(self.quartos)
+                new_quartos[self.posicao_robo[0]][self.posicao_robo[1]].limpar()
+                successors.append(RoboAspiradorQuadrado('limpar', self.posicao_robo, new_quartos))
+            elif self.quartos[self.posicao_robo[0]][self.posicao_robo[1]].situacao_poltrona() == 'NORMAL':
+                new_quartos = copy.deepcopy(self.quartos)
+                new_quartos[self.posicao_robo[0]][self.posicao_robo[1]].virar_poltrona()
+                successors.append(RoboAspiradorQuadrado('virar poltrona', self.posicao_robo, new_quartos))
+
+        return successors
+
+    def is_goal(self):
+        for lista in self.quartos:
+            for quarto in lista:
+                if quarto.estah_sujo():
+                    return False
+        return True
+
+    def description(self):
+        return "Robô aspirador de pó em uma matriz 2x2 com poltronas"
+
+    def cost(self):
+        return 1
+
+    def env(self):
+        return json.dumps(self.__dict__)
+
+def main():
+    print('Busca em largura')
+
+    state = RoboAspiradorQuadrado(
+        op='',
+        posicao_robo=[0,0],
+        quartos=[[Quarto('SUJO',False,None),Quarto('SUJO',True,'NORMAL')],[Quarto('SUJO',True,'VIRADA'),Quarto('SUJO',True,'NORMAL')]]
+    )
+
+    algorithm = BuscaLargura()
+    start = time.time()
+    result = algorithm.search(state)
+    print(f'Tempo de execucao: {time.time() - start} segundos')
+    #algorithm = BuscaProfundidade()
+    #result = algorithm.search(state, m=5, trace=True)
+    if result != None:
+        print('Achou!')
+        print(result.show_path())
+    else:
+        print('Nao achou solucao')
+
+if __name__ == '__main__':
+    main()

docs/aulas/04_x_buscas/index.md

@@ -91,24 +91,22 @@ No caso do algoritmo em profundidade, teste duas versões ($m = 10$ e $m = 100$)
 
 Armazene o tempo de processamento criando uma tabela similar a esta: 
 
-| Algoritmo | Objetivo | Tempo de processamento |
+| Algoritmo | Objetivo | Tempo de processamento em segundos |
 |:----------|:--------:|:----------------------:|
-| Busca em Largura | 1 | 0:00:00.000036 |
+| Busca em Largura | 1 | 0.000036 |
 | Busca em Largua | $\cdots$ | $\cdots$ |
-| Busca em Largura| 10 | 0:00:00.000378 |
+| Busca em Largura| 10 | 0.000378 |
 | Busca em Largura | 50 | $\cdots$ | 
-| Busca em Profundidade com $m= 10$ | 1 | 0:00:00.000033 |
+| Busca em Profundidade com $m= 10$ | 1 | 0.000033 |
 | Busca em Produndidade com $m= 10$ | $\cdots$ | $\cdots$ |
 | Busca em Produndidade com $m= 100$ | $\cdots$ | $\cdots$ |
 | Busca em Profundidade Iterativa |  1 | $\cdots$ |
 | Busca em Profundidade Iterativa |  $\cdots$ | $\cdots$ |
 | Busca em Profundidade Iterativa |  50 | $\cdots$ |
 
-Em alguns casos a combinação do algoritmo com o objetivo não fornece um resultado. Você deve informar na tabela estes casos. 
+Em alguns casos a combinação do algoritmo com o objetivo não fornece um resultado. Você deve informar na tabela estes casos. Nestas situações você deve colocar o tempo de processamento como NaN, ou seja, valor faltante. De forma alguma você pode colocar o valor zero nestas situações. Utilize os conhecimentos adquiridos na disciplina de Ciência de Dados do semestre passado e faça um *plot* destes dados em um único gráfico. 
 
-Utilize os conhecimentos adquiridos na disciplina de Ciência de Dados do semestre passado e faça um *plot* destes dados em um único gráfico. 
-
-Em um documento, coloque a tabela, o gráfico e responda as seguintes perguntas: 
+**Em um documento, coloque a tabela, o gráfico e responda as seguintes perguntas**: 
 
 * Segundo o que discutimos em sala de aula, quais destes algoritmos são **ótimos**? Os resultado encontrados neste exercício são coerentes com está informação? Justifique a sua resposta.
 
@@ -118,7 +116,7 @@ Em um documento, coloque a tabela, o gráfico e responda as seguintes perguntas:
 
 * Qual é o algoritmo que tem um tempo de processamento menor? Justifique a sua resposta. 
 
-Esta atividade é individual. O arquivo criado deve ser submetido no Blackboard. A atividade já está disponível no Blackboard e o prazo para entrega é até amanhã, dia **03/03/2024** (domingo) até às 23:30 horas.
+Esta atividade é individual. O arquivo criado deve ser submetido no Blackboard. A atividade já está disponível no Blackboard e o prazo para entrega é até sexta, dia **30/08/2024** até às 23:30 horas.
 
 ## Rubrica de avaliação
 
@@ -130,19 +128,13 @@ Esta atividade é individual. O arquivo criado deve ser submetido no Blackboard.
 | D        | Submeteu um documento, mas o mesmo não responde todas as perguntas de forma correta e também não apresenta a tabela completa ou *plot*.|   
 
 
+<!--
+
 ## Comentários sobre os trabalhos entregues :new:
 
 Pessoal, 
 
-Depois de avaliar os trabalhos entregues por vocês, gostaria de fazer os seguintes comentários: 
-
-* sempre é bom persistir os resultados das simulações. Desta maneira você ou outra pessoa não precisam re-executar novamente todos os experimentos. Para persistir os dados talvez a forma mais simples seja armazenando os dados em um CSV. 
-
-* se você persistir os dados então você deve sempre enviar os dados junto com o relatório. Não adianta persistir os dados e não encaminhar eles junto com o relatório. 
-
-* quando uma simulação não termina (por excesso de tempo ou estouro de memória) vocês não podem colocar zero para o tempo de processamento. Vocês devem sempre colocar algo como valor faltante (NA) ou outro indicador de que este dado não foi possível de ser gerado. 
-
-Além disso, seguem três exemplos de plots bem formados e completos: 
+Seguem três exemplos de plots bem formados e completos: 
 
 <img src="figuras/esdras_convencional.png" width="800" height="600">
 
@@ -151,3 +143,5 @@ Além disso, seguem três exemplos de plots bem formados e completos:
 <img src="figuras/laura.png" width="800" height="600">
 
 Estes dois *plots* sumarizam muito os experimentos feitos. Principalmente o *plot* com escala logaritmica. Nele é possível perceber a diferença de tempo de processamento e também quando os algoritmos param de responder. 
+
+-->

mkdocs.yml

@@ -19,9 +19,10 @@ nav:
       - 'aulas/01_introducao_ia/index.md'
       - 'aulas/02_agentes_autonomos/index.md'
       - 'aulas/03_configuracao/index.md'
-#    - 'Busca em espaço de estados':
-#      - 'aulas/04_modelagem/index.md'
-#      - 'aulas/04_x_buscas/index.md'
+    - 'Busca em espaço de estados':
+      - 'aulas/04_modelagem/index.md'
+      - 'aulas/04_modelagem_espaco/index.md'
+      - 'aulas/04_x_buscas/index.md'
 #      - 'aulas/04_x_modelagem/index.md'
 ##      - 'aulas/05_busca_com_custo/index.md'
 ##    # - 'aulas/05_x_busca_cega/index.md'
@@ -62,7 +63,7 @@ nav:
 ###    - 'aulas/99_topicos/index.md'
   - 'Referências':
     - 'referencias/01_introducao/index.md'
-#    - 'referencias/03_algoritmos_busca/index.md'
+    - 'referencias/03_algoritmos_busca/index.md'
 #    - 'referencias/03_csp/index.md'
 ##    - 'referencias/03_dijkstra/index.md'
 #    - 'referencias/04_busca_competitiva/index.md'