UNIDAD 1: LA INTELIGENCIA ARTIFICIAL EN LA INGENIERÍA

1.1   DEFINICION La Inteligencia Artificial es una rama de la informática que estudia la inteligencia e intenta imitarla de forma artificial. Pero la inteligencia es un término que todavía no se ha conseguido definir de manera unánime por todas las ciencias. Por ejemplo, muchas personas se refieren a la inteligencia de los animales. ¿Es un animal inteligente? ¿Es el mbre más inteligente que el animal? El primero que estudió estos temas fue Alan Turing que se planteó si se podría construir algún día una máquina que fuera tan inteligente como un ser humano. Se planteó cuál sería el momento en el que podríamos decir que una máquina es tan inteligente como un ser humano. De este modo enunció su famosa "Prueba de Turing", ésta consiste en colocar nuestra máquina inteligente y a un ser humano frente a frente, pero sin poder verse. Se iniciaría una conversación sobre algún tema. Según Turing, una máquina sería inteligente si el ser humano no distinguiera si es una máquina u otra persona con la que está hablando.   1.2   AREAS DE APLICACION Pero también hay áreas de aplicación. En efecto, estos procesos de la AI se Aplican en los sistemas reales en una gran variedad de ramas y problemas: • Gestión y control: análisis inteligente, fijación de objetivos. • Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos, robótica simplificada y visión computarizada. •Educación: adiestramiento práctico, exámenes y diagnóstico. •Ingeniería: diseño, control y análisis. •Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y ventas. • Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos. • Profesiones: abogacía, medicina, contabilidad, geología, química. • Software: enseñanza, especificación, diseño, verificación, mantenimiento. • Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo, proceso de imágenes, proceso de señales. • Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos. • Finanzas: planificación, análisis, consultoría.             1.3   METODOS INTELIGENTES  1.         La lógica difusa: permite tomar decisiones bajo condiciones de incerteza. 2.         Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones. Está basada en el concepto de "aprender" por agregación de un gran número de muy simples elementos. Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede ser activo o inactivo. La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora. El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible, es aquella donde no existen capas ocultas. Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de activación. Esta suma ponderada es también llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrón no se puede realizar más que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuación lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones más complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas más comúnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades y de actualización de los estados. 1.4   REDES SEMANTICAS Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales. Un ejemplo de red semántica. En un grafo o red semántica los elementos semánticos se representan por nodos. Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace o arista. Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas. 1.5  INTELIGENCIA DISTRIBUIDA Autores como Salomon (1993) o Resnick y Collins (1996) afirman que la cognición al igual que las herramientas, artefactos y sistemas simbólicos son saberes compartidos por los individuos de manera tal que el pensamiento estaría situado y distribuido socialmente en contextos particulares de intenciones, compañeros e instrumentos. David Perkins junto con Roy Pea hablan de Inteligencia Distribuida y Cognición Distribuida respectivamente. La Inteligencia Distribuida está constituida por los recursos cognitivos del ser humano además de todas las herramientas que ha desarrollado a lo largo de la civilización. Deberíamos, entonces, aprender a utilizar inteligente y pertinentemente los recursos del entorno para potenciar nuestros aprendizajes. Roy Pea prefiere referirse al término Cognición Distribuida (en la obra con ese título) como aquellos saberes que están presentes en diferentes personas y que, al compartirse, pasan a ser apropiados por los compañeros del grupo. Indudablemente, las teorías revisadas reflejan las numerosas facetas y la multilateralidad de la inteligencia y creo indispensable un esfuerzo de coordinación entre ellas para lograr un entendimiento holista de lo qué es la inteligencia y de cómo se compone. Así pues, la inteligencia no sólo está relacionada con la capacidad cognitiva del ser humano sino que abarca otro tipo de habilidades que irían desde las mentales hasta las emocionales logrando dar una visión de las personas no sólo en cuanto a su pensar inteligente sino también a su hacer, sentir y convivir. La actividad inteligente implica una multiplicidad de capacidades, estructuras y procesos de carácter contextual, personal, social, cultural que abarcan desde capacidades mentales para adquirir nuevo conocimiento, resolver problemas, ajustarse a nuevas situaciones, usar conceptos o combinar información novedosamente hasta capacidades personales y socioculturales para percibir y entender las emociones propias y ajenas, compartir y distribuir saberes y recursos y tener éxito personal y social en el diario vivir.

UNIDAD 2: CALCULO DE PREDICADOS

2.1 ELEMENTOS BASICOS Un lenguaje como el cálculo de predicados está definido por una sintaxis un alfabeto de símbolos, que ordenados adecuadamente da origen a expresiones válidas llamadas formulas bien formadas (wff). Los componentes del cálculo de predicados son símbolos de: predicados, constantes, paréntesis,corchetes, comas, las constantes lógicas Verdadero y Falso, los 5 conectores lógicos: negación (Ø), y lógica (Ù), o lógica (Ú), implicación (Þ), y doble implicación (Û) Estos componentes siguiendo reglas de la gramática como por ejemplo, la de Backus-Naur, BNF (Backus-Naur Form), constituyen oraciones (Proposiciones) o wff. Los componentes del cálculo de predicados son símbolos de: predicados, variables, constantes, paréntesis, corchetes y comas y las constantes Lógicas Verdadero, Falso. Predicados: Representan hechos en el dominio del discurso. Si se les da un significado (Semántica) los predicados devuelven un valor de verdad (verdadero o falso), se representan por letras mayúsculas, Constantes: (sustantivos), representan objetos del dominio, se simbolizan por letras mayúsculas se diferencian de los predicados por el contexto. Los paréntesis, comas y corchetes son separadores, para mejorar la legibilidad (y el cómputo) Las fórmulas mínimas se llaman formulas atómicas, representan hechos en el dominio del discurso, y representan el conocimiento que se tiene del mundo, o la base de conocimientos (BC).

2.2 REPRESENTACION La principal debilidad de la lógica proposicional es su limitada habilidad para expresar conocimiento. Existen varias sentencias complejas que pierden mucho de su significado cuando se las representa en lógica proposicional. Por esto se desarrolló una forma lógica más general, capaz de representar todos los detalles expresados en las sentencias, esta es la lógica de predicados. La lógica de predicados está basada en la idea de las sentencias realmente expresan relaciones entre objetos, así como también cualidades y atributos de tales objetos. Los objetos pueden ser personas, objetos físicos, o conceptos. Tales cualidades, relaciones o atributos, se denominan predicados. Los objetos se conocen como argumentos o términos del predicado. Al igual que las proposiciones, los predicados tienen un valor de veracidad, pero a diferencia de las preposiciones, su valor de veracidad, depende de sus términos. Es decir, un predicado puede ser verdadero para un conjunto de términos, pero falso para otro. Por ejemplo, el siguiente predicado es verdadero: color (yerba, verde) el mismo predicado, pero con diferentes argumentos, puede no ser verdadero: color (yerba, azul) o color (cielo, verde) Los predicados también pueden ser utilizados para asignar una cualidad abstracta a sus términos, o para representar acciones o relaciones de acción entre dos objetos. Por ejemplo: mortal(juan_carlos)      clima(martes, lluvioso) ave(gaviota) ama(roberto, vanessa) lee(alex, novela) mordio(boby, cartero) Al construir los predicados se asume que su veracidad está basada en su relación con el mundo real. Naturalmente, siendo prácticos, trataremos que los predicados que definimos estén de acuerdo con el mundo que conocemos, pero no es absolutamente necesario que así lo hagamos. En lógica de predicados el establecer como verdadero un predicado es suficiente para que así sea considerado. Demos el siguiente ejemplo, que indica que Ecuador está en Europa: parte_de(ecuador, europa) Obviamente, esto no es verdadero en el mundo real, pero la lógica de predicados no tiene razón de saber geografía y si el predicado es dado como verdadero, entonces es considerado como lógicamente verdadero. Tales predicados, establecidos y asumidos como lógicamente verdaderos se denominan axiomas, y no requieren de justificación para establecer su verdad.

2.3 UNIFICACION Por ejemplo en Lógica Proposicional la contradicción es evidente porque  Pero en Cálculo de Predicados es diferente porque si tengo: Estudia(x) ^ ¬Estudia(y) . no hay contradicción     P(a) y P(x) no son comparables, para que lo sean, se debe encontrar una substitución para x que haga ambas fórmulas idénticas. Este proceso de encontrar una sustitución para hacer fórmulas idénticas  se conoce como unificación.    Lo que se puede sustituir en una fbf para permitir el pareamiento de dos fórmulas son las variables por términos. Variable (Símbolos de constantes, Símbolos de variables, expresiones funcionales)

2.4 RESOLUCION Es una regla de inferencia usada en la deducción computacional, debido a que es eficiente ya que trabaja sobre sentencias que han sido transformadas a una forma canónica llamadas cláusulas disyuntivas. Este proceso de resolución obtiene demostraciones por refutación. Es decir, para probar una proposición (su validez) se intenta demostrar que su negación lleva a una contradicción con las proposiciones conocidas (es decir es insatisfactible).     No hay una atribución de verdad que satisfaga el ejemplo anterior.

UNIDAD 3: SISTEMAS DE PRODUCCIÓN

3.1  Representación de problemas como  sistema de producción La incorporación de agentes de decisión inteligente, redes neuronales, sistemas expertos, algoritmos genéticos y autómatas programables para optimización de sistemas de producción es una tendencia activa en el ambiente industrial de países con alto desarrollo tecnológico y con una gran inversión en investigación y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como función principal controlar de manera independiente, y en coordinación con otros agentes, componentes industriales tales como celdas de manufactura o ensamblaje, y operaciones de mantenimiento    3.2   Mecanismos de inferencia El mecanismo de inferencia es la unidad lógica con la que se extraen conclusiones de la base de conocimientos, según un método fijo de solución de problemas que esta configurado imitando el procedimiento humano de los expertos para solucionar problemas.     Una conclusión se produce mediante aplicación de las reglas sobre los hechos presentes. Ejemplo. Una Regla es: Si p y q entonces r p y q son justo aquellos hechos que se mencionan en la cláusula "si" de la regla, es decir, las condiciones para la aplicabilidad de la regla. Aplicar la regla es: deducir de los hechos p y q el hecho r.    3.3  Resolución de conflictos La resolución de conflictos se aplica sobre un conjunto de reglas que pueden ser desencadenables (reglas que cazan con las condiciones pero todavía no han pasado a la memoria de trabajo (MT). Con esto se evita su almacenamiento en la MT. 1. Orden de las reglas en la base de conocimientos. 2. Reglas con mayor coeficiente de credibilidad 3. Reglas con menor número de cláusulas a instanciar. 4. Reglas con mayor número de conclusiones. 5. Reglas menos complejas. 6. Descartar las reglas ya utilizadas. 7. Reglas con mayor numero de condiciones La heurística muchas veces puede provocar que el problema no tenga solución (producto de las podas del árbol), sin embargo las sistemáticas siempre hayan la solución    3.4  Mecanismo de explicación  Los mecanismos de explicación, la parte más fascinante de los sistemas expertos, permiten a los sistemas explicar o justificar sus conclusiones, y también posibilitan a los programadores verificar el funcionamiento de los propios sistemas. Los sistemas expertos comenzaron a aparecer en la década de 1960. Sus campos de aplicación son la química, la geología, la medicina, la banca e inversiones y los seguros.      3.5  Busquedas Las técnicas de solución de problemas en IA, en general, incorporan un proceso de búsqueda. Todo proceso de búsqueda puede ser visualizado como el recorrido por un árbol en el que cada nodo representa un estado y cada rama representa las relaciones entre los estados cuyos nodos conecta. A continuación se describen los algoritmos de tres procesos básicos de búsqueda de soluciones en el espacio de estado. Algoritmo Generación Y Prueba (GENERATE-AND-TEST) 1. Generar una posible solución. (estado o camino) 2. Comprobar para ver si es una solución, mediante comparación con los elementos del conjunto de objetivos aceptables. 3. Si la solución ha sido encontrada salir, de otra manera, retornar al paso 1. Algoritmo Primero a lo Ancho (BREATH-FIRST) 1.Crear una variable NODE_LIST y ponerla al estado inicial. a.Remover el primer elemento de NODE_LIST, y llamarlo E. Si NODE_LIST estuvo vacía, salir. i.Aplicar la regla para generar un nuevo estado. ii.Si el nuevo estado es un estado objetivo, salir y retornar este estado. iii.Sino, añada el nuevo estado al final de NODE_LIST. b.Para cada forma en que cada regla puede ajustarse al estado descrito en E, haga lo siguiente: 2.Hasta que se encuentre el objetivo o hasta que NODE_LIST esté vacía haga lo siguiente: Algoritmo Primero en Profundidad (DEPTH-FIRST) 1.Si el estado inicial es el objetivo, salir y retornar éxito. a.Genere un sucesor E del estado inicial. Si no hay más sucesores, retorne con señal de fracaso. b.Llame recursivamente al algoritmo, esta vez con E como el estado inicial. c.Si la señal es éxito, retorne, de otra manera, continúe en este lazo. Búsqueda Heurística Para resolver muchos problemas difíciles (explosión combinatoria), es necesario muchas veces llegar a un compromiso de los requerimientos de movilidad y sistematicidad y construir una estructura de control que no necesariamente garantiza el encontrar la mejor respuesta, sino que casi siempre encuentra una buena respuesta. Una técnica heurística mejora la eficiencia del proceso de búsqueda sacrificando, usualmente, exhaustividad. Las consideraciones que sirven de soporte a un proceso de búsqueda heurística, son: Rara vez se requiere, en realidad, una solución óptima. Una buena aproximación, normalmente, sirve muy bien.  A pesar que una aproximación heurística no puede resultar muy buena en el peor de los casos, raras veces aparecen los peores casos en la práctica. El tratar de comprender por qué un heurístico funciona o por qué no funciona, a menudo conduce a una mejor comprensión del problema.    3.6 Busquedas de profundidad En inglés, depth-first search. Si el conjunto open se maneja como una lista LIFO, es decir, como un stack, siempre se estará visitando primero los últimos estados en ser generados. Esto significa que si A genera B y C, y B genera D, antes de visitar C se visita D, que está más alejado de la raiz A, o sea más profundo en el árbol de búsqueda. El algoritmo tiene en este caso la tendencia de profundizar la búsqueda en una rama antes de explorar ramas alternativas.

UNIDAD 4:INTRODUCCION A LA PROGRAMACION LOGICA

UNIDAD 4:INTRODUCCION A LA PROGRAMACION LOGICA    4.1 Introducción a la programación lógica En los comienzos de los años 70 el francés Alain Colmenuer desarrolló el lenguaje PROLOG que también permite el desarrollo de aplicaciones en forma declarativa. En general el PROLOG es un demostrador automático de problema, el cual utiliza una Base de Conocimientos en forma de reglas de inferencia deductivas (cláusulas de Horn), es decir sus reglas tienen como consecuente una única acción y las inferencias obte¬nidas son estrictamente lógicas (verdaderas o falsas), aunque puede parecer una limitación, esto no es totalmente justo, ya que PROLOG permite programar mecanismos inferenciales con lógica probabilisticas, dado que se trata de búsquedas en árboles con acumulación de evidencias. El PROLOG como lenguaje surgido del cálculo de predicados, tomó las siguientes ideas de la lógica para su ejecución. 1) Un conjunto de axiomas o hechos. 2) Reglas de inferencias las cuales se resuelven por resolución y unificación. 3) El objetivo a demostrar, que serán las condiciones a unificar con las reglas. También tomó del LISP el tratamiento de las listas para la repre¬sentación de estructuras complejas. Aunque el PROLOG tuvo su origen en la lógica matemática no fue una transposición exacta, y esta ligada a las discusiones que sostienen desde hace años los principales investigadores de la Inteligencia Artificial, los cuales están divididos en dos grandes grupos, de una parte Minsky quien propone estudiar los mecanismos del pensamiento humano y luego simularlo en la computadora. Lo más importante para Minsky son los conceptos, o sea la inter¬pretación que se le puede dar a cada palabra en dependencia de un contexto dado. El otro grupo encabezado por Mac Carthy (autor del LISP), afirma que la lógica matemática es el elemento característico para la representación del razonamiento y su implantación en la computadora, este grupo centra su atención en la formalización y en la estructura de los conocimientos más que en el sentido de los mismos. La lógica desde la antigüedad se concibió como el método de descubrir las leyes del pensamiento, pero estas leyes siempre han estado restringidas al pensamiento científico y muy especialmente el matemático, quedando fuera el sentido común. Esta deficiencia es admitida por los defensores de la lógica, pero ellos consideran que la lógica es la única senda posible para desarrollar programas capaces de mostrar inteligencia.    4.2 Mecanismos básicos  matching) de patrones,árboles y backtracking automático.    4.3 Estructura de un programa   Sinopsis Desde el punto de vista lógico, puede considerarse que los programas comprenden dos tipos de elementos diferentes: estructuras de datos y algoritmos. O dicho en otras palabras: datos, e instrucciones para su manipulación. Su representación dificada adopta dos formas: una entendible por la máquina (ejecutable y ficheros de datos) y otra entendible por el humano (fuente). Para el conjunto de ambas puede considerarse una escala conceptual que, si vamos de lo general a lo particular, podemos representarla como sigue: Nota:  clasificaciones como la que aquí proponemos solo tiene una finalidad didáctica; son un vehículo para introducir al lector en la comprensión global del concepto y no un asunto dogmático e inamovible, ya que este tipo de asuntos depende grandemente del punto de vista que se adopte.  Como botón de muestra, vaya por delante la definición de lo que es un programa en palabras de Ellis y Stroustrup , que por lo demás ofrece un punto de vista muy interesante: "Un programa consiste en uno o más ficheros enlazados juntos. Un fichero consiste en una secuencia de declaraciones" (ver Declaraciones y definiciones en.  A continuación admiten que esta afirmación puede parecer extraña a aquellos acostumbrados a pensar en un programa como una serie de sentencias ejecutables acompañadas de las declaraciones de las variables correspondientes.  Pero recuerdan que en C++, las sentencias están contenidas en funciones, y que en realidad, el cuerpo de una función es en sí mismo una declaración (de la propia función). En consecuencia, puesto que las declaraciones pueden contener inicializadores, también deben ser consideradas como "ejecutable" (lo que hemos denominado algoritmo).  Aplicación Comprende ejecutables y datos. Puede haber múltiples ficheros de ambos tipos (ficheros de datos y ejecutables).      Programa Parte de una aplicación (código) que puede cargarse y ejecutarse independientemente.  Fichero fuente: Se llaman así (abreviadamente) los ficheros que contienen el código fuente (ficheros .C / .CPP) escrito por el programador. Un "fuente" se compila de una vez, cuando recibe la acción del preprocesador, dando lugar a lo que técnicamente se denomina unidad de compilación.  Un solo fuente puede ser dividido en múltiples ficheros, cada uno de los cuales puede contener varias funciones, aunque la inversa no es cierta: una función no puede ser dividida entre varios fuentes. La mayoría de las aplicaciones de cierto porte ocupan más de un fuente. Los diversos ficheros son creados y mantenidos por distintos programadores. Después, los ficheros son compilados y enlazados para producir una aplicación final. Es conveniente recordar que C y C++ se desarrollaron en ambientes UNIX, por lo que desde su cuna son lenguajes sensibles a las mayúsculas/minúsculas ("case sensitive") [3]. Esto no representa inconveniente para los programadores acostumbrados a entornos Unix/Linux, pero suele ser fuente de errores para los que han desarrollado en Sistemas MS-DOS y Windows donde esta distinción no es tan importante. Por ejemplo, en C++ la declaración int X, x; declara dos variables distintas.     Función: Una parte de un programa (subrutina) con un nombre, que puede ser invocada (llamada a ejecución) desde otras partes tantas veces como se desee. Opcionalmente puede recibir valores (argumentos);  se ejecuta y puede devolver un valor main es la primera función en cualquier programa C++; es llamada desde unas rutinas especiales "de inicio" que se incluyen automáticamente en todo programa C++. Esta función es el punto de inicio del programa desde el punto de vista del programador (donde este toma el control).   Bloque Lista, que puede estar vacía, de sentencias delimitadas por corchetes { }.  Desde el punto de vista sintáctico, un bloque puede ser considerado como una sola sentencia (sentencia compuesta  4.10). Dentro de las posibilidades de memoria, los bloques pueden ser anidados a cualquier nivel (los bloques pueden contener otros bloques).  El aspecto de los bloques "anidados" es como sigue: ...         // espacio global del fichero main {      // comienzo del bloque main   ....      // espacio del bloque main   {         // bloque anidado     ...     // espacio del bloque anidado   }         // fin de bloque   .... }           // fin del bloque main  Sentencia Si establecemos una analogía entre un lenguaje natural y un lenguaje computacional como C++, podemos afirmar que las sentencias ("Statements") juegan en C++ el mismo papel que las oraciones en el lenguaje natural, y del mismo modo que una oración gramatical es una palabra o conjunto de ellas, con que se expresa un sentido gramatical completo, las sentencias se componen de una o varias expresiones y tienen sentido computacional completo. La sentencia es la unidad lógica completa más simple en un programa;  en C/C++  terminan en punto y coma ;.  Un caso especial es la expresión nula ( ; aislado). En el apartado  se describe su sintaxis y en el capítulo 4.10 se ofrece su definición formal y una clasificación de los distintos tipos que existen en C++. Un caso especial lo componen las directivas de preprocesado, que suponen transformaciones en el fuente por parte del preprocesador  Expresión Siguiendo en sentido ascendente de simplicidad en el lenguaje natural, después de las oraciones están las frases, Conjunto de palabras que basta para formar sentido, especialmente cuando no llega a constituir una oración cabal. Su equivalente en el lenguaje C++ serán las expresiones. Las expresiones son secuencias de tokens (operadores, operandos y elementos de puntuación) que especifican una computación; tienen sentido computacional en sí mismas.  Son los bloques de computación más simples con los que se construye un programa  aunque no pueden ejecutarse separadamente sino cuando forman una sentencia. Como verá el lector, la diferencia entre sentencia y expresión es algo arbitraria. Una o varias expresiones terminadas en punto y coma constituyen una sentencia.  Desde el punto de vista lógico, cada sentencia se ejecuta de una vez (aunque sus expresiones sean evaluadas individualmente siguiendo ciertas reglas).  En el programa suele estar muy claro cual es el orden de ejecución de sus sentencias, no así de sus expresiones dentro de ellas, toda vez que el Estándar es permisivo en algunos aspectos de detalle. Es importante señalar que, en contra de lo que ocurre en otros lenguajes, en C/C++, el final de línea no significa necesariamente el fin de la expresión, de forma que esta puede ocupar más de una línea (en realidad el compilador ignora los pares de caracteres CR/LF que añaden los editores al final de línea). Por ejemplo:  la expresión int x = 5*(4+(3/2-1)) puede ser escrita como: int x = 5* (4+(3/2-1) ); Los conocedores de otros lenguajes advertirán que en C++ no tiene sentido la barra inclinadas \ con que otros lenguajes indican que la siguiente línea de código es en realidad una continuación de la anterior. Se exceptúa naturalmente el caso de constantes de cadena, donde si es preciso indicar al compilador que, en su caso, la cadena continúa en la línea siguiente. Ejemplo, aunque es correcto escribir: int  x =   5; En cambio es incorrecto poner char* string = "Las constantes de cadena pueden tener cualquier longitud"; En este caso es necesario indicar al compilador que la cadena continúa en la línea siguiente: char* string = "Las constantes de cadena pueden tener \cualquier longitud"; Del mismo modo que los gramáticos distinguen varios tipos de frases (hecha, musical, proverbial, etc), los informáticos distinguen también varios tipos de expresiones. Los ejemplos que siguen son meramente ilustrativos y no pretenden ser una relación completa: De asignación:  Si tienen uno, o varios, operadores de asignación.  Ejemplos: x += 3; z = y = x/2; Declarativas:  Si dan a conocer un identificador al compilador. Ejemplos: extern int funcX(int x, char c); class MiClase; Definiciones:  Establecen la creación de un objeto reservándole espacio físico.  Ejemplo: int x = 2; MiClase c1 (x, y, z); Condicionales:  Definen alternativas de acción en el programa. Ejemplos: int y = 6 ? 7: 8; if (salida = 'S') break; De salto:  Obligan al programa a seguir en un sitio distinto de la secuencia natural (la siguiente sentencia). Ejemplos: break; continue; Bitwise.  De manejo y comparación de bits. Ejemplos: x | y; x << 2; Las expresiones pueden producir un Lvalue, un Rvalue o ningún valor.  Ejemplo: int x;    // no produce ningún valor x = 2;    // produce un valor (resultado) Además de producir un valor, las expresiones pueden tener efectos laterales (tanto si producen un valor como si no lo producen). Ejemplo: x = ++a; Además de producir un valor (un resultado, esta expresión tendría dos efectos laterales: 1º:  Incrementar en 1 el valor de a, 2º:  Asignar el valor modificado de a a la variable x. El "resultado" de la expresión coincide precisamente con el valor de x. Las expresiones se evalúan siguiendo ciertas reglas de conversión, agrupamiento, asociatividad y precedencia.  Estas reglas dependen de varios factores:  el operador;  la naturaleza de los operandos utilizados en cada caso, y de la presencia de paréntesis en la expresión. En el apartado  se describe completamente su sintaxis formal así como su precedencia y asociatividad. Su sintaxis muestra que las expresiones son definidas recursivamente, y que las subexpresiones pueden ser anidadas sin ningún límite formal.      Token Los tokens son los elementos en que el preprocesador desmenuza el código fuente. En un lenguaje de programación, los tokens son el equivalentes al conjunto de las  palabras y signos de puntuación en el lenguaje natural escrito. En el lenguaje C++ estas "palabras" pueden ser de varios tipos: palabras clave,  identificadores,  constantes,  operadores,  signos de puntuación (puntuadores) y comentarios (son eliminados). Los tokens están separados por elementos de separación que reciben el nombre genérico de separadores ("Whitespaces").    4.4 Objetos compuestos Los objetos compuestos, tal como sucede con los objetos simples, han de crearse en la RAM mediante la instrucción de instanciación. Significa que debe conocerse la existencia de un modelo para tal tipo de objetos. En el argot se dice que debe estar ya programada su clase, es decir que alguien ya debe haber programado una descripción detallada del modelo o clase de objetos donde se definen todos los miembros que tendrán los objetos que se construyan con ella. Los objetos entonces tendrán exactamente la composición y los comportamientos definidos en la clase utilizada para definirlos. Por ejemplo, si ya existe definida una clase de objetos llamada Móvil, podrían crearse los siguientes dos objetos que denominamos robot y alvaro     4.5 Recursividad  La recursividad es una técnica de programación importante. Se utiliza para realizar una llamada a una función desde la misma función. Como ejemplo útil se puede presentar el cálculo de números factoriales. Él factorial de 0 es, por definición, 1. Los factoriales de números mayores se calculan mediante la multiplicación de 1 * 2 * …, incrementando el número de 1 en 1 hasta llegar al número para el que se está calculando el factorial.   4.6Juegos mini-max Se poseen 2 jugadores: MAX y MIN, primero jugará MAX y así seguirá el flujo hasta acabar el juego. Existe un árbol de juegos que los programas utilizan para calcular los Movimientos Legales (Permitidos). El valor MINIMAX será un valor que determine el estado final del juego (En le ajedrez: −1, 0, 1; que son triunfo, derrota o empate). En algunos juegos este valor MINIMAX puede ser muy alto (Como en el Backgamon, se estima algo de −192 a 192 valores). Incluso el TicTacToe (3 en Raya), es complejo para armar el árbol de juegos. A los niveles del árbol se les llama capas. Para determinar la estrategia óptima a seguir se usan valores MINIMAX. MAX adoptará el valor máximo y MIN el mínimo. La decisión MINIMAX supone que los 2 jugadores son óptimos, si uno es un novato será fácilmente derrotado por esta decisión. El Algoritmo MINIMAX es la forma computacional en la que se calcula el valor MINIMAX de cada estado

4.7 Poda alfa-beta   es una técnica de búsqueda que reduce el número de nodos evaluados en un árbol de juego por el algoritmo Minimax. Se trata de una técnica muy utilizada en programas de juegos entre adversarios como el ajedrez, el tres en raya o el Go . A continuación se presenta un ejemplo de aplicación del algoritmo para el árbol de la figura. En ella los nodos podados al aplicar el algoritmo se presentan sombreados en gris. Comenzamos con la búsqueda de primero en profundidad. El padre de los nodos hoja más a la izquierda, etiquetados con 5 y 6 respectivamente, deberá escoger un valor β al tratarse de un nivel MIN, esto implica que deberá escoger el valor mínimo entre dichos nodos, es decir 5. siguiendo el desarrollo, se expandirán el resto de sucesores del padre. En este caso se expande el camino que conduce a los nodos hoja 7 y, buscando un valor β menor, el nodo etiquetado con 4. En este momento el valor momentáneo de β en ese nivel es 4 (el mínimo entre 7 y 4). Esto implica que en este momento en el nivel superior, el padre del nodo que etiquetamos anteriormente con β igual a 5, y de este β igual a 4 momentáneo, debe decidir el mejor valor, el más alto al encontrarse en un nivel MAX), si siguiéramos expandiendo hijos del nodo MIN padre de 7 y 4, sólo podríamos conseguir valores menores a 4, lo que seguiría implicando una elección de la jugada izquierda en el nivel MAX, por lo tanto, podemos podar el resto de hijos, tal y como se muestra en la Figura. El resto del desarrollo del árbol se seguiría utilizando los criterios mencionados con anterioridad.   La figura muestra un ejemplo de la poda alfa-beta. Cada nivel representa la jugada de los jugadores MAX y MIN, que tendrán que definir un valor α o β respectivamente.