Planificación Clásica

“A goal without a plan is just a wish.” — Antoine de Saint-Exupéry

En los módulos 13 y 14 resolvimos problemas donde un agente busca un camino en un grafo dado: los nodos y las aristas ya existen. En el módulo 15 el grafo seguía dado, pero un oponente controlaba la mitad de las decisiones. En este módulo el grafo no existe de antemano — el agente lo construye sobre la marcha, describiendo estados como conjuntos de proposiciones y generando transiciones con esquemas de acción (STRIPS). El resultado es sorprendente: el algoritmo de búsqueda es exactamente el GENERIC-SEARCH del módulo 13, con solo tres líneas diferentes.

Contenido

Materiales y flujo de trabajo

Paso	Material	Colab	Descripción
1	16.1 ¿Qué es planificar?	—	Grafo implícito, analogía con mudanza, Blocks World
2	16.2 STRIPS	—	Proposiciones, acciones, espacio de estados completo
3	Notebook 01 — STRIPS y estados		Representar estados y acciones en Python, generar espacio de estados
4	16.3 Búsqueda hacia adelante	—	Forward search, traza BFS completa en Blocks World
5	16.4 Heurísticas	—	Relajación, conexión con A*
6	16.5 Búsqueda hacia atrás	—	Regresión, subobjetivos, forward vs backward
7	Notebook 02 — Planificación forward y backward		Implementar BFS y A* forward, backward planner, comparar
8	Notebook de aplicación	—	Dominio logístico: camiones, paquetes, ciudades

Notebook de aplicación

Notebook	Tema	Colab
03 — Logística	Mismo framework STRIPS en un dominio diferente: camiones, paquetes, ubicaciones

Objetivos de aprendizaje

Al terminar este módulo podrás:

1. Distinguir búsqueda (grafo explícito) de planificación (grafo implícito generado por acciones) y explicar por qué la planificación necesita un lenguaje de representación
2. Representar un problema de planificación en STRIPS: estados como conjuntos de proposiciones, acciones con precondiciones, lista add y lista delete
3. Aplicar una acción STRIPS a un estado: verificar precondiciones, eliminar proposiciones de la lista delete, agregar proposiciones de la lista add
4. Implementar búsqueda hacia adelante (forward search) y reconocer que es GENERIC-SEARCH del módulo 13 con tres sustituciones
5. Trazar la ejecución de BFS en un problema de Blocks World paso a paso, mostrando frontera, explorados y plan encontrado
6. Explicar la heurística de relajación (ignorar listas delete) y por qué es admisible
7. Conectar la planificación con A* del módulo 14: forward search + heurística relajada = planificador FF
8. Definir acciones relevantes y consistentes, aplicar la fórmula de regresión, y trazar la búsqueda hacia atrás
9. Comparar forward vs backward search: cuándo conviene cada dirección según el factor de ramificación

Prerrequisitos

Mapa conceptual

graph TD
    A["Módulo 13: GENERIC-SEARCH"] --> B["Forward Planning: mismo algoritmo, 3 líneas cambian"]
    A --> I["Backward Planning: GENERIC-SEARCH con regresión"]
    C["Módulo 14: Relajación → h(n)"] --> D["Ignorar Delete Lists → heurística admisible"]
    E["Módulo 14: A*"] --> F["Forward Planning + A* = planificador FF"]
    B --> G["Blocks World: 13 estados, traza completa"]
    I --> J["Subobjetivos, acciones relevantes, regresión"]
    D --> F
    G --> H["Escalar a dominios grandes: logística, robótica"]
    J --> H
    F --> H

Cómo ejecutar el script de imágenes

cd clase/16_planificacion_clasica
python3 lab_planificacion.py

Dependencias: numpy, matplotlib (ver requirements.txt).