Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Next revision		Previous revision
albero_decisionale [2023/07/17 16:16] – created frederalbero_decisionale [2024/04/16 16:38] (current) – freder
Line 9: Line 9:
 Grazie alla loro semplicità di implementazione, sono utilizzati in molte applicazioni pratiche. Grazie alla loro semplicità di implementazione, sono utilizzati in molte applicazioni pratiche.
  
 +>Nel caso del RisiKo!, che è un **ambiente non deterministico** **(*)**, il giocatore razionale non è in grado di prevedere con certezza l'esito delle proprie azioni. In questi casi il giocatore deve necessariamente rilevare lo stato dell'ambiente esterno sia prima che dopo l'azione. La prima rilevazione //(percezione ex-ante)// è utile per elaborare la decisione ossia l'azione da intraprendere. La seconda rilevazione //(percezione ex-post)// è, invece, utile per verificare gli effetti dell'azione intrapresa sull'ambiente esterno.
  
 +Gli alberi di ricerca AND-OR si presentano solitamente come delle routine o delle sotto-routine //(subroutine)//. Le strategie di contingenza delineate negli alberi di ricerca AND-OR possono essere rigide o flessibili.
  
-Torna al paragrafo [[Avanzate III#Prudenza e aggressività|+**Strategia rigida**: quando le strategie sono programmate nel codice dell'agente razionale in fase di progettazione e non sono modificabili. 
 + 
 +**Strategia flessibile**: quando l'agente razionale può autonomamente modificare o creare nuove strategie sulla base dell'esperienza maturata. 
 + 
 +**Rapidità delle risposte**: il principale vantaggio dell'albero di ricerca AND-OR è quello di fornire all'agente razionale delle risposte rapide in base a specifiche contingenze senza dover elaborare completamente lo stato generale dell'ambiente esterno. In tali circostanze lo studio completo dell'ambiente per individuare una sequenza di azioni potrebbe essere inefficace e inefficiente. È invece preferibile adottare una strategia ossia un piano di contingenza sulla base delle informazioni percepite dall'esterno //(feedback)// e interpretate seguendo un determinato schema di riferimento. Gli alberi di ricerca AND-OR sono particolarmente utile per fornire delle risposte rapide alle contingenze più frequenti e alle situazioni di impasse dell'agente razionale //(loop)//. 
 + 
 +Dunque, un albero decisionale è uno **strumento visuale che rappresenta una serie di decisioni e i possibili risultati che possono derivarne**. Si tratta di una **rappresentazione grafica delle scelte disponibili e delle conseguenze associate a ciascuna scelta**. 
 + 
 +L'albero decisionale inizia con un **nodo di partenza che rappresenta la decisione iniziale da prendere**. Da questo nodo, si generano diverse diramazioni, ciascuna rappresentante una possibile scelta da fare. Ogni diramazione può portare a ulteriori nodi di decisione o a nodi terminali che rappresentano gli esiti finali delle decisioni. 
 + 
 +Nell'albero decisionale, **vengono spesso utilizzate frecce o linee per collegare i nodi e indicare le relazioni tra le decisioni e le conseguenze**. **Ogni linea può essere etichettata con le probabilità o le valutazioni associate a ciascun risultato**. 
 + 
 +L'albero decisionale è un metodo utile per visualizzare e analizzare le decisioni complesse, valutando i potenziali rischi e benefici di ciascuna scelta e identificando le possibili alternative. Può essere un valido strumento per l'analisi decisionale, l'ottimizzazione delle scelte e la valutazione dei rischi. 
 + 
 +>Nel contesto del gioco del RisiKo!, un albero decisionale potrebbe essere utilizzato per valutare diverse strategie di attacco o difesa, valutando le probabilità di successo, le conseguenze delle azioni e le possibili reazioni degli avversari. Aiuta a prendere decisioni informate e a valutare le migliori opzioni disponibili in base alla situazione di gioco. 
 + 
 +---- 
 + 
 +=== CRITICHE === 
 + 
 +**Schemi predeterminati**: gli algoritmi decisionali non sono veri e propri sistemi intelligenti. Si tratta per lo più di schemi predeterminati da utilizzare in particolari situazioni. Inoltre, sono fortemente dipendenti dalla capacità di prevedere tutte le possibili situazioni di contingenza e sulla conoscenza delle migliori azioni possibili. Ciò causa un forte allungamento dei tempi della progettazione iniziale della base di conoscenza e un elevato rischio di presenza di errori e omissioni. Sono particolarmente interessanti, invece, quando è lo stesso agente razionale a scrivere gli alberi decisionali sulla base dell'esperienza passata e dell'analisi dei feedback. 
 + 
 +**Cammino ciclico**: un albero di ricerca AND-OR è soggetto al rischio dei cammini ciclici //(loop)//. Il cammino ciclico **si verifica quando uno stato corrente è uguale a uno degli stati precedenti del cammino**. In tali casi l'agente razionale cade in un ragionamento ciclico che, molto spesso, può anche diventare infinito. Per evitare questo rischio è consigliabile inserire in un albero di ricerca AND-OR una **funzione di controllo che eviti la ripetizione continua** degli stati in un medesimo cammino. La funzione di controllo può evitare qualsiasi ripetizione degli stati oppure accettarli soltanto **entro una soglia di tolleranza massima di tentativi**, oltre la quale far scattare una **routine di contingenza per uscire dall'impasse**. 
 + 
 +>**(*)**: L'ambiente non deterministico, detto anche ambiente stocastico, è un ambiente operativo in cui prevale una condizione di incertezza tra le cause e gli effetti. Lo stato corrente N dell'ambiente e le azioni dell'agente razionale non sono informazioni sufficienti per determinare con certezza lo stato successivo N+1 dell'ambiente operativo. In un ambiente non deterministico **l'agente razionale non può calcolare con certezza gli effetti delle proprie azioni sull'ambiente**. **Per associare le azioni ai risultati** l'agente razionale deve **continuamente rilevare lo stato dell'ambiente** che lo circonda. La seconda rilevazione //(analisi dei risultati)// è particolarmente importante nell'ambiente non deterministico e può rispondere a diverse necessità. In particolar modo, la rilevazione ex-post svolge due funzioni. **1) Analisi feed-back**: permette di associare le azioni ai risultati al fine di ottenere un quadro probabilistico che consente di migliorare la conoscenza e l'esperienza. Questa funzione è alla base della costruzione automatica dei sistemi esperti; **2) Percezione**: la rilevazione dell'ambiente esterno ex-post, oltre a consentire di verificare i risultati dell'azione, permette anche di ottenere una nuova fotografia dell'ambiente esterno per elaborare la decisione/azione successiva. In altri termini, in una sequenza decisionale la rilevazione ex-post della decisione N può coincidere con la rilevazione ex-ante della decisione N+1 purché i tempi di analisi dei risultati dell'azione N non siano troppo lunghi da rendere vecchia la fotografia dell'ambiente N+1.  
 +> 
 +>Le informazioni di feedback //(retroazione)// consentono all'agente razionale di decidere sulla base dell'ambiente rilevato e non più sulla base dell'ambiente atteso. L'agente razionale può memorizzare ogni propria azione con i risultati ottenuti sull'ambiente e maturare una esperienza. 
 + 
 +Torna al paragrafo [[Avanzate III#Prudenza e aggressività|4.3 Prudenza e aggressività]] 
 + 
 +Torna al paragrafo [[Avanzate III#Pianificazione di lungo periodo|4.7 Pianificazione di lungo periodo]] 
 + 
 +Torna al paragrafo [[Avanzate IV#Principali tattiche di gioco|5.2 Principali tattiche di gioco]] 
 + 
 +Torna al paragrafo [[Avanzate IV#Fasi della partita|5.5 Fasi della partita]] 
 + 
 +Torna al paragrafo [[Avanzate IV#6.5.3 Fase finale|5.5.3 Fase finale]] 
 + 
 +Torna al paragrafo [[Avanzate IV#6.5.4 Sdadata|5.5.4 Sdadata]]