de sucesos. Lo interesante del Algoritmo MINIMAX es que no calcula todo el árbol de juegos, sino que
calcula solo un horizonte de k niveles. Un cálculo detallado del árbol de juegos perdería tiempo, ya que como
ejemplo, en el ajedrez se calculan algo de 35100 movimientos totales. El objetivo de MAX aquí es ganar a
MIN tomando alguna decisión sobre la mejor jugada que se puede hacer. El Algoritmo MINIMAX no se usa
como tal en la Industria de Juegos, ya que es en algunas ocasiones lento, en vez de este se usan versiones
optimizadas que veremos a continuación.
4.4 Poda −: El resultado del Algoritmo MINIMAX es el valor MINIMAX que nos permite tomar la
decisión más acertada para el horizonte de búsqueda fijado, no obstante hay ocasiones en el que la
ramificación del árbol de juegos es muy alta. (En ajedrez se calcula algo de 35100 o 10154 movimientos).
Sería un derroche tratar de probarlos todos, esta es la razón por la cual el Algoritmo MINIMAX no se usa
como tal en la Industria de Juegos. Afortunadamente se puede simplificar el proceso, evitando algunos nodos.
Esto se basa en que al momento de explorar se determina que el nodo no va a cambiar el valor MINIMAX, es
obviado, ya que no nos va a servir de mucho. Estos nodos quedan Podados, ahorrando así tiempo de proceso
en los programas.
El Algoritmo que implementa la poda − se llama Algoritmo −, y se basa en ajustar los límites llamados:
límite −" y límite +"; para el nodo raíz estos son de −" y "+; ya que el valor MINIMAX estará entre esos 2
límites. Estos valores se propagan hacia abajo y se actualizan. Los nodos MAX actualizan su valor si v> y
los nodos MIN actualizan su valor si v<. La situación de Poda se detecta si un nodo satisface a " y ello
implica obviar la exploración del sub−árbol siguiente y devolver como si se tratara de un nodo MIN. Si no
existiera Poda (Es decir no se satisface la expresión "), el algoritmo se comportará como un Algoritmo
MINIMAX normal.
4.5 Algoritmo MTD−f: El hecho de que la llamada al Algoritmo −, tenga los argumentos =−" y
=+", significa que el valor MINIMAX v del nodo raíz, satisface a −"<v<+". Esta es una ventana que se
puede cambiar, no obstante al contrario de lo que queremos, esto consume tiempo considerable, por lo que si
restringimos los valores habremos ahorrado una gran cantidad de tiempo. Si restringimos los valores a:
=−1, podemos hablar de Ventana Nula, en contraposición a la clásica ventana infinita.
Una sola llamada al esquema de la Ventana Nula, nos dará una cota, no el valor MINIMAX, para hallarlo
debemos usar distintas cotas para modificar los límites de −" y +", para encontrar el valor MINIMAX. A este
proceso se le llama Algoritmo MTD−f. (Memory−Enhanced Test Driver). Las cotas f+ y f−, se inicializan a
+" y −" respectivamente. Luego se comienzan a ajustar las cotas hasta que se la cota superior iguale o supere a
la inferior; esto se hace en el procedimiento − con =−1, es decir búsqueda de Ventana Nula que
devuelve g. Si g<, ajustamos la cota a ese valor y sino ajustaremos la cota inferior. Este valor g, nos sirve
para ajustar a (Por lo tanto de =−1) para la siguiente iteración. El número de estas dependerá de lo lejos
que este la estimación inicial de f del verdadero valor MINIMAX del nodo raíz.

Capítulo V − Visión Artificial:
Hasta ahora los agentes usaban formas sensoriales demasiado limitadas. La Visión por Computador, es uno de
los campos más extensos de la I.A ya que influyen muchos aspectos. La Visión para los humanos no es
ningún problema, pero para las máquinas es un campo muy complicado. Influyen Texturas, Luminosidad,
Sombras, Objetos Complejos, etc. El primer paso es captar la imagen mediante una cámara de TV. Las
imágenes a color tienen una matriz I(x,y,t); donde x y y nos indican la ubicación de un punto en la matriz de
colores y t, nos indica el tiempo.
Este proceso obtiene una imagen invertida, pero simplemente rotarla no nos dará la visión del terreno.
Influyen muchos elementos haciendo a este proceso complicado.
5