Presentaci

1
Inteligenica Artificial I
Alejandro Permingeat
Inteligencia Artificial de Russell y Norving 1
edición 1996 Parte II Capítulo IV
2
Búsqueda respaldada con información.

• A su vez se pueden dividir en dos tipos de
  búsqueda
• Búsqueda preferente por lo mejor.
• Búsqueda limitada por la capacidad de la memoria.
• Búsquedas de mejoramiento iterativo.

Alejandro Permingeat

2
3
Búsqueda preferente por lo mejor.

• Esta búsqueda consiste en expandir primero aquél
  nodo con mejor evaluación. Dicha evaluación es el
  resultado de aplicar la función de evaluación al
  nodo, la cual devuelve un número que sirve para
  representar lo deseable que sería la expansión de
  un nodo.
• Dentro de este tipo de búsqueda se encuentran
• Búsqueda avara.
• Búsqueda A.

Alejandro Permingeat

3
4
Búsqueda avara.

• Consiste en reducir al mínimo el costo estimado
  para alcanzar una meta.
• Para ello se utiliza una función llamada
  heurística, la cual estima el costo que implica
  llegar a una meta desde un estado determinado, y
  elige cual es el siguiente nodo que se va a
  expandir aplicando esta función a cada nodo.
• En esta búsqueda el tiempo y la cantidad de
  memoria necesaria crece exponencialmente con
  respecto a la profundidad. Pero la elección de
  una buena función heurística permite disminuir
  notablemente la complejidad tanto en tiempo como
  en espacio.
• No es óptima ni completa.

Alejandro Permingeat

4
5
Búsqueda A.

• Esta búsqueda es una búsqueda preferente por lo
  mejor en la que se utiliza f como función de
  evaluación.
• La función f calcula el costo estimado de la
  solución más barata, pasando por n y se calcula
  de la siguiente manera
• fg(n) h(n)
• Siendo g(n) el costo de ruta y h(n) una
  heurística admisible (que nunca sobreestima el
  costo que implica alcanzar la meta).
• En esta búsqueda la cantidad de memoria necesaria
  crece exponencialmente con respecto a la
  profundidad. Pero la elección de una buena
  función heurística permite disminuir notablemente
  la complejidad tanto en tiempo como en espacio.
• Es óptima y completa.

Alejandro Permingeat

5
6
Búsqueda limitada por la capacidad de la memoria.

• Cuando se implementan las búsquedas vistas hasta
  el momento, hay ciertos problemas muy difíciles
  de resolver y por lo tanto siempre hay que dar
  algo a cambio para resolverlos, y lo primero que
  se cede es la memoria disponible.
• Para poder conservar la memoria existen
• La búsqueda A por profundización iterativa
• La búsqueda A acotada por memoria simplificada.

Alejandro Permingeat

6
7
Búsqueda A por profundización iterativa (API).

• En este algoritmo, cada iteración es una búsqueda
  preferente por profundidad, la cual se modifica
  para utilizar un límite de costo f en vez de un
  límite de profundidad.
• En esta búsqueda el espacio requerido en memoria
  crece en forma lineal con respecto a la
  profundidad, mientras que la complejidad temporal
  depende de la cantidad de distintos valores que
  adopte la función heurística.
• Es óptima y completa.

Alejandro Permingeat

7
8
Búsqueda A acotada por memoria simplificada
(ASRM).

• Tiene las siguientes características
• Hace uso de toda la memoria que puede disponer
• En la medida que se lo facilite la memoria,
  evitará los estados repetidos
• Es completa si la memoria disponible tiene
  capacidad suficiente para guardar la ruta de
  solución más cercana
• Es óptima si dispone de suficiente memoria para
  guardar la ruta de solución óptima mas cercana.
  De lo contrario produce la mejor solución que sea
  posible obtener con la memoria disponible.

Alejandro Permingeat

8
9
Búsqueda de mejoramiento iterativo

• La idea básica de los algoritmos de estos tipos
  de búsqueda consiste en empezar con una
  configuración completa y efectuar modificaciones
  para mejorar su calidad.
• Entre estas búsquedas se pueden encontrar
• Búsqueda por ascenso de cima.
• Búsqueda con endurecimiento simulado.

Alejandro Permingeat

9
10
Búsqueda por ascenso de cima.
Esta búsqueda se trata de un bucle que
constantemente se desplaza en la dirección de un
valor ascendente. Como el algoritmo no mantiene
un árbol de búsqueda, la estructura de datos del
nodo sólo tiene que registrar el estado y su
evaluación, denominado VALOR. Cuando el
algoritmo llega a un punto mas allá del cual no
se logra ningún avance, es obvio que debe
empezarse de nuevo en otro punto.
Alejandro Permingeat

10
11
Búsqueda por endurecimiento simnulado.
Esta búsqueda es muy similar a la búsqueda por
ascenso a la cima, pero con la diferencia de que
en vez de empezar otra vez al azar luego de
quedarse atorado en un máximo local, sería
conveniente descender unos cuantos pasos y así
escapar del máximo local en cuestión.
Alejandro Permingeat

11