Contenido

No se encontraron entradas de tabla de contenido.

METODOS DE BUSQUEDA INFORMADO

Búsqueda Informada (Heurística)

La búsqueda informada viene a ser la que utiliza el conocimiento específico
del problema más allá de la definición del problema en sí mismo; este método
puede encontrar soluciones de una manera más óptima.
- A su vez se pueden dividir en tres tipos de búsqueda:
- Búsqueda preferente por lo mejor.
- Búsqueda limitada por la capacidad de la memoria.
- Búsquedas de mejoramiento iterativo.

BUSQUEDA PRIMERO EL MEJOR

es un caso particular del algoritmo general de Búsqueda-Arboles o de
búsqueda –Grafos.
Esta búsqueda consiste en seleccionar un nodo para expandir primero aquél
nodo con mejor evaluación. Dicha evaluación es el resultado de aplicar la
función de evaluación F(n); 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*
El conocimiento en base al cual se apoya la decisión del nodo que toca
expandirse es obtenido desde una función de evaluación, f(n).
La función de evaluación produce un número que sirve para representar lo
deseable (o indeseable) que sería la expansión de un nodo.
Si los nodos se ordenan de tal manera que se expande primero aquél con
mejor evaluación, entonces la estrategia es llamada búsqueda preferente por
lo mejor.
La Función Heurística, h(n) donde h(n) = coste estimado del camino más
barato desde el nodo n a un nodo objetivo.
Las funciones heurísticas son la forma más común de transmitir el
conocimiento adicional del problema al algoritmo de búsqueda.
La implementación se puede hacer con una cola con prioridad, una
estructura de datos que mantendrá la frontera en orden ascendente de f
valores.
función BUSQUEDA-PRIMERO-EL-MEJOR (problema, FUNCION-
EVALUACION) responde con una secuencia de solución entradas: problema,
un problema
Función-Eval, una función de evaluación Función-lista-de-espera una función
que ordena los nodos mediante FUNCIÓN-EVAL responde con BUSQUEDA-
GENERAL (Problema, Función-lista-de-espera)
Así como es existe una familia de algoritmos BUSQUEDA-GENERAL, con
distintas funciones de ordenamiento, también existe una familia de algoritmos
BUSQUEDA-PREFERENTE-POR-LOMEJOR, que varían la función de
evaluación.
BUSQUEDA AVARA ó Búsqueda voraz primero el mejor

Búsqueda Avara (Greedy Search)

- Es una de las más sencillas estrategias en la BPPLM, que consiste en reducir
al mínimo el costo estimado para lograr una meta.
- En otras palabras, el nodo cuyo estado se considere más cercano a la meta
en términos de costo de ruta se expande primero.
Aunque casi siempre es posible calcular el costo aproximado hasta la meta, es
difícil hacerlo con precisión.
− La función utilizada para dicho estimado del costo se llama función
heurística, simbolizada por h.
− h(n) = costo estimado de la ruta más barata que une el estado del nodo n con
un estado meta
− h puede ser cualquier función. El único requisito es que h(n) = 0 , cuando n
es una meta.
− Cuando los problemas son de determinación de rutas en el mundo real
(ejemplo, Rumania), una buena función heurística es la distancia en línea
recta a la meta:
hDLR (n) = distancia en línea recta entre n y la meta

Para calcular los valores de hDLR se requieren las coordenadas de las

ciudades de Rumania.
− Esta función heurística es útil porque la carretera que va de A a B tiende a
dirigirse más o menos en la dirección correcta.

Ejemplo
 Utilizar el método de búsqueda avara para solucionar el problema de
Rumania. Mostrar el desarrollo con árboles de búsqueda.

Búsqueda Avara

Arad

h=366
− Esta búsqueda usualmente produce resultados
buenos
− Tienden a producir soluciones rápidamente,
aunque no siempre la solución encontrada es la
óptima.
− Ejemplo, tratar de llegar de Lasi a Fagaras.

Se asemeja a la búsqueda preferente por profundidad, ya que se “atora” al

toparse con un callejón sin salida.
− Tiene sus mismas deficiencias: no es óptima, es incompleta, puede recorrer
una ruta infinita.
− Su complejidad es espacial es tan grande como su temporal: O(bm), donde
m es la profundidad máxima del espacio de búsqueda. Una buena función
heurística permite disminuir notablemente la complejidad tanto de espacio
como de tiempo.

RESUMEN
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.

BUSQUEDA A*
− La búsqueda avara reduce h(n), el costo hacia la meta, pero no es óptima ni
completa.
− La búsqueda de costo uniforme reduce g(n), el costo de ruta, es óptima y
completa, pero puede ser ineficiente.
− Las dos funciones se podrían combinar mediante una suma:
f(n) = g(n) + h(n)
− f(n) puede llamarse el costo estimado de la solución más barata, pasando por
n.
− Es posible demostrar que esta estrategia es completa y óptima, dada una
restricción de h.
− La restricción es escoger una función h que nunca sobreestime el costo que
implica alcanzar la meta.
− A dicha función h se le llama heurística admisible.
− A la búsqueda preferente por lo mejor que usa f como función de evaluación
y una función h aceptable se le conoce como búsqueda A*.

− En el ejemplo de Rumania, la distancia en línea recta es una heurística

aceptable, ya que la ruta más corta entre dos puntos es la línea recta (por lo
tanto, siempre será menor que la distancia real, nunca la sobreestimará).

Búsqueda A*. (Comportamiento)

− Se puede observar que a lo largo de las rutas originadas en la raíz, el costo f
nunca disminuye.
− En toda heurística donde esto ocurre, se dice que muestra monotonicidad.
− Si la heurística fuera no monotónica, debe usarse la fórmula f(n’) = max
f(n),g(n’) + h(n’) Donde n’ es el nodo actual y n es el padre de n’
− A esta fórmula se le llama ecuación de ruta máxima.
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:
f=g(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.

BUSQUEDA DE ASCENSION DE COLINAS

Este método, es simplemente un bucle que continuamente se mueve en

dirección del valor creciente.
Termina cuando alcanza un pico. Donde ningún vecino tiene un valor mas
alto.
El algoritmo no mantiene un Árbol de Búsqueda. Si no una estructura de
datos del nodo actual que necesita, solo el registro de estado y su valor de
función objetivo.
Se parece a lo que hacemos cuando tratarnos de encontrar la cumbre del
Everest en una niebla mientras sufrimos amnesia.

Algoritmo de Búsqueda de Ascensión de Colinas

Función Ascensión-Colinas(problema) devuelve un estado que es un máximo
local
Entradas: problema, un problema
Variables locales: actual, un nodo vecino, un nodo
Actual Hacer-Nodo(ESTADO-INICIAL[problema])
Bucle hacer
Vecino sucesor de valor mas alto de actual
Si VALOR[vecino] ≤ VALOR[actual]entonces
devolver ESTADO[actual]
Actual vecino
 Este método es llamado también: búsqueda local voraz.
La ascensión de colinas, a menudo hace el progreso muy rápido hacia una
solución.
La ascensión de colinas también se atascan por los motivos siguientes:
- Máximo local: es un pico que es mas alto, que cada uno de sus estado
vecinos.
-Crestas: causan una secuencia de máximos locales, que hacen difícil la
navegación para los algoritmos avaros.
-Meseta: es una área del paisaje del espacio de estados, donde la función de
evaluación es plana.