2-Inteligencia Artificial

BUSQUEDAS
BUSQUEDAS A CIEGAS
PRIMERO SUPERFICIE – PSEUDOCODIGO
DEFUN BUSCA_SUPERFICIE (Inicio Objetivo)
Nodos=Inicio
Repetir
Si Vacio(Nodos) Entonces Imprimir Fallo Fin_Si
Nodo=Primero(Nodos)
Nodos=ElResto(Nodos)
Si Nodo=Objetivo entonces
Imprimir Solucion(Nodo)
Sino
Nodos=Nodos+Hijos(Nodo)
Fin_Si
Fin_Repetir
BUSQUEDAS
BUSQUEDAS
CRITERIOS DE EVALUACION DE BUSQUEDAS
1.- COMPLETA
2.- TIEMPO ESTIMADO
3.- MEMORIA ESTIMADA
4.- OPTIMIA
1
BUSQUEDAS
BUSQUEDAS A CIEGAS
PRIMERO SUPERFICIE – EVALUACION
-COMPLETO: SI
-Tiempo y Memoria: para 10 hijos por nodo:
Nivel
0
2
4
8
12
Nodos
1
111
11.111
108
1012
Tiempo
1 ms
0.1 s
11 s
31 Horas
35 Años
Memoria
100 bytes
11 Kb
1 Mb
11 Gb
111 Tb
-OPTIMA: No
BUSQUEDAS
BUSQUEDAS A CIEGAS
PRIMERO FONDO – DEEP FIRST
2
BUSQUEDAS
BUSQUEDAS A CIEGAS
PRIMERO FONDO – EVALUACION
-COMPLETO: NO
-Tiempo y Memoria: Minimos, solo requiere
almacenar y evaluar bd nodos (Hijos x Nivel
Máximo), es más rápido cuando existen
múltiples soluciones
-OPTIMA: No
DEEP BLUE
3
BUSQUEDAS
BUSQUEDAS A CIEGAS
FONDO LIMITADO – DEEP LIMITED
BUSQUEDAS
BUSQUEDAS A CIEGAS
FONDO LIMITADO – EVALUACION
-COMPLETO: NO
-Tiempo y Memoria: Minimos, solo requiere
almacenar y evaluar bd nodos (Hijos x Nivel
Máximo), es más rápido cuando existen
múltiples soluciones
-OPTIMA: No
4
BUSQUEDAS
BUSQUEDAS A CIEGAS
FONDO ITERATIVO
BUSQUEDAS
BUSQUEDAS A CIEGAS
FONDO ITERATIVO – EVALUACION
-COMPLETO: SI
-Tiempo y Memoria: Se puede demostrar que solo
incrementa un maximo de 50% los nodos
almacenados y evaluados respecto al método
Fondo Limitado de la misma profundidad
máxima
-OPTIMA: Si
5
BUSQUEDAS
BUSQUEDAS A CIEGAS
COSTO UNIFORME
BUSQUEDAS
BUSQUEDAS A CIEGAS
COSTO UNIFORME – EVALUACION
-COMPLETO: SI
-Tiempo y Memoria: Solo evalúa y almacena
aquellos nodos cuyo costo sea menor al costo
optimo
-OPTIMA: Solo con costos no decrecientes
6
HEURISTICA
 Del griego Heuriskein: Encontrar, descubrir
 Heureka: Lo encontré !!
 Heuristica en IA: Proceso que mejora la
búsqueda de soluciones en la mayoría de
los casos sin empeorarla en los casos
extremos
 Heuristica en Búsqueda de soluciones:
Proceso que retorna un estimado del costo
de la solucion
BEST FIRST – PRIMERO EL MEJOR
 IMPLEMENTAR UNA FUNCION DE
ESTIMACION
 ESTIMAR EL VALOR DE CADA NUEVO
NODO GENERADO
 BUSCAR LA SOLUCION EMPEZANDO
POR EL NODO MEJOR ESTIMADO
 EN RESUMEN, BUSCA SIEMPRE
PRIMERO LO QUE PARECE MEJOR
7
BEST FIRST – GREEDY SEARCH
 COMPLETA: NO, PUEDE CAER EN
LOOPS INFINITOS
 MEMORIA Y TIEMPO: MANTIENE TODOS
LOS NODOS EN MEMORIA
 UNA BUENA FUNCION DE ESTIMACION
PUEDE REDUCIRLOS
DRAMATICAMENTE
 OPTIMA: NO
BEST FIRST – A*
 La búsqueda costo_uniforme evalua
primero los nodos con menor camino
recorrido
 La busqueda tacaña (greedy search) evalua
primero los nodos que parezcan mas cerca
del objetivo
 A* es una combinación de ambas
8
BEST FIRST – A*
 Si la heurística es admisible y monótona se
puede probar que:
 A* es completo, optimo, ocupa mucho
menos tiempo y memoria que cualquier
método de búsqueda a ciegas y finalmente
que es OPTIMO EFICIENTE (Encuentra el
mejor resultado expandiendo la mínima
cantidad de nodos)
9