BÚSQUEDA DE SOLUCIONES Soluciones no Informadas (cont.) Dra. Myriam Hernández A.

Slides:



Advertisements
Presentaciones similares
Branch-and-bound Search
Advertisements

¿Por que estudiar búsquedas?
Búsqueda en un espacio de estados
Tania Guzmán García Luis González Varela Alexandre González Rivas
INTELIGENCIA ARTIFICIAL
Damas Chinas Condori Mollehuara Miguel Montenegro Rubio Willy
Inteligencia Artificial
GRAFOS Presentado por: Oscar Leonardo Ramírez John Freddy Sandoval
Árboles Grafo que no contiene ciclos, es decir es un grafo también acíclico, pero a su vez es conexo.
Teoría de Grafos UCR – ECCI CI-1204 Matemáticas Discretas
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA
MATEMÁTICAS DISCRETAS.
Algoritmo A*.
Problema: Viajante de Comercio
Solución de problemas por búsqueda inteligente
METODO DE BUSQUEDA ALGORITMO DE COSTO UNIFORME
Inteligencia Artificial Resolver problemas mediante búsqueda
Recurrencia Programación II 3-4 de febrero de 2009.
ESTRATEGIAS DE BUSQUEDA A CIEGAS
Tema Nº4.
Inteligencia Artificial Resolver problemas mediante búsqueda
Inteligencia Artificial Gonzalo Villarreal Farah
Teoría de Grafos.
L. Enrique Sucar Marco López ITESM Cuernavaca
Eduardo Morales/L. Enrique Sucar
Cecilia Laborde González
GRAFOS HUGO ARAYA CARRASCO.
1 Algoritmos Elementales de Grafos Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem
Grafos. Un Grafo G es un par de conjuntos (V, E), donde V es un conjunto no vacío de elementos llamados vértices o nodos y E es un conjunto formado por.
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Capítulo 4 BUSQUEDA INFORMADA.
Árbol recubridor mínimo Distancias
Solución de problemas por Búsqueda
Agentes de resoluciones d problemas Parte I. Un agente puede adoptar una meta o un propósito para satisfacer.
Diseño y análisis de algoritmos
Métodos de Búsqueda Informada. Búsqueda de la mejor Ruta En esta sección no sólo nos interesa encontrar una posible ruta, sino obtener aquella ruta que.
A LGORITMO DE BÚSQUEDA POR COSTO UNIFORME Dorian López.
Definición, propiedades, recorridos x a q yb w e vu fo.
Agustín J. González ELO-320: Estructura de Datos y Algoritmos
¿Por que estudiar búsquedas? Recordemos que la mayoría de los problemas en inteligencia artificial, involucran como tema central un proceso de búsqueda.
METODOS DE BUSQUEDA INFORMADOS CAPITULO 5
Agustín J. González ELO-320: Estructura de Datos Y Algoritmos
Trazas Animadas de Recorridos sobre Grafos
Lab.5: Algoritmos paralelos para grafos y búsqeuda Algoritmos paralelos Glen Rodríguez.
BUSQUEDA EN ANCHURA Y PROFUNDIDAD
BUSQUEDA POR PROFUNDIDAD INTELIGENCIA ARTIFICIAL
1 Búsqueda en Grafos zAnchura zProfundidad. 2 Definiciones Adicionales zDef. Supongamos que R  A  B. La inversa de R, denotada por R -1, es la relación.
JURGEN MARTINEZ SANCHEZ JOSÉ ALAN HERNÁNDEZ GONZÁLEZ GUSTAVO RAFAEL DE LA ROSA VILLAFUERTE DFS en Grafos.
BÚSQUEDA EN ESPACIOS DE ESTADOS Espacio de estados: modelo del mundo representado por un grafo Espacio de estados: modelo del mundo representado por un.
Universidad Autónoma del Estado de México
ANALISIS Y DISEÑO DEL ALGORITMOS
TAD’s ARBOLES GENERALIZADOS
UNIVERSIDAD TECNOLOGICA INDOAMERICA INGENIERIA EN CIENCIAS DE LA COMPUTACION INTELIGENCIA ARTIFICIAL NOMBRE: NICOLAS RAMOS NIVEL: OCTAVO AMBATO - ECUADOR.
TEORÍA DE GRAFOS -Algoritmo de Dijkstra -Algoritmo de Primm -Algoritmo de Kruskal Integrantes:
Análisis de redes Por: Alexander Miss.
Introducción a las estructuras de datos
Análisis de redes. 3.4 Problema de flujo máximo.
Búsqueda por profundidad iterativa
Agentes que planifican. 1. Introduccion En la actualidad todas la mayoría de actividades en un empresa o compañía, como en el hogar o el medio ambiente.
Inteligencia Artificial
Árboles (Trees) Árboles Árboles binarios Recorridos de árboles
Curso de Programación Estructurada
ANGULO YOMAIRA QUINTERO MARIA PAEZ MARIAM
Arboles. Árboles ¿Qué son? Son Estructuras de datos “No lineales”” ¿Para que se utilizan? Representar Fórmulas Algebraicas Organizar Objetos Inteligencia.
Algoritmos de caminos más cortos
Árboles Binarios Estructuras de Datos.
Árboles Binarios Estructuras de Datos. Las estructuras dinámicas son las en la ejecución varia el número de elementos y uso de memoria a lo largo del.
Implementación de algoritmo para juegos. Algoritmo Minimax  El algoritmo de minimax en simples palabras consiste en la elección del mejor movimiento.
Espacio de estados: un problema se divide en un conjunto de pasos de resolución desde el inicio hasta el objetivo. Los estados y su relación de accesibilidad.
Grafos. Concepto: Un Grafo no es más que un conjunto de nodos o vértices que se encuentran relacionados con unas aristas. Además, los vértices tienen.
Transcripción de la presentación:

BÚSQUEDA DE SOLUCIONES Soluciones no Informadas (cont.) Dra. Myriam Hernández A.

Tipos de búsquedas no informadas Breadth-first search Uniform-cost search Depth-first search Depth-limited search Iterative deepening search

Generar vs expandir un nodo Generación de un nodo: Un nodo n se genera cuando se crea la estructura de datos que representa su contenido, es decir cuando se lo ubica en la memoria. Expansión de un nodo: Un nodo n se expande cuando todos sus hijos son generados.

Uniform-cost search Breadth-first search es óptima cuando todos los pasos tienen el mismo costo. ¿Qué pasa si los pasos no tienen el mismo costo? Se modifica bfs para guardar una cola prioritaria ordenada por costo g(n).

Diferencias entre BFS y UCS Además de ordenar la cola por el costo del camino, hay dos otras diferencias significativas de la búsqueda en anchura: 1. La primera es que la prueba de objetivo se aplica a un nodo cuando es seleccionado para expansión y no cuando se genera al principio. 2. La segunda diferencia es que la prueba se añade en caso de que se encuentre un mejor camino hacia un nodo en la frontera. Bfs es lo mismo que ucs cuando el costo para todos los caminos es el mismo.

Búsqueda en costo uniforme Ucs Bfs es lo mismo que Ucs pero se escoge el menor costo g(n). Es el conocido algoritmo de Dijkstra para encontrar el camino más corto entre dos nodos. Costo en tiempo y espacio similar a búsqueda en anchura Con seguridad obtenemos el camino mejor (asumiendo costos positivos).

Ejemplo para ilustrar uniform-cost search El espacio de estados muestra el costo por paso (a). Se presenta la progresión de la búsqueda, cada nodo tiene la etiqueta de g(n). En el siguiente paso se seleccionará g=10 (b).

Propiedades de Uniform-cost search Expande el nodo no expandido con menor costo. Implementación: frontera = cola ordenada desde el de menor costo Completo: Si, si el costo de cada paso es menor que un valor Tiempo: # de nodos con g <= costo de la solución óptima Espacio: # de nodos con g <= costo de la solución óptima Óptimo: Si, los nodos se expanden en orden de acuerdo a g(n)

Depth-first search Siempre expande uno de los nodos del nivel más profundo del árbol. Solo cuando la búsqueda llega a un nodo que no puede expandirse la búsqueda regresa y expande nodos en niveles más superficiales. Implementación: cola LIFO (pila) con sucesores al inicio. Es trivial la implementación modificando el algoritmo de búsqueda general de cola a pila.

Pasos búsqueda primero en profundidad DFS Sea G(V,E) un grafo conexo, escogemos un vértice inicial v para realizar DFS: 1. Se comienza en un vértice v (vértice activo) y se toma como la raíz del árbol generador T que se construirá. Se marca el vértice v. 2. Se elige un vértice u, no marcado, entre los vecinos del vértice activo. Si no existe tal vértice ir a Se añade la arista (v,u) al árbol T. Se marca el vértice u y se toma como activo. Ir al paso Si se han alcanzado todos los vértices de G el algoritmo termina. En caso contrario, se toma el vértice padre del vértice activo como nuevo vértice activo y se vuelve al paso 2.

DFS

Propiedades dfs Completo: No porque falla en espacios de profundidad infinita, espacios con lazos. Si evita estados repetidos es completo en espacios finitos. Tiempo: O(b m ) si m es mayor que d es terrible. Si no es así es más rápido que bfs. Todavía tiene que visitar cada nodo (inevitable para métodos no informados) Espacio: O(bm) ya no es exponencial sino lineal. Solo tiene que guardar un camino desde la raíz del árbol hasta el nodo. Óptimo: No.

Evolución de la pila Proporcione el orden de generación y el orden de expansión para este ejemplo.

Ldfs e Idfs Combinando las buenas propiedades de bfs y dfs Limited-depth dfs: Igual a dfs pero nunca va a una mayor profundidad que un límite d. Iterative deepening dfs: Llamar limited depth dfs con profundidad 0; Si no tiene éxito, llamar con profundidad 1; Si no tiene éxito, llamar con profundidad 2; Etc. Completo, encuentra la solución más superficial. Tiene el mismo requerimiento de espacio que dfs. Requerimiento de espacio tiene un costo extra porque genera los niveles superiores en forma repetida N(IDS) = db + (d-1)b 2 + … + lb d

IDFS