Branch-and-bound Search

Slides:



Advertisements
Presentaciones similares
Ing. Victor Jaime Polo Romero
Advertisements

Búsqueda en árboles de juego
¿Por que estudiar búsquedas?
Búsqueda en un espacio de estados
Programación entera En muchos problemas reales las variables sólo pueden tomar valores enteros Ejemplos: decisiones sobre inversiones, compras, arranques,
Programación entera En muchos problemas reales las variables sólo pueden tomar valores enteros Ejemplos: decisiones sobre inversiones, compras, arranques,
Inteligencia Artificial
Diseño y análisis de algoritmos
Inteligencia Artificial
Propiedades de las Funciones Continuas
Árboles Grafo que no contiene ciclos, es decir es un grafo también acíclico, pero a su vez es conexo.
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA
Introducción a los Algoritmos
Inteligencia Artificial Búsqueda informada y exploración
Métodos básicos de Búsqueda
Investigación de Operaciones II
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERIA DIVISIÓN DE INGENIERÍA ELÉCTRICA COMPUTACIÓN PARA INGENIEROS NOTA IMPORTANTE: Para complementar.
Cap 4 Búsqueda Heurística
Búsqueda Informada Heurísticas.
Inteligencia Artificial Búsqueda informada y exploración
Solución de problemas por búsqueda inteligente
Métodos óptimos de búsqueda El costo de RECORRIDO del camino debe ser minimizado (aún a expensas de mec. de BÚSQUEDA más complicados) : Costo Uniforme.
METODO DE BUSQUEDA ALGORITMO DE COSTO UNIFORME
Fundamentos de Inteligencia Artificial Búsqueda
Tema Nº4.
Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Métodos Numéricos Método de la regla falsa Balderas Nieves Dulce Ivett.
Teoría de Grafos.
L. Enrique Sucar Marco López ITESM Cuernavaca
Eduardo Morales/L. Enrique Sucar
Eduardo Morales/L. Enrique Sucar
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.
Ciudad de Könisberg, Prusia, en XVIII:
Teoria de grafos.-clase 4
Clase 2, Parte 2: Métodos Tradicionales de Optimización y Búesqueda
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Optimización Combinatoria usando Algoritmos Evolucionistas Problemas de Optimización. Idea: Encontrar una solución "factible" y "óptima" de acuerdo a algún.
Capítulo 4 BUSQUEDA INFORMADA.
Árbol recubridor mínimo Distancias
PILAS, COLAS, RECURSIVIDAD.
Heaps Mauro Maldonado Abril/2005. Introducción La estructura heap es frecuentemente usada para implementar colas de prioridad. En este tipo de colas,
Solución de problemas por Búsqueda
Single-Source Shortest Paths “Camino más corto desde/hacia una fuente”
Agentes de resoluciones d problemas Parte I. Un agente puede adoptar una meta o un propósito para satisfacer.
Estructura de Datos y Algoritmos
Diseño y análisis de algoritmos
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.
Diseño y análisis de algoritmos
Diseño y análisis de 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
M. en C. José Andrés Vázquez Flores
Análisis y Diseño de Algoritmos
Agustín J. González ELO-320: Estructura de Datos Y Algoritmos
Búsqueda en profundidad Se elige la primera alternativa (por convención la de más a la izquierda) y se sigue hacia abajo hasta alcanzar la meta o hasta.
Arboles B (búsqueda externa)
Inteligencia artificial
Algoritmo de Dijkstra para ruta más corta. Ejemplo 1.
Cecilia Laborde González
Estructura de Datos 4 Grafos Dirigidos
UNIDAD 2 Grafos Árboles abarcadores mínimos Caminos más cortos.
Árboles Binarios de Búsqueda (ABB)
Toribio Sarmiento Miguel Sesarego Cruz Rosmery. BUSQUEDA DE LA SOLUCION EN UN ESPACIO ESTADO BUSQUEDA SISTEMATICA O CIEGA EN PROFUNDIDAD EN AMPLITUD NO.
BUSQUEDA POR PROFUNDIDAD INTELIGENCIA ARTIFICIAL
Matemáticas Discretas MISTI
Recorridos de grafos Segunda Parte M.C. Meliza Contreras González.
BÚSQUEDA DE SOLUCIONES Soluciones no Informadas (cont.) Dra. Myriam Hernández A.
Transcripción de la presentación:

Branch-and-bound Search Una forma de encontrar una ruta óptima con menos esfuerzo, es utilizar la búsqueda Branch-and-Bound. La idea básica es simple: a cada paso elige siempre la ruta que menos distancia haya recorrido.

Branch-and-bound Search Algoritmo Ruta  Raiz Pon_en_cola (Ruta , 0) Éxito  fracaso  falso Mientras not (existo or fracaso) has Si toma_de_cola (Ruta,Costo) entonces fracaso verdadero Sino si gol in Ruta entonces éxito verdadero Sino: +Remueve [Ruta, costo] de la cola +Expande ultimo (ruta) y genera una nueva ruta con cada uno de sus hijos. +Coloca las nuevas rutas a la cola +Ordena la cola por costo acumulado poniendo las rutas con menos costo al frente. Fin Fin-ciclo Fin Brach-and-Bound Nota: Es mejor terminar cuando la ruta incompleta mas corta es mayor que la ruta completa mas corta.

Algoritmo A* Un procedimiento muy interesante para obtener la ruta de menor costo entre el nodo s y el nodo objetivo t, consiste en analizar la función de evaluación que nos permite obtener una idea aproximada acerca del siguiente nodo que tomamos para expander.

Algoritmo A* Esta función se ha llegado a definir de la siguiente manera: F(n)= g(n) + h(n) En la cual: g(n): es el costo de la ruta con costo mínimo que va del nodo S al nodo n. h(n): es una función leuristica que estima la distancia mínima entre el nodo n y algún nodo objetivo. Así: f(n): estima el costo de una ruta óptima de S al objetivo, restringida a pasar a través del nodo n. Nota : La función g(n) en el caso más simple se puede suponer igual a la profundidad del nodo n en elárbol de búsqueda.

Algoritmo A* Algoritmo del A* Forma una cola de rutas parciales e inserta la ruta inicial: Longitud 0, profundidad 0, a partir del nodo inicial. Fracaso éxito falso Mientras not (fracaso or éxito) haz Si toma_ruta_de_cola(Ruta) entonces Fracaso verdadero Si no: si ruta contiene gol entonces Éxito verdadero Si no: +Remueve Ruta de la cola +Forma nuevas rutas extendiendo ruta en un paso para cada uno de sus hijos. +Aplica la función F a cada ruta nueva y agregala a la cola. + ordena la cola colocando las rutas de menor costo al frente. + Si dos o más rutas terminan en el mismo nodo, selecciona la de menor costo y elimina de la cola las demas. fin fin_ciclo Fin Algoritmo A*

Algoritmo A* El Algoritmo A* aquí presentado, tiene algunas propiedades muy importantes: Terminación: El Algoritmo A* siempre termina en gráficas finitas. Completitud: Se dice que el algoritmo A* es completo, es decir que si alguna ruta existe entre el nodo s y el nodo gol, el algoritmo A* siempre la encontrará. Esta propiedad se aplica tanto a gráficas finitas como a gráficas infinitas. (El algoritmo del depth-first no es completo para gráficas infinitas). Admisibilidad: Se dice que el algoritmo A* es admisible, es decir que si existe alguna ruta entre el nodo S y el nodo gol, el algoritmo A* siempre terminara con la ruta óptima.