INTELIGENCIA ARTIFICIAL 2012-1 Métodos de búsqueda en un espacio de estados

Métodos de búsqueda ciega: amplitud, profundidad y no determinista

MÉTODOS DE BÚSQUEDA CIEGA Se les denomina así porque solo usan estrategias de búsqueda que solo consideran la relación de precedencia entre estados. Los métodos de búsqueda ciega más conocidos son: - Búsqueda en amplitud. - Búsqueda en profundidad. - Búsqueda no determinista.

BÚSQUEDA POR AMPLITUD - Los nodos se visitan y generan por niveles. - Un nodo es visitado cuando todos los nodos de los niveles superiores y sus hermanos precedentes han sido visitados. - Todos los nodos que están a profundidad d se expanden antes que los nodos con profundidad d+1. El camino para la búsqueda de L sería:   B - A - E - C - R - D - P - M - J - o - H - L

BÚSQUEDA POR PROFUNDIDAD - En esta búsqueda siempre se expande uno de los nodos que se encuentre en lo más profundo del árbol. - Sólo si la búsqueda conduce a un callejón sin salida (un nodo que no es meta y que no tiene expansión), se revierte la búsqueda y se expanden los nodos de niveles menos profundos. Los nodos se visitan y generan buscando los nodos a mayor profundidad y retrocediendo cuando no se encuentran nodos sucesores. El algoritmo encuentra una solución si se impone un límite de profundidad y existe una solución dentro de ese límite.

INTELIGENCIA ARTIFICIAL 2012-1 Métodos Informados de Búsqueda

Métodos informados de búsqueda Búsqueda informada: Aplicar conocimiento al proceso de búsqueda para tornarlo más eficiente. El conocimiento (heurístico) vendrá dado por una función que estima lo deseable de expandir un nodo (estados) Objetivo: reducir el árbol de búsqueda, ganando eficiencia en la práctica. Dar preferencia a los estados mejores.

Métodos informados de búsqueda Métodos que usan la información disponible acerca del problema en cuestión con el objetivo de tornar más eficiente la búsqueda. Entre ellos se encuentran: Ascenso a la Colina Primero el Mejor, Algoritmo A* Ramificación y Acotación

Métodos informados de búsqueda Función de evaluación Una función de evaluación f mapea cada nodo de búsqueda N a un número real f(N) La función de evaluación mide la utilidad de la información adicional asociado a cada estado.