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.

Slides:



Advertisements
Presentaciones similares
Ing. Victor Jaime Polo Romero
Advertisements

Branch-and-bound Search
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,
Inteligencia Artificial
Diseño y análisis de algoritmos
Inteligencia Artificial
Árboles Grafo que no contiene ciclos, es decir es un grafo también acíclico, pero a su vez es conexo.
BENEMERITA UNIVERSIDAD AUTONOMA DE PUEBLA
1 Extensión de un Estructura de Datos Agustín J. González ELO-320: Estructura de Datos y Algoritmos.
Inteligencia Artificial Búsqueda informada y exploración
Igor Santos Grueiro. Muchos objetos tienen CLAVE.
Métodos básicos de Búsqueda
Investigación de Operaciones II
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.
Inteligencia Artificial Gonzalo Villarreal Farah
Teoría de Grafos.
L. Enrique Sucar Marco López ITESM Cuernavaca
Eduardo Morales/L. Enrique Sucar
Eduardo Morales/L. Enrique Sucar
Programación Lineal Entera Antonio H. Escobar Z Universidad Tecnológica de Pereira – Colombia Posgrado en Ingeniería – Maestría/Doctorado.
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.
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
Heaps Mauro Maldonado Abril/2005. Introducción La estructura heap es frecuentemente usada para implementar colas de prioridad. En este tipo de colas,
ESTRUCTURAS DE DATOS I Conocer, comprender y analizar algunos de los principales tipos de estructuras de datos.
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
BUSQUEDA SECUENCIAL Consiste en revisar elemento tras elemento hasta encontrar el dato buscado, o llegar al final del conjunto de datos disponibles. La.
Diseño y análisis de algoritmos
Programación IMC José Andrés Vázquez Flores. Definición Un arreglo es un conjunto finito e indexado de elementos homogéneos, que se referencian por un.
A LGORITMO DE BÚSQUEDA POR COSTO UNIFORME Dorian López.
CÓDIGOS DE HUFFMAN. Códigos de Huffman Los códigos de Huffman, que representan caracteres por cadenas de bits de longitud variable, proporcionan alternativas.
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
Backtracking 1. Método general. 2. Análisis de tiempos de ejecución.
Arreglos Programación I MC Beatriz Beltrán Martínez.
M. en C. José Andrés Vázquez Flores
Análisis y Diseño de 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
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 EN ANCHURA Y PROFUNDIDAD
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:

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 tenga la longitud mínima. Una técnica para encontrar la ruta más corta puede ser recorrer la gráfica, encontrar todas las posibles rutas y de entre ellas seleccionar la mejor. Este procedimiento exhaustivo es generalmente conocido como el British Museum Procedure.

Para encontrar todas las posibles rutas, un Depth-First o un Breadth-First nos pueden servir con una modificación: La búsqueda no se detendrá al encontrar la primer ruta al gol, sino que debe continuar hasta recorrer todas las posibilidades. Desgraciadamente el tamaño de los árboles de búsqueda es frecuentemente demasiado grande por lo que la tarea de buscar todas las posibles rutas puede ser una tarea casi irrealizale.

Ejemplos: Un árbol en el cual cada nodo tiene 10 hijos ² 0 10³ 0 10¹º = 10 mil millones En General 10 hijos NIVEL NODOS b 2 b² 3 b³ n b n

I. 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.

Ejemplo:

Algoritmo Branch-and-Bound 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. +Mete 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 cuando la primera resta completa es encontrada, 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 gol t, consiste en analizar la función de evaluación que nos permite obtener una idea aproximada acerca del siguiente nodo que tomamos para expander. 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 gol. Así: f(n): estima el costo de una ruta óptima de S al gol, 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 el árbol de búsqueda.

Algoritmo de 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*

El Algoritmo A* tiene algunas propiedades muy importantes: Terminación: El Algoritmo A* siempre termina en gráficas finitas. Completitud: Se dce 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 gráfcas infinitas). Admisibilidad: Se dice que el algoritmo A* es admisible, es decir que si exíste alguna ruta entre el nodo S y el nodo gol, el algoritmo A* siempre terminara con la ruta óptima.