Cuadro Comparativo sobre los diferentes medos de búsqueda I.A

1. República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Universidad Nacional Experimental Politécnica de las Fuerzas Armadas
Núcleo Lara
Métodos de Búsqueda Inteligencia Artificial
Octubre 2022
INTRODUCCION
Integrante: José Ignacio
Castillo Rivero
Materia: Inteligencia Artificial
Sección: 07S-2613-D2
Prof. Edecio Freites

2. Muchas de las aplicaciones de la IA implican la búsqueda de una solución en el
espacio del problema, esta solución es en algunos casos, una secuencia de
operaciones, controlar los movimientos de un robot, o generar un programa en
forma automática, por mencionar algunos ejemplos.
Como se intuye de lo visto con anterioridad, esta búsqueda puede ser muy ardua
o a veces imposible, debido a la complejidad o el tamaño del espacio de
búsqueda, es así que aparecen distintos métodos para comparar se procede a
realizar un cuadro comparativo con sus ventajas y desventajas describiendo cada
una con su aplicaciones.

3. Nombre Descripción Características Aplicación Ventajas Desventajas
Exploración
de Grafos
Los nodos de
grafo Y/O
representan
subproblemas a
resolver,
originados a partir
de un problema
inicial que
corresponderá
con el nodo
superior del grafo.
Los nodos O
representan las
alternativas existentes
para la solución de un
problema.
Los nodos Y conectan a
un nodo padre con los
problemas que hay que
solucionar.
Usado en
problemas que
puedan ser
dividido en
problemas más
pequeños y
que estos
mismos
puedan llevar
una solución.
Las misma
que A*
Reduce la
complejidad
exponencial,
sobre todo
espacio.
Depende del
tipo de
problema.
Aun pueden darse
complejidades
exponenciales,
sobre todo en
espacio. Depende
del tipo de
problema.
Método
Minimax
Esta basado la
profundidad, y
grafos Y/O.
En por cada
acción de jugador,
se debe de
analizar todas las
posibles
soluciones del
otro jugador
Consigue la mejor
estrategia, y una
secuencia de acciones
optima.
Según su utilidad
máxima el agente
inteligente, y minimiza
en el contrincante.
Usado
ampliamente en
juegos en
donde se
necesita saber
cuales
opciones a
elegir en una
partida.
El algoritmo
tiene la
capacidad de
aprender de
su oponente
Cada estado debe
ser visitado dos
veces: Una vez
para encontrar
sus hijos, y otra
para evaluar el
valor heurístico.
Tiende a ser
demasiado lento.
Primero El
Mejor
Selecciona el
siguiente nodo a
expandir mediante
la función de
evaluación f(n),
que esta
implementada en
una lista de
prioridad
Evalúa los nodos
utilizando solo la
función heurística.
Trata de expandir el
nodo mas cercano para
conseguir más rápido la
solución
Es usado en
problemas en
donde las
acciones se
comportan
como si fuesen
un único
camino hacia la
solución
Admite
costes de
variables no
acciones.
Reduce
complejidad
con buena
heurística.
Evita visitar
demasiado
caminos
inútiles
No es completo
porque puede
caer en callejones
sin salida y no
aportar una sola
solución
Búsqueda
en Anchura
Se expande desde
el nodo raíz ,
luego expande
todos sus nodos
hijos , luego los
hijos de los hijos y
así sucesivamente
Completo, ya que
consigue la solución
más optima.
Coloca todos los nodos
en una cola FIFO, con
una frontera vacía para
que todos los nuevos
sean los primero
expandidos
Es usado en
problemas
realmente
pequeños, en
donde el coste
de las acciones
es el mismo
para todas
Si hay una
solución, la
encuentra
siendo esta
la mas
optima
Expande muchos
nodos inútiles.
Coste constante y
no negativo.
Solo para
problemas
simples

4. Búsqueda
en
Profundidad
Se expande desde
el nodo raíz, luego
uno de su hijo, y
uno de los hijos
de hijos, si llega a
una hoja que no
es solución, se
retrocede y se
prueba con el
siguiente hijo.
Completo si se evitan
caminos redundantes el
estado de estado es
finito. En caso de
espacios de estados
infinitos no es completo
ya que puede que
nunca consiga
solución.
Es usado en
espacios de
estados en
donde las
acciones están
limitadas
Ocupa muy
poco
espacio.
Ocupa diez
billones de
veces menos
espacio que
el algoritmo
búsqueda en
anchura
No es completo ni
optimo.
Puede proba
muchos caminos
inútiles.
Puede quedarse
atrapado en
bucles infinitos
Búsqueda
General den
grafo
Crea un grafo de
exploración que
contiene un único
nodo que contiene
la solución al
problema.
Si encuentra la solución
encuentra la más
optima.
Detecta si un nuevo
estado ya había sido
generado y expandido
Usado para
resolución de
problemas
generales
Ocupa muy
poco
espacio.
Si hay una
solución la
encuentra
esta mas
optima
Expande muchos
nodos inútiles.
Coste constante y
negativo
Busque en
Haz
Pretende acelerar
el proceso de
búsqueda
reduciendo en
cada paso de
algoritmo el
numero de nodos
generado que van
a poder ser
expandidos
Guarda solo un nodo en
la memoria, como
reacción a las
limitaciones de
memoria.
También puede guardar
pistas de K estado
Comienza generando
los estados generados
aleatoriamente.
Es aplicado en
algoritmos
genéticos en
donde cada
estado sucesor
combina dos
estados
padres.
Disminuye la
cantidad de
nodos a
generar
No es optimo
porque no
consigue la
solución mas
optima
Poda Alfa-
Beta
Calcula el valor
correcto de la
función minimax
sin mirar todos los
nodos de un árbol
.
La misma que minimax
pero solo centrándose
en los nodos en donde
se consiga
posiblemente la
solución.
Utilizada en
problemas
donde el factor
de ramificación
sea muy
elevado y sus
costes sea muy
prohibitivos
La eficacia es
debido a la
forma en
como
examina los
sucesores.
La poda no
afecta el
resultado
final
Es posible que no
consiga una
solución, aunque
exista
Algoritmo
A*
Tiene en cuenta el
coste del del
camino y el coste
de la heurística. El
siguiente nodo en
expandir es el que
tenga menor coste
estimado por la
Es una aplicación de la
búsqueda “Primero el
mejor”.
Evalúa los nodos
combinados, el coste
para alcanzar el nodo y
el coste de ir al nodo
objetivo
Es usado en
donde la
heurística es
admisible,
donde el coste
de ir al nodo
objetivo
sobreestime el
Admite
Costes
variables de
acciones.
Evita
caminos
inútiles.
Aun pueden darse
complejidades
exponenciales,
sobre todo en
espacio

5. función de
evaluación
coste de
alcanzar el
nodo objetivo
Es completo
y
óptimamente
eficiente.
El algoritmo
es optimo
porque si
existe la
solución la
encuentra
Reflexión
La inteligencia artificial (IA) se manifiesta en algoritmos cuyo desempeño es difícil
de predecir o explicar. Estos algoritmos se aplican a cuestiones de la vida
cotidiana de los ciudadanos, como por ejemplo el otorgamiento de un préstamo
bancario, y han empezado a utilizarse por parte del gobierno electrónico.
Para elaborar una clasificación de los sistemas de búsqueda se tienen muchas
clasificaciones tantas como investigadores y autores en inteligencia artificial
existen, en el módulo se ha tratado de organizar esta información para ofrecer un
panorama lo más amplio posible para que el estudiante abarque la mayor cantidad
de información, los nombres de los algoritmos y métodos de solución en unos
casos tienen diferencias que se aclaran cuadro comparativo.

6. Referencias
https://journalismcourses.org/wp-content/uploads/2020/07/nota-m2-1.pdf
https://sites.google.com/a/uniguajira.edu.co/inteligencia-artificial/tecnicas-de-
busquedas
http://inteligenciaartificialgrupo33.blogspot.com/p/metodos-de-busqueda-y-
ejemplos.html