Introducción a las Funciones Heurísticas

1. INTRODUCCIÓN
Una heurística es un algoritmo que abandona uno o ambos objetivos; por
ejemplo, normalmente encuentran buenas soluciones, aunque no hay pruebas
de que la solución no pueda ser arbitrariamente errónea en algunos casos; o se
ejecuta razonablemente rápido, aunque no existe tampoco prueba de que
siempre será así.
Funciones heurísticas para búsqueda en el espacio de estados:
 Estiman de adecuación de un nodo para ser expandido.
 Métodos de búsqueda “el mejor primero” eligen el nodo más prometedor
para expandir.
Heurística usual: “distancia” hacia la meta:
 h: N→ℵ mide el coste real desde el nodo n hasta el nodo meta más
cercana.
 h*: N→ℵ es una función heurística que estima el valor de h(n).
 Una función heurística h* es optimista, si h*(n) ≤ h(n) para todo nodo n.
Ejemplos de funciones heurísticas optimistas:
 Mundo de los bloques: Número de bloques descolocados.
 Encontrar rutas: Distancia en línea recta hasta un nodo meta.
MARCO TEÓRICO
FUNCIONES HEURÍSTICAS
La Heurística no garantiza que siempre se tome la dirección correcta, por eso
este enfoque no es óptimo sino suficientemente bueno. Frecuentemente son
mejores los métodos heurísticos que los métodos de búsquedas a ciegas.
Las desventajas y limitaciones principales de la heurística son:
 La flexibilidad inherente de los métodos heurísticos pueden conducir a
errores o a manipulaciones fraudulentas.
 Ciertas heurísticas se pueden contradecir al aplicarse al mismo problema,
lo cual genera confusión y hacen perder credibilidad a los métodos
heurísticos.

2.  Soluciones óptimas no son identificadas. Las mejoras locales
determinadas por las heurísticas pueden cortar el camino a soluciones
mejores por la falta de una perspectiva global. La brecha entre la solución
óptima y una generada por heurística puede ser grande.
FUNCIONES DE EVALUACIÓN HEURÍSTICA
La calidad de un nodo (estado, situación) del espacio de búsqueda se puede
estimar de varias formas:
 Calidad del conjunto de soluciones candidatas codificadas por el nodo.
 Cantidad de la información que se puede ganar expandiendo un nodo
dado y la importancia de la información para guiar la búsqueda.
PROPIEDADES DE LAS FUNCIONES DE EVALUACIÓN
HEURÍSTICA
A. Heurísticas admisibles.
Una función de evaluación heurística se denomina admisible si ella nunca
sobrestima el costo real de alcanzar el objetivo.
B. Heurística más informada.
Para dos heurísticas admisibles f1 y f2, si f1(n) ( f2(n), para cualquier estado n
en el espacio de búsqueda, se dice que la heurística f2 es más informada que
f1.
Si una heurística f2 es más informada que f1, entonces el conjunto de estados
examinados por f2 es un subconjunto de los expandidos por f1.
CARACTERÍSTICAS
 No garantizan que se encuentre una solución, aunque existan soluciones.
 Si encuentran una solución, no se asegura que ésta sea de longitud
mínima o de coste óptimo.
 En algunas ocasiones encontrarán una solución en un tiempo razonable.
 En general, los métodos heurísticos son preferibles a los métodos no
informados en la solución de problemas difíciles para los que una
búsqueda exhaustiva necesitaría un tiempo demasiado grande.

3.  La información del problema concreto que estamos intentando resolver se
suele expresar por medio de heurísticas.
CONCLUSIÓN
Los métodos Heurísticos son muy importantes porque cuentan con información
acerca del objetivo, lo que hace que sea más rápido y más ágil al momento de
encontrar su nodo objetivo.
BIBLIOGRAFÍA
 Malagón, s.2010.busqueda heurísticas. (En línea). Disponible en
http://www.nebrija.es/~cmalagon/ia/transparencias/busqueda_heuristica.
pdf
 Russell, s.2008.inteligencia artificial un enfoque moderno. Segunda
edición. Pearson education. Madrid-España.