Cuadro Comparativo Mecanismos de búsqueda en inteligencia Artificial Estudiante Luis Hernández

1. REPÚBLICA BOLIVARINA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA
FUERZAS ARMADAS
UNEFA- NÚCLEO LARA
Estudiantes:
• Luis Hernández C.I: 29.831.289
Profesor:
Edecio Freitez
Materia:
Inteligencia Artificial
Octubre 2.022

2. Introducción:
Las técnicas de búsqueda constituyen una serie de esquemas de
representación del conocimiento, que a través de diversos algoritmos nos
permite resolver ciertos problemas desde el punto de vista de la IA. En esa
disciplina se estudian dos tipos de búsquedas: ciegas y búsquedas inteligentes
o búsqueda heurística. Ahora bien, un problema típico de la Inteligencia
Artificial: se trata de buscar un estado concreto entre un conjunto determinado,
al que se lo denomina espacio de estados. Imaginemos, por ejemplo, una
habitación cuyo piso se compone de baldosines en la que hay un libro. Un
robot debe desplazarse por la habitación con la meta de llegar al libro. ¿Cómo
lo hará? Aquí es donde entran en juego las estrategias y los algoritmos de
búsqueda. Por tal motivo en ciencias de la computación, se denominan
métodos de búsqueda no informados o ciegos a las estrategias de búsqueda
en las que se evalúa el estado siguiente sin conocer a priori si es mejor o peor
que su predecesor. Por otro lado, los métodos de búsqueda heurística
disponen de alguna información sobre la proximidad de cada estado a un
estado objetivo. Esta circunstancia les permite explorar en primer lugar los
caminos más prometedores.

3. Busquedas Sin Informacion o Busqueda a Ciegas:
Nombre
De La
Busqueda
Definición Características Ventajas Desventajas Aplicacion
Anchura o
Amplitud
Los
procedimientos
de búsquedas a
ciegas operan
aplicando los
operadores
disponibles a los
nodos, pero no
utilizan ningún
conocimiento
sobre el dominio
del problema
(solo saben
cuándo es posible
aplicar una
determinada
acción).
Procedimientos de
búsqueda nivel a
nivel
Para cada uno de
los nodos de un nivel
se aplican todos los
posibles
operadores.
No se expande
ningún nodo de un
nivel antes de haber
expandido todos los
del nivel anterior.
Se implementa con
una estructura FIFO.
Si existe la solución, la
encuentra en la menor
profundidad posible.
Si el problema tiene una
solución este
procedimiento garantiza
el encontraría. Si hubiera
varias soluciones so
obtiene la de menor
coste la óptima), es
decir, La que requiere un
menor número de pasos
(si consideramos un
coste uniforme de
aplicación de los
operadores).
Explosión combinatoria
aparece frecuentemente
debido a la alta
complejidad espacial y
temporal de esta técnica
- Si el nivel de
profundidad asociado a
la solución es
significativamente
menor que el factor de
ramificación se
expandirían demasiados
nodos inútilmente. Por
otro lado, la principal
desventaja de este
método es el espacio de
almacenamiento
requerido.
Usado en
cualquier tipo
de grafos en
donde se
requiera
buscar
elementos.
Sin embargo,
es ideal para
problemas
pequeños en
donde el
coste de las
acciones sea
realmente
pequeño.
Busqueda
En
Profundidad
Es un algoritmo
que permite
recorrer todos los
nodos de un grafo
o árbol (teoría de
grafos) de
manera
ordenada, pero
no uniforme. Es
aquel
procedimiento de
control en el que
se centra en
expandir un único
camino desde la
raíz.
La búsqueda se
realiza por una sola
rama del árbol hasta
encontrar una
solución o hasta que
se tome la decisión
de terminar la
búsqueda por esa
dirección.
- Terminar la
búsqueda por una
dirección se debe a
no haber posibles
operadores que
aplicar sobre el nodo
hoja o por haber
alcanzado un nivel
de profundidad muy
grande.
Tiene menor
complejidad espacial
que búsqueda en
amplitud.
Radica en el reducido
valor de su complejidad
espacial. Cuando
existen múltiples
soluciones posibles la
eficiencia del algoritmo
aumenta.
se pueden encontrar
soluciones que están
más alejadas de la raíz
que otras. - Existe el
riesgo de presencia de
bucles infinitos.
- El algoritmo puede
dedicarse a recorrer un
camino demasiado largo
que no conduzca a
ninguna solución, Es
mas, A no se guarda
constancia de los nodos
que
forman el camino
recorrido se podría caer
en ciclos y el proceso no
acabaría.
Es usado en
espacios de
estados en
donde las
acciones
están
limitadas. Y
también, es
aplicado en
problemas en
donde en el
rango de
acciones este
limitado.
Busqueda
General En
Grafos
Cualquier
proceso de
búsqueda debe
tener la
En general maneja
dos listas: Ábierta y
cerrada.
Evita repetir la
exploración de caminos.
Permite reanudar
caminos abandonados.
Expande muchos nodos
inútiles.
Usado para
la resolución
de problemas
en general.

4. posibilidad de
terminar si un
nuevo esta ha
sido generado y
expandido
previamente.
Puede determinar
si un nuevo
estado ha sido
generado y
expandido
previamente.
EL grafo se va
generando durante
la ejecución de la
primera.
Si en algun
momento necesita
retroceder a un nodo
abandonado solo se
consulta la lista
abierta.
En casi todos
los
algoritmos de
búsquedas.
Busquedas Informada o Busqueda Heuristica:
Nombre
De La
Busqueda
Definición Características Ventajas Desventajas Aplicacion
Primero el
Mejor
Consiste en
expandir primero
aquel nodo con
mejor evaluación.
Dicha evolución
es el resultado de
aplicar la función
de evaluación al
nodo, la cual
devuelve un
número que sirve
para representar
lo deseable que
sería la
expansión de un
nodo.
Elegir como
siguiente nodo aquel
con mayor función
de evaluación. -
Trata de expandir el
nodo más cercano al
objetiva, alegando
que probablemente
conduzca
rápidamente a una
solución.
No depende en exceso
de la función de
evaluación.
Excesiva complejidad
espacial, pues se debe
guardar todos los nodos
abiertos.
Sufre los mismos
defectos que la
búsqueda primero
Aplicado a
problemas en
donde el coste
para llegar a la
solución está
en un único
camino. Par lo
tanto se aplica
más que todo
a: Minería de
datos,
Medicina
humana.
Aviones y
Transporte.
Busqueda
En Haz
Elegir un conjunto
de nodos como
los siguientes a
expandir, y
hacerlo de forma
irrevocable,
Elegir un conjunto
de nodos como los
siguientes a
expandir, y hacerlo
de forma
irrevocable.
Más permisibles.
Reduce la cantidad
modos a generar.
En caso de que el
sistema sea
irrevocable, este
método no actúa con
eficacia.
No consigue la solución
más optima.
Usado en
algoritmos
genéticos en
donde cada
nodo se
comporta
como un padre
teniendo dos
hijos o mas
siendo estos
mismos los
nodos
sucesores. Y

5. se aplica a:
Video Juegos
de estrategias,
Procesamiento
de imágenes.
Algoritmo
A*
En esta
búsqueda se
evalúa el nodo
sumando al costo
de alcanzar el
nodo, el costo
estimado de ir
nodo objetivo,
esta estrategia
deberá cumplir
con el requisito
de nunca
sobreestimar el
costo de alcanzar
el objetivo.
Ponderar a la vez lo
cerca que estamos
del modo meta y lo
lejos que estamos
del nodo La cantidad
de memoria
necesaria crece
exponencialmente
con respecto a la
profundidad. Es
optima completa
Soluciones más
cercanas a la raíz.
La función de
evaluación se complica.
En el espacio de
búsqueda es todavía
exponencial
Es usado en
donde la
heurística es
admisible,
donde el coste
de ir al nodo
objetivo no
sobreestime el
coste de
alcanzar el
nodo objetivo.
Exploracion
de Grafos
Y/O
Se empieza con
un nodo inicial
que corresponde
al nodo superior
del grafo, y luego
se subdivide los
problemas más
pequeños
denominado Y/O.
Los nodos de un
grafo Y/X
representan
subproblemas a
resolver
originados a partir
de un problema
inicial.
Descompone en
subproblemas, y así
sucesivamente,
hasta conseguir
problemas lo
suficientemente
trivial
Puede resolver
problemas mucho más
complejos,
Reduce la complejidad y
A encuentra una
solución.
Dos problemas
diferentes pueden
generar un
subproblema común,
Es de complejidad
exponencial,
Usado en
problemas que
puedan ser
divido en
problemas
Aplicado en
problemas que
pueden
convertirse en
subproblemas
y a su vez
estos
garanticen
llegar a la
solución.

6. Busquedas Con Adversario:
Nombre
De La
Busqueda
Definición Características Ventajas Desventajas Aplicacion
Metodo
Minimax
El algoritmo
explorará los
nodos del árbol
asignándoles un
valor numérico
mediante una
función de
evaluación,
empezando por
los nodos
terminales y
subiendo hacia la
raíz.
Minimax es un
método de decisión
para minimizar la
pérdida máxima
esperada en Juegos
con adversario y con
información
perfecta. - Minimax
es un algoritmo
recursivo. - El
funcionamiento de
Minimax puede
resumirse como
elegir mejor
movimiento para tí
mismo suponiendo
que tu contrincante
escogerá el peor
para ti
Eficacia en cuanto al
uso de memoria.
Tiene la capacidad de
aprender de lo que hace
el oponente.
No realiza un control
estricto de la Memoria.
Cada posible estado
debe ser visitado des
veces.
Usado en
Juegos o en
situaciones en
donde hay
más de dos
agentes
compitiendo.
Ampliamente
en juegos en
donde se
necesita saber
cuáles son las
posibles
opciones a
elegir en una
partida.
Metodo de
Poda
Es una técnica de
búsqueda que
reduce el número
de nodos
evaluados en un
árbol de Juego
por el algoritmo
Minimax. Se trata
de una técnica
muy utilizada en
programas de
Juegos entre
adversarios.
Como ha podido
verse, la poda alfa-
beta es aplicar
minimax, solo que
decidimos que
algunas ramas no
serán exploradas,
consiguiendo con
esto ahorrar algo de
espacio y de tiempo
computacional.
Ahorra algo de espacio
y de tiempo
computacional.
Es muchas eficiente
debido a que este
mismo usa mucho
menos variables.
Es dependiente de la
memoria de a que
disponga nuestro
ordenador.
Es muy probable que el
algoritmo no consiga La
solución aun exista una.
Utilizada en
problemas
donde el
Factor de
ramificación ya
sea muy
elevado y sus
costes sean
muy
prohibitivos.
Al igual que
minimax, pero
solo en donde
ya se
considere que
el factor de
ramificación va
a ser muy
elevado.

7. Reflexión:
Las técnicas de búsqueda son una serie de esquemas de
representación del conocimiento, que mediante diversos algoritmos nos
permite resolver ciertos problemas desde el punto de vista de la I.A. Un control
de búsqueda basado en técnicas mediocres también llega a proponer una
respuesta adecuada, aunque en un tiempo demasiado largo. En un modelo de
mundo o en un contexto con más y más variables que participan y que no se
reducen a un número manejable por descarte, surge un problema de control
de la búsqueda: ella se vuelve "explosiva". El problema del control de
búsqueda (por ejemplo, el problema del operador a elegir, el problema de la
planificación, etc.) aún está casi sin resolver. En Inteligencia Artificial (IA) los
términos resolución de problemas y búsqueda se refieren a un núcleo
fundamental de técnicas que se utilizan en dominios como la deducción,
elaboración de planes de actuación, razonamientos de sentido común, prueba
automática de teoremas, etc.

8. Referencias:
• https://view.officeapps.live.com/op/view.aspx?src=https%3A%2F%2Fwww.dsi.uclm
.es%2Fpersonal%2Fmiguelfgraciani%2Fmikicurri%2Fdocencia%2FInteligenciaArtifici
al0607%2Fweb_IA%2FDocumentacion%2FTrabajos%2FTecnicas%2520de%2520bus
queda%2FT%25C3%2589CNICAS%2520DE%2520B%25C3%259ASQUEDA(1).ppt&wd
Origin=BROWSELINK
• https://www.cs.umss.edu.bo/doc/material/mat_gral_139/Busqueda Avara 1.pdf
• https://sites.google.com/a/uniguajira.edu.co/inteligencia-artificial/tipos-de-
busquedas