1) El documento describe diferentes tipos de búsquedas sin información del dominio como la búsqueda en amplitud, en profundidad y general en grafos. También describe búsquedas informadas como la búsqueda "primero el mejor", en haz y A*. Por último, describe búsquedas con adversarios como el método minimax y poda.

1. República Bolivariana De Venezuela
Ministerio del Poder Popular Para La Defensa
Universidad Nacional Experimental Politécnica De La Fuerza
Armada
UNEFA-NUCLEO LARA
Alumnos:
Limairy Torrealba
Mat: Inteligencia Artificial
Barquisimeto, Junio 2018
7D01IS

2. Búsquedas Sin Información del Dominio (A Ciegas)
Sólo utiliza información acerca de si un estado es o no objetivo para guiar su proceso de búsqueda.
Tipos
Búsqueda en Amplitud o
Anchura
Búsqueda en Profundidad Búsqueda General en Grafos
Definición
En esta búsqueda todos los
nodos que están en la
profundidad d del árbol de
búsqueda se expanden antes de
los nodos que estén en la
profundidad d+1.
En esta búsqueda se modifica la estrategia
preferente por amplitud en el sentido de
expandir siempre el nodo de menor costo en
el margen (medido por el costo de la ruta
g(n)) en vez del nodo de menor profundidad.
La expansión de la búsqueda se realiza
en forma de árbol. Partiendo del nodo
inicial, se extenderá la búsqueda a sus
nodos vecinos, y así hasta que uno de los
nodos a los que se expande la búsqueda
es el nodo objetivo
Características
• 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.
• 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.
• Si esto ocurre se produce una vuelta
atrás (backtracking) y se sigue por otra
rama hasta visitar todas las ramas del
árbol si es necesario
• consta de dos listas, Abierta, y
Cerrada
• cada nodo, almacenará información a
cerca de quien es su nodo predecesor

3. Ventajas
• es óptima si el costo del camino
es una función no decreciente
de la profundidad del nodo
• es completa si el nodo objetivo
más superficial está en una
cierta profundidad finita
• Si existe la solución, la
encuentra en la menor
profundidad posible.
• Una vez que un nodo se ha expandido,
se puede quitar de la memoria tan pronto
como todos su descendientes han sido
explorados.
• requiere almacenar sólo bm+1 nodos.
• Tiene menor complejidad espacial que
búsqueda en amplitud.
• permitirá siempre encontrar la solución
mas barata siempre y cuando el costo de
ruta nunca disminuya conforme
avanzamos por la ruta.
• el algoritmo procesará primero los
nodos de la lista abierta que
tengan una menor distancia al
origen, evitando así expansiones
innecesarias.
• Una vez que la expansión alcanza
el nodo destino, se genera un
camino siguiendo la cadena de
predecesores.
Desventajas
• Hay que considerar la cantidad
de tiempo y memoria que utiliza
para completar una búsqueda.
• Explosión combinatoria aparece
frecuentemente debido a la alta
complejidad espacial y temporal
de esta técnica.
• Puede hacer una elección equivocada y
obtener un camino muy largo (o infinito)
aun cuando una elección diferente
llevaría a una solución cerca de la raíz
del árbol de búsqueda
• Puede "perderse" en una rama sin
encontrar la solución
• Si se encuentra una solución no se
puede garantizar que sea el camino más
corto
• A pesar de haber alcanzado el
nodo destino, el algoritmo no
finaliza hasta que lo procesa
• No tiene capacidad para resolver
cambios inesperados en el mapa.
Una vez calculada la ruta, si un
obstáculo se interpone en el
camino obtenido no se hará
absolutamente nada por evitarlo

4. Algoritmo
asociado
Pseudocogido Algoritmo:
Establecer nodo origen
Evaluar primer hijo
si cumple, establecer como origen y salir
si valido, repetir búsqueda a partir del nuevo estado
sino valido, repetir búsqueda para todos los hermanos
si encuentra , establecer como origen y salir
si no encuentra, marcar al padre como no valido
establecer origen como abuelo y seguir buscando.
procedure Búsqueda_en_profundidad {
open [estado_inicial]
closed {}
while (open no está vacía) {
remover el primer estado X de la lista open
if (X es un estado objetivo)
return éxito
else {
generar el conjunto de sucesores del estado X
agregar el estado X al conjunto closed
eliminar sucesores que ya están en open o en closed
agregar el resto de los sucesores al principio de open
} } return fracaso }
Búsquedas Informadas (Heurísticas)
Se posee información muy valiosa para orientar la búsqueda para que sea mas óptima.
Tipos
Búsqueda “Primero el
Mejor”
Búsqueda en Haz Algoritmo A*
Definición
consiste en expandir primero aquél
nodo con mejor evaluación. Dicha
evaluación 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
Guarda la pista de k estados (no sólo uno).
Comienza con estados generados
aleatoriamente.
En cada paso, se generan todos los
sucesores de los k estados
Ponderar a la vez lo cerca que estamos
del nodo meta y lo lejos que estamos del
nodo inicial.

5. Características
• algoritmo general de BÚSQUEDA-
ÁRBOLES o de BÚSQUEDA-
GRAFOS en el cual se selecciona un
nodo para la expansión basada en
una función de evaluación
• Elegir como siguiente nodo aquel con
mayor función de evaluación.
• Búsqueda con una cola con
prioridad, una estructura de datos
que mantendrá la frontera en orden
ascendente de f-valores.
• elegir un conjunto de nodos
como los siguientes a
expandir, y hacerlo de forma
irrevocable
• irrevocable/tentativo.
• Evalúa los nodos combinando g(n), el
coste para alcanzar el nodo, y h(n), el
coste de ir al nodo objetivo
• Se usa con la BÚSQUEDA-ÁRBOLES.
• A* es óptima si h(n) es una heurística
admisible
Ventajas
• No depende en exceso de la función
de evaluación.
• Pueden reducir la complejidad
considerablemente
• más permisible
• Si alguno es un objetivo,
paramos el algoritmo. Por otra
parte, se seleccionan los k
mejores sucesores de la lista
completa y repetimos.
• soluciones más cercanas a la raíz.
• es completa, óptima, y óptimamente
eficiente entre todos los algoritmos
Desventajas
• Excesiva complejidad espacial, pues
se deben guardar todos los nodos
abiertos
• Provoca nodos innecesarios para
expandir
• Puede ir hacia abajo en un camino
infinito y nunca volver para intentar
otras posibilidades
• en caso de que el sistema sea
irrevocable, este método no
actúa con eficacia
• la función de evaluación se complica.
• para la mayoría de los problemas, el
número de nodos dentro de la curva de
nivel del objetivo en el espacio de
búsqueda es todavía exponencial en la
longitud de la solución.
• Por lo general, se queda sin mucho
espacio antes de que se quede sin
tiempo.
• no es práctico para problemas grandes.

6. Búsquedas
La búsqueda con adversos (juego contra un oponente) analiza
los problemas en los que existe mas de un adversario modificando el estado del sistema.
Tipos Método Minimax Método de Poda
Definición
es un método de decisión para minimizar la
pérdida máxima esperada en juegos con
adversario y con información perfecta.
Se aplica en técnicas con adversos y se usa para reducir el
coste computacional de MINIMAX podando las ramas que nos
llevan a una solución peor que las ya encontradas.
Características
• es un algoritmo recursivo
• El funcionamiento de Minimax puede
resumirse como elegir mejor movimiento para
ti mismo suponiendo que tu contrincante
escogerá el peor para ti
• 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
• Cuando lo aplicamos a un árbol minimax estándar, devuelve
el mismo movimiento que devolvería minimax, ya que podar
las ramas no puede influir, posiblemente, en la decisión final.
• el valor de la raíz y de ahí la decisión mínimax son
independientes de los valores de las hojas podadas x e y.
Ventajas
• este algoritmo sirve como base para el análisis
matemático de juegos y para algoritmos más
prácticos
• puede mirar hacia delante aproximadamente dos veces más
que minimax en la misma cantidad del tiempo
Desventajas
• Para juegos reales, desde luego, los costos de
tiempo son totalmente poco prácticos
• el número de estados que tiene que examinar
• es exponencial en el número de movimientos
• Si m es mejor que n para el Jugador, nunca iremos a n en el
juego
• La eficacia de la poda alfa-beta es muy dependiente del
orden en el que se examinan los sucesores.

7. Algoritmo
asociado
Pseudocodigo minimax
miniMax (posActual,profundidad,jugador)
si
nodoTerminal(posActual,profundidad)
resultado.valor=funHeuristica(posActual,jugador);
resultado.camino=nulo;
return resultado;
sino
sucesor=generaMov(posActual,jugador);
si esta vacio (sucesor) entonces
resultado.valor=funHeuristica(PosActual,jugador);
resultado.camino=nulo;
return resultado;
sino
mejorResultado.valor=minInt; //Para cada sucesor//
resultado.sucesor=miniMax(sucesor,profundidad-
1,contrario(jugador);
si
mejorResultado.valor < - resultado.sucesor.valor entonces
mejorResultdo.valor=resultadoSucesor.valor;
mejorResultado.camino=sucesor + resultado.sucesor.camino;
fin si;
fin por;
return mejorResultado;
fin sino;
fin sino;
fin miniMax
función BÚSQUEDA-ALFA-BETA(estado) devuelve una
acción
variables de entrada: estado, estado actual del juego
V  MAX-VALOR (estado,-infinito, +Infinito)
devolver la acción de SUCESORES(estado) con valor v