SlideShare una empresa de Scribd logo
1 de 21
Descargar para leer sin conexión
Técnicas de BúsquedaTécnicas de Búsqueda
HeurísticaHeurística
Curso Inteligencia ArtificialCurso Inteligencia Artificial
Prof. Demetrio A. Ovalle C.Prof. Demetrio A. Ovalle C.
Octubre 14Octubre 14 de 2009de 2009
Técnicas de BúsquedaTécnicas de Búsqueda
HeurísticaHeurística
♣ Generación y prueba
♣ Escalada (simple, máxima pendiente)
♣ Verificación de restricciones♣ Verificación de restricciones
♣ Análisis de medios y fines
(Planificación en IA)
♣ Búsqueda el primero mejor, A*
♣ Reducción de problemas
INTRODUCCIÓN
Estrategias de búsqueda simple:
- Profundidad
- Amplitud (Anchura)- Amplitud (Anchura)
Búsqueda Primero en Profundidad
Búsqueda Primero en Amplitud
Generación y Prueba
1. Generar una posible solución.
2. Verificar si el objetivo elegido es
una solución al comparar conuna solución al comparar con
objetivo final.
3. Si se ha encontrado la solución,
terminar. Si no volver al paso 1.
Escalada
(Hill Climbing)
• Simple (Hill climbing)
• Máxima pendiente• Máxima pendiente
(Steepest ascent hill climbing or
Gradient search)
Escalada Simple
Hill Climbing
• Dirigirse siempre a un estado mejor
que el actual.
• Función heurística de proximidad.• Función heurística de proximidad.
• No se mantiene reporte de estados
anteriores.
• Es un método local. Sus movimientos
están determinados por ser mejores
que los previos.
Búsqueda
• Si existe un sucesor s del estado actual n• Si existe un sucesor s del estado actual n
mejor que n, entonces hacer a s como
estado actual. De lo contrario, detener.
• Mirar un paso hacia adelante para
determinar si algún sucesor es mejor que
el estado actual; si lo hay, moverse al
mejor sucesor.
Buscar no solamente un
Escalada por la Máxima Pendiente
(Steepest ascent hill climbing or
Gradient search)
Buscar no solamente un
estado mejor que el actual,
sino el mejor de todos estos
estados posibles (Máxima
pendiente).
Escalada por la Máxima Pendiente
Dificultades
de la Escalada
Dificultad
• Máximo local.
Posible Solución
• Backtrack.• Máximo local.
• Mesetas.
• Crestas.
• Backtrack.
• Saltar.
• Moverse en varias
direcciones a la
vez.
Otras Ventajas y
Desventajas
Ventajas
• Produce una
menor explosión
combinatoria.
Desventajas
• Pocas garantías de
que va a ser eficaz.
combinatoria.
• Utiliza una
cantidad arbitraria
de información si
está codificada en
la función
heurística.
• Sólo atiende a las
consecuencias
inmediatas.
Ejemplo: El mundo de los bloques
A
H
G
F
E
D
H
G
F
E
D
CD
C
B
C
B
A
Estado Inicial (Eo) Estado Final (Ef)
Función Heurística: - Añadir un punto por cada bloque que
esté sobre un bloque o piso correcto. Restar un punto por
cada bloque que esté situado en un lugar incorrecto.
VERIFICACIÓN DE
RESTRICCIONES
En los problemas de
verificación de restricciones el
objetivo consiste en descubrirobjetivo consiste en descubrir
algún estado del problema que
satisfaga un conjunto dado de
restricciones
Ejemplos
• Problemas con rompecabezas y
criptoaritméticos.
• Etiquetado de percepciones en el• Etiquetado de percepciones en el
mundo real.
• El diseño de tareas (tiempo, costo y
materiales como limitantes).
¿Cómo funciona?
• Aunque se necesiten aún las
suposiciones, el número de las que
son permitidas se va reduciendoson permitidas se va reduciendo
conforme la búsqueda se va
restringiendo.
• Es un procedimiento de búsqueda
que funciona en un espacio de
conjuntos de restricciones.
¿Qué se busca?
• Un estado objetivo es aquel que ha
satisfecho las restricciones
“suficientemente”, donde“suficientemente”, donde
“suficientemente” debe definirse
para cada problema en particular.
Pasos para la búsqueda
La propagación se hace necesaria
por el hecho de que normalmente
existen dependencias entre lasexisten dependencias entre las
restricciones. También debido a la
presencia de reglas de inferencia
que permiten la inferencia de
otras restricciones adicionales.
Realizar nuevas hipótesis
En el caso de que con las
restricciones iniciales no se llegue a
una solución.
Después comenzar de nuevo la
propagación de restricciones a partirpropagación de restricciones a partir
de ese nuevo estado.
Si se encuentra una solución se
muestra.
Si se detecta alguna contradicción
puede usarse vuelta atrás.
Ejemplo de verificación
de restricciones
Criptoaritmética
S E N DS E N D
+ M O R E
-------------------
M O N E Y

Más contenido relacionado

La actualidad más candente

Unidad no. 2 búsqueda en espacio de estados
Unidad no. 2   búsqueda en espacio de estadosUnidad no. 2   búsqueda en espacio de estados
Unidad no. 2 búsqueda en espacio de estados
Milton Klapp
 

La actualidad más candente (20)

Lecture 11 Informed Search
Lecture 11 Informed SearchLecture 11 Informed Search
Lecture 11 Informed Search
 
Cuadro comparativo tipos de busquedas en IA
Cuadro comparativo tipos de busquedas en IACuadro comparativo tipos de busquedas en IA
Cuadro comparativo tipos de busquedas en IA
 
Busquedas a Heuristicas
Busquedas a HeuristicasBusquedas a Heuristicas
Busquedas a Heuristicas
 
AI3391 Session 13 searching with Non-Deterministic Actions and partial observ...
AI3391 Session 13 searching with Non-Deterministic Actions and partial observ...AI3391 Session 13 searching with Non-Deterministic Actions and partial observ...
AI3391 Session 13 searching with Non-Deterministic Actions and partial observ...
 
Uninformed search
Uninformed searchUninformed search
Uninformed search
 
Tabu search
Tabu searchTabu search
Tabu search
 
Cuadro comparativo
Cuadro comparativoCuadro comparativo
Cuadro comparativo
 
Unidad no. 2 búsqueda en espacio de estados
Unidad no. 2   búsqueda en espacio de estadosUnidad no. 2   búsqueda en espacio de estados
Unidad no. 2 búsqueda en espacio de estados
 
AI Lecture 4 (informed search and exploration)
AI Lecture 4 (informed search and exploration)AI Lecture 4 (informed search and exploration)
AI Lecture 4 (informed search and exploration)
 
Métodos de Búsquedas en Inteligencia Artificial
Métodos de Búsquedas en Inteligencia ArtificialMétodos de Búsquedas en Inteligencia Artificial
Métodos de Búsquedas en Inteligencia Artificial
 
Clase 03 busquedas a ciegas
Clase 03 busquedas a ciegasClase 03 busquedas a ciegas
Clase 03 busquedas a ciegas
 
Resolution method in AI.pptx
Resolution method in AI.pptxResolution method in AI.pptx
Resolution method in AI.pptx
 
Uninformed search /Blind search in AI
Uninformed search /Blind search in AIUninformed search /Blind search in AI
Uninformed search /Blind search in AI
 
AI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptxAI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptx
 
IA CAPITULO 4
IA  CAPITULO 4IA  CAPITULO 4
IA CAPITULO 4
 
Simulated Annealing
Simulated AnnealingSimulated Annealing
Simulated Annealing
 
Tecnicas de busqueda en inteligencia artificial
Tecnicas de busqueda en inteligencia artificialTecnicas de busqueda en inteligencia artificial
Tecnicas de busqueda en inteligencia artificial
 
uninformed search part 2.pptx
uninformed search part 2.pptxuninformed search part 2.pptx
uninformed search part 2.pptx
 
Genetic Algorithms - Artificial Intelligence
Genetic Algorithms - Artificial IntelligenceGenetic Algorithms - Artificial Intelligence
Genetic Algorithms - Artificial Intelligence
 
Ejercicios de búsqueda a Ciegas y Búsqueda informada
Ejercicios de búsqueda a Ciegas y Búsqueda informadaEjercicios de búsqueda a Ciegas y Búsqueda informada
Ejercicios de búsqueda a Ciegas y Búsqueda informada
 

Similar a Busquedas heuristicas y no informadas

Tema6 pruebas del software
Tema6 pruebas del softwareTema6 pruebas del software
Tema6 pruebas del software
Susita Paguay
 
Gestión de pruebas en desarrollo software
Gestión de pruebas en desarrollo softwareGestión de pruebas en desarrollo software
Gestión de pruebas en desarrollo software
Laura M. Castro
 
0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir
GeneXus
 
0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir
GeneXus
 
Actividad IV Aplicar algoritmos a problemas
Actividad IV Aplicar algoritmos a problemasActividad IV Aplicar algoritmos a problemas
Actividad IV Aplicar algoritmos a problemas
gamma_destro
 
oTema6 pruebas del software
oTema6 pruebas del softwareoTema6 pruebas del software
oTema6 pruebas del software
Silvia Guilcapi
 
Búsqueda inteligencia artificial
Búsqueda inteligencia artificialBúsqueda inteligencia artificial
Búsqueda inteligencia artificial
Alexis Pilco
 

Similar a Busquedas heuristicas y no informadas (18)

Tema6 pruebas del software
Tema6 pruebas del softwareTema6 pruebas del software
Tema6 pruebas del software
 
Introducción al Problem Solving Estratégico
Introducción al Problem Solving Estratégico  Introducción al Problem Solving Estratégico
Introducción al Problem Solving Estratégico
 
Taller definición bugs
Taller definición bugsTaller definición bugs
Taller definición bugs
 
Gestión de pruebas en desarrollo software
Gestión de pruebas en desarrollo softwareGestión de pruebas en desarrollo software
Gestión de pruebas en desarrollo software
 
SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDASOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
 
Marshmallow challenge new 2018
Marshmallow challenge new 2018Marshmallow challenge new 2018
Marshmallow challenge new 2018
 
Algoritmos iniciar
Algoritmos iniciarAlgoritmos iniciar
Algoritmos iniciar
 
0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir
 
0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir0160 probar para_corregir_probar_para_decidir
0160 probar para_corregir_probar_para_decidir
 
Artalde Tdd intro
Artalde Tdd introArtalde Tdd intro
Artalde Tdd intro
 
Actividad IV Aplicar algoritmos a problemas
Actividad IV Aplicar algoritmos a problemasActividad IV Aplicar algoritmos a problemas
Actividad IV Aplicar algoritmos a problemas
 
6 prob busquinte
6 prob busquinte6 prob busquinte
6 prob busquinte
 
No estaba muerto... cleanroom software engineering
No estaba muerto... cleanroom software engineeringNo estaba muerto... cleanroom software engineering
No estaba muerto... cleanroom software engineering
 
oTema6 pruebas del software
oTema6 pruebas del softwareoTema6 pruebas del software
oTema6 pruebas del software
 
Software caja negra y caja blanca
Software caja negra y caja blancaSoftware caja negra y caja blanca
Software caja negra y caja blanca
 
Prueba de Caja Blanca
Prueba de Caja BlancaPrueba de Caja Blanca
Prueba de Caja Blanca
 
Búsqueda inteligencia artificial
Búsqueda inteligencia artificialBúsqueda inteligencia artificial
Búsqueda inteligencia artificial
 
Búsqueda en profundidad acotada en grafos
Búsqueda en profundidad acotada en grafosBúsqueda en profundidad acotada en grafos
Búsqueda en profundidad acotada en grafos
 

Último

redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
nicho110
 

Último (12)

Avances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanaAvances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvana
 
How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.
 
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
 
Buenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptxBuenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptx
 
investigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXIinvestigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXI
 
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptxEL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
 
Avances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estosAvances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estos
 
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxEVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
 
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptxPROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
 
redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNIT
 
Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21
 

Busquedas heuristicas y no informadas

  • 1. Técnicas de BúsquedaTécnicas de Búsqueda HeurísticaHeurística Curso Inteligencia ArtificialCurso Inteligencia Artificial Prof. Demetrio A. Ovalle C.Prof. Demetrio A. Ovalle C. Octubre 14Octubre 14 de 2009de 2009
  • 2. Técnicas de BúsquedaTécnicas de Búsqueda HeurísticaHeurística ♣ Generación y prueba ♣ Escalada (simple, máxima pendiente) ♣ Verificación de restricciones♣ Verificación de restricciones ♣ Análisis de medios y fines (Planificación en IA) ♣ Búsqueda el primero mejor, A* ♣ Reducción de problemas
  • 3. INTRODUCCIÓN Estrategias de búsqueda simple: - Profundidad - Amplitud (Anchura)- Amplitud (Anchura)
  • 4. Búsqueda Primero en Profundidad
  • 6. Generación y Prueba 1. Generar una posible solución. 2. Verificar si el objetivo elegido es una solución al comparar conuna solución al comparar con objetivo final. 3. Si se ha encontrado la solución, terminar. Si no volver al paso 1.
  • 7. Escalada (Hill Climbing) • Simple (Hill climbing) • Máxima pendiente• Máxima pendiente (Steepest ascent hill climbing or Gradient search)
  • 8. Escalada Simple Hill Climbing • Dirigirse siempre a un estado mejor que el actual. • Función heurística de proximidad.• Función heurística de proximidad. • No se mantiene reporte de estados anteriores. • Es un método local. Sus movimientos están determinados por ser mejores que los previos.
  • 9. Búsqueda • Si existe un sucesor s del estado actual n• Si existe un sucesor s del estado actual n mejor que n, entonces hacer a s como estado actual. De lo contrario, detener. • Mirar un paso hacia adelante para determinar si algún sucesor es mejor que el estado actual; si lo hay, moverse al mejor sucesor.
  • 10. Buscar no solamente un Escalada por la Máxima Pendiente (Steepest ascent hill climbing or Gradient search) Buscar no solamente un estado mejor que el actual, sino el mejor de todos estos estados posibles (Máxima pendiente).
  • 11. Escalada por la Máxima Pendiente
  • 12. Dificultades de la Escalada Dificultad • Máximo local. Posible Solución • Backtrack.• Máximo local. • Mesetas. • Crestas. • Backtrack. • Saltar. • Moverse en varias direcciones a la vez.
  • 13. Otras Ventajas y Desventajas Ventajas • Produce una menor explosión combinatoria. Desventajas • Pocas garantías de que va a ser eficaz. combinatoria. • Utiliza una cantidad arbitraria de información si está codificada en la función heurística. • Sólo atiende a las consecuencias inmediatas.
  • 14. Ejemplo: El mundo de los bloques A H G F E D H G F E D CD C B C B A Estado Inicial (Eo) Estado Final (Ef) Función Heurística: - Añadir un punto por cada bloque que esté sobre un bloque o piso correcto. Restar un punto por cada bloque que esté situado en un lugar incorrecto.
  • 15. VERIFICACIÓN DE RESTRICCIONES En los problemas de verificación de restricciones el objetivo consiste en descubrirobjetivo consiste en descubrir algún estado del problema que satisfaga un conjunto dado de restricciones
  • 16. Ejemplos • Problemas con rompecabezas y criptoaritméticos. • Etiquetado de percepciones en el• Etiquetado de percepciones en el mundo real. • El diseño de tareas (tiempo, costo y materiales como limitantes).
  • 17. ¿Cómo funciona? • Aunque se necesiten aún las suposiciones, el número de las que son permitidas se va reduciendoson permitidas se va reduciendo conforme la búsqueda se va restringiendo. • Es un procedimiento de búsqueda que funciona en un espacio de conjuntos de restricciones.
  • 18. ¿Qué se busca? • Un estado objetivo es aquel que ha satisfecho las restricciones “suficientemente”, donde“suficientemente”, donde “suficientemente” debe definirse para cada problema en particular.
  • 19. Pasos para la búsqueda La propagación se hace necesaria por el hecho de que normalmente existen dependencias entre lasexisten dependencias entre las restricciones. También debido a la presencia de reglas de inferencia que permiten la inferencia de otras restricciones adicionales.
  • 20. Realizar nuevas hipótesis En el caso de que con las restricciones iniciales no se llegue a una solución. Después comenzar de nuevo la propagación de restricciones a partirpropagación de restricciones a partir de ese nuevo estado. Si se encuentra una solución se muestra. Si se detecta alguna contradicción puede usarse vuelta atrás.
  • 21. Ejemplo de verificación de restricciones Criptoaritmética S E N DS E N D + M O R E ------------------- M O N E Y