El documento describe diferentes tipos de búsquedas en inteligencia artificial, incluyendo búsqueda general en grafos, búsqueda en profundidad, búsqueda en amplitud, el método minimax, y el método de poda. Cada método se define y discuten sus características, ventajas y desventajas.
2. Búsquedas en Inteligencia Artificial
Búsqueda de adversario
Definición Características Ventajas Desventajas
Búsqueda
General en
grafos
Es un método que trata encontrar un
camino optimo entre dos nodos
La expansión de la búsqueda se
realiza en forma de árbol.
Combina las ventajas de
los algoritmos primero
en profundidad y en
amplitud
No tiene capacidad para
resolver cambios inesperados
en las rutas.
Búsqueda en
Profundidad
- 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.
-Recorre todos los nodos de un
grafo o Árbol de manera ordenada,
pero no uniforme.
- Tiene menor
complejidad espacial
que búsqueda en
amplitud.
- Procedimientos de
búsqueda nivel a nivel.
- Para cada uno de los nodos
de un nivel se aplican todos
los posibles operadores.
Búsquedas sin información del dominio
Definición Características Ventajas Desventajas
Búsqueda en
Amplitud
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.
- Procedimientos de búsqueda nivel
a nivel.
- Para cada uno de los nodos de un
nivel se aplican todos los posibles
operadores.
- Si existe la solución, la
encuentra en la menor
profundidad posible.
- Explosión combinatoria
aparece frecuentemente
debido a la alta complejidad
espacial y temporal de esta
técnica.
Método
Minimax
Explorará los nodos del árbol
asignándoles un valor numérico
mediante una función de evaluación,
empezando por los nodos terminales y
subiendo hacia la raíz.
- Es un método de decisión para
minimizar la pérdida máxima
esperada en juegos con adversario
y con información perfecta.
- Es un algoritmo recursivo.
Tiene la capacidad de
aprender de acuerdo a la
información que
consigue en el momento
en que genera el árbol
del juego
Es lento de aprendizaje
Método de
Poda
Técnica de búsqueda que reduce el
número de nodos evaluados en un
árbol de juego por el algoritmo
MINIMAX.
Se analizan que ramas no serán
exploradas.
Se ahorra espacio y tiempo
computacional.
Se usa para reducir el
coste computacional de
MINIMAX podando las
ramas no optimas
La eficacia de la PODA
depende del orden en el que
se examinen los sucesores.