Este documento describe diferentes criterios y tipos de búsqueda en inteligencia artificial, incluyendo búsqueda ciega vs búsqueda heurística. La búsqueda ciega solo usa información sobre estados objetivo, mientras que la búsqueda heurística usa conocimiento adicional para explorar caminos más prometedores. Se explican algoritmos específicos como búsqueda en amplitud, profundidad y Dijkstra.

1. REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA
UNEFA
NÚCLEO LARA
Autor: Jimerson Montiel
Carrera: Ing. De Sistemas
Sección: 07S-2613-D1
Docente: Edecio Freitez
CRITERIOS DE BÚSQUEDA EN
INTELIGENCIA ARTIFICIAL

2.  Criterios de búsqueda en inteligencia artificial
 Elementos de búsqueda
 Tipos de solucionadores (Cuadro Comparativo)
- Búsqueda Ciega
- Búsqueda Heurística
 Búsqueda sin información del dominio o ciega
- Búsqueda en Amplitud
- Búsqueda en Profundidad
- Búsqueda en Profundidad progresiva
- Búsqueda Bidireccional
 Búsqueda Heurística
- Búsqueda preferente por lo mejor
- Búsqueda limitada por la capacidad de la memoria
- Búsquedas de mejoramiento iterativo
CONTENIDO

3. Criterios de búsqueda en IA
En Inteligencia Artificial (IA) el termino búsqueda se refiere 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, entre otras. Aplicaciones de estas ideas generales
aparecen en los sistemas inteligentes, como programas que tratan de entender el lenguaje natural, de
sintetizar un conjunto de reglas de clasificación en un determinado dominio de actuación, o en los
sistemas que realizan inferencias a partir de un conjunto de reglas. Es por tanto que La búsqueda
consiste en una serie de pasos que frecuentemente deben determinarse mediante la prueba sistemática
de las alternativas.

4.  Conjunto de estados: Todas las configuraciones posibles en el dominio.
 Estados iniciales: Estados desde los que partimos.
 Estados finales: Las soluciones del problema.
 Operadores: Se aplican para pasar de un estado a otro.
 Solucionador: Mecanismo que nos permite evolucionar de un estado a otro mediante un
algoritmo aplicando los siguientes pasos:
1. Elegir el estado a explorar.
2. Establecer un operador que trabaje sobre el estado elegido en el paso 1.
3. Comprobar si el resultado obtenido es un estado, sino ir al paso 1.
Elementos de búsqueda

5. Solucionadores Ciega o no Informada Heurística o Informada
Definición
Sólo maneja información acerca de si un estado es o no objetivo para guiar su proceso de
búsqueda, es decir, ayuda a determinar cuál es el mejor operador que se debería aplicar en
cada momento o el mejor nodo por el que continuar la búsqueda.
Disponen de alguna información sobre la proximidad de cada estado a un estado objetivo, lo que
permite explorar en primer lugar los caminos más prometedores. Por tanto, esta técnica utiliza el
conocimiento para avanzar buscando la solución al problema.
Características
 Busca la primera solución sin importar que tan optima sea.
 No detecta si se aproxima o cerca a la solución.
 No es capaz de encontrar una solución aceptable en caso de que no exista o sea difícil
encontrar una solución optima.
 Busca soluciones aceptables.
 Reduce el espacio de búsqueda y es capaz de determinar su a proximidad a una solución y la
calidad de la misma, utilizando conocimiento a priori.
 No garantizan que se encuentre una solución, aunque existan soluciones.
Aplicaciones
 Aeronavegación , transporte, pilotaje automático, búsquedas de rutas.
 Software GPS.
 juegos de estrategia y de rol
 Minería de datos, búsqueda de comportamiento en los datos.
 Procesamiento de imágenes.
 Software médicos.
Ventajas
 Si el problema tiene una solución este método garantiza encontrarla. Si hubiera varias
soluciones se obtiene la menos optima, es decir, la que requiere un menor número de
pasos.
 Reducido valor de su complejidad espacial. Cuando existen múltiples soluciones
posibles la eficiencia del algoritmo aumenta.
 Generalmente para problemas complejos no necesitamos siempre obtener la solución más
óptima, solo se necesita resultados buenos.
 Utilizando la heurística, no vamos a encontrar casos críticos, ya que siempre da soluciones.
 Deducir como funciona la heurística, nos da un conocimiento mayor de los problemas que
queremos resolver.
Desventajas
 El algoritmo puede dedicarse a recorrer un camino demasiado largo que no conduzca a
ninguna solución.
 Se podría caer en ciclos y el proceso de búsqueda no acabaría.
 Espacio de almacenamiento requerido lo que hace prácticamente inviable para
problemas complejos, como suelen ser los del mundo real.
 La flexibilidad inherente pueden conducir a errores o a manipulaciones fraudulentas.
 Ciertas heurísticas se pueden contradecir al aplicarse al mismo problema.
 Soluciones óptimas no son identificadas. Las mejoras locales pueden cortar el camino a
soluciones mejores por la falta de una perspectiva global.
Algoritmos Profundidad limitada Profundidad Iterada Anchura Iterada Dijkstra MINIMAX Poda Alfa-Beta Algoritmo A∗ Algoritmo IDA*
Tipos de
Búsqueda
 Búsqueda en Amplitud.
 Búsqueda en Profundidad.
 Búsqueda en Profundidad progresiva.
 Búsqueda Bidireccional.
 Búsqueda preferente por lo mejor.
 Búsqueda limitada por la capacidad de la memoria.
 Búsquedas de mejoramiento
iterativo.

6. • http://inteligenciaartificialgrupo33.blogspot.com/p/metodos-de-busqueda-y-ejemplos.html
• http://ia-israel.blogspot.com/2014/04/tecnica-de-busqueda-ciega.html
• https://www.nebrija.es/~cmalagon/ia/transparencias/busqueda_heuristica.pdf
• https://sites.google.com/site/inteligenciascarol/algoritmo-de-busqueda
• http://datateca.unad.edu.co/contenidos/90169/Material_de_Apoyo/Documentos_de_apoyo_unidad_2/
BusquedaHeuristica.pdf
• http://www.cs.us.es/~fsancho/?e=62
• http://www.cs.us.es/~fsancho/?e=95
• https://www.ecured.cu/B%C3%BAsqueda_de_caminos#Aplicaciones_de_los_algoritmos_de_b.C3.BA
squeda
Bibliografías