El documento describe diferentes técnicas de búsqueda en inteligencia artificial, incluyendo la búsqueda sin información de dominio, la búsqueda informada, y varios tipos como la búsqueda en amplitud, profundidad y bidireccional. También describe métodos como Minimax y poda alfa-beta que se usan para reducir el costo computacional en problemas con adversarios.

1. Inteligencia
artificial
TÉCNICAS DE
BÚSQUEDA.

2. Búsqueda sin información de
dominio (a ciegas)
Búsqueda informada (heurística)
Sólo utiliza información acerca de si
un estado es o no objetivo para guiar
su proceso de búsqueda
Estos métodos usan el conocimiento
del dominio para adaptar el
solucionador y, de esta manera, éste
sea más potente y consiga llegar a la
solución con mayor rapidez. Por
tanto, estas técnicas utilizan el
conocimiento para avanzar buscando
la solución al problema.
- Se hace crecer el árbol de forma
sistemática.
- - No se realiza análisis entre el
estado obtenido y la solución.
- El crecimiento del árbol se hace
inyectando conocimiento.
- Este conocimiento permite calcular
la distancia entre el estado obtenido
y el estado final.
Técnicas de
búsquedaNombre
Definición
Características

3. Nombre Búsqueda sin información de dominio (a
ciegas)
Búsqueda informada (heurística)
Tipos
Búsqueda en amplitud:
- 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.
-Ejemplo movimiento de caballo dirigido
con búsqueda en amplitud: ( Archivo flash)
- Ventajas:
- Si existe la solución, la encuentra en la
menor profundidad posible.
- Desventajas:
-Explosión combinatoria aparece
frecuentemente debido a la alta
complejidad espacial y temporal de esta
técnica.
Primero el mejor: elegir como siguiente
nodo aquel con mayor función de
evaluación.
• Tipo: tentativo.
• Ventajas: no depende en exceso
de la función de evaluación.
• desventajas: excesiva complejidad
espacial, pues se deben guardar
todos los nodos abiertos.

4. Nombre Búsqueda sin información de dominio (a ciegas) Búsqueda informada
(heurística)
Tipos
 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.
- 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.
- Ventajas:
- Tiene menor complejidad espacial que búsqueda en
amplitud.
- Desventajas:
- Se pueden encontrar soluciones que están mas
alejadas de la raíz que otras.
- Existe el riesgo de presencia de bucles infinitos.
Un ejemplo : Problema de las jarras.
Búsqueda en haz:
Elegir un conjunto de
nodos como los
siguientes a expandir,
y hacerlo de forma
irrevocable.
• Ventajas: más
permisible.
• desnventajas: en
caso de que el
sistema sea
irrevocable, este
método no actúa con
eficacia.

5. Nombre Búsqueda sin información de dominio (a
ciegas)
Búsqueda informada (heurística)
Tipos
 Búsqueda en profundidad
progresiva:
- Se define una profundidad predefinida.
- Se desarrolla el árbol realizando una
búsqueda en profundidad hasta el límite
definido en el punto anterior.
- Si se encuentra la solución  FIN
- En caso contrario, se establece un
nuevo límite y volvemos al segundo paso.
Algoritmo A:
Ponderar a la vez lo cerca que
estamos del nodo meta y lo lejos
que estamos del nodo inicial.
• Ventajas: soluciones más cercanas
a la raíz.
• Desventajas: la función de
evaluación se complica

6. Nombre Búsqueda sin información de dominio (a
ciegas)
Búsqueda informada (heurística)
Tipos
 Búsqueda bidireccional:
- Se llevan a la vez dos búsquedas: una
descendente desde el nodo inicial y otra
ascendente desde el nodo meta.
- Al menos una de estas dos búsquedas
debe ser en anchura para que el recorrido
ascendente y descendente puedan
encontrarse en algún momento.
- Cuando se llegue a un nodo que ya
había sido explorado con el otro tipo de
búsqueda, el algoritmo acaba.
- El camino solución es la suma de los
caminos hallados por cada búsqueda
desde el nodo mencionado hasta el
nodo inicial y hasta el nodo meta.

7. Nombre Método MINIMAX Método poda alpha-beta
Tipos
- 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 ti mismo suponiendo que tu
contrincante escogerá el peor para ti.
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.
Llamaremos valores alfa a los valores
calculados hacia atrás de los nodos max.
Los valores alfa de los nodos max nunca
pueden decrecer.
Llamaremos valores beta a los valores
calculados hacia atrás en los nodos min.
Los valores min nunca pueden crecer.

8. Nombre Método MINIMAX Método poda alpha-beta
Algoritmo
1.Generación del árbol de juego. Se
generarán todos los nodos hasta llegar a
un estado terminal.
2.Cálculo de los valores de la función de
evaluación para cada nodo terminal.
3.Calcular el valor de los nodos superiores
a partir del valor de los inferiores.
4.Desde los nodos de nivel n, buscar la
mejor situación para mi y la peor para mi
rival. Elegir la jugada valorando los
valores que han llegado al nivel superior,
es decir, obtengo la mejor rama.
Puede suspenderse la exploración por
debajo de un nodo en cualquiera de los
casos siguientes:
A. Por debajo de cualquier nodo min que
tenga valores beta menores o iguales a
los valores de cualquier nodo max
ascendiente suyo.
B. Por debajo de un nodo max que tenga
un valor alfa mayor o igual al valor beta
de cualquier nodo min
ascendiente.

9. Nombre Método MINIMAX Método poda alpha-beta
Ejemplo
GPS (General Problem Solver)
Se trataba de un programa que por
medio de una serie de algoritmos
basados en análisis, más o menos
exhaustivos, fuera capaz de resolver toda
clase de problemas relativos a juegos de
estrategias y demostraciones
automáticas.
Se le podían ofrecer pequeños
problemas (como el típico del mono que
debe coger un plátano que se encuentra
colgado del techo), y éste deberá
describir todos los pasos que realiza
hasta conseguir su objetivo.