Cuadros comparativos referentes a los tipos de búsqueda en inteligencia artificial

1. CUADROS COMPARATIVOS
INTELIGENCIA ARTIFICIAL
Jesús Liberón
7D01IS

2. Búsqueda sin
información del
dominio (a ciegas)
Búsquedas
informadas
(Heurística)
Búsqueda con
adversario
Características
 Se hace crecer el árbol de forma
sistemática.
 No se realiza análisis entre el estado
obtenido y la solución.
 Sólo utiliza información acerca de si
un estado es o no objetivo para
guiar su proceso de búsqueda.
 El crecimiento del árbol se hace
inyectando conocimiento.
 Este conocimiento permite calcular la
distancia entre el estado obtenida y el
estado final.
 Las técnicas de búsqueda heurística
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.
 La búsqueda con adversos (juego
contra un oponente) analiza los
problemas en los que existe mas de un
adversario modificando el estado del
sistema.
 Hay dos operadores:
- el que lleva el problema a la mejor
situación (jugada nuestra).
- el que lleva el problema a la peor
situación (jugada de nuestro adversario).
tipos
 Búsqueda en Amplitud o
Anchura.
 Búsqueda en Profundidad.
 Búsqueda General en
Grafos.
 Búsqueda “Primero el
Mejor”
 Búsqueda en Haz
 Algoritmo A*
 Exploración de Grafos Y/O
 Método Minimax
 Método de Poda

3. A continuación se muestra la
comparación entre tres tipos
de búsquedas pertenecientes
a los tres métodos definidos en
el cuadro anterior.

4. Búsqueda en
profundidad
Búsqueda “primero el
mejor”
Método Minimax
Metodología
 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.
 Forma a un elemento constante Q
consistente desde el modo raíz.
 Hasta que Q esté vacía o el objetivo haya
sido alcanzado, se determina si el primer
elemento en Q es el objetivo.
a) Si lo es hacemos nada.
b) Si no lo es, remover el elemento de Q y
agregar el primer elemento hijo de Q.
c) Ordenar Q estimando la distancia.
 Si el objetivo es alcanzado,
felicidades. Si no, fracasaste.
 Generación del árbol de juego. Se
generarán todos los nodos hasta llegar
a un estado terminal.
 Cálculo de los valores de la función de
evaluación para cada nodo terminal.
 Calcular el valor de los nodos superiores
a partir del valor de los inferiores.
 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.
Ventajas
 Tiene menor complejidad
espacial que búsqueda en
amplitud
 No depende en exceso de
la función de evaluación.
 Fácil de crear situaciones
complicadas con reglas sencillas.
 Se pueden probar contra humanos en
donde existen escalas.
Desventajas
 Se pueden encontrar soluciones
que están mas alejadas de la
raíz que otras.
 Existe el riesgo de presencia de
bucles infinitos.
 Excesiva complejidad espacial,
pues se deben guardar todos
los nodos abiertos.
 A diferencia de búsqueda, el
oponente introduce incertidumbre
porque no sabemos qué va a tirar.
 Se ha llegado a una situación estática
donde no hay grandes cambios de un
nivel a otro.

5.  https://inteligenciaedy.files.wordpress.com/2015/12/6-algoritmo-
minimax.pdf
 http://inteligencia7b.blogspot.com/2010/11/best-first-search-busqueda-
mejor-el.html
 http://inteligencia7b.blogspot.com/2010/11/a-asterisco-o-estrella.html
 http://www.cs.upc.edu/~bejar/ia/transpas/teoria/2-BH1-
introduccion_busqueda.pdf
Referencias bibliográficas