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.