1. Agentes para la solución de problemas (Metas), basado en metas, tiene algoritmos de
búsqueda, el esqueleto es:
• Formulación del Problema
• Formulación de Metas
• Búsqueda (Algoritmos) para llegar del Estado Inicial al estado de meta
• Solución
Conocimiento y tipos de problemas
Considere el siguiente ejemplo: El mundo de la aspiradora.
En este mundo hay dos posibles ubicaciones en ellas puede o no puede haber mugre y el
agente se encuentra en una de las dos.
El mundo puede asumir 8 posibles estados. Son tres las acciones que el agente puede
emprende en el mundo de la aspiradora. La meta es eliminar toda la mugre.
Problemas bien definidos y soluciones
• Problema: Un problema en realidad es un conjunto de información que el agente
utiliza para decidir lo que va a hacer.
• Estado inicial: Es donde el agente sabe que allí es en el que se encuentra.
• Operador: Denota la descripción de una acción que nos servirá para alcanzar un
estado.
• Espacio de estado: Es el conjunto de todos los estados que pueden alcanzarse a partir
del estado inicial mediante cualquier secuencia de acciones.
• Ruta: Es cualquier secuencia de acciones que me permiten pasar de un estado a otro.

2. • Prueba de meta.- Se aplica a la descripción de un solo estado para saber si se trata
de un estado meta.
• Costo de ruta.- Es una función mediante la cual se asigna un costo a un ruta
determinada.
• Solución.- Es la salida producida por un algoritmo de búsqueda, es decir, una ruta que
va del estado inicial al estado que satisface la prueba de meta.
• Espacio de conjunto de estado.- Si mediante un operador relaciono un conjunto de
estados según los resultados obtenidos, yo estoy construyendo un espacio denominado
espacio de conjunto de estados.
El espacio del conjunto de espacios del mundo de la aspiradora simplificado, sin sensores.
Dentro de las cajas de línea punteada hay un conjunto de estados. En un punto determinado,
el agente está dentro de un conjunto de estados, pero ignora en cuál. El conjunto del estado
inicial (total ignorancia) está en la caja superior del centro. Las acciones se representan por
arcos identificados. Por claridad se han omitido los autobucles.

3. Buena parte de los esfuerzos invertidos en el área de la búsqueda han quedado en la
determinación de la estrategia de búsqueda adecuada para un problema. Se utiliza para
hallar una solución "sin información".
o Búsqueda preferente por amplitud(anchura)
o Búsqueda de costo uniforme
o Búsqueda preferente por profundidad
o Búsqueda limitada por profundidad
o Búsqueda por profundización iterativa
o Búsqueda birideccional
Para explicar mejor las estrategias imaginemos un problema sencillo como : "Ir en auto de
Arad a Bucarest utilizando las carreteras del mapa de Rumania"
Búsqueda preferente por amplitud(anchura)
Primero se expande el nodo más superficial del árbol de búsqueda. Es un método completo,
óptimo para operadores de costo unitario. Su complejidad espacio-temporal es O(bd). En
muchos casos, la complejidad espacial impide que sea práctico.
Debo expandir la profundidad (d) antes de expandir la profundidad siguiente (d+1) empezando
por la izquierda. d = profundidad nodo raíz = estado inicial

4. Búsqueda de costo uniforme
Primero se expande el nodo hoja de menor costo. Es un método completo y, a diferencia de la
búsqueda preferente por amplitud, es óptimo incluso si el costo de cada uno de los operadores
es distinto. Su complejidad espacio-temporal es la misma que la de la búsqueda preferente por
amplitud.
Siempre se tiene un costo o unidades. Los costos deben ser positivos, caso contrario no se
aplica esta búsqueda.
Tómese el caso del problema de la determinación de ruta que radica en ir de S a G.
Respuesta: S-B-G

5. Búsqueda preferente por profundidad
Primero se expande el nodo más profundo del árbol de búsqueda. No es un método
completamente óptimo; su complejidad temporal O(bm) y su complejidad espacial es O(bm),
en donde m es la profundidad máxima. Los árboles de búsqueda cuya profundidad es muy
grande o infinita, invalidan la utilidad de este método.
Sólo si la búsqueda conduce a un callejón sin salida (un nodo sin meta que no tiene
expansión), se revierte la búsqueda y se expanden los nodos de niveles menos profundos.

6. Búsqueda limitada por profundidad
Se pone un límite a la búsqueda preferente por profundidad. Si el límite fuera igual a la
profundidad del estado meta más superficial, se reduce al mínimo la complejidad espacio-
temporal.

7. Búsqueda por profundización iterativa
Se emplea la búsqueda con límite de profundidad, pero los límites van aumentando hasta
encontrar una meta. Es completa y óptima; su complejidad temporal es O(bd) y su complejidad
espacial es O(bd).

8. Búsqueda bidireccional
Ayuda a reducir notablemente la complejidad temporal, aunque no siempre pueda utilizársele.
La cantidad de memoria que necesita puede hacerla poco práctica.
Es básicamente, una búsqueda simultánea que avanza a partir del estado inicial y que
retrocede a partir de la meta y que se detiene cuando ambas búsquedas se encuentran en
algún punto intermedio.

9. Búsqueda heurística
En casi todos los espacios de estado, existe información que permite guiar los procesos de
búsqueda, normalmente esa información no es perfecta, es decir no es un algoritmo que
permite conocer de forma precisa cual es el mejor camino para obtener la solución.
Este tipo de información no perfecta que ayuda a resolver problemas a un espacio de estado,
pero que no siempre acierta con el mejor camino se denomina heurística.
Cuando se dispone de este tipo de información las técnicas de búsqueda se pueden ver muy
beneficiadas de su utilización.
Técnica de escalada
La técnica de escalada es la evolución de la técnica de profundidad en la que cada nodo se
dispone en una forma de evaluar cómo está de cerca o de lejos la solución. La forma más
común de evaluar es la función de evaluación.
f(nodo)= # de casillas bien colocadas (maximizo)
f’(nodo)= # de casillas mal colocadas (minimizo)
Como ejemplo del juego 8-puzzle se puede definir una función de evaluación que fuera igual:
f(nodo)= # de casillas bien colocadas (máximo)
Que devuelven un número que representa como está de cerca un determinado estado de la
solución, cuanto mayor sea el número se estará cerca de la solución.
Por tanto si se tiene que elegir entre varios estados se debería escoger aquel, que tendría un
valor mayor de esta función, es decir es una función que se debe maximizar.

10. procedimiento escalada (estado inicial estado final)
1. N = estado inicial; Exito = Falso.
2. Hasta que Exito.
o Generar los sucesos de N
o Si algún sucesor es estado final entonces
o Exito = Verdadero.
o Si No
o Evaluar cada nodo como la función de evaluación
o N = mejor sucesor
3. Si Éxito entonces
0. Solución = camino desde nodo del estado-inicial al nodo N por los punteros.
Si No
o Solución = Fracaso.
La técnica de escalada exagera los problemas de la profundidad en el sentido de que no
asegura de que se alcance la solución óptima relacionada con esto; existen dos
problemas que ocurren a menudo cuando se utiliza escalada:
1. Puede haber máximo o mínimos locales esto ocurre por ejemplo cuando la función de
evaluación elegida es maximizante y todos los sucesores de un determinado nodo
tienen menor valor que el valor del nodo.
2. Altiplanicies: Es un caso parecido al anterior y sucede cuando los mejores sucesores
de un nodo tienen igual valor que el nodo. Las soluciones que se pueden adoptar son:
- Retroceder
- Dar mas de un paso

11. Retroceder: A la lista de razones a la que se debe retroceder que provienen a la técnica
de profundidad se le añade cuando ocurra cualquier caso de los anteriores.
Dar más de un paso: En lugar de retroceder se generan todos los sucesores de los
sucesores del nodo en cuestión y aún así no hay ningún sucesor de los sucesores que
sea mejor que el nodo, se puede expandir un nivel mas, hasta que se obtenga un valor
mayor / menor que el nodo.
Búsqueda Avara
Es cuando se reduce al mínimo el costo estimado para alcanzar una meta, h(n). Aunque
por lo general, el tiempo de búsqueda disminuye en comparación con lo necesario
cuando se emplea un algoritmo que no cuenta con información, el de la búsqueda ávara
no es un algoritmo óptimo y completo.
Para un mejor entendimiento de esta búsqueda se aplicará en distancia de ciudades de
Arad – Bucharest:
También considere el siguiente cuadro:

12. Se escoge la ruta con menor distancia de acuerdo al cuadro anterior:
Método de búsqueda asterisco (A*)
La reducción al mínimo de f(n)= g(n) + h(n) combina las ventajas de la búsqueda por
costo uniforme y la búsqueda ávara. Cuando se repiten los estados que se manejan y
se garantiza que h(n) nunca haga una sobreestimación, existe una búsqueda asterisco.
g(n) = Costo de la ruta de partida al nodo n
h(n) = Costo de la ruta mas barata que va de n a la meta
f(n) = Costo estimado de la solución mas barata pasando por n
f(n)= g(n) + h(n)
Si aplicáramos el método Asterisco obtendríamos:
En donde g(n) = ruta inicial hasta n y h(n) = unidad establecida en el cuadro de
Distancias en línea recta a Bucarest.