Estrategia de Búsqueda Informada

Introducción.

Hay varios métodos de búsqueda informada pero depende del problema a resolver, la búsqueda informada puede encontrar soluciones de una manera mas eficiente que las búsquedas no informadas, el cual detallaremos un poco sobre el método búsqueda voraz primero el mejor.

MARCO TEÓRICO 

las estrategias de búsqueda no informadas pueden encontrar soluciones en problemas generando sistemáticamente nuevos estados y probándolos con el objetivo. lamentablemente, estas estrategias son increíblemente ineficientes en la mayoría de casos, la estrategia de búsqueda informada (la que utiliza el conocimiento específico del problema) puede encontrar soluciones de una manera más eficiente.

Estos algoritmos son adecuados para problemas en los cuales el coste del camino es irrelevante y todo lo que importa es el estado solución en sí mismo.

Estrategias de Búsqueda Informada (heurísticas).

Esta estrategia muestra cómo una búsqueda informada puede encontrar soluciones de una manera más eficiente que una estrategia no informada, la cual utiliza el conocimiento específico del problema más allá de la definición del problema en sí mismo.

Búsqueda Voraz Primero el Mejor.

La búsqueda voraz priman el mejor trata de expandir el nodo más cercano al objetivo, alegando que probablemente conduzca rápidamente a una solución. Así, evalúa los nodos utilizando solamente la función heurística: 

f(n) = h(n).

Veamos cómo trabaja para los problemas de encontrar una ruta en Rumania utilizando la heurística distancia en linea recta que llamaremos h(DLR) Si el objetivo es Bucarest, tendremos que conocer las distancias en línea recta a Bucarest. Por ejemplo, h[DLR(En(Arad)) = 366. Notemos que los valores de h(DLR) no pueden calcularse de la descripción de problema en sí mismo. Además, debemos tener una cierta cantidad de experiencia para saber que h(DLR) está correlacionada con las distancias reales del camino y es, por lo tanto, una heurística útil.

Si el objetivo es Bucarest, tendremos que conocer las distancias en línea recta a Bucarest, que se muestran en el gráfico anterior.

La búsqueda voraz primero el mejor se parece a la búsqueda primero en profundidad en el modo que prefiere seguir un camino hacia el objetivo, pero volverá atrás cuando llegue a un callejón sin salida. Sufre los mismos defectos que la búsqueda primero en profundidad, no es óptima, y es incompleta (porque puede ir hacia abajo en un camino infinito y nunca volver para intentar otras posibilidades). Sin embargo,  con una buena función, se pueden reducir la complejidad considerablemente. La cantidad de la reducción depende del problema particular y de la calidad de la heurística.

CONCLUSIÓN.

Las estrategias de búsqueda informada son mucho más eficientes que las no informadas ya que dan solución de una manera mas rápida dependiendo de la calidad y cantidad de heurística, la finalidad de utilizar una búsqueda informada es utilizar conocimiento específico del problema para alcanzar el objetivo de manera más eficiente. es muy parecido al de primero en profundidad ya que sigue el camino hacia el objetivo .

BIBLIOGRAFÍA.

Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. PEARSON EDUCACION. 2 ed. Madrid.

Búsqueda con Infortmación Parcial

INTRODUCCIÓN.

En este tipo de búsqueda no proporciona ninguna información después de cada acción el conocimiento de los estados o acciones es incompleto por lo hay tres tipos de problema distinto:

           

          -  Problemas sin sensores

          -  De contingencia

          -  De exploración.

MARCO TEÓRICO

Búsqueda con Información Parcial 

Asumimos que el entorno es totalmente observable y determinista y que el agente conoce cuales son los efectos de cada acción. Por lo tanto, el agente puede calcular exactamente cuál es el estado resultado de cualquier secuencia de acciones y siempre sabe en qué estado esta. Su percepción no proporciona ninguna nueva información después de cada acción. Que pasa cuando el conocimiento de los estados o acciones es incompleto? Encontramos que diversos tipos de incompletitud conducen a tres tipos de problemas distintos:

1.     Problemas sin sensores (también llamados problemas conformados): si el agente no tiene ningún sensor, entonces (por lo que sabe) podría estar en uno de los posibles estados iniciales, y cada acción por lo tanto podría conducir a uno de los posibles estados sucesores.

2.      Problemas de contingencia: si el entorno es parcialmente observable o si las acciones son inciertas, entonces las percepciones del agente proporcionan nueva información después de cada acción. Cada percepción posible define una contingencia que debe de planearse. A un problema se le llama entre adversarios si la incertidumbre está causada por las acciones de otro agente.

3.       Problemas de exploración: cuando se desconocen los estados y las acciones del entorno, el agente debe actuar para descubrirlos. Los problemas de exploración pueden verse como un caso extremo de problemas de contingencia.

CONCLUSIÓN.

Es importante que tipo de problema tenemos ya que una vez identificado podremos dar una buena solución de una manera correcta y eficiente, ya que hay varias formas de dar solución a los problemas por lo tanto si se conoce el problema entonces se identifica cual va a ser una mejor solución a la esta resolución.

BIBLIOGRAFÍA

Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. PEARSON EDUCACION. 2 ed. Madrid.

Estrategias de Búsqueda no Informada

Introducción.

En esta clase se analizaron los métodos de búsqueda primero en anchura y primero en profundidad, las cuales se utilizan para la solución de problemas, y ambos métodos tiene una funcionalidad diferente.

MARCO TEÓRICO.  

El término significa que ellas no tienen información adicional acerca de los estados más allá de la que proporciona la definición del problema. Todo lo que ellas pueden hacer es generar los sucesores y distinguir entre un estado Objetivo de uno que no lo es.

Búsqueda Primero en Anchura.

La búsqueda primero en anchura es una estrategia sencilla en la que se expande primero el nodo raíz, a continuación se expanden todos los sucesores del nodo raíz, después sus sucesores, etc. En general, se expanden todos los nodos a una profundidad en el árbol de búsqueda antes de expandir cualquier nodo del próximo nivel.

La búsqueda primero en anchura se puede implementar llamando FIFO una cola primero en entrar primero en salir, asegurando que los nodos primeros visitados serán los primeros expandidos.

Ejemplo: Describe la funcionalidad de primero en anchura mediante un gráfico.

Búsqueda Primero en Profundidad.

La búsqueda primero en profundidad siempre expande el nodo más profundo en la frontera actual del árbol de búsqueda. La búsqueda procede inmediatamente al nivel más profundo del árbol de búsqueda, donde los nodos no tienen ningún sucesor. Cuando esos nodos se expanden, son quitados de la frontera, así entonces la búsqueda «retrocede» al siguiente nodo más superficial que todavía tenga sucesores inexplorados, esta estrategia es llamada LIFO el cual último en entrar primero en salir.

Ejemplo: Describe la funcionalidad de primero en profundidad mediante un gráfico.

CONCLUSIÓN.

Las búsquedas no informados tienen barios métodos para la resolución de problemas el cual hemos definidos dos métodos, el primero en anchura es que expande todos sus nodos sucesores lo malo de este método es que al expandirse todo sus nodos se almacena en la memoria pero en muy usado ya que llega a encontrar varias soluciones ya que expande todos sus nodos, el método primero en profundidad expande el nodo mas profundo al momento de expandirse hasta su nodo mas profundo y no a encontrado la solución regresa y los nodos visitados salen de memoria es decir que solo almacena lo que se a expandido y si no encuentra el nodo objetivo va eliminando de memoria y lo malo de este método es que al encontrar el nodo objetivo termina y no sabrá si hay mas soluciones en el problema.  

BIBLIOGRAFÍA

Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. PEARSON EDUCACION. 2 ed. Madrid.