UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIA BSICA TECNOLOGA E INGENIERA

INTELIGENCIA ARTIFICIAL

ACTIVIDAD 6 TRABAJO COLABORATIVO NO. 2

PRESENTADO POR:

GEOVANNY ALONSO RAMIREZ HERRERA

CDIGO: 15.489.822
CEAD: MEDELLN
CARLOS SANTACRUZ
CEAD: PALMIRA
EMERSON HERNNDEZ
CEAD: BUCARAMANGA
WILSON HERNNDEZ
CEAD: EJE CAFETERO
FAIBER BERNAL
CEAD: FLORENCIA

GRUPO: 90169_4

TUTORA: NGELA MARA GONZLEZ

MAYO 2 DE 2014

INTRODUCCIN

El presente trabajo tiene la finalidad de profundizar las temticas que conforman la unidad N 2 del
mdulo de la UNAD y especficamente rea de la Inteligencia Artificial, las cuales tienen la
finalidad de retomar y afianzar los conocimientos ofrecidos por cada una de las actividades que
conforman el modulo del respectivo curso;

adems todo este proceso formativo

tiene la

fundamentacin de enriquecer de habilidades y destrezas a cada uno de los aprehendientes y de los

cuales se pretende transmitir los conocimientos bsicos en esta rea de la informtica y de los
sistemas; destinada a la preparacin y formacin de los nuevos profesionales, en el campo de las
tcnicas de bsqueda son una serie de esquemas de representacin del conocimiento, que mediante
diversos algoritmos nos permite resolver ciertos problemas desde el punto de vista de la I.A.

Objetivo General:
Ofrecer una introduccin a las tcnicas bsicas de la bsqueda en inteligencia artificial (IA),
bajo una orientacin prctica orientada a la resolucin de problemas en esta rea.

Objetivos especficos:

Tratar con mayor detalle la resolucin general de problemas y las tcnicas de

representacin del conocimiento (bsqueda de la solucin en un espacio de estados,
heurstica, inferencia y control).
Una parte fundamental de la Inteligencia Artificial es su aspecto prctico, para ello se
Estudiarn y desarrollarn programas que permitan comprobar su inters desde el punto de
vista informtico.

INTELIGENCIA ARTIFICIAL

ESTRATEGIAS DE BSQUEDA

Bsqueda en la Inteligencia Artificial

En Inteligencia Artificial (IA) los trminos resolucin de problemas y bsqueda se refieren a un

ncleo fundamental de tcnicas que se utilizan en dominios como la deduccin, elaboracin de
planes de actuacin, razonamientos de sentido comn, prueba automtica de teoremas, etc.
Aplicaciones de estas ideas generales aparecen en la prctica totalidad de los sistemas inteligentes,
como por ejemplo en los programas que tratan de entender el lenguaje natural, en los programas que
tratan de sintetizar un conjunto de reglas de clasificacin en un determinado dominio de actuacin,
o en los sistemas que realizan inferencias a partir de un conjunto de reglas.

Tcnicas de bsqueda

Las tcnicas de bsqueda son una serie de esquemas de representacin del conocimiento, que
mediante diversos algoritmos nos permite resolver ciertos problemas desde el punto de vista de la
I.A.
Los elementos que integran las tcnicas de bsqueda son:

Conjunto de estados: todas las configuraciones posibles en el dominio.

Estados iniciales: estados desde los que partimos.
Estados finales: las soluciones del problema.
Operadores: se aplican para pasar de un estado a otro.

Tipos de bsqueda

Ciega (Sin informacin). No cuenta con informacin previa para encontrar una solucin al
problema planteado.

Heurstica (Con informacin). Se realiza la bsqueda de la solucin a un determinado

problema, partiendo de conocimientos previos.

Bsqueda heurstica
Bsqueda preferente por lo mejor

Bsqueda A*

El algoritmo de bsqueda A* (pronunciado "A asterisco" o "A estrella") se clasifica dentro de

los algoritmos de bsqueda en grafos. Presentado por primera vez en 1968 por Peter E. Hart, Nils J.
Nilsson y Bertram Raphael, el algoritmo A* encuentra, siempre y cuando se cumplan unas
determinadas condiciones, el camino de menor coste entre un nodo origen y uno objetivo.
El
donde

algoritmo

A*

utiliza

una

funcin

de

evaluacin

representa el valor heurstico del nodo a evaluar desde el actual, n, hasta el final, y

, el coste real del camino recorrido para llegar a dicho nodo, n, desde el nodo inicial. A*
mantiene dos estructuras de datos auxiliares, que podemos denominar abiertos, implementado como
una cola de prioridad (ordenada por el valor
de cada nodo), y cerrados, donde se guarda la
informacin de los nodos que ya han sido visitados. En cada paso del algoritmo, se expande el nodo
que est primero en abiertos, y en caso de que no sea un nodo objetivo, calcula la
sus hijos, los inserta en abiertos, y pasa el nodo evaluado a cerrados.

de todos

El algoritmo es una combinacin entre bsquedas del tipo primero en anchura con primero en
profundidad: mientras que
tiende a primero en profundidad,
tiende a primero en
anchura. De este modo, se cambia de camino de bsqueda cada vez que existen nodos ms
prometedores.

Caractersticas
Como todo algoritmo de bsqueda en anchura, A* es un algoritmo completo: en caso de existir
una solucin, siempre dar con ella.
Si para todo nodo n del grafo se cumple g(n) = 0, nos encontramos ante una bsqueda voraz. Si
para todo nodo n del grafo se cumple h(n) = 0, A* pasa a ser una bsqueda de coste uniforme no
informada.
Para garantizar la optimalizad del algoritmo, la funcin h(n) debe ser admisible, o sea que no
sobrestime el coste real de alcanzar el nodo objetivo.
De no cumplirse dicha condicin, el algoritmo pasa a denominarse simplemente A, y a pesar de
seguir siendo completo, no se asegura que el resultado obtenido sea el camino de coste mnimo.
Asimismo, si garantizamos que h(n) es consistente (o montona), es decir, que para cualquier
nodo n y cualquiera de sus sucesores, el coste estimado de alcanzar el objetivo desde n no es
mayor que el de alcanzar el sucesor ms el coste de alcanzar el objetivo desde el sucesor.
La complejidad computacional est relacionada con la calidad de la heurstica que se utilice en
el problema. En el caso peor, con una heurstica de psima calidad, la complejidad ser
exponencial, mientras que en el caso mejor, con una buena h'(n), el algoritmo se ejecutar en
tiempo lineal.
El espacio requerido por A* para ser ejecutado es su mayor problema. Dado que tiene que
almacenar todos los posibles siguientes nodos de cada estado, la cantidad de memoria que
requerir ser exponencial con respecto al tamao del problema. Para solucionar este problema,
se han propuesto diversas variaciones de este algoritmo, como pueden
ser RTA*, IDA* o SMA*.

 El rendimiento de los algoritmos de bsqueda heurstica depende de la calidad de la funcin

heurstica.
FUNCIN HEURSTICA H(N)

Se utiliza como una funcin heurstica h(n), a la distancia en lnea recta de todas las ciudades a la
ciudad meta; en otras palabras, lo que se hace es recabar informacin y utilizarla para hallar una
buena solucin a un problema dado, sin tener la certeza de que esa solucin sea la mejor o la
correcta.
Caractersticas:

Usa informacin heurstica para adivinar cul nodo expandir

La heurstica aparece bajo la forma de una funcin de evaluacin basada en la informacin
especfica para el dominio o contexto relacionada con el problema
El problema de bsqueda se puede considerar como la maximizacin o minimizacin de
una funcin, como es del todo general.
La funcin de evaluacin nos proporciona una manera de evaluar un nodo localmente
basado en una estimacin del costo de llegar desde el nodo al nodo meta.
La heurstica suele ser poco certera problema abierto
El valor de la actividad a una meta-nivel - problema abierto
Puede no encontrar la mejor respuesta - superado por algoritmo A*

Las principales ventajas y desventajas de la heurstica son:

Los mtodos heursticos generalmente por su tipo de bsqueda nos puede conducir a errores
u operaciones equivocadas; aunque raras veces aparecen los peores casos en la prctica.
Algunas heursticas se pueden contradecir al aplicarse al mismo problema, creando con esto
confusin.
Las soluciones ptimas determinadas por la heurstica pueden hacer menos exhaustiva la
bsqueda.
Como nos podemos dar cuenta los mtodos de bsqueda heurstica son la mejor opcin,
aunque recordemos que no siempre la mejor opcin es la correcta, sino que ms bien, todo
depende del cristal con que lo veamos

Bsqueda avara

La bsqueda avara es una bsqueda heurstica informada la cual consiste en que utiliza el
conocimiento especfico del problema ms all de la definicin del problema en s mismo, puede
encontrar soluciones de una manera ms ptima, es una de las ms sencillas estrategias consiste en
reducir al mnimo el costo estimado para una meta, este costo no se puede calcular con precisin; la
cual consiste en expandir primero aquel nodo con mejor la evaluacin del nodo devuelve un
nmero que sirve para representar lo deseable que sera la expansin de un nodo.
Para tener una idea clara observemos lo siguiente:

Ingls: greedy search (Bsqueda codiciosa)

La idea es:
Minimizar el coste estimado para llegar a la meta
Estrategia:
Entre las hojas del rbol de bsqueda, seleccionar el nodo que minimice h*(n)
Algoritmo:
Mantener la lista abierta ordenada por valores crecientes de h*
Insertar nuevos nodos en abierta segn sus valores h*
{Bsqueda avara}
Abierta s0
Repetir
Si vaca? (abierta) entonces
Devolver (negativo)
Nodo primero (abierta)
Si meta? (nodo) entonces
Devolver (nodo)
Sucesores expandir (nodo)
Para cada n que pertenece sucesores hacer
n.padre nodo
ordInsertar(n,abierta,h*)
Fin {repetir}

Con esta bsqueda se trata de reducir al mnimo el costo estimado de la ruta, para llagar a la meta
propuesta. E l nodo ms cercano al nodo meta, es el que siempre se expande primero. En esta la
bsqueda avara se utiliza una funcin heurstica h (u) para calcular los estimados del costo. Esta se
denota de la siguiente manera:
h(n) = costo estimado de la ruta ms barata que une el estado del nodo N con un estado META.
Aquella bsqueda preferente por lo mejor que utiliza h para escoger cul es el siguiente nodo que
se va a expandir es denominada bsqueda avara. El nico requisito es que h(n) = 0 cuando n es una
meta, adems las funciones heursticas se refieren a problemas especficos, donde una buena
funcin heurstica en problemas de determinacin de ruta como la anterior corresponde a la
distancia en lnea recta a la meta.
Hdlr(n) = distancia en lnea recta entre n y la ubicacin de la meta.
Para calcular los valores de hdlr es necesario contar con las coordenadas de las ciudades. Es til
porque una carretera que va de A a B por lo general tiende a dirigirse ms o menos la direccin
correcta y la informacin como esta, es el tipo de informacin adicional que permite a la heurstica
contribuir con la reduccin del costo de bsqueda. Los algoritmos por avaricia tienen un desempeo
bastante bueno, los cuales permiten que en una bsqueda avara se equivoquen las pistas si no se
tiene la precaucin de detectar estados repetidos. Entre sus caractersticas podemos encontrar:

Las bsquedas que seleccionan primero lo mejor son ms sencillas - MIN costo estimado
para llegar a la meta (f = h)
Ese costo se puede estimar pero no determinar con exactitud; la buena heurstica ayuda.
h(n) = costo estimado de la ruta ms barata desde el estado n hasta el estado meta.
Las funciones heursticas son problema - especficas

En problemas de bsqueda de ruta una buena h es hDLR , donde DLR es distancia en lnea
recta.

Anlisis
En trminos generales, la bsqueda avara sufre los mismos problemas que la bsqueda en
profundidad, los cuales son que no es ptima y no es completa, adems nunca puede regresar a
probar otras posibilidades; sin embargo, suele encontrar una solucin aceptable de forma rpida,
cuyo objetivo principal
Puesto que su objetivo es encontrar soluciones de bajo costo, por lo general en estos algoritmos se
utiliza alguna medida estimada del costo de la solucin, y se hacen esfuerzos por reducir esta
medida al mnimo.
Para enfocar la bsqueda, en tal medida debe figurar algn tipo de clculo del costo de ruta que va
de un estado al estado ms cercano a la meta.

El problema fundamental de la bsqueda avara, consiste en:

Solo considera el coste para llegar al nodo actual.

No se fija en la distancia restante del nodo actual.
Asegura la completitud necesaria, para evitar todos los estados repetidos.
El mtodo es ptimo, solo en aquellos espacios de estados en los que el coste de un nodo n
es independiente del camino por el que se llega hasta l, por lo tanto tambin se reduce el
tiempo de bsqueda.
Ejecucin del algoritmo de bsqueda en profundidad

EJEMPLO DE BSQUEDA AVARA

Solucin suboptima:

c(D-H-E-I)=550
c(D-H-G-P-I)=518

Caractersticas del Algoritmo A*.

Un algoritmo de bsqueda por el mejor nodo combina las caractersticas de los mtodos en anchura
y en profundidad. Se caracteriza porque para cada nodo se generan todos los posibles sucesores y de
estos slo se expande aquel que sea ms prometedor despus de la aplicacin sobre ellos de una
funcin heurstica h(n) que estima el coste del camino desde cada nodo al objetivo. El uso de este
tipo de algoritmo, al minimizar el coste estimado hasta el objetivo, disminuye considerablemente el
coste de la bsqueda. Desafortunadamente, no es ni ptimo ni completo.
Por otra parte, la bsqueda de coste uniforme minimiza el coste del camino hasta el nodo, g(n), es
decir, expande para cada conjunto de sucesores aquel cuyo camino desde el nodo raz tenga un
menor coste. Este es un algoritmo ptimo y completo, pero puede ser muy ineficiente.
Sera bueno poder combinar estas dos estrategias para conseguir las ventajas de ambos.
Afortunadamente, podemos hacer eso exactamente, combinando las dos funciones de evaluacin
simplemente sumndolas:
f(n) = g(n) + h(n).
Ya que g(n) proporciona el coste del camino desde el nodo de inicio hasta el nodo n, y h(n) es el
coste estimado del camino de menos coste desde n hasta el objetivo, f(n) es el coste estimado de la
solucin de menor coste que atraviesa el nodo n.

Si se intenta encontrar la solucin de menor coste, es razonable intentar primero el nodo con el
menor valor de f. Lo bueno de esta estrategia, es que es ms que razonable. Se puede comprobar
que es completa y ptima, dando una simple restriccin de la funcin h.
La restriccin es escoger una funcin h que nunca sobreestime el coste para alcanzar el objetivo.
Una funcin h de este tipo es una heurstica admisible.
A este algoritmo se le conoce con el nombre de A*.

Ejemplo:

El algoritmo A* tiene sus limitaciones de espacio impuestas, principalmente por poder acabar
degenerando en una bsqueda en anchura si la funcin heurstica no es demasiado buena. Adems,
si la solucin del problema est a mucha profundidad o el tamao del espacio de bsqueda es muy
grande, no hace falta mucho para llegar a necesidades de espacio prohibitivas. Esto lleva a
plantearnos algoritmos alternativos con menores necesidades de espacio.

Bsqueda A* por profundizacin iterativa

Caractersticas del Algoritmo IDA*.

El IDA* (Iterative-Deepening A*) es al igual que el DFID un algoritmo basado en la

profundizacin iterativa. La nica diferencia entre ambos algoritmos estriba en que mientras el
DFID se basa en la profundidad para cada una de sus iteraciones, el IDA se basa en la informacin
heurstica que posee para determinar el siguiente lmite de la iteracin. El tratamiento de esa
informacin se realiza de igual forma que en el algoritmo del A*, o sea mediante la funcin de
evaluacin f introducida anteriormente. El funcionamiento del algoritmo es el siguiente:

En cada iteracin el algoritmo realiza una bsqueda en profundidad hasta donde se lo permita su
lmite de coste. Cada vez que se visita todo el grafo de bsqueda contenido dentro de ese lmite sin
hallar la solucin entonces, el algoritmo incrementa el lmite de coste. Ese nuevo lmite viene dado
por el menor de los lmites de corte, o sea, por el menor valor del coste de los nodos que tenan un
valor superior en la anterior iteracin.

Como sealamos anteriormente, este algoritmo se considera limitado en profundidad, aunque esta
afirmacin no sea estrictamente cierta. La razn de ello viene dado por su eficacia en cuanto al uso
de memoria pero como se puede ver de su funcionamiento no realiza un control estricto de la
memoria. Posee las siguientes particularidades:

1. Uso de toda la memoria disponible.

2. En la medida que lo facilite la memoria, salto de los estados repetidos.
3. Es completo si dispone de suficiente memoria como para guardar la solucin ms cercana.
4. Es ptima si dispone de la memoria para guardar la ruta solucin ptima ms cercana. Sino
produce la mejor solucin disponible con esa capacidad de memoria.
5. Si se dispone la capacidad de memoria para todo el rbol de bsqueda, entonces resultar
optimizado y eficiente.

Ejemplo algoritmo bsqueda A* por profundizacin iterativa

Diferencia de ejecucin algoritmo A* e IDA*

Ejemplo de bsqueda heurstica A*.

Origen : Q
Meta : N

Solucin 1: Q-R-T-K-M-N
Solucin 2: Q-I-W-K-M-N
(Ruiz Reina, Alonso, & Martn Mateos, 2011)
Ejemplo de bsqueda bidireccional.
Origen : 1
Meta : 2

Solucin: 1 4 9 [coincidencia (3,3)] 10 5 2

Bsqueda por ascenso de cima

La bsqueda por ascenso de cima se esfuerza por efectuar cambios que permitan mejorar el estado
actual. Simplemente se trata de un bucle que constantemente se desplaza en la direccin de un valor
ascendente. Como el algoritmo no mantiene un rbol de bsqueda, la estructura de datos del nodo
slo tiene que registrar el estado y su evaluacin, denominado VALOR.
Esta sencilla poltica tiene tres bien conocidas desventajas:
Mximas locales: Un mximo local, contrariamente a un mximo global, es una cima cuya
altura es inferior a la cima ms alta de todo el espacio de estados. Una vez que ha alcanzado
un mximo local, el algoritmo para.
Planicie: Las planicies son reas del espacio de estados en donde la funcin de evaluacin
bsicamente es plana. La bsqueda realizar un paseo al azar.

 Riscos: Las laderas de algunos riscos tienen pendientes muy pronunciadas, por lo que es
fcil para una bsqueda llegar a la cima del risco; sin embargo, puede suceder que la
pendiente de tal cima se aproxime demasiado gradualmente a un pico.
El algoritmo llega a un punto ms all del cual no se logra ningn avance.
Lo que se hace mediante el ascenso de cima con reinicio aleatorio: efecta una serie de
bsquedas de ascenso de cima desde estados iniciales generados aleatoriamente, hasta parar
o cuando no se logra ningn avance significativo. Se guarda el mejor resultado que hasta un
momento dado se haya obtenido en las diversas bsquedas; puede usar un nmero fijo de
iteraciones, o puede continuar hasta que el mejor de los resultados almacenados no haya
sido mejorado para cierta cantidad de iteraciones.

Bsqueda por ascenso de cima

Funcin Ascenso-de-cima (problema) responde con un estado de solucin

entradas: problema, un problema
esttico: actual, un nodo
siguiente, un nodo
actual Hacer-nodo(Estado Inicial[problema])
hacer ciclo
siguiente el sucesor de actual de ms alto valor
si Valor[siguiente] < Valor[actual] entonces responde con actual
actual siguiente
fin

Profundizacin iterativa en juegos bipersonales: MINIMAX

Si se aplica el algoritmo MINIMAX puro descripto puede suceder que se encuentre fuera de tiempo
cuando an no ha recorrido todo el rbol y por lo tanto no tiene ninguna decisin tomada. Mediante
la profundizacin iterativa puede cortarse la bsqueda en cualquier momento dado que siempre se
tiene una solucin resultado de la ltima iteracin completada

Otra ventaja de la profundizacin iterativa es que cada iteracin proporciona un valor para los
movimientos, y por lo tanto esto puede proporcionar un orden. Es decir, si un movimiento es
superior a sus hermanos puede explorarse primero en la siguiente iteracin. Con este ordenamiento,
segn ya se mencion, el procedimiento de poda alfa-beta puede podar mayor cantidad de ramas y
con esto reducirse el tiempo total.

Caractersticas del Algoritmo DFID.

El algoritmo de bsqueda DFID (Depth-First Iterative-Deepening) fue introducido por primera vez
en el ao 1977 cuando Slate y Atkin presentaron un programa de ajedrez. El algoritmo combina las
ventajas de la bsqueda en anchura y de la bsqueda en profundidad. De la primera guarda el
concepto de encontrar la solucin siempre a la menor profundidad, mientras que de la segunda

conserva el estilo de bsqueda con lo cual asegura que su necesidad de memoria ser lineal. Para
asegurar la completitud del algoritmo, el DFID introduce un lmite de profundidad en cada una de
sus iteraciones. El desarrollo del algoritmo es el siguiente:
En cada iteracin el algoritmo realiza una bsqueda limitada en profundidad. Si en dicha iteracin
no se alcanza la solucin ptima, entonces se incrementa dicho lmite en una unidad de profundidad
y se vuelve a realizar la bsqueda.

BSQUEDA CIEGA

Bsqueda bidireccional

Es bsicamente una bsqueda simultnea que avanza a partir del estado inicial y que retrocede a
partir de la meta y que se detiene cuando ambas bsquedas se encuentran en algn punto
intermedio. Si en un problema el factor de ramificacin b es el mismo en ambas direcciones, la
bsqueda bidireccional puede ser muy til. Si la solucin est a profundidad d, entonces la solucin
estar a O (2bd/2) = O (bd/2) pasos.

Contexto de Aplicacin
La bsqueda hacia atrs implica la sucesiva generacin de predecesores a partir del nodo meta.
Si todos los operadores son reversibles, los conjuntos de predecesor y sucesor son idnticos,
pero en algunos problemas, el clculo de los predecesores puede resultar muy difcil.
Si hay varios estados meta listados en forma explcita, se puede aplicar una funcin de
predecesor al conjunto de estados como en el caso de la bsqueda de estado mltiple. Pero si
slo hay una descripcin de los estados meta, es realmente difcil (qu estados son
predecesores del jaque mate en ajedrez?)
Se requiere una manera eficiente de verificar cada uno de los nodos nuevos para ver si ya estn
en el otro rbol.
Se tiene que definir un tipo de bsqueda para cada mitad. Amplitud amplitud, amplitud
profundidad, etc. La complejidad espacial es igual a la temporal para esta bsqueda.

Ventajas

Complejidad temporal de

, siendo:

b1: factor de ramificacin de la bsqueda en direccin 1.

b2: factor de ramificacin de la bsqueda en direccin 2.
d: profundidad de la solucin.

Desventajas
El factor de ramificacin de la bsqueda inversa podra ser mucho mayor que el de la directa.

Complejidad espacial de

, siendo:

bi: factor de ramificacin de la bsqueda de la que se guarda el rbol en memoria.

Puede ser muy difcil o imposible encontrar una funcin inversa.
Implementacin
Construccin de sistemas expertos (es un caso particular de sistema inteligente en el que la
informacin ha sido aportada por expertos en una determinada rea).
Conocer la demostracin de teoremas matemticos.
Robots que modelan algo.

Endurecimiento simulado

En vez de empezar otra vez, cuando se queda atorado; ste algoritmo desciende unos cuantos pasos
(al azar); si se logra mejorar la situacin se ejecuta. De otra forma, realizar la accin con
cierta probabilidad inferior a 1, que disminuye exponencialmente con lo "malo" de la situacin.
Para determinar la probabilidad, se utiliza un parmetro T, cuando:
T es muy elevado, hay ms probabilidad de que se acepten acciones "malas".
T tiende a cero, es menos probable su aceptacin.
Cada mtodo posee sus ventajas y desventajas, ninguno es ms ptimo que otro a nivel general, sino
que se ajusta a distintas caractersticas de un problema determinado. Para encontrar una trayectoria
adecuada se deben considerar dos costos:
El costo de clculo para encontrar la trayectoria.
El costo del viaje cuando se sigue la trayectoria
Si se desea realizar el viaje con frecuencia, hallar una trayectoria realmente buena justifica
la inversin del tiempo de bsqueda. Si al contrario, se utilizar una sola vez, y resulta difcil hallar
cualquier trayectoria, obtener una resultar satisfactorio, aun cuando invirtiendo ms tiempo se
logre encontrar una mejor.

Bsqueda por amplitud y/o anchura

En Ciencias de la Computacin (en ingls BFS - Breadth First Search) es un algoritmo para recorrer
o buscar elementos en un grafo (usado frecuentemente sobre rboles). Intuitivamente, se comienza
en la raz (eligiendo algn nodo como elemento raz en el caso de un grafo) y se exploran todos los
vecinos de este nodo. A continuacin para cada uno de los vecinos se exploran sus respectivos
vecinos adyacentes, y as hasta que se recorra todo el rbol.
Formalmente, BFS es un algoritmo de bsqueda sin informacin, que expande y examina todos los
nodos de un rbol sistemticamente para buscar una solucin. El algoritmo no usa ninguna
estrategia heurstica. Si las aristas tienen pesos negativos aplicaremos el algoritmo de BellmanFord en alguna de sus dos versiones.

Bsqueda preferente por profundidad

La bsqueda en profundidad preferente intenta seguir un camino hasta la mayor profundidad

posible, retrocediendo cuando acaba el camino y retomando la ltima posibilidad de eleccin
disponible.
Para obtener este algoritmo solo hemos de instanciar la estructura que guarda los nodos abiertos a
una pila en el algoritmo genrico. Esta estructura nos consigue que se visiten los nodos en el orden
que hemos establecido.
El principal problema de este algoritmo es que no acaba si existe la posibilidad de que hayan
caminos infinitos. Una variante de este algoritmo que evita este problema es el algoritmo de
profundidad limitada.

Ejemplo 1
Seudocdigo

1. Crear una lista con un solo elemento: el nodo raz

2. Hasta que (el primer camino de la lista arribe al nodo objetivo) o se arribe (a la lista vaca)
HACER
a. Extraer el primer camino de la lista
b. Expandir el nodo final de este camino.
c. Eliminar los ciclos de los caminos expandidos.
d. Insertar estos nuevos caminos al
INICIO de la lista.
3. FIN HACER
4. Si la lista est vaca, entonces NO hay solucin
5. Sino el primer camino de la lista es la solucin

Ejemplo 2
1. Este algoritmo comenzara empilando el nodo inicial (nodo 1).
2. Los nodos sucesores del primer nodo son los nodos 2 y 3, que pasaran a ser empilados
3. El siguiente nodo extrado de la pila sera el 2, que tiene como sucesores el 4 y el 6.
4. El siguiente nodo extrado de la pila sera el 4, que tiene como sucesor el 5.
5. El siguiente nodo extrado de la pila sera el 5, que tiene como sucesores el 6 y el 7. Como
el nodo 6 est en la pila en con nivel superior descartaramos este nodo.
6. El siguiente nodo extrado de la pila sera el 7, que tiene como sucesor el 8.
7. El siguiente nodo extrado de la pila sera el 8 que es el nodo solucin y por tanto acabara
la ejecucin.

Bsqueda profundizacin iterativa

La profundizacin iterativa es una idea que se utiliz por primera vez en un programa llamado
CHESS 4.5 (Slate y Atkin, 1977). El nombre profundizacin iterativa hace referencia a que se
realizan iteraciones de bsquedas cada vez ms profundas. El inconveniente de la bsqueda
profundizacin iterativa puede ser la redundancia de que se vuelva a inspeccionar cada nodo ya
comprobado con cada nueva iteracin.
La principal razn para realizar iteraciones de bsquedas de diferentes profundidades incrementales,
en lugar de realizar una bsqueda a la profundidad deseada, es que los programas de juegos pueden
estar sujetos a restricciones de tiempo. Mediante esta tcnica la primera iteracin realiza una
bsqueda de profundidad uno, la segunda iteracin realiza una bsqueda de profundidad dos, etc.
hasta
que
el
tiempo
destinado
al
movimiento
se
agote.
Puede parecer que se pierde una gran cantidad de tiempo al efectuar los anlisis de los niveles
menos profundos. Sin embargo, est demostrado que aproximadamente se necesita 1/(b-1)
evaluaciones extras para realizar la exploracin iterativa en un rbol de un factor de ramificacin
igual a b (por ej., si b=16 la profundizacin iterativa necesita 1/15 del total de exploraciones de los
nodos hijos del ltimo nivel).
La tcnica de profundizacin iterativa puede aplicarse con xito tanto a bsquedas con agente nico
o juegos unipersonales como a juegos bipersonales.

2 Explicar que es, las caractersticas, las estrategias de bsquedas y por medio de ejemplos identificar qu papel tiene la bsqueda en la
inteligencia artificial.

CARACTERSTICAS DE LAS BSQUEDAS EN INTELIGENCIA ARTIFICIAL:

TIPO
DE CARACTERSTICAS
ESTRATEGIAS
EJEMPLO
BSQUEDA
Si existe una solucin en el espacio Expanden el nodo menos profundo, Se puede ver el rbol de bsqueda que se
genera. En este caso encontramos el camino
de estados (independientemente de
que no haya sido expandido.
la estructura combinatorial de Cada
nodo
generado
debe ms corto, ya que este algoritmo explora los
Anchura
ste), la encuentra y adems con la
permanecer en memoria, ya que es caminos en orden de longitud como la
secuencia solucin ms corta.
parte de la frontera, o un bsqueda en anchura. Para mantener la
ganancia en espacio en este caso no se han
antepasado de un nodo frontera.
Si el espacio de estados es un grafo
guardado los nodos cerraros, es por ello que
dirigido acclico la ejecucin
no se ha tratado en nodo 4 en el paso 3.7
termina en todos los casos.
como repetido.
Si el grafo tiene ciclos dirigidos (o
es un grafo no dirigido), el
algoritmo puede no terminar si no
existe solucin y si sta existe el
algoritmo puede ser muy ineficaz
por las mismas razones que en el
caso de los grafos dirigidos
acclicos.

Heursticas

No garantizan que se encuentre una

solucin,
aunque
existan
soluciones.
Si encuentran una solucin, no se
asegura que sta tenga buenas
propiedades (que sea de longitud
mnima o de coste ptimo).
En algunas ocasiones (que, en
general, no se podrn determinar a
priori), encontrarn una solucin
(aceptablemente buena) en un
tiempo razonable.

El grado de complejidad de estas

operaciones mentales es muy
diverso. Pueden ir de la sencillez
ms evidente a la dificultad ms
desalentadora.
Saben estimar si un estado es ms
prometedor que otro.
Usan la informacin de definicin
del problema y el costo del estado
actual al objetivo.
Best first
Bsqueda Avara
A*
IDA*
Mejora iterativa

Nmeros de cuadros fuera de su sitio.

Si no podemos encontrar una funcin

heurstica suficientemente buena, deberemos
usar algoritmos que no busquen el ptimo,
pero que nos garanticen que nos acercaremos
lo suficiente a l para obtener una buena
solucin.

Primero
mejor.

Ciega

el

Mantienen la lista de nodos Concretamente, la estrategia de

ABIERTOS ordenada de modo que
control primero el mejor consiste
se puedan considerar siempre la
en darle a la lista ABIERTOS una
alternativa ms prometedora de
estructura de cola de prioridad,
entre todas las que estn siendo
ordenada (de menor a mayor) por
consideradas.
los valores heursticos de los
estados asociados a los nodos.
Combinan las de la bsqueda en
Habr versiones en rbol y en grafo
profundidad (puede encontrar una
(es decir, en sta ltima se
solucin sin expandir todos los
mantiene una lista de estados
nodos.
CERRADOS).

Un hombre se encuentra en una extensa

llanura y tiene sed, en ese momento ha
llegado a una pequea elevacin que es la
nica en esa regin y se sube a ella. Desde la
elevacin el hombre observa el cuadro
siguiente:
NORTE: vegetacin
verde y movimiento de animales
SUR: vegetacin amarilla
ESTE: vegetacin amarilla
OESTE: vegetacin verde
Evidentemente la vegetacin verde es un
indicio de que hay humedad, luego es muy
probable que exista agua en la superficie o
subterrnea.
El
movimiento
de animales puede indicar que ellos se dirigen
all a beber, lo cual sugiere que el agua est en
la superficie. Esta informacin le dice
al hombre que debe dirigirse al norte,
constituye una bsqueda heurstica.

Usan la informacin de la Utilizan estrategias de bsqueda

definicin del problema.
de soluciones que no explotan
informacin adicional que pueda
No
disponen
de
ninguna
guiar el proceso.
informacin adicional a la propia
definicin del mismo.
Bsqueda primero en anchura.
Bsqueda primero en profundidad.
Bsqueda limitada en profundidad.
Bsqueda iterativa en profundidad.
Bsqueda bidireccional.
Estos algoritmos se basan en la estructura del
espacio de estados y determinan estrategias

sistemticas para su exploracin. Es decir,

siguen una estrategia fija a la hora de visitar
los nodos que representan los estados del
problema.
Coste
uniforme

En amplitud

Bsqueda al ancho es ptimo si Expande primero los nodos no

todos los costos so n iguales
expandidos con menor coste de
porque expande siempre el nodo
camino.
menos profundo.
Por simple extensin encontramos
este algoritmo para rboles con
costos no iguales.
Expandir nodo no expandido de
mnimo costo.
Si el conjunto open se maneja Si el factor de ramificacin es B y
como una lista FIFO, es decir,
la profundidad a la cual se
como una cola, siempre se estar
encuentra el estado objetivo ms
visitando primero los primeros
cercano es n, este algoritmo tiene
estados en ser generados. El
una complejidad en tiempo y
recorrido del espacio de estados se
espacio de O(Bn). Contrariamente a
hace por niveles de profundidad.
la bsqueda en profundidad, la
bsqueda en amplitud garantiza
encontrar el camino ms corto.

BFS genera un arbol de descubrimiento de

un grafo G, para esto cada vertice v tiene los
siguientes
campos:
v.: lista de adyacencia de v.
v.color: color para v (blanco, plomo,
negro)
v.: padre de v en el arbol de
descubrimientov.d:
paso
de
descubrimiento de v (distancia desde la
raz del arbol de descubrimiento)

BFS(G, s)
for each u V (G) {s}
do u.color := blanco
u.d :=
u. := nil

s.color := plomo
s.d := 0
s. := nil
Q.Enqueue(s)
while Q.IsEmpty() = false
do u := Q.head
for each v u.
do if v.color = blanco
then v.color := plomo
v.d := u.d +1
v. := u
Q.Enqueue(v)
Q.Dequeue()
u.color := negro

En
profundidad

Los algoritmos anteriores hacen Utilizan una cola de prioridad, este

una bsqueda ciega y exhaustiva,
algoritmo se diferencia por
lo que presenta serios problemas en
actualizar los caminos almacenados
espacios de estado grandes. Esto se
en la lista open cada vez que se
puede
mejorar
expandiendo
encuentra un camino ms corto, lo
primero los estados que tienen ms
que mejora la probabilidad de
expectativas de encontrarse en el
encontrar el camino ptimo. El
camino a la solucin, lo que
camino se almacena en cada estado
implica utilizar una funcin
como un puntero al padre.
heurstica que permita darle una Cuando se llega a un estado
mayor prioridad a esos estados.
en closed por un camino ms corto,
El conjunto open se maneja en este
habra
que
transmitir
esta
caso como una cola de prioridad
informacin a todos sus sucesores.
ordenada segn una funcin
Sin embargo, algunos de estos
heurstica
que
aporta
un
sucesores pueden haber sido
conocimiento adicional sobre el
generados
o
posteriormente
problema abordado. Esta funcin
actualizados por otro camino que
puede ser, por ejemplo, una
hasta el momento pareca ms

Aplicar el algoritmo de bsqueda

profundidad al siguiente grafo:

en

La bsqueda en profundidad se puede

implementar de forma recursiva. Debido al
paso 4 del algoritmo descrito arriba, donde se
regresa al padre del vrtice activo, la
bsqueda en profundidad es un algoritmo de
retroceso.

estimacin del largo del camino

que queda por recorrer para llegar
al estado objetivo.

corto, por lo cual estaran

desvinculados del ancestro que se
est considerando. Administrar este
problema sera muy engorroso,
entonces se opta por repetir la
bsqueda.
Se puede obtener una versin
simplificada de esta bsqueda
heurstica eliminando toda la
informacin histrica contenida
en open y closed. En cada paso se
generan los sucesores del estado
actual y slo se conserva al mejor
de ellos para el paso siguiente. El
algoritmo se detiene cuando
ninguno de los sucesores tiene una
mejor evaluacin que el estado
actual (sino entrara en un ciclo
infinito). Esta estrategia se
llama algoritmo del gradiente (hill
climbing en ingls). Funciona
adecuadamente cuando no hay
ptimos locales.

Iterativa
en
profundidad

Limitada por
la cantidad de
memoria

La idea es combinar las buenas Esta bsqueda iterativa garantiza

caractersticas de la bsqueda en
encontrar el camino ms corto.
profundidad, en cuanto a la
complejidad en espacio, con las
ventajas de la bsqueda en
amplitud. Esto se logra haciendo
una bsqueda en profundidad
acotada por una profundidad
mxima i que se hace variar
Expandir nodo ms profundo
iterativamente de 1 en adelante
Implementacin:
con incrementos de 1.
fringe es cola LIFO, i.e., poner
Si el estado objetivo ms cercano
sucesores al frente
se encuentra a una profundidad n,
se
hacen n bsquedas
en
profundidad, a nivel 1, a nivel 2,
hasta el nivel n.
Cuando se implementan las
bsquedas
vistas
hasta el
momento, hay ciertos problemas
muy difciles de resolver y por lo
tanto siempre hay que dar algo a
cambio para resolverlos, y lo
primero que se cede es la
memoria disponible.

Segn exigencias de memoria,

descarta nodos de ella que tengan
valores de f altos.
Los valores de f descartados
quedan memorizados en ancestros.
Mecanismo de regeneracin de
nodos descartados que
regenera
lo faltante solo si todo el resto de
rutas son peores.
ptima y completa si la solucin
ms chata cupo en la memoria.
En el otro caso, entrega la mejor
solucin alcanzable

TIPO DE BSQUEDA
Anchura

PAPEL TIENE LA BSQUEDA EN LA INTELIGENCIA ARTIFICIAL

La bsqueda en anchura es utilizada en la IA, para intentar explorar el espacio de
bsqueda haciendo un recorrido por niveles, de manera que un nodo se visita solamente
cuando todos sus predecesores y sus hermanos anteriores en orden de generacin ya se
han visitado.
Heursticas
Una ventaja con la que nos encontraremos en la inteligencia artificial y en las respectivas
bsquedas, es que las propiedades que tienen estos problemas permiten derivar
heursticas que reducen el espacio de bsqueda de manera considerable.
Este tipo de bsqueda es muy usual en la inteligencia artificial, este permite explorar
Primero el mejor.
antes los nodos ms cercanos a la solucin probablemente nos har encontrarla antes,
pero el no tener en cuenta el coste del camino recorrido hace que no se garantice la
solucin ptima, ya que a pesar de guiarnos hacia el nodo aparentemente ms cercano a
la solucin, estamos ignorando el coste del camino completo.
Ciega
Slo utiliza informacin acerca de si un estado es o no objetivo para guiar su proceso de
bsqueda y permite obtener la informacin necesaria para guiar el resto del proceso.
Coste uniforme
Cuando utilizamos una bsqueda, donde la solucin obtenida es ptima respecto al
nmero de pasos desde la raz, si los operadores de bsqueda tienen coste uniforme, el
coste de la solucin sera el ptimo, permitindonos obtener grandes resultados en su
implementacin.
En amplitud
Su principal objetivo e utilidad en las bsquedas es alcanzar el objetivo trazado, de lo
contrario fallara.
En profundidad
La bsqueda en profundidad es utilizada en la inteligencia artificia, para intentar seguir
un camino hasta la mayor profundidad posible, retrocediendo cuando acaba el camino y
retomando la ltima posibilidad de eleccin disponible.
Iterativa en profundidad
Este algoritmo intenta obtener las propiedades ventajosas de la bsqueda en profundidad
y en anchura combinadas, es decir, un coste espacial lineal y asegurar que la solucin
ser ptima respecto a la longitud del camino.
Limitada por la cantidad de Este algoritmo es mucho ms complejo que los anteriores y existen diferentes versiones.
memoria
Principalmente la complejidad viene de cmo se han de reorganizar los caminos
memorizados cuando se han de borrar de la memoria y como se hace la propagacin de
los costes a los nodos ascendiente que se mantienen.

3. Teniendo en cuenta el trabajo individual, elabore un cuadro comparativo entre la bsqueda heurstica y la bsqueda ciega.
BSQUEDA HEURSTICA
La bsqueda heurstica utiliza una estimacin del coste o de la calidad

BSQUEDA CIEGA
Los algoritmos de bsqueda no informada o algoritmos de bsqueda

de la solucin para guiar la bsqueda, de manera que se basan en algn

ciega, no dependen de la informacin propia del problema a la hora de

criterio heurstico dependiente del problema.

resolverlo, estos son algoritmos generales, por tal razn se pueden aplicar

Por medio de la utilizacin de los algoritmos que no son sistemticos,

a cualquier circunstancia.

nos brinda la condicin de obtener un orden de exploracin no lo

Los algoritmos de bsqueda ciega, se basan en la estructura del espacio

determina la estructura del espacio de bsqueda sino el criterio

de estados y determinan estrategias sistemticas para su exploracin;

heurstico.

queriendo decir que siguen una estrategia fija a la hora de visitar los

Algunos de los mtodos de utilizados en las bsquedas heursticas, son

muy exhaustivos y basan su menor complejidad computacional en
ignorar parte del espacio de bsqueda.
Existen bastantes algoritmos con funcionamientos muy diferentes, los
cuales no siempre nos garantizan la posibilidad de encontrar la
solucin ptima, ni tan siquiera el hallar una solucin.
El soporte principal en los algoritmos de bsqueda heurstica ser el

nodos que representan los estados del problema.

En la utilizacin de estos algoritmos de bsqueda, tambin se puede
tratar los exhaustivos; permitiendo hacer el recorrido de todos los nodos
del problema para hallar la solucin.
La bsqueda ciega utiliza bsicamente dos polticas de recorrido de un
espacio de bsqueda, los cuales son la bsqueda en

anchura y en

profundidad.

modo de elegir qu nodo explorar primero, para ello podemos utilizar

Cuando utilizamos el mtodo de bsqueda a ciegas, podemos utilizar el

diferentes estrategias que nos darn diferentes propiedades y por ende

ms privilegiado, esto nos permitir aprovechar un espacio grande de

los resultados.

bsqueda y ms que todo cuando no se conoce la otra parte.

La estrategia de la bsqueda heurstica, se traduce en el algoritmo

La bsqueda no informada o a ciegas que no tienen informacin del

primero el mejor avaricioso; donde la nica diferencia al respecto a los

problema que se quiere solucionar, se puede medir la calidad de los

dems algoritmos, es el utilizar como estructura para almacenar los

La estrategia de la bsqueda ciega, es la eleccin del orden de la

nodos abiertos una cola con prioridad.

La primera estrategia que se nos puede ocurrir es utilizar la estimacin
del coste futuro, para despus de esta poder decidir qu nodos explorar
primero.
Al comenzar a analizar las soluciones

estados.

expansin de los nodos del rbol.

La bsqueda ciega busca la primer solucin sin importar que tan ptima
sea; no detecta si se est aproximando o alejando de la solucin.

de los problemas, todo

Cuando ejecutamos este tipo de bsqueda y est a la vez no es capaz de

depender de las caractersticas de la dificultad; donde a veces el

encontrar una solucin aceptable en caso de que no exista o sea

nmero de soluciones vlidas es muy reducido debido a que lo que

demasiado costoso, procede en encontrar la solucin ms ptima.

exigimos para ser una solucin es muy estricto y es imposible generar

una solucin inicial sin realizar una bsqueda adecuada.
Si sabemos que partiendo desde una solucin invlida podremos
alcanzar el espacio de soluciones, no habr problema, el algoritmo har
esa bsqueda inicial guiado por la funcin heurstica.

Una de las funciones del mtodo utilizado en esta bsqueda, es la

aplicacin de operadores hasta encontrar la solucin.

4. Explique que es un algoritmo gentico, mediante un ejemplo explique su proceso de

construccin.
Los Algoritmos Genticos son mtodos adaptativos que pueden usarse para resolver problemas de
bsqueda y optimizacin, estos se en los procesos gentico de los organismos vivos. Estos
algoritmos utilizan una equivalencia directa con el conducta natural, los cuales trabajan con una
seleccin de individuos, cada uno de los cuales representa una solucin factible a un problema
dado.
Procediendo con el algoritmo gentico, este le asigna a cada individuo un valor o puntuacin,
relacionado con la propiedad de dicha solucin, en las que la naturaleza asemejar el grado de
efectividad de un organismo para competir por unos determinados recursos.
El dominio de los algoritmos genticos proviene del hecho de que se trata de una tcnica robusta, y
pueden tratar con xito una gran variedad de problemas provenientes de diferentes reas,
incluyendo aquellos en los que otros mtodos encuentran dificultades; tambin hay que tener en
cuenta que no se pueden garantizar, que el Algoritmo Gentico encuentre la solucin ptima del
problema, existe evidencia emprica de que se encuentran soluciones de un nivel aceptable, en un
tiempo competitivo con el resto de algoritmos de optimizacin combinatoria.

EL ALGORITMO GENTICO SIMPLE

ESTRUCTURA DE UN ALGORITMO GENTICO SIMPLE

CODIFICACIN: Los cromosomas de alguna manera debern contener informacin

acerca de la solucin que representa. La codificacin se puede realizar de varias formas. La
ms utilizada es mediante una cadena de nmeros binarios (1s o 0s). Pero tambin se puede
realizar la codificacin mediante nmeros enteros o incluso cadenas de palabras.
CRUCE: Indica la frecuencia con la que se producen cruces entre los cromosomas padre es
decir, que haya probabilidad de reproduccin entre ellos. En caso de que no exista
probabilidad de reproduccin, los hijos sern copias exactas se los padres.
MUTACIN: Nos indica la frecuencia con la que los genes de un cromosoma son mutados.
Si no hay mutacin, los descendientes son los mismos que haba tras la reproduccin. En
caso de que haya mutaciones, parte del cromosoma descendiente es modificado y si la
probabilidad de mutacin es del 100%, la totalidad del cromosoma se cambia.
SELECCIN: Como ya hemos visto anteriormente es necesario hacer una seleccin con
los individuos ms capacitados para que stos sean los que se reproduzcan con ms
probabilidad de acuerdo con la teora de Darwin en la cual los ms capacitados son los que
deben sobrevivir y crear una nueva descendencia ms facultada.

Caractersticas

Cada ejecucin del algoritmo puede dar soluciones distintas

Son algoritmos de bsquedas mltiples, esto requiere decir que dan varias soluciones, unas ms
calificadas que otras.
La convergencia del algoritmo es poco sensible a la poblacin inicial si esta se escoge de forma
aleatoria y si el tamao es muy grande.
Este tipo de algoritmos descarta inmediatamente espacios malos al tener una convergencia rpida.

Aplicaciones
Acstica: Disear sala de concierto con propiedades acsticas optimas
Ingeniera Aeroespacial: Para disear la forma de ala de un avin supersnico
Mercados Financieros: Predecir el rendimiento futuro de 1.600 acciones ofertadas
pblicamente
Ejecito: Utilizaron algoritmos genticos para planes tcticos para las batallas militares
Reconocimiento de patrones, Robtica, Diseo de rutas, etc.

Ejemplo de algoritmo gentico

A continuacin utilizaremos como individuo una persona que decide tomar la ruta ms corta a su
recorrido el gen est caracterizada por el nmero de rutas disponibles en la toma de decisiones,
donde el individuo se posiciona en la ruta ms cerca para llegar a su destino.

Posicin
inicial

Llegada

5. Respuesta y justificacin de ejercicios.

a. Dentro de las bsquedas sin contar con informacin tambin conocidas como bsquedas ciegas se
encuentran seis estrategias, segn la grfica indique a qu estrategia corresponde y justifique su
respuesta:

R: La estrategia de bsqueda usada corresponde la bsqueda preferente por amplitud o tambin

conocida como bsqueda primero en anchura (Russell & Norving, 2004) la cual consiste en que en
que todos los nodos que estn en la profundidad d del rbol de bsqueda se expandan antes de los
nodos que estn en la profundidad d+1, es decir, se evala primero los nodos de niveles ms
cercanos al nodo raz siguiendo la expansin con los niveles que se alejan de esta, teniendo en
cuenta que al existir el objetivo de bsqueda en alguno de estos niveles de profundidad, la bsqueda
termina con solucin ptima y completa.

b. La estrategia de bsqueda que se encarga de manejar la cantidad de memoria necesaria para

encontrar la solucin, es? Explquela mediante un ejemplo y justifique su respuesta.

Bsqueda limitada por la cantidad de memoria:

Este algoritmo es mucho ms complejo que los anteriores y existen diferentes versiones, su
principal complejidad viene de cmo se han de reorganizar los caminos memorizados cuando se
han de borrar de la memoria, decir que si tenemos una idea aproximada de la longitud de la solucin
podemos ajustar a priori la cantidad de memoria, cuanta ms memoria permitamos, menos
regeneraciones de caminos haremos ya que nos los encontraremos almacenados; permitiremos usar
al algoritmo adecuadamente y como se hace la propagacin de los costes a los nodos ascendientes
que se mantienen; almacena todos los caminos que le caben en el tamao de memoria que se
impone y no solo el actual, de manera que se ahorra regenerar ciertos caminos; adems este
algoritmo elimina los caminos peores en el momento en el que ya no caben ms, guardando en los
nodos la informacin suficiente que le permita saber cundo se han de regenerar, permitiendo
reducir bastante las reexpansiones, con el consiguiente ahorro de tiempo y a la vez es capaz de
hallar una solucin, si el camino completo cabe en la cantidad de memoria que hemos impuesto.

5c. Recibe el nombre de estado mltiple ya que el agente sabe cul es el resultado de cada una de
sus acciones pero el mundo no es totalmente accesible. El agente deber razonar en trminos de los
conjuntos de estados a los que puede llegar en lugar de pensar en funcin de los estados nicos.
Problema de estados mltiples es un caso particular del caso de un problema de estado simple
particular del caso de un problema de estado simple, en donde cada estado es un multiestado.
Ejemplo:
Problema de patear penalti:
1

10

11

12

Teniendo en cuenta que el tirador se encuentre a la mitad:

Si decide tirar a la derecha se encontrara con 6 estado posibles {1, 2, 5, 6, 9, 10}
Si decide tirar a la derecha arriba {1, 2}
Si decide tirar a la derecha medio {5, 6}
Si decide tirar a la derecha abajo {9, 10}
Si decide tirar a la izquierda se encontrara con 6 estado posibles {3, 4, 7, 8, 11, 12}
Si decide tirar a la izquierda arriba {3, 4}
Si decide tirar a la izquierda medio {7, 8}
Si decide tirar a la izquierda abajo {11, 12}
Dnde:
Estados: decisin jugador y recuadros para anotar
Estado inicial: decisin del jugador
Operadores: Izquierda, derecha, arriba, abajo
Objetivo: anotar
Costo de camino: 1 por operador.

e. Teniendo en cuenta la siguiente grfica, en el tipo de bsqueda preferente por profundidad Cul
es el recorrido? Justifique su respuesta. Si se utiliza la bsqueda A* cul sera el resultado?

R: Para efecto acadmico y suponiendo que el objetivo es el nodo D, los recorridos totales usando la
bsqueda preferente por profundidad, antes de llegar al objetivo seran:
A
AB
ABE
ABEI
ABEJ
ABF
ABFK
ABFL
AC
ACG
ACGM
ACGN
ACH
ACHO
ACHP
AD

Raz
1er nivel de profundidad
2do nivel de profundidad
3er nivel de profundidad
3er nivel de profundidad
2do nivel de profundidad
3er nivel de profundidad
3er nivel de profundidad
1er nivel de profundidad
2do nivel de profundidad
3er nivel de profundidad
3er nivel de profundidad
2do nivel de profundidad
3er nivel de profundidad
3er nivel de profundidad
2do nivel de profundidad

REFERENCIAS

Gonzlez, ngela (2013). Mdulo del curso Inteligencia Artificial.

Russell, S., & Norving, P. (2004). Inteligencia Artificial. Un Enfoque Moderno. En S.
Russell, & P. Norving, Inteligencia Artificial. Un Enfoque Moderno (pg. 82). Madrid:
Pearson Educacin, S.A.
Gonzlez, ngela (2013). Mdulo del curso Inteligencia Artificial.
Tipos de bsqueda. Extrado el 16 de abril de 2014 de
http://www.slideshare.net/alanl0pez/tipos-de-bsqueda-en-inteligencia-artificial
https://www.cs.us.es/cursos/ia1/temas/tema-04.pdf
http://es.wikipedia.org/wiki/Algoritmo_de_b%C3%BAsqueda_A*
http://busqueda-bidireccional.blogspot.com/2011/11/blog-post.html
http://www.angelfire.com/falcon/popikpe/cap_cuatro.htm
http://arantxa.ii.uam.es/~fdiez/docencia/material/bh.pdf
http://www.oocities.org/erikkalaura/PARTE2/PARTEII_BusquedaCon.htm#BAV
file:///C:/Users/GeovannyR/Downloads/BUSQUEDA_PREFERENTE_POR_LO_MEJOR_
BUSQUEDA_AVARA_2010-2.pdf
http://daquilaj.tripod.com/p2_c4.html
http://eisc.univalle.edu.co/~oscarbed/IA/Tema4.pdf
http://www.iiia.csic.es/~pedro/busqueda1-introduccion.pdf
http://www.julioallasia.4t.com/busquedainf.html
http://tecnologias-lasherramientasdelfuturo.blogspot.com/2010/03/busqueda-heuristica.html
http://prezi.com/awxsbnc_3dbt/busqueda-por-profundidad-iterativa/
http://algoritmo-minimax.blogspot.com/2011/11/algoritmos-alternativos.html
facultat d'informatica de Barcelona, APUNTS DINTEL.LIG`ENCIA ARTIFICIAL 2013
http://dmi.uib.es/~abasolo/intart/2-juegos.html#2.2.
http://www.dc.fi.udc.es/ai/~barreiro/iadocen/puzzle8-98/introalgoritmos.html
http://www.proescholdt.de/progs/ia/p3/Tercera_practica.pdf
GOLDBERG, D.E. (1989): Genetic Algorithms in Search, Optimization, and
Machine Learning. Addison-Wesley, Reading, MA.

 DAVIS, L. (1991): Handbook of Genetic Algorithms. Van Nostrand Reinhold.

facultat d'informatica de Barcelona, APUNTS DINTEL.LIG`ENCIA ARTIFICIAL 2013
Garca Lpez Daniel Alejandro, Inteligencia Artificial 19 de enero de 2009
Maicas Ramos Ruth, EJEMPLOSDEAPLICACINDEINTELIGENCIAARTIFICIAL EN
ARQUEOLOGA
Universidad de Oviedo, Sistemas Inteligentes
Ruiz Reina, J. L., Alonso, J. A., & Martn Mateos, F. J. (2011). Bsqueda informada
mediante tcnicas heursticas. Obtenido de https://www.cs.us.es/cursos/ia1/temas/tema04.pdf
Russell, S., & Norving, P. (2004). Inteligencia Artificial. Un Enfoque Moderno. En S.
Russell, & P. Norving, Inteligencia Artificial. Un Enfoque Moderno (pg. 82). Madrid:
Pearson Educacin, S.A.
http://inteligenciaartificialgrupo33.blogspot.com/p/metodos-de-busqueda-y-ejemplos.html
http://www.angelfire.com/falcon/popikpe/cap_cuatro.htm
http://www.angelfire.com/falcon/popikpe/cap_cuatro.htm