Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTELIGENCIA ARTIFICIAL
PRESENTADO POR:
GRUPO: 90169_4
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;
tiene la
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:
INTELIGENCIA ARTIFICIAL
ESTRATEGIAS DE BSQUEDA
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:
Tipos de bsqueda
Ciega (Sin informacin). No cuenta con informacin previa para encontrar una solucin al
problema planteado.
Bsqueda heurstica
Bsqueda preferente por lo mejor
Bsqueda A*
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*.
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:
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:
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.
Solucin suboptima:
c(D-H-E-I)=550
c(D-H-G-P-I)=518
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.
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:
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
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.
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.
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:
Desventajas
El factor de ramificacin de la bsqueda inversa podra ser mucho mayor que el de la directa.
Complejidad espacial de
, siendo:
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.
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.
Ejemplo 1
Seudocdigo
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.
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.
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
Primero
mejor.
Ciega
el
En amplitud
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
en
Iterativa
en
profundidad
Limitada por
la cantidad de
memoria
TIPO DE BSQUEDA
Anchura
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
resolverlo, estos son algoritmos generales, por tal razn se pueden aplicar
a cualquier circunstancia.
heurstico.
queriendo decir que siguen una estrategia fija a la hora de visitar los
anchura y en
profundidad.
los resultados.
estados.
Caractersticas
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.
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
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
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