Está en la página 1de 7
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ

CARRERA INFORMÁTICA

SEMESTRE SÉPTIMO

PERÍODO ABRIL-SEPT/2015

TEMA:

FUNCIÓN HEURÍSTICA

MATERIA:

INTELIGENCIA ARTIFICIAL II

AUTORA:

MÓNICA L. DIAZ ENCARNACIÓN

FACILITADORA:

ING. HIRAIDA SANTANA

MISIÓN

Formación de profesionales íntegros que conjuguen ciencia, tecnología y valores en su accionar, comprometidos con la sociedad en el manejo adecuado de programas y herramientas computacionales de última generación.

VISIÓN

Ser referente en la formación de profesionales de prestigio en el desarrollo de aplicaciones informáticas y soluciones de hardware.

CALCETA, JUNIO 2015

02 de Junio del 2015

INTRODUCCIÓN

Después de tener conocimiento de las búsquedas no informadas y

saber que al realizar esta estrategia no son tan eficientes, daremos a

conocer otra técnica que es la búsqueda informada y exploración.

Esta búsqueda es eficiente y son adecuados para resolver problemas

en los cuales el coste del camino es irrelevante, en la cual el agente

se enfrenta con un espacio de estados que es complemente

desconocido.

OBJETIVO

En esta sección nuestro objetivo es conocer cómo funcionan las

funciones heurísticas y la importancia de esta.

MARCO TEÓRICO

BÚSQUEDA INFORMADA

Se utiliza el conocimiento específico del problema, en la que se pueda encontrar soluciones de una manera más eficiente.

Se utiliza el conocimiento específico del problema, en la que se pueda encontrar soluciones de una

HEURÍSTICA

Las heurísticas son criterios, métodos o principios para decidir cuál de entre varias acciones será la mejor para alcanzar una determinada meta. El uso de heurísticas nos permite guiar nuestra búsqueda a una solución, lo que nos permitirá obtener una solución más rápida.

En problemas de búsquedas:

Una heurística será una función que utilizaremos para estimar como dos cerca estamos de la solución.una solución más rápida. En problemas de búsquedas: Cada heurística estará diseñada para un problema de

Cada heurística estará diseñada para un problema de búsqueda particular.para estimar como dos cerca estamos de la solución. FUNCIONES HEURÍSTICAS Una función heurística h(n), como

estará diseñada para un problema de búsqueda particular. FUNCIONES HEURÍSTICAS Una función heurística h(n), como

FUNCIONES HEURÍSTICAS

Una función heurística h(n), como se supone, estima el costo de una solución que comienza desde el estado en el nodo n.

h*(n): estimación del coste real del plan (camino) de mínimo coste que lleva de n a estimación del coste real del plan (camino) de mínimo coste que lleva de n a un nodo meta.

f*(n) = g(n) + h*(n): estimación del coste real del plan (camino) de mínimo coste que lleva del estado inicial estimación del coste real del plan (camino) de mínimo coste que lleva del estado inicial a un nodo meta pasando por n.

EL EFECTO DE LA PRECISIÓN HEURÍSTICA EN EL RENDIMIENTO

Una manera de caracterizar la calidad de una heurística es el b* factor de

ramificación eficaz. Si el número total de nodos generados por A* para un problema particular es N, y la profundidad de la solución es d, entonces b * es el factor de ramificación que un árbol uniforme de profundidad d debería tener para contener N + 1 nodos. Así

N + 1 = 1 +b* + (b*) 2 + … + (b*) d

Es recomendable utilizar valores más altos en la función heurística, a condición de que no sobrestime y que el tiempo computacional de la heurística no sea demasiado grande.

INVENTAR FUNCIONES HEURÍSTICAS ADMISIBLES

A un problema con menos en la acciones se denomina problema relajado. El

costo de una solución óptima en un problema relajado es una heurística

admisible para el problema original.

La heurística es admisible porque la solución óptima en el problema original es, por definición, también una solución en el problema relajado y por lo tanto debe ser al menos tan cara como la solución óptima en el problema relajado. Como la heurística obtenida es un costo exacto para el problema relajado, debe cumplir

la desigualdad triangular y es por lo tanto consistente.

Si un problema relajado es difícil de resolver, entonces los valores de la correspondencia heurística serán costosos de obtener.

Para esto existe un programa llamado Absolver que puede generar heurísticas automáticamente a partir de las definiciones del problema, usando el método del problema relajado.

APRENDIZAJE

EXPERIENCIA

DE

HEURÍSTICAS

DESDE

LA

Cada ejemplo se compone de un estado del camino solución y el costo real de la solución desde ese punto. En la implementación de cada ejercicio se puede utilizar un algoritmo de aprendizaje inductivo para construir una función h(n) que pueda (con suerte) predecir los costos solución para otros estados que surjan durante la búsqueda. Los métodos de aprendizaje inductivos trabajan mejor cuando se les suministran características de un estado que sean relevantes para su evaluación, más que sólo la descripción del estado.

CONCLUSIÓN

He concluido que para resolver un problema eficiente es mejor utilizar

la técnica de búsqueda informada, ya que esta se utiliza cuando se

conoce por completo la información del problema, pero sin olvidar

que para seguir resolviendo correctamente se necesita conocer

estrategias como es en este caso la función heurística.

La función heurística sirve para resolver un problema del que se

tenga información, siempre y cuando evaluando el costo que

correspondiente de cada estado.

BIBLIOGRAFÍA

Berzal, F. 2012. Búsqueda Heurística. (En línea). Consultado 04 Jun. de

2015.

Consultado

http://elvex.ugr.es/decsai/iaio/slides/A5%20Heuristic%20Search.pdf

Formato:

PDF.

Gonzales, M; Pascual, A; Lores, J. 2006. Evaluación Heurística. (En línea). Consultado 04 Jun. de 2015. Disponible en:

http://aipo.es/libro/pdf/15-Evaluacion-Heuristica.pdf

Hermoso, R; Vasirani, M. 2011. Búsqueda Heurística. (En línea). Consultado 04 Jun. de 2015. Formato: PDF. Consultado

http://www.ia.urjc.es/cms/sites/default/files/userfiles/file/ia4/2011/IA4

_%5BBusq_Heur_II%5D.pdf

Ramírez, J; Laureano, Formato:

http://kali.azc.uam.mx/clc/03_docencia/posgrado/i_artificial/8_Funcio

nesHeuristicas.pdf

(En línea). Consultado 04 Jun. de 2015.

Disponible

en:

PDF.

Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2 ed. España. Pearson Education. p 1242