INTRODUCCIN

Los diferentes mtodos de bsquedas que se ha mencionado en los otros

captulos han sido de mucha ayuda para encontrar soluciones a un problema
determinado, los tcnicas de bsquedas son encontradas da a da, y hasta en
momentos existen un cien nmero de estas tcnicas, entre ellas est la
bsqueda local.
Pero que es la bsqueda local, cul es su significado, la metodologa que utiliza,
estos y otros temas se mencionaran a continuacin.

MARCO TEORICO
2.1.

BSQUEDA LOCAL

La idea bsica de los algoritmos de bsqueda local (BL) es que inicia con una
solucin inicial, es decir; es generada aleatoriamente, y halla con algn otro
algoritmo, si este no es factible.
Aplica la solucin actual una transformacin de algn conjunto para mejorar la
solucin. Repite lo anterior hasta que ninguna transformacin del conjunto
mejore la solucin actual, va escalando soluciones, comparando sus vecinos.
Los mtodos usados en BL son conocidos como meta heursticas u optimizacin
local.

Figura. 1. Bsqueda de Colinas

La bsqueda local estudia otros sub-bsquedas que son:

Bsqueda de
ascensin de colinas

Enfriamiento
simulado.

Algoritmos genticos

2.1.1. ASCENSIN DE COLINAS

En la bsqueda de ascensin de colinas es tambin reconocida como escalada
por lo que se mencion en el punto 2.1. Estas bsquedas se sub divide en
ascensin simple y de mxima pendiente.
2.1.1.1.

ASCENSIN SIMPLE

Se busca cualquier operacin que suponga una mejora respecto al padre, es

decir, busca una mejora respecto al estado actual.
Ejemplo: Como subir al Everest con una niebla espesa y amnesia

Figura. 2. Colinas Simples

2.1.1.2.

ASCENSIN MXIMA PENDIENTE

Se selecciona el mejor movimiento (no el primero de ellos) que suponga mejora

respecto al estado actual.
Ejemplo: Como subir al Everest con una niebla espesa y amnesia

Figura. 3. Ascensin Mxima Pendiente

Observaciones de ejemplo. El proceso se repite hasta que se encuentre una

solucin, hasta no podamos avanzar ms o hasta que todos los hijos sean
peores que el padre del que provienen.
2.1.1.3.

ASCENSIN DE COLINAS - CARACTERISTICAS

Las caractersticas de la funcin heurstica determinan la calidad del resultado

y la rapidez de la bsqueda, de las cuales son:

Mximo local. Todos los vecinos tienen funcin heurstica peor.

Meseta. Todos los vecinos tienen la misma funcin heurstica que el

nodo actual.

Crestas: Las crestas causan una secuencia de mximos locales que

hace muy difcil la navegacin para los algoritmos avaros.

2.1.1.4.

ASCENSIN DE COLINAS - PROCESO

Vuelve a un nodo anterior y seguir el proceso en otra direccin, reinicia la

bsqueda en otro punto, aplica dos o ms operadores antes de decidir el
camino.

Figura. 4. Ascensin De Colinas

2.1.2. ENFRIAMIENTO SIMULADO

Este algoritmo se basa en la ascensin de colinas estocsticas inspirada en el
proceso de enfriamiento de metales,
La idea bsica es escapar de los mximos local permitiendo movimientos
malos, Gradualmente, tales movimientos decrecen en tamao y frecuencia.

2.1.2.1.

ELEMENTOS DEL ENFRIAMIENTO SIMULADO

Se debe identificar los elementos de esta bsqueda que son:

Temperatura: parmetro de control

Energa: Calidad de la solucin f(n)

Funcin de aceptacin: permite decidir si escoger un nodo sucesor.

Estrategia de enfriamiento: nmeros de iteraciones a realizar.

2.1.2.2.

PROCESO DE ENFRIAMIENTO SIMULADO

El proceso de enfriamiento simulado es:

Elegimos un sucesor de entre todos los posibles segn una distribucin

de probabilidad.

El sucesor puede ser peor.

Se hacen pasos aleatorios por el espacio de soluciones

Busca la temperatura ms baja

2.1.3. ALGORITMOS GENTICOS

Son una variante de la bsqueda de haz estocstica en que se combinan dos
estados padres.
La Analoga entre bsqueda local y evolucin por seleccin natural:

Los estados corresponden a individuos

Una funcin de idoneidad mide la calidad de los estados.

Combinando buenos estados se obtiene estados mejores.

Ejemplo del Problema de N Reinas.

La funcin de evaluacin es nmero de parejas de reinas que no se atacan.
Operador de cruce.

Figura. 5. Problema de N Reinas.

Proceso de ejecucin
1. Se escogen N individuos de la poblacin actual para la poblacin intermedia.
2. Se emparejan los individuos y para cada pareja
3. Estos individuos forman la nueva poblacin.

CONCLUSIN
Los algoritmos de bsqueda local nos permiten examinar una mejor solucin a
un problema dado, mediante ascensin de colinas, que trata de buscar cul es
su sucesor factible; el enfriamiento simulado, que es quien mediante temperatura
analiza las iteraciones que se generan del problema; Algoritmo genticos, este
ltimo utiliza la termologa de la vida y la mutacin para localizar y encontrar una
salida factible.
Todas las antes mencionado, son muy importante porque nos permiten encontrar
una mejor solucin, cabe recalcar que no son los nicos mtodos de bsqueda.

BIBLIOGRAFA
Ceccaroni, L. 2013, Inteligencia Artificial, Bsqueda Local. (En Lnea).
Consultado, 12 de jun. 2015. Formato PDF. Disponible en:
http://www.cs.upc.edu/~luigi/II/IA-2007-fall/2c-Busqueda-local-(es).pdf
Daz, A. s.f. Bsqueda local. MEX. (En Lnea). Consultado, 12 de jun. 2015.
Formato
PDF.
Disponible
en:
http://delta.cs.cinvestav.mx/~adiaz/anadis/LocalSearch.pdf
Bjar, J. 2013. Bsqueda local. Catalua, ESP. (En lnea). Consultado, 12 de
jun.
2015.
Formato
PDF.
Disponible
en:
http://www.cs.upc.edu/~bejar/ia/transpas/teoria/2-BH3Busqueda_local.pdf
Berzal, F. s.f. Bsqueda Local. ESP. (En Lnea). Consultado, 12 de jun. 2015.
Formato
PDF.
Disponible
en:
http://elvex.ugr.es/decsai/iaio/slides/A7%20Local%20Search.pdf
Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2 ed.
Espaa. Pearson Education. 124. ISBN 978-84-205-4003-0