Las búsquedas locales solo utilizan el estado actual y se mueve hasta sus estados

vecinos y sus principales características y ventajas es:

 Utilizan poca memoria.

 Encuentran soluciones razonables en espacios infinitos.

Si se quiere entender las búsquedas locales, es importante que conozcamos el paisaje de espacios
de estados, el cual permite conocer posición (definido por estado) y elevación (definido por la
función objetivo)

La principal función de los algoritmos de búsquedas locales son muy utilizados para
encontrar soluciones óptimas

 BÚSQUEDA DE ASCENSIÓN DE COLINA

Algoritmo de ascensión en colina es una técnica de optimización matemática que
pertenece a la familia de búsqueda local. Es un algoritmo iterativo que se inicia con
una solución arbitraria a un problema, a continuación, intenta encontrar una solución
mejor por incrementalmente el cambio de un solo elemento de la solución. Si el
cambio produce una mejor solución, se hace un cambio incremental a la nueva
solución, repitiendo hasta que no mejoras adicionales se pueden encontrar, Es
bueno para encontrar un óptimo local (una solución que no se puede mejorar
teniendo en cuenta una configuración de vecino) pero no es necesariamente
garantía de encontrar la mejor solución posible (el óptimo global) de todas las
posibles soluciones (el espacio de búsqueda). En problemas convexos, en
ascenso es óptima. Ejemplos de algoritmos que resuelven problemas convexos
por bajada incluyen el algoritmo simplex para programación lineal y búsqueda
binaria (Skiena. 2010)
La ascensión de colinas también conocidos como búsqueda local voraz porque
toma un estado vecino bueno sin pensar hacia dónde ir después. Aunque la
ascensión de colinas a menudo suele presentar problemas por los siguientes
motivos:

 Máximo local: es el pico más alto que todos sus vecinos pero menos que el
máximo global.
 Cresta: cuando hay una secuencia de máximos locales, se vuelve un poco
dificultoso la exploración del algoritmo.
 Meseta: cuando el máximo local plano, no tiene ninguna salida o una terraza
y no puede avanzar en la búsqueda.

 BUSQUEDA DE TEMPLE SIMULADO

Un algoritmo de ascensión de colinas que nunca hace movimientos cuesta abajo
hacia estados con un valor inferior (o coste más alto) garantiza ser incompleto,
porque puede estancarse en un máximo local. En contraste, un camino puramente
aleatorio, es decir moviéndose a un sucesor elegido uniformemente aleatorio de un
conjunto de sucesores, es completo, pero sumamente ineficaz. Por lo tanto, parece
razonable intentar combinar la ascensión de colinas con un camino aleatorio de
algún modo que produzca tanto eficacia como completitud. (Russell, S. y Norvig, P.
2004)

 BÚSQUEDA POR HAZ LOCAL

No garantiza solución óptima y mejor comportamiento que escalada con reinicio
aleatorio k veces, se comparte información útil entre los elementos de la población.
( _____. 2009.)

 Mejora la búsqueda en haz estocástico

 Se eligen k sucesores aleatoriamente con probabilidad creciente con la
heurística
 Cierta similitud con la evolución natural de poblaciones.
 Imagen 1. Busqueda haz local

 ALGORITMOS GENÉTICOS
Los Algoritmos Genéticos son métodos adaptativos que pueden usarse para
resolver problemas de búsqueda y optimización. Están basados en el proceso
genético de los organismos vivos. A lo largo de las generaciones, las poblaciones
evolucionan en la naturaleza de acorde con los principios de la selección natural y
la supervivencia de los más fuertes, postulados por Darwin. Por imitación de este
proceso, los Algoritmos Genéticos son capaces de ir creando soluciones para
problemas del mundo real. La evolución de dichas soluciones hacia valores óptimos
del problema depende en buena medida de una adecuada codificación de las
mismas. Un algoritmo genético consiste en una función matemática o una rutina de
software que toma como entradas a los ejemplares y retorna como salidas cuáles
de ellos deben generar descendencia para la nueva generación. (Alfaro, E. 2011?)
  BIBLIOGRAFÍA
Russell, S. y Norvig, P. 2004. INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO.
PEARSON EDUCACION. 2 ed. Madrid.

Skiena, S. 2010. The Algorithm Design Manual 2nd ed. Springer.

______. 2009. Búsqueda Informada. Formato HTML. Disponible en:

http://www.infor.uva.es/

Alfaro, E. 2011?. ALGORITMOS GENETICOS. Disponible en:

http://eddyalfaro.galeon.com/geneticos.html

Dowsland, K y Adenso, B. 2003. Diseño de Heurísticas y Fundamentos del Recocido

Simulado. Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial.