Inteligencia Artificial

MATERIA: INTELIGENCIA ARTIFICIAL

SEMANA 3

TEMAS SEMANA 3:
a) Componentes de un sistema de búsqueda.
b) Representación espacio-estado.
c) Representación por reducción del problema.
d) Técnicas básicas de búsqueda.
e) Técnicas heurísticas de búsqueda.

 ¿Qué es el espacio de búsqueda?

El espacio de búsqueda se refiere al dominio de la función de evaluación. En el

caso de los algoritmos de búsqueda, que manejan espacios discretos, se
refiere al conjunto de todas las posibles soluciones candidatas a un problema.
En el siguiente problema se muestra el espacio de búsqueda asociado al
problema mencionado.
¿Cuáles son las edades de mis tres hijos?
Dos hombres se encuentran en la calle. No se han visto en muchos años.
Hablan sobre varias cosas, y luego, después de un tiempo, uno de ellos dice:
"Como eres profesor de matemáticas, me gustaría darte un problema para
resolver. Sabes, hoy es un día muy especial para mí: todos, mis tres hijos
celebran su cumpleaños hoy mismo! Entonces, ¿puedes decirme cuántos años
tienen cada uno de ellos? "
"Claro", responde el matemático, "pero tendrás que decirme algo sobre ellos".
"Bien, te daré algunas pistas", responde el padre de los tres hijos, "El
producto de las edades de mis hijos es 36 ".
"Está bien", dice el matemático, "pero necesitaré algo más que esto".
"La suma de sus edades es igual a la cantidad de ventanas en ese edificio",
dice el padre señalando una estructura a su lado.
El matemático piensa por un tiempo y responde: "Aún así, necesito una pista
adicional para resolver tu rompecabezas".
"Mi hijo mayor tiene ojos azules", dice el otro hombre.
 Inteligencia Artificial

"¡Oh, esto es suficiente!" exclama el matemático, y le da al padre la respuesta

correcta: las edades de sus tres hijos.
Solución:
Muy bien, para comenzar, examinemos cuidadosamente toda la información
provista por la conversación. ¿Qué sabemos sobre la primera información?
Si el producto de las edades de los tres hijos es 36, solo hay ocho posibilidades
a considerar; esto reduce el espacio de búsqueda a solo ocho casos:

La segunda información fue que la suma de las edades de los hijos es la misma
que la cantidad de ventanas en el edificio. Tenemos que suponer que el
matemático sabía el número de ventanas, por lo que sabía el total. ¿Cuáles son
las posibilidades aquí? ¿Cómo puede ser útil? Agregar los números para los
ocho casos arroja los siguientes totales:

De repente, todo está claro. Si el número de ventanas en el edificio hubiera

sido 21 (o 38, 16, 14, 11 o 10), el matemático habría dado la respuesta de
inmediato. En cambio, dijo que aún necesitaba información adicional. Esto
indica que el número de ventanas era 13, dejando así dos y solo dos opciones:
(9,2,2) o (6, 6, 1).
Como la segunda opción no tiene un hijo mayor ("el hijo mayor tiene ojos
azules"), las edades de los tres hijos deben ser (9, 2, 2).
 Inteligencia Artificial

 ¿Qué son las estrategias de búsqueda no informada?

El término significa que ellas no tienen información adicional acerca de los

estados más allá de la que proporciona la definición del problema. Todo lo que
ellas pueden hacer es generar los sucesores y distinguir entre un estado
objetivo de uno que no lo es. Existen seis tipos de búsquedas no informadas
que se detallan a continuación:

Por ejemplo la búsqueda primero en profundidad siempre expande el nodo

más profundo en la frontera actual del árbol de búsqueda. La búsqueda
procede inmediatamente al nivel más profundo del árbol de búsqueda, donde
los nodos no tienen ningún sucesor. Cuando esos nodos se expanden, son
quitados de la frontera, así entonces la búsqueda «retrocede» al siguiente
nodo más superficial que todavía tenga sucesores inexplorados.
 Inteligencia Artificial

 ¿Qué es la búsqueda local?

Este tipo de búsqueda se basa en encontrar una solución sin tomar en cuenta
el camino que le costó llegar a esta, funcionan con un solo estado actual (más
que múltiples caminos) y generalmente se mueve sólo a los vecinos del
estado. Típicamente, los caminos seguidos por la búsqueda no se retienen.
Además de encontrar los objetivos, los algoritmos de búsqueda local son útiles
para resolver problemas de optimización puros, en los cuales el objetivo es
encontrar el mejor estado según una función objetivo, entre sus principales
ventajas se muestran las siguientes:

Las búsquedas locales se utilizan en problemas donde ya se ha encontrado la

solución anteriormente pero se busca optimizar el camino, como se muestra en
el gráfico el objetivo de una búsqueda local es minimizar o maximizar el costo
de la solución en base a la función objetivo:
 Inteligencia Artificial

 ¿Qué es la búsqueda heurística?

Se puede definir a la función heurística como la técnica que permita mejorar el

desempeño de caso promedio en una tarea de resolución de problemas,
aunque no necesariamente permita mejorar el desempeño del peor de los
casos. Específicamente, en el área de los algoritmos de búsqueda, se refiere a
una función mediante la cual se obtiene un estimado del costo de una solución.
La función heurística puede ser una estimación de lo próximo que se encuentra
el estado de un estado objetivo. Bajo esta perspectiva, los estados de menor
valor heurístico son los preferidos. Asocia a cada estado del espacio de estados
una cierta cantidad numérica que evalúa de algún modo lo prometedor que es
ese estado para acceder a un estado objetivo. Habitualmente, se denota esa
función por h(n) (Russell y Norvig, 2008).
Los métodos de búsqueda que utilizan una función heurística tienen las
siguientes características:

Por ejemplo el problema del agente viajero:

 Estado inicial: un viajante se encuentra en una capital de provincia.

 Estado meta: quiere viajar a otra capital por la mejor ruta posible (la
más corta)
 Inteligencia Artificial

 Medios: Las capitales de provincia colindantes están unidas por

carreteras; se dispone de un mapa con la disposición de las provincias y
sus “coordenadas” en kilómetros respecto al “centro” (por ejemplo,
México, con coordenadas (0,0)).
Una función heurística para ese problema consiste en asignar a cada estado un
valor que es la distancia aérea (en línea recta) con el estado objetivo. Dicha
distancia es la distancia euclídea entre las coordenadas de dos ciudades.
Se elige una ciudad como siguiente en el camino cuando la suma de la
distancia a la ciudad actual más la distancia aérea a la meta sea la menor.
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. Asi:

Una función heurística h(n), como se supone, estima el costo de una solución
que comienza desde el estado en el nodo n. 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. Las técnicas para hacer esto utilizando redes neuronales, árboles de
decisión, y otros métodos de aprendizaje por refuerzo.