1INFORME BÚSQUEDA

TUTORÍA 3

PRESENTADO POR LOS ESTUDIANTES:

JUAN DAVID MUÑOZ LOZADA

CAMILO ALBERTO MARTÍNEZ TORRES

FRANCISCO JOSÉ VÁSQUEZ SUÁREZ

IVÁN ANDRÉS SALCEDO MELO

PROFESOR:

GERMÁN HERNANDEZ RENGIFO

UNIVERSIDAD DEL TOLIMA

IBAGUÉ – TOLIMA

MAYO 2020
Tabla de contenido
Introducción...............................................................................................................................................3
Objetivos....................................................................................................................................................4
Objetivo General.....................................................................................................................................4
Objetivos Específicos...............................................................................................................................4
Desarrollo Temático..................................................................................................................................5
Gestión de Ontologías:.......................................................................................................................8
Conclusiones............................................................................................................................................13
Web grafía................................................................................................................................................14
 Introducción

El siguiente informe, representa la generalización del significado de los algoritmos de

búsqueda, estos mismos adquieren como determinación tipos de instrucciones específicas y

detalladas para ubicar en un espacio un objeto con las propiedades o estructuras que se poseen

con los diferentes datos. En el mismo se pueden identificar diferentes tipos de búsquedas

como, búsqueda no informada, búsqueda heurística y búsqueda en múltiples agentes. Todas

ellas serán representadas en sus respectivas definiciones y contextos referentes a la IA, por lo

cual la misma se encarga de realizar comparaciones con diferentes elementos, así como listas

de productos, listas de eventos programados, lista de facturas en un sistema, etc. En los

algoritmos de búsqueda existen diferentes formas en que se encuentran organizados los datos,

estos pueden ser representados en forma ordenada o al azar, por consiguiente depende, al

igual si los datos a ordenar pueden ser observados de forma aleatoria o de forma secuencial.

Dando continuación al informe de búsquedas proseguimos a sus objetivos.

 Objetivos

Objetivo General

 Representar los diferentes tipos de búsqueda que se obtienen con sus definiciones

explícitas y representaciones gráficas detalladas para una mejor interpretación del tema visto

en este informe, así como la explicación de cada una de ellas en la implementación de la IA.

Objetivos Específicos

 Conocer los algoritmos de búsqueda relacionados con la IA.

 Establecer una comunicación asertiva con la comunidad lectora de este informe

para así generar en ellos la visión de estos algoritmos representados en diferentes lenguajes de

programación.

 Generar el aprendizaje y adquisición de conocimientos frente a los algoritmos de

búsquedas expuestos en este informe.

 Desarrollo Temático

Como primera parte de este informe, exponemos la definición de los algoritmos de

búsqueda, los cuales se reúnen en un conjunto de instrucciones determinadas para ubicar en

un espacio ciertos elementos, pero, ¿Cómo podríamos realizar esta acción? En la Inteligencia

Artificial se establecen relaciones con las conexiones primordiales de las decisiones

autónomas que ejecuta un sistema al igual como lo realiza el ser humano, esta toma de

decisiones se podrían adherir a un tipo de sistema robótico, el cual, con los diferentes

algoritmos, códigos y sentencias, piensa por sí solo para poder moverse, trasladarse, ejecutar

estrategias de acción y decisiones en base a un problema

típico que se vive realmente hoy en día.

 Es por ello que en este informe resaltaremos los diferentes tipos de búsqueda que se

generan en los algoritmos, uno de ellos es la búsqueda informada, la cual utiliza información

del dominio del problema para guiar la búsqueda durante la exploración, esto quiere decir,

que utiliza el conocimiento específico del problema, más

allá de la definición del problema en sí mismo, en esta

búsqueda podemos encontrar la función de evaluación, la

cual nos permite estimar la distancia promedio de un nodo

n a un nodo objetivo, esto se realiza expandiendo como

primera parte los nodos que están lo bastante cerca al

objetivo donde se quiere llegar con la búsqueda. Dentro de

este algoritmo de búsqueda informada, encontramos los que se conocen como búsqueda

heurística, esta se caracteriza por adquirir desde un principio la efectividad y certeza para

alcanzar una meta propuesta, esta búsqueda heurística en la sociedad y el entorno común se

refiere a la buena práctica, el sentido común, etc. Una heurística es un algoritmo que

abandona uno o ambos objetivos. Las heurísticas generalmente son usadas cuando no existe

una solución óptima bajo las restricciones dadas o cuando no existe del todo. Autores como

Feigenbaum y Feldman definen la heurística como es una regla para engañar, simplificar un

conjunto de reglas que evalúan la posibilidad de que una búsqueda va en la dirección correcta.

La búsqueda Heuristica es una técnica para resolver problemas cuya solución consiste en una

serie de pasos que frecuentemente deben determinarse mediante la prueba sistemática de las

alternativas. Desde los inicios de la Inteligencia Artificial, la búsqueda se ha aplicado en

diversas clases de problemas como juegos de dos jugadores, problemas de satisfacción de

restricciones y problemas de un único agente. Por lo tanto, se puede decir que los algoritmos
de búsqueda heurística son método computacional para resolver problemas de pathfinding

“búsqueda de la mejor ruta del punto A al punto B”. Esta es caracterizada por no garantizar

que se encuentre una solución, aunque existan soluciones. Si encuentran una solución, no se

asegura que ésta tenga las mejor esas propiedades (que sea de longitud mínima o de coste

óptimo). En algunas ocasiones (que, en general, no se podrán determinar apriori), encontrarán

una solución (aceptablemente buena) en un tiempo razonable.

El problema de algunos algoritmos de búsqueda informada en estructuras de relativa

complejidad, como puede ser el algoritmo voraz, es que se guían exclusivamente por la

función heurística, la cual puede no indicar el camino de coste más bajo, o por el coste real de

desplazarse de un nodo a otro, pudiéndose dar el caso de que sea necesario realizar un

movimiento de coste mayor para alcanzar la solución. Es por ello bastante intuitivo el hecho

de que un buen algoritmo de búsqueda informada debería tener en cuenta ambos factores, el

valor heurístico de los nodos y el coste real del recorrido. A la forma más ampliamente

conocida de la búsqueda primero el mejor se le llama búsqueda A*.

La búsqueda A* Este algoritmo utiliza una función de evaluación f(n) = g(n) + h'(n),

donde h'(n) representa el valor heurístico del nodo a evaluar desde el actual, n, hasta el final, y

g(n), el costo real del camino recorrido para llegar a dicho nodo, n. A* mantiene dos

estructuras de datos auxiliares, que podemos denominar abiertos, implementado como una

cola de prioridad ordenada por el valor f(n) de cada nodo, y cerrados, donde se guarda la

información de los nodos que ya han sido visitados.

 Función heurística de A*

f (n) = g(n) + h(n): Coste real del plan (camino) de mínimo coste que pasa por n.
 f* (n) = g(n) + h*(n): estimación de f.

 Estrategia de A*

Entre las hojas del árbol de búsqueda, elegir el nodo de valor f* mínimo.

 Interpretación fuerte de A*

Una heurística suele facilitar la resolución de un

problema, pero no garantiza que se resuelva. Una

heurística es una regla de tres para un problema.

Búsqueda: Optimalidad o incluso completitud no

garantizados.

 Esquematización de A*

Se basa en la búsqueda general.

Almacenar el valor g de cada nodo expandido, Mantener la estructura abierta ordenada

por valores crecientes de f*. Insertar nuevos nodos en la estructura abierta según sus valores

de f*.
 Los sistemas de agentes más conocidos de Internet son, sin lugar a dudas, los web

robots, agentes que desarrollan todo tipo de tareas en la World Wide Web. Los más populares

y útiles, al menos en lo que respecta al usuario común, son los agentes de búsqueda de

información, o searchbots (robots de búsqueda).

Los buscadores

alimentan sus bases de

datos mediante la

utilización de robots

llamados spiders, wanderers

o worms, a los que delegan

las tareas de localización,

acceso, copia y actualización de documentos. Junto a éstos, cada vez en mayor medida

aumenta la utilización de los agentes personales para la recuperación de información, que

actúan como intermediarios entre el usuario y los motores de búsqueda, tanto si éstos son de

tipo general como especializados. No todos los llamados searchbots ofrecen las mismas

prestaciones, ni las mismas características, ni la misma forma de uso.

Los agentes multi-buscadores son aplicaciones cliente que el usuario instala en su

ordenador y ejecuta cuando quiere, sin necesidad de conectarse previamente a ningún sitio

(Hípola, Vargas-Quesada y Montes, 1999). En algunas modalidades utilizan uno o varios

motores de búsqueda como “semilla” o punto de partida para realizar las consultas, de tal

forma que los resultados obtenidos, si son pertinentes, se convierten en semilla para un nuevo

salto hipertextual. La combinación de resultados de distintos buscadores incrementa la

cobertura y, no el solapamiento o la duplicidad de información.

BullsEye es una aplicación que permite a los usuarios recuperar, gestionar y

permanecer alertado sobre determinada información en Internet. El agente utiliza una

colección de motores de búsqueda que recuperan los resultados relevantes del web visible e

invisible (puesto que es capaz de lanzar consultas a bases de datos). Es tan potente o más que

Copernic.

Este producto, además, permite refinar u organizar los resultados obtenidos, además de

guardarlos en un archivo. Una vez guardados, es posible también preparar informes sobre

estos resultados, creando un documento más profesional para trabajar con él o mandarlo a

cualquier otra persona interesada en el informe. Según IntelliSeek (empresa que comercializa

el producto), este producto es la aplicación más completa de la red, así como la más potente

en búsquedas, análisis, gestión y distribución de información.

Conclusiones
Se dan distintas búsquedas de las cuales podemos identificar cada una con respectivo significado

y profundización acerca de esta, podemos observar significados, términos clave para poder

entender mejor los temas para que el lector logre de la mejor manera entender los mismos.

Web grafía
Artificial, S. E. (s.f.). Obtenido de http://www.udb.edu.sv/udb/archivo/guia/informatica-
ingenieria/sistemas-expertos-e-inteligencia-artificial/2016/i/guia-5.pdf

Conocimiento, U. d.-L. (s.f.). Obtenido de http://www.sanchezcrespo.org/Docencia/IA/IA%20-%20Tema

%203B%20-%20Busquedas%20v1.3.pdf

Luigi Ceccaroni, I. A. (2007). Obtenido de https://www.cs.upc.edu/~luigi/II/IA-2007-fall/2b-busqueda-

informada-y-exploracion-(es).pdf

Malagón, C. (s.f.). Obtenido de

https://www.nebrija.es/~cmalagon/ia/transparencias/busqueda_heuristica.pdf

Sevilla, D. d. (2011). Obtenido de https://www.cs.us.es/cursos/ia1/temas/tema-04.pdf

Eucared (S.F). Obtenido de https://www.ecured.cu/Algoritmo_de_B%C3%BAsqueda_Heur

%C3%ADstica_A*

Personales. (2003) Obtenido de http://personales.upv.es/ccarrasc/doc/2003-

2004/ai_web/aibusqueda.html