Búsqueda Heurística

Definición Característica Aplicación (En general a Ejemplos particulares Ventajas Desventajas

que problemas) donde se usa

BÚSQUEDA
HEURÍSTICA
Estrategia
irrevocable
Método Algoritmo de optimización que permite Son descartados los En cualquier problema heurístico con Es a aplicable para problemas en los Gran eficiencia, Los caminos abandonados
converger hacia el valor mínimo de una función caminos abandonados. probabilidad casi nula de ciclos. cuales sean abordos desde árboles. baja complejidad y son imposibles de retomar.
mediante un proceso iterativo. Recorriendo los Los nodos visitados deben tener fácil de aplicar
del gradiente
nodos hijo con mayor valor heurístico. predecesores mayores a f o menor a f
Suponiendo que f alcanza su máximo valor. cuando alcanza un mínimo en los nodos
meta.
Estrategias de
exploración
de
alternativas
Búsqueda Expande los nodos más próximos al nodo meta
en búsqueda de un camino mas eficiente.
Estima el menor coste de cualquier
nodo al nodo final.
En cualquier problema heurístico con
nodos sin coste y con probabilidad casi
Es a aplicable para problemas en los
cuales sean abordos desde árboles.
Rapidez en algunos
casos. Baja complejidad.
Alto riesgo de ciclos.
Poco optimo.
“primero nula de ciclos. Ruta más corta. Exceso de nodos

el mejor”
Ascensión de Es un algoritmo de comportamiento cíclico
creciente, busca máximos de la función.
No analiza más allá de los vecinos
inmediatos, cambia el enfoque de un
Problemas en los cuales el objetivo es
encontrar el mejor estado posible de
Para el texto de un juego de ajedrez. Procura mejorar el estado
actual.
No se encuentra completo.
Presenta fallas en algunos
colinas árbol de búsqueda a una estructura de acuerdo a la función objetivo, siendo casos.
daos del actual nodo. estos problemas de optimización. Estancamiento en máximos
locales.
Temple Tiene un principio similar al Ascensión de
colinas con la diferencia que el movimiento
La probabilidad disminuye
exponencialmente de acuerdo a lo malo
Distribución VLSI Problemas y tareas de optimización a
gran escala.
Mejores resultados que el
anterior.
Mayor probabilidad de
generar malos movimientos
simulado escogido es aleatorio y su comprobación es la de los movimientos y se aceptan en un encomienzo.
mejora del movimiento. movimientos con probabilidad por Demora.
debajo de uno.
Búsqueda en Algoritmo que busca acelerar la búsqueda al
reducir el número de nodos que van a ser
Comienza con estados de generación
aleatoria y limita a un número concreto
La información relevante es tratada por
lo k hilos paralelos.
Es a aplicable para problemas en los
cuales sean abordos desde árboles.
Acelera el desarrollo de la
búsqueda
Carencias de diversidad
entre los estados.
haz expandidos en cada paso. de nodos prometedores por paso para Ruta más corta.
posteriormente expandirlos.
Algoritmo Algoritmo que evalúa los nodos combinando
g(n) el coste y h(n). Siendo admisible
Análisis sencillo de optimalidad con el
uso de árboles de búsqueda.
Todos los problemas abordados desde
arboles de búsqueda.
Es a aplicable para problemas en los
cuales sean abordos desde árboles.
Alta eficiencia general.
De existir una solución, la va a
En la longitud de la solución
de la búsqueda es
A* únicamente cuando h(n) sea una heurística Predicción de coste infravalorada. Ruta más corta. ser encontrada. exponencial al número de
aceptable.
Optimo. nodos contenidos en la curva
de nivel de la meta.
Algoritmos Variante de la “Búsqueda en haz” donde en vez Cada estado se representa en una Obtención de soluciones a problemas de Optimización de rutas, tareas, gestión Capaz de tratar bloques de No es solución para todo
de modificar un único estado se combinan cadena alfabética finita. optimización y búsqueda basado en el automatizada industrial o de personal, letras de gran tamaño para el caso.
genéticos Hay que hacer un análisis
estados padres para generar estados sucesores. comportamiento de la selección natural. Sistemas financieros. desarrollo de funciones
(aunque son La idea principal en estos algoritmos es eficaces. para identificar si es
del imitar el proceso de selección natural, operable al problema.
curso siguiente
hay que como la herencia, la mutación, el
cruzamiento, la selección, combinando la
clasificarlo) tendencia ascendente con la exploración
aleatoria.
Búsqueda con
adversario
Método Método de decisión para minimiza la pérdida
máxima esperada en juegos con adversario y con
La expectativa se toma sobre los posibles
resultados y no hay valore mínima
Juegos con turnos. Dados, ajedrez, etc. En cualquier juego en donde sea
necesario el asignar turnos a los
No explora caminos que no son
necesarios.
Descarte de sub-árboles y
árboles colgantes.
información perfecta. definidos para las posiciones participantes.
de
MINIMAX
Método Algoritmo que mediante anotación determina un
corte en el árbol de búsqueda.
Pueden eliminarse fragmentos grades
del árbol y se tendrá que seguir con la
Aplicado a árboles de juego de cualquier
profundidad.
En cualquier juego en donde sea
necesario el asignar turnos a los
Se enfoca en los eventos
posibles descartando los poco
Alta
eliminar
probabilidad
la
de
respuesta
Poda α-β búsqueda si los valores son >= P participantes y en búsqueda en árboles. probables, e inclinándose al optima.
mejor juego.
Referencias:
1. https://inteciencia.wordpress.com/2013/01/22/como-se-asocia-la-heuristica-con-la-ingenieria-artificial-ia /
2. https://www.studocu.com/es-mx/document/centro-de-ensenanza-tecnica-industrial/inteligencia-artificial/la-heuristica-en-la-inteligencia-artificial/28819865
3. https://www.nebrija.es/~cmalagon/ia/transparencias/busqueda_heuristica.pdf