Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una heurística común utilizada en A* para el juego de puzzle 3x3 (también conocido como
puzzle 8) es la heurística de distancia Manhattan. Esta heurística se basa en la idea de que la
solución óptima del puzzle consiste en minimizar la distancia total que debe recorrer cada
ficha para llegar a su posición final.
Para calcular la heurística de la distancia para un estado dado del puzzle, primero
asignamos una posición objetivo a cada ficha en función de su número. Por ejemplo, la
ficha con el número 1 debe estar en la esquina superior izquierda, la ficha con el número 2
debe estar a la derecha del 1, y así sucesivamente.
A continuación, calculamos la suma de las distancias de cada ficha, que es el número total
de movimientos horizontales y verticales que tendría que hacer la ficha para alcanzar su
posición objetivo. La distancia de una ficha puede calcularse del siguiente modo:
Para resolver este puzzle usando la búsqueda A* con la heurística de distancia Manhattan,
empezamos expandiendo el estado inicial y calculando el valor de la heurística para cada
William Zambrano, 2023, Investigación Heurística A, Inteligencia artificial *
1. H = 7.
2 8 3
1 6 4
7 0 5
2. H = 6
2 8 3
1 0 4
7 6 5
3. H = 5
2 8 3
1 6 4
7 5 0
4. H = 4
2 8 3
1 6 4
7 5 4
5. H = 3
2 0 3
1 8 4
William Zambrano, 2023, Investigación Heurística A, Inteligencia artificial *
7 6 5
6. H = 2
2 6 3
1 8 4
7 5 0
7. H = 1
1 2 3
8 0 4
7 6 5
En el gráfico, cada nodo está etiquetado con su estado (en orden fila mayor) y su valor
heurístico h. El proceso de búsqueda comienza con el estado inicial a la izquierda, y
expande los nodos en orden creciente de coste total f = g + h, donde g es el coste real de
alcanzar el nodo desde el estado inicial.
1. Se expande el estado inicial, generando tres estados sucesores con valores
heurísticos de 7, 6 y 5.
2. Se expande el nodo con el valor heurístico más alto.
3. Se expande el nodo con el menor coste total, que es el estado con valor heurístico 5.
4. Esto genera dos estados sucesores con valor heurístico 6.
5. Esto genera dos estados sucesores con valores heurísticos de 3 y 2.
6. Finalmente, la búsqueda expande el nodo con valor heurístico 2, que conduce al
estado meta con valor heurístico 1.
En total, el proceso de búsqueda requiere 7 expansiones (es decir, expandir nodos para
generar sus estados sucesores) y 6 nodos generados (es decir, nodos que se generan, pero
no necesariamente se expanden). La solución óptima tiene un coste total de 22 (es decir, 22
movimientos desde el estado inicial hasta el estado objetivo), que se consigue mediante la
búsqueda.