UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA NACIONAL BOLIVARIANA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNEFA NUCLEO LARA – SEDE 51

PARTICIPANTE: Marcial Torrealba C.I 20.009.964

ASIGNATURA: Inteligencia Artificial
SECCIÓN: 07S-2613-D2
FACILITADOR: Ing. Edecio Freitez
Introducción

La búsqueda en inteligencia artificial es una tarea fundamental que se utiliza en diferentes dominios, como la
deducción, elaboración de planes de actuación, razonamientos de sentido común, prueba automática de teoremas, entre
otros. Los algoritmos de búsqueda son una rama importante de la inteligencia artificial que consiste en buscar en un espacio
de estados para encontrar una solución. La búsqueda es un núcleo fundamental de técnicas que se utilizan en dominios
de inteligencia artificial.

La búsqueda se refiere a la resolución de problemas que requieren la realización de una búsqueda en un espacio
de estados. Existen diferentes tipos de búsqueda, como la búsqueda ciega y la búsqueda informada, que utiliza el
conocimiento específico del problema para encontrar soluciones de manera más eficiente. La búsqueda informada utiliza
una función heurística para medir el costo estimado más barato desde el nodo actual hasta un nodo objetivo. Además,
existen diferentes estrategias de búsqueda informada, como Branch & Bound, Búsqueda primero el mejor y A*. La
búsqueda es un tema fundamental en la inteligencia artificial y es esencial para resolver problemas complejos.
CUADRO COMPARATIVO

BUSQUEDA TIPO DESCRIPCIÓN VENTAJAS DESVENTAJAS APLICACIONES

PRIMERO EL MEJOR ▪ Tentativo. *Se explora *Rápida exploración *No tiene en cuenta cual *Es una función de
exhaustivamente el grafo del árbol y la es el objetivo. evaluación y devuelve
utilizando una función capacidad de *Sigue un camino hacia el un número que sirve
heurística para determinar localizar soluciones objetivo, pero volverá para representar lo
el orden en que se viables en un tiempo atrás cuando llegue a un deseable o lo
exploran los nodos. razonable. callejón sin salida. indeseable que sería la
*Trata de expandir el nodo *Puede ser utilizado *Solo considera las expansión de un nodo.
más cercano al objetivo, en situaciones en que heurísticas y no tiene en
alegando que hay factores cuenta la distancia total
probablemente conduzca desconocidos o recorrida.
rápidamente a una impredecibles. *Tendencia a producir
solución. *Se compila una lista resultados subóptimos y
de nodos no una dependencia de las
explorados y se elige heurísticas empleadas.
el nodo mejor
evaluado de cada
lista y se expande.
EXPLORACIÓN DE ▪ Grafo *Se pueden representar *Son reconocidos por *Desperdicio de memoria *Explorar un grafo
GRAFOS Y-O dirigido. diversas situaciones o su capacidad de si el grafo es poco denso. significa seguir
▪ Grafo no elementos con grafos, son manejar altos *Es de complejidad sistemáticamente los
dirigido. extraordinariamente útiles volúmenes de datos y exponencial. arcos de un grafo para
en situaciones complejas. ser fácilmente visitar sus vértices. Por
*Los grafos son una procesados por lo cual, los nodos de un
composición interesante motores de búsqueda grafo Y/O vienen a
de conjuntos de objetos o gestores de bases representar
que denominamos nodos. de datos orientados a subproblemas a
*En ellos se almacena grafos. resolver, originados a
diferentes tipos de *Permiten estudiar las partir de un problema
elementos o datos que relaciones que inicial que se
podemos utilizar para existen entre correspondería con el
procesar o conocer con unidades que nodo superior del grafo.
fines específicos. interactúan con otras. *Se empieza con un
*Adicionalmente estos *Aplicado en nodo inicial que
nodos, suelen estar unidos problemas que corresponde al nodo
o conectados a otros pueden convertirse superior del grafo y
nodos a través de en subproblemas y a luego, se subdivide en
elementos que su vez, estos problemas más
denominamos aristas.
 * Grafo G = (V,E) garanticen llegar a la pequeños,
V: Conjunto de vértices o solución. denominados Y/O.
nodos del grafo.
E ⊆ VxV: Conjunto de
aristas o arcos.

HEURISTICA ▪ Tentativo. *Ofrece una resolución a *Se obtiene la *Si el problema no es *Permite guiar la
▪ Irrevocable. un problema dado, pero sin solución con bajo compatible con este búsqueda de la
garantías de que lo hará. coste computacional. método, no conseguirá solución, lo que permite
obtener la solución. obtener la solución de
manera más rápida y
precisa según los
parámetros.
GENERAL EN GRAFOS ▪ Búsqueda en *Puede determinar si un *Maneja dos listas: *Los nodos visitados no *Aplicado en casi todos
profundidad. nuevo estado ha sido ABIERTAS y se visitarán nuevamente. los algoritmos de
generado y expandido CERRADAS. Si en búsqueda.
previamente. algún momento se
necesita retroceder a
un nodo abandonado,
solo se consulta la
lista abierta.
PROFUNDIDAD ▪ Backtracking. *Es un algoritmo de *El método procede *Existe el riesgo de *Es aplicado en
búsqueda no informada directamente al nivel toparse con bucles problemas en donde el
utilizado para recorrer más profundo del infinitos. rango de acciones está
todos los nodos de un árbol de búsqueda, limitado.
grafo o árbol de manera donde los nodos no *Esta búsqueda
ordenada, pero no tienen ningún permite detectar ciclos.
uniforme. Su sucesor. *Conectan un nodo
funcionamiento consiste *Puede padre con los
en ir expandiendo todos y implementarse por la subproblemas que hay
cada uno de los nodos que Busqueda-Arboles que solucionar para
va localizando, de forma con una cola último que ese nodo padre se
recurrente, en un camino en entrar, primero en considere resuelto.
concreto. salir (LIFO).
AMPLITUD O ANCHURA ▪ Búsqueda a *Es un método sencillo en *Ideal para problemas *Si el nivel de *La búsqueda en
ciegas. el que se expande primero pequeños en donde el profundidad asociado a la amplitud se utiliza
el nodo raíz, y a coste de las acciones solución es comúnmente en la
continuación se expanden sea realmente significativamente menor resolución de
todos los sucesores del pequeño. que el factor de problemas de
nodo raíz, luego los *Se expanden todos ramificación se inteligencia artificial,
sucesores de estos y en los nodos a una expandirían demasiados como la búsqueda de la
cascada. profundidad en el nodos inútilmente. distancia más corta
árbol de búsqueda *La principal desventaja entre algún nodo inicial
antes de expandir de este método es el
 *Es un método de cualquier nodo del espacio de y los nodos restantes
búsqueda no informado o próximo nivel. almacenamiento del grafo.
ciego. *Si existe una requerido. Esto lo hace *La búsqueda en
solución, la encuentra prácticamente imposible amplitud es útil para
en la menor para problemas recorrer estructuras de
profundidad posible. complejos. datos de manera
*Si se encuentra el *Básicamente tiene que sistemática, encontrar
nodo antes de guardar la parte completa soluciones óptimas en
recorrer todos los de la red que está grafos o redes y para
nodos, concluye la explorando. resolver problemas de
búsqueda (BFS). búsqueda en espacios
* La búsqueda por de estados.
anchura se usa para
aquellos algoritmos
en donde resulta
crítico elegir el mejor
camino posible en
cada momento del
recorrido (BFS).
*Eficiencia de acceso
a una arista.
CON ADVERSARIO ▪ Poda Alfa- *Se refiere a la tarea de *Tiene la capacidad *Cada posible estado *La aplicación de la
Beta. desarrollar algoritmos y de aprender lo que debe ser visitado dos búsqueda con
▪ Algoritmo estrategias que permitan a hace el oponente veces (Minimax). adversario, el método
Minimax. un agente o jugador tomar (Minimax). *Es muy probable que el minimax y la poda alfa-
decisiones óptimas en un *Es mucho más algoritmo no consiga la beta en los juegos de
entorno competitivo, en el eficiente ya que el solución, aunque exista mesa permite diseñar
cual un oponente también mismo usa muchas una (Poda). programas capaces de
está tomando decisiones menos variables *El modelo minimax no jugar contra humanos o
con el objetivo de (Poda). tiene en cuenta la contra otros programas,
maximizar su propia *El modelo minimax posibilidad de que los con diferentes niveles
recompensa. es un modelo intuitivo jugadores puedan de dificultad y
que se puede aplicar cooperar entre sí para eficiencia.
en situaciones de la alcanzar un resultado *La búsqueda con
vida real, como mutuamente beneficioso. adversario es una
negociaciones técnica fundamental en
comerciales y el campo de la
conflictos políticos. inteligencia artificial y
los juegos. El método
minimax y la poda alfa-
beta son herramientas
clave para encontrar la
mejor jugada posible en
un juego con dos
jugadores.
Conclusión

En Inteligencia Artificial (IA) los términos resolución de problemas y búsqueda se refieren a un núcleo fundamental
de técnicas que se utilizan en dominios como la deducción, elaboración de planes de actuación, razonamientos de sentido
común, prueba automática de teoremas, etc. Aplicaciones de estas ideas generales aparecen en la práctica totalidad de
los sistemas inteligentes, como por ejemplo en los programas que tratan de entender el lenguaje natural, en los programas
que tratan de sintetizar un conjunto de reglas de clasificación en un determinado dominio de actuación, o en los sistemas
que realizan inferencias a partir de un conjunto de reglas.

La resolución de problemas en IA requiere, normalmente, determinar una secuencia de acciones o decisiones. Esta
secuencia será ejecutada posteriormente por un agente con el fin de alcanzar un objetivo a partir de una situación inicial
dada. Dependiendo del problema concreto, la ejecución de la secuencia de acciones o decisiones tiene asociado un costo
que se tratará de minimizar, o bien tiene asociado un beneficio que se tratará de maximizar. En la descripción de los
sistemas de búsqueda, se supone que el agente se mueve en un entorno accesible, o lo que es lo mismo, que es capaz
de percibir el entorno con precisión. Además, se supone también que tanto el efecto como el coste o costo de las acciones
se pueden predecir con exactitud. De este modo, la secuencia de acciones se puede obtener antes de su ejecución; en
otro caso, la siguiente acción no podría ser determinada hasta conocer el resultado de la ejecución de la anterior.
Referencias electrónicas

https://www.studocu.com/es-ar/document/universidad-nacional-de-la-rioja/inteligencia-artificial/cuadro-comparativo-
busquedas/2841124
https://sites.google.com/a/uniguajira.edu.co/inteligencia-artificial/cuadro-comparativo
https://ccc.inaoep.mx/~esucar/Clases-MetIA/MetIA-03.pdf
https://www.cic.ipn.mx/~sidorov/libroIA.pdf
http://inteligenciaartificialgrupo33.blogspot.com/p/metodos-de-busqueda-y-ejemplos.html
https://gc.scalahed.com/recursos/files/r161r/w21290w/unidadiii_ia.pdf
https://nexusintegra.io/es/ventajas-y-desventajas-de-la-inteligencia-artificial/
https://www.apd.es/tipos-de-inteligencia-artificial/
https://www.uv.mx/personal/edbenitez/files/2010/09/CursoIA10-II-1.pdf