Inteligencia Artificial

1. Información de la unidad. Tema de la semana

Objetivo

Conocer los fundamentos de las técnicas de búsquedas.

Tema 1:

Técnicas de Búsqueda

Subtemas:

1. Espacio de estados

2. Árbol de búsqueda

3. Aplicaciones

Unidad 3.

Búsqueda y Modelos de Razonamiento

2. Información de los subtemas
2.1 Técnicas de búsqueda
La búsqueda es un componente fundamental en la inteligencia artificial (IA).
Permite a los agentes inteligentes navegar espacios de estados para encontrar
soluciones óptimas a problemas complejos. Esta área de investigación busca
desarrollar algoritmos eficientes para explorar de forma sistemática el espacio de
búsqueda asociado a un problema dado [1].

Espacio de Estados

El espacio de estados de un problema contiene todos los posibles estados en los

que puede estar el entorno [2]. Cada estado representa una configuración o
instantánea del sistema, definida por un conjunto de variables. Por ejemplo, en un
problema del 8 puzzle donde deben ordenarse bloques en una grilla 3x3, cada
disposición de bloques es un estado.

Espacio de estados en el problema del 8 puzzle

Los estados se conectan mediante operadores de transición, que transforman el

estado actual en uno nuevo adyacente. En el 8 puzzle, mover un bloque a un
espacio vacío es un operador válido. La búsqueda explora el espacio de estados
conectando estados sucesivamente mediante estos operadores.

Árbol de Búsqueda

El proceso de búsqueda puede modelarse como un árbol con los siguientes

componentes [3]:

� Nodos: cada nodo representa un estado del espacio de búsqueda.

 � Aristas: conectan un nodo con sus nodos sucesores. Indican la aplicación de
un operador de transición.
� Nodo inicial: estado de partida del problema.
� Nodo solución: estado que satisface el objetivo buscado.
� Profundidad de un nodo: número de aristas en la ruta desde el nodo inicial.

Ejemplo de un árbol de búsqueda

El objetivo es encontrar un camino en el árbol desde la raíz (estado inicial) hasta un

nodo solución (estado meta). Las diferentes estrategias de búsqueda difieren en el
orden en que expanden los nodos durante la exploración del árbol.

Criterios de rendimiento

Las técnicas de búsqueda se evalúan según criterios de rendimiento que miden su

eficiencia [4]:

� Completitud: garantía de encontrar una solución si existe

� Complejidad temporal: tiempo requerido para hallar la solución
� Complejidad espacial: memoria usada durante la búsqueda
� Optimalidad: calidad de la solución encontrada

Estrategias de búsqueda

� Búsqueda ciega (Búsquedas sin contar con información): no utiliza

información sobre el problema. No existe información acerca de los pasos
necesarios o costos para pasar de un estado a otro. Normalmente, se realiza
una búsqueda exhaustiva.
� Búsquedas con heurísticas (Búsqueda respaldada con información): usan
información sobre el problema como costos, etc. se posee información muy
valiosa para orientar la búsqueda para que sea óptima.
 Estrategias de búsqueda

Aplicaciones

Los algoritmos de búsqueda no informada, en especial aquellos menos costosos

como la profundidad iterativa, han probado ser útiles para resolver una amplia
variedad de problemas complejos:

� Juegos: encontrar jugadas ganadoras en juegos con espacios de estados

amplios como Go, damas o ajedrez.
� Grafos: calcular la ruta más corta entre dos nodos de una red.
� Planificación de Tareas: determinar un orden de ejecución de actividades
sujeto a restricciones de precedencia, recursos, etc.
� Satisfacción de Restricciones (CSP por sus siglas en inglés): Asignar
valores a variables de forma consistente con un conjunto dado de
limitaciones o reglas.

Referencias

[1] Russell, Stuart J.; Norvig, Peter (1995). Artificial Intelligence: A Modern
Approach. Englewood Cliffs: Prentice Hall.

[2] Ghallab, Malik; Nau, Dana; Traverso, Paolo (2016). Automated Planning: Theory
& Practice. Morgan Kaufmann.

[3] Dechter, Rina; Judea, Pearl (1985). Generalized best-first search strategies and
the optimality af A*. Journal of the ACM 32.
[4] Korf, Richard E. (2008). Artificial intelligence search algorithms. In Algorithms
and Theory of Computation Handbook (pp. 22-1). CRC Press.