Inteligencia Artificial

Clase # 5
Bsqueda Heurstica
Dr. Wladimir Rodrguez
Postgrado de Computacin
ULA
SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA HEURISTICA O
INFORMADA
Usan algn mtodo para controlar o guiar la bsqueda
Para que son utilizadas las heursticas?
Para ordenar la bsqueda (busqueda plausible) ver primero
los nodos mas prometedores
Para controlar el ancho de la bsquedaprobar ms en
profundidad que a lo ancho

Tipos de Heurstica:
Dirigidas por las metas conociendo que es lo que se quiere
alcanzar
Dirigidas por el conocimiento usando conocimiento
especifico del dominio para reducir la bsqueda

SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA EL MEJOR
PRIMERO
Selecciona de la lista de nodos para su expansin el
mejor nodo
Requiere de una funcin de evaluacin f la cual
determinara numericamente que tan bueno es un nodo
dado. (asumir que valores mayores de f indican un mejor
nodo).
Garantia de encontrar una solucin debido a que todos
los nodos sucesores de un nodo son agregados tal como
en la bsqueda a lo ancho. Sin embargo, no garantiza
una respuesta ptima a menos que la funcin de
evaluacin sea escogida correctamente.
SemestreA

Dr.Wladimir

Inteligencia

ALGORITMO DEL MEJOR

PRIMERO
Poner nodo inicial en la lista.
Si nodo inicial es la meta, fin.
Si la lista est vaca, no hay solucin.
De lo contrario: Seleccionar nodo de la lista tal
que f(nodo) sea mximo.
Si nodo seleccionado es la meta, fin.
De lo contrario: Expandir el nodo seleccionado y
agregar todos los
sucesores a la lista.
Repetir.
SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA EL MEJOR
PRIMERO
Tambin conocida como bsqueda avara, cuando f(n)
es una funcin heurstica h(n) usada para estimar el costo
para alcanzar la meta desde el nodo actual. Mientras que
f no es necesariamente dirigida a la meta, h si lo es.
Para el 8-puzzle, f(n) podra ser el nmero de piezas en
la posicin correcta. A mayor nmero de piezas correctas
en algn estado, mejor ser el nodo que representa ese
estado.
Tambin podra ser la distancia manhattan para que
todas las piezas estn en la posicin correcta.
SemestreA

Dr.Wladimir

Inteligencia

8-PUZZLE

SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA EL MEJOR
PRIMERO
Mejoras:
Computar f para cada sucesor en el momento de
la expansin, y almacenarlo con el nodo. Esto
significa que f es computada solamente una vez
por nodo.
Ordenar la lista para agregar los sucesores en la
posicin adecuada. Esto implica no tener que
seleccionar el mnimo cada vez.

SemestreA

Dr.Wladimir

Inteligencia

EJEMPLO

SemestreA

Dr.Wladimir

Inteligencia

EJEMPLO

SemestreA

Dr.Wladimir

Inteligencia

Bsqueda Avara
Es una bsqueda mejor el primero con
f(nodo)=h(nodo).
Funcin heurstica (h)

h(nodo)=coste estimado del camino ms

corto desde un nodo hasta el objetivo.
Todas las funciones heursticas deben cumplir
al menos:
h(n)>=0, para todo nodo n
h(n)=0, si n es un nodo objetivo
SemestreA

Dr.Wladimir

Inteligencia

Navegacin del Robot

SemestreA

Dr.Wladimir

Inteligencia

Navegacin del Robot

f(N) = h(N), con h(N) = distancia Manhattan a la meta
8

6
7

SemestreA

6
5

4
5

Dr.Wladimir

Inteligencia

Navegacin del Robot

f(N) = h(N), con h(N) = distancia Manhattan a la meta
8

6
77

SemestreA

6
5

00

Qu paso?
5
6

Dr.Wladimir

Inteligencia

Bsqueda ms Informada
La meta no es minimizar la distancia desde
el ltimo nodo en el camino hasta la meta,
lo que queremos es minimizar el largo
global del camino a la meta.
Dado g(N) como el costo del mejor camino
encontrado hasta el momento entre el nodo
inicial y N
f(N) = g(N) + h(N)
SemestreA

Dr.Wladimir

Inteligencia

Navegacin del Robot

f(N) = g(N)+h(N), con h(N) = distancia Manhattan a la
8+3
8+37+4
8 7+46+5
7 6+35+6
6 5+64+7
5 4+73+8
4 3+82+9
3 2+9
2 3+10
3 4
7+2
7

5+6
5 4+7
4 3+8
3

6+1
6

1+100+11
3 2+9
2 1+10
1 0 1

5
2

7+0
7 6+1
6

8+1
7+26+3
8 7+2
7 6+35+4
6 5+44+5
5 4+53+6
4 3+62+7
3 2+73+8
2 3 4
SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA EN ASCENSO DE
CIMA
Seguir el camino que parece estar mejorando ms
rpidamente.
Continuar mientras que el camino siga mejorando.
Necesita de una funcin local que indique que tan
bueno es el camino, conocida como funcin de
evaluacin (similar al f en el mejor primero).
Nunca retrocede.
Rpido, pero no garantiza encontrar una solucin.
La solucin encontrada no es necesariamente ptima.
Funciona si el camino a la solucin es monotnico.
SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA ASCENSO A LA
CIMA
Es similar a la bsqueda el primero mejor, pero los
nodos son agregados en forma diferente.
El Mejor Primero:
Escoger para expandir el nodo con el valor de f mnimo.

Ascenso a la Cima:
Escoger el nodo de la lista de sucesores del ltimo nodo
expandido con el valor mnimo de f (una vez que se decide
expandir un nodo, solo considere sus sucesores y nunca trate
un camino alternativo).

SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA ASCENSO A LA
CIMA
Problemas:
puede parase en
mnimos locales.
Planicies, no hay
mejora local en f,
por lo que puede
andar sin rumbo.

SemestreA

Dr.Wladimir

Inteligencia

COMPARACION
ASCENSO A LA
CIMA

EL MEJOR
PRIMERO

COSTO
UNIFORME

Garantiza una
solucin

No

Si (finito)

Si (finito)

Siempre para

Si

Si

Si

Optimo

No

Depende de f

Si

Cuando falla

Mnimos locales

Eficiencia

++

Requerimientos
especoales

Funcin de
evaluacin

Funcin de
evaluacin

Necesita conocer el costo del

arco

SemestreA

Dr.Wladimir

Inteligencia

ENDURECIMIENTO SIMULADO
Un mtodo de descenso de gradiente como el ascenso
a la cima.
Usa aleatoriedad para remover los problemas de
mnimos locales.
Similar al proceso metalrgico de endurecimiento.
La temperatura es disminuida en el tiempo: a mayor T,
mayor la aleatoriedad de la seleccin del sucesor.
SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA A*
Bsqueda ptima para solucin
ptima
Parecida a el mejor primero, con:
f(n) = g(n) + h(n)
donde:
g(n) = costo mnimo del camino desde
el nodo inicial al nodo n.
f(n) = costo mnimo estimado desde el
nodo n al nodo meta.

SemestreA

Dr.Wladimir

Inteligencia

BUSQUEDA A*
f, g, h son aproximaciones a los verdaderos
valores de f*, g*, h*, respectivamente.
Requiere conocer el costo de cada uno de los
movimentos, tal como en el costo uniforme,
para calcular g.
Requiere de una funcin de evaluacin
heurstica para juzgar que tan dficil es llegar
desde el nodo actual al nodo final.
SemestreA

Dr.Wladimir

Inteligencia

Notas sobre g
g se calcula a partir del costo actual del camino
recorrido hasta ese momento.
g se conoce exactamente mediante la suma de
todos costo del camino desde el inicip hasta el
nodo actual (como en el costo uniforme)
Si el espacio de bsqueda es un rbol, g = g*,
debido a que solo hay un camino desde el nodo
inicial al nodo actual.
SemestreA

Dr.Wladimir

Inteligencia

Notas sobre g
En general, el espacio de bsqueda ser un
grafo. En este caso, g >= g*, esto es, g nunca
puede ser menor que el costo del camino
ptimo. Solo puede sobreestimar el costo.
g puede ser = g* en un grafo si es escogida
apropiadamente.

SemestreA

Dr.Wladimir

Inteligencia

Notas sobre h
h es una informacin heurstica que representa una
aproximacin a que tan dficil es llegar desde el nodo actual
hasta el nodo meta.
Para que el algoritmo A* encuentre la solucin de costo mnimo:
h(n) debe ser >= 0.
h(n) debe ser <= h*(n), esto es, h nunca debe sobreestimar el
costo actual para alcanzar la meta desde el nodo actual.
Esto es conocido como la CONDICION DE AMSIBILIDAD.
(Si un algoritmo garantiza encontrar un camino solucin de
costo mnimo (si existe), entonces el es ADMISIBLE.)

SemestreA

Dr.Wladimir

Inteligencia

Ms notas sobre h
Si h = h* (heurstica perfecta), nunca se expandirn
nodos innecesarios.
Si h = 0, entonces A* se reduce al algoritmo de
bsqueda ciega de costo uniforme.
Meta: hacer h tan cercana como sea posible a h* sin
sobreestimar h.
Si h* >= h1(n) > h2(n),
h1 es ms informada que h2.

La condicin de admisibilidad podra ser relajada para

lograr mayor eficiencia, pero aunque se encontrar una
solucin esta puede ser no ptima.
SemestreA

Dr.Wladimir

Inteligencia

EJEMPLO A*
Usar la menor distancia Euclidiana en lnea
recta como heurstica para h (admisible).

SemestreA

Dr.Wladimir

Inteligencia

Neamt
Oradea

71

Zerind

87

75

151

Arad

La ruta optima es (140+80+97+101) = 418 millas

140

118

Sibiu

Timisoara

99

Lugoj

Faragas

Mehadia

97

Dobreta
120

SemestreA

Urziceni

101
138

98

Hirsova

86

Pitesti

146

75

142

211

Rimnicu

70

92
Vaslui

80

111

Iasi

Bucharest

86

90
Craiova

Giurgui
Dr.Wladimir

Eforie

Inteligencia

Distancia en Lnea Recta a Bucharest

Ciudad
Arad

DLR

DLR

Mehadai

241

Neamt

234

Craiova

160

Oradea

380

Dobreta

242

Pitesti

98

Eforie

161

Rimnicu

193

Fagaras

178

Sibiu

253

Giurgiu

77

Timisoara

329

Hirsova

151

Urziceni

80

Iasi

226

Vaslui

199

Lugoj

244

Zerind

374

Bucharest

366

Ciudad

Se puede usar la distancia en lnea recta como una heurstica admisible ya que ella nunca
sobre estimar el costo hasta la meta. Debido a que no hay una distancia ms corta entre
SemestreA
Dr.Wladimir
Inteligencia
dos ciudades
que la distancia en lnea
recta.

Zerind

Oradea

F= 75 + 374

F= 291 + 380

F= 449

F= 671
F= 0 + 366

Arad

F= 366

Fagaras
Sibiu

F= 239 + 178
F= 417

F= 140 + 253
F= 118 + 329
F= 447

Timisoara

F= 220 + 193
F= 413

Bucharest(2)

F= 393

F= 450 + 0

Rimnicu

F= 450

Bucharest
F= 418 + 0

Pitesti
Craiova

F= 418

F= 317 + 98
F= 415

F= 366 + 160
F= 526

SemestreA

Dr.Wladimir

Inteligencia

Mapa de Rumania mostrando los contornos a f = 380, f = 400 and f = 420, con
Arad como estado inicial. Nota: Nodos dentro de un contorno dado tienen costos
de f menor que el valor del contorno.
Zerind

Oradea

380

Arad

420

400

Sibiu

Timisoara

Fagaras

Rimnicu

Bucharest
Pitesti
Craiova

SemestreA

Dr.Wladimir

Inteligencia

ALGORITMO A*
1) N lista de todos los nodos iniciales.
2) Si N esta vaco, no hay solucin.
3) Selecione n en N tal que f(n) = g(n) + h(n)
es minimo.
4) Si n es un nodo meta, fin meta encontrada.
5) De lo contrario, remueva n de N, y agregue
todos los hijos de n a N y vaya al paso 3.
SemestreA

Dr.Wladimir

Inteligencia

A* con Profundidad Iterativa

Usar f(N) = g(N) + h(N) con una h
admisible y consistente
Cada iteracin es bsqueda en profundidad
con un corte (cutoff) con el valor de f de los
nodos expandidos.

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=4

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=4

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=4

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de
fichas fuera de lugar

Cutoff=4

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de
fichas fuera de lugar

Cutoff=4

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

5
7

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

5
4

5
7

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

5
4

5
7

SemestreA

Dr.Wladimir

Inteligencia

8-Puzzle

f(N) = g(N) + h(N)

con h(N) = nmero de fichas fuera de lugar

Cutoff=5

5
4

5
7

SemestreA

Dr.Wladimir

Inteligencia

JUEGOS
Crear programas en el computador para jugar
Emular el razonamiento humano en el computador
Construir sistemas que sean capaces de tomar
decisiones en un entorno adverso

SemestreA

Dr.Wladimir

Inteligencia

JUEGOS: Caractersticas y Ejemplos

Caractersticas de los juegos que vamos a estudiar:
Juegos bipersonales.
Los jugadores mueven alternativamente.
La ventaja para un jugador es desventaja para el otro.
Los jugadores poseen toda la informacin sobre el estado del
juego.
Hay un nmero finito de estados y decisiones
No interviene el azar (dados, cartas).
Ejemplos de juegos validos:
Ajedrez, damas, go, otelo, 3 en raya, nim,
Ejemplos de juegos que no son validos
Backgammon, poker, bridge.

SemestreA

Dr.Wladimir

Inteligencia

EJEMPLO DE JUEGO: NIM

Situacin inicial:
Una pila con N
fichas.
Jugadas: Coger 1, 2
3 fichas de la pila.
Objetivo: Obligar al
adversario a coger la
ltima ficha.
Desarrollo completo
del juego con 4
piezas:
SemestreA

Dr.Wladimir

Inteligencia

Estrategia ganadora: NIM

Estrategia ganadora:
El movimiento que,
haga lo que haga el
adversario, nos
lleve a una situacin
ganadora o a la que
nos favorezca ms.
Estrategia ganadora
en el NIM

SemestreA

Dr.Wladimir

Inteligencia

Desarrollo Incompleto
Funcin de
evaluacin esttica
Lmites inferior y
superior
Valores
programados,
mximo y mnimo.
Desarrollo del NIM
con valores
programados.
SemestreA

Dr.Wladimir

Inteligencia

Ejemplo de poda alfa-beta: NIM 4

Principio alfa-beta: si se tiene una buena
(mala) idea, no perder tiempo en averiguar
lo buena (mala) que es.

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo de poda alfa-beta: NIM 7

SemestreA

Dr.Wladimir

Inteligencia

Complejidad de minimax y alfa-beta

Complejidad:
R : factor de ramificacin.
P : profundidad de la bsqueda.
Complejidad en tiempo de minimax: O(rp).
Complejidad en tiempo de minimax con poda alfabeta, en el mejor caso: O(rp/2).

SemestreA

Dr.Wladimir

Inteligencia

Complejidad de minimax y alfa-beta

Aplicacin al ajedrez
Factor de ramificacin : 35
Nmero de movimientos en una partida media: 50
Numero de nodos analizados por minimax: 35100
10154
Numero de nodos analizados por minimax con
poda alfa-beta : 3550 1077
Nmero de posiciones legales: 1040

SemestreA

Dr.Wladimir

Inteligencia

Complejidad en el NIM
Estados evaluados:
Empezando la mquina,
Con profundidad 20 y
Eligiendo el humano siempre 1.
8

Minimax
Minimax-a-b

12

16

20

192
16

2223
67

25472 291551
294
1023

Tiempo y espacio para orden 16

tiempo
espacio
Minimax
14.55 sec.
3245720 bytes
Minimax-a-b 0.23 sec
69812 bytes

SemestreA

Dr.Wladimir

Inteligencia

3 en raya: Evaluacin

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta

0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-3

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
0
0
0

-3

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
1
0
0

-3

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
1
0

-3

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
1
0

-3

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Ejemplo Alpha-Beta
1
0

-3

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia

Qu ganamos?
1

Tamao del rbol = O(bh)

En el peor de los casos 0todos
los nodos deben ser 0examinados
2
En el mejor de los casos, solo
O(bh/2) nodos deben
ser2
0
examinados
0

-3

1
1

-5

-5

-3

-5

0 5 -3 3 3 -3 0 2 -2 3 5 2 5 -5 0 1 5 1 -3 0 -5 5 -3 3 2

SemestreA

Dr.Wladimir

Inteligencia