Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Objetivos de la sesion

Introduccion a la inteligencia articial

Introducir al alumno en la reprsentacion computacional

Busqueda ciega del espacio de estados para implementar algoritmos orientados a la busqueda autom tica de soluciones. a

Eric Rodrguez Peralta erodriguez@uagro.mx

Comprender y aplicar t cnicas b sicas de busqueda ciega e a

Universidad Autonoma de Guerrero

utilizadas en la solucion de problemas de diferente ndole.

Maestra en Computacion

21 de octubre de 2011

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Introduccion
4 c

Arbol de busqueda

a b

s 5 4 f 3 g

Representacion que considera todas las posibles

trayectorias en el espacio de estados.

La idea es construir este arbol siguiendo una estrategia de

busqueda

Encontrar una trayectoria desde el punto s al punto g implica dos costos:

Estrategia de busqueda: Se dene seleccionando el orden

de los nodos a expandir.

El costo del c lculo para encontrar la trayectoria y a

El costo del viaje cuando se sigue la trayectoria

 Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Arbol de busqueda

s d a b f c g
13

a e b e f g
25

y este arbol de busqueda..., Como lo implemento en un programa?

c a

f c

19

17

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Nodos y estructura de datos

Busqueda en el espacio de estados

Es comun asociar una estructura de datos para cada nodo:

La resolucion de un problema con esta representacion

Estado: el estado en el espacio de estados al que

corresponde el nodo,

Nodo Padre: El nodo en el arbol de busqueda que ha

consiste en explorar el espacio de estados

generado ese nodo

Partimos del estado inicial evaluando cada paso hasta

Accion: El operador que se utilizo para generarlo

encontrar un estado nal

Costo del camino: El costo de un camino de la raz al nodo

En el peor de los casos exploramos todos los posibles

actual

caminos entre el estado inicial del problema hasta llegar al estado nal

Profundidad: Numero de nodos en el camino desde el

estado inicial (raz).

 Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Caractersticas de los algoritmos

Completitud: Encontrar la solucion? a Complejidad temporal: Cu nto tardar ? a a Optimalidad: Encontrar la solucion optima? a

Y como se que la estrategia de busqueda que estoy utilizando, es la adecuada para el problema que quiero resolver?

Complejidad espacial: Cu nta memoria utilizar ? a a

La complejidad temporal y espacial se mide en terminos de:

b : m ximo factor de ramicacion del arbol de busqueda a d : profundidad de la solucion de menor costo m : m xima profundidad del espacio de estados a

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Tipos de algoritmos

Busqueda en amplitud

Algoritmos de busqueda ciega:

No toman en cuenta el costo de la solucion en la busqueda Los nodos se visitan y generan por niveles

Su funcionamiento es sistem tico, siguen un orden de a

visitas y generacion de nodos establecido por la estructura del espacio de busqueda

Busqueda en amplitud, busqueda en profundidad y

La estructura para los nodos abiertos en una cola (FIFO) Un nodo es visitado cuando todos los nodos de niveles

busqueda en profundidad iterativa

Algoritmos de busqueda heurstica

superiores y hermanos que le preceden han sido visitados

Utilizan una estimacion del costo de la solucion para guiar

la busqueda

No siempre garantizan el optimo, ni una solucion

Hill Climbing, Branch and Bound, A*, IDA*

 Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Busqueda en amplitud

Busqueda en amplitud

1:
s 3 a d 5 5 d 5 2 e 4 5 b f f 4 4 c b 5 e 4 a e 2 d 4 a 5 b 4 c 2 e 4 f 4 b 4 c 4

2:

3:

4:

5:

6:

7:

8:

Crea una agenda de un elemento (el nodo raz) repetir si El primer elemento de la agenda es la meta entonces Termina si no Elimina el primer elemento de la agenda y anade sus sucesores al nal de la agenda. n si hasta que la agenda est vaca o se alcance la meta e

3 g

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Busqueda en amplitud

Busqueda en profundidad

Caractersticas

Completitud: El algoritmo siempre encuentra una

solucion, si es que existe

Los nodos se visitan y generan buscando los nodos a

Optimalidad: La solucion que se encuentra siempre es

optima en numero de niveles desde la raz

mayor profundidad y retrocediendo cuando no se encuentran nodos sucesores

Complejidad temporal: Exponencial respecto al factor de

La estructura para los nodos abiertos es una pila (LIFO)

ramicacion y la profundidad de la solucion O(rp )

Para garantizar que el algoritmo termine, debe imponerse

Complejidad espacial: Exponencial respecto al factor de

un lmite en la profundidad de exploracion.

ramicacion y la profundidad de la solucion O(rp )

 Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Busqueda en profundidad
s 3 a d 5 d 5 e 2 d 3 g f 4 4 b 4 c 4

Busqueda en profundidad

Algoritmo b sico a

1: Crea una agenda de un elemento (el nodo raz) 2: repetir 3: si El primer elemento de la agenda es la meta entonces 4: Termina 5: si no 6: Elimina el primer elemento de la agenda y anade sus sucesores al frente de la

agenda. 7: n si 8: hasta que la agenda est vaca o se alcance la meta e

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Busqueda en profundidad

Iterative Deepening: Profundidad iterativa

Intenta combinar el comportamiento espacial de DFS con

Caractersticas

la optimalidad BFS

Completitud: El algoritmo encuentra una solucion, si se

impone un lmite en la profundidad de exploracion

El algoritmo consiste en realizar busquedas en

Optimalidad: No garantiza que la solucion sea optima

profundidad sucesivas con un nivel de profundidad m ximo acotado y creciente en cada iteracion. a
As se consigue el comportamiento de BFS pero sin su

Complejidad temporal: Exponencial respecto al factor de

ramicacion y la profundidad del lmite de exploracion O(rp )

costo espacial, ya que la exploracion es en profundidad, y ademas los nodos se regeneran en cada iteracion.
Adem s esto permite evitar los casos en que DFS no acaba a

Complejidad espacial: Necesita almacenar un solo camino

(existen ramas innitas)

de la raz a una hoja junto con los hermanos no expandidos de cada nodo en el camino por lo que con un factor de ramicacion b y profundidad m xima m, su a necesidad de almacenamiento es O(bm)

En la primera iteracion la profundidad ser 1 y este valor a

ir aumentando en sucesivas iteraciones hasta llegar a la a solucion Para garantizar que el algoritmo termine en caso de no existir una solucion, se puede denir una cota m xima de a profundidad en la exploracion.

 Introduccion Costo Uniforme Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Busqueda en profundidad iterativa

caractersticas

Busqueda de costo uniforme

Caractersticas

Completitud: El algoritmo siempre encontrar una a Expande el nodo de menor costo, la agenda se ordena de acuerdo al costo del camino g(n),

solucion

Optimilidad: La solucion es optima igual que busqueda en

anchura

Complejidad Espacial: igual que en busqueda en

Complejidad Temporal: O(rp )

si los costos son iguales? = busqueda en amplitud

profundidad

Introduccion Costo Uniforme

Busqueda ciega

Introduccion

Busqueda ciega

Costo Uniforme

Busqueda de costo uniforme

Busqueda de costo uniforme

ejemplo

algoritmo b sico a

75

140

118

75+71=146

140+151=291

140+99=239

140+80=220

118+111=229

Crea una agenda de un elemento (el nodo raz) repetir si el primer elemento es la meta entonces acaba si no elimina el primer elemento y anade sus sucesores (menor costo) al nal de la agenda n si hasta que la agenda este vaca o se alcance la meta

146+151=297

291+71=362

239+211=450

220+146=366

220+97=317

229+70=299

297+99=396

297+80=377

486

504

317+138=455

C 317+101=418

299+75=374

396+211=607

377+97=474

377+146=523

374+120=494

[B,B,C,P,D,C,P,C,B] [F,B,B,C,P,D,C,P,C] [D,R,F,B,B,C,D,P] [Z,C,D,R,F,B,B,C] [R,F,B,B,C,D,C,P] [B,B,C,P,D,C,P,C] [C,D,R,F,B,B,C] [M,P,Z,C,R,F,B] [F,B,B,C,D,C,P] [R,F,B,B,C,D,P] [P,Z,C,D,R,F,B] [O,S,M,P,C,B] [S,M,P,Z,C,B] [F,O,S,M,P,C] [Z,C,D,R,F,B] [D,R,F,B,B,C] [P,Z,C,R,F,B] [L,F,O,S,P,C] [O,S,M,P,C] [M,P,Z,C,B] [O,R,L,F,O] [S,M,P,C,B] [R,L,F,O,S] [F,O,S,P,C] [R,L,F,O] [L,F,O,S] [S,O,L] [T,S,O] [Z,T,S] [O,L] [S,O] [T,S] [A] []

 Introduccion Costo Uniforme

Busqueda ciega

Busqueda de costo uniforme

an lisis a

Completo? Si

Optimo? Si

Complejidad temporal O(bd )

Complejidad espacial O(bd )