o Optimizacin:

Es una disciplina fundamental en campos como la informtica, la Inteligencia Artificial

o la Investigacin Operativa. Existe otro concepto de optimizacin que dice que es el
proceso de intentar encontrar la mejor solucin posible a un problema de optimizacin,
generalmente en un tiempo limitado.
Se puede decir que un problema de optimizacin es simplemente un problema en el que
hay varias soluciones y alguna forma clara de comparacin entre ellas.
Fuente
(https://books.google.com/books?id=KHWqm14sf1cC&pg=PA1&lpg=PA1&dq=defini
cion+de+optimizacion+en+inteligencia+artificial&source=bl&ots=VWFTmGGOIA&si
g=j5vSRKsKYcBL3keneWU_YMbzySw&hl=es-
419&sa=X&ved=0ahUKEwip49HQzYzXAhVDVyYKHX4PB6sQ6AEIQzAF#v=onep
age&q=definicion%20de%20optimizacion%20en%20inteligencia%20artificial&f=true)

o Complejidad Computacional:

Estudia el orden de complejidad de un algoritmo que resuelve un problema decidible.

Para ello, considera los 2 tipos de recursos requeridos durante el cmputo para resolver
un problema: Tiempo: Nmero de pasos base de ejecucin de un algoritmo para resolver
un problema.

Espacio: Cantidad de memoria utilizada para resolver un problema.

Fuente (Araceli Sanchis de Miguel, Agapito Ledezma Espino) UNIVERSIDAD

CARLOS III DE MADRID)

o Fuzzi Logic:

La lgica difusa tiene dos significados diferentes. En un sentido estricto, la lgica difusa
es un sistema lgico, que es una extensin de la lgica multivaluada. Sin embargo, en un
sentido ms amplio, la lgica difusa (FL) es casi sinnimo de la teora de conjuntos
difusos, una teora que se relaciona con clases de objetos con lmites difusos en los que
la pertenencia es una cuestin de grado. En esta perspectiva, la lgica difusa en su sentido
estricto es una rama de FL. Incluso en su definicin ms restringida, la lgica difusa
difiere tanto en concepto como en sustancia de los sistemas lgicos multivalor
tradicionales.
Fuente(https://www.mathworks.com/help/fuzzy/what-is-fuzzy-
logic.html?requestedDomain=www.mathworks.com)

o Artificial Neural Network:

En la tecnologa de la informacin, una red neuronal es un sistema de hardware y / o

software modelado despus de la operacin de las neuronas en el cerebro humano. Las
redes neuronales, tambin llamadas redes neuronales artificiales, son una variedad
de tecnologas de aprendizaje profundo . Las aplicaciones comerciales de estas
tecnologas generalmente se enfocan en resolver problemas complejos de procesamiento
de seal o reconocimiento de patrones.

Fuente(http://www.dkriesel.com/_media/science/neuronalenetze-en-zeta2-1col-
dkrieselcom.pdf)

o Backtraking:

(mtodo de retroceso o vuelta atrs) es una tcnica general de resolucin de problemas,

aplicable tanto a problemas de optimizacin, juegos y otros tipos.

Realiza una bsqueda exhaustiva y sistemtica en el espacio de soluciones, por ello suele
resultar ineficiente

Fuente (Carlos Baeza A. -IIA)

o Backpropagation:

Bsicamente consisten en redes de neuronas simuladas conectadas entre s. Existen varios

tipos en funcin de su arquitectura y forma de aprendizaje. Una de las ms utilizadas es
la red basada en varias capas de neuronas de tipo perceptrn, entrenadas mediante la
tcnica de retropropagacin (backpropagation).

Fuente (N. Senz Bajo, M. lvaro Ballesteros) (http://www.elsevier.es/es-revista-

atencion-primaria-27-articulo-redes-neuronales-concepto-aplicaciones-utilidad-
13033737)

o Heuristica:

Se denomina heurstica a la capacidad de un sistema para realizar de forma inmediata

innovaciones positivas para sus fines. La capacidad heurstica es un rasgo caracterstico
de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del
descubrimiento y de la invencin o de resolver problemas mediante la creatividad y el
pensamiento lateral o pensamiento divergente.

Una heurstica es un algoritmo que abandona uno o ambos objetivos; por ejemplo,
normalmente encuentran buenas soluciones, aunque no hay pruebas de que la solucin no
pueda ser arbitrariamente errnea en algunos casos; o se ejecuta razonablemente rpido,
aunque no existe tampoco prueba de que siempre ser as. Las heursticas generalmente
son usadas cuando no existe una solucin ptima bajo las restricciones dadas (tiempo,
espacio, etc.), o cuando no existe del todo.

Fuente(http://joseantonojagc.blogspot.com/2011/02/que-es-analisis-heuristico.html)

o Metaheuristica:

Las metaheursticas son una clase de mtodos aproximados que estn diseados para
resolver problemas difciles de optimizacin combinatoria, en los que los heursticos
clsicos no son efectivos. Las metaheursticas proporcionan un marco general para crear
nuevos algoritmos hbridos combinando diferentes conceptos derivados de la inteligencia
artificial, la evolucin biolgica y los procedimientos estadsticos.

Fuente (J.P. Kelly )

Una Metaheuristica es un proceso iterativo maestro que gua y modifica las operaciones
de una heurstica subordinada para producir eficientemente soluciones de alta calidad.
Las metaheursticas pueden manipular una nica solucin completa (o incompleta) o una
coleccin de soluciones en cada iteracin. La heurstica subordinada puede ser un
procedimiento de alto (o bajo) nivel, una bsqueda local, o un mtodo constructivo.

Fuente (S. Voss )

Fuente(https://eciencia.urjc.es)