Búsqueda

Búsqueda Informada
• Ascensión a la cima (hill - climbing)
• Primero el mejor (Best – first search)
• Búsqueda avara (greedy search)
• Algoritmo A*
• Algoritmo Minimax / Alfa-beta
• Algoritmos genéticos
 Primero el mejor
(Best – first search)
• Ventaja:
• Llega a la solución sin expandirse completamente
• Desventaja
• El camino es necesariamente el más óptimo
• Nodo inicial: H
• Nodo objetivo: F
 A*

• Método completo de búsqueda,

• Admisible, la solución encontrada es la óptima
• Debe tener un punto inicial y un punto objetivo
 Búsqueda heurística
• Para el problema del Puzzle, el heurístico más eficaz es la distancia de
Manhattan
• Resuelve con el menor consumo de memoria al utilizar menos nodos.
• La diferencia de “inteligencia” entre los algoritmos mencionados: tanto el de
anchura como el de profundidad recorren todas las posibles expansiones hasta
dar con el estado final o resultado. Sin embargo, el algoritmo que aplica
heurística de Manhattan introduce un elemento diferenciador porque aporta
conocimiento del problema ayudando a la resolución del mismo.
Ejemplo: Puzle (rompecabezas) de 8 piezas
(3×3)
Estado Inicial Estado Final (Objetivo)
 Búsqueda en
Anchura
• En este caso, es necesario analizar 15
nodos en el árbol.
• La búsqueda es de todas las
posibilidades.
• Los nodos han sido numerados por
orden de procesamiento, pudiendo
apreciar que este tipo de ramificación
por nodo es finito y ha sido capaz de
encontrar la solución.
• Este tipo de búsqueda solo es eficiente
si la misma es reducida, si la búsqueda
fuese más extensa ya no lo sería dado
que consume memoria de manera
exponencial.
 Búsqueda en
Profundidad
• Explora en profundidad un camino, en el
caso de no encontrar la solución volvería
atrás a seguir explotando los otros nodos
no explotados.
• En este caso la solución se ha podido
encontrar en la explotación del primer nodo
y como se puede apreciar para este estado
inicial ha sido mejor (9 nodos) que la
búsqueda en amplitud (15 nodos).

• Esta búsqueda es más compleja porque

requiere realizar el retroceso, teniendo
que hacerlo en los siguientes casos:
• Se ha llegado al final y no hay
solución a buscar
• Hemos llegado a un límite de
explotación en profundidad o corte.

• Podemos recomendar este método

cuando el estado objetivo a buscar está
muy alejado y los recursos de memoria
en computador son escasos.
 Taller
• Implemente los algoritmos de búsqueda estudiados para la resolución del Puzzle-8.
• Código fuente disponible en:
Java
http://aci710.blogspot.com/2013/05/trabajo-catedra-1-resolucion-puzzle-8.html

Matlab
https://github.com/jae-lee/matlab-8-puzzle