You are on page 1of 13

ESCUELA SUPERIOR POLITCNICA AGROPECUARIA DE MANAB

MANUEL FLIX LPEZ



CARRERA DE INFORMTICA
INTELIGENCIA ARTIFICIAL II
7TO. SEMESTRE


EXPOSITORES:
GARY J.BAILON DELGADO
CEDEO RODRGUEZ JUAN JOS
TEMA:
BUSQUEDAS HEURISTICAS

SIN INFORMACION
(CIEGA)
BUSQUEDA
CON INFORMACION
(HEURISTICA)

v Los mtodos de bsqueda establecen un marco donde introducir el
conocimiento especfico del dominio

Estrategias de Bsqueda:
BSQUEDA SIN INFORMACIN
BSQUEDA RESPALDADA POR
INFORMACIN
El agente slo puede diferenciar un nodo que es
meta de uno que no lo es. No posee informacin
respecto a cuntos pasos necesita dar, o a qu
distancia est de la meta.
El agente posee informacin sobre el problema
como para poder elegir operadores ms
convenientes.
Las estrategias de BSQUEDA SIN INFORMACIN se diferencian por el orden en
que expanden los nodos.
EN INTELIGENCIA ARTIFICIAL, HEURSTICO SE DESCRIBE
MEJOR COMO MTODO DE BSQUEDA.

LA BSQUEDA HEURSTICA CONSISTE EN AADIR
INFORMACIN, BASNDOSE EN EL ESPACIO ESTUDIADO
HASTA ESE MOMENTO, DE FORMA QUE SE RESTRINGE
DRSTICAMENTE ESA BSQUEDA

MUCHOS PROBLEMAS DE IA SE PUEDEN MODELAR COMO
UNA GRFICA EN DONDE HAY QUE BUSCAR RECORRIDOS O
CAMINOS CON CIERTAS CARACTERSTICAS.
Un hombre se encuentra en una extensa llanura y tiene sed, en ese momento ha llegado
a una pequea elevacin que es la nica en esa regin y se sube a ella.


La Heurstica no garantiza que siempre se tome la direccin de la
bsqueda correcta, por eso este enfoque no es ptimo sino
suficientemente bueno. Frecuentemente son mejores los mtodos
heursticos que los mtodos de bsquedas a ciegas.
Las desventajas y limitaciones principales de la heurstica son:

La flexibilidad inherente de los mtodos heursticos pueden conducir
a errores o a manipulaciones fraudulentas.
Ciertas heursticas se pueden contradecir al aplicarse al mismo
problema, lo cual genera confusin y hacen perder credibilidad a los
mtodos heursticos.
Soluciones ptimas no son identificadas. Las mejoras locales
determinadas por las heursticas pueden cortar el camino a
soluciones mejores por la falta de una perspectiva global. La brecha
entre la solucin ptima y una generada por heurstica puede ser
grande.



En cada iteracin se considera el estado ms
prometedor de la lista de abiertos
Actualizando la historia de los ancestros de nodos en
abierto y cerrado cuando se redescubren es ms
probable que el algoritmo encuentre el camino ms
corto al objetivo.
Cuando abierto se mantiene como una lista clasificada
se llama fila prioritaria.
IMPLEMENTANDO FUNCIONES DE EVALUACIN
HEURSTICA
Se evala el desempeo de varias heursticas para el
rompecabezas de las 9 celdas y 8 azulejos
Met. Heursticos en IA: Ramrez/Laureano
Met. Heursticos en IA: Ramrez/Laureano
2 8 3
1 6 4
7 5
2 8 3
1 6 4
7 5
2 8 3
1 4
7 6 5
2 8 3
1 6 4
7 5
1 2 3
8 4
7 6 5
Meta
2 8 3
1 6 4
7 5
2 8 3
1 4
7 6 5
2 8 3
1 6 4
7 5
1 2 3
8 4
7 6 5
Piezas fuera de lugar
Suma de distancias
fuera de lugar
2 x No. Regreso directos
5 6 0
5 6 0
3 4 0
G(n) = 0
G(n) =1
Valores de f(n) 6 4 6
f(n) = g(n) + h(n), g(n) = distancia de n al estado inicial; h(n) = nmero
de piezas fuera de lugar
2 8 3
1 6 4
7 5
2 8 3
1 6 4
7 5
2 8 3
1 4
7 6 5
2 8 3
1 6 4
7 5
1 2 3
8 4
7 6 5
2 8 3
1 4
7 6 5
2 8 3
1 6 4
7 5
2 8 3
1 6 4
7 5
2 8 3
1 4
7 6 5
2 8 3
1 6 4
7 5
2 8 3
1 4
7 6 5
2 3
1 8 4
7 6 5
1 2 3
7 8 4
6 5
2 3
1 8 4
7 6 5
2 3
1 8 4
7 6 5
8 3
2 1 4
7 6 5
1 2 3
8 4
7 6 5
2 8 3
7 1 4
6 5
1 2 3
8 4
7 6 5