ESCUELA SUPERIOR POLITCNICA AGROPECUARIA DE

MANAB MANUEL FLIX LPEZ

CARRERA INFORMTICA

SEMESTRE SEPTIMO

PERODO ABRIL-SEPT/2015

TEMA:
BUSQUEDAS Y PROBLEMAS DE OPTIMIZACION

MATERIA:
INTELIGENCIA ARTIFICIAL II

AUTORA:
SINDY M. COBEA CEDEO

FACILITADORA:
ING. HIRAIDA SANTANA

MISIN
Formacin de profesionales ntegros que conjuguen ciencia, tecnologa y valores en
su accionar, comprometidos con la sociedad en el manejo adecuado de programas
y herramientas computacionales de ltima generacin.

VISIN
Ser referente en la formacin de profesionales de prestigio en el desarrollo de
aplicaciones informticas y soluciones de hardware.

CALCETA, MAYO 2015

INTRODUCCIN
En este apartado hablaremos sobre las bsqueda y problema de optimizacin
de la cuales conoceremos su definicin y los tipos de algoritmos (haz local,
ascensin de colinas, genticos) que debemos de utilizar a la hora de resolver
problemas expertos, los mismo que nos servirn de mucha ayuda para obtener
o llegar al objetivo que queremos alcanzar.

OBJETIVO
El objetivo de este apartado es conocer sobre cada uno de los algoritmos de
bsqueda y ver cual se adecua a resolver cada uno de nuestros problemas.

MARCO TERICO
ALGORITMOS DE BUSQUEDA LOCAL
Los algoritmos de bsqueda local funcionan con un solo estado actual (ms
que mltiples caminos) y generalmente se mueve slo a los vecinos del estado.
Tpicamente, los caminos seguidos por la bsqueda no se retienen. Aunque los
algoritmos de bsqueda local no son sistemticos, tienen dos ventajas claves:
1. Usan muy poca memoria (por lo general una cantidad constante);
2. Pueden encontrar a menudo soluciones razonables en espacios de estados
grandes o infinitos (continuos) para los cuales son inadecuados los
algoritmos sistemticos.

Adems de encontrar los objetivos, los algoritmos de bsqueda local son tiles
para resolver Problemas de optimizacin puros, en los cuales el objetivo es
encontrar el mejor estado segn una funcin objetivo.

Muchos problemas de

optimizacin no encajan en el modelo estndar de bsqueda. Por ejemplo:

La naturaleza proporciona una funcin objetivo que la evolucin Darwiniana
intenta optimizar, pero no hay ningn test objetivo y ningn coste de
camino para este problema.
Un algoritmo de bsqueda local completo siempre encuentra un objetivo si
existe; un algoritmo optimo siempre encuentran un mnimo/mximo global.

BUSQUEDA DE ASCENSION DE COLINAS

Es simplemente un bucle que continuamente se mueve en direccin del valor
creciente, es decir, cuesta arriba. Termina cuando alcanza un pico en donde
ningn vecino tiene un valor ms alto. El algoritmo no mantiene un rbol de
bsqueda, sino una estructura de datos del nodo actual que necesita solo el
registro del estado y su valor de funcin objetivo.

La ascensin de colinas no mira delante ms all de los vecinos inmediatos del

estado actual. Se parece a lo que hacemos cuando tratamos de encontrar la
cumbre del Everest en una niebla mientras sufrimos amnesia.

La ascensin de colinas a menudo se atasca por los motivos siguientes:

Mximo local.- Un mximo local es un pico que es ms alto que cada uno
de sus estados vecinos, pero ms abajo que el mximo global. Los
algoritmos de ascensin de colinas que alcanzan la vecindad de un mximo
local irn hacia el pico, pero entonces se atascaran y no podrn ir a ninguna
otra parte.

Crestas: Las crestas causan una secuencia de mximos locales que hace
muy difcil la navegacin para los algoritmos avaros.

Meseta: una meseta es un rea del paisaje del espacio de estados donde la
funcin de evaluacin es plana. Puede ser un mximo local plano, del que
no existe ninguna salida ascendente, o una terraza por la que se pueda
avanzar.

BUSQUEDA POR HAZ LOCAL

La bsqueda por haz local guarda la pista de /estados (no solo uno). Comienza
con estados generados aleatoriamente. Una bsqueda por haz local con K
estados podra parecerse a ejecutar K/reinicios aleatorios en paralelo en vez de
en secuencia. De hecho, los dos algoritmos son bastantes diferentes. En una
bsqueda de reinicio aleatorio, cada proceso de bsqueda se ejecuta
independientemente de los dems. En una bsqueda por haz local, la
informacin til es pasada entre los k hilos paralelos de bsqueda

ALGORITMOS GENETICOS
Es una variante de la bsqueda de haz estocstica en la que los estados
sucesores se generan combinando dos estados padres, ms que modificar un
solo estado. La analoga a la seleccin natural es la misma que con la
bsqueda de haz estocstica, excepto que ahora tratamos con reproduccin
sexual ms que con la reproduccin asexual.

Un algoritmo gentico consiste en una funcin matemtica o una rutina de

software que toma como entradas a los ejemplares y retorna como salidas
cules de ellos deben generar descendencia para la nueva generacin.

CONCLUSIN
En conclusin podemos decir que las los algoritmos de bsquedas y
optimalizacin son muy tiles y adecuados a la hora de resolver problemas
expertos, tenemos que tener en cuenta cada una de sus ventajas y estrategias
para as poder llevar a cabo el correcto y obtener al final nuestro objetivo
deseado.

BIBLIOGRAFA
Meja, F. Algoritmos Genticos . Formato: PDF. Consultado. 10 Julio 2015.
Disponible en: http://nando1-utb.blogspot.com/p/algoritmos-geneticos.html
Russell, S y Norvig, P.2004. Inteligencia Artificial Un enfoque Moderno. 2ed.
Madrid, ESP. Pearson. p 68-98