Sei sulla pagina 1di 3

Métodos Heurísticos para búsqueda y exploración

 Las heurísticas son formalizadas como reglas para elegir (buscar) las ramas en el
espacio de estados que son más probables de llegar a una solución aceptable del
problema.

Las Heurísticas
 Atacan la complejidad guiando la b Atacan la complejidad guiando la búsqueda por
los caminos por los caminos más prometedores en el espacio de búsqueda.
 Eliminan estados no prometedores y sus descendientes E
 Encuentran soluciones aceptables
 Desafortunadamente las reglas son falibles, pues usan información limitada.

Un Algoritmo heurístico consta de dos partes


1. La medida heurística.
2. Un algoritmo que la usa para buscar en el espacio de estados.
• Ejemplo: Considerar el juego del GATO.
• Un simple análisis permite determinar el número de estados que necesitan
considerarse en una búsqueda exhaustiva en 9 ×8 × 7 ×... o 9!
• Una reducción simétrica puede disminuir un poco el espacio de búsqueda.
• Tomando en consideración el punto anterior, sólo hay 3 movimientos iniciales.

Razonamiento
• ¡Si usamos reducciones por simetría, en un segundo nivel de estados el número de
posibles caminos a través del espacio de estados se convierte en 12 × 7!
• Una heurística simple casi puede eliminar la búsqueda total, si se intenta colocar a X
sólo a estados donde esta tiene más posibilidades de ganar.
• El algoritmo selecciona y se mueve al estado con el valor más alto de la heurística, con
lo que se podan hasta 2/3 del espacio de estados.
• La heurística se utilizará en cada turno de X.

Búsqueda local
 En la búsqueda local se empieza de una configuración inicial(generalmente
aleatoria) y se hacen pequeños cambios(a través de operadores) hasta alcanzar
ningún estado mejor
 Las técnicas de la BL son propensas a encontrar óptimos locales que no son la
mejor solución posible. El óptimo global es generalmente imposible de alcanzar
en un tiempo limitado, por el tamaño del espacio de soluciones

Elementos de búsqueda
 Conjunto de estados: Todas las configuraciones posibles del dominio
 Estados iniciales: Estados desde los que partimos
 Estados finales: las soluciones del problema
 Operadores: se aplican para pasar de un estado a otro

Función de evaluación heurística


• Definición: es una aplicación del espacio de estados con el espacio de los
números reales
F(estado) => n
• n representa lo cercano que esta el estado con el que se ha aplicado la función
de evaluación de la solución final.
Es muy importante mantener un equilibrio entre la eficiencia de la función y su
complejidad. No debemos tener una función de evaluación demasiado
complicada, ni tampoco una demasiado sencilla pero que no avance
prácticamente nada en el problema. En caso de no mantener este equilibrio se
podría producir explosión combinatoria

Estrategias de búsqueda heurística


• Tipos:
• Estrategias tentativas: aquellas en las que se puede abandonar la
exploración de una rama y pasar a explorar otra en cualquier momento
del problema.
• Estrategias irrevocables: aquellas en las que no se puede abandonar la
exploración de la rama por la que se comenzó.
• Métodos:
• Gradiente
• Primero el mejor
• Búsqueda en haz
• Algoritmo A
• Gradiente:
• Metodología: elegir el camino de máxima pendiente, usando para ello la
función de evaluación.
• Tipo: irrevocable.
• Ventajas: se llega a la solución con poco coste computacional.
• Inconvenientes: puede ser que el problema no sea compatible con este
método, y, por lo tanto, no conseguiremos obtener la solución.
• Primero el mejor:
• Metodología: elegir como siguiente nodo aquel con mayor función de
evaluación.
• Tipo: tentativo.
• Ventajas: no depende en exceso de la función de evaluación.
• Inconvenientes: excesiva complejidad espacial, pues se deben guardar
todos los nodos abiertos.
• Búsqueda en haz:
• Metodología: elegir un conjunto de nodos como los siguientes a
expandir, y hacerlo de forma irrevocable.
• Tipo: irrevocable/tentativo.
• Ventajas: más permisible.
Inconvenientes: en caso de que el sistema sea irrevocable, este método
no actúa con eficacia
• Algoritmo A:
• Metodología: Ponderar a la vez lo cerca que estamos del nodo meta y lo
lejos que estamos del nodo inicial.
• Tipo: tentativo.
• Ventajas: soluciones más cercanas a la raíz.
Inconvenientes: la función de evaluación se complica

Potrebbero piacerti anche