ALGORITMO DE ROUND ROBIN ALGORITMO DE WARSHALL Algoritmo de Huffman algoritmo de horner algoritmo de Morris, deutsch-schorr-waite, cooley y tukey,krustal,cheriton y ta rjan

Hill Climbing Search Hill Climbing Search Mtodo: La escalada de la bsqueda se basa en primer lugar la bsqueda de profundidad. Una h eurstica es usada para mejorar la eficiencia de bsqueda. En cada paso, se puede es timar si una eleccin es probable que sea mejor que otro y para las decisiones en consecuencia. Hill-Escalada Metodologa 1. Construir una solucin sub-ptima que cumpla con las restricciones del Problema. 2. Tome la solucin y hacer una mejora en ella 3. Repetidamente mejorar la solucin hasta que no mejoras ms son necesarias / posib les Demostracin: Animacin de ondas de choque (36k) - ver la escalada de la bsqueda Algoritmo: Algoritmo Hill Climbing ste algoritmo pertenece a los de bsqueda local, y su implementacin es bastante senc illa lo cual lo hace muchas veces la opcin favorita por muchos a pesar de que exi stan algoritmos que puedan dar mejores y ms exactos resultados. El algoritmo puede ser utilizado en la resolucin de problemas que tienen varias p osibles soluciones pero en las cuales algunas son mejores que otras. El algoritm o se comienza con una de estas soluciones escogidas al azar. Y poco a poco va bu scando una mejora a dicha solucin, por ms mnima que sta sea. Hasta que el algoritmo llega a un punto en el que ya no puede encontrar ninguna mejora a la solucin y es entonces cuando termina. Por lo general cuando llega a ste punto la solucin es ba stante cercana a la ms optima, aunque nunca se puede garantizar que llegue a la pt ima. Lo que realiza el algoritmo es el buscar maximizar o minimizar una funcin f(x) da da, donde x se refiere a estados discretos del problema. Estos estados usualmente son representados por vrtices en una grfica. As el algoritmo va a seguir una grfica de vrtice a vrtice, siempre aumentando o disminuyendo localmente el valor de la fu ncin hasta encontrar un mximo o mnimo local. En estos debates vamos a suponer que estamos tratando de maximizar una funcin. Es decir, estamos tratando de encontrar un punto en el espacio de bsqueda que es me jor que todos los dems. Y por "mejor" queremos decir que la evaluacin es ms alta. T ambin podramos decir que la solucin es de mejor calidad que todos los dems. No hay razn para que no se debe tratar de minimizar una funcin, pero lo hace para facilitar la lectura, si asumimos que siempre estn tratando de maximizar la funcin en lugar de mantenimiento de tener que recordar de lo que podra minimizar o maxi

mizar. La idea detrs de la escalada es el siguiente. 1. Elija un punto al azar en el espacio de bsqueda. 2. Considere todos los vecinos de la situacin actual. 3. Elija el vecino con la mejor calidad y pasar a ese estado. 4. Repita los pasos 2 a 4 hasta que todos los estados vecinos son de menor calid ad. 5. Devuelve el estado actual como el estado de disolucin. Tambin puede presentar este algoritmo de la siguiente manera (es tomado del libro AIMA (Russell, 1995) y sigue las convenciones que hemos estado utilizando en es te curso cuando se mira en las bsquedas ciegas y heurstica). Funcin en escalada (Problema) devuelve un estado de solucin Entradas: Problema, problema Las variables locales: Actual, un nodo A continuacin, un nodo Actual = MAKE-NODO (INICIAL-state [problema]) Bucle do Siguiente = un sucesor de mayor valor de la actual Si VALOR [Siguiente] Actual = Siguiente Fin Debe tener en cuenta que este algoritmo no mantiene un rbol de bsqueda. Slo se devu elve una solucin final. Adems, si dos vecinos tienen la misma evaluacin y que son a la vez la mejor calida d, entonces el algoritmo se elige entre ellos al azar. Evaluacin Las desventajas de esta tcnica puede visualizarse considerando la analoga hillclim bing: Local Mxima: Si empieza escalador comienza a los pies, pasa mucho tiempo de subir a las cumbres de las estribaciones y estar decepcionado de que no son el objeti vo. Mesetas: Si comienza en una llanura plana en algn lugar va a vagar sin rumbo por comparacin locales no determinar la mejor direccin. Crestas: si se encuentra encima de una loma de suave pendiente, la mayora se muev e lo llevar hacia abajo, pero no se halla en una cumbre. Se trata de una bsqueda completa. Costo de la bsqueda Con esta bsqueda variable como esta es imposible determinar lo que, en su caso, l a mejora de la eficiencia se har. Una naturaleza heurstica desafa dicha evaluacin. No ptimas Este algoritmo no necesariamente encontrar la ruta ms eficiente a travs del espacio de estados. Siguiente: La bsqueda del haz Mtodo informado: Volver.