Nombre: EDUARDO AYUB RODRIGUEZ VIVIANA GUTIERREZ MAMANI ROBERTO LAURA HUANCA

ERWIN ORLANDO MANZANEDA MATERIA:

Inteligencia artificial DOCENTE:

Lic. Garcia Perez Carmen Rosa GESTION:

2-2019

Inteligencia Artificial Busqueda Avara

daskjbdkjasbkdbWatson

BUSQUEDA AVARA

1

1 Contenido 1. INTRODUCCION ........................................................................................................ 2

1.1 Busqueda Avara .................................................................................................. 2

1.2 ¿Qué Es Una Búsqueda Informada (heuristica)? ................................................. 2

1.3 Características De Una Búsqueda Informada (heuristica) .................................... 2

2. FUNCION Y ALGORITMO DE BUSQUEDA AVARA .................................................. 2

3. ESTRATEGIAS EN FUNCION A 4 CRITERIOS DE LA BUSQUEDA ......................... 4

3.1. Completo: ................................................................................................................ 4

3.2. Optimo:.................................................................................................................... 4

3.3. Complejidad Temporal: ........................................................................................... 4

3.4. Complejidad Espacial: ............................................................................................. 5

4. EJEMPLO #1 QUE MUESTRE EL FUNCIONAMIENTO DE LA BUSQUEDA ............ 5

5. EJEMPLO #2 QUE MUESTRE EL FUNCIONAMIENTO DE LA BUSQUEDA ............ 9

6. CONCLUCION.......................................................................................................... 10

BUSQUEDA AVARA

2

1. INTRODUCCION

1.1 Busqueda Avara Nos enfocaremos en la búsqueda preferente por lo mejor, nos centraremos en la búsqueda

avara (voraz), llamada también primero el mejor o búsqueda codiciosa (greedy search) es

un caso particular del algoritmo de búsqueda-árboles o de búsqueda-grafo, expande el

nodo más prometedor en base a una función de evaluación (𝒏). Tradicionalmente se

selecciona para la expansión del nodo con la evaluación más baja, porque la evaluación

mide la distancia al objetivo, este tipo de búsqueda puede llegar a ser inexacta.

A fin si se expande primero el mejor nodo. Un componente clave de estos algoritmos es

una función heurística, denotado h(n).

(𝒏) = Coste estimado del camino más barato desde el nodo 𝒏 a un nodo objetivo.

1.2 ¿Qué Es Una Búsqueda Informada (heuristica)? Muchos algoritmos en la inteligencia artificial son heurísticos por naturaleza, La búsqueda

heurística utiliza información adicional sobre el problema específico como el costo o la

distancia al estado final; pudiendo encontrar soluciones de una manera más eficiente.

1.3 Características De Una Búsqueda Informada (heuristica) Las estrategias de búsqueda heurística se caracterizan por la tendencia a limitar el tiempo

y el espacio en donde buscar la respuesta a problemas complejos.

2. FUNCION Y ALGORITMO DE BUSQUEDA AVARA

CREACIÓN DE VARIABLES

Nodo inicio;

Nodo destino;

heuristica = 0;

Nodo menor;

ArrayList<Nodos>camino;

CREACION DE GRAFO O RED

Actualizamos (inicio, destino);

Buscar (inicio, destino); //comenzamos la búsqueda

BUSQUEDA AVARA

Buscar (Nodo actual, Nodo destino)

Si: (actual = inicio)

Añadimos actual a camino;

Si: (actual = destino)

Mostramos camino; //termina la búsqueda, fin del programa

Si no

Comparamos la Heurística de todos los vecinos

y tomamos el de menor heurística;

menor= el nodo vecino de menor heuristica;

Actualizamos heurística; //del nodo actual su heurística menor

BUSQUEDA AVARA

3

Añadimos el nodo de menor heurística a camino;

Buscar (menor, destino);

Heurística de arad a Bucarest

BUSQUEDA AVARA

4

3. ESTRATEGIAS EN FUNCION A 4 CRITERIOS DE LA BUSQUEDA

La complejidad se expresa en términos de tres cantidades: b, el factor de ramificación o el

máximo Número de sucesores de cualquier nodo; d, la profundidad del nodo objetivo más

superficial; y m, la longitud máxima de cualquier camino en el espacio de estados.

3.1. Completo: No (por que puede ir hacia abajo y terminar en un camino infinito y nunca volver para

intentar otra posibilidad).

3.2. Optimo: No (por qué puede tomar un camino más largo y puede que exista una ruta o camino más

corta, puede que también recorra todo el árbol).

3.3. Complejidad Temporal: O (bm) se almacenan todos los nodos en memoria

BUSQUEDA AVARA

5

3.4. Complejidad Espacial: El caso peor, es O (bm) donde m es la profundidad máxima del espacio de búsqueda

(distintos niveles del árbol)

4. EJEMPLO #1 QUE MUESTRE EL FUNCIONAMIENTO DE LA BUSQUEDA

Para tener un mayor entendimiento de esta búsqueda proponemos el siguiente ejemplo:

Antecedentes:

La mayor parte de la fauna y flora está siendo quemado en Bolivia (Chiquitania) y

Brasil (Amazonia).

Pocos animales plantas están sobreviviendo a las llamas, se necesita ayuda de los

países (Estados Unidos).

Descripción del problema:

Tanto Bolivia como Brasil necesitan aviones corta fuegos más grandes del mundo

(avión-cisterna Evergreen 747 Supertanker) ya que está un gran porcentaje de

territorio quemado y pueda salvar la fauna y flora que resta, se necesita hacer una

estrategia de recorrido “necesitan hacerlo con el menor recorrido posible”.

BUSQUEDA AVARA

6

Nuestro nodo inicio será EEUU y nuestra nodo meta será BOLIVIA

Distancia en línea recta (heuristica) entre Bolivia y los otros países:

EEUU 6.823,55 km.

MEXICO 6.133 km.

GUATEMALA 4.611 km.

CUBA 4.479 km.

REPUBLICA D. 3.960 km.

PANAMA 3.346 km.

VENEZUELA 2.547 km.

COLOMBIA 2.505,52 km.

ECUADOR 2.274,17 km.

PERU 1.353,98 km.

BRASIL 1.271 km

BOLIVIA 0

BUSQUEDA AVARA

7

.

Distancias entre cada país:

BUSQUEDA AVARA

8

➢ Solución Planteada:

Se planteó la idea de aplicar

el algoritmo de «Búsqueda

Avara», ya que es una

solución rápida, para ello se

utiliza una función llamada

heurística la cual «estima» el

costo que implica llegar a una

meta (Bolivia) desde un

estado determinado (EEUU).

Como se muestra en la figura

los vecinos de EEUU son

MEXICO y CUBA.

La heurística menor entre

MEXICO y CUBA a BOLIVIA

es CUBA por tanto el algoritmo tomara ese nodo (CUBA) para buscar la meta

(BOLIVIA).

Una vez en CUBA como se observa en la figura los vecinos de CUBA es

REPUBLICA DOMINICANA y EEUU.

Se tomara el vecino con menos distancia en línea recta o heurística hacia BOLIVIA

así q se toma REPUBLICA DOMINICANA.

Una vez en REPUBLICA DOMINICANA como se observa en la figura los vecinos

de REPUBLICA DOMINICANA es CUBA (por ende se tomara CUBA).

BUSQUEDA AVARA

9

Una vez en CUBA como se observa en la figura los vecinos de CUBA es

REPUBLICA DOMINICANA y EEUU.

Se tomara el vecino con menos distancia en línea recta o heurística hacia BOLIVIA

así q se toma REPUBLICA DOMINICANA.

Como se puede observar el algoritmo se ciclara, no tendrá fin y no habrá solución.

5. EJEMPLO #2 QUE MUESTRE EL FUNCIONAMIENTO DE LA BUSQUEDA

Tomando en cuenta el ejemplo anterior sin contar los países REPUBLICA DOMINICANA

Y CUBA.

Distancia en línea recta (heurística) entre Bolivia y los otros países:

EEUU 6.823,55 km.

MEXICO 6.133 km.

GUATEMALA 4.611 km.

PANAMA 3.346 km.

VENEZUELA 2.547 km.

COLOMBIA 2.505,52 km.

ECUADOR 2.274,17 km.

PERU 1.353,98 km.

BRASIL 1.271 km

BOLIVIA 0

BUSQUEDA AVARA

10

➢ Solución Planteada :

• Se planteo la idea de aplicar el algoritmo de «Búsqueda Avara», ya que es una solución

rápida, para ello se utiliza una función llamada heurística la cual «estima» el costo que

implica llegar a una meta ( Bolivia) desde un estado determinado (EEUU).

Ruta optima:

EEUU – MEXICO – GUATEMALA – PANAMA – ECUADOR – PERU – BOLIVIA

Costo:

1.992,38 + 2.154 + 1.304 + 1.188 + 1.028,25 + 1.353,98 = 9.020,61 km.

6. CONCLUCION

El uso de las funciones heurísticas nos permiten resolver problemas con una menor

cantidad de costo, la búsqueda Avara al utilizar la función heurística h(n) mínima, nos

permite tener resultados que no son óptimos pero si eficientes, en comparación con otros

algoritmos de búsqueda primero el mejor, el algoritmo de Avara es fácil de implementar y

puede ser aplicado a problemas que impliquen a un costo u optimización de recursos. Por

otra parte no se garantiza que la ruta sea óptima por lo cual la solución posiblemente no

sea la mejor.