BUSQUDA INFORMADA

INTRODUCCION

Para lograr una búsqueda optima hay que tener conocimiento de los tipos de búsqueda existentes más reconocidos por esta razón esta temática ha sido impartida para conocer las funciones que realiza cada una de las búsquedas en este caso la búsqueda informada que es la que ya tiene conocimiento acerca del estado en que se encuentra aparte de lo que indica el problema.

MARCO TEORICO

BUSQUDA INFORMADA

BÚSQUEDA VORAZ PRIMERO EL MEJOR

La búsqueda voraz primero la mejor trata de expandir el nodo más cercano al mejor objetivo, alegando que probablemente conduzca rápidamente una solución. Este algoritmo, combina las ventajas de los algoritmos primero en profundidad y primero en amplitud. Sigue un sendero a la vez, pero puede cambiarse a otro sendero que parece más prometedor que el que está siguiendo.

 En este sentido, puede considerarse que es un algoritmo que realiza su proceso de búsqueda en un grafo de tipo O, ya que todos sus ramales representan una alternativa de solución. Para su operación, el algoritmo necesita dos listas de nodos y una función heurística que estime los méritos de cada nodo que se genere:

1. ABIERTOS - Es una variable que contiene los nodos que han sido generados. La función heurística ha sido aplicada a ellos, pero todavía no han sido examinados, es decir no se han generado sus sucesores. ABIERTOS puede considerarse como una COLA DE PRIORIDADES en la que los elementos con mayor prioridad son los que tienen los valores más prometedores, dados por la función heurística.

2. CERRADOS - Es una variable que contiene los nodos que han sido examinados. Es necesario tener esta información, para que la búsqueda sea en un grafo y no en un árbol.

3. FUNCIÓN HEURÍSTICA - Permite que el algoritmo busque primero por senderos que son o parecen más prometedores.

Para muchas aplicaciones, es conveniente definir esta función f', como la suma de dos, que se las llamará g y h'. La función g es una medida del costo de llegar desde el nodo inicial al nodo actual. La función h' es una estimación del costo adicional para llegar desde el nodo actual al estado objetivo. Aquí es donde se explota el conocimiento que se dispone sobre el dominio del problema.

CONCLUSIONES

Esta búsqueda nos ayuda de la manera más eficaz con cualquier problema ya que esta busca el objetivo para poner al nodo más cercano y lo mejor es que este tipo de búsqueda ya tiene conocimiento acerca de los estados y aparte de lo que nos indica el problema.

BIBLIOGRAFÍA

Russell, s.2008.inteligencia artificial un enfoque moderno. Segunda edición. Pearson education. Madrid-España.