Universidad Estatal del Sur de ManabCreada el 7 de Febrero del ao 2001, segn Registro Oficial No. 261

CARRERA DE INGENIERA EN SISTEMAS COMPUTACIONALES

METODOS DE BUSQUEDAVega (2003) indic que los mtodos de bsqueda sirven para hacer representaciones del conocimiento, que mediante algoritmos permite resolver problemas desde el punto de vista de la Inteligencia Artificial. Indico que los mtodos de bsqueda comprenden los siguientes elementos: CONJUNTO DE ESTADOS: Todas las configuraciones posibles en el dominio.

ESTADOS INICIALES: Estados desde los que partimos.

ESTADOS FINALES: Las soluciones del problema.

OPERADORES: Se aplican para pasar de un estado a otro.

Muoz (2008) manifest que los mtodos de bsqueda se puede clasificar en:Bsqueda ciega.- Generan estado para comprobar si estos cumplen los objetivos para guiar su proceso de bsqueda. Dentro de este tipo de bsqueda se encuentra una sub clasificacin que comprende:

Bsqueda de amplitud.- Es un algoritmo usado para recorrer elementos en una estructura de datos como los arboles.

Bsqueda en profundidad.- Consiste en visitar todos los nodos de forma ordenada pero no uniforme en un camino concreto, dejando caminos sin visitar en su proceso. Requiere mucho menos memoria (solo hay que guardar el camino actual). Puede encontrar el rbol sobre todo si hay varios caminos a la solucin. Bsqueda en profundidad progresiva.- Se define una profundidad predefinida, se desarrolla el rbol realizando una bsqueda en profundidad hasta el lmite definido. Bsqueda bidireccional.- Se llevan a la vez dos bsquedas una descendente desde el nodo inicial y otra ascendente desde el nodo meta. Bsqueda heurstica.- Usan el conocimiento del dominio para adaptar el solucionador y, de esta manera, ste sea ms potente y consiga llegar a la solucin con mayor rapidez. Por tanto, estas tcnicas utilizan el conocimiento para avanzar buscando la solucin al problema. La Heurstica no garantiza que siempre se tome la direccin de la bsqueda correcta, por eso este enfoque no es ptimo sino suficientemente bueno. Frecuentemente son mejores los mtodos heursticos que los mtodos de bsquedas a ciegas. La flexibilidad inherente de los mtodos heursticos puede conducir a errores o a manipulaciones fraudulentas. Ciertas heursticas se pueden contradecir al aplicarse al mismo problema, lo cual genera confusin y hacen perder credibilidad a los mtodos heursticos. Muoz (2008)

Bsqueda con adversos.-La bsqueda con adversos (juego contra un oponente) analiza los problemas en los que existe ms de un adversario modificando el estado del sistema. Hay dos operadores el que lleva el problema a la mejor situacin (jugada nuestra) el que lleva el problema a la peor situacin (jugada de nuestro adversario). Muoz (2008).Rivero (2014) agrego otros mtodos de negocios los cuales se mencionan a continuacin: Bsquedas irrevocables y sin vuelta atrs: Una vez que se a tomado un camino no se puede dar vuelta atrs Bsqueda de costo uniforme: Se basa en desarrollar el nodo con el menor costo.Bsqueda en profundidad limitada: Se basa en la bsqueda en profundidad con un lmite de profundidad, implementacin: Los nodos a profundidad L no tienen solucin.

Bsqueda en estados de regla: Reglas para elegir entre las ramas que con mas probabilidad llevan a la solucin.Bsqueda preferente por lo mejor: El conocimiento en que se apoya esta decisin es obtenido desde una funcin de evaluacin, la cual produce un nmero que sirve para representar lo deseable. Cuando los nodos se ordenan de manera tal que se expande primero aqul con mejor evaluacin, entonces se trata de una estrategia denominada bsqueda preferente por lo mejor.Se escoge el nodo que parece ser el mejor, segn lo aconsejado por la funcin de evaluacin. Si sta es omnisciente, el nodo verdaderamente ser el mejor. El objetivo de esta bsqueda es encontrar soluciones de bajo costo, se utiliza alguna medida estimada del costo de la solucin y se hacen esfuerzos por reducir esta medida al mnimo. Esta medida no es una bsqueda directa dirigida a la meta. Para enfocar la bsqueda, en tal medida debe figurar algn tipo del clculo del costo de ruta que va de un estado al estado ms cercano de la meta. Rivero (2014)Bsqueda Avara: Una de las ms sencillas estrategias en la bsqueda preferente por lo mejor consiste en reducir al mnimo el costo estimado para lograr una meta. El nodo cuyo estado se considere el ms cercano al estado de la meta es el que siempre se expande primero. La funcin que se utiliza para calcular tales estimados de costo se conoce como funcin heurstica:h(n) = costo estimado de la ruta ms barata que une el estado del nodo N con un estado META.Aquella bsqueda preferente por lo mejor que utiliza h para escoger cul es el siguiente nodo que se va a expandir es denominada bsqueda avara. El nico requisito es que h(n) = 0 cuando n es una meta. Las funciones heursticas se refieren a problemas especficos, ejemplo la determinacin de la ruta que vaya de Arad a Bucarest (Rumania). Una buena funcin heurstica en problemas de determinacin de ruta como la anterior corresponde a la distancia en lnea recta a la meta. Rivero (2014)Bsqueda A*: Esta estrategia se basa en reducir al mnimo el costo de ruta total. Utiliza dos tipos de bsqueda combinados: la bsqueda avara y la bsqueda por costo uniforme: f(n) = g(n) + h(n)Toma las ventajas de las dos.

Dado que con g(n) se calcula el costo de la ruta que va del nodo de partida al nodo n y h(n) es el costo estimado de la ruta ms barata que va de n a la meta, tenemos que:

f(n) = costo estimado de la solucin ms barata pasando por n.

Lo interesante de esta estrategia es que es completa y ptima dada una sencilla restriccin de la funcin h, la restriccin consiste en escoger una funcin h que nunca sobreestima el costo que implica alcanzar la meta. A tal h se lo conoce como heurstica admisible. Rivero (2014)Bsqueda por ascenso de cima: Simplemente se trata de un bucle que constantemente se desplaza en la direccin de un valor ascendente. Como el algoritmo no mantiene un rbol de bsqueda, la estructura de datos del nodo slo tiene que registrar el estado y su evaluacin, denominado VALOR. Esta sencilla poltica tiene tres bien conocidas desventajas:Mximas locales: Un mximo local, contrariamente a un mximo global, es una cima cuya altura es inferior a la cima ms alta de todo el espacio de estados. Una vez que ha alcanzado un mximo local, el algoritmo para.Planicie: Las planicies son reas del espacio de estados en donde la funcin de evaluacin bsicamente es plana. La bsqueda realizar un paseo al azar.

Riscos: Las laderas de algunos riscos tienen pendientes muy pronunciadas, por lo que es fcil para una bsqueda llegar a la cima del risco; sin embargo, puede suceder que la pendiente de tal cima se aproxime demasiado gradualmente a un pico.

BIBLIOGRAFIA:Melin, B., Prez, J. A. M., & Vega, J. M. M. (2003). Metaheursticas: una visin global. Revista Iberoamericana de Inteligencia Artificial, 19, 7-28.

Recuperado de:

http://jamoreno.webs.ull.es/www/papers/MMM03IA.pdfMuoz, M., Lpez, J., & Caicedo, E. (2008). Inteligencia de enjambres: sociedades para la solucin de problemas (una revisin). Ingeniera e Investigacin, 28(2), 119-130.

Recuperado de:

www.researchgate.net/publication/200619696_Inteligencia_de_enjambres_sociedades_para_la_solucin_de_problemas_(una_revisin)/file/9fcfd50be6616cb81d.pdf

Mart, R., & Laguna, M. (2003). Scatter Search: Diseo Bsico y Estrategias avanzadas. Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 7(19), 123-130.

Recuperado de: http://scholar.google.es/scholar?q=metodos+de+busqueda+++inteligencia+artificial&hl=es&as_sdt=0,5Ingrassia, R. C., & Rivero, J. N. (2014). Aplicaciones de inteligencia artificial al anlisis de la sociedad. In XLIII Jornadas Argentinas de Informtica e Investigacin Operativa (43JAIIO)-I Simposio Argentino de Tecnologa y Sociedad (STS)(Buenos Aires, 2014).

Recuperado de: http://sedici.unlp.edu.ar/handle/10915/41864Sistemas Expertos Ing. Johnny Regalado