INTELIGENCIA ARTIFICIAL II

• JEFFERSON GUILLEN VALENZUELA

AUTOR:

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ ESPAM “MFL”

BUSQUEDA POR ASCENSO DE COLINAS

• También es conocido como el método de ascenso de colinas.

BÚSQUEDA POR ASCENSO DE COLINAS

• Usa una técnica de mejoramiento iterativo.

• Comienza a partir de un punto (punto actual) en el espacio de búsqueda.

• Si el nuevo punto es mejor, se transforma en el punto actual, si no, otro punto vecino es seleccionado y evaluado

• El método termina cuando no hay mejorías, o cuando se alcanza un numero predefinido de iteraciones

ESCALADA SIMPLE

Dirigirse siempre a un estado mejor que el actual Función Heurística de proximidad No se mantiene reporte de los estados anteriores Es un método local, sus movimientos están

determinados por ser mejores que los previos.ESCALADA POR MÁXIMA PENDIENTE

Buscar no solamente un estado mejor que el actual, sino el mejor de todos los estados posibles

ASCENSO A COLINA (HILL CLIMBING)

Es una variante del algoritmo de búsqueda de Best First.

Del procedimiento de prueba existe una realimentación que ayuda al generador a decidirse por cual dirección debe moverse en el espacio de búsqueda

En estos procesos se abandona la búsqueda si no existe un estado alternativo razonable al que se pueda mover.

Son locales ya que deciden que hacer mirando únicamente a los estados vecinos.

PUEDE QUE NO LLEGUEN A ENCONTRAR UNA SOLUCION

Máximo local Mesetas o Terrazas Riscos

Para evitar máximos locales, regresar a un estado anterior y explorar en una dirección diferente.

Para casos de mesetas o terrazas, dar un salto grande en alguna dirección y tratar de encontrar una nueva sección del espacio de estados.

Para los riscos aplicara 2 o mas reglas, antes de realizar una prueba del nuevo estado, esto equivale en moverse en muchas direcciones a la vez.

¿CÓMO EVITAR ESTOS PROBLEMAS?

ASCENSO DE COLINA CON REINICIO ALEATORIORealiza una serie de búsquedas de ascenso de colina desde estados iniciados generados aleatoriamente.

• Se guarda el mejor resultado que hasta el momento se haya obtenido.

• Puede usar un numero fijo de iteraciones o continuar para mejores resultados.

VENTAJAS• Reduce el numero de nodos a analizar.

CARACTERISTICAS INFORMADO NO EXHAUSTIVO BUENAS SOLUCIONES ES EFICIENTE

DESVENTAJAS• Es posible que el algoritmo no encuentre una solución

aunque exista.

EJEMPLO:

FUNCIÓN DE EVALUACIÓNDevuelve un número que representa como está de cerca un determinado estado de la solución, cuanto mayor sea el número se estará cerca de la solución .

1. Establecer una función de evaluación

f(nodo)= # de casillas bien colocadas (maximización)

JUEGO 8-PUZZLE

10

5 7

3 2

7 4 6 5 4 8 9 7

6 4

META 3 1 2 6 5 3 1

• Russell, S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. Segunda Edición. Pearson Education. España

• https://es.wikipedia.org/wiki/Algoritmo_hill_climbing• Paniagua, L. 2014. Búsqueda Heurística por método de

"Ascenso de Colina“. (En línea). Consultado, 10 de nov. 2015. Formato Video. Disponible en https://www.youtube.com/watch?v=cq9gZSAfPlI

BIBLIOGRAFÍA

GRACIAS