Tema 3: Contenidos. Búsqueda heurística. Introducción. - dccia
Tema 3: Contenidos. Búsqueda heurística. Introducción. - dccia
Tema 3: Contenidos. Búsqueda heurística. Introducción. - dccia
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Fundamentos IA 3. <strong>Búsqueda</strong> Heurística<br />
@DCCIA<br />
Relajación de la restricción de<br />
optimalidad<br />
• Demostración de la admisibilidad-ε del<br />
APD:<br />
• debemos demostrar que esta técnica<br />
consigue un camino con coste f(sol) ≤<br />
(1+ε)C *<br />
• Ya hemos demostrado que en cualquier<br />
momento en la lista de frontera tenemos un<br />
nodo n′ perteneciente a un camino óptimo.<br />
Con esta premisa tenemos que,<br />
– f(n′) ≤ g * (n′) + h * (n′) + ε[ 1- d(n′)/N ] h * (n′)<br />
≤ C * + εh * (n′)<br />
≤ (1+ε)C *<br />
• Por lo tanto, el algoritmo no puede acabar<br />
conun estado solución cuyo coste supere<br />
(1+ε)C * , puesto que se selecciona siempre el<br />
estado con menor coste.<br />
19<br />
Fundamentos IA 3. <strong>Búsqueda</strong> Heurística<br />
@DCCIA<br />
Relajación de la restricción de<br />
optimalidad<br />
• Algoritmo de estimación de coste de<br />
búsqueda A ε * .<br />
Utiliza una lista adicional denominada<br />
Lista_focal (L f ). Esta lista es una sublista de<br />
Lista_Frontera (LF) que contiene<br />
únicamente aquellos nodos cuya f(n) no<br />
excede del mejor valor de cualquier f(n)<br />
dentro de la Lista_Frontera por un factor<br />
(1+ε):<br />
• L f = {n: f(n) ≤ (1+ε) min(f(m))}<br />
m ∈ LF<br />
A * ε opera de forma idéntica al algoritmo A *<br />
salvo que selecciona aquel nodo de<br />
Lista_focal con menor valor de H f (n), una<br />
segunda <strong>heurística</strong>, además de h(n), que<br />
estima el coste computacional requerido<br />
para completar la búsqueda a partir del<br />
nodo n.<br />
20