Tema 3: Contenidos. Búsqueda heurística. Introducción. - dccia

More documents

Recommendations

Info

Fundamentos IA 3. Búsqueda Heurística @DCCIA Desarrollo de un problema completo Por último: → Resultado de aplicar la heurística h 2 (n) 39 Fundamentos IA 3. Búsqueda Heurística @DCCIA Desarrollo de un problema completo • Potencia heurística h1 (n) ≤ h * (n), h2 (n) ≤ h * (n) (ya dem.) Además: h2 (n) ≥ h1 (n) – La explicación es que el más cercano a una ciudad puede pertenecer al conjunto de ciudades ya visitadas mientras que en el caso del spanning no, salvo ak . La necesidad de conectividad que requiere el spanning implica un coste mayor. Con el spanning calculamos el mínimo de lo que queda por recorrer. – figura la heurística en ambos casos se aplica al estado (v0 , v1 ): 40
Fundamentos IA 3. Búsqueda Heurística @DCCIA Desarrollo de un problema completo Por otro lado: min c[a, a0 ] ≥ c[a0 , m(a0 )] a ∈ V-{a 0 , …,a k-1 } Y: ∑ c[a, m(a)] = ∑ c[a, m(a)] + c[ak , m(ak )] a ∈ V-{a 0 , …,a k-1 } a ∈ V-{a 0 , …,a k } h 2 (n) ≥ ∑ c[a, m(a)] + min c[a, a 0 ] a ∈ V-{a 0 , …,a k-1 } a ∈ V-{a 0 , …,a k-1 } ≥ ∑ c[a, m(a)] + min c[a 0 , m(a 0 )] a ∈ V-{a 0 , …,a k-1 } ≥ ∑ c[a, m(a)] = h 1 (n) a ∈ V-{a 0 , …,a k } 41 Fundamentos IA 3. Búsqueda Heurística @DCCIA Desarrollo de un problema completo • Evaluación de las heurísticas Heurística h(n) = 0 h(n) = h1(n) h(n) = h2(n) Nodos generados 13 10 7 P 0.25 0.3 0.43 B 1.8 1.72 1.56 Nivel de información 3 2 1 Coste computacional ∅ O(n 2 ) O (nlogn) 42
Page 1 and 2: Fundamentos IA 3. Búsqueda Heurís
Page 19: Fundamentos IA 3. Búsqueda Heurís

Tema 3: Contenidos. Búsqueda heurística. Introducción. - dccia

Create successful ePaper yourself

Delete template?

Save as template?