búsqueda informada heurísticas. búsqueda informada: heurística
TRANSCRIPT
![Page 1: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/1.jpg)
Búsqueda Informada
Heurísticas
![Page 2: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/2.jpg)
Búsqueda informada: heurística
![Page 3: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/3.jpg)
Ejemplo de heurística para el problema del viajante de comercio
![Page 4: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/4.jpg)
Clasificación de heurísticas
![Page 5: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/5.jpg)
Ventajas de las heurísticas
![Page 6: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/6.jpg)
Aplicando heurísticas
![Page 7: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/7.jpg)
Algoritmo de búsqueda de Greedy
![Page 8: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/8.jpg)
Búsqueda de Greedy: ejemplo
![Page 9: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/9.jpg)
Grafo del ejemplo de la búsqueda de Greedy
![Page 10: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/10.jpg)
Evaluación de la búsqueda de Greedy
![Page 11: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/11.jpg)
Minimizar el costo de ruta total
La búsqueda avara minimiza el costo estimado hasta la meta h(n) poda fuertemente el costo de búsqueda ni óptima ni completa
la búsqueda de costo uniforme minimiza el costo hasta ese momento, g(n)
óptima y completa podría ser muy ineficiente
f(n) = g(n) + h(n) = costo estimado de la solución más barata pasando por (n)
![Page 12: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/12.jpg)
Minimizar el costo de ruta total
Observaciones Supongamos que tenemos un nodo n a una profundidad d en el
árbol de búsqueda y que adivinamos que ese nodo se halla a una distancia h(n) de la meta más cercana a él.
La meta estaría entonces a la profundidad d + h(n) en el espacio de problema
En lugar de elegir para la expansión el nodo de mínimo h(n) (distancia esperada hacia la meta), elegimos el nodo de
MIN { d + h(n) } La profundidad se mide con la función de costo de la ruta g(n) Quedando MIN { g(n) + h(n) }
![Page 13: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/13.jpg)
Algoritmo de búsqueda A*
![Page 14: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/14.jpg)
Algoritmo de búsqueda A*
![Page 15: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/15.jpg)
Optimalidad de A*
Definir f* - el costo de la solución óptima para la ruta A* expande todos los nodos con f(n) < f* A* podría expandir algunos de los nodos a la derecha del
“contorno de la meta”, para los cuales f(n) = f*, antes de seleccionar el estado meta.
La primera solución encontrada debe ser la óptima, dado que los nodos de todos los contornos subsiguientes tendrán un costo f más alto y con ello un costo g más alto (todos los estados meta tienen h(n) = 0)
![Page 16: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/16.jpg)
(2) 2
(3) 1
(4) 1
(5) 1
(6) 1
(7) goal
goal
3 (1)
4
1
Buscando una solución subóptima Las etiquetas de los nodos son su valor
heurístico h = k y los números entre paréntesis son el orden de prioridad para expandir.
El valor k de un nodo significa que esperamos que esté a k pasos de la meta.
El método siempre expande nodos con una mínima distancia esperada al nodo meta, así que el subárbol de la derecha nunca tiene turno para expandir. (Es una cola que privilegia a la ruta izquierda, primero en profundidad)
Conclusión: no tratamos de encontrar un nodo meta que esté a una menor profundidad.
Las etiquetas de los nodos son su valor heurístico h = k y los números entre paréntesis son el orden de prioridad para expandir.
El valor k de un nodo significa que esperamos que esté a k pasos de la meta.
El método siempre expande nodos con una mínima distancia esperada al nodo meta, así que el subárbol de la derecha nunca tiene turno para expandir. (Es una cola que privilegia a la ruta izquierda, primero en profundidad)
Conclusión: no tratamos de encontrar un nodo meta que esté a una menor profundidad.
![Page 17: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/17.jpg)
(2) 1+2
(3) 2+1
(4) 3+1
(5) 4+1
5+1
goal
goal
0+3 (1)
1+4 (6)
2+1 (7)
Buscar la Solución Optima Tratamiento para el diagnóstico previo:
Las etiquetas de los nodos son aquí “profundidad + valor heurístico”. Números entre paréntesis son orden de expansión.
Para A* no hay diferencia real entre (5) y (6)
No se puede garantir que se pueda encontrar la solución óptima .
Por ejemplo, qué pasa si (5) fuese el nodo meta?
Problema: con pesimismo se ha etiquetado al primer nodo de la rama derecha como 4 (hemos sobreestimado su distancia a la meta)
Es imperiosa una heurística optimista.
Tratamiento para el diagnóstico previo:
Las etiquetas de los nodos son aquí “profundidad + valor heurístico”. Números entre paréntesis son orden de expansión.
Para A* no hay diferencia real entre (5) y (6)
No se puede garantir que se pueda encontrar la solución óptima .
Por ejemplo, qué pasa si (5) fuese el nodo meta?
Problema: con pesimismo se ha etiquetado al primer nodo de la rama derecha como 4 (hemos sobreestimado su distancia a la meta)
Es imperiosa una heurística optimista.
3+0 (8)
![Page 18: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/18.jpg)
(2) 1+2
(3) 2+1
3+1
4+1
5+1
goal
goal
0+3 (1)
1+2 (4)
2+1 (5)
Buscar la Solución Optima Admisibilidad
h - la función heurística - es optimista si para todo n,
h(n) < hp (coste real de llegar al nodo meta)
con eso no se sobreestima al costo.
Una heurística optimista (que infravalora el coste) se llama admisible
Casos especiales h(n) = hp(n) (la heurística
perfecta) h(n) = 0 ?...(búsqueda ciega)
Admisibilidad h - la función heurística - es
optimista si para todo n, h(n) < hp (coste real de
llegar al nodo meta) con eso no se sobreestima al
costo. Una heurística optimista
(que infravalora el coste) se llama admisible
Casos especiales h(n) = hp(n) (la heurística
perfecta) h(n) = 0 ?...(búsqueda ciega)
3+0 (6)
![Page 19: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/19.jpg)
Forma útil de ver la optimalidad de A*
Lema A* expande nodos en el orden de valores crecientes de f
Esto implica decir que así como Primero en Amplitud va agregando niveles o capas, A* va agregando contornos “iso-f” siempre crecientes (un contorno “fi” tiene todos los nodos con f = fi), incluyendo al nodo de inicio en dirección al nodo meta.
![Page 20: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/20.jpg)
“Contornos” concéntricos “iso-f”
380
![Page 21: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/21.jpg)
A* aplicado a la búsqueda en Rumania
![Page 22: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/22.jpg)
Optimalidad de A*: demostración
* ------------------------ ------------------------ * n
* G1 *G2
Sea una meta subóptima G2 que está en la cola de espera
Sea n un nodo sin expandir en el camino más corto hacia una meta óptima G1
A* nunca va a elegir G2 para su expansión
![Page 23: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/23.jpg)
Optimalidad de A*Teorema: Sea hp(n) el costo real desde n hasta la meta. Si h(n) < hp(n) para todo nodo n, entonces A* siempre va a encontrar un nodo meta óptimo.
Prueba: Sea s el nodo meta de mínimo costo. Sea (tentativamente) que A* seleccione un nodo meta subóptimo s’, donde g(s) < g(s’)…ec.a
Sea n un nodo sin expandir en la ruta desde el nodo inicio y el nodo meta óptimo s. Notar que ese nodo sin expandir necesariamente existe, de acuerdo con la suposición previa (en el otro caso, s ya habría sido elegido como el nodo meta).
![Page 24: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/24.jpg)
Optimalidad de A*
Puesto que n no ha sido elegido para su expansión en su ruta hacia s’, se sigue que:
f(n) = g(n) + h(n) > f(s') = g(s') + h(s')
= g(s')
Dado que h es admisible, g(n) + hp(n) > g(n) + h(n) = f(n), y entonces
g(n) + hp(n) > f(s') = g(s')
lo cual implica que
g(s) > g(s')
Esto contradice la suposición previa (ec. a), la que indica que s’ es una meta subóptima..
![Page 25: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/25.jpg)
Resumen del algoritmo A*
Una heurística admisible nunca sobreestima el costo de llegar a la meta
un estimado de costo optimista en la solución de un problema es menor -más barato- que el real.
Si h es admisible, f(n) nunca sobreestima el costo real de la mejor solución pasando por n
La búsqueda A* - con f(n) y con h admisible es: completa y óptima ejemplo: hDLR es admisible
![Page 26: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/26.jpg)
Búsqueda A*: ejemplo
![Page 27: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/27.jpg)
Evaluación de la búsqueda A*
![Page 28: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/28.jpg)
![Page 29: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/29.jpg)
Heurísticos admisibles: ejemplos
![Page 30: Búsqueda Informada Heurísticas. Búsqueda informada: heurística](https://reader033.vdocuments.pub/reader033/viewer/2022061301/54d5602b4979596c658b4af5/html5/thumbnails/30.jpg)
Heurísticos dominantes