Escolar Documentos
Profissional Documentos
Cultura Documentos
Búsqueda Local
Búsqueda Local
Funcion Objetivo
Estado actual
Espacio de estados
c b e a (LSI-FIB-UPC) Inteligencia Artificial Curso 2006/2007 2 / 25
Búsqueda Local Introducción
Búsqueda Local
Escalada simple
Se busca cualquier operación que suponga una mejora respecto al padre
Escalada por máxima pendiente (steepest-ascent hill climbing,
gradient search)
Se selecciona el mejor movimiento (no el primero de ellos) que suponga
mejora respecto al estado actual
Hill Climbing
Algoritmo H i l l C l i m b i n g
A c t u a l= E s t a d o _ i n i c i a l
fin = falso
mientras no f i n hacer
H i j o s= g e n e r a r _ s u c e s o r e s ( A c t u a l )
H i j o s= o r d e n a r _ y _ e l i m i n a r _ p e o r e s ( H i j o s , A c t u a l )
s i no v a c i o ? ( h i j o s ) entonces A c t u a l= E s c o g e r _ m e j o r ( H i j o s )
s i no f i n=c i e r t o
fmientras
fAlgoritmo
Hill climbing
Hill climbing
Soluciones
Hacer backtracking a un nodo anterior y seguir el proceso en otra
dirección (solo posible limitando la memoria para hacer el backtracking,
Beam Search)
Reiniciar la búsqueda en otro punto buscando mejorar la solución actual
Aplicar dos o más operaciones antes de decidir el camino
Hacer HC en paralelo (p.ej. Dividir el espacio de búsqueda en regiones
y explorar las más prometedoras, posiblemente compartiendo
información)
Simulated Annealing
Debemos identificar los elementos del problema con los del problema
físico
Temperatura (parámetro de control)
Energía (función heurística sobre la calidad de la solución f 0 (n))
Función que determina la elección de un estado sucesor (F (∆f 0 , T ),
depende de la temperatura y la diferencia entre la calidad de los
nodos)
A menor temperatura menor probabilidad de elegir sucesores peores
Estrategia de enfriamiento (Determina el número de iteraciones de la
búsqueda, disminución de la temperatura y número de pasos para
cada temperatura)
Algoritmo S i m u l a t e d A n n e a l i n g
P a r t i m o s de una t e m p e r a t u r a i n i c i a l
mientras l a t e m p e r a t u r a no s e a c e r o hacer
/∗ Paseo a l e a t o r i o p o r e l e s p a c i o de s o l u c i o n e s ∗/
para un numero p r e f i j a d o de i t e r a c i o n e s hacer
Enuevo=G e n e r a _ s u c e s o r _ a l _ a z a r ( E a c t u a l )
∆E = f ’ ( E a c t u a l )− f ’ ( Enuevo )
s i ∆E > 0 entonces E a c t u a l=Enuevo
s i no con p r o b a b i l i d a d e ∆E /T E a c t u a l=Enuevo
fpara
Disminuimos l a temperatura
fmientras
fAlgoritmo
Simulated Annealing
n q
X q
E= (xi − xi+1 )2 + (yi − yi+1 )2 + (xN − x1 )2 + (yN − y1 )2
i=1
Algoritmos Genéticos
0
[00 11 10 01]
1
2
3 [0,3,2,1]
[000 101 010 001 100 100] [010 001 100 000 011 101] [000 101 100 000 011 101]
P−Mut
P−Cross
P−Mut
P−Mut
P−Cross
P−Mut
P−Mut
P−Cross
P−Mut
P−Mut
P−Cross
P−Mut