Busca Informada

===================
-> Nota-se que a busca em grafos pode atingir uma complexidade elevado devido ao
número de alternativas.
-> Sendo assim, é necessário utilizar de alguma informação externa para guiar esse
processo.
-> Escolhe o caminho mais promissor do nó raiz até o nó final.
-> Em cada nível, essa estratégia estimará o quanto um nó é promissor em relação a
um outro nó.
-> Dessa forma, conseguiremos podar alguns nós que não favorecem a busca, isto é,
limitar de alguma forma o espaço de busca.

Exemplo: Uma pessoa que saber qual rota ir para o norte. Podemos ignorar as
rotas que vão ao sul.

-> Estratégias de busca informada utilizam informação heurística sobre o problema

para calcular "estimativas" para os nós no espaço de estados. Essa estimativa
indica o quanto o nó é promissor com relação a atingir a meta.

-> Por exemplo, temos duas funções de avaliação Hill-Climbing e Best-First.

Função de Custo -> o quanto já gastei até o nó atual.

Função de Avaliação -> estimativa do futuro, isto é, do nó atual até o final.

-> Isto é, as FAs adivinham quão perto está um estado do estado meta, enquanto que
as FCs sabem quão longe está um estado do estado inicial.

* Hill Climbing é um algoritmo; porém não é bom.

* Best-first e A*