FUNCIONES HEURÍSTICAS

TEMA 4: FUNCIONES HEURÍSTICAS

Semana 19 al 23 de Octubre 2015

                   INTRODUCCIÓN

Las funciones heurísticas disponen de información previa para de esta manera llegar a su objetivo, teniendo así una visión más clara  del camino que vallan a recorrer. Pero no obstante no nos garantizan de encontrar una solución aunque estas existan y caso contrario si estas llegasen a encontrarlas no siempre serán las más óptimas. El problema de 8-puzle fue uno de los primeros problemas de búsqueda heurística.

A media que vallamos avanzando, tendremos una idea más clara de lo que son las funciones heurísticas.

MARCO TEÓRICO

3.1. ¿QUÉ ES UNA FUNCIÓN HEURÍSTICA?

Una Función Heurística es denota con h(n): Que es la estimación del coste real del camino más barato  coste que lleva de n a un nodo objetivo.

Para la búsqueda A* la función es: f(n) = g(n)+h(n): esta es la estimación del costo real del camino de mínimo coste que lleva del estado inicial a un nodo objetivo pasando por n.

3.2. EL EFECTO DE LA PRECISIÓN HEURÍSTICA EN EL RENDIMIENTO

Cuando se quiere conocer si la función heurística es la conveniente se evalúa el rendimiento por medio del factor de ramificación eficaz.

En ocasiones este puede variar pero sin embargo cuando los problemas son muy complejos suele ser constante, en sí siempre va a depender del problema y son aplicados en problemas más complejos.

Es así que las medida experimentales de b* sobre un pequeño conjunto de problemas proporcionan una buena guía para la utilidad de la heurística.

3.3. INVENTAR FUNCIONES HEURÍSTICAS ADMISIBLES

 Cuando en un problema se da el caso en el que este no cuenta con muchas restricciones en las acciones se lo denomina con un problema relajado.

Para que un problema sea relajado el costo para la función óptima es una heurística admisible para el problema original.

3.4. APRENDIZAJE DE HEURÍSTICAS DESDE LA EXPERIENCIA

La función heurística estima el costo para poder llegar a una solución que comienza desde el nodo n, a través de las experiencias estas pueden aprender debido a que las soluciones óptimas plantean ejemplos para de esta manera aprender de la función heurística la misma que es denotada como h(n).

Un aprendizaje inductivo es caracterizado por evaluar el coste de la solución para los estados que se puedan presentar en la búsqueda de una solución.

En este método aparte de requerir la una descripción de los estados para que estos trabajen de forma ágil deben ser capaz de proporcionar características.

Un ejemplo en el que nos ayuda a entender de mejor manera acerca de este método sería un agente que se encuentra perdido en un callejón el mismo que tiene 4 caminos, por ende la descripciones serían los 4 caminos pero sin embargo no le es de mucha ayuda ya que si contara con las caracterices de cada uno de ellos fueran más óptimo para determinar el mejor camino objetivo.

Podemos encontrar diferentes búsquedas pero la búsqueda informada es la más eficaz  puesto que se cuenta con información previa del problema a resolver.

CONCLUSIONES

Las búsquedas informadas tienen gran importancia puesto que previamente poseen información que les ayudan a informarse del objetivo, permitiéndoles así encontrar con mayor eficiencia  el objetivo es decir estas son las más optimas , no obstante para que la búsqueda que estimen sea la más adecuada, deben emplear funciones conformes a su tipo de búsqueda y problema , las misma que son consideradas como las funciones heurísticas.

Las heurísticas vienen siendo empleadas desde el principio de la inteligencia artificial en la cuales son empleadas para resolver problemas que cuenten con información previa, las formas de aprender de las funciones heurísticas es cuando se evalúa el coste estimado del nodo inicio hasta el nodo objetivo.

BIBLIOGRAFÍA

González, P y Lorés, J. 2006. Evaluación Heurística. (En línea). Consultado de Oct. 2015. Formato PDF. Disponible en: http://aipo.es/libro/pdf/15-Evaluacion-Heuristica.pdf

 Vasiran, M. 2011. Búsqueda Heurísticas. (En Línea).Consultado  de Oct .2015.Formato PDF.Disponible en http://www.ia.urjc.es

 Malagón, S.2010. Búsqueda Heurísticas.(En Línea).Consultado de Oct.2015.Formato PDF.Disponible en:http://www.nebrija.es/ busqueda_heuristica.pdf

Russell, S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. Segunda Edición. Pearson Education. España