Introduccin
Bsqueda Local
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
1 / 33
Bsqueda Local
Introduccin
Bsqueda Local
La funcin heurstica:
Aproxima la calidad de una solucin (no representa un coste)
Hemos de optimizarla (maximizarla o minimizarla)
Combinar los elementos del problema y sus restricciones
(posiblemente con diferentes pesos)
No hay ninguna restriccin sobre como ha de ser la funcin, solo ha de
representar las relaciones de calidad entre las soluciones
Puede tomar valores positivos o negativos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
2 / 33
Bsqueda Local
Introduccin
Funcion Objetivo
Bsqueda Local
Solucion actual
Espacio de Soluciones
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
3 / 33
Bsqueda Local
Introduccin
Bsqueda Local
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
4 / 33
Bsqueda Local
Hill Climbing
Escalada simple
Se busca cualquier operacin que suponga una mejora respecto al padre
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
5 / 33
Bsqueda Local
Hill Climbing
Hill Climbing
Algoritmo: Hill Climbing
Actual Estado_inicial
fin falso
mientras no fin hacer
Hijos generar_sucesores(Actual)
Hijos ordenar_y_eliminar_peores(Hijos, Actual)
si no vacio?(Hijos) entonces
Actual Escoger_mejor(Hijos)
sino
fin cierto
fin
fin
Slo se consideran los descendientes cuya funcin de estimacin es mejor que
la del padre (poda del espacio de bsqueda)
Se puede usar una pila y guardar los hijos mejores que el padre para hacer
backtracking, pero por lo general es prohibitivo
Es posible que el algoritmo no encuentre una solucin aunque la haya
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
6 / 33
Bsqueda Local
Hill Climbing
Hill climbing
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
7 / 33
Bsqueda Local
Hill Climbing
Hill climbing
Posibles soluciones
Reiniciar la bsqueda en otro punto buscando mejorar la solucin
actual (Random Restarting Hill Climbing)
Hacer backtracking a un nodo anterior y seguir el proceso en otra
direccin (solo posible limitando la memoria para hacer el backtracking,
Beam Search)
Aplicar dos o ms operaciones antes de decidir el camino
Hacer HC en paralelo (p.ej. Dividir el espacio de bsqueda en regiones
y explorar las ms prometedoras, posiblemente compartiendo
informacin)
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
8 / 33
Bsqueda Local
Hill Climbing
BY:
$
Dake
Valori o max
Inteligencia Artificial
P Valori
i Pesoi
Curso 2011/2012
9 / 33
Bsqueda Local
Hill Climbing
8/5Kg
8/5Kg
h(n)=7
7/6Kg
12/10Kg
6/4Kg
7/6Kg
16Kg
2/1Kg
h(n)=12
Sol Inicial
3/1Kg
12/10Kg
...
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
10 / 33
Bsqueda Local
Hill Climbing
12/10Kg
8/5Kg
h(n)=19
7/6Kg
7/6Kg
12/10Kg
12/10Kg
6/4Kg
12/10Kg
2/1Kg
3/1Kg
h(n)=18
6/4Kg
12/10Kg
...
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
11 / 33
Bsqueda Local
Hill Climbing
12/10Kg
2/1Kg
3/1Kg
8/5Kg
ptimo
12/10Kg
h(n)=23
8/5Kg
3/1Kg
6/4Kg
8/5Kg
2/1Kg
8/5Kg
7/6Kg
12/10Kg
6/4Kg
h(n)=22
3/1Kg
8/5Kg
Sol Final
12/10Kg
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
12 / 33
Bsqueda Local
Otros Algoritmos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
13 / 33
Bsqueda Local
Simulated Annealing
Simulated Annealing
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
14 / 33
Bsqueda Local
Simulated Annealing
Simulated Annealing
c b e a (LSI-FIB-UPC)
BY:
$
DoITPoMS, University of Cambridge
Inteligencia Artificial
Curso 2011/2012
15 / 33
Bsqueda Local
Simulated Annealing
Debemos identificar los elementos del problema con los del problema
fsico
Temperatura, parmetro de control
Energa, calidad de la solucin f (n)
Funcin de aceptacin, permite decidir si escoger un nodo sucesor
F(f , T ), funcin de la temperatura y la diferencia de calidad entre la
solucin actual y la solucin candidata
A menor temperatura menor probabilidad de elegir sucesores peores
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
16 / 33
Bsqueda Local
Simulated Annealing
Inteligencia Artificial
Curso 2011/2012
17 / 33
Bsqueda Local
Simulated Annealing
Simulated Annealing
Hill Climbing
Funcin Objetivo
Simulated Annealing
Espacio de Soluciones
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
18 / 33
Bsqueda Local
Simulated Annealing
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
19 / 33
Bsqueda Local
Simulated Annealing
E=
n q
X
(xi xi+1
)2
+ (yi yi+1
)2
(xN x1 )2 + (yN y1 )2
i=1
Inteligencia Artificial
Curso 2011/2012
20 / 33
Bsqueda Local
Simulated Annealing
h(n)=100
2
Swap(2,3)
h(n)=120
Swap(5,3)
It1
OK
h(n)=105
It2
KO
5
4
OK
Swap(4,3)
Solucin
Swap(2,3)
It3
5
It4
OK
h(n)=90
h(n)=98
KOSwap(2,5)
2
KO Swap(3,3)
1
2
It5
3
5
4
h(n)=99
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
It6
h(n)=101
Curso 2011/2012
21 / 33
Bsqueda Local
Algoritmos Genticos
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
22 / 33
Bsqueda Local
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
23 / 33
Bsqueda Local
Algoritmos Genticos
[00 11 10 01]
1
2
[0,3,2,1]
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
24 / 33
Bsqueda Local
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
25 / 33
Bsqueda Local
Algoritmos Genticos
Operadores de mutacin:
Por analoga con la combinacin de genes, a veces la informacin de
parte de ellos cambia aleatoriamente
El operador bsico de mutacin consiste en cambiar el signo de un bit
con cierta probabilidad
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
26 / 33
Bsqueda Local
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
27 / 33
Bsqueda Local
Algoritmos Genticos
3
4
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
28 / 33
Bsqueda Local
Algoritmos Genticos
Generacion i
c b e a (LSI-FIB-UPC)
Generacio i
intermedia
Cruce
Inteligencia Artificial
Mutacion
Generacion i+1
Curso 2011/2012
29 / 33
Bsqueda Local
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
30 / 33
Bsqueda Local
Algoritmos Genticos
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
31 / 33
Bsqueda Local
Algoritmos Genticos
Mutacion(1)
4
Crossover(2,3)(2)
6
4
8
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
32 / 33
Bsqueda Local
Algoritmos Genticos
4
2
4
Crossover(3,1)(3)
2
Mutacion(2)
4
4
c b e a (LSI-FIB-UPC)
Inteligencia Artificial
Curso 2011/2012
33 / 33