estratégias de busca com informação e exploração

Estratégias de Busca com informação e exploração

Prof. Pedro Luiz Santos Serra

Prof. Pedro L. S. Serra 2

Introdução

Utiliza o conhecimento específico do problema; Pode encontrar soluções mais eficientes que uma

estratégia sem informações; Busca pela melhor escolha (Best-First): É uma

especialização do algoritmo BUSCA-EM-ÁRVORE, onde: Um nó é selecionado com base em uma função de avaliação

f(n). Tradicionalmente o nó com avaliação mais baixa (menor

distância até o objetivo) é selecionado para expansão. Pode ser implementada segundo uma estrutura geral de busca

por meio de uma fila de prioridades.


Introdução Existe uma família inteira de algoritmos BUSCA-PELA-

MELHOR-ESCOLHA com funções de avaliação diferentes.

Um componente fundamental desses algoritmos é uma função heurística, denotada por h(n).

h(n) = custo estimado do caminho mais econômico do nó n até um nó objetivo

As funções heurísticas são a forma mais comum de aplicar conhecimento adicional do problema ao algoritmo de busca.


Busca gulosa pela melhor escolha

Tenta expandir o nó mais próximo à meta, na suposição de que isso provavelmente levará a uma solução rápida.

Avalia nós usando apenas a função heurística: f(n)=h(n) Exemplo: Localização de rotas na Romênia:

Emprega-se a heurística de distância em linha reta: hDLR. Trata-se da distância em linha reta da cidade (ou nó) analisado até a

cidade (ou nó) objetivo. Os valores de hDLR devem ser tabelados e devem passar a compor um

dos campos de cada nó.



É semelhante a busca em profundidade: Segue um único caminho até o objetivo; Voltará se encontrar um nó sem expansões (ou beco sem

saída); Não é ótima; É incompleta : pode entrar em um caminho infinito e nunca

retornar para experimentar outras possibilidades). Complexidade de tempo e espaço é O(bm), onde m é a

profundidade máxima do espaço de busca. Com uma boa função heurística, a complexidade da

busca gulosa pela melhor escolha pode ter uma redução substancial.


Busca A*

É a forma mais conhecida de busca pela melhor escolha;

Avalia nós combinando: g(n) custo para alcançar cada nó h(n) custo para ir do nó até o objetivo

f(n) = g(n) + h(n)

f(n) custo estimado da solução de custo mais baixo passando por n. Estratégia encontrar a solução de custo mais baixo:

Experimentar primeiro o nó com menor valor de g(n) + h(n) Tal estratégia poderá resultar em um algoritmo ótimo e

completo, desde que satisfeita certas condições.


Busca A*

Será ótima se for usada com BUSCA-EM-ÁRVORE e se h(n) for uma heurística admissível.

Heurística admissível: trata-se de uma função heurística que nunca superestime o custo para alcançar o objetivo. São otimistas por natureza; Imaginam que o custo da resolução do problema seja menor do

que ele é na realidade; Como g(n) é o custo exato para se alcançar n f(n) nunca irá

superestimar o custo verdadeiro de uma solução passando por n.

Exemplo: Distância de linha reta: hDLR. O caminho mais curto entre dois pontos é uma linha reta, logo, não poderá ser superestimadora.


Busca A*


Atividade•Problemas de locomoção entre cidades podem ser resolvidos por meio de técnicas de busca.Utilizando as técnicas de busca pela melhor escolha – gulosa e A*•Encontrar o caminho para se locomover do estado A até o estado B.•Avaliar o custo do caminho considerando os seguintes itens:

inúmero de estados visitadosidistancia entre os estadositempo de deslocamento entre estados (considerar 1h para percorrer cada 100 km)


Atividade

DISTANCIAS ENTRE CADA PONTO E O OBJETIVO (EM KM)

A 660 5 410

1 520 6 380

2 510 7 210

3 550 8 220

4 390 9 240

A

3

1

2 5

6 4

8 7

9

B

290

310 270 260 170

190

160

290 320

270

290

220

270

290

250 310

240

270

210

estratégias de busca com informação e exploração

Documents