Algoritmos de Busca Heur

1
Algoritmos de Busca Heurísticos
2
Sumario

• Heurísticos
• Best-first
• Greedy best-first
• A
• Algoritmos de Busca local
• Hill-climbing
• Metaheuristicos
• Simulated annealing
• Algoritmos Geneticos

3
Best-first

• Idéia usar uma função de avaliação f(n) para
  cada nodo
• Estimar se ele é promissor
• Expandir o mais desejável
• Casos Especiais
• greedy best-first
• A

4
Romania
5
Greedy best-first (guloso)

• Função de avaliação f(n) h(n) (heurística)
• estima o custo de n ao objetivo
• hSLD(n) linha reta desde n a Bucharest
• O Algoritmo Greedy best-first expande o nodo
  que parece mais perto do objetivo

6
Greedy best-first
7
Greedy best-first search example
8
Greedy best-first search example
9
Greedy best-first search example
10
Propriedades do Algoritmo greedy

• Completo? Não
• Tempo? O(bm), uma boa heurística pode melhorar
  ele muito
• Espaço? O(bm) mantém todos os nodos em memória
• Ótimo? Não

11
A

• Idéia evitar a expansão de caminhos que estão
  muito custosos
• Função de Avaliação f(n) g(n) h(n)
• g(n) custo de atingir n
• h(n) custo estimado de n ao objetivo
• f(n) custo total estimado de caminho através de
  n ao objetivo

12
A
13
A
14
A
15
A
16
A
17
A
18
Heurística Admissível

• Uma heurística h(n) é admissível se para cada
  nodo n,
• h(n) h(n), donde h(n) é o custo real de
  atingir o estado objetivo desde n.
• Uma heurística admissível nunca sobreestima o
  custo de atingir o objetivo, ela é otimista
• Exemplo hSLD(n) (nunca sobreestima a distancia
  da rodovia)
• Teorema Se h(n) é admissível, A é ótima

19
Propriedades de A

• Completa? Sim (ao menos que existam infinitos
  nodos com f f(G) )
• Tempo? Exponencial
• Espaço? Mantém todos os nodos em memória
• Ótima? Sim

20
Algoritmos de Busca Local

• Em muitos problemas de otimização , o caminho até
  o objetivo é irrelevante o objetivo é a solução
• Espaço de Estados conjunto de configurações
  completas
• Encontrar a configuração que satisfaz as
  restrições, exemplo as n- rainhas
• Em tais casos, podem ser usados algoritmos de
  busca local
• Manter um estado atual,tentar melhorar ele

21
Exemplo n-rainhas

• Coloque as n rainhas em um tabuleiro de n n,
  as rainhas não podem estar na mesma coluna, linha
  ou diagonal

22
Hill-climbing

• Igual que escalar o Everest "

23
Hill-climbing

• Problema dependendo do estado inicial, pode
  ficar em máximos locais

24
Busca Local

• Manter k estados como alternativa a um
• Comece gerando k estados aleatoriamente
• A cada iteração, todos os sucessores de todos os
  k estados devem ser gerados
• Se qualquer um deles for o objetivo, pare caso
  contrario selecione k melhores sucessores da
  lista completa e repita

25

• Algoritmos Genéticos