PDF de programación - Algoritmo Hill Climbing

Imágen de pdf Algoritmo Hill Climbing

Algoritmo Hill Climbinggráfica de visualizaciones

Publicado el 11 de Julio del 2018
149 visualizaciones desde el 11 de Julio del 2018. Una media de 14 por semana
243,1 KB
10 paginas
Creado hace 13a (03/11/2005)
Ingeniería en Sistemas Computacionales

Inteligencia Artificial

Ing. Bruno López Takeyas



Algoritmo Hill Climbing

Alumnos

Ylliana Samantha Anderson Benavides 01100161
Pablo Saúl Hernández Ribota 01100230
Andrea Ramírez Saavedra 01100288
Karla Rocío Reyes Chavez 01100290
Efraín Velásquez Flores 01100320



Octubre de 2005

ALGORITMO HILL CLIMBING (ASCENSO DE

COLINA)



Similares a los algoritmos genéticos, aunque más sistemáticos y menos aleatorios.

Hill climbing es una técnica que permite solo ir mejorando la solución por que
aplica un mecanismo de restar o multistart tratando de mejorar la solución.

En cada iteración, un nuevo punto es seleccionado de la vecindad del punto
actual.

Un algoritmo de ascenso a colina comienza con una solución al problema a mano,
normalmente elegida al azar.

Es una técnica que permite solo ir mejorando una solución. Luego, la cadena se
muta, y si la mutación proporciona una solución con mayor aptitud que la
solución anterior, se conserva la nueva solución; en caso contrario, se conserva la
solución actual.

Si el nuevo punto es mejor, se transforma en el punto actual, sino otro punto
vecino es seleccionado y evaluado

El método termina cuando no hay mejoras, o cuando alcanza un número
predefinido de iteraciones.

Luego el algoritmo se repite hasta que no se pueda encontrar una mutación,
cuando no hay mejoras o cuando se alcanza un número predefinido de iteraciones
y esta solución se devuelve como resultado.

El algoritmo de ascenso de colina es lo que se conoce como algoritmo voraz.

Lo que significa que siempre hace la mejor elección disponible en cada paso, con
la esperanza de que de esta manera se puede obtener el mejor resultado global.
En contraste, los métodos como los algoritmos genéticos y el recocido simulado,
discutido abajo, no son voraces; a veces, estos métodos hacen elecciones menos
óptimas al principio con la esperanza de que conducirán hacia una solución mejor
más adelante.


Los algoritmos de ascenso a colina son tipicamente locales

Ya que deciden que hacer, mirando unicamente a las consecuencias inmediatas

Este algoritmo toma muchas formas diferentes.

Es según el número de dimensiones del problema solución, el valor de incremento
y en la dirección en la cual se tiene que dar.

Hill-climbing es una estrategia basada en optimización local.

Sigue la dirección de ascenso/descenso más empinada a partir de su posición y
requiere muy poco costo computacional.

Se llama también una estrategia irrevocable porque no permite regresarnos a otra
alternativa.

Es útil si se tiene una función heurística muy buena o cuando los operadores de
transición entre estados tienen cierta independencia (conmutativa), que implica
que la operación de un operador no altera la futura aplicación de otro.

Se puede realizar la búsqueda de dos maneras diferentes:

Escala Simple.-
-Se dirige a un estado mejor que el actual
-Función heurística de proximidad
-No se almacenan los estados anteriores
-Es un método local, sus movimientos están determinados por ser mejor al
anterior.

Escala por máxima pendiente
-Busca no solamente un estado mejor que el actual, si no el mejor de todos los
estados posible, es una máxima pendiente.

Algunas ocasiones no se encuentran la solución y se pueden presentar 3 tipos de
problemas:


mejor que otros que están algo más alejados.

Un máximo local: Es un estado mejor que sus vecinos, pero aun así no es el

anterior y explorar en una dirección diferente.

Una meseta: Es un espacio de búsqueda en el que todo un conjunto de

La solución es aplicar dos o mas reglas, antes de realizar una prueba del

estado. Se tiene que mover en varias direcciones a la vez.

Un risco: Es parecido al máximo local, imposible de atravesar con

La solución es dar un salto grande en alguna dirección (al azar) y tratar de
encontrar una nueva sección de estados.

La solución cuando se presenta este tipo de problemas es regresar a un
estado


estados vecinos tienen el mismo valor.




movimientos simples.

nuevo



Reduce el numero de nodos a analizar


Ventaja:

Desventaja:

El Hill Climbing, tiene las siguientes características:


Informado.- Utiliza información del estado por elegir un nodo u otro

No exhaustivo.- No explora todo el espacio de estados. Solo encuentra una
solución.

Encuentra buenas soluciones.- Encuentra muy buenas soluciones, aunque muchas
veces no es la mejor, puesto que no explora todos los estados.

Es eficiente.- Debido a que evita la exploración de una parte del espacio de
estados.



Puede ser que encuentre una solución, pero no es la más óptima.



CODIGO ALGORITMO


Escalada simple (hill climbing)

evaluar el estado INICIAL
si es un estado objetivo entonces devolverlo y parar
si no ACTUAL := INICIAL
mientras haya operadores aplicables a ACTUAL y no se haya encontrado solución
seleccionar un operador no aplicado todavía a ACTUAL
aplicar operador y generar NUEVOESTADO
evaluar NUEVOESTADO
si es un estado objetivo entonces devolverlo y parar
si no
si NUEVOESTADO es mejor que ACTUAL
entonces ACTUAL := NUEVOESTADO
fin si
fin si
fin mientras
fin si



Escalada por Máxima Pendiente


EstadoActual= Estadoinicial
final = falso
Mientras ¬final
Hijos= generarsucesores(EstadoActual)
si ¬vacio (Hijos) entonces
Hijos=Ordenarhijos(EstadoActual)
si son iguales entonces
si hijos (1) > EstadoActual entonces
EstadoActual=Hijo(1)
si no
EstadoActual=Random()
fin si
si no
Hijos=Eliminar_peoreshijos(Hijos,Estado Actual).
EstadoActual=Seleccionar_mejorhijo(Hijos)
fin si
si no
Final=Verdadero
fin si
fin mientras
Solucion=EstadoActual



EJERCICIOS

ARBOL

A- (A3, -) (B4, A1) (F5,B2) (K6, F3) (P7,K4) (R8, P5)

C- (A3, -), (B4, A1), (F5,B2) (K6, F3) (P7,K4) (R8, P5)

S- (B4, A1) (F5,B2) (K6, F3) (P7,K4) (R8, P5)

DIAGRAMA GENERAL DEL HILL CLIMBING



APLICACIONES

El Generador de Rutas
La distribución (o topología) de las áreas del edificio y sus interconexiones se
pueden representar fácilmente con un grafo no dirigido. En este grafo cada nodo
representa un área y cada arco representa una vía que conecta a dos áreas.
Tomando esta representación, el problema de determinar una ruta segura para
evacuar a la gente del edificio, se reduce al conocido problema de recorrer un
grafo.

Existen varias técnicas de búsqueda en un grafo. Estas difieren entre sí por la
manera en que recorren el grafo buscando una buena solución al problema. La
técnicas de búsqueda pueden ser de inteligencia artificial, de programación entera
o métodos de investigación de operaciones. Algunos de ellos, los métodos de
investigación de operaciones y de programación entera, pueden encontrar la
mejor ruta, en cambio las técnicas de inteligencia artificial encuentran una buena
ruta, sin ser probablemente la mejor de todas las posibles

Sin embargo, la cantidad de información que se necesitaría procesar en el caso de
un edificio es enorme. Es tan significativa la cantidad de información, que es más
factible utilizar técnicas de inteligencia artificial, ya que es probablemente más
r†Bido, comparado con una búsqueda exhaustiva entre todas las posibilidades
para encontrar la mejor solución.

Las técnicas de búsqueda de inteligencia artificial se dividen en Depth-first y
Breadth-first (profundidad primero y anchura primero respectivamente). El
método conocido como Hill-Climbing, que es de tipo Depth-first, es el que se
escogió para el sistema de toma de decisiones en caso de emergencia para
encontrar las rutas de evacuación. No hay una razón especial por la que se optó
por éste método. Simplemente, analizando el algoritmo presentado en [STER86]
para el método Hill-Climbing, éste no presentó problema alguno para nuestro
caso.


Demos
http://www.dma.fi.upm.es/mabellanas/tfcs/visibilidad/ejecuta1.html
http://www.coolbuddy.com/games/8queens/default.htm (juego)
http://www.lacerta.be/hill.php (dar click en launch aplication)
http://www-poleia.lip6.fr/~drogoul/projects/eco/npuzzle.html
http://www.dc.fi.udc.es/lidia/mariano/demos/Tools%20for%20Learning/hill.html


BIBLIOGRAFIA
http://html.rincondelvago.com/algoritmos-geneticos.html
http://www.fdi.ucm.es/profesor/evah/IAIC/transparencias/Tema2(a4).pdf
www.itnuevolaredo.edu.mx\takeyas
  • Links de descarga
http://lwp-l.com/pdf12473  

Comentarios de: Algoritmo Hill Climbing (0)


No hay comentarios
 

Comentar...

Nombre
Correo (no se visualiza en la web)
Valoración
Comentarios
Es necesario revisar y aceptar las políticas de privacidad

Revisar política de publicidad