Busqueda en profundidad inteligencia artificial
Búsqueda en profundidad
D E FOEl resultado es: A, B, D, C, E, F BFS vs DFS S.NOBFSDFS1.BFS significa Breadth First Search.DFS significa Depth First Search.2.BFS(Breadth First Search) utiliza la estructura de datos Queue para encontrar el camino más corto.DFS(Depth First Search) utiliza la estructura de datos Stack.3 BFS se puede utilizar para encontrar el camino más corto de una sola fuente en un gráfico no ponderado, porque en BFS, llegamos a un vértice con un número mínimo de aristas desde un vértice de origen, mientras que en DFS, podemos atravesar más aristas para llegar a un vértice de destino desde un origen. El BFS es más adecuado para buscar vértices que estén más cerca del origen y el DFS es más adecuado cuando hay soluciones lejos del origen.4 El BFS considera primero a todos los vecinos y, por tanto, no es adecuado para los árboles de decisión utilizados en juegos o rompecabezas. Tomamos una decisión y luego exploramos todos los caminos a través de esta decisión. La complejidad temporal de BFS es O(V + E) cuando se utiliza la lista de adyacencia y O(V^2) cuando se utiliza la matriz de adyacencia, donde V representa los vértices y E las aristas. Aquí, los hermanos son visitados antes que los hijos Aquí, los hijos son visitados antes que los hermanos Por favor, vea también BFS vs DFS para Árbol Binario para las diferencias para un recorrido de Árbol Binario. Mis notas personales
La mejor primera búsqueda en int…
Este curso forma parte de la serie de cursos «Fundamentos de la Inteligencia Artificial I-VI» que cubre una variedad de algoritmos y métodos que son de importancia central en la IA y de gran relevancia práctica.
El curso «Fundamentos de la Inteligencia Artificial II» presenta los algoritmos de búsqueda clave desarrollados en el campo de la inteligencia artificial. El exhaustivo tratamiento teórico de estos algoritmos se complementa con numerosos ejemplos que ilustran los mecanismos de búsqueda y los escenarios de aplicación práctica.
Búsqueda heurística en inteligencia artificial
Artificial Intelligence Stack Exchange es un sitio de preguntas y respuestas para personas interesadas en cuestiones conceptuales sobre la vida y los retos en un mundo en el que las funciones «cognitivas» pueden ser imitadas en un entorno puramente digital. Sólo se necesita un minuto para registrarse.
Soy nuevo en el campo de la inteligencia artificial. En los primeros capítulos, hay un tema llamado «resolución de problemas mediante la búsqueda». Después de buscarlo en Internet, encontré el algoritmo de búsqueda de profundidad primero. El algoritmo es fácil de entender, pero nadie explica por qué se incluye este algoritmo en el estudio de la inteligencia artificial.
En su forma más básica, el DFS es un algoritmo muy general que se aplica a muy diversas categorías de problemas: ordenación topológica, búsqueda de todos los componentes conectados en un grafo, etc. También puede utilizarse para la búsqueda. Por ejemplo, se puede utilizar el DFS para encontrar un camino en un laberinto 2D (aunque no necesariamente el más corto). O se podría utilizar para navegar por espacios de estado más abstractos (por ejemplo, entre la configuración del ajedrez o en las torres de Hanoi). Y aquí es donde surge la conexión con la IA. El DFS puede utilizarse por sí solo para navegar por dichos espacios, o como subrutina básica para algoritmos más complejos. Creo que en el libro Artificial Intelligence: A Modern Approach (que quizás estés leyendo en este momento) introducen DFS y Breadth-First Search de esta manera, como un primer hito antes de llegar a algoritmos más complejos como A*.
El recocido simulado en la int…
Artificial Intelligence Stack Exchange es un sitio de preguntas y respuestas para personas interesadas en cuestiones conceptuales sobre la vida y los retos en un mundo en el que las funciones «cognitivas» pueden ser imitadas en un entorno puramente digital. Sólo se necesita un minuto para registrarse.
Si el factor de ramificación del árbol de búsqueda es finito pero su profundidad es ilimitada, entonces el DFS no es «completo». Lo que significa es que puede no encontrar nunca el nodo meta aunque exista. Estas técnicas se utilizan precisamente cuando se da esta situación.
Se elige explorar el subárbol enraizado en B. Ahora bien, si no hay nodos meta en ese subárbol, pero los nodos meta estaban en el subárbol enraizado en C, entonces estamos atascados. Como seguiremos buscando allí porque no sabemos de antemano que no hay nodos objetivo allí, el siguiente nodo que exploremos podría ser siempre un nodo objetivo. Pero esto significa esencialmente que nunca terminaremos de buscar el subárbol enraizado en B en un tiempo finito, y nunca retrocederemos para explorar el subárbol enraizado en C.
Cuando el factor de ramificación es alto, ambos algoritmos tienen costes computacionales similares O(B^P) (donde P es la longitud de la ruta de solución y B el factor de ramificación) pero IDS requiere menos memoria (normalmente O(P), mientras que BFS utiliza O(B^P)).
