https://github.com/gitfrandu4/graphsearchalgorithms

Práctica 1 de FSI - Implementación de algorimos de búsqueda en grafos (Python)
https://github.com/gitfrandu4/graphsearchalgorithms

grafos ia python

Last synced: 6 days ago
JSON representation

Práctica 1 de FSI - Implementación de algorimos de búsqueda en grafos (Python)

• Host: GitHub
• URL: https://github.com/gitfrandu4/graphsearchalgorithms
• Owner: gitfrandu4
• Created: 2020-03-10T23:53:35.000Z (almost 5 years ago)
• Default Branch: master
• Last Pushed: 2020-03-27T03:04:17.000Z (almost 5 years ago)
• Last Synced: 2023-12-09T19:42:39.137Z (about 1 year ago)
• Topics: grafos, ia, python
• Language: Python
• Homepage:
• Size: 157 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# GraphSearchAlgorithms

Práctica 1 de Fundamentos de los Sistemas Inteligentes



## Práctica 1 - Primera parte

#### Tareas

* A partir del código base se implementa el método de búsqueda **Ramificación y Acotación** (_Branch-and-Bound Search_). Utilizando como problema el grafo de las ciudades de Rumanía presente en el código. 

* Comparación de nodos expandidos por este método en comparación a los métodos de búsqueda **Primero en Anchura** (_Breadth-first Search_) y **Primero en profundidad** (_Depth-first Search_):

  ```

  --------------------Primera parte--------------------

  

  Nodos expandidos: 21

  Breadth-first Search: [, , , ] : 211 + 99 + 140 = 450

  

  Nodos expandidos: 18

  Depth-first Search: [, , , , , , , ] : 101+138+120+75+70+111+118=733

  

  Nodos expandidos: 31

  Branch-and-Bound Search: [, , , , ] : 101 + 97 + 80 + 140 = 418

  ```

## Práctica 1 - Segunda parte

### Ramificación y Acotación con Subestimación

La estrategia de búsqueda **Ramificación y Acotación con Subestimación** pertenece a las estrategias de **búsqueda informada**. En este caso, además de utilizar el coste acumulado de un camino desde el estado inicial hasta un cierto estado del grafo, se utiliza una **estimación heurística** hasta el estado final para ordenar la lista abierta. De esta forma, dado un determinado nodo _n_ del árbol del búsqueda, la expresión de coste estimado _f(n)_ será:

![Eqn1](https://github.com/gitfrandu4/GraphSearchAlgorithms/blob/master/img/Eqn2.png)

Donde _g(n)_ representa el coste acumulado y _h(n)_ la heurística utilizada. Para que el camino encontrado sea **óptimo**, la heurística debe ser **consistente**. Es decir, ha de cumplir que para cada nodo _n_ y cada nodo hijo _n’_ alcanzado mediante la acción _a_, el valor heurístico _h(n)_ debe ser siempre menor o igual al valor heurístico _h(n’)_ más el coste del nodo _n_ al _n’_ mediante la acción _a_.

![Eqn1](https://github.com/gitfrandu4/GraphSearchAlgorithms/blob/master/img/Eqn1.png)

#### Tareas

* A partir del código base se implementa el método de búsqueda **Ramificación y Acotación con Subestimación**.

  Como heurística se utilizará la distancia en línea recta entre cada estado y el estado final. 

* Comparación de la cantidad de nodos expandidos por este método con relación al método ramificación y acotación:

  ```

  --------------------Segunda parte--------------------

  Ejemplo 1: Desde Oradea hasta Bucharest

  Nodos expandidos: 27

  Branch-and-Bound Search: [, , , , ]

  Nodos expandidos: 17

  B&Bound-with-Und Search: [, , , , ]

  -----------------------------------------------------

  Ejemplo 2: Desde Timisoara hasta Neamt

  Nodos expandidos: 46

  Branch-and-Bound Search: [, , , , , , , , , ]

  Nodos expandidos: 43

  B&Bound-with-Und Search: [, , , , , , , , , ]

  -----------------------------------------------------

  Ejemplo 3: Desde Urziceni hasta Eforie

  Nodos expandidos: 13

  Branch-and-Bound Search: [, , ]

  Nodos expandidos: 6

  B&Bound-with-Und Search: [, , ]

  ```