Capítulo 4

1. Problema: En Rumanía, se quiere llegar de Arad a Bucarest.

Diagrama 1: Distancia en línea recta
Podríamos estimar el coste del camino más barato desde Arad a Bucarest con
la distancia en línea recta desde Arad a Bucarest.

Figura 4.2 Etapas en una búsqueda primero el mejor avara para Bucarest
utilizando la heurística distancia en línea recta hDLR. Etiquetamos lo nodos con
sus h-valores.

Diagrama 2: Búsqueda A*
A la forma más ampliamente conocida de la búsqueda primero el mejor se le
llama búsqueda A* (pronunciada «búsqueda A-estrella»). Evalúa los nodos
combinando g(n), el coste para alcanzar el nodo, y h(n), el coste de ir al nodo
objetivo:
f(n) = g(n) + h(n)
Figura 4.3 Etapas en una búsqueda A* para Bucarest. Etiquetamos lo nodos
con f =g + h. Los valores h son las distancias en línea recta a Bucarest
tomadas de la Figura 4.1.

Diagrama 3: BRPM
La búsqueda recursiva del primero mejor (BRPM) es un algoritmo sencillo
recursivo que intenta imitar la operación de la búsqueda primero el mejor
estándar, pero utilizando sólo un espacio lineal.
Figura 4.6 Etapas en una búsqueda BRPM para la ruta más corta a Bucarest.
Se muestra el valor del f-límite para cada llamada recursiva sobre cada nodo
actual. (a) Se sigue el camino vía Rimnicu Vilcea hasta que la mejor hoja actual
(Pitesti) tenga un valor que es peor que el mejor camino alternativo (Fagaras).
(b) La recursividad se aplica y el mejor valor de las hojas del subárbol olvidado
(417) se le devuelve hacia atrás a Rimnicu Vilcea; entonces se expande
Fagaras, revela un mejor valor de hoja de 450. (c) La recursividad se aplica y el
mejor valor de las hojas del subárbol olvidado (450) se le devuelve hacia atrás
a Fagaras; entonces se expande Rimnicu Vilcea. Esta vez, debido a que el
mejor camino alternativo (por Timisoara) cuesta por lo menos 447, la expansión
sigue por Bucarest.

2. Algoritmos Genéticos
Figura 4.15 Algoritmo genético. La población inicial en (a) es ordenada con la
función idoneidad en (b), y resultan pares para acoplamiento en (c). Ellos
producen los descendientes en (d), que están sujetos a mutación en (e).

3. Problemas de búsqueda en línea (online)

Figura 4.19 (a) Dos espacios de estados que podrían conducir a un agente de
búsqueda online a un callejón sin salida. Cualquier agente fallará en al menos
uno de estos espacios. (b) Un entorno de dos-dimensiones que puede hacer
que un agente de búsqueda online siga una ruta arbitrariamente ineficaz al
objetivo. Ante cualquier opción que tome el agente, el adversario bloquea esa
ruta con otra pared larga y delgada, de modo que el camino seguido sea
mucho más largo que el camino mejor posible.

4. Búsqueda local en línea (online)

Figura 4.21 Un entorno en el cual un camino aleatorio utilizará

exponencialmente muchos pasos para encontrar el objetivo.
Figura 4.22 Cinco iteraciones de AA*TR en un espacio de estados
unidimensional. Cada estado se marca con H(s), la estimación del costo actual
para alcanzar un objetivo, y cada arco se marca con su costo. El estado
sombreado marca la ubicación del agente, y se rodean los valores actualizados
en cada iteración.

Capítulo 9

Figura 9.10 (a) La demostración de que existe un camino de A a C. (b) Un

árbol de demostración infinito generado cuando las cláusulas están en el orden
«equivocado».

Problema: La ley dice que es un crimen para un americano vender armas a

países hostiles. El país de Nono, un enemigo de América, tiene algunos
misiles, y todos sus misiles fueron vendidos por el Coronel West, que es
americano.
Figura 9.11 Una demostración mediante resolución de que West es un
criminal.

Problema: Todo el mundo que ama a todos los animales es amado por alguien.
Cualquiera que mate a un animal no es amado por nadie.
Jack ama a todos los animales.
Jack o Curiosity mataron a la gata, que se llama Tuna.
¿Mató Curiosity a la gata?

Figura 9.12 Una demostración mediante resolución de que Curiosity mató a la

gata. Fíjese en el uso de la factorización en la derivación de la cláusula
Ama(G(Jack), Jack).