Comparación de Estrategias de Búsqueda no Informada y Heurística en la Resolución de Problemas de Optimización de Rutas: Un Estudio Experimental.
Comparison of Uninformed and Heuristic Search Strategies in Solving Route Optimization Problems: An Experimental Study
Palabras clave:
Búsqueda no Informada, Heurística, Resolución de ProblemasResumen
En este estudio se exploran y comparan diferentes estrategias de búsqueda, tanto no informadas como heurísticas, en la resolución de problemas de optimización de rutas. Se evaluaron los algoritmos de Búsqueda en Anchura (BFS), Búsqueda en Profundidad (DFS) y el algoritmo A* con heurísticas de distancia Manhattan y Euclídea. Los experimentos se realizaron en un entorno de simulación que emula mapas (laberintos) de diferentes tamaños y complejidades. Los resultados obtenidos muestran que el algoritmo A*, con ambas heurísticas de distancia Manhattan y Euclídea, fue el óptimo en términos de costo de la solución, superando a BFS y DFS en la mayoría de los escenarios. El algoritmo BFS demostró encontrar la ruta más corta (longitud menor), independientemente del coste de la solución, pero a costa de un mayor tiempo de búsqueda y consumo de memoria. El algoritmo DFS, aunque rápido en encontrar una solución minimizando el gasto computacional, frecuentemente resultó en rutas no óptimas, independientemente del coste de los movimientos dentro del mapa, y no garantizó la optimalidad de la solución. En resumen, el algoritmo A* con heurísticas admisibles se destaca como la mejor opción para la resolución de problemas de optimización de rutas, ofreciendo un equilibrio óptimo entre eficiencia y costo de la solución.
Citas
Ghallab, M., Nau, D., & Traverso, P. (2004). Automated planning: Theory and practice. Morgan Kaufmann.
Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems Science and Cybernetics, 4(2), 100-107. https://doi.org/10.1109/TSSC.1968.300136
Korf, R. E. (1985). Depth-first iterative-deepening: An optimal admissible tree search. Artificial Intelligence, 27(1), 97-109. https://doi.org/10.1016/0004-3702(85)90084-0.
Nilsson, N. J. (1980). Principles of Artificial Intelligence. Morgan Kaufmann.
Pearl, J. (1984). Heuristics: Intelligent search strategies for computer problem solving. Addison-Wesley.
Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Ing. Harold Ordaz Valdes, MSc. Luisa María Toyo Sánchez, MSc. Manuel Eduardo Millán Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.