Busca Local
(PARTE 4 – Resolução de problemas por meio de busca)
(C)Russell & Norvig, capítulo 4
1
Roteiro
• Algoritmos de Busca Local
– Subida de encosta (Hill-climbing)
– Têmpera Simulada (Simulated Anealing)
– Feixe Local (Local beam)
– Algoritmos Genéticos
2
Resolução de problemas por meio de busca local
INTRODUÇÃO
3
Algoritmos de Busca Local
• Em muitos problemas de otimização o caminho ao objetivo é irrelevante (a sequência de ações), interessa-nos o estado objetivo = solução
– problemas de otimização
– satisfação de restrições (ex. N-Rainhas – configuração final)
• Espaço de estados = conjunto de configurações “completas” do mundo
– Ex. um arranjo das n-rainhas no tabuleiro
• Nestes casos, podem ser usados algoritmos de busca local
4
Vantagens da Busca Local
Vantagens em relação às buscas cega e informada:
1. usam pouca memória (normalmente, uma quantidade constante de memória) 2. podem encontrar soluções razoáveis/factíveis em espaços de estados grandes ou infinitos (e também contínuos) para os quais algoritmos sistemáticos como os de busca cega e informada não são adequados. 5
Algoritmos de Busca Local
Estratégia:
Manter um só estado (ou poucos) como o “atual" e tentar melhorar o mesmo movimentando-se para estados vizinhos imediatos
Estado corrente
Vizinho escolhido
6
Algoritmos de Busca Local
Função objetivo
elevação
Máximo global
objetivo
planície
Máximo local máx. local em platô
Estado corrente
Espaço de estados localização
7
Algoritmos de Busca Local
Se o objetivo é maximizar temos que encontrar o maior pico, se for minimizar, o vale mais profundo. Completo: se o algoritmo consegue atingir um estado objetivo desde que ele exista.
Ótimo: se consegue encontrar o mínimo/máximo para a função de custo.
8
Solução de problemas por busca
SUBIDA DE ENCOSTA
(HILL CLIMBING)
9
Subida de Encosta (Hill-climbing)
Metáfora: