“AÑO DEL DIALOGO Y LA RECONCILIACION NACIONAL”
UNIVERSIDAD NACIONAL DE LA AMAZONIA PERUANA
FACULTAD DE INGENIERIA DE SISTEMAS E INFORMÁTICA
TEMA: METABOLISTICA Y HEURÍSTICA
Integrantes :
JOSE VENANCINO HOYOS.
MHEMET ERDA BAZALAR
NILVER DAHUA RIOS
Docente : Ing. ALAN GARCIA PANDURO
Curso : Inteligencia Artificial
Ciclo : VIII
FECHA DE ENTREGA : 03/06/2019
AÑO : 2019
IQUITOS – PERÚ
1. Qué es Heurística:
La palabra heurística es de origen griego εὑρίσκειν que significa “hallar,
inventar”. La heurística es vista como el arte de inventar por parte de los seres
humanos, con la intención de procurar estrategias, métodos, criterios, que
permitan resolver problemas a través de la creatividad, pensamiento divergente
o lateral.
También, se afirma que la heurística se basa en la experiencia propia del
individuo, y en la de otros para encontrar la solución más viable al problema.
Por ejemplo, la heurística puede ser vista como una teoría que estimula el
pensamiento del individuo encargado de analizar todos los materiales
recopilados durante una investigación.
En este sentido, se puede afirmar que se relaciona con la toma de decisiones a
fin de solucionar un problema, sin asegurar que la opción tomada sea la más
idónea.
Ahora bien, la heurística como disciplina científica, y en su sentido más amplio
puede ser aplicada a cualquier ciencia con la finalidad de elaborar medios,
principios, reglas o estrategias como ayuda para lograr encontrar la solución más
eficaz y eficiente al problema que analiza el individuo.
La heurística fue un término utilizado por Albert Einstein en la publicación sobre el efecto
fotoeléctrico, en el artículo que lleva por título, traducido al español, “Sobre un punto de
vista heurístico concerniente a la producción y transformación de la luz”, cuya
publicación le otorgó un premio Nobel de la Física, en el año 1921.
2. Procedimientos Heurísticos:
Existen varios procedimientos heurísticos que se dividen en:
Principios heurísticos, son los que establecen sugerencias para encontrar
la solución idónea al problema.
Reglas heurísticas, son las que señalan los medios para resolver el
problema.
Estrategias heurísticas, son aquellas que permiten organizar los materiales
o recursos compilados que contribuyen a la búsqueda de la solución del
problema.
3. Método heurístico
Es el conjunto de reglas y técnicas que se emplean con el fin de encontrar y
solucionar un problema en aquellos casos que es difícil hallar una solución
óptima o satisfactoria.
Por tal razón, en las disciplinas científicas se suele emplear el método
heurístico a fin de alcanzar el mejor resultado ante un problema en específico.
La heurística existe desde la antigua Grecia, sin embargo, este término lo
popularizó el matemático George Pólya, en su libro “Cómo resolverlo”, en el
cual explica el método heurístico a sus alumnos de matemáticas, y a todos
aquellos que desearan aprender de la disciplina, citando cuatro ejemplos:
Si no consigues entender un problema, dibuja un esquema.
Si no encuentras la solución, haz como si ya la tuvieras y mira qué puedes
deducir de ella (razonando a la inversa).
Si el problema es abstracto, prueba examinar un ejemplo concreto.
Intenta abordar primero un problema más general y revisar.
Por su parte, el filósofo y matemático Lakato, estableció que la heurística es
un conjunto de métodos o reglas que pueden ser positivos o negativos, que
indican cuáles son las acciones idóneas que pueden generar soluciones al
problema.
En su trabajo de programa científico de investigación, Lakato indicó que todo
programa contempla una estructura que puede servir como guía de modo
positivo o negativo.
En relación a lo anterior, la heurística positiva es aquella que establece las
directrices de cómo desarrollar un programa de investigación.
En cambio, la heurística negativa de un programa señala lo que no se puede
cambiar, ni modificar, conocido como el núcleo central.
Por ejemplo, en informática la heurística consiste en encontrar o construir
algoritmos para ser ejecutados como los juegos informáticos o los programas
que detectan si un correo electrónico es un spam o no
4. Metaheurística
Una meta heurística es un método heurístico para resolver un tipo de
problema computacional general, usando los parámetros dados por el usuario
sobre unos procedimientos genéricos y abstractos de una manera que se
espera eficiente. Normalmente, estos procedimientos son heurísticos. El
nombre combina el prefijo griego "meta" ("más allá", aquí con el sentido de
"nivel superior") y "heurístico" (de ευρισκειν, heuriskein, "encontrar").
Las metaheurísticas generalmente se aplican a problemas que no tienen un
algoritmo o heurística específica que dé una solución satisfactoria; o bien
cuando no es posible implementar ese método óptimo.
La mayoría de las metaheurísticas tienen como objetivo los problemas
de optimización combinatoria, pero por supuesto, se pueden aplicar a
cualquier problema que se pueda reformular en términos heurísticos, por
ejemplo en resolución de ecuaciones booleanas.
Las metaheurísticas no son la panacea y suelen ser menos eficientes que las
heurísticas específicas, en varios órdenes de magnitud, en problemas que
aceptan este tipo de heurísticas puras.
5. Metaheurísticas conocidas :
Búsqueda local
Búsqueda local es la base de muchos de los métodos usados en
problemas de optimización. Se puede ver como un proceso iterativo
que empieza en una solución y la mejora realizando modificaciones
locales. Básicamente empieza con una solución inicial y busca en su
vecindad por una mejor solución. Si la encuentra, reemplaza su
solución actual por la nueva y continua con el proceso, hasta que no
se pueda mejorar la solución actual
Búsqueda local iterada (Iterated Local Search)
El problema con búsqueda local es que queda atrapada en mínimos
locales y volver a empezar desde varios puntos aleatorios no
soluciona el problema. En realidad lo que se necesita es que se haga
un muestreo sesgado, guiando la búsqueda de forma más efectiva.
La idea principal de búsqueda local iterativa es tratar de generar
vecinos que nos generen pozos de atracción vecinos (o al menos
diferentes).
Búsqueda en entornos variados (Variable Neighborhood Search)
La Busqueda de Entorno Variable (Variable Neighbourhood Search,
VNS) es una metaheurística reciente para resolver problemas de
optimización cuya idea básica es el cambio sistemático de entorno
dentro de una búsqueda local.
Algoritmos voraces y Ascensión de colinas:
En ciencia de la computación, el algoritmo hill climbing, también
llamado Algoritmo de Escalada Simple o Ascenso de colinas es
una técnica de optimización matemática que pertenece a la familia
de los algoritmos de búsqueda local. Es un algoritmo iterativo que
comienza con una solución arbitraria a un problema, luego intenta
encontrar una mejor solución variando incrementalmente un único
elemento de la solución.
Aceptación por umbrales (Threshold Accepting)
Son un grupo de algoritmos cuya finalidad es segmentar gráficos
rasterizados, es decir separar los objetos de una imagen que nos
interesen del resto. Con la ayuda de los métodos de valor umbral
en las situaciones más sencillas se puede decidir
qué píxeles conforman los objetos que buscamos y qué píxeles
son sólo el entorno de estos objetos. Este método es
especialmente útil para separar el texto de un documento del fondo
de la imagen (papel amarillento, con manchas y arruguitas por
ejemplo) y así poder llevar a cabo el reconocimiento óptico de texto
(OCR) con más garantías de obtener el texto correcto. Esto es
especialmente útil si queremos digitalizar libros antiguos, en los
que el contraste entre el texto (que ya ha perdido parte de sus
pigmentos) y el papel (oscurecido y manoseado) no es demasiado
elevado.
Como con todos los métodos de segmentación se trata de asignar
cada píxel a un cierto grupo, llamado comúnmente "segmento".
La imagen que se debe segmentar, como cualquier gráfico
rasterizado, está compuesta por valores numéricos (uno o más
valores de color para cada píxel). La pertenencia de un píxel a un
cierto segmento se decide mediante la comparación de su nivel de
gris (u otro valor unidimensional) con un cierto valor umbral. El
nivel de gris de un píxel equivale a su nivel de luminosidad; el resto
de la información sobre el color no se tiene en cuenta. Dado que
esta comparación de valores se realiza individualmente para cada
píxel, al método del valor umbral se le considera un método de
segmentación orientado a píxeles.
Ascensión de colinas con re inicialización aleatoria:
Algoritmo de ascensión en colina es una técnica de optimización
matemática que pertenece a la familia de búsqueda local. Es un
algoritmo iterativo que se inicia con una solución arbitraria a un
problema, a continuación, intenta encontrar una solución mejor por
incrementalmente el cambio de un solo elemento de la solución. Si
el cambio produce una mejor solución, se hace un cambio
incremental a la nueva solución, repitiendo hasta que no mejoras
adicionales se pueden encontrar
Búsqueda primero el mejor:
Este algoritmo, combina las ventajas de los algoritmos primero en
profundidad y primero en amplitud. Sigue un sendero a la vez, pero
puede cambiarse a otro sendero que parece más prometedor que el
que está siguiendo.
Hay un número enorme de variables e híbridos propuestos, y muchas más
metaheurísticas han sido probadas en problemas específicos. Este es un
campo en investigación, con un gran número de publicaciones en revistas,
un gran número de investigadores y usuarios, además de un gran número
de aplicaciones.
BIBLIOGRAFÍA
[Link]
[Link]
heuristica/
[Link]
[Link]
[Link]
ascension-en-colina/
[Link]
