INFORME Algoritmo A

1.
Introducción al algoritmo A* (star o asterisco)
El algoritmo A* (conocido también como A estrella o asterisco) es un algoritmo de

búsqueda que encuentra la ruta de menor coste entre dos puntos siempre y cuando se
cumplan una serie de condiciones. Está clasificado dentro de los algoritmos de búsqueda
en grafos ya que tiene la necesidad de dar a los mecanismos robóticos, vehiculares o
virtuales un sistema de navegación autónomo.
Es ampliamente utilizado en las ciencias de la computación para encontrar rutas y que tan
transitable es una gráfica, es decir, se refiere al problema de visitar todos los nodos en una
gráfica dada de forma particular , esto no es más que el proceso de trazado de la ruta más
eficiente entre unos puntos llamados nodos. Este algoritmo goza de una aceptable y
continua implementación gracias a su desempeño y precisión. Fue descrito por primera
vez en 1968 como una extensión del algoritmo de Dijkstra (1959), por Peter Hart, Nils
Nilsson y Bertran Raphael, que expusieron que el A* lograba un mejor desempeño con
respecto al tiempo usando heurísticas.
2. Orígenes del algoritmo A*
En 1964 Nils Nilsson inventó una heurística basada en aproximaciones para incrementar la
velocidad del algoritmo de Dijkstra. Este algoritmo fue llamado inicialmente como A1.
En 1967 Bertran Raphael hizo mejoras dramáticas sobre este algoritmo pero falló en
demostrar su optimalizad. Él llamó a este algoritmo como A2. Hart introdujo un
argumento que el A2 era óptimo usando una heurística consistente haciendo unos
cambios menores. Su comprobación del algoritmo también demostró que el A2 era el
mejor algoritmo dadas algunas condiciones. Así Hart llamó a este nuevo algoritmo con la
sintaxis “Kleene star” (debido a que representa una operación con solamente un operando
[5, 6]) por ser un algoritmo que empieza con la letra A e incluye todas las versiones de
números posibles o A*. El algoritmo A*, (leído A estrella) es un algoritmo de búsqueda en
Universidad Nacional de Trujillo 2
grafos. Fue presentado por Peter E. Hart y Nils J. Nilsson (1968), y Bertram Raphael (1968),
el algoritmo encuentra, siempre y cuando se cumplan unas determinadas condiciones, el
camino de menor coste entre una condición inicial y una condición meta.
El algoritmo A* es usualmente utilizado en los problemas para encontrar la mejor ruta o

camino, lo que realiza el algoritmo es construir todas las rutas desde un punto inicial hasta
encontrar alguna que llegue al nodo final o meta. De éste modo solamente construye
aquellas rutas que son candidatas a formar una solución o camino desde el inicio hasta el
nodo final. Para poder determinar que rutas son las que tienen mayor probabilidad de
llegar al nodo meta, el algoritmo utiliza una heurística basada en la distancia de cualquier
punto dado hacía la meta.
Donde se diferencia el algoritmo A* de otros algoritmos avaros de “best-first search” es el

hecho de que va tomando en cuenta la distancia que ya ha recorrido hasta el momento,
haciendo de este modo una respuesta mucho más completa y óptima.
Este algoritmo en particular es uno de los más adecuados ya que según los creadores del
mismo es un algoritmo que encuentra el camino de menor coste de un recorrido A aun
recorrido B.
3. Descripción del algoritmo A*
Es un algoritmo que se encarga de encontrar la ruta que representa un menor costo entre
un punto A y otro B. Es una técnica de búsqueda para grafos que utiliza una función
heurística (ya que trata de métodos exploratorios durante la resolución del problema en el
cual la solución se descubre por la evaluación del progreso logrado en la búsqueda de un
resultado final denotada f ’(x), la cual es una aproximación a f(x) que proporciona la
verdadera evaluación de un nodo para determinar el orden en que se realiza la visita a los
otros nodos del árbol. La función de evaluación es el resultado de la suma de otras dos
funciones, una que indica el coste del camino que se ha seguido hasta un cierto nodo la
cual se representa como g(x) y otra que nos da una estimación de la distancia del punto o
Método de busqueda informado: A*

nodo en que nos encontramos hasta la meta que está representada como h(x). Entonces la
función de evaluación es el resultado de la suma de h(x) y g(x).
Entonces cada una de ellas se representa de la siguiente manera:
Donde:
 Costo: Representa el valor explícito de movernos de nuestro punto actual al

siguiente en alguna dirección dada, si no se especifica se toma como unitario ya
que pertenece a una distribución uniforme.
 abs: representa el valor absoluto de la operación dentro del paréntesis.
 nodox, nodoy: son las coordenadas (x, y) del nodo en el que nos encontramos
actualmente.
 objetivox , objetivoy : representa las coordenadas de posición de nuestra meta u
objetivo al cual deseamos llegar.
Cuando comenzamos a analizar el problema nuestro nodo origen tiene un valor inicial 0
(cero) tanto en h como en g.
Posteriormente g(x) se representa de la siguiente manera:
Donde:
 α: representa un valor entre 0 y 1 dado por las circunstancias del problema a

resolver.
 padreg : es el valor obtenido de la ecuación g(x) del anterior nodo padre. Cuando
iniciamos los cálculos por primera vez, este valor es 0 para el nodo origen.

En esta ecuación debemos prestar atención especial conforme vayamos avanzado en el

“pathfinding” ya que debemos sumar al resultado obtenido en la ecuación anterior el
mismo valor g del padre anterior de nueva forma, es decir, tendríamos algo así:
De esta forma podemos empezar a realizar los cálculos para cada uno de los nodos que se
vayan analizando. Este algoritmo consiste entonces en atravesar una gráfica (de forma
definida normalmente) siguiendo una ruta con el menor costo conocido manteniendo una
cola sorteada de prioridades con segmentos de rutas alternas a lo largo del camino para
que si en un momento dado la ruta que se está siguiendo arroja un valor (costo) superior
en comparación con otro segmento de ruta encontrado, esta abandona esa ruta actual de
alto coste y en vez de ella toma la que le brinda un camino más “barato”. De esta forma el
proceso sigue hasta alcanzar la meta u objetivo.
Empezando en un nodo inicial dado, el algoritmo expande el nodo con el menor valor de
f’(x). Este algoritmo mantiene un conjunto de soluciones parciales almacenadas en una
cola de prioridad. El proceso continua hasta que una meta tiene un valor f’(x) menor que
cualquier otro nodo en la cola o hasta que el árbol ha sido recorrido completamente.
Como aspecto positivo podemos considerar que ningún otro algoritmo óptimo nos
garantiza expandir menos nodos que A*, pero éste requiere un alto consumo de memoria
El siguiente pseudocódigo describe el algoritmo:
Initialize OPEN list
Initialize CLOSED list
Create goal node; call it node_goal
Create start node; call it node_start
Add node_start to the OPEN list
While the OPEN list is not empty

Get node n off de OPEN list with the lowest f(n)
Add n to the CLOSED list
If n is the same as node_goal we have found the solution;

return Solution(n)
Generate each successor node n’ of n
For each successor node n’ of n
Set the parent of n’ to n
Set h(n’) to be the heuristically estimate distance to

node_goal
Set g(n’) to be g(n) plus the cost to get to n’ from n
Set f(n’) to be g(n’) plus h(n’)
If n’ is on the OPEN list and the existing one is as good or

better, then
discard n’ and continue
If n’ is on the CLOSED list and the existing one is as good

or better, then
discard n’ and continue
Remove occurrences of n’ from OPEN and CLOSED
Add n’ to the OPEN list
Return failure (if we reach this point we’ve searched all

reachable nodes and still haven’t
found the solution, therefore one doesn’t exist).

Podemos describir el algoritmo de la siguiente manera:
1) Colocar el nodo inicial en la lista de ABIERTOS.
2) Verificar si la lista de ABIERTOS está vacía.
 Si está vacía entonces no se ha encontrado una solución. Fin.

 Si no está vacía entonces hay que realizar los cálculos de h, g y f
correspondientes para obtener el nodo con el mejor valor en f (el de menor
costo) de la lista de ABIERTOS y se adiciona a CERRADOS.
3) Evaluar si el nodo que se acaba de enviar a CERRADOS es el objetivo.
 Si es el nodo objetivo entonces se encontró la solución.

 De lo contrario se prosigue con las siguientes operaciones.
4) El nodo sucesor ahora se toma como el nodo actual.
5) Calcular los valores de g, h y f del nodo.
6) El nodo actual posee mejor valor en f que su nodo padre?
 Si posee mejor valor entonces, remueve las ocurrencias de la lista de cerrados.

Adiciona sus sucesores (nodos hijos) a la lista de abiertos y regresa al punto 2.
 Si no, termina la operación y regresa a evaluar la condición de si la lista
deABIERTOS se encuentra vacía.
4. Aplicaciones del algoritmo A*
De manera general este algoritmo se utiliza para encontrar el camino más corto entre dos
puntos dados, pero dentro de sus otras aplicaciones se utiliza en juegos para determinar el
recorrido que un objeto debe realizar; un ejemplo de ello es el videojuego pacman en el que
se aplicaba al comportamiento de los fantasmitas y en la resolución de los problemas de
Sudoku de 8 variables. También se puede utilizar para resolver el cubo Rubik mostrándonos
cómo hacerlo con la menor cantidad de movidas.

Debemos tener en cuenta que hay circunstancias en las que no es sencillo encontrar una
buena función heurística pero también es válido especificar que sea cero ya que la misma
debe ser estimada por defecto.
A continuación se muestra una aplicación desarrollada en modo consola la cual consiste en

seleccionar de una cuadrícula de 4x5 un punto inicial y un punto final; con esos puntos el
algoritmo deberá indicar el recorrido que se tendrá que hacer para llegar de uno a otro de la
forma más económica posible. El recorrido estará truncado por una serie de “paredes” que
dificultarán el libre trazo de la ruta.
Ilustración 1. Pantalla inicial para selección de puntos de origen y destino.
En la figura 1 se puede apreciar a través del uso de ‘ * ’ las barreras que por naturaleza se nos
están infligiendo, mismas que provocarán que el algoritmo tome una serie de decisiones para
elegir el camino que más le conviene.

Ilustración 2. Pantalla que muestra el resultado de la búsqueda.
En la figura anterior ya se muestra el resultado obtenido de haberle indicado al algoritmo que

se deseaba ir del punto 1 al 18.
En la última parte que se muestra en la ventana donde nos especifica el trayecto o la ruta a
recorrer se lee de derecha izquierda siguiendo el orden de las flechas.
5. Motivación y descripción del algoritmo A*
El problema de algunos algoritmos de búsqueda en grafos informados, como puede ser el

algoritmo voraz, es que se guían en exclusiva por la función heurística, la cual puede no indicar
el camino de coste más bajo, o por el coste real de desplazarse de un nodo a otro (como los
algoritmos de escalada), pudiéndose dar el caso de que sea necesario realizar un movimiento
de coste mayor para alcanzar la solución. Es por ello bastante intuitivo el hecho de que un

buen algoritmo de búsqueda informada debería tener en cuenta ambos factores, el valor
heurístico de los nodos y el coste real del recorrido.
Así, el algoritmo A* utiliza una función de evaluación , donde
representa el valor heurístico del nodo a evaluar desde el actual, n, hasta el final, y
, el coste real del camino recorrido para llegar a dicho nodo, n, desde el nodo inicial. A*
mantiene dos estructuras de datos auxiliares, que podemos denominar abiertos,
implementado como una cola de prioridad (ordenada por el valor de cada nodo), y
cerrados, donde se guarda la información de los nodos que ya han sido visitados. En cada paso
del algoritmo, se expande el nodo que esté primero en abiertos, y en caso de que no sea un
nodo objetivo, calcula la de todos sus hijos, los inserta en abiertos, y pasa el nodo
evaluado a cerrados.
El algoritmo es una combinación entre búsquedas del tipo primero en anchura con primero en
profundidad: mientras que tiende a primero en profundidad, tiende a primero

en anchura. De este modo, se cambia de camino de búsqueda cada vez que existen nodos más
prometedores.
6. Propiedades del algoritmo
Como todo algoritmo de búsqueda en amplitud, A* es un algoritmo completo: en caso de

existir una solución, siempre dará con ella.
Si para todo nodo n del grafo se cumple , nos encontramos ante una búsqueda
voraz. Si para todo nodo n del grafo se cumple , A* pasa a ser una búsqueda de
coste uniforme no informada.
Para garantizar la optimalidad del algoritmo, la función debe ser admisible, esto es, que
no sobrestime el coste real de alcanzar el nodo objetivo.

De no cumplirse dicha condición, el algoritmo pasa a denominarse simplemente A, y a pesar

de seguir siendo completo, no se asegura que el resultado obtenido sea el camino de coste
mínimo. Asimismo, si garantizamos que es consistente (o monótona), es decir, que para

cualquier nodo y cualquiera de sus sucesores, el coste estimado de alcanzar el objetivo
desde n no es mayor que el de alcanzar el sucesor más el coste de alcanzar el objetivo desde el
sucesor.
7. Complejidad computacional del algoritmo
La complejidad computacional del algoritmo está íntimamente relacionada con la calidad de la

heurística que se utilice en el problema. En el caso peor, con una heurística de pésima calidad,
la complejidad será exponencial, mientras que en el caso mejor, con una buena , el
algoritmo se ejecutará en tiempo lineal. Para que esto último suceda, se debe cumplir que
donde h* es una heurística óptima para el problema,

como por ejemplo, el coste real de alcanzar el objetivo.
8. Complejidad en memoria
El espacio requerido por A* para ser ejecutado es su mayor problema. Dado que tiene que
almacenar todos los posibles siguientes nodos de cada estado, la cantidad de memoria que
requerirá será exponencial con respecto al tamaño del problema. Para solucionar este
problema, se han propuesto diversas variaciones de este algoritmo, como pueden ser RTA*,
IDA* o SMA*.
9. Implementación en pseudocódigo
ABIERTOS := [INICIAL] //inicialización

CERRADOS := []

f'(INICIAL) := h'(INICIAL)
repetir
si ABIERTOS = [] entonces FALLO
si no // quedan nodos
extraer MEJORNODO de ABIERTOS con f' mínima
// cola de prioridad
mover MEJORNODO de ABIERTOS a CERRADOS
si MEJORNODO contiene estado_objetivo entonces
SOLUCION_ENCONTRADA := TRUE
si no
generar SUCESORES de MEJORNODO
para cada SUCESOR hacer TRATAR_SUCESOR
hasta SOLUCION_ENCONTRADA o FALLO
TRATAR_SUCESOR
SUCESOR.ANTERIOR := VIEJO
// coste del camino hasta SUCESOR
caso SUCESOR = VIEJO perteneciente a CERRADOS

si g(SUCESOR) < g(VIEJO) entonces // (no si monotonía)
// nos quedamos con el camino de menor coste
VIEJO.ANTERIOR := MEJORNODO
actualizar g(VIEJO) y f'(VIEJO)
propagar g a sucesores de VIEJO
eliminar SUCESOR
añadir VIEJO a SUCESORES_MEJORNODO
caso SUCESOR = VIEJO perteneciente a ABIERTOS
si g(SUCESOR) < g(VIEJO) entonces
// nos quedamos con el camino de menor coste
VIEJO.ANTERIOR := MEJORNODO
actualizar g(VIEJO) y f'(VIEJO)
eliminar SUCESOR
añadir VIEJO a SUCESORES_MEJORNODO
caso SUCESOR no estaba en ABIERTOS ni CERRADOS
añadir SUCESOR a ABIERTOS
añadir SUCESOR a SUCESORES_MEJORNODO
f'(SUCESOR) := g(SUCESOR) + h'(SUCESOR)
10. Lectura del Procedimiento del algoritmo A*
Según Nils J. Nilsson (1968).

1. Empezar con ABIERTO conteniendo sólo el nodo inicial. Poner el valor g de ese nodo a O,
su valor h' al que corresponda, y su valor f' a h' + O, es decir h'. Inicializar CERRADOS como
la lista vacía.
2. Repetir el siguiente procedimiento hasta que se encuentre el nodo meta: si no existen
nodos en ABIERTOS, informar del fallo. De lo contrario, tomar aquel nodo de ABIERTOS
con mejor valor f'. Llamarle MEJORNODO. Quitarlo de ABIERTOS. Colocarlo en CERRADOS.
Mirar si MEJORNODO es un nodo meta. Si lo es, salir e informar de la solución (bien sea
MEJORNODO si lo único que queremos es el nodo, o el camino que se ha creado entre el
estado inicial y MEJORNODO si estamos interesados en el camino). En caso contrario,
generar los sucesores de MEJORNODO, pero no poner MEJORNODO apuntando aún a
ellos (antes debemos mirar si alguno de ellos ya ha sido generado). Para cada SUCESOR,
hacer lo siguiente:
a) Poner a SUCESOR apuntando a MEJORNODO. Estos enlaces hacia atrás hacen
posible recuperar el camino una vez que se ha encontrado la solución.
b) Calcular g (SUCESOR) = g (MEJORNODO) + costes de ir desde MEJORNODO hasta
SUCESOR.
3. Mirar si SUCESOR está contenido en ABIERTOS (es decir, si ya ha sido generado pero no
procesado). Si es así, llamemos a ese nodo VIEJO. Puesto que este nodo ya existe en el
grafo, podemos desechar SUCESOR, y añadir VIEJO a la lista de los sucesores de
MEJORNODO. Ahora debemos decidir si el enlace paterno de VIEJO debería apuntar a
MEJORNODO. Debería ocurrir así si el camino que hemos encontrado hasta SUCESOR es
de menor coste que el mejor camino actual hasta VIEJO (puesto que SUCESOR y VIEJO son
en realidad el mismo nodo). Para ver si cuesta menos llegar hasta VIEJO a través de su
padre actual o hasta SUCESOR a través de MEJORNODO, comparar sus valores g. Si VIEJO
tiene menor (o igual) coste, no necesitamos hacer nada.
Si SUCESOR tiene menor coste, entonces hacer que el enlace paterno de VIEJO apunte
hacia MEJORNODO, grabar el nuevo camino óptimo en g (VIEJO), y actualizar f'(VIEJO).
4. Si SUCESOR no estaba en ABIERTOS, ver si estaba en CERRADOS. En caso afirmativo, llamar

VIEJO al nodo de CERRADOS, y añadir VIEJO a la lista de los sucesores de MEJORNODO.
Mirar si el nuevo camino es mejor que el viejo tal como se hizo en el paso 2.3 y actualizar

apropiadamente el enlace paterno y los valores de g y f'. Si acabamos de encontrar un

mejor camino a VIEJO, debemos propagar la mejora a los sucesores de VIEJO. Esto es un
poco delicado. VIEJO apunta a sus sucesores. Cada sucesor a su vez apunta a sus
sucesores, y así sucesivamente hasta que cada rama termina en un nodo que bien ya está
en ABIERTOS o no tiene sucesores. Por tanto, para propagar el nuevo coste hacia abajo,
podemos hacer una búsqueda transversal en profundidad del árbol, empezando en VIEJO,
cambiando el valor g de cada nodo (y por tanto su valor f'), terminando cada rama cuando
se alcanza bien un nodo sin sucesores o bien un nodo para el que ya se ha encontrado un
camino equivalente o mejor. Es fácil examinar esta condición. El enlace paterno de cada
nodo apunta hacia atrás a su mejor predecesor conocido. Conforme propagamos a un
nodo siguiente, debemos mirar si su predecesor apunta al nodo del que estamos viniendo.
Si lo hace así, debemos continuar la propagación. Si no, su valor g ya refleja el mejor
camino del que forma parte. Por tanto la propagación debe parar allí. Pero es posible que
al propagar el nuevo valor de g hacia abajo, el camino que estamos siguiendo pueda
volverse mejor que el camino a través del antecesor actual. Por tanto debemos comparar
los dos. Si el camino a través del antecesor actual es aún mejor, debemos detener la
propagación. Si el camino a través del cual estamos propagando es ahora mejor, inicializar
el antecesor y continuar la propagación.
5. Si SUCESOR no estaba ya en ABIERTOS o en CERRADOS, ponerlo en ABIERTOS y añadirlo a

la lista de sucesores de MEJORNODO. Calcular f'(SUCESOR) = g(SUCESOR) + h'(SUCESOR).
Podemos hacer algunas observaciones interesantes sobre este algoritmo. La primera

concierne al papel de la función g. Nos permite escoger el nodo a expandir a continuación
sobre la base, no sólo de cuán bueno parece el nodo en sí mismo (medido por h'), sino
también sobre la base de cuán bueno era el camino hasta el nodo. Al incorporar g en f' no
siempre elegiremos como nuestro siguiente nodo a expandir el nodo que parece más
cercano a la meta. Esto es Útil si nos preocupa el camino que elijamos. Pero si sólo nos
importa llegar a una solución de la forma que sea, podemos definir siempre g como 0, con
lo que también elegiríamos siempre el nodo que parece más cercano a la meta. Si
queremos encontrar un camino que tenga el menor número de pasos, entonces debemos
poner el coste de ir desde un nodo a su sucesor como una constante, usualmente 1. Si, por
otra parte, queremos encontrar el camino de menor coste y algunos operadores cuestan

más que otros, entonces debemos poner el coste de ir de un nodo a otro de forma que
refleje dichos costes. Así pues, el algoritmo A* puede usarse tanto si estamos interesados
en encontrar un camino con el coste total mínimo, como si simplemente queremos
encontrar cualquier camino de la forma más rápida posible.
La segunda observación atañe a h', el estimador de h, la distancia de un nodo a la meta. Si

h' es un estimador perfecto de h entonces A* convergerá. Inmediatamente a la meta sin
búsqueda. Cuanto mejor sea h' más cerca estaremos de este enfoque directo. Si por otra
parte, h' es siempre O, la búsqueda estará controlada por g. Si g también es O, la
estrategia de búsqueda se realizará al azar. Si g es siempre 1, se realizará una búsqueda en
anchura. Todos los nodos de un nivel tendrán valores g más bajos, y por tanto f' más bajos,
que cualquier nodo del siguiente nivel. ¿Qué ocurre, por otra parte, si h' no es ni perfecto
ni O? ¿Podemos decir algo interesante sobre el comportamiento de la búsqueda? La
respuesta es afirmativa si podemos garantizar que h' nunca sobrestimará h. En ese caso, el
algoritmo A* garantiza que encontraremos un camino óptimo (determinado por g) a la
meta, si éste existe. Podemos ver esto fácilmente a partir de algunos ejemplos.
Supongamos que el coste de todos los arcos es 1. Inicialmente, todos los nodos excepto A
están en ABIERTOS .
Para cada nodo, se indica f' como la suma de h' y g. En este ejemplo, el nodo B tiene la f'
más baja, 4, por lo que lo expandiremos en primer lugar. Supongamos que tiene un único
sucesor E, que también parece estar a tres movimientos de la meta. Ahora f'(E) es 5, igual
que f'(C). Supongamos que resolvemos esta disyuntiva a favor del camino que estábamos
siguiendo actualmente. Entonces expandiremos E a continuación. Supongamos que
también él tiene un único sucesor F', también a tres movimientos de la meta. Es evidente
que estamos haciendo movimientos sin realizar ningún progreso. Pero f'(F) = 6, que es
mayor que f'(C). Por tanto expandiremos C a continuación. Así vemos que al subestimar
h(B) hemos desperdiciado algún esfuerzo. Pero en un momento u otro descubrimos que B
estaba más lejos de lo que pensábamos, por lo que podemos regresar y encontrar otro
camino.

11. Ejemplo: Problema del laberinto
En el siguiente laberinto, se puede pasar desde una casilla a otra de las posibles adyacentes
(arriba, abajo, izquierda, derecha), salvo si existe una barrera entre ellas:
El objetivo es ir de I a F, como ejercicio final, se resolvera el problema aplicando las búsquedas

en profundidad, primero el mejor y A*.
Solución

La solución encontrada: I-W-K-M-F
 Óptima (heurística admisible)

 Nodos analizados: 8
 Aunque en este caso se analizan más nodos (se ha explorado pacialmente un camino
equivocado), la solución óptima está asegurada.
 Nótese que se generan dos nodos distintos con el mismo estado K (pero distinto
camino)

12. Linkografía
 http://es.slideshare.net/Tutor4uDev/bsqueda-a
 http://inteligencia7b.blogspot.com/2010/11/a-asterisco-o-estrella.html
 http://es.wikipedia.org/wiki/Algoritmo_de_b%C3%BAsqueda_A*
 https://prezi.com/uagchtutnyhx/busqueda-por-el-metodo-algoritmico-a/
 http://www.infor.uva.es/~calonso/IAI/Tema4-
BusquedaInformada/BusquedaInformada09-00.pdf
 http://arantxa.ii.uam.es/~fdiez/docencia/material/bh.pdf
 http://www.sanchezcrespo.org/Docencia/IA/IA%20-%20Tema%203B%20-
%20Busquedas%20v1.3.pdf
 http://www.uv.mx/personal/edbenitez/files/2010/09/CursoIA10-II-3.pdf
 http://www.robot.uji.es/docencia/II28/teoria/transparencias-tema04.pdf
 http://www.dee.ufma.br/~lpaucar/teaching/ia2000-1/cap2.3.2.html

INFORME Algoritmo A

Cargado por

Copyright:

Formatos disponibles

INFORME Algoritmo A

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

INFORME Algoritmo A

Cargado por

Copyright:

Formatos disponibles

1.

Introducción al algoritmo A* (star o asterisco)

El algoritmo A* (conocido también como A estrella o asterisco) es un algoritmo de

2. Orígenes del algoritmo A*

El algoritmo A* es usualmente utilizado en los problemas para encontrar la mejor ruta o

Donde se diferencia el algoritmo A* de otros algoritmos avaros de “best-first search” es el

3. Descripción del algoritmo A*

Método de busqueda informado: A*

Entonces cada una de ellas se representa de la siguiente manera:

 Costo: Representa el valor explícito de movernos de nuestro punto actual al

Posteriormente g(x) se representa de la siguiente manera:

 α: representa un valor entre 0 y 1 dado por las circunstancias del problema a

Método de busqueda informado: A*

En esta ecuación debemos prestar atención especial conforme vayamos avanzado en el

El siguiente pseudocódigo describe el algoritmo:

Initialize OPEN list

Initialize CLOSED list

Create goal node; call it node_goal

Create start node; call it node_start

Add node_start to the OPEN list

While the OPEN list is not empty

Método de busqueda informado: A*

Get node n off de OPEN list with the lowest f(n)

Add n to the CLOSED list

If n is the same as node_goal we have found the solution;

Generate each successor node n’ of n

For each successor node n’ of n

Set the parent of n’ to n

Set h(n’) to be the heuristically estimate distance to

Set g(n’) to be g(n) plus the cost to get to n’ from n

Set f(n’) to be g(n’) plus h(n’)

If n’ is on the OPEN list and the existing one is as good or

discard n’ and continue

If n’ is on the CLOSED list and the existing one is as good

discard n’ and continue

Remove occurrences of n’ from OPEN and CLOSED

Add n’ to the OPEN list

Return failure (if we reach this point we’ve searched all

found the solution, therefore one doesn’t exist).

Método de busqueda informado: A*

Podemos describir el algoritmo de la siguiente manera:

1) Colocar el nodo inicial en la lista de ABIERTOS.

2) Verificar si la lista de ABIERTOS está vacía.

 Si está vacía entonces no se ha encontrado una solución. Fin.

3) Evaluar si el nodo que se acaba de enviar a CERRADOS es el objetivo.

 Si es el nodo objetivo entonces se encontró la solución.

4) El nodo sucesor ahora se toma como el nodo actual.

5) Calcular los valores de g, h y f del nodo.

6) El nodo actual posee mejor valor en f que su nodo padre?

 Si posee mejor valor entonces, remueve las ocurrencias de la lista de cerrados.

4. Aplicaciones del algoritmo A*

Método de busqueda informado: A*

A continuación se muestra una aplicación desarrollada en modo consola la cual consiste en

Ilustración 1. Pantalla inicial para selección de puntos de origen y destino.

Método de busqueda informado: A*

Ilustración 2. Pantalla que muestra el resultado de la búsqueda.

En la figura anterior ya se muestra el resultado obtenido de haberle indicado al algoritmo que

5. Motivación y descripción del algoritmo A*

El problema de algunos algoritmos de búsqueda en grafos informados, como puede ser el