Paper

El artículo aborda los algoritmos de búsqueda heurística en Inteligencia Artificial, centrándose específicamente en las variantes del algoritmo $A^{*}$ conocidas como $A^{*}$ ponderado (weighted $A^{*}$), las cuales relajan la búsqueda exacta para ganar velocidad a cambio de una suboptimalidad acotada. Sus aportes principales son:

• Una visión unificada: Presenta los resultados anteriores de diversos autores sobre el $A^{*}$ ponderado bajo un marco formal común.

• Nueva cota de suboptimalidad: Deriva una cota general para la suboptimalidad de los resultados cuando se evita reabrir estados ya expandidos.

• Minimización de Diagramas de Decisión Binaria (BDD): Introduce este problema (proveniente del diseño de hardware VLSI) como un nuevo campo de aplicación para las búsquedas heurísticas, comparándolo con métodos tradicionales como Simulated Annealing y algoritmos genéticos.

• Pruebas en planificación: Evalúa el rendimiento de estas técnicas en problemas de planificación clásica bajo el estándar STRIPS.