Heurística
La capacidad heurística es
un rasgo típico de los humanos. Consiste en la capacidad de realizar
innovaciones positivas para conseguir los fines que se pretenden. También
podemos definirla como la solución de problemas en los cuales, las soluciones
se descubren por la evaluación del progreso logrado en la búsqueda del
resultado final.
De lo anterior podemos
deducir que un método heurístico aplicado correctamente puede devolver
soluciones falsas, positivas o negativas.
Heurísticas
en la inteligencia artificial
Muchos algoritmos en la inteligencia artificial son
heurísticos por naturaleza, o usan reglas heurísticas. Un ejemplo reciente es SpamAssassin que usa
una amplia variedad de reglas heurísticas para determinar cuándo un correo electrónico es spam. Cualquiera de las
reglas usadas de forma independiente pueden llevar a errores de clasificación,
pero cuando se unen múltiples reglas heurísticas, la solución es más robusta y
creíble. Esto se llama alta credibilidad en el reconocimiento de patrones
(extraído de las estadísticas en las que se basa). Cuando
se usa la palabra heurística en el procesamiento del lenguaje basado en reglas,
el reconocimiento de patrones o el procesamiento de imágenes, es usada para
referirse a las reglas.
Problema
del Agente Viajero
EL Problema del Agente
Viajero (TSP por sus siglas en inglés) ,
responde a la siguiente pregunta: Dada una lista de ciudades y las distancias
entre cada par de ellas, ¿cuál es la ruta más corta posible que visita cada
ciudad exactamente una vez y regresa a la ciudad origen? Este es un problema NP-duro dentro
en la optimización combinatoria, muy importante
en la investigación de operaciones y en la ciencia de la computación.
El problema fue formulado
por primera vez en 1930 y es uno de los problemas de optimización más
estudiados. Es usado como prueba para muchos métodos de optimización. Aunque el
problema es computacionalmente complejo, una gran cantidad de heurísticas y
métodos exactos son conocidos, de manera que, algunas instancias desde cien
hasta miles de ciudades pueden ser resueltas.
En la teoría de la complejidad
computacional, la versión de decisión del TSP (donde, dado un largo
“L”, la tarea es decidir cuál grafo tiene un camino menor que L) pertenece a la
clase de los problemas NP-completos. Por tanto, es probable que en el
caso peor el tiempo de ejecución para cualquier algoritmo que resuelva el TSP
aumente de forma exponencial con respecto al número de ciudades.

