Algoritmos de búsqueda local
Visualizaciones interactivas de algoritmos de optimización local y metaheurísticas
Recursos interactivos de búsqueda y optimización
Explora y comprende cómo funcionan diferentes algoritmos de búsqueda local y global a través de visualizaciones interactivas en cuadrículas.
¡Mantente actualizado!
Recibe notificaciones sobre nuevo material educativo
🔍 Algoritmos de búsqueda
Visualizaciones interactivas de algoritmos que buscan óptimos locales y globales en cuadrículas
Hill Climbing 1
Descenso simple con 4 vecinos adyacentes ortogonales (cruz)
Hill Climbing 2
Descenso simple con 4 vecinos adyacentes diagonales
Hill Climbing 3
Descenso simple con 8 vecinos adyacentes, ortogonales y diagonales (conectividad-8)
Hill Climbing 4
Descenso simple con 12 vecinos adyacentes, conectividad-8 y cruz extendida
Multiarranque
Búsqueda local mediante descenso simple con múltiples puntos de inicio
Simulated Annealing
Recocido simulado con aceptación probabilística
Búsqueda Tabú
Metaheurística con memoria para evitar ciclos
VNS
Variable Neighborhood Search con cambio sistemático de vecindarios
ILS
Iterated Local Search con perturbaciones estratégicas
GRASP
Greedy Randomized Adaptive Search con construcción aleatorizada
Algoritmo Genético
Evolución de población con selección, cruce y mutación
💡 Conceptos clave
Aprende los fundamentos de los algoritmos de búsqueda local
🏔️ Óptimos Locales vs Globales
Un óptimo local es el mejor valor en un vecindario, mientras que el óptimo global es el mejor valor en todo el espacio de búsqueda. Los algoritmos simples pueden quedar atrapados en óptimos locales.
🔥 Metaheurísticas
Estrategias de alto nivel que guían la búsqueda para escapar de óptimos locales. Ejemplos incluyen Simulated Annealing, Tabu Search y algoritmos genéticos.
🎲 Exploración vs Explotación
Balance entre explorar nuevas áreas del espacio de búsqueda (exploración) y mejorar soluciones conocidas (explotación). Clave para encontrar buenos resultados.
🔗 Vecindarios
Conjunto de soluciones alcanzables desde la solución actual mediante un movimiento. La definición del vecindario afecta significativamente el rendimiento del algoritmo.