Este proyecto es un simulador de navegación en cuadrículas que permite visualizar y comparar la eficiencia de diferentes algoritmos de Inteligencia Artificial para la resolución de laberintos. El sistema genera entornos aleatorios y evalúa cómo distintas estrategias de búsqueda encuentran el camino óptimo entre dos puntos.
Aquí puedes observar al algoritmo A (A-Estrella)* utilizando la heurística de Manhattan para encontrar la ruta más eficiente en tiempo real:
El simulador permite comparar cuatro enfoques clásicos de búsqueda en grafos:
- BFS (Breadth-First Search): Garantiza el camino más corto en grafos sin pesos, pero explora una gran cantidad de nodos (búsqueda exhaustiva).
- DFS (Depth-First Search): Explora profundamente una rama antes de retroceder. No garantiza el camino más corto y suele ser ineficiente en laberintos.
- A (Manhattan):* Búsqueda informada que utiliza la distancia en cuadrícula. Es extremadamente eficiente para movimientos en 4 direcciones.
- A (Euclidiana):* Utiliza la distancia en línea recta. Útil para comparar cómo una heurística "optimista" afecta la expansión de nodos.
El proyecto no solo resuelve el laberinto, sino que genera herramientas de diagnóstico:
- Mapas de Exploración: Diferencia visual entre la "ruta final" y los "nodos inspeccionados" (frontera).
- Gráficas de Rendimiento: Comparativas de tiempo de ejecución (ms), memoria utilizada (nodos en frontera) y longitud de los caminos.
- Generación de Animaciones: Exportación automática en formato GIF para presentaciones o documentación.
Asegúrate de tener Python 3.10 o superior instalado.
git clone https://github.com/tu-usuario/maze-navigator.gitpip install -r requirements.txt
python main.py
laberinto.py: Lógica de generación de la cuadrícula, obstáculos y manejo de nodos.
buscadores.py: Implementación de los algoritmos de búsqueda.
visualizador.py: Motor gráfico basado en Matplotlib para imágenes y animaciones.
main.py: Punto de entrada para configurar experimentos y tamaños.
- Pablo Sumba - PabloSumbaU
- pablosumba5@gmail.com