Título Completo

Algoritmos de IA nas Estratégias de Buscas - Parte II

Autoria

Ricardo Costa Val do Rosario

4.1 Exemplo: Busca Gulosa (Greedy Search)

- Um algoritmo que prioriza apenas a heurística (h), ignorando o custo real do caminho (g). 
- Isso o torna mais rápido, mas pode falhar em encontrar a solução ideal.

import heapq

def busca_gulosa(grafo, inicio, objetivo, heuristica):
    fila = []
    heapq.heappush(fila, (heuristica[inicio], [inicio]))
    visitados = set()

    while fila:
        _, caminho = heapq.heappop(fila)
        no_atual = caminho[-1]

        if no_atual == objetivo:
            return caminho

        if no_atual in visitados:
            continue

        visitados.add(no_atual)

        for vizinho, _ in grafo.get(no_atual, []):
            if vizinho not in visitados:
                novo_caminho = caminho + [vizinho]
                heapq.heappush(fila, (heuristica[vizinho], novo_caminho))

    return None

# Reaproveitando a heurística do exemplo anterior
print("Caminho encontrado:", busca_gulosa(heuristica))
Saída esperada (pode não ser a melhor):
Caminho encontrado: 
['A', 'B', 'E', 'F'] dependendo dos valores de heurística.
```
# Nota importante: 
- A Busca Gulosa é mais rápida, mas não garante a melhor rota, já que despreza o custo total acumulado. 
- Isso a torna útil em sistemas com resposta rápida, mas não crítica.

3 - Analíse comparativa entre os quatro algoritmos de busca (BFS, DFS, A*, Greedy)

- Destaca-se os critérios mais relevantes para análise e tomada de decisão.

# Legenda:
1. Critério	
2. BFS (Busca em Largura)	
3. DFS (Busca em Profundidade)	
4. A* (A Estrela)	
5. Greedy Search (Gulosa)

A) 
1. Tipo de Busca	
2. Não Informada	
3. Não Informada	
4. Informada	
5. Informada

B)
1. Usa Heurística?	
2. Não	
3. Não	
4. Sim	
5. Sim

C)
1. Garante melhor caminho?	 
2. Sim (em grafos não ponderados)	 
3. Não	
4. Sim (com heurística admissível)	
5. Não

C)
1. Eficiência	
2. Média	
3. Alta (em espaço)	
4. Alta	
5. Muito alta

D) 
1. Risco de Loop/Estouro de pilha	
2. Baixo	
3. Alto (em grafos grandes)	
4. Baixo	
5. Baixo

E)
1. Estratégia de Exploração	
2. Expande todos os níveis	
3. Explora um caminho até o fim	
4. Equilibra custo + heurística	
5. Segue menor heurística

F) 
1. Ideal para	Caminho mais curto	
2. Exploração profunda	Navegação, 
3. GPS, 
4. robôs	
5. Respostas rápidas (jogos)

G) 
1. Exemplo Clássico	
2. Labirintos	
3. Sudoku	
4. GPS com tráfego
5. Jogo de xadrez (1 jogada)

Demonstra-se muito bem os pontos fortes e limitações de cada algoritmo, ajudando 
tanto iniciantes quanto profissionais a escolher a abordagem certa para seu problema.

4 - Aplicação no Contexto Médico e em Tecnovigilância

No campo da saúde pública, particularmente na Tecnovigilância e nos Sistemas de Apoio à Decisão Médica, 
as estratégias de busca oferecem inúmeras possibilidades:

•	Planejamento automático de atendimentos e cirurgias, otimizando recursos escassos (como salas, 
equipamentos e equipes).
•	Navegação hospitalar autônoma para robôs ou dispositivos inteligentes que transportam medicamentos, 
materiais ou amostras entre setores.
•	Assistentes médicos baseados em IA, que utilizam A* ou Greedy Search para sugerir condutas ou diagnósticos 
prováveis, com base em bancos de dados clínicos e históricos de pacientes.
•	Rastreamento de falhas em dispositivos médicos, simulando percursos lógicos de erro até o ponto de falha
(diagnóstico automatizado por busca em profundidade).

- Ao integrar esses algoritmos a sistemas hospitalares, a IA deixa de ser uma promessa futurista e passa a atuar
como agente racional de apoio à tomada de decisão, redução de erros e melhoria da segurança assistencial.

5 - Considerações Finais

- O estudo das estratégias de busca em Inteligência Artificial revela não apenas a engenhosidade dos algoritmos 
clássicos, mas também sua aplicabilidade direta em sistemas modernos, sejam eles voltados a jogos, robótica ou 
planejamento inteligente.

- Saber quando aplicar uma busca não informada como a BFS ou DFS, ou optar por estratégias informadas como 
A* e Greedy Search, é essencial para projetar soluções eficazes, especialmente em ambientes complexos e com
restrições de tempo ou recursos.

- Esses algoritmos são ferramentas fundamentais para sistemas de decisão autônomos, navegação inteligente, 
gestão automatizada de tarefas e diagnósticos assistidos por IA — áreas cada vez mais relevantes em um cenário 
global que busca eficiência sem abrir mão da segurança e da ética.