ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL (IA) NAS ESTRATÉGIAS DE BUSCAS:

Definições, aplicações práticas e exemplos de códigos em linguagem Python

Por Ricardo Costa Val do Rosario

Exemplo 4: 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 - Tabela comparativa entre os quatro algoritmos de busca (BFS, DFS, A*, Greedy), destacando os critérios mais relevantes para análise e tomada de decisão.

Tabela Comparativa das Estratégias de Busca

Critério	BFS (Busca em Largura)	DFS (Busca em Profundidade)	A* (A Estrela)	Greedy Search (Gulosa)
Tipo de Busca	Não Informada	Não Informada	Informada	Informada
Usa Heurística?	Não	Não	 Sim	Sim
Garante melhor caminho?	 Sim (em grafos não ponderados)	 Não	Sim (com heurística admissível)	Não
Eficiência	Média	Alta (em espaço)	Alta	Muito alta
Risco de Loop/Estouro de pilha	Baixo	Alto (em grafos grandes)	Baixo	Baixo
Estratégia de Exploração	Expande todos os níveis	Explora um caminho até o fim	Equilibra custo + heurística	Segue menor heurística
Ideal para	Caminho mais curto	Exploração profunda	Navegação, GPS, robôs	Respostas rápidas (jogos)
Exemplo Clássico	Labirintos	Sudoku	GPS com tráfego	Jogo de xadrez (1 jogada)

Essa tabela sintetiza 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.