Backtracking

Este algoritmo consiste en probar distintas sequencias de decisiones hasta encontrar una que satisfaga las condiciones que se estén buscando. Con este algoritmo recursivo, se van probando y eliminando posibilidades hasta encontrar la solución o soluciones.

Pseudocódigo:

void findSolutions(n, other params) :
    if (found a solution) :
        solutionsFound = solutionsFound + 1;
        displaySolution();
        if (solutionsFound >= solutionTarget) : 
            System.exit(0);
        return

    for (val = first to last) :
        if (isValid(val, n)) :
            applyValue(val, n);
            findSolutions(n+1, other params);
            removeValue(val, n);

Pathfinding A*

Este algoritmo consiste en, por medio de mediciones para la ruta más corta, encontrar la mejor solución o una muy cercana. Con el uso del valor heurístico, se estima cuáles nodos son los más probables a encontrar la solución más óptima y con base a este heurístico y el costo real del camino recorrido.

OPEN //the set of nodes to be evaluated
CLOSED //the set of nodes already evaluated
add the start node to OPEN
 
loop
        current = node in OPEN with the lowest f_cost
        remove current from OPEN
        add current to CLOSED
 
        if current is the target node //path has been found
                return
 
        foreach neighbour of the current node
                if neighbour is not traversable or neighbour is in CLOSED
                        skip to the next neighbour
 
                if new path to neighbour is shorter OR neighbour is not in OPEN
                        set f_cost of neighbour
                        set parent of neighbour to current
                        if neighbour is not in OPEN
                                add neighbour to OPEN

Algoritmo genético

Este algoritmo esta inspirado en el proceso de seleccion natural que pertenece a la clase mas amplia de algoritmos evolutivos. Se utilizan para generar soluciones de alta calidad, optimizar y buscar soluciones de problemas basandonos en operadores biologicos como mutacion, seleccion, cruce, poblacion, etc. La evolución generalmente comienza a partir de una población de individuos generados aleatoriamente y es un proceso iterativo , con la población en cada iteración llamada generación . En cada generación, se evalúa la aptitud de cada individuo de la población. Los individuos más aptos se seleccionan estocásticamente de la población actual, y el genoma de cada individuo se modifica ( recombina y posiblemente muta al azar) para formar una nueva generación. La nueva generación de soluciones candidatas se utiliza luego en la siguiente iteración del algoritmo.. Por lo general, el algoritmo termina cuando se ha producido un número máximo de generaciones o se ha alcanzado un nivel de aptitud satisfactorio para la población.

typedef struct {
    int genotipo[LONG_COD];
    double aptitud;
} Individuo;
 
double fitness (double, double);
int generarBinario (void);
Individuo generarIndividuo (void);
Individuo * generarPoblacion (void);
Individuo * seleccionTorneos(Individuo * pob);
void mutacionHijos (Individuo *);
void cruzarSeleccion (Individuo *);
Individuo elite(Individuo *);
void imprimePoblacion (Individuo *);
void imprimeGenotipo(Individuo);