Análisis de algoritmos para la generación de trayectorias SAR con IA

Abstract

Las operaciones de búsqueda y rescate (SAR) han evolucionado considerablemente con el paso del tiempo, especialmente en contextos marítimos donde la localización de personas desaparecidas representa un desafío técnico y operativo. Estas misiones, llevadas a cabo por aeronaves tripuladas como helicópteros o aviones, requieren de estrategias eficientes para cubrir grandes extensiones de terreno bajo condiciones de alta incertidumbre. En este contexto, la inteligencia artificial (IA) se posiciona como una herramienta clave para optimizar la generación de trayectorias y mejorar los tiempos de respuesta. Este Trabajo de Final de Título se centra en el análisis y evaluación de cuatro algoritmos clásicos de búsqueda: Búsqueda en Amplitud (BFS), Búsqueda en Profundidad (DFS), Búsqueda Uniforme de Costo (UCS) y Expansión por Ondas (Wavefront Expansion), seleccionados por su aplicabilidad en entornos SAR reales. A lo largo del proyecto, se ha desarrollado un entorno de simulación controlado que permite comparar el rendimiento de estos algoritmos en condiciones operativas representativas, mediante métricas como el tiempo de ejecución, la distancia recorrida o el número de nodos explorados. El objetivo final es identificar las ventajas y limitaciones de cada método y sentar las bases para futuras investigaciones que integren técnicas más avanzadas de inteligencia artificial en escenarios SAR, con el fin de incrementar la eficacia y seguridad de las misiones.

Search and Rescue (SAR) operations have significantly evolved over time, especially in maritime environments where locating missing people poses major technical and logistical challenges. These missions, often conducted by manned aircraft such as helicopters or planes, demand efficient strategies to cover vast areas under high levels of uncertainty. In this context, Artificial Intelligence (AI) emerges as a key tool to optimize path planning and improve response times. This Final Degree Project focuses on the analysis and evaluation of four classic search algorithms: Breadth-First Search (BFS), Depth-First Search (DFS), Uniform Cost Search (UCS), and Wavefront Expansion, selected for their potential applicability in real SAR scenarios. Throughout the project, a controlled simulation environment was developed to compare the performance of these algorithms under representative operational conditions, using metrics such as execution time, distance traveled, and number of explored nodes. The goal is to identify the strengths and limitations of each method and lay the groundwork for future research that integrates more advanced AI techniques into SAR scenarios, with the aim of increasing the efficiency and safety of these missions.