diff --git a/README.md b/README.md
index 45f132d..1eb5ef7 100644
--- a/README.md
+++ b/README.md
@@ -113,19 +113,64 @@
 # Lekcia 3: Heuristické prehľadávanie, Genetické algoritmy, Hry ako problém hľadania
 
 - Lačné hľadanie
-    - Aaa
+    - Najlepší uzol je uzol s minimálnou odhadnutou cenou dosiahnutia cieľa.
+    - Podobá sa hľadaniu do hĺbky.
+    - Je **neúplné** a **neoptimalizované** riešenie.
 
 - Algoritmus A*
-    - Aaa
+    - Stratégia rovnomernej ceny je **úplná** a **optimalizuje cestu**, keďže minimalizuje cenu cesty `g(u)` zo začiatočného uzla do uzla `u`.
+    - Je _neefektívna_, keďže nevyužíva heuristickú informáciu o vzdialenosti k cieľu.
+    - Najviac výhod zachováme, keď tieto stratégie skombinujeme do novej s heuristickou funkciou `f(u) = g(u) + h(u)`.
+        - `f(u)` - odhad ceny najlacnejšej cesty vedúcej cez uzol `u`.
+    - Je hľadanie najskôr najlepší s heuristickou funkciou `f(u)` a prípustnou heuristikou `h(u)`.
+    - Nedostatkom je _exponenciálna_ časová a pamäťová zložitosť.
 
 - Heuristiky zmenšujúce priestor stavov
-    - Aaa
+    - Heuristické informácie môžeme použiť aj na orezanie stavového priestoru a ten prehľadať jednoduchším (_slepým_) algoritmom.
+    - Stavový priestor je možné zmenšiť tak, že heuristické informácie zahrnieme do podmienok aplikovateľnosti akcií (pravidiel).
+    - Nasleduje stavový priestor (červené spojnice) orezaný pomocou heuristík z predchádzajúceho obrázku.
+    - Napokon je uvedený strom hľadania generovaný z orezaného stavového priestoru prehľadávaním do šírky.
 
 - Genetické algoritmy
-    - Aaa
+    - Vychádzajú z myšlienok Darwinovej teórie evolúcie.
+    - Evolúcia k optimálnym riešeniam prebieha v mnohých generáciách celých populácií riešení pomocou prirodzeného výberu.
+    - Neúspešné riešenia vymierajú, úspešné prežívajú a množia sa.
+    - Hybnou silou evolúcie je _kríženie_ (výmena "genetickej" informácie medzi riešeniami) a mutácia.
+    - Každý stav označujeme ako **chromozóm** - binárny reťazec `x` dĺžky `N`.
+    - Pracujeme s populáciou `P` obsahujúcou `M` chromozómov.
+    - Každému chromozómu x sa priradí hodnota funkcie úspešnosti fitnes `f(x)`.
+    - Hľadáme globálne maximum fitnes.
+    - Medzi chromozómami prebieha proces reprodukcie (nová populácia obsahujúca rovnaký počet chromozómov ako pôvodná populácia).
+    - Časti reprodukcie:
+        1. Výber - do procesu reprodukcie vstupujú dvojice chromozómov.
+        2. Kríženie - vybrané chromozómy si vymenia rovnako dlhé podúseky svojich binárnych reťazcov. 
+        3. Mutovanie - chromozómy sa podrobia mutácii (preklopia sa náhodne vybrané bity z ich reťazcov).
+    - Prehľadávajú mnoho častí stavového priestoru daného problému.
+    - Dajú sa použiť pre riešenie ťažko riešiteľných problémov.
+    - Vždy poskytnú nejaké riešenie.
+    - Nevýhody:
+        - Nedajú vždy optimálne riešenie.
+        - Potreba nastavenia množstva parametrov.
 
 - Herné problémy, algoritmus Min-Max
-    - Aaa
+    - Herné problémy:
+        - Jedná o hry s dvoma hráčmi (agent rieši úlohu z pohľadu jedného hráča), prítomnosť protihráča vnáša do problému.
+        - Hľadanie má neurčitosť spôsobenú nedostatkom času.
+        - Potrebuje zahrnúť čo najviac heuristických znalostí ako do generátora tak aj do testera.
+        - Poskytujú dobre definovaný problém.
+            - Jednoduché rozpoznanie úspechu resp. neúspechu.
+            - Problém sa dá opísať pomerne jednoduchými pravidlami.
+    - Algoritmus Min-Max:
+        - Určuje najlepšiu stratégiu pre hráča _MAX_.
+        - Vychádza z predpokladu, že súper vždy zahrá najhorší možný ťah pre _MAX_.
+        - Postup:
+            1. Preskúma všetky stavy, vygeneruje celý strom hľadania až po koncové stavy.
+            2. Rozhodne sa, ktoré postavenie je najlepšie.
+            3. Vykoná sa ťah vedúci do najlepšieho postavenia.
+        - Problémy:
+            - Pri masívnych herných stromoch sa musí navšíviť veľa uzlov.
+        - Predpokladá, že je dosť času prezrieť strom hľadania až k cieľovým uzlom (pre väčšinu hier nereálne).
+        - Prezeranie je potrebné useknúť skôr než v cieľovom stave a listy následne vyhodnotiť nie pomocou bodovacej ale heuristickej vyhodnocovacej funkcie.
 
 ---