AGIPBEI April 2014 Vol. I, No.

1
Algoritmo Gentico Interactivo con Aptitud
Borrosa y Estocstica del Individuo
Luis Javier
*
Universidad Cultural Dominico Americana
luisernesto.jd@gmail.com
Resumen
Los creyentes en la teoria creacionista siempre arman que la evolucion no puede crear nuevas formas
de vida o informacion; o que la evolucin no tiene ningun benecio prctico en el mundo biologico. Este
ensayo dista mucho de esas concluciones a las que llegan los creacionistas describiendo el crecimiento
exponencial y las extensas bondades y aplicaciones de los algoritmos genticos, una tcnica de computacin
que esta basada en los principios basicos de la evolucin biolgica tanto animal como vegetal.
I. Introduccion
A
ntes de explicar el tema a tratar pri-
mero se debe saber ciertas deniciones
tales como que es un algoritmo gen-
tico que fueron propuestos en la dcada de
los 60s y que no es ms que una serie de pa-
sos organizados que describe el proceso que se
debe seguir para hallar la solucin a un pro-
blema pero usando mtodos que se daran en
la naturaleza, haciendo cruces, mutando, evo-
lucionando, etc. . . Luego tenemos lo que son
los algoritmos genticos interactivos que fue-
ron propuestos a mediados de la dcada de los
80, y estos son denidos como algoritmos ge-
nticos que usan la evaluacin humana como
metodo para resolver problemas.
El texto explica como el grupo cientco pre-
senta un algoritmo gentico interactivo que ha-
ce una caracterizacin efectiva de la cognicin
de un sujeto o usuario en los objetos evaluados
y del fenmeno estocstico sea el fenmeno
variante en el proceso evolutivo. Ellos dicen
que se toma un nmero borroso para expresar
la aptitud que tiene un individuo para ree-
jar la cognicin de un sujeto o usuario y un
comportamiento estocstico o variable en el
acondicionamiento fsico que se basa en la teo-
ra del error. Se dice que el nmero borroso
y la variable estocstica luego son transforma-
das en diferentes intervalos con a un nivel
de corte establecido y un nivel de condencia,
adems tambin de diferentes individuos en la
misma generacin son comparados basados en
la dominacin del intervalo. Los valores de
y de parmetros estocsticos o variantes se de-
terminan segn el grado de incertidumbre de
la cognicin de un sujeto o usuario que se des-
cribe proporcionalmente con la entropa difusa
o borrosa de un nmero borroso. En conclu-
sin ellos aplicaron el algoritmo a un sistema
de diseo evolutivo de moda y los resultados
presentados del experimento mostraron su ra-
cionalidad y eciencia al momento de trabajar.
II. Metodos
En general, hay dos enfoques para evaluar a
un individuo. uno es que el usuario evala di-
rectamente un individuo segn su preferencia.
Takagi propuso un mtodo de asignacin
de tness que combina una aptitud con-
tinua con una discreta.
La otra es que los modelos asistidos
sustitutas evaluar un subconjunto de, o
incluso todos los individuos de algunas
generaciones.
*
Matricula 2009-30-3-0028
1
AGIPBEI April 2014 Vol. I, No. 1
Sugimoto y otros estimaron la aptitud
de un individuo mediante lgica difusa
basado en la distancia y el ngulo entre
el individuo evaluado y la optima encon-
trnda.
Biles, Zhou y otros adoptaron Re-
des neuronales (RNs) para aprenderla
evaluacin inteligente del usuario en un
individuo y el nmero de individuos
siendo evaluado por el usuario disminu-
ye aplicando RNs.
Con el n de mejorar la precisin de
aproximacin y reducir la complejidad
de la red, hemos adoptado mltiples mo-
delos asistidos sustitutos en el que un
modelo sustituto sencillo slo aprende
Evaluacin del usuario en un subconjun-
to del espacio de bsqueda.
Wang y otros transformaron la eva-
luacin de un individuo en una calica-
cin de la aptitud absoluta y lo adoptaron
para entrenar a una mquina de vector
de apoyo para evaluar a un individuo.
III. Resultados
En conclusin se considera la incertidum-
bre estocstica de la aptitud de un individuo,
desde el punto de vista de la teora del error,
en primer lugar expresaron la incertidumbre
estocstica utilizando una variable estocstica
con distribucin normal.
Basado en la entropa borrosa, presentaron
un mtodo para calcular tanto el nivel ajustado
de corte y el parmetro estocstico. los resulta-
dos experimentales demuestran la ecacia de
su algoritmo en los aspectos de los partidarios:
la diversidad de la poblacin se mantiene y por
lo tanto el rendimiento del algoritmo se mejo-
ra; y la segunda es que el cambio de grado
cognitivo del usuario coincide con las aplica-
ciones del mundo real, cuando se considera la
incertidumbre estocstica
Referencias
Interactive Genetic Algorithms with Indivi-
duals Fuzzy and Stochastic Fitness - SUN
Xiaoyan and Gong Dunwei
Algoritmos genticos y computacin evolutiva
- Adam Marczyk
2