Académique Documents
Professionnel Documents
Culture Documents
ALGORITMOS GENTICOS
INTELIGENCIA ARTIFICIAL
Problemas que no se pueden resolver por un enfoque algortmico tradicional Nueva forma de manejar la imprecisin y la incertidumbre
ALGORITMOS GENTICOS
Los Algoritmos Genticos son algoritmos matemticos de optimizacin de propsito general basados en mecanismos naturales de seleccin y gentica, proporcionando excelentes soluciones en problemas complejos con gran nmero de parmetros.
TEORA EVOLUTISTA
PRINCIPALES POSTULADOS Las formas de vida no son estticas sino que evolucionan. El proceso de la evolucin es gradual, lento y continuo. Los organismos parecidos se hallan emparentados y descienden de un antepasado comn. La seleccin natural es la llave, que explica todo el sistema.
TEORA EVOLUTISTA
SELECCIN NATURAL
- La produccin de variabilidad: generacin de modificaciones espontneas en los individuos. - La supervivencia del ms fuerte (apto) en la lucha por la vida.
TEORA EVOLUTISTA
CONCEPTOS Ecosistema Poblacin Individuo Genotipo Fenotipo
ALGORITMOS GENTICOS
Algoritmos Genticos Problema Posible solucin Descripcin de la solucin Caracterstica o Atributo Funcin de Aptitud
ALGORITMOS GENTICOS
Generar poblacin inicial
Seleccin
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
ALGORITMOS GENTICOS
Generar poblacin inicial
Seleccin
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
Cruzamiento
?
S
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
Mtodo
Al Azar Ad-Hoc
Poblacin
Cantidad de Individuos Varianza
o Constante o Variable
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
MTODOS DE SELECCIN
SELECCIN - Torneo
Poblacin I1 I2 I3 I4 I5 I6 I7
f(x) 61 11 33 25 44 15 17
SELECCIN - Torneo
Poblacin I1 I2 I3 I4 I5 I6 I7
f(x) 61 11 33 25 44 15 17
I1
SELECCIN - Torneo
Poblacin I1 I2 I3 I4 I5 I6 I7
f(x) 61 11 33 25 44 15 17
I1 I4 I4 I5
SELECCIN - Ranking
Poblacin I1 I2 I3 I4 I5 I6 I7
Poblacin original
f(x) 61 11 33 25 44 15 17
Poblacin I1 I5 I3 I4 I7 I6 I2
f(x) 61 44 33 25 17 15 11
Poblacin ordenada
SELECCIN - Ruleta
Poblacin I1 I2 I3 I4 I5 I6 I7 Total
f(x) 61 11 33 25 44 15 17 206
SELECCIN - Ruleta
100% 90% 80% 70% 60% 50% 40% 30% 20%
I1 I3 I2 I5 I7 I6
0.9175 0.8447
0.6311
I4
0.5097
0.3495 0.2961
10% 0%
Selecciona 2 0 1 0 1 0 0
10
0.8074
0.6375
0.4725
I4
0.1893
I3 I2 I1
0.1489 0.0243
11
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
12
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
PC
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
MTODOS DE CRUZAMIENTO
Azar
13
Cruza Simple
PadreX
X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 Y 1 Y 2 Y 3 Y 4
PadreY
Y 5 Y 6 Y 7 Y 8 Y 9 Y 10
HijoA
X 1 X 2 X 3 X 4 Y 5 Y 6 Y 7 Y 8 Y 9 Y 10 Y 1 Y 2 Y 3 Y 4
HijoB
X 5 X 6 X 7 X 8 X 9 X 10
PUNTO DE CORTE = 4
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
Cruza Multipunto
PadreX
X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 Y 1 Y 2 Y 3 Y 4
PadreY
Y 5 Y 6 Y 7 Y 8 Y 9 Y 10
HijoA
X 1 X 2 X 3 X 4 Y 5 Y 6 Y 7 Y 8 X 9 X 10 Y 1 Y 2 Y 3 Y 4
HijoB
X 5 X 6 X 7 X 8 Y 9 Y 10
PUNTOS DE CORTE = 4 y 8
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
14
PadreY
Y 5 Y 6 Y 7 Y 8 Y 9 Y 10
HijoA
X 1 Y 2 X 3 X 4 Y 5 X 6 X 7 Y 8 Y 9 Y 10 Y 1 X 2 Y 3 Y 4
HijoB
X 5 Y 6 Y 7 X 8 X 9 X 10
MSCARA A = XYXXYXXYYY
MSCARA B = complemento A
PadreY
Y 5 Y 6 Y 7 Y 8 Y 9 Y 10
HijoA
X 1 Y 2 X 3 X 4 Y 5 X 6 X 7 Y 8 Y 9 Y 10 X 1 X 2 Y 3 Y 4
HijoB
X 5 X 6 Y 7 X 8 Y 9 X 10
MSCARA A = XYXXYXXYYY
MSCARA B = XXYYXXYXYX
15
PadreY
Y 5 Y 6 Y 7 Y 8 Y 9 Y 10
R1 = 0,3 R2 = 0,6 R3 = 0,2 R4 = 0,4 R5 = 0,1 R6 = 0,8 R7 = 0,9 R8 = 0,1 R9 = 0,7 R10 = 0,6
X Y X X X Y Y X Y Y
X 1 Y 2 X 3 X 4 X 5
X Y
HijoA
Y 6 Y 7 X 8 Y 9 Y 10
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
PC
Mutacin
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
16
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
PC
Mutacin
PM
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
MUTACIN
PC
No
Ejecuta Mutacin?
ACTIVA MUTACIN
PM = PC No ejecuta Mutacin
PM
17
MUTACIN
PC
1 1 1 0 1 1 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 1 1 1 1 0 1 1 0 1 0 0 0 1 0 0 1 1 1 1 0 1 0 1 0 0 1
EJECUTA MUTACIN?
NO MUTA MUTA
MUTACIN NO MUTA
PC
1 1 1 0 1 1 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 1 1 1 1 0 1 1 0 1 0 0 0 1 0 0 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 1 1 1 1 0 1
NO MUTA
PM
1 0 1 0 0 0 1 0 0 1 1 1 1 0 1 0 1 0 0 1
18
MUTACIN MUTA
PC
1 1 1 0 1 1 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 1 1 1 1 0 1 1 0 1 0 0 0 1 0 0 1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 1 1 1 1 0 1
RandomM ProbabilidadM
MUTA
PM
1 0 0 0 0 0 1 0 0 1 1 1 1 0 1 0 1 0 0 1
RP
( 77 )
1 0 1
MTODOS DE MUTACIN
Simple
ProbabilidadM = constante
19
ALGORITMOS GENTICOS
Generar poblacin inicial
P0
Seleccin
PS
Cruzamiento
PC
Mutacin
PM
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
ALGORITMOS GENTICOS
Generar poblacin inicial
Seleccin
PS
Cruzamiento
PC
Mutacin
PM
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
20
CRITERIO DE PARO
Cantidad de Vueltas Tiempo Transcurrido f(Ix) > Valor Promedio [ f(Ix) ] Valor
ALGORITMOS GENTICOS
Generar poblacin inicial
Pi = PM
Seleccin
PS
Cruzamiento
PC
Mutacin
PM
No
Paro?
Poblacin Final
UNIVERSIDAD TECNOLOGICA NACIONAL Facultad Regional Buenos Aires Inteligencia Artificial (AG v. 7)
21
ALGORITMOS GENTICOS
Generar poblacin inicial
Seleccin
PS
Cruzamiento
PC
Mutacin
PM
No
Paro?
PF = PM
Poblacin Final
Poblacin Final
Aptitud
Solucin
Interpretar
22
23