aporte grupal _lukdary
DESCRIPTION
eTRANSCRIPT
-
INTELIGENCIA ARTIFICIAL-90169A_220
MOMENTO 2
PRESENTADO POR:
LUKDARY ABRIL
CDIGO: 1091653080
PRESENTADO A:
ING. ANGELICA MARIA GONZALEZ
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA
ABRIL/ 9/2015
-
Explique que es un algoritmo gentico, mediante un ejemplo explique su
proceso de construccin:
El algoritmo gentico es una tcnica de bsqueda basada en la teora de la
evolucin de Darwin, que ha cobrado tremenda popularidad en todo el mundo
durante los ltimos aos. Estn basados en el proceso gentico de los organismos
vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza
de acorde con los principios de la seleccin natural y la supervivencia de los ms
fuertes, postulados por Darwin.
Versiones ms complejas de algoritmos genticos generan un ciclo iterativo que
directamente toma a la especie (el total de los ejemplares) y crea una nueva
generacin que reemplaza a la antigua una cantidad de veces determinada por su
propio diseo. Una de sus caractersticas principales es la de ir perfeccionando su
propia heurstica en el proceso de ejecucin, por lo que no requiere largos perodos
de entrenamiento especializado por parte del ser humano, principal defecto de otros
mtodos para solucionar problemas, como los Sistemas Expertos.
EJEMPLO DE ALGORITMO GENETICO
La finalidad de este ejemplo es construir un planeador de rutas, capaz de
encontrar la ruta ms corta a la salida ms cercana, para cada una de las n
personas que se encuentran en un cuarto.
Este cuarto contiene obstculos estticos y varias salidas. La ruta encontrada
para la persona x no debe llevarla a chocar con algn obstculo ni con otra
persona que a su vez se est moviendo en el cuarto.
-
La interface del programa tiene la siguiente simbologa:
-Cubos de colores y mas pequeos : Personas
-Cubos azules: Obstculos
-Cuadros rojos: Salidas
Inicializacin:
En este primer paso se crea aleatoriamente un conjunto de individuos (que estn
sobre el espacio S).
Inicialmente tenemos 20 individuos. Los individuos se representan como un vector,
cuyos valores van del 0-7, y que significan lo siguiente:
0- Camina un paso a la izquierda
1- Camina un paso a la derecha
2- Camina un paso adelante
3- Camina un paso atrs
4- Camina en diagonal izquierda hacia arriba
5- Camina en diagonal izquierda hacia abajo
6- Camina en diagonal derecha hacia abajo
7- Camina en diagonal derecha hacia arriba
8 - Qudate en tu lugar
stos seran dos ejemplos de individuos:
1) 2 - 1 - 2 - 0 - 7 - 4 - 3 - 6 - 3 - 3 - 3 - 0 - 5 - 0 - 3 - 3 - 3 - 1 - 1 - 1 - 3 - 5 - 1 - 4 - 7 -
4 - 3 - 1 - 6 - 1 - 2
2) 0 - 4 - 1 - 7 - 5 - 3 - 1 - 1 - 3 - 3 - 3 - 7 - 5 - 1 - 2 - 5 - 6 - 4 -
Despus el algoritmo itera en los siguientes pasos hasta que se cumpla alguna
condicin.
En este caso dicha condicin es que evolucionen 6 generaciones.
Evaluacin:
La Funcin F es computada para cada individuo, ordenando la poblacin del mejor
individuo al peor. En el ejemplo, la funcin a optimizar es la longitud de los
individuos. Es decir deseamos obtener un individuo con longitud mnima. Por ello, se
-
ordenan en base a su longitud y en orden ascendente.
Seleccin:
Se selecciona con la regla de seleccin - explicada a continuacin - una pareja de
individuos. La regla utilizada es roulette wheel selection, que elige en base a
probabilidad proporcional a su calificacin:
1.- Se genera un nmero aleatorio r E [0,1].
2.- Se multiplica r por la suma de las calificaciones de la poblacin (S), obtenindose
c = rS.
3.- Se establece la calificacin acumulada (Ca) y el ndice en cero: Ca = 0, i=0
4.- A la calificacin acumulada se le suma la calificacin del i-simo individuo:
Ca = Ca + calif(i)
5.- Si Ca > c entonces el i-esimo individuo es seleccionado.
6.- Si no, entonces se incrementa i y se regresa al paso 4.
Esta seleccin es con reemplazo, es decir, un mismo individuo puede ser
seleccionado varias veces. As que cada vez que se selecciona un individuo no se
quita de la poblacin de la que se est seleccionando, permanece en ella para que
pueda ser elegido nuevamente.
Reproduccin:
Se generan nuevos individuos a partir de la pareja seleccionada en el paso 3.
El algoritmo de reproduccin que se ha utilizado es el siguiente:
-Una vez seleccionados 2 individuos p1 y p2 (llamados padres) se procede a
cruzarlos.
- Generamos un nmero aleatorio entre 1 y (longitud de p1)/2, llamado n1.
- Generamos un nmero aleatorio entre (longitud de p2)/2 y longitud de p2, llamado
n2.
- Calculamos la posicin en la que se encuentra p1 al dar n1 pasos, y la llamamos
pasosp1.
- Calculamos la posicin en la que se encuentra p2 al dar (longitud de p2)/2 pasos, y
la llamamos pasosp2.
- Generamos un camino aleatorio de pasosp1 a pasosp2, llamado
camino_intermedio. Este camino aleatorio verifica que no choque con ningn
obstculo predefinido (esttico).
- Copiamos los primeros n1 pasos de p1 en el nuevo individuo ni1.
- Copiamos camino_intermedio a ni1.
-Copiamos los pasos de p2 de n2 a longitud p2.Y de la misma manera generamos el
segundo nuevo individuo, slo que ahora tomamos el inicio de p2 y el final de p1.
Esta cruza nos garantiza que obtengamos individuos vlidos, es decir que nos van a
dar un camino que inicie en la posicin original de la persona y finalice en alguna
salida. Y que adems no choque con ningn obstculo.
Despus de repetir 6 veces los pasos del 2 al 4, se obtiene una poblacin final.
El algoritmo adems de estos pasos, incorpora un quinto paso al que llamamos
entrenamiento.
Entrenamiento:
Repite los pasos del 1 al 4 n veces. El primer algoritmo gentico coloca en la
-
poblacin inicial del segundo algoritmo gentico, a su mejor individuo (lo coloca 2
veces, para asegurarse de que va a preservarse en las siguientes generaciones), el
segundo hace lo mismo con el tercero, y as sucesivamente hasta n.
Los algoritmos genticos tienen una caracterstica peculiar, que es que cada vez
que se ejecuta nos da (muy probablemente) respuestas diferentes, y esto es porque
la poblacin inicial se genera aleatoriamente.
Estos entrenamientos nos permiten tomar el mejor individuo evolucionado del
algoritmo gentico anterior, y a su vez generar nuevos individuos. Esto es conocido
tambin como elitismo. Con esto generamos n veces poblaciones aleatorias y (n-1)
veces la poblacin inicial al menos tiene un buen individuo. Este nuevo individuo al
cruzarlo con algn otro buen individuo generado aleatoriamente puede ser que nos
d uno an mejor.
Parmetros que deben ser especificados en el programa:
N de generaciones: cantidad de veces que se produce una nueva generacin de
individuos, utilizando las reglas anteriormente explicadas. Por lgica, cuantas ms
generaciones produzcamos, obtendremos mejores individuos.
N de individuos por generacin: en este ejemplo, la cantidad de individuos de una
generacin a otra es constante, no vara.
N de entrenamientos: cantidad de veces que se lleva a cabo un entrenamiento
entre diferentes generaciones de individuos.
-
b. Teniendo en cuenta el trabajo individual, elabore un cuadro comparativo entre la bsqueda heurstica y la bsqueda ciega
BSQUEDA CIEGA BUSQUEDA HEURISTICA
Slo utiliza informacin acerca de si un estado es o no objetivo para guiar su proceso de bsqueda. Antes de explicar los tipos de bsqueda ciega, convendra dar una serie de definiciones: Expandir un nodo: obtener los posibles hijos de un nodo a partir de la aplicacin de los distintos operadores sobre l. Nodo cerrado: Se han aplicado todos los posibles operadores sobre l, obtenindose todos sus posibles hijos. Nodo abierto: No han actuado todos los posibles operadores, con lo que podran obtenerse nuevos hijos aplicando los operadores restantes.
Las tcnicas de bsqueda heurstica usan el conocimiento del dominio para adaptar el solucionador y, de esta manera, ste sea ms potente y consiga llegar a la solucin con mayor rapidez. Por tanto, estas tcnicas utilizan el conocimiento para avanzar buscando la solucin al problema. Definiciones: Costo del camino: coste necesario para ir del nodo raz al nodo meta por dicho camino. Costo para hallar la solucin: coste necesario para encontrar el camino anteriormente definido. Potencia heurstica: capacidad de un mtodo de exploracin para obtener la solucin con un coste lo ms bajo posible. Tipos Estrategias tentativas: aquellas en las que se puede abandonar la exploracin de una rama y pasar a explorar otra en cualquier momento del problema. Estrategias irrevocables: aquellas en las que no se puede abandonar la exploracin de la rama por la que se comenz.
TIPOS DE BSQUEDA CIEGA:
Bsqueda en amplitud.
Bsqueda en profundidad.
Bsqueda en profundidad progresiva. Bsqueda bidireccional.
TIPO DE BUSQUEDA HEURISTICA
Primero el mejor
Bsqueda en haz
Algoritmo A*
CARACTERISTICAS Se les denomina as porque solo usan estrategias de bsqueda que solo consideran la relacin de precedencia entre estados. Los mtodos de bsqueda ciega ms conocidos son: - Bsqueda en amplitud. - Bsqueda en profundidad. - Bsqueda no determinista.
CARACTERISTICAS Se denomina heurstica a la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La capacidad heurstica es un rasgo caracterstico de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invencin o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente.