ALGORITMOS GENETICOS.

Slides:



Advertisements
Presentaciones similares
HERENCIA Y EVOLUCIÓN.
Advertisements

Inteligencia artificial y sus aplicaciones
Álgebra de Boole El álgebra booleana es un sistema matemático deductivo centrado en los valores cero y uno (falso y verdadero). Un operador binario " º.
ALGORITMOS GENETICOS EVOLUCIÓN DE UNA POBLACIÓN DE
CIENCIAS DE LA COMPUTACIÓN
“Impulsando la Sociedad
PROYECTO DE GRADO CARLOS STALIN ALVARADO SANCHEZ
COMPONENTIZACIÓN DE ALGORITMOS GENETICOS Y SU IMPLEMENTACIÓN EN UNA PLATAFORMA ABIERTA PARA APRENDIZAJE COMPUTACIONAL.
UNIVERSIDAD LATINA (UNILA) II.- ANALISIS DE ALGORITMOS
Ajustando el Algoritmo al problema Universidad Nacional Oscar Lozano.
Ingeniería de sw.
Definición Los Algoritmos Genéticos son métodos adaptativos que pueden usarse para resolver problemas de búsqueda y optimización. los Algoritmos Genéticos.
“En lugar de envidiar la naturaleza debemos emularla” Holland
Sistemas Inteligentes Algoritmos Evolutivos
“se adquieren” porque son potencialidades que se tienen disposición.
Métodos basados en poblaciones 1 En cada iteración se trabaja con un conjunto o población de soluciones Computación evolutiva: algoritmos que se inspiran.
Sistemas Inteligentes Algoritmos Geneticos
Optimización matemática Algoritmos Genéticos – Parte 2 Por: Antonio H
Algoritmos Genéticos.
Resumen Población Grupo de individuos de la misma especie que ocupan un área determinada y que realizan intercambios de genes. Conjunto de organismos de.
Algoritmos Genéticos (AG) Integrantes: Rubén Levineri Miguel Rozas Juan Yañez Faltan autores y bibliografía.
ALGORITMO GENÉTICO John Henry Holland (n. 02 de febrero 1929, Fort Wayne, Indiana, EE.UU.) ostenta los títulos de Profesor de Psicología y Profesor de.
LAMARCKISMO DARWISNISMO TEORÍA SINTÉTICA
Optimización matemática Algoritmos Genéticos – Parte 1 Por: Antonio H
Alumno: Jorge Ahumada A. Profesor Guía : Nelson Baloian T.
Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica División de Estudios de Posgrado Algoritmos Genéticos.
describe el estudio de la herencia al igual que ocurre en los seres humanos.

RESUMEN En este artículo se describe en forma breve una de las líneas de investigación que se están llevando a cabo en el Laboratorio de Tecnologías Emergentes.
COMPUTACION EVOLUTIVA Introducción. Computación Evolutiva: Computación Evolutiva: Enfoque alternativo para abordar problemas complejos de: Enfoque alternativo.
BIOINFORMÁTICA TEMA 1 INTRODUCCIÓN
Universidad de Panamá Escuela de Biología Departamento de genética Genética de Poblaciones Integrantes: Castellanos, Rebeca Robinson, Anine Robles, Jazmin.
Computación Evolutiva
Neodarwinismo.
Aspectos adaptativos de adquisición y distribución de recursos
Algoritmos genéticos Introducción Esquema básico Codificación
Sistema De Apoyo A La Asignación De Horarios De Clases Para El Colegio Piamarta UCINFSantiago, 18 de Noviembre 2006 Darío Díaz Videla iii. Teoría Enfoques.
Una introducción a la computación evolutiva
Trabajo de Graduación “SISTEMA DE PLANEACIÓN AVANZADO (APS) PARA DETERMINAR LA UBICACIÓN ÓPTIMA DE CAPACITORES EN UNA RED DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA.
Propuesta del algoritmo
INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Y LOS SISTEMAS EXPERTOS
Principios de la evolución
Mary C. Jarur M. ww.udec.cl/~mjarur
Programación Orientada a Objeto
Alumna: Amanda Armijo Curso: 4 Medio C
EVOLUCIÓN DE UNA POBLACIÓN DE CURVAS EN EL TIEMPO Y EN EL ESPACIO Francisco Antonio González Salas Luis Valencia Cabrera.
INSTITUTO TECNOLÓGICO DE TIJUANA Maestría en Ciencias en Ciencias De La Computación Tema: Operadores genéticos Alumnas: Leticia Mendoza Reyes. Rosalinda.
Genética de mendel Gissel Garcés granados 11°c. Genética mendeliana Sin conocer nada acerca de los cromosomas, genes o ácidos nucleícos y gracias espíritu.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
Introducción a los Sistemas Inteligentes
GENETICA HUMANA.
La lógica proposicional y la computación Debido a que los computadores trabajan con información binaria, el algebra de Boole resulta ser la herramienta.
Fuerzas de la evolución Erick Torrez Osmaira Gonzales Lixxie Murrieta Karla Islas.
INTELIGENCIA ARTIFICIAL. Redes Neuronales Artificiales Mecanismos de aprendizaje ◦ Entrada x ◦ Salida y ◦ Peso w ◦ Transferencia ~
3.4 PRINCIPALES FACTORES DE LA EVOLUCION
Taller: Inteligencia Computacional
2.1 DEFINICIONES CARACTERÍSTICAS Y SUPOSICIONES.
Unidad TemáticaI. Conceptos Básicos Horas Prácticas10 Horas Teóricas8 Horas Totales18 Objetivo El alumno determinará las entradas, procesos y salidas.
Ing. Uziel Quiroz Castañeda Blanca Esthela Carranza Ortega 8º Semestre Junio/2013.
Heurística. Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de abstacción dado, como procesos computacionales de algún.
TEORÍAS SOBRE LA EVOLUCIÓN
describe el estudio de la herencia al igual que ocurre en los seres humanos. describe el estudio de la herencia al igual que ocurre en los seres humanos.seres.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
Genetica humana.
ANTECEDENTES “Teoría de la Generación espontanea”
GENETICA HUMANA.
TEORÍAS SOBRE LA EVOLUCIÓN
 Las poblaciones tienen variabilidad, debido a mutaciones, recombinación y flujo génico.
Para los científicos la teoría de Darwin presentaba dos fallos:
Algoritmo Genético para la solución del problema SAT René Clemente Juárez Angel Felipe Lara Valladares Junio 2012.
Transcripción de la presentación:

ALGORITMOS GENETICOS

Codificación de Problemas Prueba corta Evaluación Introducción Operadores Genéticos Para Correcto Funcionamiento Sección Inicial Utiliza Algoritmos Genéticos Aplica Algoritmo Principal Sobre Es parte Orígenes Para Codificación de Problemas Bases Biológicas Software

ALGORITMO GENETICO Definición según el científico John Koza: "Es un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto, y tras haberse presentado de forma natural una serie de operaciones genéticas de entre las que destaca la recombinación sexual. Cada uno de estos objetos matemáticos suele ser una cadena de caracteres (letras o números) de longitud fija que se ajusta al modelo de las cadenas de cromosomas, y se les asocia con una cierta función matemática que refleja su aptitud. "

La evolución es un proceso que opera, más que sobre los propios organismos, sobre los cromosomas. Estos cromosomas pueden ser considerados como herramientas orgánicas que codifican la vida, o visto al revés, una criatura creada decodificando la información contenida en los cromosomas. La selección natural es el mecanismo que relaciona los cromosomas con la eficiencia respecto al medio de la entidad que representan. Otorga a los individuos más adaptados al medio un mayor número de oportunidades de reproducirse. Los procesos evolutivos de la Genética tienen lugar durante la etapa de reproducción. Aunque existe una larga serie de mecanismos que afectan a la reproducción los más comunes son la mutación, causante de que los cromosomas de la descendencia sean diferentes a los de los padres, y el cruce o recombinación, que combina los cromosomas de los padres para producir la descendencia.

Definición de computación evolutiva según el Investigador Tomassini, 1995: “se refiere al estudio de los fundamentos y aplicaciones de ciertas técnicas heurísticas basadas en los principios de la evolución natural.

Cualquier solución potencial a un problema puede ser representado dando valores a una serie de parámetros. El conjunto de todos los parámetros se codifica en una cadena de valores denominada cromosoma.

En los algoritmos genéticos los individuos se representan con cadenas binarias es muy intuitivo que si queremos encontrar el máximo entre el intervalo [0-15] representemos a los individuos como “números binarios” en este caso como números binarios de longitud 4. Con un numero binario de 4 bits podremos representar 16 números (2^4=16) con lo cual decimos que “los individuos van a estar representados por un cromosoma de longitud 4“. Ejemplo:

Los algoritmos genéticos trabajan sobre una población de individuos Los algoritmos genéticos trabajan sobre una población de individuos. Cada uno de ellos representa una posible solución al problema que se desea resolver. Todo individuo tiene asociado un ajuste de a cuerdo a la bondad con respecto al problema de la solución que representa (en la naturaleza el equivalente seria una medida de la eficiencia del individuo en la lucha por los recursos).

Lo Los operadores Genéticos son aplicados para el paso de una generación a la siguiente.

La evaluación se encarga de establecer una medida numérica llamada ajuste. En la naturaleza el ajuste de un individuo puede considerarse como la probabilidad de que ese individuo sobreviva hasta la edad de reproducción y se reproduzca.

Aplicaciones: Diseño automatizado de equipamiento industrial. Diseño automatizado de sistemas de comercio en el sector financiero. Optimización de carga de contenedores. Diseño de sistemas de distribución de aguas. Diseño de topologías de circuitos impresos. Diseño de topologías de redes computacionales. En Teoría de juegos, resolución de equilibrios. Aprendizaje de comportamiento de robots.

Cuestionario: Que es un algoritmo genético? Que es la evolución? Defina que es computación evolutiva? Que es la selección natural? En que etapa tienen lugar los procesos evolutivos? Las dos estrategias mas usadas de evolución? Cualquier solución potencial a un problema puede ser representado dando valores a una serie de parámetros. El conjunto de todos los parámetros se codifica en una cadena de valores denominada? Para que son aplicados los Operadores Genéticos? En un Algoritmo Genético que representa cada individuo de la población? En la naturaleza, a que se refiere el ajuste en un individuo?