UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO SUBPROGRAMA DISEO ACADMICO AREA INGENIERA

PLAN DE CURSO
I. Identificacin

Nombre: Cdigo: U.C: Carrera:

COMPUTACIN EVOLUTIVA 350 4 Ingeniera de Sistemas

Cdigo:

236

Semestre :

Formacin Profesional

Prelaciones:

Investigacin de Operaciones II (348)

Autor:

MSc. Mara Eugenia Mazzei

Asesores:

MSc. Carmen Z. Maldonado Lic. Carmen Velsquez Dr. Antonio Alfonzo

Nivel Central Caracas, Julio 2013

II.

FUNDAMENTACIN

La Computacin Evolutiva es una vertiente de la Computacin que se basa en la imitacin de los procesos evolutivos y en el comportamiento de organizaciones sociales existentes en la naturaleza, para la resolucin de problemas de ingeniera, de Investigacin de Operaciones o de optimizacin en general. Los problemas de optimizacin surgen en situaciones en las cuales se requiere hallar la mejor solucin bajo ciertas condiciones y contemplan la administracin de recursos en forma eficiente. En el campo de la Ingeniera, existen problemas de diseo de dispositivos o de estructuras, entre otros, en los cuales se requiere optimizar el espesor, la capacidad, la presin o el peso. Son ejemplos tpicos del campo de la Investigacin de Operaciones: los problemas de produccin, de ubicacin, de asignacin, de programacin de cursos, de planificacin, de distribucin y los problemas de redes estticas y dinmicas, entre otros. El diseo de algoritmos estndares para hallar la solucin de problemas, en el contexto evolutivo, se inspira en conceptos y maneras de organizacin que pertenecen al campo de la biologa, entre ellos estn: las

poblaciones, la recombinacin, las mutaciones, la supervivencia del ms apto, la organizacin de enjambres de abejas, hormigas y aves. El curso de Computacin Evolutiva que se presenta es una introduccin al empleo de conceptos bio-inspirados, llevados al diseo de algoritmos, con el fin de resolver problemas. Estos algoritmos estn basados en la utilizacin de tcnicas heursticas y proveen un enfoque sencillo y novedoso para su tratamiento y solucin a travs del computador. La asignatura Computacin Evolutiva pertenece al grupo de asignaturas de Formacin Profesional y puede cursarse a partir del sptimo semestre. Debido a su naturaleza esencialmente algortmica, se le concibe dentro del bloque de Computacin; no obstante, es preciso que el estudiante haya cursado las asignaturas obligatorias pertenecientes al bloque de Investigacin de

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

3 Operaciones, ya que existe una estrecha vinculacin entre el tipo de problema abordado y el rea de investigacin de operaciones. Cabe destacar que esta relacin entre la Computacin y la Optimizacin es una tendencia actual, la cual se ha de poner en prctica a travs de este curso. Se espera que esta asignatura contribuya con la formacin del estudiante de Ingeniera de Sistemas, en el sentido de ofrecer una nueva manera de resolver problemas, pues se emplean conceptos tomados de la naturaleza para fortalecer las destrezas computacionales adquiridas en cursos anteriores. El curso es de carcter terico-prctico; por una parte comprende un conjunto de conceptos y tcnicas, cuya asimilacin es fundamental para su aplicacin; y por otra, el empleo de estos para la implementacin y pruebas de algoritmos en el computador. Como condicin para alcanzar un buen desempeo, se espera que el estudiante posea las destrezas bsicas de programacin adquiridas en los semestres iniciales de la carrera, as como las tcnicas de optimizacin aprendidas en los semestres medios. Para la administracin del curso se cuenta con el siguiente paquete instruccional: o Plan de curso. o Material instruccional de apoyo, digitalizado (MIA): Computacin Evolutiva, 2011, en formato PDF. o Presentaciones digitalizadas en formato PDF, 2011. o Libro de consulta, disponible en formato PDF: Introduccin a la Computacin Evolutiva (Notas de Curso), 2004, Carlos A. Coello.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

4 III. PLAN DE EVALUACION

MODALIDAD OBJETIVO CONTENIDO Orientaciones generales: Las pruebas son de modalidad presencial y de desarrollo. Primera prueba Mdulo I: U 1,2 Los objetivos correspondientes a cada unidad estn ponderados, lo cual consiste 1, 2, 3 parcial Mdulo II: U 3 en la asignacin de peso a los objetivos evaluables de la asignatura, de acuerdo con la importancia y/o complejidad que tienen. La escala de ponderacin de esta asignatura es de 1 a 5 puntos. Esta ponderacin est determinada por la Segunda prueba Mdulo II: U 4 y 5 incidencia de los objetivos evaluables en: el perfil de la carrera, el objetivo terminal 4,5,6,7 parcial Mdulo III: U 6 y 7 de la asignatura y los objetivos terminales de las asignaturas sobre las que existe prelacin. Mdulo I: U 1,2 1,2,3,4, Las especificaciones del trabajo prctico se suministran con la primera prueba Prueba integral Mdulo II: U 3,4,5 parcial. Si el estudiante no va a presentar esta prueba, debe retirar un ejemplar de 5,6,7 Mdulo III: U 6 y 7 estas en el lugar de presentacin. El estudiante consignar el trabajo resuelto con la prueba integral. Nivel Corrector: Est totalmente asignado al Nivel Central. Trabajo prctico Mdulo IV: unidad 8 8 Responsable: MSc. Mara Eugenia Mazzei (Especialista en Contenido) Direccin de correo electrnico: mmazzei@una.edu.ve Telfono: (0212) 5552376 M U O OBJETIVOS Aplicar mtodos tradicionales y/o mtodos basados en heursticas en la resolucin de problemas de optimizacin. 1 1 I Aplicar conceptos bio-inspirados en la realizacin de abstracciones a problemas. 2 2 Aplicar algoritmos genticos en la resolucin de problemas. 3 3

II

4 5 6 7 8
1 1

4 5 6 7 8

Aplicar estrategias evolutivas en la resolucin de problemas. Aplicar tcnicas de Programacin Gentica en la resolucin de problemas. Aplicar los conceptos y tcnicas relacionados con los enjambres de hormiga para la resolucin de problemas. Aplicar los conceptos y tcnicas relacionados con los enjambres de partculas para la resolucin de problemas. Resolver un problema del mundo real, empleando los conceptos y tcnicas relacionados con los algoritmos evolutivos, la inteligencia social o enfoques afines.
2 3 4 5 6 7 8 1 3 2 2 2 2 5 Peso acumulado: Calificacin 1 -9 1 10 2 11 3 12 4 13 5 14 6 15 7 16 8 17 9 18 10

III IV
Objetivo: Peso:

Peso mximo: 18 puntos Criterio de dominio acadmico: 14 puntos

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

ORIENTACIONES GENERALES El material instruccional recomendado para este curso est disponible en formato PDF, en la Biblioteca Digital UNA. El software de programacin a emplear para la realizacin de ejercicios y del trabajo prctico es de libre eleccin. Lea las instrucciones que aparecen en el MIA. Realice los ejercicios propuestos en cada unidad, en el Material de Apoyo. Contacte con otros estudiantes del curso a fin de compartir materiales instruccionales hallados en Internet y de discutir los temas abordados. Consulte otros libros sugeridos en la bibliografa complementaria. Consulte las direcciones electrnicas especificadas en el MIA. Si no se hacen referencias especficas, se recomienda buscar el tema en Internet, empleando algn buscador. Ante cualquier duda, consulte con su asesor en su Centro Local. Si desea hacer algn comentario o sugerencia acerca del curso, comunquese con el profesor que lo administra a travs de la direccin de correo electrnico suministrada por la carrera.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

6 IV. DISEO DE LA INSTRUCCIN DEL CURSO

Objetivo del curso: Resolver problemas de optimizacin, con sentido analtico y creativo, a travs de la aplicacin
los conceptos y tcnicas de la Computacin Evolutiva.

Objetivo 1

Contenido El problema de optimizacin. Mtodos de bsqueda. Mtodos basados en heursticas: Recocido Simulado y Bsqueda Tab. Algoritmos. Conceptos biolgicos y su analoga con la computacin. Poblaciones. Funcin de evaluacin (o de fitness). Vecindad. Generaciones. Computacin Evolutiva. Fundamentos. Pasos de un Algoritmo Evolutivo. Operadores de Variacin. Operadores de Seleccin. Ventajas Generalidades. Esquemas de representacin. Operadores de Cruce y de Mutacin. Formulacin Matemtica del GA. Algoritmo estndar. Aplicacin del GA para la resolucin de problemas. Generalidades. Tipos de Estrategias Evolutivas. Cruce. Mutacin. Algoritmo Estndar. Aplicacin de EE en la resolucin de problemas. Fundamentos. Representacin de los individuos en rboles. Algoritmo Estndar. Aplicacin de GP en la resolucin de problemas. Generalidades de los sistemas sociales artificiales. Fundamentos de los Algoritmos Hormiga. Algoritmo ACO. Aplicacin del Algoritmo ACO en la resolucin de problemas. Fundamentos de los Algoritmos de Enjambres de Partculas. Algoritmo PSO. Aplicacin del Algoritmo PSO en la resolucin de problemas. Variantes del algoritmo. Temas incluidos: Vida Artificial. Autmata Celular: El Juego de la Vida. Redes de Neuronas Artificiales. Caso de Estudio: Algoritmo Gentico.

3 4 5 6 7 8

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

7 OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE EVALUACIN Materiales Instruccionales: Producto: Solucin a un problema dado, Material instruccional de apoyo. empleando un mtodo Software: lenguaje de programacin de propsito general tradicional o uno basado Presentacin: Optimizacin en heursticas: Recocido Direcciones electrnicas suministradas en el MIA Simulado o Bsqueda Tab. Actividades a realizar: Lea el captulo 1, seccin 1.1, en el MIA. Resuelva los ejercicios y autoevaluacin propuestos en el material instruccional. Vea la presentacin, hasta el Mtodo de Ascenso de Colinas Estocstico (inclusive). Consulte la direccin electrnica (seccin 1): http://geneura.ugr.es/~jmerelo/tutoriales/heuristics101/ Procedimiento: Se valorar la abstraccin realizada para resolver el problema y la correcta aplicacin del mtodo.

1 Aplicar mtodos tradicionales y/o mtodos basados en heursticas en la resolucin de problemas de optimizacin.

Instrumento: Una prueba presencial de Implemente los algoritmos de Recocido Simulado y Bsqueda Tab, desarrollo donde se empleando algn lenguaje de programacin de propsito general. aplicar un mtodo Pruebe el algoritmo con ejemplos de funciones a optimizar en un tradicional o uno basado intervalo. en heursticas. Intercambie ejemplos de problemas de bsqueda con otros Primera estudiantes del curso. Compare los resultados obtenidos al ejecutar Momento: prueba parcial y la los programas. prueba Integral.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

8 OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE EVALUACIN Producto: Aplicacin de conceptos bio-inspirados en una abstraccin del problema. Procedimiento: Se valorar la correcta aplicacin del concepto de inspiracin biolgica. Instrumento: Una prueba presencial de desarrollo donde se aplicar un concepto proveniente de la biologa a una situacin dada. Momento: Primera prueba parcial y la prueba Integral.

Materiales Instruccionales: Material instruccional de apoyo. Software: lenguaje de programacin de propsito general Presentacin: Optimizacin Direcciones electrnicas suministradas en el MIA Actividades a realizar: Lea el captulo 1, seccin 1.2, en el MIA. Resuelva los ejercicios y autoevaluacin propuestos en el material instruccional. Vea en la presentacin, los mtodos de bsqueda bio-inspirados. Investigue sobre problemas a los cuales se les pueda dar un tratamiento para su solucin, empleando conceptos bio-inspirados. Implemente algoritmos que generen poblaciones de individuos. Consulte la direccin electrnica (seccin 2): http://geneura.ugr.es/~jmerelo/tutoriales/heuristics101/

2
Aplicar conceptos bio-inspirados en la realizacin de abstracciones a problemas.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

9 OBJETIVO ESTRATEGIAS DE EVALUACIN Materiales Instruccionales: Producto: Aplicacin del algoritmo gentico en la Material instruccional de apoyo. resolucin de un Libro de consulta: Introduccin a la Computacin Evolutiva, de problema. C. Coello (est en formato PDF). Software de propsito general Presentacin: Algoritmos Evolutivos Procedimiento: Se Direcciones electrnicas suministradas en el MIA valorar la correcta abstraccin del problema Actividades a realizar: y la aplicacin del algoritmo gentico. Lea el captulo 2, secciones 1 a 9 en el MIA. Lea en el captulo 3 del libro de consulta, titulado Principales Instrumento: Una Paradigmas, lo relacionado con el algoritmo gentico. prueba presencial de Resuelva los ejercicios y autoevaluacin propuestos en el material desarrollo donde se instruccional. Vea en la presentacin, lo correspondiente a los algoritmos aplicar alguna variante del algoritmo gentico. evolutivos, hasta algoritmos genticos (inclusive). Disee estructuras de datos que permitan representar soluciones en Momento: Primera forma de cromosoma. prueba parcial y la Implemente funciones que simulen los operadores de seleccin y prueba Integral. variacin. Implemente el algoritmo gentico. Pruebe el algoritmo con diferentes ejemplos. Consulte la direccin electrnica (secciones: 3, 4 y 5): http://geneura.ugr.es/~jmerelo/tutoriales/heuristics101/, en esta direccin se hace referencias a algoritmos genticos interactivos, los cuales pueden accederse, a travs de los enlaces presentados. Discuta con otros estudiantes del curso acerca de la implementacin del algoritmo gentico. ESTRATEGIAS INSTRUCCIONALES

3
Aplicar algoritmos genticos en la resolucin de problemas.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

10 OBJETIVO ESTRATEGIAS DE EVALUACIN Materiales Instruccionales: Producto: Aplicacin de estrategias evolutivas en Material instruccional de apoyo. la resolucin de un Libro de consulta: Introduccin a la Computacin Evolutiva, de problema. C. Coello (est en formato PDF). Software de propsito general. Procedimiento: Se Presentacin: Algoritmos Evolutivos. valorar la correcta Direcciones electrnicas suministradas en el MIA . aplicacin de las estrategias evolutivas. Instrumento: Una prueba presencial de Lea el captulo 2, seccin 11, en el MIA, el cual corresponde a desarrollo donde se Estrategias Evolutivas. aplicar algn tipo de Realice un cuadro que contenga las diferentes estrategias evolutivas estrategia evolutiva. aprendidas y su descripcin. Lea en el captulo 3 del libro de consulta, titulado Principales Momento: Segunda Paradigmas, lo referente a estrategias evolutivas. Resuelva los ejercicios y autoevaluacin propuestos en el material prueba parcial y la prueba Integral. instruccional. Vea en la presentacin lo correspondiente a las estrategias evolutivas. Implemente funciones en los algoritmos realizados que simulen las estrategias evolutivas aprendidas. Consulte la direccin electrnica : http://www.tamps.cinvestav.mx/~gtoscano/clases/CE/archivos/estrategiasevolutivas.pdf Actividades a realizar: ESTRATEGIAS INSTRUCCIONALES

4
Aplicar estrategias evolutivas en la resolucin de problemas.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

11

OBJETIVO

ESTRATEGIAS INSTRUCCIONALES Materiales Instruccionales: Material instruccional de apoyo. Libro de consulta: Introduccin a la Computacin Evolutiva, de C. Coello (est en formato PDF). Software de propsito general. Presentacin: Algoritmos Evolutivos. Direcciones electrnicas suministradas en el MIA.

ESTRATEGIAS DE EVALUACIN Producto: Aplicacin de la programacin gentica en la resolucin de un problema. Procedimiento: Se valorar la correcta modelacin y/o aplicacin del algoritmo de Programacin Gentica.

5
Aplicar tcnicas de Programacin Gentica en la resolucin de problemas.

Instrumento: Una prueba presencial de desarrollo donde Lea el captulo 2, secciones 12 a 15, en el MIA, el cual se aplicar el algoritmo de programacin gentica. corresponde a Programacin Gentica. Lea en el captulo 3 del libro de consulta, titulado Principales Momento: Segunda prueba Paradigmas, lo referente a programacin gentica. Resuelva los ejercicios y autoevaluacin propuestos en el parcial y la prueba Integral. material instruccional. Vea en la presentacin lo correspondiente a Programacin Gentica. Implemente funciones en los algoritmos realizados que simulen la aplicacin del algoritmo de programacin gentica. Pruebe el algoritmo con ejemplos. Consulte la direccin electrnica : http://web.ing.puc.cl/~jabaier/iic2622/gp.pdf Actividades a realizar: Comparta con otros estudiantes del curso ejemplos del uso de estrategias evolutivas, que permitan probar los algoritmos implementados.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

12

OBJETIVO

ESTRATEGIAS INSTRUCCIONALES

Materiales Instruccionales: Material instruccional de apoyo. Software de propsito general Presentacin: Inteligencia Social Direcciones electrnicas suministradas en el MIA Actividades a realizar:

ESTRATEGIAS DE EVALUACIN Producto: Aplicacin de la meta-heurstica basada en colonias de hormigas para la resolucin de un problema. Procedimiento: Se valorar la correcta modelacin y/o aplicacin del algoritmo.

6
Aplicar los conceptos y tcnicas relacionados con los enjambres de hormiga para la resolucin de problemas.

Lea en el MIA, captulo 3, la seccin sobre algoritmos basados Instrumento: Una prueba presencial de desarrollo donde en colonias de hormigas. se aplicar el algoritmo basado Resuelva los ejercicios y autoevaluacin propuestos en el en colonias de hormigas. material instruccional. Momento: Segunda prueba Disee las estructuras de datos apropiadas para implementar parcial y la prueba Integral. el algoritmo. Vea en la presentacin lo correspondiente a los algoritmos hormiga. Implemente funciones en los algoritmos realizados que simulen la aplicacin del algoritmo hormiga. Consulte en la siguiente direccin electrnica : t.aut.uah.es/juanra/jornadas0809/O_Cordon.pdf la seccin que trata sobre los algoritmos hormiga.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

13

OBJETIVO

ESTRATEGIAS INSTRUCCIONALES Materiales Instruccionales: Material instruccional de apoyo. Software de propsito general Presentacin: Inteligencia Social Direcciones electrnicas suministradas en el MIA

ESTRATEGIAS DE EVALUACIN Producto: Aplicacin de la meta-heurstica basada en enjambres de partculas para la resolucin de un problema.

7
Aplicar los conceptos y tcnicas relacionados con los enjambres de partculas para la resolucin de problemas.

Procedimiento: Se valorar la correcta modelacin y/o Actividades a realizar: aplicacin del algoritmo de Lea en el captulo 3 del MIA, la seccin que corresponde a enjambres. Optimizacin por enjambres de partculas. Resuelva los ejercicios y autoevaluacin propuestos en el Instrumento: Una prueba presencial de desarrollo donde material instruccional. Vea en la presentacin lo correspondiente a los algoritmos de se aplicar el algoritmo basado en optimizacin de partculas. optimizacin de partculas. Disee las estructuras de datos apropiadas para implementar Momento: Segunda prueba el algoritmo. Implemente funciones que realicen la evaluacin de las parcial y la prueba Integral. partculas, su generacin aleatoria y su topologa. Luego implemente el algoritmo de optimizacin de partculas. Discuta con otros estudiantes del curso aspectos relacionados con la implementacin del algoritmo de enjambres de partculas. Consulte la direccin electrnica : http://acishost.acis.org.co/fileadmin/Revista_113/uno.pdf Consulte en la siguiente direccin electrnica : t.aut.uah.es/juanra/jornadas0809/O_Cordon.pdf la seccin dedicada a los algoritmos de enjambres de partculas.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

14

OBJETIVO

ESTRATEGIAS INSTRUCCIONALES

Materiales Instruccionales: Material instruccional de apoyo. Libro de consulta: Redes Neuronales Artificiales y sus Aplicaciones, Xabier Basogain. Documento en formato PDF: Hojas de Clculo para la Simulacin de Redes de Neuronas Artificiales(RNA), Garca, J., Lpez, A. M., Romero, J. E., Garca, A. R., Camacho, C., Cantero, J. L., Atienza, M.,Salas, R. Software de propsito general Direcciones electrnicas suministradas en el MIA y otras que traten los temas a abordar.

ESTRATEGIAS DE EVALUACIN Producto: Aplicacin de algn mtodo bio-inspirado en la resolucin de un problema. Procedimiento: Se valorar la correcta modelacin del problema, la implementacin del algoritmo y la obtencin de la solucin. Instrumento: Trabajo prctico. Momento: Entrega de las especificaciones con la primera parcial, por parte de la carrera y consignacin del problema resuelto con la prueba Integral, por parte del estudiante.

8
Resolver un problema del mundo real, empleando los conceptos y tcnicas relacionados con los algoritmos evolutivos, la inteligencia social o enfoques afines.

Actividades a realizar: Lea en el captulo 4 del MIA, los temas expuestos. Investigue en la web sobre estos temas y otros afines a la Computacin Evolutiva. Lea los casos de estudio. Disee algoritmos apropiados para la resolucin de problemas de optimizacin, empleando nuevos enfoques bio-inspirados.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013

15

V. BIBLIOGRAFA Obligatoria Coello, C. A., Introduccin a la Computacin Evolutiva (Notas de Curso), 2008, En formato PDF. Mazzei, M., E., Material Instruccional de Apoyo: Curso Computacin Evolutiva (UNA). En formato PDF.

Complementaria Arrioja, N., Inteligencia Artificial. Users, Gradi S.A. Argentina, 2007.

Basogain, X., Redes Neuronales Artificiales y sus Aplicaciones,1998. En formato PDF. Bonabeau, E., Dorigo, M., Theraulaz ,G., Swarm Intelligence, From Natural to Artificial Systems, Santa Fe Institute Studies in the Sciences of Complexity, Oxford University Press,1999. Dorigo, M., Stzle, T., Ant Colony Optimization, MIT Press, 2004. Goldgerg, D., E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989. Kennedy J., Eberhart R., Swarm Intelligence. Morgan Kaufmann Publishers, 2001. Koza J.,R., Genetic Programming II, MIT Press, 1994. Michalewicz, .Z ., How to solve it. Modern Heuristics. Springer , 1998. Michalewicz, Z., Genetic Algorithm + Data Structures = Evolutionary . Springer, 1996. Nilsson, N., Artificial Intelligence: A New Sinthesis. Morgan Kaufmann Publishers Inc., 1998. Russell, S. J., Norvig, P., Inteligencia Artificial, Un Enfoque Moderno. Pearson Educacin, S. A., Madrid, 2003.

Computacin Evolutiva (Cd. 350)

Elaborado por: Msc. Mara Eugenia Mazzei

UNA - 2013