1

Algoritmo de cardumen peces

Romero Vargas Edwin Yeison.
edwyn919@gmail.com
Universidad Escuela Colombiana de Carreras Industriales

Resumen los bancos de peces son organizaciones en los

cuales cierto nmero de individuos de la misma especie se
aglomeran con fines de cooperacin colectiva, en esta se
solucionan problemas de alimentacin y evasin de amenazas,
tal comportamiento inspiro a desarrollar un algoritmo de
organizacin de cmulos de partculas en los cuales cada
individuo realiza una estigmergia y as llevar a cabo la
resolucin de problemas o casos en que la cantidad de
individuos puedan cumplir con una labor determinada y lograr
transmitir correcta y eficazmente alguna informacin al resto
de sus semejantes, como resultado se crea una inteligencia
colectiva.
Palabras clavealgoritmos, estigmergia, bio-aspiracin,
optimizacin de cumulo de partculas (PSO), algoritmo de
escuela de peces artificiales (AFSA).

I.INTRODUCCIN
Los enjambres biolgicos son modelos donde un
gran nmero de individuos por lo general de la
misma especie se rene en grandes cantidades y as
aprovechan el poder en masa y robustez y as
obtener beneficios como la defensa a sus predadores
naturales disminuyendo as la posibilidad de
captura, perfecciona el xito en la alimentacin los
cuales garantizan con un ndice mayor su
sobrevivencia y poder trasmitir sus genes a las
futuras generaciones, tal comportamiento genera
algoritmos estos modelos computacionales bioinspirados en el comportamiento de muchas
especies que descubrieron que la cooperacin
colectiva garantiza su supervivencia en el medio en
el cual se encuentran.
El (PSO) o algoritmos de cmulos de partculas
es un mecanismo evolutivo poblacional que se basa
en la cooperacin entre especies como pjaros y
bancos de peces, donde cada partcula ocupa un
espacio entorno a un problema dado con el fin de
llegar a una pronta solucin en un contexto global.

Seminario de Investigacin-Inteligencia Artificial

Este algoritmo posee peculiares usos ya que en

ciertos casos de optimizacin combinatoria ha
demostrado que tiene mayor efectividad , al
presentarse un problema de tal tipo , puede definirlo
en un conjunto de variables de tal manera que el
algoritmo debe buscar la respuesta teniendo en
cuenta cada una de las restricciones y alineamientos
del inconveniente.
Muchos de las aplicaciones del algoritmo se
centran en problemas de los campos de gestin
econmica, el transporte, las redes de
comunicaciones, etc. Su objetivo principal es
encontrar la programacin ptima, agrupar y filtrar
todo tipo de eventos.
En la ltima dcada se han incorporados los
enjambres inteligentes para la resolucin adecuada
de los inconvenientes de organizacin combinable
como Algoritmo Gentico [1], Optimizacin de
Cumulo de partculas (PSO) [1], Optimizacin de
Colonia de Abejas (BCO) [2], Optimizacin de
Colonia de Hormigas [3].estos son mtodos
evolutivos poblacionales que hacen uso de una
conducta global que emerge de la interaccin local
de los individuos entre si y su entorno. AFSA
(Algoritmo de Escuela de Peces Artificiales) fue
presentado por X. L. Li [4], el cual es un nuevo
mtodo de inteligencia de enjambres bio-inspirados
en el comportamiento de los bancos de peces.
Teora de los juegos diferenciales
Se propone que este algoritmo sea ptimo e
inteligente para que tenga la capacidad de adaptarse,
la teora de los juegos diferenciales fue propuesta
por el Dr. R. Issacs in 1965 [5], sin embargo existen
problemas en su aplicacin prctica:
-no posee una gran exactitud en la demanda del
modelo.
-no puede reflejar con precisin los problemas
reales de dicha confrontacin.
Li Xiao-lei [6], propone que el algoritmo de
optimizacin es la demostracin de un pensamiento

inteligente
demuestra
una
velocidad
de
convergencia ms rpida teniendo a pesar de sus
ventajas y desventajas.
El algoritmo tiene una buena aplicacin en la
optimizacin de combinaciones y en redes
neuronales adems de la estimacin de parmetros
[7].
Algoritmo meta-cognitivo
Mtodo de la optimizacin que busca mejorar la
velocidad de convergencia en el momento despus
de la optimizacin, podra hacer un auto-estudio
mediante el uso de su conocimiento en el entorno.
Los investigadores han hecho mejoras del algoritmo
con el uso de un operador tipo cruz y la variacin
del algoritmo gentico [8] busca crear nuevos peces
con conocimiento meta-cognitivo y la introduccin
de operadores para generar parmetros ms
adaptativos. El comportamiento de enjambre se
ejecutara si se posee una consistencia en los
alineamientos.
La teora de meta-cognicin fue presenta en 1970
por Flavell que era un psiclogo y su tesis posea
dos criterios uno era el conocimiento cognitivo y la
regulacin cognitiva adems de la dinmica y
esttica en las actividades cognitivas generando una
conciencia cognitiva [9]. El principal defecto de
algoritmo es que no se puede obtener una solucin
numrica de alta precisin.
Mejorar la experiencia en la recuperacin de
contenido
Esta aplicacin del algoritmo busca mejorar la
eficiencia en el aprendizaje disminuyendo el tiempo
de respuesta en la recuperacin de contenidos.
Este algoritmo puede estar muy interconectado
con el portal web en la recuperacin del contenido
e-learning, el cual es el aprendizaje en la educacin
a distancia a travs de canales electrnicos.
La diversificacin del alumno conduce a un
espacio de bsqueda de contenido descargable
sustancialmente ms amplio y continuo.
Este enjambre inteligente se ha usado con
frecuencia para los inconvenientes de optimizacin
en grandes espacios de bsqueda tal y como lo
hacen su similar natural, tambin se han usado
modelos diferentes como (PSO) [1], optimizacin

Seminario de Investigacin-Inteligencia Artificial

de colonia de hormigas [3] optimizacin de colonia

de abejas (BCO) [2].
En este contexto el algoritmo d banco de peces
lleva a cabo la bsqueda de problemas
multimodales, hacen parte del desplazamiento,
alimentacin y reproduccin. Las anteriores
caractersticas tambin existen en la gestin de
contenidos e-learning mejorar criterios y mejorar la
respuesta de descarga d contenidos.
Analoga del algoritmo de banco de pescados y la
e-learning configuracin de contenidos
En ese ambiente de aprendizaje cooperativo
ofrece flexibilidad a travs de los estudiantes y
como se ha mencionado en el problema de la
descarga eficaz de contenidos en un escenario
cooperativo en el cual podr ser una funcin de
bsqueda segura, en la siguiente tabla se indica los
parmetros y analogas de e-learning y AFSA.
TABLA I
ANALOGAS ENTRE EL E-LEARNING Y AFSA
AFSA
E-LEARNIG
Contenidos de aprendizaje

acuario

Meta-orientada a
contenidos a buscar
Densidad de comida en
Optimizacin en
el acuario
funcin al contenido a
descargar
Posicin aleatoria del
Comportamiento
pescado
aleatorio del estudiante
al hacer clic en el
contenido
Tiempo de arranque
Tiempo de servicio de
inicial (nadando)
descarga
Antes del momento
Se requiere tiempo de
inicial de la bsqueda en
CPU para desarrollar
in ciclo
error mnimo para lograr
ptima
seleccin de contenidos
para su descarga con
Tiempo de respuesta
mnimo.
El diseo de una funcin objetivo eficaz para
descargar el contenido se debe hacer; la funcin se
incorporar a travs de AFSA. Con el fin de abordar
la problema en ms restriccin basada configurado,

el tiempo de CPU vara desde el procesador a

procesador, y esto solicita una consideracin
paramtrica en la derivacin de la funcin objetivo,
lo que podra ser optimizado en consecuencia.

II.

ESTIGMERGIA

Es la comunicacin que realizan los individuos

con el ambiente a travs de un medio fsico de
manera que se genera un ambiente cooperativo, tal
informacin cumple un ciclo que ser pasado del
individuo al ambiente y del ambiente al individuo,
tal interaccin se experimenta directamente en
enjambres biolgicos.
Este concepto biolgico ha promovido el
desarrollo de la inteligencia artificial con la
creacin de algoritmos computacionales cuya
funcin es buscar la optimizacin y resolucin de
labores, de tal manera como lo realizan sus
similares orgnicos.
.
A.

Estrategias para anticipacin de trfico

Se plantea el uso y aplicacin una metodologa de

estigmergia, a largo y corto plazo para la
anticipacin de ocurrencia de trfico en tiempo real
y en el futuro prximo tal informacin se enviaran
a sistemas operativos adecuados en los mismos
vehculos o dems elementos tecnolgicos como
celulares, tables, etc. y as el conductor o usuario
elegira un nuevo trazado de ruta, tal informacin
seria captada por dispositivos en los vehculos, en la
actualidad estos datos se obtiene con sensores
instalados en zonas comunes donde halla trfico
vehicular.
Las investigaciones en el campo de sistemas
multi-ajentes se han centrado en la memoria
dinmica de corto plazo, en donde los vehculos
pueden compartir esta informacin y as elegir
nuevos trazados de rutas con la informacin en
tiempo real, gracias al uso de la estigmergia que
realizan los agentes con el ambiente.
Su funcionamiento derivara de una colonia de
hormigas a la inversa [10], en el caso de las
hormigas utilizan la comunicacin con feromonas
que dejan en el ambiente para que las otras lo
Seminario de Investigacin-Inteligencia Artificial

detecten y sigan esa estela a medida que pasan se

vuelve ms fuerte. En el caso de los vehculos este
rastro de informacin que los dems vehculos
dejan en el ambiente, si est muy saturado
infundira a los siguientes coches de no segur a sus
predecesores y el plan de viaje cambiara por uno
nuevo donde el rastro de informacin en el
ambiente no est tan impregnado.

Estigmergia de agentes annimos en

entornos discretos.
B.

Este tipo de comunicacin se realizara en

dispositivos o robots con mecanismos dedicados a
observar e interpretar los movimientos de sus
similares, tal i como lo hacen las abejas que usando
un baile indican a las otras que se ha localizado
zonas de inters o fuentes de alimentos.
La necesidad de comunicarse entre diversos
dispositivos como los vehculos no tripulados,
sistemas robticos de fabricacin, equipos de robots
de rescate, flotas de aviones no tripulados, la
construccin automatizada y muchos otros que con
frecuencia observaremos en un futuro prximo
comparten
caractersticas
comunes,
en
peculiarmente la de la comunicacin , ya que sin
ella no habra coordinacin ni cooperacin.
En muchos casos la comunicacin explicita en la
que se usa una red inalmbrica para controlar,
manipular y se dan rdenes a cierta clase de
mquinas no siempre ser la mejor ya que depende
del ambiente en el que se encuentren diversos
factores logran interrumpir o bloquear la seal, tal
condicin implica prdida del control de la misma.
Se propone que estos sistemas puedan
comunicarse e intercambiar informacin con
movimientos o acciones en el medio ambiente en el
que se encuentren, tal interaccin se define como
estigmergia.
Tales robots trabajaran con el algoritmo de
optimizacin de colonia de abejas en los que los
agentes (robots) realicen una danza [11] para as
comunicarse con sus semejantes, este enfoque
aplicado en el trabajo de Martinolli y Mondada
[12]. A pesar de una gran cantidad de literatura que
presenta su estudios experimentales existen datos
interesantes de optimizacin de enjambre (ver dos
dcadas de investigacin en robtica de enjambres;

por ejemplo, [13], [14], que muestran que se ha

hecho gran cosa para investigar los lmites
fundamentales de estigmergia.

[4] X. L. Li, Z. J. Shao, and J. X. Qian, An optimizing

method based on autonomous animats: Fish-swarm
Algorithm, System Engineering Theory and
Practice, vol. 22, pp.32-38, November 2003.
[5] Zhang SY. Differential game [M].Beijing: Publishing
house of science. 1987.

III.

CONCLUSIONES

los enjambre naturales han demostrado que esta

caracterstica poblacional evolutiva se ha
desarrollado para dar soluciones globales a
diferentes dificultades, tales caractersticas sin duda
alguna ha mejorado las capacidades de suplir las
necesidades bsicas de esos organismos que son
alimentarse, sobrevivir y pasar sus caractersticas a
futuras generaciones, en ese orden de ideas han
inspirado al desarrollo de la robtica y la
inteligencia artificial con la creacin de diferentes
algoritmos caractersticos de cada especie con los
cuales solucionan problemas de optimizacin, lo
cual garantiza la mejor toma de decisiones y
eficiencia energtica, cada algoritmo se centra en
las cualidades de las especies y como se comunican
con el ambiente y su respectiva retroalimentacin
perfeccionando su estigmergia. Lo cual garantiza
nuevos avances en el futuro de la inteligencia
artificial.

REFERENCIAS

[1] P. Surekha, P.R.A. Mohana Raajan, and S.Sumathi,

Genetic Algorithm and Particle Swarm Optimization
approaches to solve combinatorial job shop
scheduling problems,2010 IEEE International
Conference on Computational Intelligence and
Computing Research, Coimbatore, India, pp, 202206,December, 2010.
[2] D.Teodorovic, and M. Dell'Orco, Bee colony
optimization A cooperative learning approach to
complex transportation problems, In Advanced OR
and AI Methods in Transportation, pp.51-60,2005.
[3] C Tong, H Lau, A Lim, Ant colony optimization for
the ship berthing problem, in Advances in
Computing Science - ASIAN'99, P.S. Thiagarajan and
R. Yap, Eds. Thailand: LNCS1742,1999, pp. 359370.

Seminario de Investigacin-Inteligencia Artificial

[6] Li x l, shao ZJ, Quian Jx. An optimization mode

adaptive Ability of animal based on fish swarm
algorithm[J]. Systems Engineering theory and
practice, 2002, 2(211):32-38)
[7] Shan X J, Jiang M Y, Li J P. The Routing
Optimization Based on Improved Artificial Fish
Swarm Algorithm. Proceedings of the 6th World
Congress
on
Intelligent
Control
andAutomation,2006:3658-3662
[8] Zheng hua, Liu Wei and Zhang li-zi. Available
Transfer Capability Calculation Based on Modified
Artificial Fish School Algorithm, Power System
Technology,Vol.32,No.10 ,2008,pp.84-88.
[9] Han Li-min. The Differentiate and Analyse of Metacognition, Learning Strategy and Self regulation,
Education
Scientific
Research
of
Shanghai,Vol.11,2001,pp.6-8.
[10] W. Narzt, U. Wilflingseder, G. Pomberger, D. Kolb, y
H. Hrtner, "congestin estrategias de evasin autoorganizacin que utilizan las feromonas a base
de hormigas", sistemas de transporte inteligentes,
IET, vol.4, no. 1, pp 93 -. 102, marzo 2010.
[11] J. L. Gould. Honey bee recruitment: the dancelanguage controversy.Science, 189(4204):685693,
1975.
[12] Martinoli, A. J. Ijspeert, and F. Mondada.
Understanding collective aggregation mechanisms:
From probabilistic modeling to experiments with real
robots. Robotics and Autonomous Systems,
29(1):5163, 1999.
[13] F. Mondada, L. M. Gambardella, D. Floreano, S.
Nolfi, J.-L. Deneuborg, and M. Dorigo. The
cooperation of swarm-bots: physical interactions in
Collective robotics. IEEE Robotics & Automation
Magazine, 12(2):2128, June 2005.

[14] E. Sahin and A. Winfield. Special issue on swarm

robotics. Swarm Intelligence, 2(24):6972,
December 2008.