Asignatura: Inteligencia Artificial y Aprendizaje Automático Grupo: GR2SWR Profesor: Ing. Myriam Hernández. Título: Algoritmos genéticos. Fecha de entrega: 05/01/2022 Nombre: Fausto Javier Proaño Vallejo
1. Calcular la función idoneidad de los hijos resultantes de el cruce y mutación
en el problema de 8 reinas, diapositiva 30 (parte e del gráfico). Comentar si la aplicación del algoritmo mejoró esta función.
a) Función de idoneidad Hijo 1
Pares Chocan Pares Chocan
1-2 X 3-5 5 1-3 3-6 1-4 3-7 3 1-5 3-8 X 1-6 4-5 1-7 1-8 4-6 4-7 7 2-3 2-4 X 4-8 4 5-6 2-5 5-7 1 2-6 5-8 2-7 6-7 2 8 2-8 X 6-8 3-4 7-8 6
La función de idoneidad es 24, concluyendo que el algoritmo no mejoró los resultados
respecto a sus padres.
b) Función de idoneidad Hijo 2
Pares Chocan Pares Chocan 1-2 X 3-5 1-3 1-4 3-6 3-7 X 3 1-5 3-8 1-6 4-5 1-7 4-6 4 1-8 4-7 2-3 4-8 X 2 6 2-4 5-6 2-5 5-7 1 2-6 X 5-8 2-7 6-7 5 2-8 3-4 X 6-8 7-8 X 7 8
La función de idoneidad es 22, concluyendo que el algoritmo no mejoró los resultados
respecto a sus padres.
a) Función de idoneidad Hijo 3
Pares Chocan Pares Chocan
1-2 X 3-5 X 1-3 3-6 1-4 3-7 X 1-5 3-8 1-6 4-5 1-7 4-6 4 1-8 4-7 X 2-3 X 4-8 8 2-4 5-6 X 2-5 X 5-7 X 1 2-6 5-8 2-7 X 6-7 X 2 3 5 7 2-8 3-4 6-8 7-8 6
La función de idoneidad es 18, concluyendo que el algoritmo no mejoró los resultados
respecto a sus padres. a) Función de idoneidad Hijo 4
Pares Chocan Pares Chocan
1-2 X 3-5 1-3 3-6 3-7 X 8 1-4 1-5 3-8 1-6 4-5 1-7 4-6 5 1-8 4-7 X 2-3 X 4-8 2 3 6 2-4 5-6 X 2-5 5-7 1 2-6 X 5-8 2-7 6-7 2-8 3-4 6-8 7-8 4 7
La función de idoneidad es 22, concluyendo que el algoritmo no mejoró los resultados
respecto a sus padres.
R: Podemos concluir que en la primera iteración usando el algoritmo en la función lo
hijos no obtuvieron mejoras en las funciones de idoneidad con respecto a sus padres, por lo que se recomienda que se vuelva a iterar para buscar nuevos hijos que presenten resultados óptimos. 2. Sea la representación de un grupo de ciudades que se quieren visitar en el problema del viajero: 1) Londres, 2) Venecia, 3) Dunedin (en Nueva Zelanda), 4) Singapur, 5) Beijing, 6) Phoenix, 7) Tokio, 8) Victoria (Canadá). a) Poner las ciudades en un mapa para calcular aproximadamente las distancias. Colocamos en un plano cartesiano las coordenadas de las ciudades, esto para poder obtener distancias aproximadas y una proyección de sus ubicaciones: ➢ Londres: (51.509865, -0.118092), ➢ Venecia: (45.438759, 12.327145), ➢ Dunedin: (-45.8742, 170.5036), ➢ Singapur: (1.290270, 103.851959), ➢ Beijing: (39.916668, 116.383331), ➢ Phoenix: (33.448376, -112.074036), ➢ Tokio: (35.652832, 139.839478), ➢ Victoria: (48.407326, -123.329773)
Mapa:
b) Generar 4 listas de ciudades con el orden de visitas.
Las distancias se calculan manualmente con una función utilizando las coordenadas previamente colocadas.
c) Aplicar los pasos del algoritmo genético. Calcular la función idoneidad en los hijos y comentar los resultados.
Ordenamos las distancias de menor a mayor.
FI(Función de Idoneidad)/Distancia total FI L1 : 670,92 FI L3 : 678,24 FI L2 : 679,21 FI L4 : 679,21 Listas seleccionadas y divididas para el cruce: • L1: 1,2,5,7,3,4,6,8 • L3: 1,5,7,3,4,2,6,8 Nuevas listas generadas con OX ➢ L3’ 1,2,5,7,3,4,6,8 ➢ L4’ 1,5,4,2,3,7,6,8 Listas mutadas ➢ L3’ 1,6,5,7,3,4,2,8 ➢ L4’ 1,5,3,2,4,7,6,8 Ejecutamos el algoritmo con los nuevos hijos.