Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algoritmos Bioinspirados
Profesora:
Abril Valeria Uriarte Arcia
Alumno:
Morales Bustamante Jorge Alfredo
La programación genética es un tipo de
programación evolutiva que busca
encontrar la mejor solución para un
problema, aunque no siempre lo logre.
La ventaja de esta es que el
programador no debe conocer la
solución, sino que el programa por sí
solo resuelve el problema.
Es una derivación de los algoritmos
genéticos, pero en vez de tomar
soluciones como individuos, se toman
programas que son evolucionados y
optimizados.
En esta práctica se utilizarán
herramientas como gplearn y deap en
el desarrollo de la programación
genética, de modo que su realización
resulte más sencilla y eficiente.
Siguiendo las instrucciones brindadas por la
profesora, se comienza usando gplearn para
implementar una regresión simbólica y
adaptar una relación simbólica.
Posteriormente, se realizó un
entrenamiento con datos aleatorios
Se procede a hacer un ajuste en la regresión
simbólica respecto a los datos que recién
generamos. Para ello se usan 20
generaciones. Luego, se hace una
comparación con otros modelos no lineales,
de modo que se observe el comportamiento
mediante la visualización gráfica.
Se explora el programa encontrado por la
regresión simbólica y se imprime el grafo
La función de división protegida valida que
no se hagan divisiones entre cero, de modo
que no se rompa el programa.
Se declara una constante efímera. Al
momento en que el programa agrega un dato
al árbol, la función que contiene se ejecuta y
su resultado se agrega donde se pueden
tomar los valores -1, 0 o 1.
Con renameArguments agregamos dos
entradas para un problema de dos variables
donde Arg0=“x” y Arg1=“y” van a tomar dos
valores diferentes.