Técnicas de Inteligencia Artificial: Semana 10

Alumno: Bañuelos López Marco Antonio Matrícula: 201726707

Algoritmos Genéticos Bidimensionales.

Un algoritmo regulatorio, por sus siglas en inglés (RGA). Consiste en dos niveles de
vectores, el vector regulatorio y el vector estructural. Cada elemento de el vector
regulatorio esta conectado con uno o varios elementos del vector estructural pero
no viceversa.

Cuando aplicamos algoritmos evolucionarios a ciertos problemas de optimización,

es usualmente representado en forma de un vector o arreglo respectivo. Por lo tanto,
es básicamente una representación unidimensional. Los cuales, en términos
utilizados en biología, este único vector es denominado como “individuo” y sus
componentes como “genes”. Por lo tanto, una población de individuos es un
conjunto de tales vectores.

Un individuo que es construido para el uso de un RGA es más complejo porque

debe ser al menos una representación bidimensional que consiste en un “vector
regulador” (RV), cuyos elementos son genes reguladores “rg”, un segundo vector
nombrado como un “vector estructural” (SV), conteniendo genes estructurales “sg”
y un conjunto o vector de conexiones (CV) entre el rg y el sg

En cada individuo los genes reguladores (rg) están conectados con uno o varios
genes estructurales (sg) pero no viceversa. Esto significa que los rg tienen efectos
en los sg, por ejemplo, puede determinar sus valores de posición el vector, pero los
sg no influye en los rg. Por lo tanto, un individuo es un espacio topológico
bidimensional simple cuya topología esta definida por las conexiones entre los
componentes de vectores regulatorios y vectores estructurales. Sin embargo, la
clase de efectos que tengan los rg depende de el planteamiento del problema. En
una forma simple, los genes estructurales son “encendidos” y “apagados” por el gen
regulador cuando codificamos de forma binaria; si codificamos con números reales,
los efectos de los genes reguladores en los genes estructurales pueden variar tal
como se especificó antes de acuerdo a los requisitos del problema. Adicionalmente,
la función de aptitud de un algoritmo genético ordinario se puede adaptar al código

Domingo 20 de marzo de 2022

Técnicas de Inteligencia Artificial: Semana 10
Alumno: Bañuelos López Marco Antonio Matrícula: 201726707

RGA básico; por lo tanto, no es necesaria una nueva codificación cambiando el tipo
de evaluación por una función de aptitud correspondiente.

La aplicación de los operadores genéticos habituales, es decir, mutación y cruce, a

un individuo RGA se puede realizar de siete formas diferentes, sin importar la
relevancia de los CV y RV.

• Solo se varía el RV • RV y SV son variados

• Solo se varía el CV • CV y SV son variados
• Solo se varía el SV • Las tres partes son variadas.
• RV y CV son variados
Tomando en cuenta los puntos antes mencionados nos damos cuenta que crear
esta clase de algoritmos se vuelve más complejo respecto al tipo de variaciones que
pueden suscitarse en la ejecución, a diferencia de los Algoritmos genéticos
unidimensionales. Sin embargo, tienen una ventaja que es respecto a la eficacia y
optimización de encontrar una solución a un problema en específico. En el
documento adjunto sobre la implementación del ejercicio del caballo de ajedrez, se
propone un uso del vector regulador como opción para “reparar” el vector estructural
que contiene los movimientos del caballo. Si bien es una opción que aún no ha sido
estudiada como otros algoritmos utilizados en Inteligencia Artificial, es necesario
profundizar en el tema, ya que se busca dar un nuevo enfoque siguiendo igualmente
el enfoque desde el campo biológico y su evolución, permitiendo obtener resultados
más rápidos.

Domingo 20 de marzo de 2022