UNIVERSIDAD POLITECNICA DEL VALLE DE MEXICO INGENIERIA EN INFORMATICA

PROGRAMACION AVANZADA
ALGORITMO EVOLUTIVO Y GENETICO INTEGRANTES:

Garita Rico Donovan Ivn Len Mercado Gustavo Ivn Marn Crdoba Irvin Quevedo Monzn Ana Karen

Tultitlan, Edo de Mxico a 1 de Marzo del 2013

Son mtodos de optimizacin y bsqueda de soluciones basados en los postulados de la evolucin biolgica.

En ellos se mantiene un conjunto de entidades que representan posibles soluciones, las cuales se mezclan, y compiten entre s, de tal manera que las ms aptas son capaces de prevalecer a lo largo del tiempo, evolucionando hacia mejores soluciones cada vez.

*Son

una rama de la inteligencia artificial, utilizados principalmente en problemas con espacios de bsqueda extensos y no lineales, en donde otros mtodos no son capaces de encontrar soluciones en un tiempo razonable.

*Es

un mtodo de bsqueda dirigida basada en probabilidad. Bajo una condicin muy dbil (que el algoritmo mantenga elitismo, es decir, guarde siempre al mejor elemento de la poblacin sin hacerle ningn cambio) se puede demostrar que el algoritmo converge en probabilidad al ptimo.

*Al

aumentar el nmero de iteraciones, la probabilidad de tener el ptimo en la poblacin tiende a 1.

*Actan

de acuerdo con algn criterio, en funcin del cual se decide cules son los individuos ms adaptados, que sobreviven, y cules los menos aptos, que son descartados.

* Son de probada eficacia en caso de querer calcular

funciones no derivables (o de derivacin muy compleja) aunque su uso es posible con cualquier funcin.

* Deben tenerse en cuenta:

Si la funcin a optimizar tiene muchos mximos/mnimos
locales se requerirn ms iteraciones del algoritmo para "asegurar" el mximo/mnimo global. la funcin a optimizar contiene varios puntos muy cercanos en valor al ptimo, solamente podemos "asegurar" que encontraremos uno de ellos (no necesariamente el ptimo).

Si

*Una

red neuronal es el intento de poder realizar una simulacin computacional del comportamiento de partes del cerebro humano mediante la rplica en pequea escala de los patrones que ste desempea para la formacin de resultados a partir de los sucesos percibidos.

*Se

trata de poder analizar y reproducir el mecanismo de aprendizaje de sucesos que poseen los animales ms evolucionados.

*La

red simula grupos de neuronas , llamados "capas" las cuales estn relacionadas unas con otras. Los datos se introducen en la primera capa , llamada "capa de entradas" Cada capa transfiere la informacin a sus vecinas, teniendo un peso o ponderacin para los valores , lo que va modificando los mismos en su paso a travs de la red.

* Cuando los datos llegan a la ltima de las capas , llamada * La * Se

red puede ser entrenada para diversos usos , entre ellos como mecanismo de optimizacin.

"capa de salida" el valor resultante es tomado como el resultado de la red.

podran hacer modelos mixtos o hbridos en donde se combinen las ventajas de las redes neuronales y los algoritmos genticos , aunque hay muy poco material disponible en este campo. Tal vez esto se deba al hecho que los GA y el estudio de las redes forman dos ramas o escuelas separadas dentro de la inteligencia artificial , por lo que existe una preferencia en los investigadores en perfeccionar alguno de los dos modelos antes que tratar de unirlos.