Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso Aprendizaje
Clase1: Introducción, Paradigmas de
Computación Evolutiva, Relación con
otras Areas
Motivación
Cual es el resolvedor de problemas mas
poderoso del Universo?
El cerebro humano: que creo la
cerebro humano
Técnicas para Solución de Problemas
Inspiradas en la Naturaleza
Cerebro Neuro-Computación
Humano (Redes Neurales)
EC = GA + ES + EP
Computación Algoritmos Estrategias Programación
Evolutiva Genéticos Evolutivas Evolutiva
(Holland, 75) (Rechenberger, 73) (Fogel, Owens,
Walsh, 66)
Recombination
Population
Mutation
Replacement
Offspring
Solución de Problemas usando
Algoritmos Evolutivos
Algoritmos Genéticos
Jhon Holland, 60s, y 70s, Univ. Michigan
Idea original estudio teórico de la adaptación,
no resolución de prolemas
Representación genética independiente del
dominio: cadenas de bits
Enfásis en recombinación, operador principal,
mutación papel secundario aplicado con baja
probabilidad, constante
Selección probabilistica
Estrategias Evolutivas (1)
ES, Evolution Strategies, Alemania. Evolutionstrategies
• Utilizadas para resolver problemas duros (sin solución
anílitica) de optimización de parámetros (No. reales)
• Cromosoma = vector de parámetors (float)
• Auto-adaptación de las tasas de mutación, Mutación
Distribución Normal, dos parámetros
• Selección (, )-ES, (+ )-ES
• Poblacion de padres e hijospuenden tener distinto
tamaño
• Métodos determinísticos que excluyen definitivamente a los
peores de la población
Estrategias Evolutivas (2)
(, )-ES: Los mejores individuos se escongen de los
hijos, y se convierten en los padres de la siguiente
Generación. Ej. (50,100)-ES
SC = EC + ANN + FL
Soft Computación Redes Lógica
Computing Evolutiva Neurales Difusa
Artificiales
Computación Emergente
Procesos de cómputo que resultan de la
actividad colectiva de muchas unidades
computacionales sencillas con interacción local
Sistema dinámico, evoluciona en el espacio de
estados bajo conjunto de reglas