Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
Inteligencia Artificial
Inte
ligen
cia
Art
ifici
al
Algoritmos genéticos
Inte
ligen
cia
Art
ifici
al
En la naturaleza todos los seres vivos se enfrentan aproblemas que deben resolver con éxito, comoconseguir más luz solar o conseguir comida.La Computación Evolutiva interpreta la naturalezacomo una inmensa máquina de resolver problemas ytrata de encontrar el origen de dicha potencialidadpara utilizarla en programas de computador.
Bases
Computación evolutiva: ciencia computacional cuyosalgoritmos imitan el proceso evolutivo de lanaturaleza.
Inte
ligen
cia
Art
ifici
al
Existen problemas que no pueden solucionarse pormétodos matemáticos o analíticos; quizás la únicaforma de resolverlos es a través de métodos deprueba y error dirigidos.Buscar donde se cree que hay un posible resultado,podría ser similar al proceso que sigue la naturaleza.Copiar la manera como opera la naturaleza se creanalgoritmos que utilizan los operadores quereproducen los procesos genéticos.
Inte
ligen
cia
Art
ifici
al
Introducción
Un Algoritmo Genético (AG) [Goldberg, 1989] es unaclase de algoritmo de búsqueda estocástica, basado enlos mecanismos de selección natural.Combinan la supervivencia de los mejores individuos,intercambiando información estructurada, de maneraaleatoria e imitando los procesos de evoluciónbiológica.Los AG son una original técnica de resolución deproblemas empleando procesos evolutivos.
Inte
ligen
cia
Art
ifici
al
La Computación Evolutiva (o Algoritmos Evolutivos)agrupa a los Algoritmos Genéticos, las EstrategiasEvolutivas y la Programación Evolutiva.Estas técnicas son muy parecidas y compartenmuchos aspectos.
Introducción
Un Algoritmo Evolutivo es una técnica de resoluciónde problemas utilizando métodos inspirados en laevolución de los seres vivos.
Inte
ligen
cia
Art
ifici
al
Introducción
En un Algoritmo Evolutivo se define una estructurade datos que admita las posibles soluciones a unproblema.Cada uno de los posibles conjuntos de datosadmitidos por esa estructura será una solución alproblema.Unas soluciones serán mejores que otras. Solucionarun problema consiste en hallar una solución óptima, ypor tanto, los Algoritmos Evolutivos son en realidadun método de búsqueda para encontrar una posiblesolución.
Inte
ligen
cia
Art
ifici
al
En cada generación se crea un nuevo conjunto decriaturas artificiales con las partes más aptas de lasgeneraciones anteriores.Los AG son evolutivos.Explotan la información histórica.Exploran con nuevos puntos de búsqueda esperandoun mejor comportamiento.
Introducción
Inte
ligen
cia
Art
ifici
al
Basadas en el Cálculo
Indirectos Reconocido Simulado
Algoritmos Evolutivos
Búsqueda Aleatoria
Técnicas de Búsqueda
Técnicas Enumerativas
Programación Dinámica
Algoritmos Genéticos
Paralelos Secuenciales
Directos
Introducción
Inte
ligen
cia
Art
ifici
al
El objetivo de los AG es:
1. Explicar rigurosamente los procesos adaptativosde los sistemas naturales.
2. Diseñar software de sistemas artificiales, quecontenga los mecanismos principales de los sistemasnaturales.
3. Aplicar los procesos evolutivos de los seres a laprogramación.
Inte
ligen
cia
Art
ifici
al
¿Por qué utilizar AG en optimización ybúsqueda?
Los métodos tradicionales, pueden encontrarsoluciones óptimas a problemas específicos, que sepresentan en casos especiales. No son robustos.Los métodos indirectos buscan extremos locales,solucionando las ecuaciones al definir el gradiente dela función objetivo igual a cero.Es la generalización multidimensional de la nocióndel cálculo elemental de puntos extremos.El concepto de optimización es un problema relativo a lacantidad de información que se tenga en un momento dado.
Inte
ligen
cia
Art
ifici
al
Inte
ligen
cia
Art
ifici
al
Inte
ligen
cia
Art
ifici
al
Inte
ligen
cia
Art
ifici
al
La naturaleza contiene muchos ejemplos de uso deescogencia aleatoria, como herramienta en un procesode búsqueda directa.
El recocido simulado usa procesos aleatorios paraayudar a guiar su búsqueda para estados de energíamínimos.
Los métodos convencionales no cumplenrequerimientos de robustez que requiere el mundoreal.
Inte
ligen
cia
Art
ifici
al
Los AG no quedan recluidos en mínimos o máximoslocales.Usan la aptitud de las cadenas para dirigir labúsqueda; por lo que no se requiere amplioconocimiento específico del problema.Operan adecuadamente sobre espacios de búsquedaque tienen saltos o ruido.
Inte
ligen
cia
Art
ifici
al
Diferencia de los AGcon los métodos tradicionales
Utilizan reglas de transición probabilísticas, nodeterminísticas.Trabajan con una codificación del conjunto deparámetros, no con los parámetros.Buscan en una población de puntos, no en un solopunto.Usan la información que resulta de cadaevaluación, no la derivada.
Inte
ligen
cia
Art
ifici
al
Generan poblaciones sucesivas utilizandooperadores genéticos artificiales similares a losbiológicos.La búsqueda en paralelo sobre los individuos dela población, contribuye a la robustez quedemuestran los AG.
Inte
ligen
cia
Art
ifici
al
Los mecanismos de un AG simple sonsorprendentemente sencillos.Lo más complejo que incluyen es la copia decadenas y el intercambio parcial de cadenas.La simplicidad de operación y el poder deefectividad son las principales atraccionesdel enfoque utilizado por los AG.
Inte
ligen
cia
Art
ifici
al
Algoritmo Genético SimpleAGs
Inte
ligen
cia
Art
ifici
al
El objetivo principal de un Algoritmo genético es elde evolucionar a partir de una población desoluciones para un determinado problema,intentando producir nuevas generaciones que seanmejores que las anteriores.Estos algoritmos operan en un ciclo simple:Creación de la población inicial, selección yreproducción, éste último implicando unarecombinación y mutación del material genético delas soluciones.
Inte
ligen
cia
Art
ifici
al
Los cromosomas de la población tienen la forma deuna cadena de bits.
Cada gen, posición, en el cromosoma tiene dosposibles valores: 0 y 1.
Cada cromosoma es un punto en el espacio debúsqueda.
El AG procesa poblaciones de cromosomassucesivamente.
Inte
ligen
cia
Art
ifici
al
La aptitud de un cromosoma depende de que tanbien la solución resuelva el problema.
Remplazan una población por otra a medida queavanzan las generaciones.
Inte
ligen
cia
Art
ifici
al
Un AG involucra tres tipos de operadores:
Selección, Cruce y Mutación.
Selección.Selecciona cromosomas de la población para sureproducción basado en la aptitud.Cruce.Realiza la recombinación de dos cromosomas(organismos) para generar nuevos cromosomas.
Inte
ligen
cia
Art
ifici
al
1 0 0 0 0 1 0 0 1
1 1 1 1 1 1 1 1 0Hijo 1Padres 1 0 0 1 1 1 1 1 0
Inte
ligen
cia
Art
ifici
al
1 0 0 0 0 1 0 0 1
1 1 1 1 1 1 1 1 0Hijo 2Padres 111 001001
Inte
ligen
cia
Art
ifici
al
Cambia aleatoriamente bits en un cromosoma deacuerdo a una probabilidad.Por ejemplo, la cadena 00000100 puede sermutada en su segunda posición y producir01000100.Facilita hacer una exploración completa paraevitar concentración de los genes más aptos enmáximos locales.
Mutación
Inte
ligen
cia
Art
ifici
al
AG
Dada una definición del problema a resolver, serepresenta en cadenas de símbolos las solucionescandidatas.Un AG simple trabaja así:
Generación de población inicial.
Aleatoriamente: k cromosomas de l bits (solucionescandidatas para la solución del problema).
Inte
ligen
cia
Art
ifici
al
Repetir hasta que m hijos hayan sido creados.
2. Seleccionar pares de cromosomas de la población.
3. Con probabilidad pc, se cruza un par de cromosomasen un punto escogido al azar, para formar dos hijos.
4. Con probabilidad pm se elige sustituir el dígito enposiciones de la cadena de unos hijos.
5. Reemplazar los nuevos cromosomas para una nuevapoblación (actual).
Regresar al paso 1.
1. Calcular la aptitud f(x) de cada cromosoma x en lapoblación.
Inte
ligen
cia
Art
ifici
al
La probabilidad de selección está dada de acuerdo ala aptitud de cada cromosoma.
La selección se hace sin reemplazo o con reemplazo.Un cromosoma puede seleccionarse más de una vezpara ser padre.
La selección es un proceso en que los cromosomas sellevan a la siguiente generación, con base en losvalores de su función objetivo f .
Cada iteración se llama generación.
Inte
ligen
cia
Art
ifici
al
Al final del proceso se encuentran usualmente uno omás cromosomas con una muy buena aptitud en lapoblación.Debido a la aleatoriedad, dos ejecuciones producendiferentes comportamientos.La estructura del cromosoma podría ser variable.Las rutinas de selección, cruce y mutación se realizantan sofisticadas como se desean.
Inte
ligen
cia
Art
ifici
al
La copia de cadenas, con base en el valor promedio deaptitud, permite que cadenas con un valor mayor deaptitud, tengan mayor probabilidad de contribuir conuno o más descendientes en la siguiente generación.En la naturaleza la aptitud esta determinada por lahabilidad para sobrevivir a depredadores, pestes, etc.,para llegar a adultos y reproducirse.
Inte
ligen
cia
Art
ifici
al
Los AG representan un nuevo método de búsquedaen espacios de solución intrincados.Se basan en un proceso evolutivo artificial, en elcual una población de individuos se modifica enfunción del tiempo por la aplicación de unconjunto de operadores simples.
Conclusiones
Inte
ligen
cia
Art
ifici
al
Son un nuevo método de solución a problemas deingeniería.La capacidad que tienen para encontrar unbalance entre la explotación y la exploración desoluciones a lo largo de su evolución es su granatractivo.La estructura general del algoritmo usualmente esla misma para cualquier aplicación práctica.
Conclusiones
Inte
ligen
cia
Art
ifici
al
Garantizan la búsqueda de un mejor óptimo paralas condiciones particulares del problema a travésde un procedimiento aleatorio de ensayo y error.Aunque la tarea es buscar una representaciónadecuada del dominio del problema mediantecadenas de bits, la función de aptitud, lasrestricciones que deben tener los operadoresgenéticos para que las soluciones propuestas seanfactibles; son algoritmos fáciles de implementar.
Conclusiones
Inte
ligen
cia
Art
ifici
al