Download desarrollo de un modelo utilizando hibridación para diversificar la

Survey
yes no Was this document useful for you?
   Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Document related concepts

Computación evolutiva wikipedia, lookup

Aplicaciones de la evolución wikipedia, lookup

Algoritmo evolutivo wikipedia, lookup

Algoritmo genético wikipedia, lookup

Programación genética wikipedia, lookup

Transcript
DESARROLLO DE UN MODELO UTILIZANDO HIBRIDACIÓN PARA DIVERSIFICAR LA
POBLACIÓN EN LA RESOLUCIÓN DE GRAFOS PLANOS NO DIRIGIDOS CON CRUCE MÍNIMO
DE VÉRTICES, EN COMPUTACIÓN EVOLUTIVA
FRANCISCO JAVIER ORNELAS ZAPATA 1, ALEJANDRO PADILLA DÍAZ2, FELIPE PADILLA DÍAZ3,
EUNICE PONCE DE LEÓN SENTÍ
1 Universidad Autónoma de Aguascalientes, Doctorado Directo en Ciencias de la Computación.
2 Universidad Autónoma de Aguascalientes, Director de Tesis.
3 Universidad Autónoma de Aguascalientes, Asesor.
INTRODUCCIÓN
La Inteligencia Artificial (IA), surge como una
necesidad del ser humano de crear “artefactos” que
simulen la inteligencia humana. Dentro de la
investigación científica este nombre es dado a un
área de las ciencias de la computación encargado
de modelar la inteligencia humana en sistemas
computacionales. Existen múltiples ramas que se
derivan de la IA tales como Agentes Inteligentes,
Sistemas Clasificadores, Redes Neuronales,
Computación Evolutiva, etc.
La Computación Evolutiva (CE), es una rama de la
IA que agrupa algunas técnicas o métodos basados
en la evolución natural y la genética. Toma como
base la “Teoría de la Evolución de las Especies”
propuesta
por
Charles
Darwin
y
los
descubrimientos realizados por Gregor Mendel en
el campo de la genética. La CE esta dividida a su
vez en tres principales áreas que son: Algoritmos
Genéticos, Programación Evolutiva y Estrategias
Evolutivas. La forma en que trabaja la computación
evolutiva es generando una población, que contiene
posibles soluciones (individuos) a los que se
aplican operadores como cruzamiento, selección y
mutación para “evolucionarlos” a soluciones
normalmente de mejor calidad [1] [2].
OBJETIVO
Se propone la creación de un nuevo modelo, en el
cual se utilizará como operador de diversificación
de la población la hibridación, para evitar la
convergencia prematura de los algoritmos
utilizados en CE, ya que actualmente la mutación
se usa para dicho fin, pero se recomienda un
porcentaje muy bajo [1], debido a que en
porcentajes altos puede destruir las buenas
soluciones alcanzadas. Este nuevo modelo se
aplicara en la resolución de grafos planos no
dirigidos con un mínimo cruce de vértices.
MATERIALES Y MÉTODOS
Se utilizarán como base del presente trabajo los
modelos de algoritmos genéticos propuestos por
John Holland [2] y David Goldberg [1], la
inteligencia artificial basada en la evolución de
máquinas de estado finitas propuesta por L. J.
Fogel, las estrategias evolutivas propuestas por
Ingo Rechenberg y Hans Paul Schwefel, la teoría
de la evolución de las especies de Darwin, los
modelos para el dibujo de grafos propuestos por
Kozo Sugiyama [3] y algunas investigaciones que
se han realizado dentro del área de biología para
mejorar genéticamente las características de
algunos animales utilizando la hibridación entre
distintas razas.
RESULTADOS
Los resultados alcanzados hasta este momento son:
la propuesta de tesis, su respectivo sustento en base
a trabajos que se han realizado anteriormente en
CE y dibujo de y que han obtenido buenos
resultados y una gran aceptación por parte de la
comunidad científica y trabajos dentro del área
biológica como son hibridación o mestizaje, que
sirven de inspiración del tema propuesto.
CONCLUSIONES
Hasta este momento, se a realizado revisión de
bibliografía y algunos trabajos de autores que
cuentan con un alto prestigio dentro de los temas
que tratan y que en algunos de los casos dichos
trabajos son consideran como la base de dichos
temas.
Teniendo ya una buena base teórica se requiere
continuar revisando bibliografía para contar con
una visión mas clara de las herramientas, modelos
o métodos en los que me pueda inspirar o utilizar
para lograr el objetivo propuesto.
Falta aún mucho trabajo para lograr llegar con
éxito a la meta deseada.
BIBLIOGRAFÍA
[1] David Goldberg. ‘Genetic Algorithms in
Search, Optimization, and Machine Learning’.
Addison Wesley. (1989).
[2] John Holland ‘Adaptation in Natural and
Artificial Systems’. The University of Michigan
Press. (1975).
[3] Sugiyama Kozo ‘Graph Drawing and
Applications’ World Scientific. (2002).
[4] Timo Eloranta ‘TimGA: A Genetic Algorithm
for Drawing Undirected Graphs’ Divulgaciones
Matemáticas Vol. 9 No. 2(2001).
Related documents
tecnología y sistemas biológicos - Academia Nacional de Ciencias
tecnología y sistemas biológicos - Academia Nacional de Ciencias