en solidworks

1. Distribución de imágenes
para el examen

2. Algoritmo Genético

3. • Los algoritmos genéticos son estudios que se encuentra en el área
de la Inteligencia Artificial y forma parte de la Informática Evolutiva,
su estudio data de los años 60, en que John Holland realizó
estudios, dando origen a una de las líneas más prometedoras de la
Inteligencia Artificial: Los Algoritmos genéticos.
• Llamados así porque se inspiran en la evolución biológica y su base
genético molecular.
Algoritmo Genético

4. • La evolución de la genética y los algoritmos genéticos tiene sus bases
en la obra magna de Charles Darwin publicada en 1859 «El origen de
las especies», trata sobre el principio de la evolución mediante la
selección natural.
Algoritmo Genético

7. Algoritmo Genético

8. Conceptos importantes

9. Conceptos importantes

10. El fabricante de galletas intenta hallar la
combinación optima en el espacio
bidimensional en el cual representa en el Eje de
las X, la cantidad de harina y en el eje de las Y, la
cantidad de azúcar. Resultando una función de
calidad, la cual se asemeja a una curva suave.
Ejemplo GA en otras palabras…

11. Un cromosoma en el mundo de las galletas consiste de 2
números que actúan como términos análogos de los genes. El
primero determina cuánta harina usar el segundo cuánto de
azúcar usar.
Ejemplo GA en otras palabras…

12. • Para imitar la mutación de cromosomas: el fabricante selecciona
uno de los genes de un cromosoma al azar y lo altera mediante la
suma o la resta de y teniendo en cuenta que debe mantenerse
dentro del intervalo de 1 a 9.
Ejemplo GA en otras palabras…

13. • El método estándar iguala la adaptación con la
calidad relativa:
• Se trata de imitar la mutación y la recombinación.
Debe establecer los análogos de la adaptación y la
selección natural.
• En general la adaptación de un cromosoma es la
probabilidad de que sobreviva a la siguiente
generación, se calcula mediante la siguiente
formula:
Ejemplo GA en otras palabras…
f i es una probabilidad que va de 0 a 1, q i es la calidad de
galletas que va de 1 a 9.

14. Después de la adaptación aún quedan muchas consultas:
¿Cuál es el número de cromosomas en la población?
Si el número es bajo los cromosomas serán de rasgos idénticos y no hay
recombinación.
Si el número es grande el tiempo de cálculo puede ser excesivo.
Los algoritmos genéticos generalmente implican muchas
alternativas

15. ¿Cómo se controla la rapidez de las mutaciones?
Si es baja aparecerán los nuevos rasgos en la población, si es muy
alta, cada generación estará desligada de la anterior.
¿Si hay apareamiento como se seleccionan los pares y cómo se
determinan los puntos de recombinación? Cualquier cromosoma
puede aparecer más de una vez en una población.
Los algoritmos genéticos generalmente implican muchas
alternativas

16. Para que la comparación del método sea sencilla, el método de la
imitación de la selección natural debe ser de la forma siguiente:
Empieza con solo un cromosoma localizado en 1-1.
 No se permite que ningún cromosoma aparezca más de una vez.
Un máximo de cuatro generaciones sobrevive de una generación a la
otra.
Los algoritmos genéticos generalmente implican muchas
alternativas

17. Algoritmo Genético

18. Explicar las siguientes operaciones
• SELECCIÓN
• CRUCE
• MUTACION
• RECOMBINACION
Algoritmo Genético
https://www.mathworks.com/videos/what-is-a-genetic-algorithm-
100904.html

19. Ejemplo de una función y graficarla

20. 1. Easom 2D
f(x) = -cos(x1) cos(x2) * exp ( – ( x1 – π )² – ( x2 – π )² )
2. Becker and Lago
f(x) = ( |x1| − 5 )² + ( |x2| − 5 )²
3. Bohachevsky
f(x) = x1 ² + 2*x2² – 0.3 * cos(3πx1) – 0.4*cos(4πx2) + 0.7
4. Eggerate
f(x) = x1² + x2² + 25*( (sin(x1))² + (sin(x2))² )
5. Periodic
f(x) = 1 + (sin(x1))² + (sin(x2))² – 0.1*exp ( -x1² – x2² )
Ejercicio 10. agrega tu función al GA (martes)

21. • Elaborar un informe de los trabajos mas actuales ( mínimo dos
cuartillas , agregar portada, conclusión y referencias) en los que se ha
utilizado algoritmos genéticos en el área de control. Buscar artículos y
fuentes confiables. Sciencedirect,etc.
• Antes del domingo 27 Diciembre a las 11.30 pm
Tarea 1U2

22. • Whale Optimization Algorithm
• Grasshopper Optimization Algorithm
• Moth Flame Optimizer
• Wolf algorithm
Algoritmos por equipos a investigar
Ir investigando de que tratan y como funcionan para explicarlo en clase del próximo
martes, investiga como se aplica en Matlab y revisar el funcionamiento del algoritmo y
toolbox para meter alguna función a optimizar