Algoritmos genéticos: optimización, evolución y aplicaciones
•Descargar como PPSX, PDF•
3 recomendaciones•5,198 vistas
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Destacado
Destacado (20)
Similar a Algoritmos genéticos: optimización, evolución y aplicaciones
Similar a Algoritmos genéticos: optimización, evolución y aplicaciones (20)
Último
Último (20)
Algoritmos genéticos: optimización, evolución y aplicaciones
- 1. ALGORITMOS GENETICOS ADRIANA R. CANO BALLÉN 261206203 INTELIGENCIA ARTIFICIAL UNIVERSIDAD DE CUNDINAMARCA
- 2. DEFINICIÓN John Koza: "Es un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto, y tras haberse presentado de forma natural una serie de operaciones genéticas de entre las que destaca la recombinación sexual”.
- 3. historia Fueron inventados en 1975 por John Holland, de la Universidad de Michigan. John Holland desde pequeño, se preguntaba cómo logra la naturaleza, crear seres cada vez más perfectos. cuando Holland se enfrentó a los AG, los objetivos de su investigación fueron dos: Imitar los procesos adaptativos de los sistemas naturales Diseñar sistemas artificiales (normalmente programas) que retengan los mecanismos importantes de los sistemas naturales.
- 4. CARACTERÍSTICA Perfeccionar su propia heurística en el proceso de ejecución, por lo que no requiere largos períodos de entrenamiento especializado por parte del ser humano, principal defecto de otros métodos para solucionar problemas, como los Sistemas Expertos.
- 6. Evaluación
- 7. Condición de termino Selección Sobrecruzamiento Mutación Reemplazo
- 10. Debe poderse definir una función de aptitud que nos indique qué tan buena o mala es una cierta respuesta.
- 12. DESVENTAJAS Pueden tardar mucho en converger, o no converger en absoluto, dependiendo en cierta medida de los parámetros que se utilicen -tamaño de la población, número de generaciones.
- 13. LIMITACIONES No se garantiza que el Algoritmo Genético encuentre la solución óptima, del problema, existe evidencia empírica de que se encuentran soluciones de un nivel aceptable, en un tiempo competitivo con el resto de algoritmos de optimización combinatoria
- 15. Diseño de topologías de circuitos impresos.
- 16. Diseño de topologías de redes computacionales.
- 17. En Teoría de juegos, resolución de equilibrios.
- 18. Análisis de expresión de genes.
- 19. Aprendizaje de comportamiento de robots.
- 20. Aprendizaje de reglas de Lógica difusa.
- 21. Optimización de estructuras moleculares.
- 22. Planificación de producción multicriteria.
- 23. Predicción.
- 24. Aplicación
- 28. ACÚSTICA Diseño de una sala de conciertos con propiedades acústicas óptimas, maximizando la calidad del sonido para la audiencia, para el director y para los músicos del escenario.
- 29. INGENIERÍA AEROESPACIAL Utilizaron un algoritmo genético de múltiples objetivos para diseñar la forma del ala de un avión supersónico.
- 30. ASTRONOMÍA Y ASTROFÍSICA Obtener la curva de rotación de una galaxia basándose en las velocidades rotacionales observadas de sus componentes, determinar el periodo de pulsación de una estrella variable basándose en series de datos temporales, y sacar los valores de los parámetros críticos de un modelo magnetohidrodinámico del viento solar
- 31. QUÍMICA Un pulso láser ultracorto de alta energía puede romper moléculas complejas en moléculas más sencillas, un proceso con aplicaciones importantes en la química orgánica y la microelectrónica. Los productos específicos de una reacción así pueden controlarse modulando la fase del pulso láser.
- 32. INGENIERÍA ELÉCTRICA Una matriz de puertas programable en campo (Field Programmable Gate Array, o FPGA), es un tipo especial de placa de circuito con una matriz de celdas lógicas, cada una de las cuales puede actuar como cualquier tipo de puerta lógica, interconectado con conexiones flexibles que pueden conectar celdas.
- 33. MERCADOS FINANCIEROS Se utilizaron un algoritmo genético para predecir el rendimiento futuro de 1.600 acciones ofertadas públicamente. Concretamente, al AG se le asignó la tarea de predecir el beneficio relativo de cada acción.
- 34. JUEGOS Una de las demostraciones más novedosas y persuasivas de la potencia de los algoritmos genéticos la presentaron Chellapilla y Fogel 2001, que utilizaron un AG para evolucionar redes neuronales que pudieran jugar a las damas.
- 35. GEOFÍSICA Para los hipocentros de los terremotos basándose en datos sismológicos. (El hipocentro es el punto bajo la superficie terrestre en el que se origina un terremoto. El epicentro es el punto de la superficie directamente encima del hipocentro).
- 36. INGENIERÍA DE MATERIALES Se utilizaron algoritmos genéticos para diseñar polímeros conductores de electricidad basados en el carbono, conocidos como polianilinas. Estos polímeros, un tipo de material sintético inventado recientemente, tienen ``grandes aplicaciones tecnológicas potenciales'' y podrían abrir la puerta a ``nuevos fenómenos físicos fundamentales''.
- 37. MATEMÁTICAS Y ALGORITMIA Para resolver ecuaciones de derivadas parciales no lineales de alto orden, normalmente encontrando los valores para los que las ecuaciones se hacen cero, y dan como ejemplo una solución casi perfecta para los coeficientes de la ecuación de quinto orden conocida como Super Korteweg-de Vries.
- 38. EJÉRCITO Y CUMPLIMINETO DE LA LEY Se utilizaron algoritmos genéticos para evolucionar planes tácticos para las batallas militares.
- 39. BIOLOGÍA MOLECULAR Utilizaron programación genética para diseñar un algoritmo que identificase el dominio transmembrana de una proteína.
- 40. RECONOCIMIETO DE PATRONES Y EXPLOTACIÓN DE DATOS Rizki, Zmuda y Tamburino 2002 utilizaron algoritmos evolutivos para evolucionar un complejo sistema de reconocimiento de patrones con una amplia variedad de usos potenciales.
- 41. ROBÓTICA David Andre y Astro Teller inscribieron a un equipo llamado Darwin United cuyos programas de control habían sido desarrollados automáticamente desde cero mediante programación genética, un desafío a la creencia convencional de que ``este problema es simplemente demasiado difícil para una técnica como ésa''
- 42. DISENO DE RUTAS Y HORARIOS Burke y Newall 1999 utilizaron algoritmos genéticos para diseñar los horarios de los exámenes universitarios.
- 44. Haas, Burnham y Mills 1997 utilizaron un algoritmo genético multiobjetivo para optimizar la forma, orientación e intensidad del haz de los emisores de rayos X utilizados en la radioterapia dirigida