El documento discute la computación evolutiva en entornos no tradicionales, explorando nuevos paradigmas bioinspirados que integran computación distribuida y redes P2P. Se presentan ejemplos prácticos, como el uso de AJAX y Ruby on Rails para implementar sistemas de computación evolutiva, así como experimentos realizados utilizando plataformas como Dropbox. Se concluye que la evolución computacional debe ser explorada y no solo explotada, enfatizando la importancia de seguir nuevos enfoques para optimizar algoritmos evolutivos.

1. Computación evolutiva en entornos no tradicionales JJ Merelo Universidad de Granada Http://facebook.com/jjmerelo

2. Entorno tradicional

3. Entorno no tradicional

4. ¿Por qué? Buscar nuevos paradigmas bioinspirados.

5. Conseguir ciclos de computación en desuso.

6. Entender la esencia de los algoritmos bioinspirados.

7. ¿Qué vamos a ver? Diferentes formas de llevar a cabo EAs en entornos no tradicionales

8. Un ejemplo parásito para abrir boca $parcial =( $parcial ? &quot;$parcial+&quot; : &quot;&quot; ) . &quot;log($i*$i*exp($i))+sqrt($i)&quot; ; if ( $opt ) { print eval $parcial , &quot; \n &quot; ; } else { my $s = uri_escape ( $parcial ); my $url = &quot;http://google.com/search?q=$s \& btnG=B \% C3 \% BAsqueda&quot; ; my $response = $browser -> get ( $url ); die &quot;Canâ't get $url -- &quot; , $response -> status_line unless $response -> is_success ; my ( $resultado )= ( $response -> decoded_content = ~ m {< b > . + ? = ( . + ? )</ b ></ td >}); $resultado = ~ s {(< font size =- 2 > </ font >)}{} g ; print &quot;$i => Resultado es $resultado \n &quot; ;

9. Otro par de ejemplos secuenciales Un algoritmo genético en PowerPoint 97

10. Y también en una cámara Canon .

11. Las mulas no nadan Pero pueden servir para computación distribuida.

12. Las redes P2P (entre pares) reflejan la complejidad del mundo actual..

13. Son redes dinámicas, ad-hoc, y superpuestas a las redes normales.

14. Topología P2P Red superpuesta Red física

15. Modelo de capas para computación evolutiva distribuida P2P PCs conectados a internet Red superpuesta P2P Sistema de agentes Computación evolutiva

16. Agentes evolutivos: ¿Cómo funcionan? Basado en DREAM (Distributed Resource Evolutionary Algorithm Machine)

17. Algoritmo evolutivo estructurado espacialmente

18. Cada agente estructura un sólo individuo

19. La vecindad se autoorganiza usando el protocolo Newscast Cada nodo tiene conocimiento finito del resto de los nodos, e intercambia información con los que conoce En la implementación básica: agente == hebra

20. Pero ¿esto funciona?

21. ¿Y porqué no en AJAX? function migrate ( pop ) { request = new XMLHttpRequest (); var peticion_str = 'http://geneura.ugr.es/~jmerelo/proyectos/ga-js/cgi/get_guy.cgi?chromosome=' + pop [ 0 ]. chromosome + &quot;&fitness=&quot; + pop [ 0 ]. fitness ; masca = null ; request . open ( 'GET' , peticion_str , true ); request . onreadystatechange = add_to_population ; request . send ( null ); } function add_to_population () { if ( request . readyState == 4 ) { if ( request . status == 200 ) { var json = request . responseText ; eval ( &quot;masca = &quot; + json ); document . getElementById ( 'ga-2' ). innerHTML = json ; if ( masca [ 'generaciones' ] > 0 ) { run_ga ( masca [ 'generaciones' ] ); } } } }

22. AJAX al rescate Javascript sólo no es suficiente para usar el navegador como entorno de computación distribuida.

23. Hace falta un sistema de comunicación asíncrono

24. AJAX=Asynchronous Javascript & XML.

25. AJAX al alcance de todos La mayoría de los navegadores incluyen JavaScript.

26. El modelo de objetos también es compatible.

27. Requisito: objeto XMLHttpRequest en el navegador.

28. Venga, va, ¿cómo funciona?

29. Por las vías pasa el tren Ruby on Rails es un entorno de desarrollo ágil basado en el paradigma MVC, el lenguaje Ruby, AJAX y un gestor de bases de datos (MySQL, por ejemplo).

30. ¿Qué es DCoR? Un sistema de computación distribuida que usa AJAX sobre Ruby on Rails para problemas, principalmente, de computación evolutiva.

31. La distribución se realiza entre cliente/servidor, y también podría hacerse entre diferentes servidores.

32. Las pruebas nos permitirán establecer su factibilidad, y el entorno más favorable para la misma, así como una línea base de prestaciones. Se busca logo molón. Razón, aquí.

33. Los experimentos, en casa y con gaseosa Problema Royal Road Maximizar el número de unos de una cadena binaria por grupos. =3 1 1 1 =0 1 0 1

34. Montaje experimental Pruebas con cliente/servidor en el mismo ordenador (Linux) y en diferentes ordenadores (servidor:Linux, cliente:Windows).

35. Resultados distribución carga

36. Vámonos de excursión Problema de la mochila binaria Maximizar el peso del contenido de una mochila respetando restricciones. Experimentos en una instalación doméstica

37. Escalado

38. Presentando AGAJAJ Asynchronous Genetic Algorithm with JavaScript and JSON

39. Se trata, una vez más, de usar el navegador para computación distribuida masiva.

40. En este caso, todo el algoritmo evolutivo se ejecuta en el navegador

41. O volviendo a la carretera real

42. El efecto Microsiervos

43. Be fluid, my friend “ FluidDB is an openly writable shared database” http://fluidinfo.com/about

44. FluidDB nació de la computación evolutiva La compañía la creó Terry Jones. “ FluidDB es una sola maraña de cosas.”

45. “ FluidDB permite que los datos sean sociales.”

46. “ Modelo de control único pero potente”

47. Reutilización simple de la información.

48. ¿Cómo funciona? Thing fluiddb/about Another Thing http://wcci2010.org jjmerelo/likes dwcorne/stars 5 The sound of music

49. Fluidificando algoritmos evolutivos Thing fluiddb/about Another Thing 0100 1001 1100 1101 jjmerelo/exp-xyz/fitness dwcorne/exp-abc/fitness 33 22 0110 0001 1111 1101 jjmerelo/exp-xyz/current

50. Ejecutando un EA fluido 0010101100 001010000 0010101100 0010101100 1110101100 1101101100 0011101100 0010101100 0010101100 1011101100 0011101100 0010101100

51. Software libre El software te lo puedes bajar de http://sl.ugr.es/001U

52. Implementado en Perl

53. 1600 evaluaciones