Algoritmos genéticos

ALGORITMOS GENÉTICOS......Page 1
PAGINA LEGAL......Page 7
ÍNDICE GENERAL......Page 200
PREFACIO......Page 10
1.1 LA NATURALEZA COMO OPTTMIZADORA......Page 14
1.2 UN POCO DE BIOLOGÍA......Page 16
FIGURA F.I.2.A:......Page 17
FIGURA F.I.2.B:......Page 18
1.3.1 Codificación del dominio......Page 19
1.3.2 Evaluación de la población......Page 20
1.3.3 Selección......Page 21
1.3.4 Cruzamiento......Page 22
1.3.6 El algoritmo genético simple (AGS)......Page 23
En éste se considera que los códigos genéticos están en binario. Explicado con detalle, el proceso de un AGS es:......Page 24
FIGURA F.I.3.A: Selección proporcional o por ruleta.......Page 25
1.3.7 Un ejemplo......Page 26
FIGURA F.I.3.C:......Page 27
TABLA T.I.3.A: Codificación y evaluación de los elementos del dominio de la función f(x) del ejemplo.......Page 28
Para efectuar la selección se hace lo siguiente:......Page 29
TABLA T.I.3.C:......Page 31
1.4.1.1 Método de Newton......Page 32
1.4.1.2 Búsqueda de Fibonacci......Page 34
FIGURAF.IAB: Ilustración del método de búsqueda de Fibonacci.......Page 35
1.4.1.3 Ascenso de máxima pendiente (steepest ascent)......Page 36
1.4.1.4 Simplex......Page 38
Antes de continuar se establecerán algunas definiciones.......Page 39
1.4.2.1 Búsqueda tabú......Page 42
FIGURA F.I.4.E:......Page 43
1.4.2.2 Recocido simulado......Page 44
1.4.3 Comparaciones......Page 46
3.......Page 48
6.......Page 49
1.......Page 50
1.7 REFERENCIAS......Page 51
II. 1.2 Esquemas......Page 54
II.2.1 Selección......Page 55
II.2.2 Cruzamiento......Page 57
II.2.3 Mutación......Page 58
b)......Page 59
II.2.4.1 Cruzamiento de un punto......Page 60
II.2.4.3 Cruzamiento uniforme......Page 61
d)......Page 62
II. 4 PARALELISMO IMPLÍCITO Y LA HBC......Page 63
II. 5 EXPLORACIÓN Y EXPLOTACIÓN......Page 64
2.......Page 65
II. 6.1.1 Los tipos de problemas engañosos mínimos......Page 68
FIGURA F.II.6.A: Cuatro esquemas de orden 2 y su adaptación promedio,......Page 69
FIGURA F.II.6.B.2: Problema engañoso mínimo de Tipo II.......Page 71
FIGURAF.II.6.B.2: Problema engañoso mínimo de Tipo II.......Page 0
II.6.1.2 Análisis de los problemas engañosos......Page 72
TABLA T.II.6.A: Análisis de cruces de los esquemas.......Page 73
De manera análoga, para los demás esquemas:......Page 74
FIGURA F.II.6.C:......Page 75
FIGURA F.II.6.E:......Page 76
II.6.2.1 Definición del problema......Page 77
FIGURA F.II.6.G: Fragmento del código en C que implanta las ecuaciones I1.6.K-II.6.N.......Page 78
FIGURA F.II.6.H: Los bloques constructivos de una cadena que maximiza la función camino regio utilizada como ejemplo.......Page 80
ESCALADA DE ASCENSO DE MÁXIMA PENDIENTE (SAHC):......Page 81
ESCALADA LLEGANDO AL APOYO MÁS PRÓXIMO (NAHC)......Page 82
II.6.2.2 Resultados......Page 83
1. Considere los siguientes esquemas:......Page 84
5. Supóngase que se utiliza un alfabeto de cardinalidad.........Page 85
2.......Page 86
II. 9 REFERENCIAS......Page 87
1.1.1 Codificación binaria......Page 88
FIGURA F.III. 1 .A: Una posible codificación para el problema del agente viajero.......Page 89
III. 1.1.2 Codificación no binaria......Page 90
III. 1.2 Operadores......Page 91
III. 1.2.2 Cruzamiento uniforme ordenado......Page 92
III. 1.2.3 Mutación......Page 93
III. 1.3 La función de adaptación......Page 94
III. 1.4 Síntesis......Page 95
III.2.1.1 Codificación en punto fijo......Page 96
III.2.1.2 Codificación binaria pesada......Page 97
III.2.1.4 Codificación en punto flotante......Page 98
TABLA T.III.2.A:......Page 99
III.2.1.5 ¿Cuál es la mejor opción?......Page 100
FIGURA F.III.2.E: Individuos después de la cruza.......Page 101
III. 2.2 Tres algoritmos......Page 102
III. 2.3 Experimentos......Page 104
TABLA T.III.2.B: Rango de parámetros para AGE.......Page 105
III. 2.4 Resultados......Page 106
FIGURA F.III.2.B: Promedios para representación con punto flotante en AGS/AGT.......Page 107
FIGURA F.III.2.D: Adaptación promedio para AGS con punto fijo.......Page 108
FIGURA F.III.2.F: Adaptación promedio del AGT.......Page 109
FIGURA F.III.2 .H: Adaptación promedio para AGT con punto flotante.......Page 110
FIGURA F.III.2.J: Evolución de la probabilidad de mutación promedio en el AGE.......Page 111
III. 3 EJERCICIOS......Page 112
III. 5 REFERENCIAS......Page 113
IV. 2 UN ALGORITMO GENÉTICO IDEALIZADO......Page 114
ALGORITMO A.rv.2.1......Page 115
IV. 3 MODELOS DE CADENAS DE MARKOV......Page 116
IV.3.1 Conclusiones......Page 118
IV.4.1 Elitismo......Page 119
IV.4.2 Selección determinística......Page 120
IV.4.4 Modelo de Vasconcelos......Page 121
IV 4.5 Autoadaptación......Page 122
FV.4.5.1 Algoritmo genético autoadaptable individual......Page 123
IV.4.6 Un algoritmo genético ecléctico......Page 126
IV 4.6.1 Selección, elitismo y autoadaptación......Page 127
IV.4.6.2 Escalador adaptivo......Page 129
FIGURA F.IV.4.E:......Page 130
3.......Page 132
IV. 6 PROGRAMACIÓN......Page 133
IV. 6.1 Representación de números en un genoma......Page 134
IV. 7 REFERENCIAS......Page 135
V.2 ALGORITMOS GENÉTICOS COEVOLUTTVOS......Page 136
V.2.1 Algoritmo de coevolución......Page 137
TABLA T.V.2 A: Matriz de pago para el dilema del prisionero.......Page 138
V.2.3 Algoritmo DPI......Page 140
V.3 AUTÓMATAS GENÉTICOS......Page 141
V.3.1 Máquinas de Turing......Page 142
FIGURA F.V.3.B: La Unidad de control de una máquina de Turing.......Page 143
TABLA T.V.3.A: Una tabla de transición.......Page 144
TABLA T.V.3.C: Codificación hexadecimal de una MT.......Page 145
T.V.3.D: Codificación binaria de una MT.......Page 146
FIGURA F.V.3.C: Cruzamiento anular.......Page 147
V.3.3.1 Determinación de la validez del modelo......Page 148
FIGURA F.V.3.E: Memoria de los procesos genéticos.......Page 149
V.3.3.2 Generalidad del modelo......Page 150
V.3.3.4 Coeficiente de correlación predictiva......Page 151
FIGURA F.V.3.G:......Page 152
V.4 SISTEMAS CLASIFICADORES EVOLUTIVOS......Page 153
V.4.1 Sistema de reglas de producción......Page 154
FIGURA F.V.4.B: Operador de unión.......Page 155
FIGURA F.V.4.C: Ejemplo de clasificadores.......Page 157
V 4.2 Asignación de crédito......Page 158
FIGURA F.V .4.E-. Algoritmo de cascada.......Page 159
V 4.3 Algoritmo de descubrimiento de clasificadores......Page 161
V.4.4 Jerarquías por omisión......Page 162
V 4.4.1 Ejemplo de jerarquías por omisión......Page 163
TABLA T.V.5.A: Tabla de valores característicos.......Page 166
V.5.1.1 Solución al conjunto VI......Page 167
V.5.1.2 Un ejemplo numérico......Page 171
FIGURA F.V.5 A: Puntos del vector original.......Page 172
V.5.1.4 Algoritmo de ascenso......Page 173
TEOREMA DEL INTERCAMBIO......Page 174
V. 5.2 Solución de sistemas singulares......Page 175
FIGURA F.V.5.D: Desplazamiento aleatorio.......Page 177
ALGORITMO DE CONDICIONAMIENTO......Page 178
FIGURA F.E. 1 .E: Arreglo de neuronas en 3D.......Page 190
FIGURA F.E. 1.F: Patrones de entrada/salida.......Page 191
V. 5.3 Solución de sistemas completos......Page 181
V. 5.4 Algoritmo genético de orden......Page 182
ANTECEDENTES......Page 186
FIGURA F.E. LA: Modelo de una neurona (perceptrón).......Page 187
ALGORITMO DE RETROPROPAGACIÓN......Page 188
FIGURA F.E.1.D: Distintos tipos de fuentes.......Page 189
SISTEMAS CLASIFICADORES EVOLUTIVOS......Page 192
V.7 PROGRAMACIÓN......Page 193
V.8 REFERENCIAS......Page 194
ÍNDICE ANALÍTICO......Page 196