jueves, 29 de octubre de 2015

ALGORITMOS GENÉTICOS

INTRODUCCIÓN
Los algoritmos genéticos están basados en la biología y en la teoría de evolución planteada por Darwin, en los últimos años se ha vuelto muy popular ya que es una técnica que se basa en los mecanismos que usa la naturaleza para seleccionar. Los individuos que se adaptan a los cambios son los que sobreviven, los cambios hacen referencia a la transformación de los genes y las características más destacadas de los individuos deben ser heredadas a sus descendientes.
DESARROLLO
Definición
Es un algoritmo matemático paralelo que transforma objetos matemáticos usando operaciones modeladas de acuerdo a la teoría de evolución de Darwin que trata sobre la reproducción y supervivencia del individuo más apto.
Este algoritmo está basada en mecanismo de selección natural y genética natural, combinando la supervivencia de los individuos más compatibles con una estructura de información aleatoria donde se intercambia información para construir un algoritmo de búsqueda con capacidades de innovación.
Lo que hace el algoritmo es que en cada generación se crea un conjunto nuevo de criaturas artificiales usando bits y partes del progenitor, esto genera un proceso aleatorio que no es tan simple.

La forma más simple de algoritmos genéticos usa tres tipos de operadores:
Selección o reproducción: se encarga de escger las cormosomas entre la población para efectuar la reproducción, si el cromosomas es más capaz tendrá más oportunidades de ser seleccionado para la reproduccion.
Cruce: se trata de cambiar las secuencias entre la posicion de dos cromosomas para crear una nueva desendencia.
Mutaciones: se producen variaciones de modo aleatorio en el cromosomas, puede mutar en cda posición de un bit en una cadena.
Ventajas
·         Permite trabajar con varias soluciones.
·         Tiene mayor tolerancia en la optimización.
·         Mejor manipulación de parámetros simultáneamente.
·         No requiere de conocimiento específico sobre el problema.
·         Usa algoritmo probabilístico.
Desventajas  
·         Puede tardarse demasiado en llegar a su objetivo.
Debe realizarse con lenguajes que toleren cambios

CONCLUSIÓN
Los algoritmos genéticos están basados en la teoría de Darwin y permiten que una población de individuos evolucione mediante la mutación o recombinaciones genéticas de forma aleatoria.
BIBLIOGRAFÍA
Martínez, M; Palacios, B; Sergio, T; Barreco, F. 2011. Aplicación de algoritmos genéticos a la identificación de la estructura de enlaces en portales web. ES. Revista española de documentación científica. Vol. 2. Pag 233.

Rodríguez, P. 2009. Introducción a los algoritmos genéticos y sus aplicaciones. ES. Consultado, 28 de oct. 2015. Formato PDF. Disponible en: http://www.uv.es/asepuma/X/J24C.pdf

Russell S. y P. Norvig, Inteligencia Artificial: Un enfoque moderno. 2 ed. España. Pearson. p 131-134.

martes, 20 de octubre de 2015

FUNCIONES HEURISTICAS


Tema: Búsqueda informada y exploración  
Fecha: 09 de Octubre de 2015


INTRODUCCIÓN

Existen instancias del problema donde la heurística produce resultados malos o se ejecuta de forma lenta. Esta función es muy común en el mundo real y debe tener alguna información para llegar su destino a través del mejor camino.
DESARROLLO
FUNCIONES HEURÍSTICAS
Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de cada estado a un estado objetivo, lo que permite explorar en primer lugar los caminos más prometedores.
CARACTERÍSTICAS
·         No garantizan que se encuentre una solución, aunque existan soluciones.
·    Si encuentran una solución, no se asegura que ésta tenga las mejor esas propiedades (que sea de longitud mínima o de coste óptimo).
·         En algunas ocasiones (que, en general, no se podrán determinar a prioridad), encontrarán una solución (aceptablemente buena) en un tiempo razonable.
·     En general, los métodos heurísticos son preferibles a los métodos no informados en la  solución de problemas difíciles para los que una búsqueda exhaustiva necesitaría un tiempo demasiado grande. Esto cubre prácticamente la totalidad de los problemas reales que interesan en Inteligencia Artificial.
·      La información del problema concreto que estamos intentando resolver se suele expresar por medio de heurísticas.
El concepto de heurística es difícil de aprehender. Newell, Shaw y Simon en 1963 dieron la siguiente definición: "Un proceso que puede resolver un problema dado, pero que no ofrece ninguna garantía de que lo hará, se llama una heurística para ese problema".
CONCLUSIONES

La función heurística es muy importante porque cuentan con una información acerca del objetivo lo cual hace que se llegue más rápido y más seguro. 
BIBLIOGRAFÍA
Russell S. y P. Norvig, Inteligencia Artificial: Un enfoque moderno. 2 ed. España. Pearson. p 119-121.

Malangón, C. 2010. Búsqueda heurística. (En línea). ES. Consultado,  12 de oct. 2015. Formato PDF. Disponible en: https://www.nebrija.es/~cmalagon/

lunes, 12 de octubre de 2015

BÚSQUEDA INFORMADA Y EXPLORACIÓN


Tema: Búsqueda informada y exploración  
Fecha: 09 de Octubre de 2015

INTRODUCCIÓN
La búsqueda utiliza conocimientos específicos del problema, con esto puede encontrar soluciones de una manera eficiente. La información sobre el espacio de estados puede impedir a los algoritmos cometer un error en la oscuridad. La heurística aparece bajo la forma de una función de evaluación basada en la información específica para el dominio o contexto relacionada con el problema.

DESARROLLO
ESTRATEGIA DE BUSQUEDA INFORMADA (HEURÍSTICA)
Utiliza conocimiento específico del problema más allá de la definición del problema en sí mismo y puede encontrar soluciones de una manera más eficiente que una búsqueda no informada.

TIPOS DE BUSQUEDAS INFORMADAS:
·         BÚSQUEDA VORÁZ PRIMERO EL MEJOR.
·         BÚSQUEDA A ESTRELLA.
·         BÚSQUEDA HEURÍSTICA CON MEMORIA ACOTADA.

BUSQUEDA PRIMERO EL MEJOR
El nombre primero el mejor es inexacto, si se supiera cual es el mejor directamente, el nombre sería el correcto.
La búsqueda primero el mejor es un caso particular del algoritmo general de Búsqueda -Árboles o Búsqueda- Grafos en el cual se selecciona un nodo para la expansión basada en una función de evaluación f(n).
f(n)= g(n) + h(n)
f(n): coste más barato estimado de la solución a través de n.
g(n): costo para alcanzar el nodo.
h(n): costo estimado del camino más barato desde n al objetivo.

BUSQUEDA A ESTRELLA
La búsqueda A* permite reducir al mínimo el costo entre de nodo de origen y el nodo objetivo y es la forma más ampliamente conocida de la búsqueda primero el mejor, siendo la búsqueda A* tanto completa como óptima.

CONCLUSIONES
·    La búsqueda informada tiene conocimientos específicos del área donde se va a desenvolver.
·         La función e evaluación estima el coste más barato estimado de la solución.
        
BIOGRAFÍA
Russell S. y P. Norvig, Inteligencia Artificial: Un enfoque moderno. 2 ed. España. Pearson. p 107-115.

Hurtado. L. 2014. Búsqueda Informada y Exploración. (En línea). Consultado,  12 de oct. 2015. Formato PDF. Disponible en https://prezi.com/dhru2d0ur6qe/busqueda-informada-y-exploracion/


viernes, 9 de octubre de 2015

CARÁTULA


ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ  MANUEL 

FÉLIX LÓPEZ





CARRERA INFORMÁTICA




SEMESTRE  SEPTIMO              PERÍODO SEP/2015-MAR/2016



BLOG DE INTELIGENCIA ARTIFICIAL II



AUTORA:


CARMEN G. CEDEÑO COOL


                                          

FACILITADORA:

                                      ING. HIRAIDA SANTANA
                                                     


CALCETA, OCTUBRE 2015