Algoritmos Genéticos

Universidad Tecnolgica Nacional
Facultad Regional Buenos Aires

Inteligencia Artificial
Ciclo lectivo 2013
Cursos: M. Ing. Mara Florencia Pollo Cattaneo
M. Ing. Pablo Pytel
Ing. Cinthia Vegega
ALGORITMOS GEN ALGORITMOS GEN TICOS TICOS
Intel i genci a Arti fi ci al (AG v. 10) UNIVERSIDAD TECNOLOGI CA NACIONAL
Facul tad Regi onal Buenos Ai res
INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL
Problemas que no se pueden resolver por un enfoque algortmico
tradicional
Nueva forma de manejar la imprecisin y la incertidumbre
ALGORITMOS GENTICOS
Los Algoritmos Genticos son algoritmos matemticos de
optimizacin de propsito general basados en mecanismos
naturales de seleccin y gentica, proporcionando
excelentes soluciones en problemas complejos con gran
nmero de parmetros.
TEOR TEOR A EVOLUTISTA A EVOLUTISTA
PRINCIPALES POSTULADOS
Las formas de vi da no son estticas sino que evol uci onan.
El proceso de la evolucin es gradual , l ento ycontinuo.
Los organismos parecidos se hallan emparentados y descienden de un
antepasado comn.
La sel ecci n natural es la llave, que explica todo el sistema.
SELECCIN NATURAL
- La producci n de variabil i dad: generacin de modificaciones
espontneas en los individuos.
- La supervi vencia del ms fuerte (apto) en la lucha por la vida.
CONCEPTOS
Ecosistema
Poblacin
Individuo
CONCEPTOS
Genotipo
Fenotipo
Teora Evolucin Algoritmos Genticos
Ecosistema / Ambiente Problema
Individuo Posible solucin
Genotipo / Cromosoma Descripcin de la solucin
Gen Caracterstica o Atributo
Fenotipo Funcin de Aptitud
EJEMPLO: el acertijo de Einstein
Tenemos 5 casas de cinco colores diferentes y en cada una de ellas vive unapersona de una
nacionalidad diferente. Cada uno de los dueos bebe una bebida diferente, fuma una marca de
cigarrillos diferente ytiene una mascota diferente.
Se tienen las siguientes pistas:
El britnico vive en la casa roja.
El sueco tiene un perro.
El dans toma t.
La casa verde esta a laizquierda de la blanca.
El dueo de la casa verde toma caf.
La persona que fuma Pall Mall tiene un pjaro.
El dueo de la casa amarilla fuma Dunhill.
El que vive en la casa del centro toma leche.
El noruego vive en la primera casa.
La persona que fuma Brends vive junto a la que tiene un gato.
La persona que tiene un caballo vive junto a la quefuma Dunhill.
El que fuma Bluemasters bebe cerveza.
El alemn fuma Prince.
El noruego vive junto a la casa azul.
El que fuma Brends tiene un vecino que toma agua.
Se pregunta: quin es el dueo del pececito?
1. Definicin del Cromosoma
Conceptos:
Variables:
Nacionalidad del Dueo
Ubicacin de la Casa
Color de la Casa
Tipo de Bebida
Nombre del Cigarrillo
Tipo de Mascota
Dueo Bebida Cigarrillo
Mascota
fuma bebe
tiene
Casa
tiene
={britnico, sueco, dans, alemn, noruego }
={primera, segunda, tercera, cuarta, quinta }
={roja, verde, blanca, amarilla, azul }
={t, caf, leche, cerveza, agua }
={Pall Mall, Dunhill, Brends, Bluemasters, Prince }
={perro, pjaro, gato, caballo, pececito }
Gen Principal
Genes Auxiliares
britnico sueco dans alemn noruego
casa-ubic. casa-color bebida cigarrillo mascota
2. Definicin de la Funcin de Aptitud
Analizar pistas:
Determinar condiciones que debe cumplir la solucin
Determinar restricciones que no puede cumplir la solucin
Analizar estructura del cromosoma definido:
Determinar combinaciones invlidas en los genes
Aumentan val or de apt itud
Disminuyen val or de apt itud
Penalizan val or de apti tud
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
?
GENERAR POBLACIN INICIAL
Mtodo
Al Azar
Ad-Hoc
Poblacin
Cantidad de Individuos
Varianza
o Constante
o Variable
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
P
S
MTODOS DE SELECCIN
Torneo
Ranking
Ruleta
Control sobre nmero esperado
SELECCI SELECCI N N - - Torneo Torneo
Poblacin f(x)
I1
61
I2
11
I3
33
I4
25
I5
44
I6
15
I7
17
I
1
I
4
I
4
I
5
I
1
SELECCI SELECCI N N - - Ranking Ranking
Pobl acin f(x)
I1
61
I2
11
I3
33
I4
25
I5
44
I6
15
I7
17
Pobl acin f(x)
I1
61
I5
44
I3
33
I4
25
I7
17
I6
15
I2
11
Poblacin
ordenada
Poblacin
original
SELECCI SELECCI N N - - Ruleta Ruleta
Poblacin f(x) p(x) P(x)
I1
61 0.2961 0.2961
I2
11 0.0534 0.3495
I3
33 0.1602 0.5097
I4
25 0.1214 0.6311
I5
44 0.2136 0.8447
I6
15 0.0728 0.9175
I7
17 0.0825 1.0000
Total 206 1
SELECCI SELECCI N N - - Ruleta Ruleta
I1
I3
I4
I5
I6
I7
I2
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0.2961
0.3495
0.5097
0.6311
0.8447
0.9175
SELECCI SELECCI N N - - Control s/nro. esperado Control s/nro. esperado
Poblacin f(x) f(x) /
Prom.
Selecciona
I1
61 2.0728 2
I2
11 0.3738 0
I3
33 1.1214 1
I4
25 0.8495 0
I5
44 1.4951 1
I6
15 0.5097 0
I7
17 0.5777 0
Total 206
Promedio 29.4286
SELECCI SELECCI N N Control s/nro. esperado Control s/nro. esperado
Poblacin f' (x) p(x) P(x)
I1
0,0728 0,0243 0,0243
I2
0,3738 0,1246 0,1489
I3
0,1214 0,0405 0,1893
I4
0,8495 0,2832 0,4725
I5
0,4951 0,1650 0,6375
I6
0,5097 0,1699 0,8074
I7
0,5777 0,1926 1,0000
Total 3 1
Promedio
SELECCI SELECCI N N - - Control s/nro. esperado Control s/nro. esperado
I1
I3
I4
I5
I6
I7
I2
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0.8074
0.6375
0.4725
0.1489
0.0243
0.1893
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
P
S
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
P
S
P
C
MTODOS DE CRUZAMIENTO
Simple
Multipunto
Binomial
Mscara
Complemento
Doble
Azar
Cruza Simple
PUNTO DE CORTE = 4
X
10
X
9
X
8
X
7
X
6
X
5
X
4
X
3
X
2
X
1
Y
10
Y
9
Y
8
Y
7
Y
6
Y
5
Y
4
Y
3
Y
2
Y
1
Y
10
Y
9
Y
8
Y
7
Y
6
Y
5
X
4
X
3
X
2
X
1
X
10
X
9
X
8
X
7
X
6
X
5
Y
4
Y
3
Y
2
Y
1
Padre
X
Padre
Y
Hijo
A
Hijo
B
Cruza Multipunto
PUNTOS DE CORTE = 4 y 8
Padre
X
Padre
Y
Hijo
A
Hijo
B
X
10
X
9
X
8
X
7
X
6
X
5
X
4
X
3
X
2
X
1
Y
10
Y
9
Y
8
Y
7
Y
6
Y
5
Y
4
Y
3
Y
2
Y
1
X
10
X
9
Y
8
Y
7
Y
6
Y
5
X
4
X
3
X
2
X
1
Y
10
Y
9
X
8
X
7
X
6
X
5
Y
4
Y
3
Y
2
Y
1
Cruza Binomial Mscara Complemento
MSCARA B = complemento A MSCARA A = XYXXYXXYYY
Padre
X
Padre
Y
Hijo
A
Hijo
B
X
10
X
9
X
8
X
7
X
6
X
5
X
4
X
3
X
2
X
1
Y
10
Y
9
Y
8
Y
7
Y
6
Y
5
Y
4
Y
3
Y
2
Y
1
Y
10
Y
9
Y
8
X
7
X
6
Y
5
X
4
X
3
Y
2
X
1
X
10
X
9
X
8
Y
7
Y
6
X
5
Y
4
Y
3
X
2
Y
1
Cruza Binomial Mscara Doble
MSCARA B = XXYYXXYXYX MSCARA A = XYXXYXXYYY
Padre
X
Padre
Y
Hijo
A
Hijo
B
X
10
X
9
X
8
X
7
X
6
X
5
X
4
X
3
X
2
X
1
Y
10
Y
9
Y
8
Y
7
Y
6
Y
5
Y
4
Y
3
Y
2
Y
1
Y
10
Y
9
Y
8
X
7
X
6
Y
5
X
4
X
3
Y
2
X
1
X
10
Y
9
X
8
Y
7
X
6
X
5
Y
4
Y
3
X
2
X
1
Cruza Binomial - Azar
R1 = 0,3 X
R2 = 0,6 Y
R3 = 0,2 X
R4 = 0,4 X
R5 = 0,1 X
R6 = 0,8 Y
R7 = 0,9 Y
R8 = 0,1 X
R9 = 0,7 Y
R10 = 0,6 Y
Si R 0,5 X
Si R > 0,5 Y
Padre
Y
Padre
X
X
5
X
4
Y
10
Y
9
Hijo
A
X
10
X
9
X
8
X
7
X
6
X
5
X
4
X
3
X
2
X
1
Y
8
Y
7
Y
6
Y
5
Y
4
Y
3
Y
2
Y
1
Y
10
Y
9
X
8
Y
7
Y
6
X
3
Y
2
X
1
Hijo
B
=
complemento
azar
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
P
S
P
C
P
M
MUTACIN
Ejecuta
Mutacin?
P
C
P
M
= MUTA( P
C
) P
M
= P
C
P
M
S No
Ejecuta
Mutacin
No ejecuta
Mutacin
ACTIVA
MUTACIN
MUTACIN
I
1
1 1 1 0 0 1 1 0 1 0
I
2
1 0 1 0 1 1 0 1 1 1
I
3
1 1 1 0 0 1 1 0 1 0
I
4
0 1 0 1 1 0 0 0 0 0
I
5
1 1 1 0 1 1 0 1 1 1
- Random
M
> Probabilidad
M
NO MUTA
P
C
- Random
M
Probabilidad
M
MUTA
EJECUTA
MUTACIN?
MUTACIN NO MUTA
Random
M
> Probabilidad
M
NO MUTA
P
M
I
1
1 1 1 0 0 1 1 0 1 0
I
2
1 0 1 0 1 1 0 1 1 1
I
3
1 1 1 0 0 1 1 0 1 0
I
4
0 1 0 1 1 0 0 0 0 0
I
5
1 1 1 0 1 1 0 1 1 1
P
C
I
1
1 1 1 0 0 1 1 0 1 0
I
2
1 0 1 0 1 1 0 1 1 1
I
3
1 1 1 0 0 1 1 0 1 0
I
4
0 1 0 1 1 0 0 0 0 0
I
5
1 1 1 0 1 1 0 1 1 1
I
1
1 1 1 0 0 1 1 0 1 0
I
2
1 0 1 0 1 1 0 1 1 1
I
3
1 1 1 0 0 1 1 0 1 0
I
4
0 1 0 1 1 0 0 0 0 0
I
5
1 1 1 0 1 1 0 1 1 1
I
1
1 1 1 0 0 1 1 0 1 0
I
2
1 0 1 0 1 1 0 1 1 1
I
3
1 1 1 0 0 1 0 0 1 0
I
4
0 1 0 1 1 0 0 0 0 0
I
5
1 1 1 0 1 1 0 1 1 1
MUTACIN MUTA
Random
M
Probabilidad
M
MUTA
R
P
( 77 )
P
M
P
C
1
MTODOS DE MUTACIN
Simple
Adaptativa por Convergencia
Adaptativa por Temperatura
Ascendente
Descendente
Probabilidad
M
= constante
Probabilidad
M
= G{ Promedio [ f(I
x
) ] }
Probabilidad
M
= G( Cant. Vueltas )
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
0
P
S
P
C
P
M
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
S
P
C
P
M
CRITERIO DE PARO
Cantidad de Vueltas
Tiempo Transcurrido
f(I
x
) >Valor
Promedio [ f(I
x
) ] Valor

Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
S
P
C
P
M
P
i
= P
M
Poblacin
Final
Seleccin
Cruzamiento
Mutacin
Paro?
Generar
poblacin inicial
No S
P
S
P
C
P
M
P
F
= P
M
EJ EMPLO 1 DE COMPORTAMIENTO EJ EMPLO 1 DE COMPORTAMIENTO
EJ EMPLO 2 DE COMPORTAMIENTO EJ EMPLO 2 DE COMPORTAMIENTO
ANLISIS DE LA POBLACIN FINAL
Poblacin Final
Aptitud
Solucin Interpretar
ANLISIS DE LA POBLACIN FINAL
Para leer:
Libro SI: "Captulo 3" (puntos 3.1; 3.2; 3.3.3).

Algoritmos Genéticos

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Algoritmos Genéticos

Hochgeladen von

Copyright:

Verfügbare Formate

Universidad Tecnolgica Nacional

Facultad Regional Buenos Aires

Das könnte Ihnen auch gefallen