UNIVERSIDAD

E.A.P INGENIERA DE SISTEMAS E INFORMTICA

NACIONAL DEL SANTA

CURSO

:
INTELIGENCIA ARTIFICIAL

DOCENTE

:
DIANA MUOZ CASANOVA

ALUMNOS

BLAS REYES EMERSON M. (0201314003)

MINAYA PUMARICRA MALCO M. (0201314049)
NEME PEREDA JOSE LUIS S. (0201314019)

TEMA

:
CUESTIONARIO N4: INTELIGENCIA ARTIFICIAL

CICLO

:
VII

NUEVO CHIMBOTE - 2016

CUESTIONARIO N04
1-IMPLEMENTAR METODOS DE SELECCION (TORNEO Y
RUEDA DE RULETA)
SELECCIN POR TORNEO
Se eligen subgrupos de individuos de la poblacin, y los miembros de cada
subgrupo compiten entre ellos. Slo se elige a un individuo de cada subgrupo para
la reproduccin. Este mtodo tiene un cierto grado de elitismo donde se elige el
mejor.
SELECCIN POR RUEDA DE RULETA (METODO MONTECARLO)
Este mtodo es muy simple, y consiste en crear una ruleta en la que cada
cromosoma tiene asignada una fraccin proporcional a su aptitud. Sin que nos
refiramos a una funcin de aptitud en particular, supongamos que se tiene una
poblacin de 5 cromosomas cuyas aptitudes estn dadas por los valores
mostrados en la Tabla:

Con los porcentajes mostrados en la cuarta columna de la Tabla 1 podemos

elaborar la ruleta de la Figura 1. Esta ruleta se gira 5 veces para determinar qu
individuos se seleccionarn. Debido a que a los individuos ms aptos se les
asign un rea mayor de la ruleta, se espera que sean seleccionados ms veces
que los menos aptos.

A pesar de ser un mtodo muy sencillo, es ineficiente a medida que aumenta el

tamao de la poblacin ya que se vuelve muy compleja. Adems presenta el
inconveniente de que el peor individuo sea elegido ms de una vez al estar al
azar.

2- REALIZAR DOS EJEMPLOS DE MUTACION.

La mutacin binaria es el tipo de mutacin tradicionalmente utilizado en el
algoritmo gentico cannico, y consiste en invertir un gen aleatoriamente. Dada la
representacin binaria del gen, se invierte el bit que lo representa con una
determinada probabilidad.

Mutacin Simple:
En este caso la probabilidad de mutacin permanece constante a lo largo
de las distintas generaciones, como lo muestra la ecuacin

Mutacin adaptativa por temperatura ascendente

La probabilidad de mutacin se va incrementando a medida que transcurren
las generaciones. El objetivo de este aumento es mantener la diversidad de

individuos en la poblacin, que tiende a hacerse homognea con el

transcurso de las generaciones. La probabilidad de mutacin para una
generacin esta dada por la ecuacin

Mutacin adaptativa por temperatura descendente

La probabilidad de mutacin se va incrementando a medida que transcurren
las

generaciones.

El

objetivo

de

este

aumento

es mantener la

Entrenamiento de redes neuronales basado en algoritmos evolutivos 32

Algoritmos genticos L. Federico Bertona diversidad de individuos en la
poblacin, que tiende a hacerse homognea con el transcurso de las
generaciones. La probabilidad de mutacin para una generacin esta dada
por la ecuacin.

3-QUE ES FITNES?
La funcin de evaluacin generalmente es la funcin objetivo, es decir, es lo que
se quiere llegar a optimizar (ej: nmero de aciertos, nmero de movimientos, etc.).
Es necesario decodificar la solucin presente en el cromosoma para evaluarla.
La funcin de aptitud (fitness) es la que permite valorar la aptitud de los individuos
y debe tomar siempre valores positivos.
Ambas funciones suelen ser iguales, pero puede ser que la funcin objetivo sea
muy compleja, tome valores negativos, o no proporcione un valor numrico y, por
lo tanto, sea necesario definir una funcin de aptitud diferente.

En un algoritmo gentico la informacin ha de codificarse para poder trabajar

adecuadamente con ella. Cmo hemos visto, existen numerosos sistemas de
codificacin, aunque nosotros utilizaremos la codificacin real.
Una vez definido el sistema de codificacin a emplear se ver cmo actan los
operadores bsicos de seleccin, cruce y mutacin sobre este cdigo.

REFERENCIAS BIBLIOGRAFICAS
[4] J. Carlos Diaz, [2014]. "Algoritmos
archivo.uc3m.es/bitstream/handle/10016/10214

Genticos"

Disponible

en:

http://e-

[5] L. Federico Bertona, [2010]. Entrenamiento De Redes Neuronales Basado En

Algoritmos
Evolutivos"
Disponible
en:
http://laboratorios.fi.uba.ar/lsi/bertonatesisingenieriainformatica.pdf
[6] A. Will, [2013]. "Algoritmos Genticos Y Optimizacin Heurstica " Disponible en:
http://www.herrera.unt.edu.ar/gapia/Curso_AG/Curso_AG_08_Clase_5.pdf