TEMA 3: Áreas de la IA: Ejemplos de investigación actual.
|
|
- Juan Luis Juárez Fidalgo
- hace 5 años
- Vistas:
Transcripción
1 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 1 TEMA 3: Áreas de la IA: Ejemplos de investigación actual. Algoritmos Genéticos 1 Introducción 2.1 Operadores Bibliografía Bibliografía S. S. Russell, Russell, P. P. Norvig. Norvig. Inteligencia Inteligencia Artificial Artificial.. Un Un enfoque enfoque moderno. moderno. Prentice Prentice Hall. Hall Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 2 1 Introducción El algoritmo genético es una técnica de búsqueda basada en la teoría de la evolución de Darwin. Ha cobrado tremenda popularidad en los últimos años. Esta técnica se basa en los mecanismos de selección que utiliza la naturaleza: los individuos más aptos de una población son los que sobreviven pues se adaptan más fácilmente a los cambios que se producen en su entorno. Los cambios se traducen en transformaciones en los genes de un individuo (unidad básica de codificación de cada uno de los atributos de un ser vivo) Las características más destacadas de un individuo (i.e., los que le permiten adaptarse mejor a su entorno) se deben transmitir a sus descendientes.
2 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 3 1 Introducción Definición Es un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto, y tras haberse presentado de forma natural una serie de operaciones genéticas de entre las que destaca la recombinación sexual. Cada uno de estos objetos matemáticos suele ser una cadena de caracteres (letras o números) de longitud fija que se ajusta al modelo de las cadenas de cromosomas, y se les asocia con una cierta función matemática que refleja su aptitud. Un AG empieza por uno o varios individuos y mediante operaciones de transformación y selección va haciendo evolucionar su especie, desarrollando individuos mejores. Un AG se caracteriza por su aleatoriedad en todo su proceso (empleo de probabilidades) Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 4 Elementos de un AG: Población: individuos que representan cada uno de ellos una solución codificada de una forma adecuada (cromosomas). Operadores: conjunto de operaciones a realizar sobre los individuos de una población. Función de adaptación: función que se emplea para evaluar la idoneidad de un individuo determinado. Un AG desarrolla un proceso de evolución de los individuos de una población, obteniendo nuevas poblaciones a partir de los individuos más fuertes. Un AG busca un individuo que maximice o minimice la función de adaptación.
3 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 5 Esquema de un algoritmo genético: generar población inicial G(0); evaluar G(0); t:=0; repetir t:=t+1; generar G(t) usando G(t-1); evaluar G(t); hasta encontrar una solución; Se seleccionan los mejores Se transforman los padres generando nuevos hijos Se seleccionan los mejores Sol. considerada suficientemente buena Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 6 Ejemplo de ejecución de un algoritmo genético: 1ª generación 2ª generación Selección de de los los mejores Se Se pasa pasa a la la siguiente generación a los los mejores A partir partir de de ellos ellos se se generan los los nuevos nuevos hijos hijos Volvemos a seleccionar los los mejores
4 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 7 A la hora de desarrollar un AG debemos tener en cuenta: Cómo se representa un individuo? Cuál es la función de adaptación? Como se escogen los individuos? Como se reproducen los individuos? Individuos: Un individuo representa una solución La codificación más común de las soluciones es a través de cadenas binarias Gen Cromosoma Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 8 Función de adaptación: Se aplica sobre un individuo dando idea de la calidad del mismo Depende del problema en cuestión Entrada: individuo Salida: número real El AG tratará de maximizar o minimizar dicho valor real Estrategia de selección (de individuos) La estrategia de selección es aleatoria (en general) La probabilidad de selección es proporcional a su adaptación. Supongamos un individuo de adaptación X y otro de adaptación Y, si X=2*Y entonces el primer individuo tiene el doble de probabilidades de ser seleccionado
5 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp Operadores Reproducción de individuos: Permite la obtención de una nueva generación de individuos. Se lleva a cabo mediante dos operadores: Cruzamiento y Mutación Son operadores binarios. CRUCE Los nuevos hijos de una generación necesitan 1 o 2 individuos padres Ambos tienen una probabilidad asociada de aplicación Operador que a a partir de dos cromosomas realiza un intercambio de parte de su material genético C. padre C. hijo C. padre C. hijo 2 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 10 MUTACIÓN Esquema Operadores general Operador que introduce diversidad de los descendientes respecto a los progenitores C. padre C. hijo
6 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 11 La aplicación de los AG s a la recuperación de información ha crecido notablemente en los últimos años. Áreas de aplicación: Indización de documentos Agrupamiento de documentos y términos Mejoras en la definición de consultas Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 12 Indización de documentos: Problema: encontrar una descripción de términos apropiada para un documento. Pueden asociarse varias descripciones a un documento e ir adaptándolas a lo largo del tiempo. Cuando el usuario introduce una consulta, el sistema empareja ésta con todas las descripciones y decide en promedio. Se puede disponer de un AG, el cual: Cada cromosoma es una descripción representada por un vector binario. La población sería un conjunto de descripciones El AG se aplicaría para cada documento La función de adaptación dispone de un conjunto de consultas relevantes para el documento y de otro conjunto de consultas no relevantes
7 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 13 Indización de documentos: El funcionamiento sería: El conjunto de descripciones van transformándose aplicando mutaciones y cruce. La función de adaptación obtiene la relevancia de la descripción frente a los conjuntos de documentos disponibles. De esta forma se pueden obtener las mejores descripciones. Agrupamiento de documentos y términos Empleo de un AG para formar grupos (clusters) Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 14 Mejoras en la definición de consultas Para aprender las características de una consulta se suele emplear un conjunto de documentos relevantes proporcionados por el usuario. Un AG se puede emplear para: 1) Aprendizaje de términos: Los cromosomas serían vectores binarios de tamaño fijo, donde cada posición está asociada a un término existente. La función de adaptación mide la similitud entre un individuo y el conjunto de documentos suministrados El término es o no es relevante
8 Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 15 Mejoras en la definición de consultas 2) Aprendizaje de pesos: Los cromosomas serían vectores de valores reales [0,1] de tamaño fijo, donde cada posición está asociada a un término existente. La función de adaptación (igual que antes) mide la similitud entre un individuo y el conjunto de documentos suministrados Se indica el peso del término en la consulta Tema 3: Áreas de la IA: Ejemplos de investigación actual pp. 16 Mejoras en la definición de consultas 3) Aprendizaje de la consulta completa: Los cromosomas serían árboles representado también las conectivas lógicas entre términos El algoritmo trata de aprender las estructura de términos, pesos y conexiones entre los términos por medio de expresiones booleanas. and or
3. Algoritmo genético
3. Algoritmo genético 3.1 Antecedentes El algoritmo genético es una técnica de búsqueda basada en la teoría de la evolución de Darwin. Se presentarán aquí los conceptos básicos más importantes para entender
Más detallesSon una clase particular de los algoritmos evolutivos.
Algoritmos Genéticos (AGs) Los AGs son técnicas de resolución para problemas de Búsqueda Optimización Aprendizaje en máquinas Son una clase particular de los algoritmos evolutivos. Los AGs intentan resolver
Más detallesInteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detalles1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo. Algoritmos genéticos
1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo Algoritmos genéticos Introducción Propuestos por Holland, mediados 70, computación evolutiva Popularizados
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesTutorías: 10:00 a 14:00 de lunes a viernes en el L (Solicitud mediante )
1 José María Font Fernández jm.font@upm.es Tutorías: 10:00 a 14:00 de lunes a viernes en el L-3101. (Solicitud mediante email) http://dl.dropbox.com/u/1074349/computacionevolutiva.pdf 2 o La Computación
Más detallesAlgoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de
Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos
Más detallesCAPITULO 2: MARCO TEÓRICO. En el desarrollo de este capítulo se presentan descripciones generales,
CAPITULO 2: MARCO TEÓRICO En el desarrollo de este capítulo se presentan descripciones generales, definiciones y métodos, que nos pueden ayudar a entender con claridad el método que desarrolló en esta
Más detallesEste capitulo presenta la metodología utilizada para el problema de. maximización de la disponibilidad con relación al costo por medio de algoritmos
3 Metodología Este capitulo presenta la metodología utilizada para el problema de maximización de la disponibilidad con relación al costo por medio de algoritmos genéticos y programación multiobjetivo,
Más detallesALGORITMOS GENÉTICOS. En lugar de envidiar la naturaleza debemos emularla Holland
ALGORITMOS GENÉTICOS En lugar de envidiar la naturaleza debemos emularla Holland Algoritmos genéticos Algoritmos basados en los principios de la evolución natural Se utilizan en problemas donde no se pueden
Más detallesMetaheurísticas. Seminario 3. Problemas de optimización con técnicas basadas en poblaciones
Metaheurísticas Seminario 3. Problemas de optimización con técnicas basadas en poblaciones 1. Estructura de un Algoritmo Genético/Memético y Aspectos de Implementación 2. Problemas de Optimización con
Más detallesMinería de datos (Algoritmos evolutivos)
Minería de datos (Algoritmos evolutivos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 23 Extracción de
Más detallesUniversidad Tecnológica Nacional Facultad Regional Buenos Aires Introducción a la Inteligencia Artificial. Algoritmos Geneticos
Página 1 de 9 Índice 1 Introducción... 1 1.1 Estructura básica de un Programa Evolutivo... 3 2 Algoritmos Genéticos. Qué son?... 3 2.1 Optimización de una función simple... 4 2.2 Población Inicial... 4
Más detallesTema 5: Algoritmos Genéticos
Tema 5: Algoritmos Genéticos José Luis Ruiz Reina Miguel A. Gutiérrez Naranjo Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial Búsqueda
Más detallesEstado 0 (valor = 3) Estado 2 (valor = 7) Estado 1.3 (valor = 9)
Búsqueda local Fernando Berzal, berzal@acm.org Búsqueda local Ascensión de colinas Enfriamiento simulado Algoritmos genéticos 1 Ascensión de colinas Ascensión de colinas simple E: Estado activo while (E
Más detallesCOMPUTACIÓN BIOLÓGICA
COMPUTACIÓN BIOLÓGICA Pedro Isasi 1 1 Departamento de Informática Universidad Carlos III de Madrid Avda. de la Universidad, 30. 28911 Leganés (Madrid). Spain email: isasi@ia.uc3m.es Presentación TEMARIO
Más detallesMejoras a algoritmos genéticos. Inteligencia Computacional Blanca A. Vargas Govea Sep 25, 2012
Mejoras a algoritmos genéticos Inteligencia Computacional Blanca A. Vargas Govea vargasgovea@itesm.mx Sep 25, 2012 Conocer las mejoras usuales a algoritmos genéticos 2 1. Diseñar una representación 2.
Más detallesOPTIMIZACIÓN DE MODELOS
OPTIMIZACIÓN DE MODELOS SISTEMA DECIMAL Sistema numérico que utiliza al 10 como base y requiere 10 números. 156.7 1x10 2 + 5x10 1 + 6x10 0 + 7x10-1 = 100 + 50 + 6 +0.7 = 156.7 SISTEMA BINARIO Sistema que
Más detallesII Unidad EL ALGORITMO GENETICO BINARIO. Rafael Vazquez Perez
II Unidad EL ALGORITMO GENETICO BINARIO Rafael Vazquez Perez Contenido 2.1.- Algoritmos Genéticos: La Selección Natural en una Computadora 2.2.- Componentes de un Algoritmo Genético 2.2.1.- Selección de
Más detallesEl tiempo estimado para realizar la prueba es de 3 horas y media
Departamento de Informática Universidad Carlos III de Madrid Open Course Ware Ingeniería Informática Computación Biológica Prueba de conocimiento El tiempo estimado para realizar la prueba es de 3 horas
Más detallesCarlos J. Zapata G Carlos A. Ramirez V
Carlos J. Zapata G Carlos A. Ramirez V Introducción Los AG provienen de la familia de modelos computacionales basados en la evolución Holland fue el primero quien le dio un formalismo y el nombre a los
Más detallesALGORITMOS GENÉTICOS EN LA SOLUCIÓN DE ECUACIONES DIOFÁNTICAS LINEALES
ALGORITMOS GENÉTICOS EN LA SOLUCIÓN DE ECUACIONES DIOFÁNTICAS LINEALES CRISTIAN C. FORERO 35 ALGORITMOS GENÉTICOS EN LA SOLUCIÓN DE ECUACIONES DIOFÁNTICAS LINEALES CRISTIAN C. FORERO* Recibido / Aceptado
Más detallesRECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO
RECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO 2 CONTENIDO TEMA1: INTRODUCCIÓN TEMA2: APRENDIZAJE MÁQUINA TEMA3: RECONOCIMIENTO DE PATRONES TEMA4: PROGRAMACIÓN EVOLUTIVA 3 TEMA 4 : PROGRAMACIÓN
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T4: Algoritmos Genéticos {jdiez, juanjo} @ aic.uniovi.es La idea es Qué pretende la IA? Producir agentes inteligentes Cuál es el mejor ejemplo de agente inteligente? El Hombre Cómo
Más detallesALGORITMOS GENÉTICOS
ALGORITMOS GENÉTICOS 1. ALGORITMOS GENÉTICOS. INTRODUCCIÓN 2. CÓMO SE CONSTRUYE? 3. SOBRE SU UTILIZACIÓN 4. ALGUNAS CUESTIONES: DIVERSIDAD, EXPLORACIÓN vs EXPLOTACIÓN 5. MODELOS: GENERACIONAL vs ESTACIONARIO
Más detallesConceptos básicos de programación genética
LA INFORMÁTICA Y EL CONOCIMIENTO UNIVERSIDAD NACIONAL DE COLOMBIA Revista de la Facultad de Medicina 2001; 49 (2):110-114 Conceptos básicos de programación genética José Jesús Martínez Páez, Profesor,
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesTema 5: Búsqueda local y algoritmos genéticos
Tema 5: Búsqueda local y algoritmos genéticos José Luis Ruiz Reina Miguel A. Gutiérrez Naranjo Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial
Más detallesEKIPO 5 ALGORITMOS GENETICOS
EKIPO 5 ALGORITMOS GENETICOS Los algoritmos genéticos consisten en generar una serie de posibles soluciones al azar y en ir creando sucesivas generaciones (soluciones hijas, mezcla de otras soluciones
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesMetaheurísticas
UNIVERSIDAD DE GRANADA E.T.S.I. INFORMÁTICA Y TELECOMUNICACIÓN Departamento de Ciencias de la Computación e Inteligencia Artificial Metaheurísticas http://sci2s.ugr.es/graduatecourses/metaheuristicas https://decsai.ugr.es
Más detallesALGORITMOS GENÉTICOS: ALGUNOS RESULTADOS DE CONVERGENCIA
Mosaicos Matemáticos No. 11 Diciembre, 23. Nivel Superior ALGORITMOS GENÉTICOS: ALGUNOS RESULTADOS DE CONVERGENCIA Mario Alberto Villalobos Arias Departamento de Matemáticas Centro de Investigación y de
Más detallesTema 6: Búsqueda local y algoritmos genéticos
Tema 6: Búsqueda local y algoritmos genéticos José Luis Ruiz Reina Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial I, 2012 Índice Problemas
Más detallesCONSTRUCCIÓN AUTOMÁTICA DE REGLAS DE INVERSIÓN UTILIZANDO PROGRAMACIÓN GENÉTICA
CONSTRUCCIÓN AUTOMÁTICA DE REGLAS DE INVERSIÓN UTILIZANDO PROGRAMACIÓN GENÉTICA Mario Alberto Llorente Lopez PFC Ingeniería en Informática 24 de Enero de 2012 CONTENIDO Introducción Objetivos Planificación
Más detallesTema 2: Algoritmos Genéticos
Tema 2: Algoritmos Genéticos p. 1/3 Tema 2: Algoritmos Genéticos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País
Más detallesAlgunas ventajas asociados comúnmente a ellos son:
CAPITULO 3 ALGORITMOS GENÉTICOS Charles Darwin construyó la Teoría de la Evolución, en la cual afirma que las especies naturales van evolucionando para adaptarse al medio en que viven. Aquellos individuos
Más detallesTema 7: Búsqueda local y algoritmos genéticos
Inteligencia Artificial I Curso 2009 200 Tema 7: Búsqueda local y algoritmos genéticos José L. Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA-I 2009
Más detallesAnálisis de algoritmos
Tema 14: Algoritmos de aproximación M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Algoritmos de aproximación
Más detallesComputación Evolutiva Algoritmos Genéticos
Computación Evolutiva Algoritmos Genéticos Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Hace 200 años... Inteligencia Computacional - FICH - UNL La idea de que las especies
Más detallesSistemas complejos. Algoritmos evolutivos y bioinspirados
Sistemas complejos. Algoritmos evolutivos y bioinspirados Taller de herramientas para sistemas complejos: algoritmos evolutivos Pedro A. Castillo Valdivieso Baeza, 13 de marzo de 2006 Contenidos del taller
Más detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesIntroducción a la Inteligencia Artificial. Introducción a la Inteligencia Artificial. Material de estudio y bibliografía.
Introducción a la Introducción a la Docentes: Claudio Verrastro Juan Carlos Gómez Lógica Difusa Algoritmos Genéticos Leandro Di Matteo Esteban Venialgo Lucio Martinez G. Área: Fundamentos de la Visión
Más detallesALGORÍTMICA
ALGORÍTMICA 2012 2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesAprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur
Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA Ricardo Aler Mur Regresión simbólica, búsqueda genética y algoritmos de estimación de distribuciones Regresión lineal Regresión:
Más detallesIntroducción a los Algoritmos Genéticos
Introducción a los Algoritmos Genéticos Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 17 de octubre de 2005 c FJRP 2005 ccia IA Métodos de 8 < : 1 Introducción 9 =
Más detallesMatemáticas Básicas para Computación
Matemáticas Básicas para Computación MATEMÁTICAS BÁSICAS PARA COMPUTACIÓN 1 Sesión No. 6 Nombre: Álgebra Booleana Objetivo Durante la sesión el participante identificará las principales características
Más detallesHerencia y transmisión de caracteres
Herencia y transmisión de caracteres Herencia, trasmisión de caracteres, reproducción y leyes de Mendel La herencia y la trasmisión de caracteres es una característica bien marcada entre los seres vivos.
Más detallesPROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial"
PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial" Grupo: Clases Teór. Inteligencia Artificial Grupo 1 ING. COMPUTADORES(961083) Titulacion: Grado en Ingeniería Informática-Ingeniería de Computadores
Más detallesPROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial"
PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial" Grupo: Clases Teór. Inteligencia Artificial Grupo 1 ING. COMPUTADORES(961083) Titulacion: Grado en Ingeniería Informática-Ingeniería de Computadores
Más detallesObjetivos. Teorías de la evolución EVOLUCIÓN. Para recordar. Teorías de la evolución Conocer teorías evolucionistas y sus precursores
DEPARTAMENTO DE CIENCIAS ALIZABATCH VON DER FECHT Teorías de la evolución Objetivos Conocer teorías evolucionistas y sus precursores Para recordar. EVOLUCIÓN Existen distintas teorías que explican el origen
Más detallesGESTIÓN GENÉTICA DE LAS PEQUEÑAS POBLACIONES. I. POBLACIONES GENEALÓGICAS.
GESTIÓN GENÉTICA DE LAS PEQUEÑAS POBLACIONES. I. POBLACIONES GENEALÓGICAS. GESTIÓN GENÉTICA DE LAS PEQUEÑAS POBLACIONES. I. POBLACIONES GENEALÓGICAS. Indice de contenidos. Introducción y Objetivos Coeficiente
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 22
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 22 prb@2007 2 El núcleo de cada célula humana contiene una base de datos química. Esta base de datos contiene todas las instrucciones que la célula
Más detallesDEPARTAMENTO DE CIENCIAS ALIZABATCH VON DER FECHT. Teorías de la evolución
DEPARTAMENTO DE CIENCIAS ALIZABATCH VON DER FECHT Teorías de la evolución Objetivos Conocer teorías evolucionistas y sus precursores Para recordar. Existen distintas teorías que explican el origen de la
Más detallesINSTITUTO TECNOLOGICO DE NUEVO LAREDO ING. BRUNO LÓPEZ TAKEYAS INTELIGENCIA ARTIFICIAL ALGORITMOS GENETICOS
INSTITUTO TECNOLOGICO DE NUEVO LAREDO ING. BRUNO LÓPEZ TAKEYAS INTELIGENCIA ARTIFICIAL ALGORITMOS GENETICOS GABRIELA MARQUEZ GONZALEZ 99100165 ITZEL MORA GARZA 99100202 LUIS BENITO ORDOÑEZ GOMEZ 99100155
Más detallesMODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS
MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Bruno López Takeyas 1 Jaime David Johnston Barrientos 2 Instituto Tecnológico de Nuevo Laredo Reforma Sur 2007, C.P. 88250, Nuevo Laredo,
Más detallesCAPÍTULO 2: Diseño del algoritmo
CAPÍTULO 2: Diseño del algoritmo 2.1 Introducción La fase del diseño del algoritmo es la fase previa a la de la implementación del mismo, y no cabe ninguna duda de que el éxito o el fracaso de dicho algoritmo
Más detallesSimbiosis de las Técnicas Evolutivas y el Procesamiento Estadístico del Lenguaje Natural p.1/37
Simbiosis de las Técnicas Evolutivas y el Procesamiento Estadístico del Lenguaje Natural Lourdes Araujo lurdes@sip.ucm.es Dpto. Sistemas Informáticos y Programación Universidad Complutense de Madrid Simbiosis
Más detallesNUEVO METODO DE OPTIMIZACION: BIG BANG BIG CRUNCH
NUEVO METODO DE OPTIMIZACION: BIG BANG BIG CRUNCH OSMAN K. EROL IBRAHIM EKSIN Istanbul Technical University GABRIEL LEIVA FRANCISCO ORTIZ SERGIO FERNANDEZ 1 OBJETIVO DE LA INVESTIGACIÓN Mejorar el criterio
Más detallesPor qué funcionan? -> Teorema de esquemas I. Inteligencia Computacional Blanca A. Vargas Govea Sep 18, 2012
Por qué funcionan? -> Teorema de esquemas I Inteligencia Computacional Blanca A. Vargas Govea vargasgovea@itesm.mx Sep 18, 2012 1950s Modelo de mecanismos de la evolución en computadora 2 1960s Modelos
Más detallesPrograma de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I
Programa de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de
Más detallesRevista Aristas Ciencia Básica y Aplicada
Contenido disponible en http://fcqi.tij.uabc.mx/usuarios/revistaaristas/ Revista Aristas Ciencia Básica y Aplicada SOFTWARE DIDÁCTICO EN LA IMPLEMENTACIÓN DE UN ALGORITMO GENÉTICO CANÓNICO. Charles Walter
Más detallesAlgoritmos Culturales en Manejo de Restricciones
en Algoritmos Evolutivos Algoritmos Culturales en Manejo de Restricciones por Ricardo Landa abril de 2003 1 Algoritmos Culturales Los algoritmos culturales fueron desarrollados por Robert G. Reynolds,
Más detallesPROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial"
PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial" Grupo: Clases Teór. Inteligencia Artificial GRUPO 2 TECN. INFORMÁTICAS(963762) Titulacion: Grado en Ingeniería Informática-Tecnologías Informáticas
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA - INTELIGENCIA ARTIFICIAL (ELECTIVA TÉCNICA) CÓDIGO
Más detallesINDICE. Procedimiento 4. Mutación Paramétrica. 8
INDICE Introducción. 3 Objetivo 4 Procedimiento 4 Algoritmo Principal. 6 Inicialización de la Población 6 Función de Aptitud.. 7 Selección de la Nueva Población. 7 Mutación Estructural 8 Mutación Paramétrica.
Más detallesAplicación de Algoritmos Genéticos en la Fragmentación Vertical y asignación simultanea en Bases de Datos Distribuidas
Aplicación de Algoritmos Genéticos en la Fragmentación Vertical y asignación simultanea en Bases de Datos Distribuidas Rodrigo Peralta González Alumno Ingeniería Civil Informática Universidad Católica
Más detallesUniversidad Tecnológica Nacional Facultad Regional Buenos Aires Secretaría de Ciencia y Tecnología. Seminario IA y R
Página 1 de 8 11 Programación Genética Daniel José Abate danieljoseabate@gmail.com Resumen - Este trabajo es una Investigación sobre Programación Genética y fué presentado como trabajo final de la materia
Más detallesINTELIGENCIA ARTIFICIAL 1
Universidad de San Carlos de Guatemala Facultad de Ingeniería Escuela de Ciencias y Sistemas Programa del curso INTELIGENCIA ARTIFICIAL 1 INFORMACIÓN DE CURSO Código: 972 Créditos: 4 Área: Categoría: Ciencias
Más detallesAgenda. Inteligencia Computacional. Introducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Fabio González, Ph.D. Germán Hernández, Ph.D. Carlos Camargo, M.Sc. Departamento de Ingeniería de Sistemas e Industrial Universidad Nacional de Colombia Agenda 1.
Más detallesTema 2: Un poco de Historia
Introducción a la Inteligencia Artificial Curso 2006 2007 Tema 2: Un poco de Historia Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIA
Más detallesMatemáticas Evolutivas: Algoritmos Genéticos
Matemáticas Evolutivas: Algoritmos Genéticos María Teresa Iglesias Otero Departamento de Matemáticas Universidade da Coruña Cuál es la mejor forma de...? cuál es el camino más corto a...? cuál es la más
Más detallesReingeniería de un generador de casos de prueba por algoritmos genéticos para WS-BPEL 2.0
Reingeniería de un generador de casos de prueba por algoritmos genéticos para WS-BPEL 2.0 Álvaro Cortijo García Directores: Antonia Estero Botaro y Antonio García Domínguez Proyecto Fin de Carrera Ingeniería
Más detallesProgramación Evolutiva
Introducción a la Computación Evolutiva Quinta Clase: Programación Evolutiva Programación Evolutiva Desarrollada en USA durante los años 60 Autores principales: D. Fogel Aplicada típicamente a: PE tradicional:
Más detallesPlanificaciones Inteligencia Artificial. Docente responsable: CABRERA JOSE LUIS. 1 de 5
Planificaciones 7523 - Inteligencia Artificial Docente responsable: CABRERA JOSE LUIS 1 de 5 OBJETIVOS Enseñar los conceptos fundamentales de inteligencia artificial, sus paradigmas, métodos y técnicas.
Más detallesAGRADECIMIENTOS Indice Introducción 1. Planteamiento. 2. Antecedentes. 2.1. Redes neuronales recurrentes dinámicas. El problema del entrenamiento. 2.2. Series temporales. Modelado y predicción.
Más detallesAlgoritmos Genéticos Y
Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Operadores de Selección Rank Based
Más detallesTEMA 6: LA HERENCIA. Pág.1
TEMA 6: LA HERENCIA EL CICLO CELULAR: Toda célula procede de otra célula. La célula al dividirse transmite el material genético o hereditario, es decir las moléculas de ADN a sus células hijas Toda célula
Más detallesIntroducción a los Algoritmos Bio-Inspirados. Paradigmas Básicos y Nuevos Enfoques.
Introducción a los Algoritmos Bio-Inspirados. Paradigmas Básicos y Nuevos Enfoques. Dr. Efrén Mezura Montes Laboratorio Nacional de Informática Avanzada LANIA A.C. Rébsamen No. 80, CENTRO, Xalapa, Veracruz,
Más detallesMotores de Búsqueda Web Tarea Tema 3: Limitaciones de la recuperación de información tradicional en la Web
Motores de Búsqueda Web Tarea Tema 3: Limitaciones de la recuperación de información tradicional en la Web 71454586A Motores de Búsqueda Web Máster en Lenguajes y Sistemas Informáticos - Tecnologías del
Más detallesTema 2: Un poco de Historia
Introducción a la Inteligencia Artificial Curso 2008 2009 Tema 2: Un poco de Historia Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIA
Más detallesUniversidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-3815
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-385 Proyecto Objetivos Generales: realizar un programa en lenguaje de bajo nivel del
Más detallesEstructura de Datos. Códigos de Huffman. Primer Semestre, Compresión de Archivos. Compresión de Archivos
Estructura de Datos Códigos de Huffman Prof.: Mauricio Solar Prof.: Lorna Figueroa Primer Semestre, 2 Los algoritmos estudiados hasta ahora han sido diseñados, en general, para que utilicen el menor tiempo
Más detallesRazonamiento probabilístico y Redes Bayesianas
Inteligencia Computacional Razonamiento probabilístico y Redes Bayesianas Probabilidad y Teorema de Bayes Blanca A. Vargas Govea - vargasgovea@itesm.mx - Oct 9, 2012 Avisos: Exámenes Fecha de examen parcial
Más detallesGUÍA DOCENTE CURSO: DATOS BÁSICOS DE LA ASIGNATURA DISTRIBUCIÓN HORARIA DE LA ASIGNATURA SEGÚN NORMATIVA DATOS DEL PROFESORADO
GUÍA DOCENTE CURSO: 2017-18 DATOS BÁSICOS DE LA ASIGNATURA Asignatura: Genética Código de asignatura: 49151108 Plan: Grado en Biotecnología (Plan 2015) Año académico: 2017-18 Ciclo formativo: Grado Curso
Más detallesInteligencia Artificial. Carrera: Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Inteligencia Artificial Ingeniería en Sistemas Computacionales SCB - 0416 4-0-8
Más detallesEl nivel Interno. Índice Tema 3
El nivel Interno Índice Tema 3 iel nivel Interno...1 Introducción...2 Etapas de acceso a la base de datos...2 Gestor de Disco...3 Gestor de Ficheros...3 Agrupamiento...4 Interactivos...4 Entrearchivos...4
Más detallesBIOINFORMÁTICA Examen Ordinario 22 de Junio de 2011
BIOINFORMÁTICA Examen Ordinario 22 de Junio de 2011 1. (1 pto.) Dar un esquema (máximo 2 páginas) de los algoritmos de Evolución Diferencial. 2. (1 pto.) Explica similitudes y diferencias entre los Algoritmos
Más detallesTOMA DE DECISIONES CON AYUDA DE ALGORITMOS GENÉTICOS.
TOMA DE DECISIONES CON AYUDA DE ALGORITMOS GENÉTICOS. Eduardo Silva V. Resumen. En el presente trabajo se da solución a un problema de optimización clásico por medio de algoritmos genéticos (AG). Se trata
Más detallesALGORITMOS GENÉTICOS Oscar Cordón, Universidad de Granada
ALGORITMOS GENÉTICOS Oscar Cordón, Universidad de Granada 1. ALGORITMOS GENÉTICOS. INTRODUCCIÓN 2. CÓMO SE CONSTRUYE? 3. SOBRE SU UTILIZACIÓN 4. ALGUNAS CUESTIONES: DIVERSIDAD, EXPLORACIÓN vs EXPLOTACIÓN
Más detallesCOLEGIO PROVINCIAL DE EDUCACION SECUNDARIA N 22 GREGORIO ALVAREZ. Actividades de Biología
COLEGIO PROVINCIAL DE EDUCACION SECUNDARIA N 22 GREGORIO ALVAREZ Actividades de Biología Prof. Vargas Erika Curso: 2er año A y B Fecha de entrega: 06/12/17 Año: 2017 Tema: Teorías de la Evolución Biológica
Más detallesBases Formales de la Computación: Redes de Bayes (segunda parte)
Bases Formales de la Computación: Redes de Bayes (segunda parte) Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Razonamiento en Redes de Bayes
Más detallesTEMA IV TEORÍA DE GRAFOS
TEMA IV TEORÍA DE GRAFOS Poli Abascal Fuentes TEMA IV Teoría de grafos p. 1/? TEMA IV 4. TEORÍA DE GRAFOS 4.1 GRAFOS 4.1.1 Introducción 4.1.2 Definiciones básicas 4.1.3 Caminos y recorridos 4.1.4 Subgrafos,
Más detallesPrograma de Estudio Ciencias Naturales Eje: Biología Segundo Medio Unidad 3
Programa de Estudio Ciencias Naturales Eje: Biología Segundo Medio Unidad 3 SUGERENCIAS DE EVALUACIÓN EVALUACIÓN 1 Cada estudiante observa la siguiente imagen obtenida de una raíz vegetal y, basándose
Más detallesAlgoritmos genéticos. Un ejemplo con hoja de cálculo
Algoritmos Genéticos. Un ejemplo con hoja de cálculo Algoritmos genéticos. Un ejemplo con hoja de cálculo Martínez María-Dolores, Soledad María soledad.martinez@upct.es Bernal García, Juan Jesús juanjesus.bernal@upct.es
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesInteligencia Artificial II (Curso ) Ejercicios propuestos del tema 3
Inteligencia Artificial II (Curso 2010-2011) Ejercicios propuestos del tema 3 Ejercicio 1: Describe los modelos probabilísticos del lenguaje unigram y bigram y cómo se calcula la probabilidad de una secuencia
Más detallesIntroducción a los Algoritmos Genéticos. Héctor Alejandro Montes
Introducción a los Algoritmos Genéticos hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Problema Los principios de Selección Natural han sido fundamentales en la evolución de la vida Éstos mismo principios
Más detallesTEMA 13 Tema 15: Evolución
Tema 15: Evolución Jorge Muñoz Aranda Biología-Curso de Acceso UNED-Tudela. Aula de milagro EVOLUCIÓN Es el fenómeno por el cual las diferentes especies sufren variaciones en sus características, en orden
Más detallesModelo poblacional con algoritmos genéticos RESUMEN
Modelo poblacional con algoritmos genéticos Eduardo Véliz Quintero 1, Luis Rodríguez Ojeda 2. RESUMEN Para el desarrollo de este trabajo, MODELO POBLACIONAL CON ALGORITMOS GENÉTICOS, he investigado la
Más detalles