Algoritmos Geneticos

IINTELIGENCIA

TECNO TECNO

Índice

Introducción

Algoritmos genéticos cómo técnicas de búsqueda y optimización

Aportes de los algoritmos genéticos a la Inteligencia Artificial

Origen de la Computación Evolutiva

Modelos de Computación Bioinspirados

Redes Neuronales

Conclusion

Referencias Bibliograficas

Revista Digital

DIRECTORIO

República Bolivariana de Venezuela

Universidad Bicentenaria de Aragua

TECNO Algoritmos Genéticos

2024

Director Editorial

Diosmary Gamero

Mayo 2024

INTRODUCCIÓN

Hoy en día los seres humanos a pasar de los años quieren mejorar los objetivos que se proponen cada día, innovando el potencial tecnológico. Se han creado artefactos, software informáticos, avances como la televisión, radio, ordenadores, poco a poco han venido evolucionando y adaptado al paso de los años, que permiten a la persona realizar diferentes actividades con facilidad y sin mucho esfuerzo.

La aplicación de distintos tipos de inteligencia artificial tales como: robótica, redes neuronales artificiales, sistemas expertos y agentes inteligentes, están fortaleciendo distintos sectores económicos e industriales para mejorar sus procesos, conocer información en tiempo real y analizar grandes volúmenes de información, modelar y comprender el aprendizaje humano e integrarlos a un espacio físico de interacción con las personas para facilitar actividades de difícil ejecución y análisis del ser humano.

Algoritmos genéticos

cómo técnicas de búsqueda y optimización

Pasos de la Inteligencia Artificial

Los algoritmos genéticos son una técnica de búsqueda y optimización basada en los principios de la evolución biológica. Estos algoritmos se inspiran en el proceso de selección natural y reproducción de los organismos vivos.

Un algoritmo genético comienza con una población inicial de posibles soluciones, llamadas individuos o cromosomas. Cada individuo tiene una representación codificada de una posible solución al problema que se desea resolver.

Inicialización: se genera aleatoriamente una población inicial constituida por posibles soluciones del problema, también llamados individuos.

Evaluación: aplicación de la función de evaluación a cada uno de los individuos.

Evolución: aplicación de operadores genéticos (como son selección, reproducción y mutación).

Algoritmos Genéticos

Los algoritmos genéticos son una herramienta, cuya función es imitar el proceso de selección natural, como la herencia, la mutación, el cruzamiento, la selección, etc. Es una técnica de inteligencia artificial inspirada en la idea de que el que sobrevive es el que está mejor adaptado al medio, es decir la misma que subyace a la teoría de la evolución que formuló Charles Darwin y que combina esa idea de la evolución con la genética.

Aportes de los Algoritmos Genéticos a la Inteligencia Artificial

Funcionamiento de un algoritmo genético

La función Fitness: determina que tan apta es una solución al problema.

El método de selección: indica los individuos que van a reproducirse.

La estrategia de reproducción: se cumple cuando dos individuos que combinan su información mediante cruce y mutación.

diosmarygamero@gmail.com

La condición de parada del algoritmo: sujeta a las particularidades del problema.

Los AG fueron elaborados en la década del 70’s por el Dr. John

17 de Febrero, 2023

OrigendelaComputación Evolutiva

MENDEL "TEORÍA CORPUSCULAR DE LA HERENCIA".

Ésta herencia mendeliana se refiere a determinados patrones acerca de cómo se transmiten los rasgos de los padres a los hijos. Estos patrones generales fueron establecidos por el monje austríaco Gregor Mendel, quien llevó a cabo miles de experimentos con plantas de guisantes en el siglo XIX.

JEAN-BAPTISTE LAMARCK "HERENCIA DE CARACTERES ADQUIRIDOS"

Los seres vivos pueden sufrir cambios a lo largo de su vida para adaptarse a las circunstancias cambiantes o nuevas del medio en que habitan

Este quiere decir que son cambios adquiridos ya que no se heredan de los progenitores, y se originan por el uso continuado o el desuso de ciertos órganos o partes del cuerpo a lo largo de la vida.

CHARLES DARWIN "SELECCIÓN NATURAL DE LOS MÁS ADAPTADOS"

Explica que evolución de las especies surge gracias a la selección natural de los más adaptados y su herencia, creando nuevas especies con ancestros comunes.

Dichos nuevos caracteres se transmiten a la descendencia y se van perfeccionando a lo largo de generaciones.

ORIGEN DE LA COMPUTACIÓN

EVOLUTIVA

El concepto de computación

evolutiva tiene sus raíces en la teoría de la evolución de Charles Darwin. Darwin propuso que las especies evolucionan a través de un proceso de selección natural, en el cual los individuos con características más favorables tienen una mayor probabilidad de sobrevivir y reproducirse, transmitiendo así sus genes a las siguientes generaciones.

En la década de 1950, los científicos comenzaron a explorar la idea de aplicar los principios de la evolución a la solución de problemas computacionales. Uno de los primeros en hacerlo fue John Holland, quien desarrolló el concepto de algoritmos genéticos. Estos algoritmos se inspiraron en la teoría de la evolución y utilizan operadores genéticos, como la selección, la recombinación y la mutación, para buscar soluciones óptimas a problemas complejos.

MODELOS DE COMPUTACIÓN BIOINSPIRADOS

Estos modelos toman como referencia el funcionamiento de sistemas biológicos, como el cerebro humano, el sistema inmunológico, las colonias de hormigas, entre otros, para desarrollar algoritmos y técnicas de computación.

ALGORITMOS EVOLUTIVOS

Se basa en los principios de la evolución biológica para resolver problemas de optimización. Este modelo utiliza algoritmos genéticos, que imitan el proceso de selección natural, mutación y reproducción, para encontrar soluciones óptimas a problemas complejos.

ALGORITMO NEURONAL

En el libro de Darwin, titulado " El Origen de las Especies" se plantea el universo como un conjunto de individuos en constante competición y evolución para poder perpetuar su especie en el tiempo. Las especies se crean, evolucionan y desaparecen si no se adaptan, de forma que solo las que mejor se adapten al medio sobreviven para perpetuar sus aptitudes.

Se inspira en el funcionamiento del cerebro humano y las redes neuronales. Este modelo utiliza redes de neuronas artificiales y algoritmos de aprendizaje para resolver problemas de reconocimiento de patrones, procesamiento de imágenes y otros problemas de inteligencia artificial

INTELIGENCIA DE ENJAMBRE

Es el comportamiento de los insectos sociales, como las colonias de hormigas o los enjambres de pájaros, para resolver problemas de optimización y búsqueda. También está la computación inmunológica, que se inspira en el sistema inmunológico para desarrollar algoritmos de detección de intrusiones y sistemas de seguridad.

OPTIMIZACIÓN DE COLONIAS DE HORMIGAS

Se inspiran en las acciones de las hormigas. Intentan resolver los problemas clásicos de ruta más corta y los problemas de agrupación de grandes conjuntos de datos. La optimización de colonias de hormigas se utiliza actualmente junto con el aprendizaje automático para diagnosticar el cáncer de pulmón con una mayor eficiencia que los métodos alternativos.

ALGORITMO DE ABEJA

Se basa en el comportamiento de las abejas melíferas naturales. En las colonias de abejas, la colmena enviará abejas exploradoras. Los exploradores localizan el néctar, regresan a la colmena y comunican sus hallazgos con otras abejas a través de un baile de meneo. Cuya finalidad es localizar y explorar varios sitios dentro de un límite.

REDES NEURONALES

Las redes neuronales son modelos computacionales inspirados en el funcionamiento del cerebro humano. Están compuestas por un conjunto de nodos interconectados, llamados neuronas artificiales, que procesan y transmiten información.

Funcionan mediante la propagación de la información a través de las conexiones entre las neuronas. Esto implica la aplicación de una función de activación en cada neurona, la cual determina si la neurona se activa o no. El proceso de propagación se realiza en varias etapas, conocidas como pasos hacia adelante y hacia atrás.

Las redes neuronales tienen la capacidad de aprender y adaptarse a partir de datos, lo que las hace muy útiles en problemas complejos y no lineales. Sin embargo, también tienen algunas limitaciones, como la necesidad de grandes cantidades de datos de entrenamiento, la dificultad de interpretar los resultados y la posibilidad de sobreajuste.

CONCLUSIÓN

Los algoritmos genéticos han aportado a la inteligencia artificial la capacidad de búsqueda y optimización en espacios complejos y de alta dimensionalidad. Su capacidad para abordar problemas difíciles y encontrar soluciones óptimas los convierte en una herramienta valiosa en el campo de la inteligencia artificial.

El concepto de computación evolutiva tiene sus raíces en la teoría de la evolución de Darwin y ha evolucionado a lo largo de las décadas gracias a los esfuerzos de científicos como John Holland, Ingo Rechenberg y Hans-Paul Schwefel. Estos investigadores han aplicado los principios de la evolución a la solución de problemas computacionales, desarrollando algoritmos y técnicas que imitan los procesos evolutivos para buscar soluciones óptimas.

Los modelos de computación bioinspirados son una forma innovadora y prometedora de abordar problemas complejos de optimización, reconocimiento de patrones y otros problemas de inteligencia artificial. Estos modelos se basan en principios biológicos y procesos naturales para desarrollar algoritmos y técnicas de computación eficientes y adaptativas. Sin embargo, aún existen desafíos en términos de complejidad y capacidad de implementación.

CRÉDITOS

Revista Académica

Escuela de Ingeniería de Sistemas

2024

Edición 01

Universidad Bicentenaria de Aragua

ESCUELA DE INGENIERÍA DE SISTEMAS

Profesor: Franklin Morillo

Estudiante: Diosmary Gamero

DISEÑO Y DIAGRAMACIÓN

Diosmary Gamero

FOTOGRAFÍA

Hilda Villegas

DISEÑO DE PORTADA

Diosmary Gamero

Referencias Bibliográficas

Nuñez L. (2018). "¿Qué son los algoritmos genéticos?”. Economía. IE Business School, IE University.

Sancho F. (2019). “Algoritmos Genéticos”. Universidad de Sevilla. Dpto. Ciencias de la Computación e Inteligencia Artificial. (2021). “¿Qué son las redes neuronales?". La Universidad en Internet. Unir.net. España

Pascual J. (2019). “Inteligencia Artificial”. Computerhoy.com. España.

González F. (2011). “Inteligencia De Enjambre”.

El algoritmo genético en la inteligencia artificial es un nuevo método en la solución de problemas de ingeniería. Para efectuar dicho proceso, primeramente debe iniciarse con una población inicial, que puede ser generada al azar o sembrada por otras heurísticas. Luego, usando la función de evaluación, los padres son seleccionados de esta población para el apareamiento. Luego se aplican operadores de cruce y mutación a los padres para generar nuevas crías. Finalmente, estas crías reemplazan a los individuos existentes en la población y el proceso se repite. Así es como los Algoritmos Genéticos imitan realmente la evolución humana.

FEBRERO 2024