Skip to content

Inteligencia artificial algoritmos

computadora cuantica

Los algoritmos evolutivos son métodos de optimización y búsqueda de soluciones basados en los postulados de la evolución biológica. Mantienen un conjunto de entidades que representan posibles soluciones, que se mezclan y compiten entre sí, de tal manera que los más adecuados pueden prevalecer en el tiempo, evolucionando cada vez hacia mejores soluciones.

Los algoritmos evolutivos, y la computación evolutiva, son una rama de la inteligencia artificial. Se utilizan principalmente en problemas con espacios de búsqueda extensos y no lineales, donde otros métodos no son capaces de encontrar soluciones en un tiempo razonable.

Siguiendo la terminología de la teoría de la evolución, las entidades que representan las soluciones al problema se denominan individuos o cromosomas, y el conjunto de éstos, población. Los individuos son modificados por operadores genéticos, principalmente el overcrossing, que consiste en mezclar la información de dos o más individuos; la mutación, que es un cambio aleatorio en los individuos; y la selección, que consiste en la elección de los individuos que sobrevivirán y formarán la próxima generación. Dado que las personas que representan las soluciones más adecuadas al problema tienen las mejores posibilidades de sobrevivir, la población mejora gradualmente.

Inteligencia artificial algoritmos

El algoritmo genético es una técnica de búsqueda basada en la teoría de la evolución de Darwin, que ha ganado una enorme popularidad en todo el mundo en los últimos años. A continuación se presentan los conceptos básicos necesarios para abordarlo, así como algunos ejemplos sencillos que permiten a los lectores comprender cómo aplicarlos al problema de su elección.

En los últimos años, la comunidad científica internacional ha mostrado un interés creciente por una nueva técnica de búsqueda basada en la teoría de la evolución y conocida como el algoritmo genético. Esta técnica se basa en los mecanismos de selección utilizados por la naturaleza, según los cuales los individuos más adecuados en una población son aquellos que sobreviven adaptándose más fácilmente a los cambios de su entorno. Ahora se sabe que estos cambios tienen lugar en los genes de un individuo (la unidad básica de codificación de cada uno de los atributos de un ser vivo), y que sus atributos más deseables (es decir, los que le permiten adaptarse mejor a su entorno) se transmiten a sus descendientes cuando se reproduce sexualmente.

Un investigador de la Universidad de Michigan llamado John Holland era consciente de la importancia de la selección natural, y a finales de la década de 1960 desarrolló una técnica que permitió incorporarla a un programa. Su objetivo era que las computadoras aprendieran por sí mismas. La técnica que inventó Holanda fue originalmente llamada “planes reproductivos”, pero se popularizó bajo el nombre de “algoritmo genético” después de la publicación de su libro en 1975.

John Koza propone una definición bastante completa de un algoritmo genético:

“Se trata de un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo utilizando operaciones modeladas según el principio darwiniano de reproducción y supervivencia del más apto, y tras haber presentado naturalmente una serie de operaciones genéticas 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 cadenas cromosómicas, y están asociados a una cierta función matemática que refleja su aptitud. “

Inteligencia artificial algoritmos de busqueda

El algoritmo genético es una técnica de búsqueda basada en la teoría de la evolución de Darwin, que ha ganado una enorme popularidad en todo el mundo en los últimos años. A continuación se presentan los conceptos básicos necesarios para abordarlo, así como algunos ejemplos sencillos que permiten a los lectores comprender cómo aplicarlos al problema de su elección.

En los últimos años, la comunidad científica internacional ha mostrado un interés creciente por una nueva técnica de búsqueda basada en la teoría de la evolución y conocida como el algoritmo genético. Esta técnica se basa en los mecanismos de selección utilizados por la naturaleza, según los cuales los individuos más adecuados en una población son aquellos que sobreviven adaptándose más fácilmente a los cambios de su entorno. Ahora se sabe que estos cambios tienen lugar en los genes de un individuo (la unidad básica de codificación de cada uno de los atributos de un ser vivo), y que sus atributos más deseables (es decir, los que le permiten adaptarse mejor a su entorno) se transmiten a sus descendientes cuando se reproduce sexualmente.

Un investigador de la Universidad de Michigan llamado John Holland era consciente de la importancia de la selección natural, y a finales de la década de 1960 desarrolló una técnica que permitió incorporarla a un programa. Su objetivo era que las computadoras aprendieran por sí mismas. La técnica que inventó Holanda fue originalmente llamada “planes reproductivos”, pero se popularizó bajo el nombre de “algoritmo genético” después de la publicación de su libro en 1975.

John Koza propone una definición bastante completa de un algoritmo genético:

“Se trata de un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo utilizando operaciones modeladas según el principio darwiniano de reproducción y supervivencia del más apto, y tras haber presentado naturalmente una serie de operaciones genéticas 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 cadenas cromosómicas, y están asociados a una cierta función matemática que refleja su aptitud. “

Algoritmos geneticos ejemplos resueltos

El Algoritmo Genético Simple, también llamado Canónico, necesita una codificación o representación del problema, que es apropiada para él. Además, se requiere una función de ajuste o adaptación al problema, que asigna un número real a cada posible solución codificada. Durante la ejecución del algoritmo, los padres deben ser seleccionados para la reproducción, luego estos padres seleccionados se cruzarán generando dos hijos, sobre cada uno de los cuales actuará un operador de mutación. El resultado de la combinación de las funciones anteriores será un conjunto de individuos (posibles soluciones al problema), que en la evolución del Algoritmo Genético formarán parte de la siguiente población.

Se supone que los individuos (posibles soluciones al problema) pueden ser representados como un conjunto de parámetros (a los que llamaremos penes), que agrupados forman una serie de valores (a menudo denominados cromosomas). Aunque el alfabeto utilizado para representar a los individuos no tiene que estar necesariamente constituido por el (0, l), buena parte de la teoría en la que se basan los Algoritmos Genéticos utiliza este alfabeto. En términos biológicos, el conjunto de parámetros que representan un cromosoma en particular se llama fenotipo. El fenotipo contiene la información necesaria para construir un organismo, lo que se conoce como genotipo. Los mismos términos se utilizan en el campo de los Algoritmos Genéticos. La adaptación al problema de un individuo depende de la evaluación del genotipo. Este último puede inferirse a partir del fenotipo, es decir, puede calcularse a partir del cromosoma, utilizando la función de evaluación. La función adaptativa debe ser diseñada para cada problema de una manera específica. Dado un cromosoma en particular, la función de adaptación le asigna un número real, que se supone que refleja el nivel de adaptación al problema del individuo representado por el cromosoma.

Durante la fase reproductiva, los individuos de la población son seleccionados para cruzar y producir descendencia, la cual, una vez mutada, constituirá la siguiente generación de individuos. La selección de los padres se realiza de forma aleatoria mediante un procedimiento que favorece a los individuos mejor adaptados, ya que a cada individuo se le asigna una probabilidad que sea proporcional a su función de montaje. Se dice que este procedimiento se basa en una ruleta sesgada. Según este esquema, los individuos bien adaptados serán probablemente elegidos varias veces por generación, mientras que los mal adaptados al problema sólo serán elegidos de vez en cuando.

Una vez que se han seleccionado dos padres, sus cromosomas se combinan, generalmente utilizando los operadores de cruce y mutación. Las formas básicas de estos operadores se describen a continuación.

El operador del crossover toma a dos padres seleccionados y corta sus cadenas de cromosomas en una posición elegida al azar para producir dos subcadenas iniciales y dos subcadenas finales. Los subtramos finales se intercambian, produciendo dos nuevos cromosomas completos. Ambos descendientes heredan genes de cada uno de sus padres.

Imagenes de inteligencia artificial algoritmos

inteligencia artificial

problemas tecnologia

Videos de inteligencia artificial algoritmos