Libertonia
Portada · Todo · Software Libre · Desarrolladores · Comunidad · Internet · Tecnología · Meta · Diarios
empaca.pl me parece:

La mejor utilidad del 2004. Premio nobel   3 votes - 7 %
Una buena utilidad, que usaré regularmente a partir de ahora   3 votes - 7 %
Curioso, he jugado un poco con ella y ya está   3 votes - 7 %
No me es útil   2 votes - 5 %
No funciona   1 vote - 2 %
Dedicate a la magia.   4 votes - 10 %
Un ejemplo de mala programación   0 votes - 0 %
No soy capaz de hacerlo funcionar   2 votes - 5 %
¿y la rubia? ¿No aparece en esta encuesta?   21 votes - 53 %
 
39 Total Votes
Ver: Modo: Orden:
Algoritmos genéticos: un caso práctico | 14 comentarios (10 temáticos, 4 editoriales, 0 ocultos)
¿Azar en el paso entre generaciones? (4.00 / 2) (#5)
por nya a las Sun Jan 11th, 2004 at 08:51:49 PM CET
(Información Usuario)

El tema me parece muy interesante, aunque mis conocimientos son pocos :). Pero si no voy errado, el hecho de que la reproducción sea asexual hace que la evolución sea más lenta (en número de generaciones, en tiempo de ejecución supongo que dependerá de la implementación) que si fuera sexual. Además, intuyo (aunque no afirmo con rotundidad, si alguien le ve problemas que lo diga) que la reproducción sexual podría minimizar el riesgo de caer en máximos/mínimos locales.

Una duda que tengo (no del empaca.pl, sino de los algoritmos genéticos en general) es si los individuos que pasan a la siguiente generación son los más aptos, elegidos siempre de forma determinista, o por el contrario interviene el azar, aunque la probabilidad de pasar a la siguiente generación venga determinada por la función de evaluación. Lo digo porque en la evolución biológica interviene siempre el azar, y se tiene que considerar el efecto de la deriva genética. Esto hace que en según qué circunstancias (por ejemplo en poblaciones pequeñas) se pueda llegar a la fijación de un alelo que tenía una fitness menor que otro (y esto no es lo mismo que los máximos/mínimos locales) simplemente por azar. Como esto no es deseable si lo que quieres es encontrar una solución suficientemente buena, supongo que la mayoría de bibliotecas para programación genética o programas en sí lo harán de forma totalmente determinista, pero me interesaría saber si existe la posibilidad de incorporar el azar al paso entre generaciones. ¿Alguien sabe si hay alguna herramienta que permita esta opción?


Mi (poca) experiencia (3.00 / 1) (#7)
por Walden (waldenmail at gmx dot net) a las Tue Jan 13th, 2004 at 02:44:44 AM CET
(Información Usuario)

Yo apliqué una vez los algoritmos genéticos en el diseño de antenas inteligentes. Una antena inteligente, o array de antenas, es un conjunto de antenas sobre las que se aplica una ganancia en amplitud y fase de manera que se pueda controlar electrónicamente el haz de emisión/recepción de todo el conjunto, permitiendo por ejemplo "apuntar y seguir" a un emisor movil.

Los algoritmos de diseño de estos controles de ganancia, denominados algoritmos de beamforming, aplicados a cada antena son continuo objeto de investigación, y los hay de todos los sabores. Normalmente, se basan en métodos de gradiente para encontrar el mínimo de una función de coste. Para impedir caer en un mínimo local pueden crease perturbaciones en la elección de ganancias y evaluar el error cometido. Los algoritmos genéticos demostraron un buen comportamiento ante errores no lineales (acoples entre antenas, fallos eléctricos, etc), incluso mejor que algoritmos tan conocidos como el LMS. La convergencia es sorprendentemente rápida. Eso sí, el suelo del error tras muchas iteraciones suele ser más alto que el RLS. Parece una buena opción para disparar el sistema, y luego saltar a otro algoritmo más refinado o ad-hoc.


 
Curiosidades de los algoritmos genéticos (3.00 / 1) (#12)
por svampa a las Sun Jan 18th, 2004 at 07:15:37 PM CET
(Información Usuario)

Durante mucho tiempo me encantó hacer simulaciones genéticas en el sentido más clásico: Simular una población de individuos en unos condiciones y llegar al mejor. Quizá algún día busque las pruebas que hice y las ponga en la red.

Más tarde descubrí que era un método para buscar soluciones a problemas diversos, incluso matemáticos.

Si no tenemos ningún técnica matemática para calcular los parámetros óptimos de un proceso, un algoritmo genetico proporciona siempre una solución buena, quizá no la mejor, pero si buena y muy rápidamente. Siempre se pueden hacer varias pruebas partiendo distintos "indivíduos inciales" para intentar evitar caer en un óptimo local.

Entre los más curiosos intentos que encontré hace tiempo están estos:

Un algorítmo genético para optimizar las colas de porcesos en Unix/Linux.

Este me fascinó. Analizar las tareas que realiza un usuario desde que se conecta para intentar carga anticipadamente las librerías que utiliza y disminuir la latencia. Tiene que conjugar dos factores, si la carga demasiado pronto, usa memoria inecesariamente, si tarda demasiado con el usuario arrancará el programa antes de haber cargado nada, y tendrá que esperar como siempre. Como buen algoritmo genético, se adapta a cada individuo.

Si alguien encuentra los enlaces de esto, que me lo diga, los perdía hace mucho. Bueno la verdad es que hace mucho que no trabajo on esto.



 
Explicar la funcion de ajuste o evaluacion (2.00 / 1) (#10)
por tecnocrata a las Tue Jan 13th, 2004 at 09:45:43 PM CET
(Información Usuario)

Aun no me quedo claro lo de la funcion de ajuste, si yo hubiese hecho el algoritmo hubiese utilizado la primera que planteas y que dices que es erronea, de sumar todos los espacios restantes y buscar el minimo de ellos. Pero tu dices que ese espacio sera constante, podrias explicar un poco mas la funcion de ajuste por favor?

Muchas Gracias


Matemáticas de segundo de bachillerato (2.00 / 1) (#13)
por Corellian a las Tue Jan 20th, 2004 at 12:02:04 AM CET
(Información Usuario)

Esto me recuerda a los problemas que hace unos días hacíamos en Matemáticas, en Segundo de Bachillerato: Los famosos "problemas de Optimización". Claro que, por lo que aquí se refiere, con un grado de complicación más, añadido ;-)

Saludos.


 
Algoritmos genéticos: un caso práctico | 14 comentarios (10 temáticos, 4 editoriales, 0 ocultos)
Ver: Modo: Orden:
Menu
· crear cuenta
· FAQ
· búsqueda
· Fuentes de Noticias

Login
Nueva cuenta
Usuario:
Contraseña:

ecol Logo Powered by Scoop
Todas las Marcas Registradas y copyrights de esta página son propiedad de sus respectivos dueños.
Los comentarios son propiedad del que los escribe.
Los iconos de las noticias y el logotipo son propiedad de Javier Malonda.
El Resto © 2002 Escomposlinux.org y aledaños.

Puedes sindicar los contenidos de libertonia en formato RSS 1.0 y RDF 0.9. También se puede sindicar la cola de envíos pendientes de moderación.

El proyecto escomposlinux.org está dedicado a la memoria de tas

crear cuenta | faq | búsqueda