Libertonia || Comments || Algoritmos genéticos: un caso práctico


Portada · Todo · Software Libre · Desarrolladores · Comunidad · Internet · Tecnología · Meta · Diarios

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?

Sobre seleccion de individuos (3.00 / 1) (#6)
por sunblade1000 a las Mon Jan 12th, 2004 at 09:51:07 AM CET
(Información Usuario)

Sobre la seleccion de individuos fundamentalmente existen dos criterios de seleccion de individuos ( aunque despues cada uno se puede inventar los que le de la gana ) y uno de ellos se basa en la funcion objetivo y a partir de la funcion objetivo se obtienen unas tablas de probabilidad y se "tiran los dados" pero este metodo peca de beneficiar demasiado a los individuos mejor dotados cosa que inicialmente no es interesante ya que podemos caer en minimos/maximos locales. El segundo de los metodos consiste en ordenar por el score o funcion de valoracion pero no utilizar el valor de este sino el orden del mismo y se obtienen siempre tablas de probabilidad mas racionales. Tambien hay que indicar que la obtencion de parametros ideales es en si un problema de optimizacion por lo algunos investigadores empezaron a trabajar en nuevos paradigmas que eviten estos problemas de los propios metodos como los Algoritmos de Estimacion de Distribuciones, o Estimation of Distribution Algorithms (EDAs). Para jamarier ( todavia no he completado los apuntes que te envie, ando todavia liado ...) P.D.: En mis clases mande una practica de "diseñar" un algoritmo genetico para entrenar redes neuronales multicapa ... y funciona muy bien incluso a veces con un error menor que el algoritmo ad-hoc

[ Padre ]

A/A sunblade1000 (2.00 / 1) (#9)
por jamarier a las Tue Jan 13th, 2004 at 08:37:39 PM CET
(Información Usuario) http://barbacana.net/blog/

O gran maestro, espero no haber mancillado su nombre y sus enseñanzas al permitirme haber escrito un par de articulillos sobre algoritmos genéticos.

No se preocupe por los artículos, que aun no terminé de leer los otros.

Saludos

Estoy empezando a plantearme el Proyecto de fin de Carrera. Si se te ocurre algo interesante... B-)

-----
- Porque mañana será un gran día.
[ Padre ]

Reproduccion sexual (none / 0) (#8)
por Envite a las Tue Jan 13th, 2004 at 04:42:28 PM CET
(Información Usuario)

Esta es una manera de nombrar las cosas procedente de la genetica de carbono. En la de silicio puedes utilizar no solo uno o dos progenitores, sino tambien tres o cuantro o los que quieras para generar cada nuevo individuo. Lo importante es que, ademas, haya mutaciones. Teniendo en cuenta que es posible que tus poblaciones se estanquen en un conjunto de minimos locales, la reproduccion entre ellos puede hacer que consigas el mejor de esos minimos locales, pero que sigas sin saltar del pozo hacia fuera, para buscar el minimo real. Ahi esta la importancia de las mutaciones.
No estoy de acuerdo con lo que dices, pero defenderé con mi vida tu derecho a decirlo.
Voltaire
[ Padre ]

Algoritmos genéticos: un caso práctico | 14 comentarios (10 temáticos, 4 editoriales, 0 ocultos)

Menu

· crear cuenta
· FAQ
· búsqueda
· Fuentes de Noticias

Login


Nueva cuenta
Usuario:
Contraseña:

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