Problemas inversos, tecnicas evolutivas y agentes inteligentes: estrechando las fronteras

Problemas Inversos, Tecnicas Evolutivas y Agentes inteligentes: Estrechando las Fronteras
DAGMAR MONETT y HANS-DIETER BURKHARD
HUMBOLDT UNIVERSITY OF BERLIN. Artificial Intelligence, Department of Computer Science. diaz@informatik.hu-berlin.de ; hdb@informatik.hu-berlin.de Recibido para revisi´n Feb de 2004, aceptado Mar de 2004, versi´n final recibida May de 2004 o o

Resumen: En este art´ıculo se exponen las caracter´ ısticas esenciales de la modelaci´n matem´tica y la simulaci´n o a o de procesos reales. Con la intenci´n de delegar capacidades humanas en las computadoras al aplicar t´cnicas o e evolutivas a problemas inversos, se extienden los principios de la Inteligencia Artificial en la automatizaci´n de o dichas t´cnicas. Tambi´n se describen la interacci´n entre categor´ deagentes inteligentes para tales prop´sitos, e e o ıas o as´ como el procesamiento del conocimiento de los mismos a un meta-nivel. ı Palabras Clave: Problemas Inversos, Algoritmos Evolutivos, Agentes inteligentes. Abstract: This paper resumes the essential characteristics of the mathematical modeling and simulation of real processes. With the intention of delegating most human capabilities to computerswhen applying evolutionary techniques to inverse problems, the principles of Artificial Intelligence regarding the automation of those techniques, are here extended. The interaction among intelligent agents categories for those purposes, as well as its knowledge processing on a meta-level are also described. Keywords: Inverse Problems, Evolutive Algorithms y Intelligents Agents.

1

´INTRODUCCION

Los sistemas reales que se presentan en variados escenarios son conocidos a trav´s de su actividad o mane ifestaci´n externa. La necesidad de estudiar los objeo tos y relaciones matem´ticas que consideran determia nadas propiedades de los sistemas reales, entre ellas, las causas que originan su comportamiento y su desarrollo bajo ciertas condiciones iniciales, ha constituido un vasto campode aplicaci´n para la modelaci´n matem´tica y o o a la matem´tica Num´rica. Numerosos sistemas reales se a e han representado a trav´s de ecuaciones diferenciales ore dinarias y en derivadas parciales, sistemas de ecuaciones lineales y no lineales, o combinaciones de las mismas, por s´lo mencionar algunas de las clases de modelos o matem´ticos desarrollados por la matem´tica Num´rica. a a e Sinembargo, los modelos, al no poder tener en cuenta toda la riqueza del sistema real, constituyen tan solo una aproximaci´n. o Los m´todos de optimizaci´n, por su parte, como e o procesos de aproximaci´n a las soluciones de numerosos o modelos propuestos, han sido muy considerados en la b´ squeda de la mejor correspondencia entre los mismos u y los sistemas reales que representan. El desarrolloexitoso de algoritmos evolutivos ha demostrado su aplica-

bilidad a numerosos problemas de optimizaci´n [v´ase o e Goldberg (1989), Lucasius y Kateman (1989), Monett (1997), Patton, Punch y Goodman (1997)]. Sin embargo, las t´cnicas evolutivas en general son complejas e de aplicar a´ n por expertos, particularmente cuando un u problema real, dif´ de resolver, est´ involucrado. As´ ıcil a ı, la ideade concebir a las computadoras como herramientas apropiadas para paliar estas problem´ticas, sin la a necesidad de la intervenci´n humana para ello, nos ha o servido como motivaci´n para el desarrollo de sistemas o inteligentes. Es por ello que en este art´ ıculo, como continuaci´n de (Monett, 2001), intentamos vincular a tan o dis´ ımiles ramas de la ciencia, al considerar agentes inteligentescomo medios para automatizar, cual expertos humanos, diferentes estad´ de la aplicaci´n de algoritıos o mos evolutivos a la modelaci´n matem´tica de sistemas o a reales. La estructura de este art´ ıculo es la siguiente: la secci´n 2 contiene una breve descripci´n de conceptos o o relacionados con la modelaci´n y la simulaci´n de siso o temas reales. La secci´n 3 introduce las caracter´ o ısticas...