Tarea 2




Título: Algoritmo genético artificial, Tipos de paradigmas y Empresas que fabrican robots

Contenido:

Algoritmo genético artificial

Los Algoritmos Genéticos (AG) son métodos adaptativos que pueden usarse para resolver problemas de búsqueda y optimización. Están basados en el proceso genético de los organismos vivos. Consiste en una función matemática o una rutina de software que toma comoentradas a los ejemplares y retorna como salidas cuáles de ellos deben generar descendencia para la nueva generación.

Características
Se recomienda en general tomar en cuenta las siguientes características del mismo antes de intentar usarla:
Su espacio de búsqueda (sus posibles soluciones) debe estar delimitado dentro de un cierto rango.
Debe poderse definir una función de aptitud que nosindique qué tan buena o mala es una cierta respuesta.
Las soluciones deben codificarse de una forma que resulte relativamente fácil de implementar en la computadora.

Aplicaciones
Se han aplicado a diversos problemas y modelos en ingeniaría, y en la ciencia en general. Cabe destacar entre ellos:
Optimización: Se trata de un campo especialmente abonado para el uso de los Algoritmos Genéticos, porlas características intrínsecas de estos problemas. No en vano fueron la fuente de inspiración para los creadores estos algoritmos.
Programación automática: Los Algoritmos Genéticos se han empleado para desarrollar programas para tareas específicas, y para diseñar otras estructuras computacionales tales como el autómata celular, y las redes de clasificación.
Aprendizaje máquina: Los algoritmosgenéticos se han utilizado también en muchas de estas aplicaciones, tales como la predicción del tiempo o la estructura de una proteína.
Economía: En este caso, se ha hecho uso de estos para modernizar procesos de innovación, el desarrollo estrategias de puja, y la aparición de mercados económicos.
Sistemas inmunes: A la hora de modernizar varios aspectos de los sistemas inmunes naturales,incluyendo la mutación somática durante la vida de un individuo y el descubrimiento de familias de genes múltiples en tiempo evolutivo, ha resultado útil el empleo de esta técnica.
Ecología: En la modelización de fenómenos ecológicos tales como las carreras de armamento biológico, la coevolución de parásito-huésped, la simbiosis, y el flujo de recursos.
Sistemas sociales: En el estudio deaspectos evolutivos de los sistemas sociales, tales como la evolución del comportamiento social en colonias de insectos, y la evolución de la cooperación y la comunicación en sistemas multi-agentes.

Paradigmas
La ingeniería del Software define paradigmas de desarrollo estructurado como base a seguir en un proyecto de Software. Si ninguno de estos paradigmas se adecua al problema por resolver, entoncesel desarrollador se verá obligado a combinar los paradigmas o definir uno nuevo

Modelo de Desarrollo rápido de Aplicación (DRA)
Este es un modelo de proceso de desarrollo del software lineal, secuencias que enfatiza un ciclo de desarrollo extremadamente corto. El modelo DRA es una adaptación a << alta velocidad >> del modelo lineal secuencial en el que se logra el desarrollo rápido utilizando unenfoque de construcción basado en componentes. Si se comprenden bien los requisitos y se limita el ámbito del proyecto, el proceso DRA permite al equipo de desarrollo crear un << sistema completamente funcional >> dentro de periodos cortos de tiempo (p. Ej.: de 60 a 90 días) [MAR9]. Cuando se utiliza principalmente para aplicaciones de sistemas de información, el enfoque DRA comprende lassiguientes fases:
Modelado de Gestión. El flujo de información entre las funciones de gestión se modela de forma que responda a las siguientes preguntas: ¿Qué información conduce el proceso de gestión?, ¿Qué información se genera?, ¿Quién la genera?, ¿A dónde va la información?, ¿Quién la procesa?.
Modelado de Datos. El flujo de información definido como parte de la fase de modelado de gestión se...