Coevolución de Predictores de fitness para acelerar las evaluaciones y La reducción de muestreo

Coevolución de Predictores de fitness
para acelerar las evaluaciones y La
reducción de muestreo
Escrito por: Michael D. Schmidt and Hod Lipson
Evaluado por: Jereudry C. Bautista De Jesús
Jereudry@hotmail.com

25-05-2014
Resumen
In this peper we will analyze the research work done by Michael D. Schmidt and Hod Lipson on
Co-evolving Fitness Predictors for Accelerating Evaluations andReducing Sampling, this is possible
using an Estimation of Distribution Algorithm (EDA), developed by them, which allows us to reduce
the computational cost of the development at an incredible rate since, this algorithm may identify
individuals more acts of a population in a precise way. This algorithm has like name co-evolving
fitness predictors algorithm, which has been developed to evaluate theindividuals of a population or
group of populations and to select candidates with better fitness, since this algorithm can identify if an
individual has good fitness or otherwise, quickly and with minimal errors . After you as a reader, read
and discuss this pepar you will see the great importance of this algorithm for applications in different
areas in the field of artificial intelligence and thushelp with the development of our society.

En este peper vamos a analizar el trabajo de investigación realizado por Michael D. Schmidt and
Hod Lipson sobre Coevolución de Predictores de fitness para acelerar las evaluaciones y La reducción de
muestreo, esto es posible utilizando un algoritmo de Estimación de Distribución (EDA), desarrollado
por esto, el cual nos permite reducir el costecomputacional de la evolución de una forma increíble ya
que, este algoritmo puede identificar los individuos mas actos de una población de una forma precisa.
Este algoritmo tiene como nombre, Algoritmo de distribución que co-evoluciona de predictores de
fitness, el cual ha sido desarrollado para poder evaluar los individuos de una población o conjunto
de poblaciones y poder seleccionar los candidatoscon mejores fitness, ya que este algoritmo puede
identificar si un individuo tiene buen fitness o no, de una forma rápida y con un mínimo de errores.
Después que usted como lector, lea y analice este pepar podrá ver la gran importancia que tiene este
algoritmo por la cantidad aplicaciones que se le podría dar en el campo de la inteligencia artificial y de
esta forma ayudar con el desarrollo denuestra sociedad.

I.

Introduction

La computación evolutiva la cual esta inspirada en la evolución de los seres vivos y en la
teoría de la evolución del naturalista ingles Charles Darwin, desde su orígenes ha tratado de
entender el fenómeno de la evolución y como solo los individuos mas actos y calificado puede
sobrevivir y propagar sus genes atreves de la generaciones futuras.
Enbúsqueda de esas respuestas Michael D. Schmidt and Hod Lipson de la universidad de
Cornell University, han desarrollado un algoritmo, el cual nos ayuda a entender cómo surge y
se desarrolla el proceso de la evolución de los seres vivos. El mismo lo vamos a analizar en el
siguientes paper.

II.

La computación evolutiva y algoritmo Evolutivo

Antes de entrar en materia y para tener más claro lostérminos utilizado en el siguiente análisis, vamos a definir o dar una idea de que son algunos términos que utilizaremos más adelante.
La computación evolutiva: es una rama de la inteligencia artificial que involucra problemas
de optimización combinatoria. Se inspira en los mecanismos de la Evolución biológica.
Un Algoritmo Evolutivo: es una técnica de resolución de problemas inspirada en laevolución
de los seres vivos.
A modo de redundar podemos decir que un Algoritmo Evolutivo es:

Es una técnica de resolución de problemas inspirada en la evolución de los seres vivos.
Programas computacionales cuyo fin es imitar el proceso de "selección natural"que según
la teoría de Darwin rige el curso de la evolución.
En el esquema siguiente vamos a ver las variables que tienen los...