Modelo De Colonias De Hormigas

UNIVERSIDAD DE LAS AMÉRICAS

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

TITULO DEL PROYECTO:

PREDICCIÓN DE QUIEBRE TÉCNICA UTILIZANDO EL MODELO DE COLONIAS DE HORMIGAS

ALUMNOS

ALEJANDRO PATRICIO FUENTES KUHNE

JOSE MIGUEL CASTRO CASTRO

Santiago 18 de junio de 2011

CAPÍTULO 1

INTRODUCCIÓN

1. INTELIGENCIA ARTIFICIAL.

La Inteligencia Artificiales la ciencia e ingeniería que permite desarrollar funciones asociadas con organismos biológicos, para dispositivos externos a la naturaleza; como por ejemplo, el razonamiento humano y la optimización mediante el uso de la experiencia adquirida.

1.1 CARACTERÍSTICAS.

i. Utiliza símbolos no matemáticos, a diferencia de los métodos numéricos.

ii. El comportamiento de los programas no esdescrito explícitamente en los algoritmos. El programa es declarativo, es decir que especifica la secuencia de pasos que se debe seguir para resolver un problema.

iii. El razonamiento se basa en el conocimiento, es decir, que los programas de Inteligencia Artificial incorporan factores y relaciones del mundo real, y del ámbito del conocimiento en que ellos operan.

iv. Aplicabilidad a datos yproblemas mal estructurados.

1.2 CLASIFICACIÓN.

Una de las clasificaciones más aceptadas de la Inteligencia Artificial se divide en dos grupos principales: Inteligencia Artificial Convencional e Inteligencia Artificial Computacional. (Figura 1.1).

[pic]

Figura 1.1 Clasificación general de la Inteligencia Artificial

1.2.1 INTELIGENCIA ARTIFICIAL CONVENCIONAL.

Se caracteriza por elanálisis estadístico y formal, mayoritariamente comprende los métodos conocidos como máquinas de aprendizaje. Dentro de esta rama se encuentra los siguientes métodos:

i. Sistemas expertos.

Llamados así debido a que emulan el comportamiento de un experto en un área concreta. Son aquellos sistemas que imitan el comportamiento y actividades humanas para resolver problemas de distintasíndoles. Los sistemas expertos permiten realizar ciertas tareas como interpretación, simulación, control, diseño, e instrucción, entre otras.

ii. El razonamiento basado en el caso.

Se encarga del estudio de los mecanismos mentales necesarios para resolver nuevos problemas basado en soluciones anteriores y similares. Esto se logra gracias a recopilaciones bibliográficas o en base alconocimiento popular.

iii. Redes bayesianas.

Es gráfica acíclica directa del conocimiento en base a la teoría de la probabilidad.

iv. La inteligencia artificial basada en comportamientos.

Consiste en la descomposición modular del conocimiento, para facilitar la construcción sistemas de Inteligencia Artificial manualmente.

2. INTELIGENCIA ARTIFICIAL COMPUTACIONAL.

Implicael desarrollo o aprendizaje iterativo basado en datos empíricos. Incluye los siguientes métodos:

i. Redes neuronales.

Son un conjunto de neuronas artificiales que simulan el comportamiento biológico del sistema nervioso, y resuelven problemas en base al aprendizaje de ejemplos. Tienen como objetivo lograr que las máquinas trabajen de forma similar al cerebro. Entre sus aplicaciones sedestacan aquellos problemas en los cuales no se tiene un conocimiento previo, sino solo un conjunto básico de ejemplos de entrada. Dentro de estos problemas se tiene el reconocimiento de patrones de voz, imágenes, señales, elaboración de predicciones en el mercado financiero, identificación y control, etc.

ii. Computación evolutiva.

Se basa en la selección natural (proceso de optimizaciónen el cual los individuos mejoran paulatinamente, para adaptarse a su ambiente), e involucra métodos poblacionales, es decir, que producen varias soluciones a la vez.

iii. Sistemas difusos.

Se usan modelos matemáticos que representan nociones subjetivas como el calor y el frío en forma digital, de tal forma que se obtenga una solución razonada, en medio de la incertidumbre. Son útiles...