Optimizacion por enjambre de particulas
Páginas: 8 (1752 palabras)
Publicado: 1 de abril de 2010
|
OPTIMIZACIÓN POR COLONIA DE PARTÍCULAS UNA VISIÓN NATURAL EN APLICACIONES A PROBLEMAS REALES |
|
|
DIANA MARCELA ARDILA CARRILLO |
066052005 |
UNIVERSIDAD LIBRE INTELIGENCIA ARTIFICIAL BOGOTA 2010 |
OPTIMIZACIÓN POR COLONIA DE PARTÍCULAS UNA VISIÓN NATURAL EN APLICACIONES A PROBLEMAS REALES
Un algoritmo de optimización es un método numéricoque encuentra un valor , e,Rn donde Rn es un espacio n–dimensional de búsqueda, que minimiza o maximiza una función J(), por medio de la selección sistemática de valores de la variable θi posiblemente con algunas restricciones.
La variable θi puede ser un escalar o un vector de valores discretos o continuos llamados funciones factibles, mientras que J() es llamada función objetivo. Una soluciónfactible que minimiza o maximiza la función objetivo es llamada una solución óptima. Un tipo de problemas de optimización son aquellos que requieren combinaciones de valores, y se le denomina de optimización combinatoria.
Los algoritmos basados en poblaciones son muy populares actualmente puesto que proveen buenas soluciones al utilizar un método constructivo para la obtención de la poblacióninicial, y una técnica de búsqueda local para mejorar la solución de la población. Además los métodos basados en poblaciones tienen la ventaja adicional de ser capaces de combinar buenas soluciones en orden de obtener unas mejores, ya que se considera que las buenas soluciones comparten componentes con las soluciones óptimas.
* Algoritmos de Computación evolutiva (Evolutionary Computation –EC): Los algoritmos de EC comprenden un conjunto de técnicas iterativas que manejan una población de individuos que son evolucionados (modificados) mediante una serie de reglas que han sido claramente especificadas. En cada iteración hay periodos de autoadaptación, los cuales implican cambios en el individuo; son alternados con periodos de cooperación, lo que implica el intercambio de informaciónentre individuos.
* Consideraciones para elaborar un algoritmo EC:
* La existencia de individuos que pueden representar soluciones de un problema. Estas soluciones pueden ser factibles o no, parciales o completas, individuales o grupales.
* Un proceso de evolución que permite definir los cambios en la población a cada generación o de manera continúa.
* Una definición de vecindad quepermite conocer el modo como los individuos intercambian información. Puede ser estructurada si solo un grupo de la población puede conocer la información de un miembro, o por el contrario, todos los individuos pueden tener acceso a ella.
* Un mecanismo que permita identificar las fuentes de información de un individuo. Ya que la vecindad puede proveer una gran cantidad de información, sepuede determinar cuál es más conveniente utilizar.
* Una medida de la factibilidad de la solución obtenida, lo cual permite determinar cuál es buena, óptima o inadecuada.
* Un mecanismo de intensificación, que corresponde al uso de métodos que puedan generar mejoras significativas durante la fase de autoadaptación. Este mecanismo realiza mejoras sobre un individuo sin tener en cuenta lainformación suministrada por otros individuos, permitiendo la intensificación de la búsqueda sobre algunas regiones del espacio.
* Un mecanismo de diversificación, el cual permite evitar convergencia hacia puntos óptimos locales. Este procedimiento modifica cada individuo independientemente, pero al contrario del mecanismo de intensificación, tiene resultados inesperados sobre un individuo. Un tipo demecanismo de diversificación es el operador mutación en los GA.
Así, la EC representa un amplio grupo de técnicas, básicamente dividida en dos ramas, cuyas diferencias fundamentales se encuentran en la aplicación de los conceptos anteriores: los algoritmos evolutivos (Evolutionary Algorithms – EA) y la inteligencia de enjambres (Swarm Intelligence – SI).
El algoritmo a tratar corresponde a la...
OPTIMIZACIÓN POR COLONIA DE PARTÍCULAS UNA VISIÓN NATURAL EN APLICACIONES A PROBLEMAS REALES |
|
|
DIANA MARCELA ARDILA CARRILLO |
066052005 |
UNIVERSIDAD LIBRE INTELIGENCIA ARTIFICIAL BOGOTA 2010 |
OPTIMIZACIÓN POR COLONIA DE PARTÍCULAS UNA VISIÓN NATURAL EN APLICACIONES A PROBLEMAS REALES
Un algoritmo de optimización es un método numéricoque encuentra un valor , e,Rn donde Rn es un espacio n–dimensional de búsqueda, que minimiza o maximiza una función J(), por medio de la selección sistemática de valores de la variable θi posiblemente con algunas restricciones.
La variable θi puede ser un escalar o un vector de valores discretos o continuos llamados funciones factibles, mientras que J() es llamada función objetivo. Una soluciónfactible que minimiza o maximiza la función objetivo es llamada una solución óptima. Un tipo de problemas de optimización son aquellos que requieren combinaciones de valores, y se le denomina de optimización combinatoria.
Los algoritmos basados en poblaciones son muy populares actualmente puesto que proveen buenas soluciones al utilizar un método constructivo para la obtención de la poblacióninicial, y una técnica de búsqueda local para mejorar la solución de la población. Además los métodos basados en poblaciones tienen la ventaja adicional de ser capaces de combinar buenas soluciones en orden de obtener unas mejores, ya que se considera que las buenas soluciones comparten componentes con las soluciones óptimas.
* Algoritmos de Computación evolutiva (Evolutionary Computation –EC): Los algoritmos de EC comprenden un conjunto de técnicas iterativas que manejan una población de individuos que son evolucionados (modificados) mediante una serie de reglas que han sido claramente especificadas. En cada iteración hay periodos de autoadaptación, los cuales implican cambios en el individuo; son alternados con periodos de cooperación, lo que implica el intercambio de informaciónentre individuos.
* Consideraciones para elaborar un algoritmo EC:
* La existencia de individuos que pueden representar soluciones de un problema. Estas soluciones pueden ser factibles o no, parciales o completas, individuales o grupales.
* Un proceso de evolución que permite definir los cambios en la población a cada generación o de manera continúa.
* Una definición de vecindad quepermite conocer el modo como los individuos intercambian información. Puede ser estructurada si solo un grupo de la población puede conocer la información de un miembro, o por el contrario, todos los individuos pueden tener acceso a ella.
* Un mecanismo que permita identificar las fuentes de información de un individuo. Ya que la vecindad puede proveer una gran cantidad de información, sepuede determinar cuál es más conveniente utilizar.
* Una medida de la factibilidad de la solución obtenida, lo cual permite determinar cuál es buena, óptima o inadecuada.
* Un mecanismo de intensificación, que corresponde al uso de métodos que puedan generar mejoras significativas durante la fase de autoadaptación. Este mecanismo realiza mejoras sobre un individuo sin tener en cuenta lainformación suministrada por otros individuos, permitiendo la intensificación de la búsqueda sobre algunas regiones del espacio.
* Un mecanismo de diversificación, el cual permite evitar convergencia hacia puntos óptimos locales. Este procedimiento modifica cada individuo independientemente, pero al contrario del mecanismo de intensificación, tiene resultados inesperados sobre un individuo. Un tipo demecanismo de diversificación es el operador mutación en los GA.
Así, la EC representa un amplio grupo de técnicas, básicamente dividida en dos ramas, cuyas diferencias fundamentales se encuentran en la aplicación de los conceptos anteriores: los algoritmos evolutivos (Evolutionary Algorithms – EA) y la inteligencia de enjambres (Swarm Intelligence – SI).
El algoritmo a tratar corresponde a la...
Leer documento completo
Regístrate para leer el documento completo.