Modelo de Respuesta computacion evolutiva

350 -M/R Versión 1 1era. Prueba Parcial SEMANA 46 LAPSO 2014-2

Especialista: Maria E. Mazzei Ingeniería de Sistemas Evaluador: Sandra Sánchez

1/7

UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA

MODELO DE RESPUESTA

ASIGNATURA: Computación Evolutiva CÓDIGO: 350 MOMENTO: Primera Parcial VERSIÓN: 1 FECHA DE APLICACIÓN: 15/11/2014 MOD. I, UND. 1, OBJ.1 CRITERIO DE DOMINIO 1/1

1- Problema de optimización

a) Tipo de problema: se trata de un problema de optimización combinatoria,

del tipo de coloración de mapas. Cuando n es grande es un problema difícil

de resolver por los métodos de optimización clásicos.

b) Para n = 20, la representación de una solución al problema, en términos

computacionales es la siguiente: cada ventanal V es una matriz que contiene números enteros entre 1 y 4, considerando el color amarillo (valor 1), celeste (valor 2), magenta (valor 3) y verde (valor 4), con dimensiones V[7,2]. Ejemplo de solución factible y de solución infactible:

(a) Solución factible (b) Solución infactible

4

2

3

2

1

3

1

3

1

4

1

2

4

2

4

2

2

2

1

3

1

3

1

4

1

2

1

2

pdfMachine A pdf writer that produces quality PDF files with ease!

Produce quality PDF files in seconds and preserve the integrity of your original documents. Compatible across nearly all Windows platforms, simply open the document you want to convert, click “print”, select the

“Broadgun pdfMachine printer” and that’s it! Get yours now!

http://www.pdfmachine.com



2/7

Deben crearse 20 matrices semejantes a la mostrada en la matriz (a) con diferentes combinaciones de los números del 1 al 4 que conformaría la

solución.

c) Función objetivo de este problema: se podría asignar un 1 por cada color

que esté �bien colocado� y 0 en otro caso. Ejemplo: en el caso (a) el valor de f(V) sería 14 y en el caso (b) f(V) = 10. Este cálculo se debe hacer para cada ventanal i (i=1,�,20), de tal manera que la suma total de todas las f(V)

sería el valor de la solución.

Criterio de corrección: se logra el objetivo si se identifica el problema como uno de optimización combinatoria, comparándolo con el de coloración de mapas y

además se propone una representación computacional de la solución y de la

función objetivo.

MOD. I, UND. 2, OBJ.2 CRITERIO DE DOMINIO 1/1

2- Métodos de selección de individuos en una población

Maximizar f(x1,x2) =(x1 - 1)3 - (x2 - 1)3

-5 x1,x2 5 Población

Individuo Fitness

x1 x2 f(x1,x2) 1 0 -1 7 2 1 5 -64 3 4 -3 91 4 1 0 1 5 1 -2 27 6 3 -3 72 7 -1 1 -8 8 1 1 0

a) En este caso no se puede aplicar el método de la Ruleta, ya que hay valores negativos y nulos de la función de fitness. Por lo tanto al intentar calcular los porcentajes de participación dentro de la totalidad de fitness de la población se presentan valores que distorsionan el propósito del

método. A continuación se presentan los porcentajes de participación:







3/7

x1 x2 f(x1,x2) % Fitness

1 0 -1 7 5,56 2 1 5 -64 -50,79 3 4 -3 91 72,22 4 1 0 1 0,79 5 1 -2 27 21,43 6 3 -3 72 57,14 7 -1 1 -8 -6,35 8 1 1 0 0

126

b) Torneo, magnitud 3:

Primera selección

2 1 5 -64 5 1 -2 27 7 -1 1 -8

Al seleccionar(al azar) estos individuos resulta ganador el individuo 5,

cuya función de fitness es 27.

1 0 -1 7 3 4 -3 91 8 1 1 0

En esta selección el ganador es el individuo 3, con fitness 91

Criterio de corrección: se logra el objetivo si se responde correctamente lo solicitado en las dos secciones de la pregunta.







4/7

MOD. II, UND. 3, OBJ. 3 CRITERIO DE DOMINIO 1/1

3- Algoritmo Genético

a) Población y fitness

b) Los dos Individuos con mayor fitness

Los dos Individuos con menor fitness que serán eliminados Cruce simple, punto medio, entre los dos mejores individuos

Hijos resultantes del cruce y su fitness (sustituirán a los individuos 2 y 5

respectivamente)

N° Individuo Fitness

1 0110010110 1

2 0111101101 0 3 1101001010 3 4 1000010101 2 5 1011111111 0

3 1101001010 3 4 1000010101 2

2 0111101101 0

5 1011111111 0

11010 01010

Fitness

10000 10101

1101010101 3

1000001010

2







5/7

Nueva población

b) Mutación: vamos a conmutar el bit uno del individuo 2, es decir de uno pasa a cero, resultando la generación:

Primera generación (cinco individuos)

d) Obtención de la próxima generación Los dos Individuos con mayor fitness

Los dos Individuos con menor fitness que serán eliminados, como los individuos 4 y 5 tienen igual fitness tomamos cualquiera de los dos, por ejemplo el 4.


1 0110010110 1

2 1101010101 3 3 1101001010 3 4 1000010101 2 5 1000001010 2


1 0110010110 1

2 0101010101 4 3 1101001010 3 4 1000010101 2 5 1000001010 2

2 0101010101 4 3 1101001010 3

1 0110010110 1

4 1000010101 2







6/7

Cruce simple, punto medio, entre los dos mejores individuos

Hijos resultantes del cruce y su fitness (sustituirán a los individuos 1 y 4 respectivamente)

Nueva población

Mutación: vamos a conmutar el bit uno del individuo 3, es decir de uno pasa a cero, resultando la generación:

Segunda generación


1 0101001010 4

2 1101010101 3 3 1101001010 3 4 1101010101 3 5 1000001010 2


1 0101001010 4

2 1101010101 3 3 0101001010 4 4 1101010101 3 5 1000001010 2

01010 10101

11010 01010

0101001010 4

1101010101 3







7/7

Criterio de corrección: se logra el objetivo si se realiza correctamente lo solicitado en todas las secciones de la pregunta. Debe obtenerse las dos generaciones y su fitness.

FIN DEL MODELO DE RESPUESTA





Modelo de Respuesta computacion evolutiva

Documents

Transcript of Modelo de Respuesta computacion evolutiva