UNIVERSIDAD CATÓLICA LOS ÁNGELES DE CHIMBOTE

FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE

INGENIERÍA DE

SISTEMAS

Curso:

INTELIGENCIA ARTIFICIAL

Alumnos:

Kelvin Deymer López Caballero

Docente Titular:

Ing. Jesús Ocaña Velásquez

CHIMBOTE – PERÚ 2019

 Computación Evolutiva Ideas Principales

Establecer dos áreas principales de investigación y aplicación en inteligencia

artificial. En analogía con las redes neuronales biológicas, las redes neuronales
artificiales (ANN) están compuestas de simples, Procesando elementos que
interactúan utilizando conexiones ponderadas. Las ANN son de particular interés
debido a su robustez, su paralelismo, y sus habilidades de aprendizaje. Evolutivo el
cálculo se considera típicamente en el contexto de algoritmos evolutivos (EA). Las
formas más comunes de las EA son la estrategia de evolución de Rechenberg .
A pesar de que estas formas difieren con respecto a varias implementaciones
Detalles, conceptualmente son casi idénticos.

Componentes
Una representación o codificación de las soluciones potenciales al problema bajo
estudio.
Una población (conjunto de individuos) de estas soluciones potenciales.
Mecanismos para generar nuevos individuos o soluciones potenciales al problema
estudiado, a partir de los miembros de la población actual (los denominados
operadores de mutación y recombinación)
Una función de desempeño o evaluación (del inglés fitness function ) que determina
la calidad de los individuos en la población en su capacidad de resolver el problema
bajo estudio.
Un método de selección que otorgue mayores chances de sobrevivir a las buenas
soluciones.

Aplicaciones
La Computación evolutiva constituye una de las áreas más activas de la llamada
“inteligencia computacional”, que agrupa además las redes neuronales y los
sistemas difusos (del Inglés fuzzy systems). Estas técnicas han logrado un gran
número de aplicaciones exitosas en la industria y el comercio. Los algoritmos
evolutivos se han utilizado también como herramientas de modelaje y resolución
de problemas en las ciencias naturales.
Método
La Computación Evolutiva interpreta la naturaleza como una inmensa máquina de
resolver problemas y trata de encontrar el origen de dicha potencialidad para
utilizarla en nuestros programas. Los Algoritmos Genéticos son una de las más
conocidas y originales técnicas de resolución de problemas dentro de lo que se ha
definido como "Computación Evolutiva" (o "Algoritmos Evolutivos"), término que
agrupa a los Algoritmos Genéticos, las Estrategias Evolutivas y la Programación
Evolutiva. En realidad, todas estas técnicas son muy parecidas y comparten muchos
aspectos. Un Algoritmo Evolutivo es una técnica de resolución de problemas
inspirada en la evolución de los seres vivos. En un Algoritmo Evolutivo se define
una estructura de datos que admita todas las posibles soluciones a un problema.
Cada uno de los posibles conjuntos de datos admitidos por esa estructura será una
solución al problema. Unas soluciones serán mejores, otras peores. Solucionar el
problema consistirá en encontrar la solución óptima, y por tanto, los Algoritmos
Evolutivos son en realidad un método de búsqueda. Pero un método de búsqueda
muy especial, en el que las soluciones al problema son capaces de reproducirse
entre sí, combinando sus características y generando nuevas soluciones. En cada
ciclo se seleccionan las soluciones que más se acercan al objetivo buscado,
eliminando el resto de soluciones. Las soluciones seleccionadas se reproducirán
entre sí, permitiendo de vez en cuando alguna mutación o modificación al azar
durante la reproducción.

Bibliografía
1. Palma Méndez J, Marín Morales R. Inteligencia Artificial. 1st ed. Madrid:
McGraw-Hill España; 2008.
Bibliografía
1. Clifford F. G, Larson EW. Administración de Proyectos. cuarta edicion
ed. Mexico: Mcgraw hill,; 2009.

2. Gómez Vieites Á, Carlos SR. Sistemas de Información Herramientas

prácticas para la gestión empresarial. cuarta ed. mexico: Alfaomega;
2012.