Universidad Mariano Glvez de Guatemala

Facultad de Ingeniera en sistemas

Centro Universitario de San Marcos
Ing. Edgar Matul
Curso: Inteligencia Artificial
Doceavo Ciclo

TRABAJO
Ensayo

Algoritmos Genticos Y Redes Neuronales

Artificiales

Alumna
Lisbeth Karina Cifuentes Barrios

Carne
09030512664

INTRODUCCIN
Entre la historia del algoritmo gentico est basado en una de las teoras por un
pionero que hizo la diferencia en que se buscara esta tcnica y cobrado tremenda
popularidad en todo el mundo durante los ltimos aos. Se presentarn aqu los
conceptos bsicos que se requieren para abordarla,
A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de
acorde con los principios de la seleccin natural y la supervivencia de los ms fuertes,
as dando un resultado de los genes ms fuertes y formando una nueva poblacin de
sper humanos Por imitacin de este proceso, los Algoritmos Genticos son capaces
de ir creando soluciones para problemas del mundo real. Crean soluciones que
evalan las soluciones de valores ptimos del problema dependiendo de la
codificacin de las mismas evaluaciones.
Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para
resolver problemas de bsqueda y optimizacin. Estn basados en el proceso
gentico de los organismos vivos. Un algoritmo gentico puede presentar diversas
variaciones, dependiendo de cmo se aplican los operadores genticos
(cruzamiento, mutacin), de cmo se realiza la seleccin y de cmo se decide el
reemplazo de los individuos para formar la nueva poblacin.
Las redes neuronas artificiales tambin conocidas como RNA estn en cambio de
paradigma constante de aprendizaje de conocimiento y procedimientos automticos
todo basado o inspirado por el sistema nervioso de los animales. Se trata de este
sistemas de interconexin de neuronas que colaboran entres si para producir un
estmulo de salida.
En la rama de la inteligencia artificial es frecuente se refiere a ellas como redes de
neuronas o redes neuronales. Una red neuronal esta compuesta por unidades
llamadas neuronas, cada una de ellas recibe una serie de entradas atreves de
interconexiones y emite una salida. Estas se dividen en tres funciones bsicas, 1) una
funcin de propagacin consiste en la sumatoria de cada entrada multiplicada por el
peso de su interconexin por su valor neto, si en el caso es positivo la conexin se
denomina excitatoria y en caso contrario inhibitoria. 2) la funcin de activacin que
modifica a la anterior. Puede en un caso q no exista siendo as la salida de la misma
funcin.

ALGORITMO GENTICO
Entre la historia del algoritmo gentico est basado en una de las teoras por un
pionero que hizo la diferencia en que se buscara esta tcnica y cobrado tremenda
popularidad en todo el mundo durante los ltimos aos. Se presentarn aqu los
conceptos bsicos que se requieren para abordarla.
Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para
resolver problemas de bsqueda y optimizacin. Estn basados en el proceso
gentico de los organismos vivos. Un algoritmo gentico puede presentar diversas
variaciones, dependiendo de cmo se aplican los operadores genticos
(cruzamiento, mutacin), de cmo se realiza la seleccin y de cmo se decide el
reemplazo de los individuos para formar la nueva poblacin.
A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de
acorde con los principios de la seleccin natural y la supervivencia de los ms fuertes,
as dando un resultado de los genes ms fuertes y formando una nueva poblacin de
sper humanos por imitacin de este proceso, los Algoritmos Genticos son capaces
de ir creando soluciones para problemas del mundo real. Crean soluciones que
evalan las soluciones de valores ptimos del problema dependiendo de la
codificacin de las mismas evaluaciones.
Consiste en una funcin matemtica o una rutina de software que toma como
entradas a los ejemplares y retorna como salidas cules de ellos deben generar
descendencia para la nueva generacin. En un punto de complejidad el algoritmo
gentico forma un ciclo iterativo que directamente toma como punto central la
especie y crea una generacin que reemplace en gran manera a la antigua dando un
giro a la generacin en gran cantidad de veces determinada su propio diseo
Una de sus caractersticas principales es la de ir perfeccionando su propia heurstica,
en este proceso de la ejecucin de los largos periodos de entrenamiento de
especializados en la parte de ADN del ser humano , y sus principales defectos.
En la naturaleza los individuos de una poblacin compiten entre s en la bsqueda
de recursos tales como comida, agua y refugio. Incluso los miembros de una misma
especie compiten a menudo en la bsqueda de un compaero. Aquellos individuos
que tienen ms xito en sobrevivir y en atraer compaeros tienen mayor

probabilidad de generar un gran nmero de descendientes. Por el contrario

individuos poco dotados producirn un menor nmero de descendientes. Esto
significa que los genes de los individuos mejor adaptados se propagarn en sucesivas
generaciones hacia un nmero de individuos creciente. La combinacin de buenas
caractersticas provenientes de diferentes ancestros, puede a veces producir
descendientes "supe individuos", cuya adaptacin es mucho mayor que la de
cualquiera de sus ancestros. De esta manera, las especies evolucionan logrando unas
caractersticas cada vez mejor adaptadas al entorno en el que viven.
Los Algoritmos Genticos usan una analoga directa con el comportamiento natural.
Trabajan con una poblacin con individuos que permiten generar una solucin con
sus genes al combinarlos con una estructura. A cada individuo se le asigna un valor
puntuacin, relacionado con la bondad de dicha solucin. En la naturaleza esto
equivaldra al grado de efectividad de un organismo para competir por unos
determinados recursos. Cuanto mayor sea la adaptacin de un individuo al
problema, mayor ser la probabilidad de que el mismo sea seleccionado para
reproducirse, cruzando su material gentico con otro individuo seleccionado de igual
forma. Este cruce producir nuevos individuos, descendientes de los anteriores. Los
cuales comparten algunas de las caractersticas de sus padres.
Cuanto menor sea la adaptacin de un individuo, menor ser la probabilidad de que
dicho individuo sea seleccionado para la reproduccin, y por tanto de que su
material gentico se propague en sucesivas generaciones. No necesitan
conocimientos especficos sobre el problema que intentan resolver. Operan de
forma simultnea con varias soluciones, en vez de trabajar de forma secuencial como
las tcnicas tradicionales. Cuando se usan para problemas de optimizacin
maximizar una funcin objetivo- resultan menos afectados por los mximos locales
(falsas soluciones) que las tcnicas tradicionales. Resulta sumamente fcil
ejecutarlos en las modernas arquitecturas masivamente paralelas. Usan operadores
probabilsticos, en vez de los tpicos operadores determinsticos de las otras tcnicas.
Pueden tardar mucho en converger, o no converger en absoluto, dependiendo en
cierta medida de los parmetros que se utilicen tamao de la poblacin, nmero de
generaciones, etc.-. Pueden converger prematuramente debido a una serie de
problemas de diversa ndole.

RED NEURONAL ARTIFICIAL

Las redes neuronas artificiales tambin conocidas como RNA estn en cambio de
paradigma constante de aprendizaje de conocimiento y procedimientos automticos
todo basado o inspirado por el sistema nervioso de los animales. Se trata de este
sistemas de interconexin de neuronas que colaboran entres si para producir un
estmulo de salida.
En la rama de la inteligencia artificial es frecuente se refiere a ellas como redes de
neuronas o redes neuronales. Una red neuronal esta compuesta por unidades
llamadas neuronas, cada una de ellas recibe una serie de entradas atreves de
interconexiones y emite una salida. Estas se dividen en tres funciones bsicas, 1) una
funcin de propagacin consiste en la sumatoria de cada entrada multiplicada por el
peso de su interconexin por su valor neto, si en el caso es positivo la conexin se
denomina excitatoria y en caso contrario inhibitoria. 2) la funcin de activacin que
modifica a la anterior. Puede en un caso q no exista siendo as la salida de la misma
funcin. 3) funciones de transferencia aplicada al valor devuelto por la funcin de
activacin.
Con un paradigma convencional de programacin en ingeniera del software, el
objetivo del programador es modelar matemticamente (con distintos grados de
formalismo) el problema en cuestin y posteriormente formular una solucin
(programa) mediante un algoritmo codificado que tenga una serie de propiedades
que permitan resolver dicho problema. En contraposicin, la aproximacin basada
en las RNA parte de un conjunto de datos de entrada suficientemente significativo y
el objetivo es conseguir que la red aprenda automticamente las propiedades
deseadas. En este sentido, el diseo de la red tiene menos que ver con cuestiones
como los flujos de datos y la deteccin de condiciones, y ms que ver con cuestiones
tales como la seleccin del modelo de red, la de las variables a incorporar y el
reprocesamiento de la informacin que formar el conjunto de entrenamiento.
Asimismo, el proceso por el que los parmetros de la red se adecuan a la resolucin
de cada problema no se denomina genricamente programacin sino que se suele
denominar entrenamiento neuronal.
Al igual que el cerebro, una RNA se compone de un conjunto masivamente paralelo
de unidades de proceso muy simples y es en las conexiones entre estas unidades

donde reside la inteligencia de la red. Sin embargo, en trminos de escala, un cerebro

es muchsimo mayor que cualquier RNA creada hasta la actualidad, y las neuronas
artificiales tambin son ms simples que su contrapartida animal.
Biolgicamente, un cerebro aprende mediante la reorganizacin de las conexiones
sinpticas entre las neuronas que lo componen. De la misma manera, las RNA tienen
un gran nmero de procesadores virtuales interconectados que de forma
simplificada simulan la funcionalidad de las neuronas biolgicas. En esta simulacin,
la reorganizacin de las conexiones sinpticas biolgicas se modela mediante un
mecanismo de pesos, que son ajustados durante la fase de aprendizaje. En una RNA
entrenada, el conjunto de los pesos determina el conocimiento de esa RNA y tiene
la propiedad de resolver el problema para el que la RNA ha sido entrenada.
Por otra parte, en una RNA, adems de los pesos y las conexiones, cada neurona
tiene asociada una funcin matemtica denominada funcin de transferencia. Dicha
funcin genera la seal de salida de la neurona a partir de las seales de entrada. La
entrada de la funcin es la suma de todas las seales de entrada por el peso asociado
a la conexin de entrada de la seal.
Entre las ventajas tenemos: Las redes neuronales artificiales (RNA) tienen muchas
ventajas debido a que estn basadas en la estructura del sistema nervioso,
principalmente el cerebro. 1) Aprendizaje: Las RNA tienen la habilidad de aprender
mediante una etapa que se llama etapa de aprendizaje. Esta consiste en
proporcionar a la RNA datos como entrada a su vez que se le indica cul es la salida
(respuesta) esperada. 2) Auto organizacin: Una RNA crea su propia representacin
de la informacin en su interior, quitndole esta tarea al usuario. 3)Tolerancia a
fallos: Debido a que una RNA almacena la informacin de forma redundante, sta
puede seguir respondiendo de manera aceptable aun si se daa parcialmente. 4)
Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin de
entrada, como seales con ruido u otros cambios en la entrada (por ejemplo si la
informacin de entrada es la imagen de un objeto, la respuesta correspondiente no
sufre cambios si la imagen cambia un poco su brillo o el objeto cambia ligeramente).
Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es
implementado con computadoras o en dispositivos electrnicos especiales, se
pueden obtener respuestas en tiempo real.

CONCLUCIONES
Algoritmo Gentico no se garantiza que el encuentre la solucin ptima, del
problema.
Los Algoritmos Genticos usan una analoga directa con el comportamiento
natural.
El Algoritmo Gentico no necesitan conocimientos especficos sobre el
problema que intentan resolver.
El Algoritmo Gentico perfecciona su propia heurstica.
Algoritmos Genticos se relaciona con aquellos problemas para los cuales no
existen tcnicas especializadas.
Una red neuronal est compuesta por unidades llamadas neuronas
Una RNA crea su propia representacin de la informacin en su interior,
quitndole esta tarea al usuario.
Debido a que una RNA almacena la informacin de forma redundante, sta
puede seguir respondiendo de manera aceptable aun si se daa
parcialmente.