MR 350 Versión 1 Prueba Integral 1/11

Semana 05 Lapso 2017-2

UNIVERSIDAD NACIONAL ABIERTA

VICERRECTORADO ACADÉMICO
ÁREA: INGENIERÍA

MODELO DE RESPUESTA

ASIGNATURA: Computación Evolutiva CÓDIGO: 350

MOMENTO: Integral VERSIÓN: 1

FECHA DE APLICACIÓN:

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

1- SAT

a) Resultados al aplicar el algoritmo

En un problema SAT, el objetivo es hallar n variables, cuyos valores pueden ser 0
ó 1, o Verdadero, Falso, que satisfagan la proposición, es decir que hagan
verdadera una conjunción de cláusulas. Las técnicas heurísticas refieren a
métodos que intentan hallar buenas soluciones en tiempo relativamente breve,
aún cuando no necesariamente sean las más óptimas, por ejemplo, en
computación existen algunos problemas que no tienen solución algorítmica, o que
los algoritmos aplicables resultan muy costosos. El método SAT la función de
fitness coincide con la función objetivo, es decir, existe una única solución, de allí
que no sea heurística. Este tipo de búsqueda en un espacio con estructura de
árbol, permite usar una técnica de búsqueda exhaustiva en árboles denominada.
Búsqueda en Profundidad (Depth Search). La ventaja de organizar el espacio de
esta manera, es que en algunos casos se deduce que la búsqueda en el resto de
la rama inspeccionada no conducirá a la solución, de esta manera se reduce la
búsqueda. Este método resulta muy ineficiente cuando el número de variables es
grande.

b) Se transforma los individuos a su valor binario:

Individuos X6 X5 X4 X3 X2 X1
Individuo 1 = 23 0 1 0 1 1 1
Individuo 2 = 35 1 0 0 0 1 1
Individuo 3 = 37 1 0 0 1 0 1
Individuo 4 = 49 1 1 0 0 0 1
Tabla 1

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 2/11
Semana 05 Lapso 2017-2

Gráfico 1

En la conjunción de proposiciones el elemento conector ˅ (o) indica que al

menos el individuo debe cumplir con una proposición, el único individuo que
cumple con al menos una proposición es el individuo 2 (35 = (100011) 2) que
cumple con la primera .

Criterio de corrección: se logra el objetivo si (a) se explica correctamente el

método SAT y el por qué no es una heurística; (b) si se logra realizar la búsqueda
exhaustiva empleado los gráficos tipo árbol.

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

2- Selección de individuos: Para poder seleccionar los individuos se debe calcular
las frecuencias y los rangos de valores.

Población Fitness Frecuencia Frec Acum Rango de valores

1 10 7.69 7.69 0 - 7.69
2 25 19.23 26.92 7.69 - 26.92
3 18 13.85 40.77 26.92 - 40.77
4 45 34.62 75.38 40.77 - 75.38
5 32 24.62 100.00 75.38 - 100.00
Total fitness 130
Tabla 2

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 3/11
Semana 05 Lapso 2017-2

(i) De acuerdo a los rangos de valor es obtenidos resultan los siguientes

individuos:

NA = 18 selecciona al individuo 2
NA = 50 selecciona al individuo 4
NA = 92 selecciona al individuo 5

(ii) El individuo 4 es el que tiene mayor probabilidad de ser seleccionado ya

que tiene mayor fitness (45) y por ende de acuerdo al método de la ruleta le
corresponde un sector mayor.

Criterio de corrección: se logra el objetivo si se aplica correctamente el método

de la ruleta para seleccionar los individuos de acuerdo a los números aleatorios
dados.

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

3- AG

i) Evaluando la población inicial

Población inicial

A B f(x)
N Individuo A*B Fitness
100*A*B
1 0011000000 192 8.700081168 0.190822524 1.6601 166.0171451
2 1100010100 788 5.539385888 0.708944162 3.9271 392.7115287
3 1110000001 897 5.038184268 0.781458558 3.9371 393.7132211
4 0101000000 320 7.961370128 0.314566561 2.5043 250.4380819
Tabla 3

ii) Una función de fitness apropiada podría ser la suma de los unos en cada
cadena o la suma de los ceros según convenga.

Tabla 4

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 4/11
Semana 05 Lapso 2017-2

Tabla 5

iii) Nueva población: empleando la función de fitness, se evalúa cada

nuevo individuo:

Tabla Comparativa de Padres e Hijos

Población Inicial Población Final
Nro Individuo Fitness Nro Individuo Fitness
1 0011000000 166.0171 5 0011010100 180.5890
2 1100010100 392.7115 6 1100000000 391.3879
3 1110000001 393.7132 7 1110000000 393.7492
4 0101000000 250.4380 8 0101000001 251.0156
Promedio 300.7199 Promedio 304.1854
Tabla 6

El individuo 7, que pertenece a la nueva generación, tiene el mejor Fitness y

en general la nueva población e promedio tiene mejor Fitness que sus
padres. También podría emplearse eventualmente mutaciones, que en este
caso consistirá de conmutar algún alelo (bit) de algún cromosoma
seleccionado al azar.

Criterio de corrección: se logra el objetivo si se responde correctamente las

tres secciones de la pregunta.

MOD. II, UND. 4, OBJ. 4 CRITERIO DE DOMINIO 1/1

1- Estrategias evolutivas i) Aplicación de la estrategia (1+1)

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 5/11
Semana 05 Lapso 2017-2

Individuo vector Nuevo

Iteración Fitness Fitness Acción
actual N(0, i) Individuo

1 x1 = 1 42 -1,3412 x1 = -0,3412 27,75 Se toma el nuevo

x2 = -5 1,5589 x2 = -3,4411
x3 = 4 -0,0257 x3 = 3,9743
Se mantiene el
2 x1 = -0,3412 27,75 -1,876 x1 = -2,2172 36,02 anterior

x2 = -3,4411 -0,432 x2 = -3,8731

x3 = 3,9743 0,038 x3 = 4,0123
3 x1 = -0,3412 27,75 0,987 x1 = 0,6458 11,39 Se toma el nuevo

x2 = -3,4411 1,203 x2 = -2,2381

x3 = 3,9743 -1,532 x3 = 2,4423
Se mantiene el
4 x1 = 0,6458 11,39 1,217 x1 = 1,8628 23,42 anterior

x2 = -2,2381 -0,942 x2 = -3,1801

x3 =2,4423 0,694 x3 =3,1363
Tabla 7

ii) La mejor solución luego de aplicar cuatro iteraciones:

x1 = 0,6458; x2 = -2,2381; x3 = 2,4423, f = 11,39

Criterio de corrección: se logra el objetivo si se aplica correctamente la

estrategia evolutiva (1 + 1), para obtener un individuo mejor, en cuatro
iteraciones.

MOD. II, UND. 5, OBJ. 5 CRITERIO DE DOMINIO 1/1

2- PG a) Representación de los individuos con árboles binarios

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 6/11
Semana 05 Lapso 2017-2

Gráfico 2

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 7/11
Semana 05 Lapso 2017-2

b) Función de fitness: Como se conoce el resultado del problema, al evaluar y

= x4 + x3 + x2 + x en x = 0,5, se obtiene y = 0,9375. Entonces para evaluar
la adaptación de los individuos se puede calcular el error absoluto entre el
valor real de esta expresión y el obtenido según la expresión matemática
resultante de cada individuo.
Por lo tanto:
f(x) = | y - g(x)|

en donde y es 0,9375 y g(x) es el valor numérico de la expresión

asociada a cada programa. A menor valor de esta expresión mejor
adaptado es el individuo.

Valor de la
N° Individuo expresión Error Absoluto o fitness
i 2
x +x 0,75 0,1875
ii (x+ x)*x + x / x2 2,5 1,5625
iii x * x/(x + x) + x3 0,375 0,5625
iv x4 + (x + x 2)*x 0,4375 0,5
v (x + x )/x + x*(x2+ x ) 2,375 1,4375
Tabla 8
c) Cruce entre los dos individuos mejores adaptados:

Los dos individuos mejor adaptados son el i) y el iv, por lo tanto efectuaremos
el cruce.

Gráfico 3

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 8/11
Semana 05 Lapso 2017-2

Individuos resultantes:

Gráfico 4

Individuo Valor de la Error Absoluto o fitness

N° expresión
hijo1 x2 + x4 0,3125 0,625
hijo2 x2 + (x + x2)x 0,625 0,3125

d) Nueva Población:
Individuo Valor de la Error Absoluto o fitness
N° expresión
I x2 + x 0,75 0,1875
2 4
hijo1 x +x 0,3125 0,625
iii x * x/(x + x) + x3 0,375 0,5625
4 2
iv x + (x + x )*x 0,4375 0,5
2 2
hijo2 x + (x + x )x 0,625 0,3125
Tabla 9

Criterio de corrección: Se logra el objetivo si se obtienen resultados semejantes

en las cuatro secciones de la pregunta. Se entiende que los puntos de cortes en
los cruces son arbitrarios.
MOD. III, UND. 6, OBJ. 6 CRITERIO DE DOMINIO 1/1

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 9/11
Semana 05 Lapso 2017-2

3- ACO. La hormiga partió de la ciudad A y pasó a B

Esquema de la disposición de las cuatro ciudades

Gráfico 5

No dij X 0,81*(1/20)+0,45*(1/
45)+0,39*(1/35)+
0,46*(1/55)
B 0.81 20 0.81*(1/20) 0.0405 0.071863636 0.563567362
C 0.45 45 0.45*(1/45) 0.01 0.071863636 0.139152435
D 0.39 35 0.39*(1/30) 0.013 0.071863636 0.180898166
E 0.46 55 0.46*(1/55) 0.0083 0.071863636 0.116382037
∑ 0.0718
Tabla 10

La hormiga pasa del nodo A (la casa matriz) al nodo B (agencia) pues
es la que posee mejor probabilidad. A → B

No dij X 0,28*(1/30)+0,65*(1/
20)+0,38*(1/60)
C 0.28 30 0.28*(1/30) 0.0093 0.04816667 0.19377163
D 0.65 20 0.65*(1/20) 0.0325 0.04816667 0.67474048
E 0.38 60 0.38*(1/60) 0.0063 0.04816667 0.13148789
∑ 0.0481
Tabla 11
A→B→D

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 10/11
Semana 05 Lapso 2017-2

No dij X 0,28*(1/30)+0,65*(1/
20)+0,38*(1/60)
C 0.65 85 0.85*(1/85) 0.01 0.02825 0.3539823
E 0.73 40 0.73*(1/40) 0.0183 0.02825 0.6460177
∑ 0.0282
Tabla 12

Por tanto la ruta queda A → B → D → E → C

Desde A a B = 20 minutos
Desde B a D = 20 minutos
Desde D a E = 40 minutos
Desde E a C = 15 minutos
Tiempo Total=95 minutos (1 hora y 35 minutos)

Criterio de corrección: Se logra el objetivo si se responde correctamente lo

solicitado en las tres secciones de la pregunta.

MOD. III, UND. 7, OBJ. 7 CRITERIO DE DOMINIO 1/1

4- PSO
a) Selección y actualización de la mejor partícula

Partícula actual Mejor personal

x1 x2 x3 f(x) p1 p2 p3 f(p)

1 1 1 -1 4 1 0 1 5
2 0,54 -0,29 -0,23 8,02 0 -0,58 -1 10,74
3 0,78 0,56 0,34 4,42 -0,4 1 0 5,8
Tabla 13
Datos de la mejor partícula ( su función de fitness tiene un valor menor)

 
Índice x1 x2 x3 f(x) 1  2  v1 v2 v3
1 1 1 -1 4 0,01 -0,6 -0,1 -0,2 0,5

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador:

MR 350 Versión 1 Prueba Integral 11/11
Semana 05 Lapso 2017-2

Actualización de la velocidad de la partícula. La mejor vecina g es la partícula

3, tomando en cuenta que se usa la topología anillo.
Velocidad anterior Nueva velocidad
v1 v2 v3 v1 v2 v3

-0,1 -0,2 0,5 0,0848 -0,22016 -0,5976

Coordenadas de la nueva partícula y su fitness

Partícula x1 x2 x3 f(x)
1 (*) 1,0848 0,77984 -1,5976 5,42768

b) La mejor partícula del enjambre sigue siendo la partícula 1 sin actualizar. A

continuación, la mejor personal de la partícula 1 pasa a ser la partícula
actual y la partícula 1 actualizada pasa a ser la actual.

c) El problema presentado posee una función de fitness no diferenciable, lo

cual dificulta el uso de métodos tradicionales de optimización, esto hace esta
técnica ideal para resolver el problema ya que no se requiere de
transformaciones y es posible obtener la solución óptima.

FIN DEL MODELO DE RESPUESTA

Especialista: Miguel Mena Ingeniería de Sistemas Evaluador: