UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA INDUSTRIAL Y

DE SISTEMAS

INTELIGENCIA ARTIFICIAL
SEGUNDA PRÁCTICA CALIFICADA (ST-414 V)
 Inteligencia Artificial 2018-II

Segunda Práctica

Problema 1:

Diseñar una presentación en PowerPoint sobre el software NETLOGO, explicando con

ejemplos el uso de sus comandos.

P á g i n a 2 | 17
Inteligencia Artificial 2018-II

P á g i n a 3 | 17
 Inteligencia Artificial 2018-II
Pregunta 2

Haga un ejemplo de aplicación de dinámica de sistemas y otro sobre corrupción en

NETLOGO, caso contrario seleccione cinco aplicaciones, mostrando los resultados en
dos formatos a) PowerPoint (4 presentaciones por página) y b) Documento Word

1.- La depredación del lobo y ovejas

Este modelo analiza la estabilidad de los ecosistemas de depredador-presa. Este

sistema se llama inestable si tiende a resultar en la extinción de una o más especies
involucradas. Por el contrario, un sistema es estable si se tiende a mantener en el
tiempo, a pesar de las fluctuaciones de los tamaños de población.

Cómo Funciona

Hay dos variantes principales de este modelo.

En la primera variación, lobos y ovejas vagan al azar en todo el paisaje, mientras que
los lobos buscan ovejas se alimentan de. Cada paso los costos de la energía de los
lobos, y que debe comer las ovejas a fin de reponer su energía - cuando se les acaba la
energía de su muerte. Para permitir a la población a seguir, cada lobo o una oveja
tienen una probabilidad fija de reproducir en cada paso de tiempo. Esta variación se
produce la dinámica de población de interés, pero en última instancia, es inestable.

La segunda variación incluye la hierba (verde), además de los lobos y las ovejas. El
comportamiento de los lobos es idéntica a la primera variación, sin embargo esta vez
las ovejas que comen hierba para mantener su energía - cuando se les acaba la energía
de su muerte. Una vez que la hierba se come sólo volverá a crecer después de un
período fijo de tiempo. Esta variación es más complejo que el primero, pero es en
general estable.

Cómo Usarlo

1. Establecer la hierba? cambiar a TRUE para incluir la hierba en el modelo, o en

FALSE para incluir sólo los lobos (rojo) y ovejas (blanco).

2. Ajustar los parámetros de control deslizante (vea abajo), o utilizar la

configuración predeterminada.

3. Pulse el botón SETUP.

4. Pulse el botón Go para comenzar la simulación.

5. Mira a los monitores para ver el tamaño de la población actual

P á g i n a 4 | 17
 Inteligencia Artificial 2018-II
6. Busque en la parcela POBLACIONES para ver las poblaciones fluctúan con el
tiempo

Parámetros:
INITIAL-NUMBER-SHEEP: El tamaño inicial de la población de ovejas

INITIAL-NUMBER-WOLVES: El tamaño inicial de la población de lobos

SHEEP-GAIN-FROM-FOOD: La cantidad de ovejas de la energía pasa por todos los

parches de hierba comido

WOLF-GAIN-FROM-FOOD: La cantidad de lobos de la energía pasa por cada oveja come

SHEEP-REPRODUCE: La probabilidad de que una oveja reproducir en cada paso de

tiempo

WOLF-REPRODUCE: La probabilidad de que un lobo reproducir en cada paso de tiempo

GRASS?: Si o no incluir la hierba en el modelo

GRASS-REGROWTH-TIME: ¿Cuánto tiempo se necesita para la hierba vuelva a crecer

una vez que se come

SHOW-ENERGY?: Si o no para mostrar la energía de cada animal un número

Notas:

- una unidad de energía se deduce para cada paso tiene un lobo

- cuando el pasto está incluido, una unidad de energía se deduce de cada paso lleva
una oveja

P á g i n a 5 | 17
 Inteligencia Artificial 2018-II

En el grafico podemos ver como para los datos ingresados, la población de ovejas,
lobos y gras, se mantienen oscilando, pero siguiendo un patrón determinado. Esto
indica que es un sistema estable.

P á g i n a 6 | 17
 Inteligencia Artificial 2018-II
2.- Difusión de gráficos

Difusión de gráficos es diferente a la mayoría de los modelos NetLogo, ya que

realmente no hace nada "modelo". Simplemente explora el poder detrás de un parche
primitivo interesante: "difusa".

En este modelo, las tortugas son "puntos calientes" - que establece un cierto valor
(una variable parche llamado "calor") hasta el nivel máximo de cada paso de tiempo.
Cada parche (a través de lo primitivo "difusa"), entonces comparte su valor de "calor"
con sus parches de los alrededores. No es la intención de calor real de cerca el modelo,
es sólo un número que se comporta algo como el calor - que lentamente se extiende
uniformemente a través de un plano. (Véase el modelo de "difusión" de un modelo
que el calor modelos reales más de cerca.)

Aquí se puede ver lo que sucede como puntos calientes interactúan entre sí, como se
mueven, ya que sus valores se convierten en negativos, o como el "calor" lentamente
se desintegra a nada. El punto de todo el proyecto es para darle una idea de cómo
interactúan los parches a través de lo primitivo "difusa". (O tal vez sólo para darles algo
agradable para mirar si estás aburrido.)

Cómo Usarlo

Dos botones, SETUP y GO, de control de ejecución del modelo. Como en la mayoría de
los modelos NetLogo, el botón SETUP abrirá la 'puntos calientes' y otras variables, la
preparación del modelo de que se ejecute. El botón de GO, un botón para siempre,
entonces se ejecutará el modelo.

Cuatro reguladores e interruptores de dos determinan las distintas propiedades del

modelo. Cada uno de ellos se puede establecer antes de la inicialización, la mayoría
puede ser utilizada a mediados de gestión de afectar lo que sucederá.

NUM-TURTLES determina cuántas tortugas existen.

TURTLE-SPEED determina qué tan rápido se mueven. Cada tortuga pone el "calor" del
patch es más que TURTLE-HEAT. Luego de que el parche que se difunde en los parches
cercanos.

El DIFFUSION-RATE es el regulador de velocidad a la que los colores difunden de cada

parche. Todos los parches difundir su valor de color a sus vecinos cada paso de tiempo.
DIFFUSION-RATE -no es más que la fracción de este color filtrado.

La WANDER? interruptor, si en adelante, permite a las tortugas para moverse por la

vista. Si el interruptor está apagado, las tortugas permanecerán arraigadas en el lugar.

P á g i n a 7 | 17
 Inteligencia Artificial 2018-II

En este modelo vemos que no solo podemos hacer simulación con el NetLogo, sino
también algo visual y divertido.

P á g i n a 8 | 17
 Inteligencia Artificial 2018-II
3.- Ant Lines

Este proyecto de modelos de comportamiento de las hormigas siguiendo a un líder

hacia una fuente de alimento. La hormiga se mueve hacia el líder de los alimentos a lo
largo de una ruta de acceso al azar, después de un pequeño retraso, la hormiga
segundo en la línea sigue el líder en la partida directamente hacia donde el líder se
encuentra. Cada hormiga posterior sigue a la hormiga por delante de la misma
manera.

A pesar de que el líder puede tomar un camino muy tortuoso hacia la comida, el
camino de hormigas, sorprendentemente, adopta una forma suave. Si bien aún no está
claro si este modelo es un modelo biológico exacto de comportamiento de las
hormigas, es un interesante estudio matemático del comportamiento emergente de
una serie de los siguientes agentes entre sí en serie.

Cómo Usarlo

El botón SETUP inicializa el modelo. Un nido de hormigas marrones se coloca en el lado

izquierdo del mundo. En su interior un gran número de hormigas (amarillo)
determinada por el regulador NUM-HORMIGAS. En la mano derecha del mundo es una
fuente de color naranja de los alimentos.

El botón GO se iniciará a las hormigas en movimiento. La hormiga líder (tortuga 0) se

pone en marcha aproximadamente en la dirección de la comida. Se mueve como se
mueve. Es decir, no se dirigen directamente hacia la comida, pero cambia su partida
una cantidad aleatoria a la izquierda oa la derecha antes de tomar cada paso.

El importe máximo de la hormiga líder puede mover en cada paso (y por lo tanto la
irregularidad de la trayectoria de la hormiga líder) se rige por el regulador LEADER-
WIGGLE-ANGLE. Cuando la hormiga líder se acerca lo suficiente a los alimentos con
"olor" que, deja de menear y se dirige directamente a la comida. La hormiga líder deja
un rastro rojo mientras se mueve.

Cada hormiga posterior sigue a la hormiga por delante de él dirigía directamente hacia
él antes de tomar cada paso. Las hormigas seguidor no dejar un rastro. La línea
amarilla de las hormigas, sin embargo, traza una curva en el dibujo. La hormiga último
en irse deja un rastro azul.

La cantidad de tiempo entre las hormigas salen de su nido se rige por el regulador
START-DELAY (más algún factor de azar).

El monitor ANTS-RELEASED muestra cómo muchas hormigas han dejado el nido. El otro
monitor muestra el título de la hormiga de plomo.

P á g i n a 9 | 17
 Inteligencia Artificial 2018-II

Vemos como podría ser el comportamiento de las hormigas siguiendo a su líder en

busca de alimentos.

P á g i n a 10 | 17
 Inteligencia Artificial 2018-II
4.- Cinética de la enzima

Este modelo muestra la cinética de la enzima de un solo sustrato, la catálisis. Las

interacciones entre las enzimas y los sustratos son a menudo difíciles de entender y el
modelo permite a los usuarios visualizar la reacción compleja.

La ecuación estándar para esta reacción se muestra a continuación.

Kc Kr
E + S <=======> E-S ------> E + P
Kd

Aquí E representa la enzima, sustrato S, ES complejo enzima-sustrato, y el producto P.

Las constantes de velocidad son Kc para la formación de complejos, Kd para la

disociación complejo, Kr para la catálisis. El primer paso en la catálisis es la formación
del complejo ES. Esto puede consistir en enlaces covalentes o no covalentes. Las tasas
de formación de complejos y disociación son muy rápidos, ya que están determinados
por la colisión y la separación de las moléculas. El siguiente paso es que la enzima que
cataliza la conversión de sustrato a producto. Esta tasa es mucho más lento debido a
que la energía necesaria para la catálisis es mucho mayor que la requerida para la
colisión o la separación.

El modelo muestra varias propiedades importantes de la cinética enzimática. catálisis

enzimática es a menudo se supone que ser controlado por la velocidad de formación
de complejos y la disociación, porque se produce mucho más rápido que la velocidad
de la catálisis. Por lo tanto, la reacción se vuelve dependiente de la relación entre Kt /
Kd. La eficiencia de la catálisis puede ser estudiada por la observación del
comportamiento catalítico en diferentes concentraciones de sustrato.

Al medir la tasa de formación de complejos a diferentes concentraciones de sustrato,

una curva de Michaelis-Menten se puede trazar. Análisis de la parcela dispone
bioquímicos con la velocidad máxima (Vmax) en el que la reacción puede proceder.
Como puede verse en el modelo, esta trama es lineal en los niveles bajos de sustrato, y
no lineales en los niveles superiores de sustrato. Al examinar el modelo, las razones de
esta relación pueden ser vistas fácilmente.

La catálisis enzimática también se puede controlar el uso de inhibidores. Los

inhibidores son moléculas que son estructuralmente similares al sustrato moléculas
que pueden complejo con la enzima e interferir con la formación de complejo ES.
Posteriormente, la forma de la curva de Michaelis-Menten se verá alterada.

P á g i n a 11 | 17
 Inteligencia Artificial 2018-II
Cómo Usarlo

Seleccione los valores de Kc, Kd y Kr con reguladores apropiados:

- Kc controla la velocidad a la que los sustratos (verde) y enzimas (rojo) se pegan de

modo que se puede producir la catálisis

- Kd controla la velocidad a la que se despegan

- Kr controla la velocidad de la reacción directa por el cual una enzima (rojo) se

convierte en un sustrato (verde) a un producto (azul)

Después de haber elegido los valores adecuados de las constantes, pulse SETUP para
desactivar el mundo y crear un número constante inicial de enzima (rojo) moléculas.
Juega con varios valores diferentes para observar efectos variables sobre la formación
de complejos y catálisis.

Presione GO para iniciar la simulación. Una cantidad constante de enzima (rojo) se

generará. Las concentraciones de sustrato, complejo, y el producto se representan en
la ventana CONCENTRATIONS.

Experimento con el uso del ADD-SUBSTRATE y los botones de ADD-INHIBITOR para

observar los efectos de la adición de más moléculas que el sistema de forma manual ya
que se ejecuta. La configuración por defecto de Kr es 0, lo que significa que ningún
producto (azul) se generará a menos que cambie Kr a un valor distinto de cero.

Tenga en cuenta que cuando se forman complejos que dejan de moverse. Esto no
pretende ser físicamente realista, sino que sólo hace que la formación de los
complejos más fácil de ver. (Esto no debería afectar el comportamiento general del
modelo.)

Para trazar la curva de Michaelis-Menten para las condiciones de su reacción, usted

tendrá que realizar varias pasadas a diferentes concentraciones con el fin de medir la
velocidad de cada corrida. Para ello, establezca PAUSE? interruptor de encendido.
Cuando este interruptor está activado, el modelo se detiene automáticamente
después de 30 garrapatas tiempo. Comience su prueba de ajuste del volumen del
sustrato a cero y se ejecuta la simulación. Cuando se detenga, pulse RECORD V y un
punto se representa en la curva de Michaelis-Menten. Ejecutar otra simulación con
una mayor concentración de sustrato por cambiar el VOLUME slider, luego oprimir la
tecla SETUP seguido GO, seguido por RECORD V una vez que el modelo se detiene.
Continuar para varios valores de las concentraciones de sustrato hasta una curva se
genera. Si desea empezar de nuevo CLEAR MM para restablecer la trama.

P á g i n a 12 | 17
 Inteligencia Artificial 2018-II

En este modelo podemos ver una reacción química, en la cual se simula, la velocidad
de la reacción, y como varían los componentes a medida que transcurre el tiempo.

P á g i n a 13 | 17
 Inteligencia Artificial 2018-II
5.- Fuefo

Este proyecto simula la propagación de un incendio en un bosque. Esto demuestra que

el azar del fuego de alcanzar el borde derecho del bosque depende fundamentalmente
de la densidad de los árboles. Este es un ejemplo de una característica común de los
sistemas complejos, la presencia de un umbral de no-lineal o parámetro crítico.

Cómo Funciona

El fuego se inicia en el borde izquierdo de la selva, y se extiende a los árboles vecinos.

El fuego se extiende en cuatro direcciones: norte, este, sur y oeste.

El modelo asume que no hay viento. Así, el fuego debe tener árboles a lo largo de su
camino para avanzar. Es decir, el fuego no puede saltar sobre una superficie no
arbolada (parche), así como un parche bloques de movimiento del fuego en esa
dirección.

Cómo Usarlo
Haga clic en el botón SETUP para configurar los árboles (verde) y fuego (rojo en el lado
izquierdo).
Haga clic en el botón GO para comenzar la simulación.

El DENSITY slider controla la densidad de los árboles en el bosque. (Nota: Los cambios
en DENSITY de
densidad no
surten efecto
hasta la siguiente
SETUP.)

En este modelo
podemos ver
cuánto podría
extenderse el
fuego en un
bosque
dependiendo la
densidad de este.

P á g i n a 14 | 17
 Inteligencia Artificial 2018-II
Problema 3:

Investigue sobre "Aprendizaje Automático". Prepare una PPT sobre las técnicas que
trata, dando preferencia a tensorFlow de Google.

P á g i n a 15 | 17
Inteligencia Artificial 2018-II

TENSORFLOW

P á g i n a 16 | 17
Inteligencia Artificial 2018-II

P á g i n a 17 | 17