INTELIGENCIA ARTIFICIAL I

ALGORITMOS EVOLUTIVOS
Cyntia Araiza Delgado

TAREA VI

ALGORITMO GENTICO CON REPRESENTACIN REAL

El problema consiste en minimizar las siguientes funciones por medio de un Algoritmo Gentico con Representacin Real: 1. Sphere:

f ( x ) = x i2
i =1

con -100 xi 100

2. Rosenbrock:
n 1 i =1

f ( x ) = 100(x i +1 x i2 ) + (x i 1)2
2

con -50 xi 50

3. Rastrigin:

f ( x ) = x i2 10 cos( 2x i ) + 10
i =1

con -5.12 xi 5.12

4. Griewank:

1 n 2 n x f (x ) = x i cos ii + 1 4000 i =1 i =1
5. Ackley:

con -600 xi 600

1 n 1 n f ( x ) = 20 exp 0.2 x i2 exp cos( 2x i ) + 20 + e n i =1 n i =1

con -32 xi 32 Para esto implementamos la cruza SBX (Simulated Binary Cross) junto con la Mutacin Polinomial, pero adems se hizo la implementacin de una cruza y una mutacin de invencin propia, las cuales consisten en lo siguiente: a) Cruza: Mi cruza Tenemos dos padres, los cuales generaran dos hijos que

contendrn intercalados los genes de los padres, como podemos ver en los siguientes esquemas.

Padre 1 Padre 2 Hijo 1 Hijo 1

a 1 a 1

b 2 2 b

c 3 c 3

d 4 4 d

e 5 e 5

b) Mutacin: Mi mutacin En la mutacin tenemos que primero generamos un nmero aleatorio entre 0 y 1, y dependiendo del nmero que sea generado, sern los genes que mutaremos, por ejemplo, si el nmero generado es un 1, entonces mutaremos todos los genes de las posiciones impares del hijo, y viceversa. La ventaja de esta cruza y esta mutacin es que los individuos generados no se salen de los lmites establecidos para las funciones. A continuacin se presenta el desempeo del algoritmo en cada una de las funciones por separado en 50 corridas. 1. Sphere
Funcin No. dim. No. Gen. No. ind. Tipo de Cruza
SBX Mi cruza SBX Mi cruza SBX Mi cruza

Tipo de Mutacin
Polinomial Mi mutacin Polinomial Mi mutacin Polinomial Mi mutacin

Media

Desv. Est.

Sphere

10 10 20 20 30 30

1000 1000 2000 2000 4500 4500

50 50 100 100 150 150

0.0019 0
7.56X10-7

0.0024 0
9.97X10-7

0 0.02 0

0 0.001 0

Al hacer una comparacin con los resultados que se nos presentaron con dichos parmetros podemos observar que en el caso de 20 dimensiones con cruza SBX el AG le gana a los 6 mtodos con los que se nos pidi hiciramos la comparacin. Y que tanto en el caso de 20 cmo el de 30 dimensiones Mi cruza y Mi Mutacin le gano a los 6 metodos. 2. Rosenbrock
Funcin No. dim. No. Gen. No. ind. Tipo de Cruza
SBX Mi cruza SBX Mi cruza SBX Mi cruza

Tipo de Mutacin
Polinomial Mi mutacin Polinomial Mi mutacin Polinomial Mi mutacin

Media

Desv. Est.

Rosenbrock

10 10 20 20 30 30

3000 3000 4000 4000 5000 5000

75 75 150 150 250 250

3.2960 0.6265 4.1596 0.1 3.771 35.667

2.5598 0.8088 1.65709 0.5 5.1520 53.56

En el caso de Rosenbrock, podemos ver que en el caso de 10 dimensiones Mi Cruza y Mi mutacin le gana a 5 de los 6 mtodos. En el caso de 20 dimensiones, Mi Cruza y Mi mutacin se acerco bastante al optimo, sin poder superarlo. En el caso de 30 dimensiones ninguno de los dos tipos de cruza con sus respectivas mutaciones se acercaron en lo ms mnimo al ptimo de la funcin. 3. Rastrigin
Funcin No. dim. No. Gen. No. ind. Tipo de Cruza
SBX Mi cruza SBX Mi cruza SBX Mi cruza

Tipo de Mutacin
Polinomial Mi mutacin Polinomial Mi mutacin Polinomial Mi mutacin

Media

Desv. Est.

Rastrigin

10 10 20 20 30 30

3000 3000 4000 4000 5000 5000

50 50 100 100 150 150

0.0014 24.552
6.55X10-9

0.0022 2.7905
6.01X10-9

50.638 10.035 77.968

0.6432 12.902 1.699

Podemos ver en el caso de 10 dimensiones que la cruza SBX con mutacin polinomial llego al ptimo presentado por el mejor de los 6 mtodos con los que se nos pidi hiciramos las comparaciones. En el caso de 20 dimensiones la misma cruza SBX con la mutacin polinomial super a los 6 mtodos. En el caso de 30 dimensiones la cruza SBX supero a 3 de los 6 mtodos, pero an as quedando muy alejada del ptimo. 4. Griewank
Funcin No. dim. No. Gen. No. ind. Tipo de Cruza
SBX Mi cruza SBX Mi cruza SBX Mi cruza

Tipo de Mutacin
Polinomial Mi mutacin Polinomial Mi mutacin Polinomial Mi mutacin

Media

Desv. Est.
0.00804
5.45X10-5

Griewank

10 10 20 20 30 30

2500 2500 3500 3500 5000 5000

50 50 100 100 150 150

0.0063
0.000159

0.2959
0.00065

0.1998
0.00068

0.093 0.0002 0.4468

0.00039

Podemos observar que en el caso de 10 dimensiones Mi Cruza y Mi mutacin superaron a los 6 mtodos, y la cruza SBX con mutacin polinomial se acerc bastante al mejor de los 6 mtodos. Esta misma cruza super a los 6 mtodos en el caso de 20 y 30 dimensiones.

5. Ackley
Funcin No. dim. No. Gen. No. ind. Tipo de Cruza
SBX Mi cruza SBX Mi cruza SBX Mi cruza

Tipo de Mutacin
Polinomial Mi mutacin Polinomial Mi mutacin Polinomial Mi mutacin

Media

Desv. Est.

Ackley

10 10 20 20 30 30

2500 2500 3500 3500 5000 5000

50 50 100 100 150 150

1.4338 1.5746 1.2273 1.0309 1.7198 1.7789

0.7024 0.3212 0.8384 0.9411 0.0013 0.0023

En el caso de 10 dimensiones podemos observar que ninguno de los 2 tipos de cruza pudo superar a los 6 mtodos. Lo mismo ocurre para 20 y 30 dimensiones.

CONCLUSIONES
Como podemos observar en las tablas de resultados, solo en algunas funciones se logr llegar al ptimo, esto debido a que el espacio de bsqueda para cada funcin es muy grande, adems de tener un gran nmero de dimensiones para cada individuo. Tambin podemos observar que la cruza SBX junto con la Mutacin Polinomial tienen un mejor desempeo de las otras dos, esto en la mayora de los casos, ya que como podemos observar en la funcin Griewank Mi cruza y Mi mutacin tuvieron un mejor desempeo. Lo que pude observar es que para lograr acercarme un poco al mnimo de la funcin tuve que hacer un incremento notable en el nmero de generaciones que iba a generar, esto para que la posibilidad de llegar al ptimo fuera un poco mayor.