SernaSerna_JoseLuis_Ejercicio_2 - Jose SernaS

Vista previa del material en texto

1 
 
Universidad de Guadalajara 
Centro Universitario de Ciencias Exactas e ingenierías 
 
Seminario de Solución de Problemas de Inteligencia 
Artificial (I7039) 
Sección: D04 
Maestro: José de Jesús Hernández Barragán 
Alumno: José Luis Serna Serna 
Código: 218292327 
Ejercicio 2 
14/05/2021 
2 
 
Contenido 
Objetivo. ............................................................................................................................................. 2 
Resultados: ........................................................................................................................................ 3 
Algoritmo IWAPSO ....................................................................................................................... 3 
Data_nolineal_1. ....................................................................................................................... 3 
Data_nolineal_2. ....................................................................................................................... 4 
Data_nolineal_3. ....................................................................................................................... 5 
Data_nolineal_4. ....................................................................................................................... 6 
Algoritmo CFPSO ......................................................................................................................... 7 
Data_nolineal_1. ....................................................................................................................... 7 
Data_nolineal_2. ....................................................................................................................... 8 
Data_nolineal_3. ....................................................................................................................... 9 
Data_nolineal_4. ..................................................................................................................... 10 
Conclusión. ...................................................................................................................................... 11 
 
 
Objetivo. 
El objetivo de la presente practica es utilizar por lo menos dos algoritmos de optimización 
vistos en clase para optimizar los parámetros de un modelo de regresión polinómica 
utilizando los datos de los archivos adjuntos: 
o data_nolineal_1.csv 
o data_nolineal_2.csv 
o data_nolineal_3.csv 
o data_nolineal_3.csv 
En esta ocasión decidí utilizar los algoritmos de optimización por enjambre de partículas 
IWAPSO y CFPSO. 
 
 
 
 
 
3 
 
Resultados: 
Algoritmo IWAPSO 
Data_nolineal_1. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
4 
 
Data_nolineal_2. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
 
5 
 
Data_nolineal_3. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
6 
 
Data_nolineal_4. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
7 
 
Algoritmo CFPSO 
Data_nolineal_1. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
8 
 
Data_nolineal_2. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
 
9 
 
Data_nolineal_3. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
10 
 
Data_nolineal_4. 
Coeficiente de regresión y mínimos 
 
Gráfica de regresión. 
 
11 
 
Conclusión. 
Esta actividad fue muy interesante ya que pude realizar una fusión de algoritmos de 
optimización con el método de regresión polinómica, pude ver una aplicación muy práctica 
de lo útil que resulta utilizar algoritmos de optimización para encontrar los valores iniciales 
del vector w utilizados para la regresión polinómica, para así encontrar el coeficiente de 
regresión, ya que de otra manera sería muy difícil dar con esos valores. 
En esta actividad pude constatar la eficacia del método de regresión polinómica, fue muy 
interesante ver como por medio del cálculo con polinomios de distintos grados nos fuimos 
aproximando a los datos, con eso pude constatar la importancia que tienen las gráficas 
para visualizar los datos de una mejor manera, ya que con la gráfica de convergencia 
vimos cómo fue disminuyendo el error y con la gráfica de la función de regresión se puede 
ver como inicia la curva lejos de los datos y como se aproxima después cerca de todos 
estos. 
 
Analizando el comportamiento de la gráfica de regresión pude ver que para el 
data_nolineal_1 era suficiente con un polinomio de grado dos para aproximarse a esa 
curva con término cuadrático, sin embargo, con los demás data_nolineal no era suficiente 
con un polinomio de dicho grado. Luego de varias pruebas decidí usar un polinomio de 
grado cuatro para todos los data_nolineal, de modo que le mandé cinco datos en el vector 
w, la curva se ajustó bastante bien a los datos en los tres primeros archivos de 
data_nolineal, sin embargo, en el data_nolineal_4 no se ajustaba de buena manera, así 
que decidí usar un polinomio de grado cinco, con lo que me dio un buen resultado para 
dicho archivo, pero solo en ese, para los demás se ajustó mejor el polinomio de grado 
cuatro. En cuanto a los algoritmos de optimización, los dos tipos que usé se comportaron 
bastante bien en la búsqueda de los valores para el vector w. Solo en algoritmo CFPSO 
hice algunos ajustes en los límites para que me diera mejores resultados. 
 
Como observación puedo decir que las herramientas que proporciona Matlab facilitan de 
gran manera la realización de algoritmos y cálculos con funciones, también es así para la 
realización de gráficas. 
 
En general me considero que esta actividad me dejo un saldo positivo en cuanto a 
conocimientos sobre el comportamiento y mejora de algoritmos, veo que se pueden 
realizar varios ajustes que mejoren nuestro algoritmo de acuerdo con las necesidades de 
nuestros cálculos.