SernaSerna_JoseLuis_Practica_1 - 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 
Maestra: José de Jesús Hernández Barragán 
Alumno: José Luis Serna Serna 
Código: 218292327 
Práctica 1 
19/03/2021 
2 
 
Contenido 
Objetivo. ............................................................................................................................ 2 
Resultados: ........................................................................................................................ 3 
Random Search ............................................................................................................. 3 
Función 1. ................................................................................................................... 3 
Función 2. ................................................................................................................... 5 
Hill Climbing Random Mutation. ..................................................................................... 7 
Función 1. ................................................................................................................... 7 
Función 2. ................................................................................................................... 9 
Hill Climbing Adaptive................................................................................................... 11 
Función 1. ................................................................................................................. 11 
Función 2. ................................................................................................................. 13 
Diagrama de caja de la función 1. ................................................................................ 15 
Diagrama de caja de la función 2. ................................................................................ 15 
Datos estadísticos. ....................................................................................................... 16 
Conclusión. ...................................................................................................................... 16 
 
 
Objetivo. 
El objetivo de la presente practica es desarrollar un programa de cómputo que encuentre 
los mínimos globales de las siguientes funciones implementando los algoritmos de 
Búsqueda Aleatoria, Hill Climbing con Mutación Aleatoria y Hill Climbing Adaptativo. 
Función 1: 𝑓(𝑥, 𝑦) = 𝑥 𝑒−𝑥
2−𝑦2 , 𝑥, 𝑦 ∈ [−2, 2] 
Función 2: 𝑓(𝑥) = ∑ (𝑥𝑖 − 2)
2, 𝑑 = 2𝑑𝑖=1 = 
Al final mostrar los resultados, gráficas de resultados (función objetivo, 
valor mínimo encontrado), gráficas de convergencia, datos estadísticos 
y diagramas de caja. 
 
 
 
 
3 
 
Resultados: 
Random Search 
Función 1. 
Mínimos globales. 
 
Gráfica 2D. 
 
 
 
4 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
 
5 
 
Función 2. 
Mínimos globales. 
 
Gráfica en 2D. 
 
 
 
 
 
 
 
 
6 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
 
7 
 
Hill Climbing Random Mutation. 
Función 1. 
Mínimos globales. 
 
Gráfica 2D. 
 
 
 
 
 
8 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
 
9 
 
Función 2. 
Mínimos globales. 
 
Gráfica 2D. 
 
 
 
 
 
 
10 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
11 
 
Hill Climbing Adaptive. 
Función 1. 
Mínimos globales. 
 
Gráfica 2D. 
 
 
 
 
 
12 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
13 
 
Función 2. 
Mínimos globales. 
 
Gráfica 2D. 
 
 
 
 
 
 
14 
 
Gráfica 3D. 
 
Gráfica de convergencia. 
 
 
 
15 
 
Diagrama de caja de la función 1. 
 
Diagrama de caja de la función 2. 
 
16 
 
Datos estadísticos. 
Función Algoritmo Media STD Mínimo Máximo 
1 RS -0.42245587 0.006028265 -0.42887 -0.39275 
1 HCRM -0.42872806 0.000242971 -0.42888 -0.42607 
1 HCA -0.42077476 0.013855695 -0.42888 -0.28128 
2 RS 0.0402991 0.041943092 6.715E-
05 
0.30038 
2 HCRM 0.001010148 0.001575093 2.512E-
07 
0.014873 
2 HCA 0.082582408 0.1622868 8.672E-
06 
2.0406 
 
Conclusión. 
Esta actividad fue muy interesante ya que pude realizar la comparación de tres algoritmos 
que me ayudaron a buscar los mínimos en dos funciones distintas, es interesante ver 
como se puede llegar a los resultados por medio de distintos caminos. 
Desde mi punto de vista me pareció que el método de Hill Climbing de Mutación Aleatoria 
tuvo un buen desempeño en encontrar los mínimos, puedo darme cuenta desde que tuvo 
resultados mas parecidos a los esperados, en la gráfica de convergencia se puede ver 
que su comportamiento fue rápido hacia los mínimos, además entre el máximo y el 
mínimo no hay tanta diferencia y en el diagrama de caja no hay tanto sesgo hacia arriba ni 
hacia abajo. 
En esta práctica pude darme cuenta de la importancia de observar con atención, aparte 
de los resultados, el comportamiento de las gráficas y de los datos estadísticos, estos nos 
ayudan a analizar de manera más profunda el comportamiento que está teniendo nuestro 
algoritmo, y a partir de ello elegir el que sea más conveniente para la determinada tarea 
en la que deseamos utilizarlo. 
En general me considero que esta actividad me dejo un saldo positivo en cuento a 
conocimientos, además de la teoría de los algoritmos, en la utilización de las herramientas 
y funciones que ofrece Matlab, sin duda será de gran ayuda lo aprendido en esta práctica 
para la realización de prácticas posteriores.