Descarga la aplicación para disfrutar aún más
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.
Compartir