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 Maestro: José de Jesús Hernández Barragán Alumno: José Luis Serna Serna Código: 218292327 Práctica 3 01/05/2021 2 Contenido Objetivo. .................................................................................................................. 2 Resultados .............................................................................................................. 3 Estrategia evolutiva (1+1)-ES .............................................................................. 3 Estrategia evolutiva (μ +1)-ES ............................................................................. 7 Estrategia evolutiva (μ+λ)-ES............................................................................. 11 Estrategia evolutiva (μ,λ)-ES .............................................................................. 15 Diagramas de caja ............................................................................................. 19 Datos estadísticos .............................................................................................. 20 Conclusión............................................................................................................. 20 Objetivo. El objetivo de la presente practica es desarrollar un programa de cómputo que encuentre los mínimos globales de las siguientes funciones utilizando el método de estrategias evolutivas (1+1)-ES, (μ+1)-ES, (μ+λ)-ES, (μ,λ)-ES. 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 Estrategia evolutiva (1+1)-ES Función 1 Mínimos globales Gráfica 3D 4 Gráfica 2D Gráfica de convergencia 5 Función 2 Mínimos globales Gráfica 3D 6 Gráfica 2D Gráfica de convergencia 7 Estrategia evolutiva (μ +1)-ES Función 1 Mínimos globales Gráfica 3D 8 Gráfica 2D Gráfica de convergencia 9 Función 2 Mínimos globales Gráfica 3D 10 Gráfica 2D Gráfica de convergencia 11 Estrategia evolutiva (μ+λ)-ES Función 1 Mínimos globales Gráfica 3D 12 Gráfica 2D Gráfica de convergencia 13 Función 2 Mínimos globales Gráfica 3D 14 Gráfica 2D Gráfica de convergencia 15 Estrategia evolutiva (μ,λ)-ES Función 1 Mínimos globales Gráfica 3D 16 Gráfica 2D Gráfica de convergencia 17 Función 2 Mínimos globales Gráfica 3D 18 Gráfica 2D Gráfica de convergencia 19 Diagramas de caja 20 Datos estadísticos Funcion Algoritmo Media STD Minimo Maximo 1 1+1 -0.28031835 0.203953691 -0.42888 0 1 miu+1 -0.4285767 0.000361443 -0.42888 -0.42712 1 miu+lambda -0.42887325 1.0367E-05 -0.42888 -0.42881 1 miu,lambda -0.4232013 0.03029132 -0.42888 0 2 1+1 0.001891565 0.001738715 4.349E- 06 0.0093714 2 miu+1 0.000567469 0.000770926 6.747E- 07 0.0061077 2 miu+lambda 1.71369E-05 1.95026E-05 1.333E- 08 0.00014688 2 miu,lambda 0.005984686 0.006952262 9.409E- 06 0.049842 Conclusión Esta actividad fue muy interesante ya que pude realizar la comparación de las estrategias evolutivas (1+1)-ES, (μ+1)-ES, (μ+λ)-ES, (μ,λ)-ES, las cuales no tienen tanta complejidad para programarlas a comparación de los algoritmos vistos previamente y que a su vez arrojan unos resultados muy buenos. Fue muy interesante ver como se pueden hacer distintas variaciones a los valores de varianza para darme cuenta de que puede variar el rendimiento y la exactitud en los resultados dependiendo de en qué función se esté trabajando, se puede jugar con esos distintos factores para encontrar la estrategia que mejor se adapte a la tarea que vamos a realizar. Como, por ejemplo, en la función 1, el comportamiento de todas las estrategias fue bastante bueno, se puede dar uno cuenta en los diagramas de caja, ya que no hay mucha dispersión de los datos, también en los datos estadísticos los máximos y mínimos no varían mucho, excepto por un numero disperso en un resultado de la primera estrategia. El comportamiento de la gráfica de convergencia también fue muy bueno y nos ayuda a darnos cuenta de que hubo un buen desempeño en general. En conclusión, creo que la estrategia (μ+λ)-ES fue la que tuvo los mejores resultados. En general me considero que esta actividad me dejo un saldo positivo en cuento a conocimientos sobre el comportamiento y mejora de algoritmos y análisis estadístico, 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