SernaSerna_JoseLuis_Practica_3 - 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 
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.