SernaSerna_JoseLuis_Practica_4 - 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 4 
10/05/2021 
2 
 
Contenido 
Objetivo. ............................................................................................................................................. 2 
Resultados ......................................................................................................................................... 3 
PSO ................................................................................................................................................ 3 
IWAPSO ......................................................................................................................................... 9 
CFPSO ......................................................................................................................................... 15 
BBPSO ......................................................................................................................................... 21 
Diagramas de caja ..................................................................................................................... 27 
Datos estadísticos ...................................................................................................................... 28 
Conclusión ....................................................................................................................................... 29 
 
Objetivo. 
El objetivo de la presente practica es desarrollar un programa de cómputo que 
aplique tres versiones del algoritmo de Optimización por Enjambre de Partículas 
para obtener los mínimos globales de las siguientes funciones: 
• Sphere 
 
• Griewank 
 
• Rastrigin 
 
Al final mostrar los resultados, gráficas de resultados (función objetivo, valor 
mínimo encontrado), gráficas de convergencia, datos estadísticos y diagramas de 
caja. 
3 
 
Resultados 
PSO 
Función Sphere 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
4 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
 
 
5 
 
Función Griewank 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
6 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
7 
 
Función Rastrigin 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
8 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
9 
 
IWAPSO 
Función Sphere 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
10 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
11 
 
Función Griewank 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
12 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
13 
 
Función Rastrigin 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
14 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
15 
 
CFPSO 
Función Sphere 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
16 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
17 
 
Función Griewank 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
18 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
 
19 
 
Función Rastrigin 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
20 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
21 
 
BBPSO 
Función Sphere 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
22 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
 
23 
 
Función Griewank 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
24 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
25 
 
Función Rastrigin 
Mínimos globales 
 
Gráfica 3D 
 
 
 
 
 
 
26 
 
Gráfica 2D 
 
Gráfica de convergencia 
 
27 
 
Diagramas de caja 
 
 
 
 
28 
 
 
Datos estadísticos 
Función Algoritmo Media STD Mínimo Máximo 
Sphere PSO 5.39847E-26 2.0601E-25 1.233E-30 1.659E-24 
Sphere IWAPSO 5.83779E-47 4.8131E-46 5.1328E-
55 
5.695E-45 
Sphere CFPSO 3.70363E-22 2.06022E-21 1.3135E-
26 
2.185E-20 
Sphere BBPSO 2.83101E-08 3.06826E-07 2.583E-
120 
3.748E-06 
Griewank PSO 0.0029584 0.003635424 0 0.007396 
Griewank IWAPSO 0.003197138 0.003651846 0 0.007396 
Griewank CFPSO 0.003897741 0.003702574 0 0.007396 
Griewank BBPSO 0.005899127 0.00371441 0 0.019809 
Rastrigin PSO 0.099496 0.299487963 0 0.99496 
Rastrigin IWAPSO 0.0795968 0.270830158 0 0.99496 
Rastrigin CFPSO 0.072963733 0.260237933 0 0.99496 
Rastrigin BBPSO 1.29616E-06 1.00879E-05 0 0.0001084 
 
 
 
 
29 
 
Conclusión 
Esta actividad fue muy interesante ya que pude realizar la comparación del 
algoritmo de Optimización por Enjambre de Partículas con sus distintas 
variaciones, 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 o 
modificaciones al mismo algoritmo y ver como se adapta mejor a distintas 
necesidades, en particular cómo se comporta mejor con algunas funciones y con 
otras le cuesta un poco más de trabajo, puede variar el rendimiento y la exactitud 
en los resultados dependiendo de en qué función se esté trabajando, se puede 
jugar con distintos factores para encontrar la estrategia que mejor se adapte a la 
tarea que vamos a realizar. 
Analizando las estadísticas me doy cuenta de que con la función de Sphere todos 
los algoritmos tuvieron un excelente comportamiento, se puede notar tanto en los 
diagramas de caja, donde prácticamente no hay dispersión, así como también se 
nota en los resultados de los datos estadísticos, donde entre el máximo y el 
mínimo prácticamente no hay mucha variación. En la función de Rastrigin también 
hubo un buen comportamiento y buenos resultados, salvo por algunos resultados 
dispersos, con la que si me doy cuenta de que les costó más trabajo fue con la 
función de Griewank, donde si se ve mucha dispersión en los resultados. Eso es lo 
interesante de realizar análisis estadístico, se puede analizar cual algoritmo puede 
ser el mas conveniente de utilizar para nuestra determinada tarea. 
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.