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 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.
Compartir