Universidad Autnoma de

Sinaloa
Facultad de Ingeniera Mochis
Materia:
Inteligencia Artificial
Maestra:
Roco Jacqueline Becerra Urqudez
Equipo #2:
Castro Haro Luis Fernando
Carrazco Flores Israel
Los Mochis, Sinaloa 6 de Mayo del 2015

Temas.-

Algoritmos
Genticos
&
IA & Educacin

Introduccin.- Antecedentes.El algoritmo gentico es una tcnica de busqueda basada en

la teora de la evolucin de Darwin, que ha cobrado tremenda
popularidad en todo el mundo durante los ultimos anos. Se
presentaran aqu los conceptos basicos que se requieren para
abordarla, as como unos sencillos ejemplos que permitan a
los lectores comprender cmo aplicarla al problema de su
eleccin.
En los ultimos anos, la comunidad cientfica internacional ha
mostrado un creciente inters en una nueva tcnica de
busqueda basada en la teora de la evolucin y que se conoce
como el algoritmo genetico. Esta tcnica se basa en los
mecanismos de seleccin que utiliza la naturaleza, de
acuerdo a los cuales los individuos mas aptos de una
poblacin son los que sobreviven, al adaptarse mas
facilmente a los cambios que se producen en su entorno.

Hoy en da se sabe que estos cambios se efectuan

en los genes de un individuo (unidad basica de
codificacin de cada uno de los atributos de un ser
vivo), y que sus atributos mas deseables (i.e., los
que le permiten adaptarse mejor a su entorno) se
transmiten a sus descendientes cuando ste se
reproduce sexualmente.
Una definicin bastante completa de un algoritmo
gentico es la propuesta por John Koza:

"Es un algoritmo matematico altamente

paralelo que transforma un conjunto de objetos
matematicos individuales con respecto al
tiempo usando operaciones modeladas de
acuerdo
al
principio
Darwiniano
de
reproduccin y supervivencia del mas apto, y
tras haberse presentado de forma natural una
serie de operaciones genticas de entre las
que destaca la recombinacin sexual. Cada uno
de estos objetos matematicos suele ser una
cadena de caracteres (letras o numeros) de
longitud fija que se ajusta al modelo de las
cadenas de cromosomas, y se les asocia con
una cierta funcin matematica que refleja su
aptitud. "

Definicin.Los Algoritmos Genticos (AGs) son mtodos adaptativos

que pueden usarse para resolver problemas de busqueda y
optimizacin. Estan basados en el proceso gentico de los
organismos vivos. A lo largo de las generaciones, las
poblaciones evolucionan en la naturaleza de acorde con los
principios de la seleccin natural y la supervivencia de los
mas fuertes, postulados por Darwin. Por imitacin de este
proceso, los Algoritmos Genticos son capaces de ir creando
soluciones para problemas del mundo real. La evolucin de
dichas soluciones hacia valores ptimos del problema
depende en buena medida de una adecuada codificacin de
las mismas.
Un algoritmo genetico consiste en una funcin
matematica o una rutina de software que toma como
entradas a los ejemplares y retorna como salidas cuales de
ellos deben generar descendencia para la nueva generacin.

Problematica.Los principios basicos de los Algoritmos

Genticos fueron establecidos por Holland, y se
encuentran bien descritos en varios textos .
Goldberg, Davis, Michalewicz, Reeves.
En la naturaleza los individuos de una poblacin
compiten entre s en la busqueda de recursos
tales como comida, agua y refugio. Incluso los
miembros de una misma especie compiten a
menudo en la busqueda de un companero.
Aquellos individuos que tienen mas xito en
sobrevivir y en atraer companeros tienen mayor
probabilidad de generar un gran numero de
descendientes.

Ventajas y Desventajas. No necesitan conocimientos especficos sobre el problema que

intentan resolver.
Operan de forma simultanea con varias soluciones, en vez de
trabajar de forma secuencial como las tcnicas tradicionales.
Cuando se usan para problemas de optimizacin maximizar una
funcin objetivo- resultan menos afectados por los maximos
locales (falsas soluciones) que las tcnicas tradicionales.
Resulta sumamente facil ejecutarlos en las modernas
arquitecturas masivamente paralelas.
Usan operadores probabilsticos, en vez de los tpicos operadores
determinsticos de las otras tcnicas.
Pueden tardar mucho en converger, o no converger en absoluto,
dependiendo en cierta medida de los parametros que se utilicen
tamano de la poblacin, numero de generaciones, etc.-.
Pueden converger prematuramente debido a una serie de
problemas de diversa ndole.

Limitaciones.El poder de los Algoritmos Genticos proviene del

hecho de que se trata de una tcnica robusta, y
pueden tratar con xito una gran variedad de
problemas
provenientes
de
diferentes
areas,
incluyendo aquellos en los que otros mtodos
encuentran dificultades. Si bien no se garantiza que el
Algoritmo Gentico encuentre la solucin ptima, del
problema, existe evidencia emprica de que se
encuentran soluciones de un nivel aceptable, en un
tiempo competitivo con el resto de algoritmos de
optimizacin combinatoria. En el caso de que existan
tcnicas especializadas para resolver un determinado
problema, lo mas probable es que superen al
Algoritmo Gentico, tanto en rapidez como en eficacia.

Como saber si es posible

usar un Algoritmo
Gentico.La aplicacin mas comun de los algoritmos
genticos ha sido la solucin de problemas de
optimizacin, en donde han mostrado ser muy
eficientes y confiables. Sin embargo, no todos los
problemas pudieran ser apropiados para la tcnica,
y se recomienda en general tomar en cuenta las
siguientes caractersticas del mismo antes de
intentar usarla:
Su espacio de busqueda (i.e., sus posibles
soluciones) debe estar delimitado dentro de un
cierto rango.
Debe poderse definir una funcin de aptitud que
nos indique qu tan buena o mala es una cierta
respuesta.
Las soluciones deben codificarse de una forma

Marco de desarrollo.El trmino Computacin Evolutiva se refiere al

estudio de los fundamentos y aplicaciones de
ciertas tcnicas heursticas de busqueda basadas
en los principios naturales de la evolucin. Una
gran variedad de algoritmos evolutivos han sido
propuestos pero principalmente pueden clasificarse
en: Algoritmos Genticos, Programacin Evolutiva,
Estrategias Evolutivas, Sistemas Clasificadores y
Programacin Gentica. Esta clasificacin se basa
sobre todo en detalles de desarrollo histrico mas
que en el hecho de un funcionamiento realmente
diferente, de hecho las bases biolgicas en las que
se apoyan son esencialmente las mismas. Las
diferencias entre ellos se centra en los operadores
que se usan en cada caso y en general en la forma

Algoritmos Geneticos y
Redes Neuronales
Una red neuronal es el intento de poder realizar una
simulacin computacional del comportamiento de partes del
cerebro humano mediante la rplica en pequena escala de los
patrones que ste desempena para la formacin de resultados
a partir de los sucesos percibidos. El cerebro consta de
unidades llamadas neuronas, las cuales estan conectadas
entre si formando una red (de ah la denominacin " red
neuronal ")
Concretamente, se trata de poder analizar y reproducir el
mecanismo de aprendizaje de sucesos que poseen los
animales mas evolucionados.
La red simula grupos de neuronas , llamados " capas " las
cuales estan relacionadas unas con otras. Los datos se
introducen en la primera capa , llamada "capa de entradas"
Cada capa transfiere la informacin a sus vecinas., teniendo un
peso o ponderacin para los valores , lo que va modificando los
mismos en su paso a travs de la red.

 Teora de Darwin
Seleccin natural
Computadoras que aprendan por si mismas
desarrollado por Holland en los 60s se le llamo
Planes reproductivos
Mtodos adaptivos
Supervivencia del mas fuerte
Un algoritmo genetico consiste en una funcin
matematica
En la naturaleza los individuos de una poblacin
compiten entre s en la busqueda de recursos
tales como comida, agua y refugio.
Si el Algoritmo Gentico ha sido bien disenado, la,
poblacin convergera hacia una solucin ptima
del problema.
Si bien no se garantiza que el Algoritmo Gentico
encuentre la solucin ptima

 El trmino Computacin Evolutiva se refiere al

estudio de los fundamentos y aplicaciones de
ciertas tcnicas heursticas de busqueda basadas
en los principios naturales de la evolucin.
Una gran variedad de algoritmos evolutivos han
sido propuestos pero principalmente pueden
clasificarse
en:
Algoritmos
Genticos,
Programacin Evolutiva, Estrategias Evolutivas,
Sistemas Clasificadores y Programacin Gentica.

Segundo Tema.Ano 6 Vol I

IA & Educacin
Juegos educativos
Los juegos educativos, o tambin llamados juegos serios,
estan disenados con el objeto de ayudar a los jugadores a
aprender sobre cierta materia, estrategias para resolucin
de problemas o habilidades cognitivas y sociales. Esto es,
en lu- gar de aprender mediante libros, clases o
programas basados en computadora, el estudiante
interactua con un videojuego que integra los temas de la
materia del juego con el juego mismo (Graesser, 2009).
Uno de los beneficios de los juegos serios es que permiten
a los estudiantes observar, explorar, recrear, manipular
variables y recibir retroalimentacin in- mediata acerca de
los objetos y eventos; ya que en una inter- accin real
estas actividades tomaran mucho tiempo, seran costosas
o peligrosas.

El diseno y desarrollo, as como las pruebas de

los jue- gos serios estan en evolucin por lo que
existen pocas fuentes empricas que hablen
sobre su impacto en las reacciones y en el
aprendizaje del jugador. De manera ideal, la
reaccin del estudiante hacia el juego
aumentara el deleite, el inters en el tema, y la
experiencia de flujo (Csikszentmihaly, 1960). El
flujo es un estado mental que se experimenta
cuando el estu- diante esta concentrado
profundamente, de tal manera que el tiempo y la
fatiga desaparecen. El compromiso y la concentracin en el juego facilitan el aprendizaje,
siempre y cuando la atencin se centre en los
temas de la materia y no en los componentes
externos del juego (Graesser, 2009).

A pesar de que aun existe poco

consenso en la investiga- cin y
desarrollo de los juegos serios, hay un
avance sustancial en trminos de
sntesis de los diferentes tipos de juegos
y en la investigacin de sus resultados
de aprendizaje. En (Connolly et al.,
2012) se presenta una investigacin
sobre el efecto de los juegos educativos
en el aprendizaje en donde se encontr
un impacto positivo en la adquisicin de
conocimientos, en la comprensin del
contenido y la motivacin.

Muchos juegos estan incrustados en una

historia narra- tiva con personajes, un
escenario, un conflicto, episodios de
accin de los jugadores y resultados. En
un juego basado en narrativa, la historia
se construye de forma interactiva entre
el jugador y el juego, y el jugador puede
experimentar cien- tos de historias de
juego y no solo una secuencia de
episodios. La narrativa tiene un papel
importante en el sistema cogni- tivo, ya
que se comprende mas rapido y se
recuerda mejor en comparacin con
otros gneros (Graesser y Ottati, 1995).

Crystal island: uncharted discovery es un ambiente

de aprendizaje basado en juegos para la ensenanza
de las cien- cias. Se trata de un ambiente de
aprendizaje de accin y aventura que integra
elementos de juegos de aventura (una historia
interesante, un gran elenco de personajes,
exploracin y la resolucin de problemas
situacionales) con elementos de juegos de accin
(presin de tiempo, obtencin de energa y
recoleccin de objetos).

La medicina es un area evidente para disenar y

probar los juegos serios, ya que se pueden construir
entornos de aprendi- zaje que no se podran lograr
en el mundo real. Triage Trainer es un ambiente
educativo que permite a los estudiantes ju- gar en
un escenario de un incidente mayor. Los
estudiantes practican y experimentan el proceso
triage en un escenario de entrenamiento donde una
bomba acaba de estallar en una

calle concurrida; la escena muestra

la destruccin y las victi- mas. Se
informa al estudiante, quien es la
primera persona en llegar al lugar,
que es seguro entrar en el
escenario, y se le so- licita
etiquetar a cada vctima con la
prioridad adecuada. El jugador
puede evaluar el estado de la
vctima haciendo clic en los iconos
y as llevar a cabo los controles
mdicos adecuados, ver Figura 2
(Knight et al., 2010).

Los
juegos
educativos
tienen
la
posibilidad de apoyar a los estudiantes y
a los educadores para ver e interactuar
con
las
representaciones
de
los
fenmenos y eventos y as facilitar el
desarrollo de sus explicaciones sobre
estos fenmenos. De acuerdo con
Graesser (2009), el principal reto de los
juegos educativos es encontrar la
manera de facilitar el aprendizaje
profundo. Los juegos serios es un area
de investigacin que promete un
impacto positivo en el aprendizaje de
temas di- fciles, ya que ste se
convierte en una experiencia agradable

Bibliografia. "Aplicaciones de la Computacin Evolutiva"

http://www.geocities.com/SiliconValley/7491/aplce_c.htm
"Evaluacin del comportamiento de los Algoritmos Genticos"
http://eddyalfaro.galeon.com/geneticos.html
35/37
6/5/2015
Algoritmos Genticos
http://www.geocities.com/SiliconValley/9802/3d5ca400.htm
"Introduccin a la vida artificial"
http://icgeocities.com/CapeCanaveral/8104/ivan.htm
"Construccin de bases de conocimiento con Computacin
Evolutiva"
http://www.fciencias.unam.mx/revista/soluciones/N17/Vlad1.html
"Introduccin a los algoritmos genticos"
http://www.fciencias.unam.mx/revista/soluciones/Coello2.html