Algoritmos Geneticos

3) Robótica

Los robots experimentales creados para estos efectos eran automatismos capaces de recibir información procedente del mundo exterior (sensores, cámaras de televisión, etc.), así como órdenes de un manipulador humano (expresadas en lenguaje natural). De este modo, el robo determinaba un plan y, de acuerdo con él, ejecutaba las órdenes recibidas mediante el empleo de un modelo del universo en el que se encontraba. Era incluso capaz de prever las consecuencias de sus acciones y evitar, así, aquéllas que más tarde pudieran resultarle inútiles o, en algún momento, perjudiciales.[13]

El principal problema con el que se enfrenta la inteligencia artificial aplicada a los robots es el de la visión. Mientras que la información recibida a través de censores se puede interpretar con relativa facilidad y entra a formar parte de la descripción del modelo de universo que emplea el robot para tomar decisiones, la percepción de las imágenes captadas y su interpretación correcta es una labor muy compleja. En cuanto a la interpretación de las imágenes captadas mediante cualquier sistema, se ha logrado ya el reconocimiento de formas preprogramadas o conocidas, lo que permite que ciertos robots lleven a cabo operaciones de reubicación de piezas o colocación en su posición correcta a partir de una posición arbitraria.[13]

Existen algunos algoritmos que pueden completar el recorrido de la gráfica, aunque algunos de los agentes de la matriz o la gráfica cambia durante la ejecución, siempre y cuando el gráfico permanece conectado. [12]

4) Procesamiento de Lenguaje Natural

El procesamiento del Lenguaje natural, en la IA trata sobre el análisis de los patrones del lenguaje e intentar crear algoritmos sobre los cuales el Computador entienda en palabras utilizadas en una conversación de alto nivel, abstrayendo datos y comprendiendo el mensaje, cabe recalcar que esto no solo se centra en el entendimiento de sonidos sino también textos. [15]

Existen técnicas de Recuperación de información, estos utilizan técnicas basadas en distribución de los términos del documento para estimar la relevancia con respecto a la consulta. Para esto inicialmente se necesita que el sistema emplee algoritmos que entiendan de cierta manera la consulta y la compare. Un grave problema al que se ve acompañado esta técnica es la gran variación del lenguaje, ya que el mismo concepto se puede operar y entender en varios circunstancias. [15]

5) Redes Neuronales

Las Redes Neuronales ratifícales son sistemas de procesamiento que copian esquemáticamente la estructura neuronal del cerebro para tratar de reproducir sus capacidades [17]

En consecuencia, son una clase de modelos no lineales flexibles que se caracterizan por ser sistemas paralelos, cuentan con una gran cantidad de procesadores elementales y cada uno de estos trabaja con una pequeña parte de un problema mayor. Estos procesos son muy adaptables de acuerdo al entorno. [16]

La característica más importante de estos sistemas es su capacidad de aprendizaje, donde el conocimiento se basa en un numero de muestras. Además las redes neuronales sugieren que poseen varias ventajas potenciales sobre los métodos estadísticos tradicionales. [16]

Algunas aplicaciones practicas que se han dado a las redes neuronales son los campos financieros ya que estos no se comportan de forma lineal.[16][1][18]

Las Redes neuronales también tienen aplicaciones es en la economía, primero para la clasificación de agentes económicos como las compañías para obtener una estimación de quiebra, capacidad acreedora de clientes bancarios. [16][18]

6) Algoritmos genéticos

"Los algoritmos genéticos son programas que evolucionan, simulando en cierto grado, la selección natural, alcanzan a resolver sistemas complejos, que ni siquiera quienes lo crearon pueden comprender plenamente" Jhon H. Holland [21]

Los algoritmos genéticos (AG) proporcionan un método de aprendizaje basado en la analogía con la evolución de las especies. Los AG generan un conjunto de hipótesis mediante la mutación y recombinación de parte del conjunto de hipótesis conocido. En cada paso el conjunto de hipótesis conocido como "población actual" se renueva remplazando una proporción de esta población por los sucesores de las hipótesis más "adecuadas". [14]

El comportamiento básico de un algoritmo genético es el siguiente: de forma iterativa va actualizando la población de hipótesis. En cada iteración, todos los miembros de la población son procesados por la función de evaluación, tras lo cual una nueva población es generada. La nueva generación estará compuesta por:

- Las mejores hipótesis de la población actual

(Seleccionadas probabilísticamente)

- Y el resto de hipótesis necesarias para mantener el número, que se consiguen mediante el cruce de individuos.

A partir de dos hipótesis padre (seleccionadas probabilisticamente a partir de la población actual) se generan dos hipótesis hijas recombinando sus partes siguiendo algún criterio establecido. [14][20]

Una vez llegados a este punto (con una nueva población con el mismo número de individuos), a un determinado porcentaje de la población se le aplica un operador de mutación. [14]

Una forma para la selección de individuos consiste en obtener una distribución de probabilidad asociada a cromosomas, habitualmente dividiendo la adaptación de uno en la suma de toda la población y en aprovechar dicha distribución a una ruleta, dando mas espacio en la misma a los individuos mas adaptados. [19][14]

Los investigadores mas pragmáticos creen que lo que hay que hacer con el uso de los algoritmos geneticos es no envidiar los métodos de la naturaleza de selección natural sino emular esos métodos para adaptarlos a las diferentes relaciones y acciones sociales existentes de esa manera entender el de mejor manera como la sociedad va evolucionando.[21][22]

Un problema muy real es que la selección natural elimina uno los problemas mas grandes de la programación de algoritmos al saber las necesidades naturales por adelantado lo que obstaculiza al realizar algoritmos del tipo genéticos. [23][14]

La ventaja usar algoritmos genéticos en el campo computacional es que pueden resolver mayores problemas que los algoritmos y programas tradicionales.[23][24]

En casi todos los organismos naturales la evolución se produce debido a dos procesos primarios: la selección natural y el proceso de reproducción. [25]

La primera

...