TAREA 1

INTRODUCCION

En el presente informe se expresa un resumen del artculo Intelligent Control: An Overview of Techniquesde Kevin M. Passino, con las ideas generales de cada uno de los tems que se proponen en dicho artculo, el cual habla sobres las tcnicas de control usadas, su definicin, ecuaciones usadas e ideas de cmo comprender cada tcnicas de control en este caso los algoritmos genticos, planeacin y control autnomo e inteligente.

Objetivos de aprendizaje: Comprender el mtodo de algoritmo gentico. analizar las ideas planteadas por el texto para as entender su funcionamiento. entender que es un operador gentico comprender los sistemas de planificacin.. entender los problemas que se presentan en la planificacin el control. Entender en qu consiste el control autnomo.

Anlisis y reflexin: Algoritmo gentico El algoritmo gentico se basa en la teora de la evolucin de Darwin y la y gentica de mendel Bsicamente se basa en problemas de optimizacin con la idea de cul es el ms fuerte para sobrevivir y con esta lgica buscar el algoritmo mas optimo para un debido proceso, para ello toma a la poblacin como cromosomas, pero los cromosomas no representan solamente poblacin, no solamente sern vectores pueden codificar estructuras o caractersticas simblicas. Para los algoritmos genticos se utiliza la siguiente ecuacin

j (k) donde k es el nico parmetro en el tiempo j el cromosoma, la poblacin debe ser suficiente mente grande para la exploracin y optimizacin aunque no tan grande ya que

tendra muchos gastos de recurso para realizar esta operaciones. La evolucin de este algoritmo ocurre cuando se cambia de poblacin o generacin en el tiempo K.

Operadores genticos Se pretende buscar un individuo en cual sea optimo para la operacin a realizar, en esta parte se pretende aparear varias poblaciones para as reproducir cras, esta parte se llama crossover en la cual se combinan los cromosomas con el fin de buscar el ms idneo o fuerte, esto se hace con un fin en comn una bsqueda localizada la cual se busca el individuo mas apto. Luego tenemos la mutacin que es una bsqueda aleatoria con el fin de encontrar un mximo global un no un mximo local y as llegar a una prxima generacin. Problemas de diseo Hay algunos problemas al utilizar algoritmos genticos al resolver problemas de optimizacin en primer lugar identificar el problema de optimizacin completamente y tener una idea de una solucin optima. En segundo lugar unas representacin detallada detallada para lograr una exactitud en la solucin, en tercer lugar escoger el operador gentico adecuado para que no afecte significativamente la convergencia, en cuarto lugar por mtodos del gradiente en su optimizacin debemos escoger un buen mtodo, por ultimo es difcil garantizar la optimizacin debido a la existencia de mximos locales adems es difcil elegir una solucin de muchas que se logran obtener. La principal ventaja de los algoritmos genticos es ofrecer una bsqueda estocstica basada en la evolucin que puede ser til en la bsqueda de soluciones de optimizacin complejos.

Expertos y Sistemas de Planificacin En esta parte los sistemas de control experto son similares al control difuso y las operaciones de planificacin general a menudo caen fuera de problemas de control tradicional.

Control experto En esta parte podemos observar un sistema de control experto para un sistema dinmico. Utiliza la informacin contenida en la base de conocimientos y el mecanismo de interferencia para llegar a una decisin de comando que llevara la entrada de la planta. Este

est relacionado con el control difuso pero se diferencia la base de conocimientos en el regulador puede ser una base de reglas pero pude tambin ser estructuras de representacin del conocimiento, como redes semnticas u otras. Puede utilizar estrategias de inferencia ms elaboradas como "refraccin", "inmediatez" y varios otros esquemas de prioridad.

Sistemas de planificacin para el Control Podemos ver que hay varios mtodos de planificacin como por ejemplo la generacin de planes en el cual se proyecta hacia una situacin futura un numero finito de pasos y utilizar un modelo del dominio del problema, tratando de determinar un conjunto de planes, por ejemplo monitorear los recursos y rendimiento si los planes fracasen de nuevo hay que realizar otro conjunto de planes. En algunos sistemas de planificacin utilizan la evaluacin de la situacin para estimar el estado del problema en otros casos se realiza un modelado de mundo donde se desarrolla un modelo del problema en lnea. Tambin el planificador de diseo utiliza informacin del modelador del mundo para afinar el planificador

Control inteligente y autnomo Los sistemas autnomos tienen una capacidad de forma independiente para realizar tareas complejas, los consumidores y demandantes obligan a ingenieros a realizar funciones realizadas por humanos en maquinas como los vehculos inteligentes los cuales controlan el frenado, direccin, aceleracin, etc (un piloto).en conclusin muchas tareas de los seres humanos estn siendo remplazadas por robots y sistemas de automatizacin en si tareas complejas. Desde tiempos pasados las aplicaciones de hoy en da comenzaron con un bajo nivel de automatizacin que fue desarrollando en distintos mbitos de la vida cotidiana o procesos industriales. Lo que se trata es que se tienda a incrementar o aadir inteligencia sea mayores niveles de autonoma, lo que tratan los ingenieros es ver como los humanos solucionan problemas y as intentar aumentar los niveles de automatizacin. En la figura se observa en la figura donde se muestra un controlador autnomo y un interfaz para seres humanos como conductor, piloto etc. Y dems sistemas de deteccin. En el nivel

de ejecucin se tiene algoritmos de procesamiento y control de bajo nivel de seales numricas como direccin de fallos, programacin y dems. El nivel de gerencia presenta una supervisin de las funciones de nivel inferior para la interfaz humana y de otros sistemas, el nivel de gerencia interacta con los usuarios en el momento de control remoto y capacidades del sistema, el nivel de gerencia supervisa sistemas, planes de actividades en el nivel alto y realiza aprendizaje.

CONCLUCIONES Un algoritmo gentico nos permite optimizar procesos y llegar a una buena solucin a partir de las generaciones que genera el algoritmo y as escoger una muy optima para nuestro objetivo en general. Existen varios problemas en el momento de escoger la solucin de las muchas que nos presenta el algoritmo gentico por lo que hay que ser claro en el momento de proponer el problema y escoger su solucin. Entre ms concreta sea la idea de optimizacin e idea para la solucin as mismo facilita el algoritmo gentico. El algoritmo gentico pude consumir muchos recursos si no se es concreto con el planteamiento el mismo. en el control inteligente encontramos que muchas de las tareas humanas son remplazadas por maquinas que realizan el proceso de control muy avanzado. Las exigencias de los humanos a los ingenieros son altas pidiendo que se remplacen tareas humanas complejas como pilotos.

BIBLIOGRAFIA Intelligent Control: An Overview of Techniques - Kevin M. Passino