Professional Documents
Culture Documents
1. INTRODUCCION
2. OBJETIVO DE LA INVESTIGACIN
Evaluar los conceptos y lgica del Enfriamiento Simulado, para comprender las
aplicaciones de este algoritmo dentro de la tecnologa y la resolucin de problemas.
3. DESARROLLO
CONCEPTOS
3.1.
GENERALES
DEL
ENFRIEMIENTO
SIMULADO
Para lograr desarrollar el tema con xito ser necesario el empleo de algunos
conceptos de la inteligencia artificial por lo cual se dar una descripcin de los ms
empleados.
Los algoritmos SAN son algoritmos iterativos, que parten de una solucin inicial x0, y
en cada iteracin se salta de una solucin al problema a otra. Dada una solucin
actual x, se elige aleatoriamente una solucin vecina v. Si el coste de la solucin
vecina mejora el coste de la solucin actual (c(v) < c(x)), se adopta la nueva solucin
vecina como solucin actual. En caso contrario, todava es posible aceptar la nueva
solucin vecina (aunque sea de coste peor), y esto se hace con una probabilidad P
dada por:
Donde T es una variable global del sistema llamada temperatura del sistema,
cumplindose que: Cuando la temperatura es un valor alto, la probabilidad P de
aceptar una solucin que empeore la actual es alta. Por ejemplo, si T es p.e. 100
veces la cantidad c(v) c(x) en que se empeora el coste, entonces la probabilidad es
P 0,99. 1 Cuando la temperatura es un valor bajo, la probabilidad de aceptar una
solucin que empeore la solucin actual es muy pequea. Por ejemplo, si T es p.e.
10 veces inferior a c(v)c(x), entonces la probabilidad de aceptar la solucin es P
0,000045
En cada iteracin, el mtodo de recocido simulado evala algunos vecinos del estado
actual s y probabilsticamente decide entre efectuar una transicin a un nuevo
estado s' o quedarse en el estado s. En el ejemplo de recocido de metales descrito
arriba, el estado s se podra definir en funcin de la posicin de todos los tomos del
El vecindario de un estado s est compuesto por todos los estados a los que se
pueda llegar a partir de s mediante un cambio en la conformacin del sistema. Los
estados vecinos son generados mediante mtodos de Montecarlo.
El mtodo de evaluacin de estados vecinos es fundamental para encontrar una
solucin ptima global al problema dado. Los algoritmos heursticos, basados en
buscar siempre un estado vecino mejor (con energa ms baja) que el actual se
detienen en el momento que encuentran un mnimo local de energa. El problema
con este mtodo es que no puede asegurar que la solucin encontrada sea un
ptimo global, pues el espacio de bsqueda explorado no abarca todas las posibles
variaciones del sistema.
3.1.6. HEURISTICA
quedar por fuera de la heurstica. De esta forma podemos relacionar la heurstica con
la tarea de resolver problemas inteligentemente utilizando la informacin disponible
(Suarez, 2011)
4. CONCLUSIONES Y RECOMENDACIONES
BIBLIOGRAFIA
Andaluz, A. M. (2001). Algoritmos evolutivos y algoritmos geneticos. Madrid:
Universidad Carlos III de Madrid.
Araujo Hernandez, A., Mendez, A., & Moreno, T. (2013). Inteligencia de enjambre:
colonias de abejas artificiales. Merida, Venezuela: Universidad de los Andes.
Avadi, J. (2014). Cibernetica e inteligencia artificial. Universidad de Guayaquil.
Cardenas Montes, M., & Gomez Iglesias, A. (15 - 19 de Octubre de 2011). Centro de
Investigaciones Energeticas Medioambientales y Tecnologicas . Recuperado
el
07
de
02
de
2016,
de
CIEMAT:
http://wwwae.ciemat.es/~cardenas/docs/curso_AE/Hormigas_Abejas.pdf
Garca Nieto, J. M. (2007). Algoritmos Basados en Inteligencia Colectiva. Malaga:
Universidad de Malaga.
Melian, B., & Perez, J. (2003). Metaheuristica: una vision global. Revista
Iberoamericana de inteligencia artificial.
Mezura, E., Otina, O., & Hernandez, B. (2010). Nuevas heuristicas inspiradas en la
naturaleza para optimizacion numerica. Mecatronica, 249-272.
Muoz, M. A., Lopez, J. L., & Eduardo, C. (2008). Inteligencia de enjambres:
sociedades para la solucin de problemas. Ingenieria e investigacin, 119-130.
Ozcan, E., & Mohan, C. K. (1999). Particle swarm optimization. Memorias del IEEE
Congress on Evolutionary Computation.
Saquicela, V. G. (2012). Introduccin a la inteligencia artificial. Universidad de
Cuenca, facultad de ingenieria.
Suarez, O. d. (2011). Una aproximacion a la heuristica y metaheuristica. Universidad
Antonio Nario.
10