[OPTIMIZACION DE FUNCIONES]       7 de mayo de 2010



REPRESENTACIÓN REAL                                                                                   1


La tabla muestra las diferencias obtenidas entre las posiciones reales y las obtenidas en promedio,
también la diferencia entre los mínimos reales y obtenidos en promedio de las 10 corridas. El Error
mínimo es la diferencia entre el Mínimo real y la Media (segunda columna). El Error posición es la
diferencia de las posiciones reales y las obtenidas con el GA. La Distancia Euclidiana es la
diferencia exacta entre las posiciones y se obtiene aplicando la fórmula en las columnas de Error
posición. La fórmula aplicada la Distancia euclidiana es:                          .
Nota: Esta descripción es la misma para la tabla de representación binaria.

Parámetros del GA:
      Set population size: popsize=200;
      Set mutation rate: mutrate=0.2;
      Fraction of population kept: selection=0.5;




GRÁFICAS DE ERROR

Las gráficas representan los datos del comportamiento del mejor individuo para cada función en
sus 100 generaciones.




               Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010




                                                                               2




Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010




                                                                               3




Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010



REPRESENTACIÓN BINARIA                                                                           4

Parámetros del GA:

        Set population size: popsize=200;
        Set mutation rate: mutrate=0.15;
        Fraction of population kept: selection=0.5;
        Number of bits in each parameter: bits=32;




GRÁFICAS DE ERROR

Las gráficas representan los datos del comportamiento del mejor individuo para cada función en
sus 100 generaciones.




             Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010




                                                                               5




Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010




                                                                               6




Instituto Tecnológico de Tijuana | Computación Evolutiva
[OPTIMIZACION DE FUNCIONES]    7 de mayo de 2010



CONCLUSIONES                                                                                        7




Se utilizaron dos algoritmos hechos en Matlab del libro Practical Genetic Algorithms (Haupt &
Haupt) y se obtuvieron los resultados mostrados en las tablas.

Para las funciones 7 y 13, funciono mejor la representación con números reales, la distancia
euclidiana es menor, especialmente en la función 7, es mucho menor. En los casos de las funciones
4, 12 y 13 la representación binaria mostró mejores resultados, aunque la diferencia entre una y
otra representación no es considerable.

Un caso especial es de la función 9, el comportamiento en la grafica es muy diferente. En la
representación binaria tiene uniformidad, en la representación real los puntos se dispersan en el
área, no tengo idea de las razones de esos resultados en el fitness.

En ambos casos la población fue de 200 individuos y las diferencias en los resultados finales no
muestra en claro cuál puede ser mejor, sin embargo, de acuerdo a los datos puedo decir que la
representación binaria es relativamente mejor.

Los mínimos en ambas representaciones se acercaron bastante al real, por esto el error mínimo no
tiene una diferencia considerable.

En base a los datos puedo afirmar que es mejor utilizar representación binaria, arroja mejores
resultados si se requiere mayor exactitud en estos casos particulares de funciones.




           Instituto Tecnológico de Tijuana | Computación Evolutiva

Más contenido relacionado

PPS
LA OSTRA Y LA PERLA
PPTX
Mapa conceptual de sensibilidad
PPSX
Secreto
 
PPS
Martin lutherking
PPTX
Tic rene aynol
PPTX
Slideshare alba luz 7 1
PPS
Apasionate por las_cosas_que_tienes_y_que_amas
PPS
El ayuno
LA OSTRA Y LA PERLA
Mapa conceptual de sensibilidad
Secreto
 
Martin lutherking
Tic rene aynol
Slideshare alba luz 7 1
Apasionate por las_cosas_que_tienes_y_que_amas
El ayuno

Destacado (20)

PPS
Las caricias de la vida
PPS
Morir Por La Piel
 
PDF
INVITACIÓN DE GRADO
DOC
Material de consulta
PPTX
Test 2
PPSX
DMINGO 26 DEL TO. CICLO B. DIA 27 DE SEPTIEMBRE DEL 2015. PPS
PPTX
El enamoramiento
PPTX
Trabajo para examen!!.
PPT
PDF
Trabajo final apreciación cinematografica
DOC
Solucion caracterizacio n completo 2
PPTX
Presentacion diapositivas
PPS
Botiquin de emergencia
PPS
El esclavo
PPTX
Marita
DOCX
La Montaña 25 enero 2014 "Viva el Equipo de la Casa Templaria"
PPTX
Sequência didática sobre cópia
PPTX
Por que
PPTX
Sequência didática sobre cópia
XLSX
ejercicio 1 exel
Las caricias de la vida
Morir Por La Piel
 
INVITACIÓN DE GRADO
Material de consulta
Test 2
DMINGO 26 DEL TO. CICLO B. DIA 27 DE SEPTIEMBRE DEL 2015. PPS
El enamoramiento
Trabajo para examen!!.
Trabajo final apreciación cinematografica
Solucion caracterizacio n completo 2
Presentacion diapositivas
Botiquin de emergencia
El esclavo
Marita
La Montaña 25 enero 2014 "Viva el Equipo de la Casa Templaria"
Sequência didática sobre cópia
Por que
Sequência didática sobre cópia
ejercicio 1 exel
Publicidad

Similar a Reporte opt funciones Real y Binario (20)

PDF
Reporte comparacion de metodos
PDF
Paper 91
DOCX
Reporte comparacion de metodos
PDF
Aligia algoritmos geneticos
PDF
Optimizacion de funciones popov
PDF
Comparación todos los_metodos
DOC
Implementacion Genetico AEB
PDF
Comportamiento ga binario
PDF
A Geneticos
PDF
Algoritmos Genéticos
PPT
Presentacion Algortimos Geneticos
PPT
REGRESION SIMBOLICA Y PROGRAMACIÓN GENETICA FUNDACIÓN UNIVERSITARIA KONRAD L...
PDF
Proyecto gpm
PDF
Memoria_Con_Memoria
PDF
Computación evolutiva
PPTX
Algoritmos genéticos con matlab
PPT
Presentacion Proyecto
PDF
Introduccion a los algoritmos geneticos
PPTX
Trabajo algoritmo genetico uba
Reporte comparacion de metodos
Paper 91
Reporte comparacion de metodos
Aligia algoritmos geneticos
Optimizacion de funciones popov
Comparación todos los_metodos
Implementacion Genetico AEB
Comportamiento ga binario
A Geneticos
Algoritmos Genéticos
Presentacion Algortimos Geneticos
REGRESION SIMBOLICA Y PROGRAMACIÓN GENETICA FUNDACIÓN UNIVERSITARIA KONRAD L...
Proyecto gpm
Memoria_Con_Memoria
Computación evolutiva
Algoritmos genéticos con matlab
Presentacion Proyecto
Introduccion a los algoritmos geneticos
Trabajo algoritmo genetico uba
Publicidad

Reporte opt funciones Real y Binario

  • 1. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 REPRESENTACIÓN REAL 1 La tabla muestra las diferencias obtenidas entre las posiciones reales y las obtenidas en promedio, también la diferencia entre los mínimos reales y obtenidos en promedio de las 10 corridas. El Error mínimo es la diferencia entre el Mínimo real y la Media (segunda columna). El Error posición es la diferencia de las posiciones reales y las obtenidas con el GA. La Distancia Euclidiana es la diferencia exacta entre las posiciones y se obtiene aplicando la fórmula en las columnas de Error posición. La fórmula aplicada la Distancia euclidiana es: . Nota: Esta descripción es la misma para la tabla de representación binaria. Parámetros del GA:  Set population size: popsize=200;  Set mutation rate: mutrate=0.2;  Fraction of population kept: selection=0.5; GRÁFICAS DE ERROR Las gráficas representan los datos del comportamiento del mejor individuo para cada función en sus 100 generaciones. Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 2. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 2 Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 3. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 3 Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 4. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 REPRESENTACIÓN BINARIA 4 Parámetros del GA:  Set population size: popsize=200;  Set mutation rate: mutrate=0.15;  Fraction of population kept: selection=0.5;  Number of bits in each parameter: bits=32; GRÁFICAS DE ERROR Las gráficas representan los datos del comportamiento del mejor individuo para cada función en sus 100 generaciones. Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 5. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 5 Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 6. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 6 Instituto Tecnológico de Tijuana | Computación Evolutiva
  • 7. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010 CONCLUSIONES 7 Se utilizaron dos algoritmos hechos en Matlab del libro Practical Genetic Algorithms (Haupt & Haupt) y se obtuvieron los resultados mostrados en las tablas. Para las funciones 7 y 13, funciono mejor la representación con números reales, la distancia euclidiana es menor, especialmente en la función 7, es mucho menor. En los casos de las funciones 4, 12 y 13 la representación binaria mostró mejores resultados, aunque la diferencia entre una y otra representación no es considerable. Un caso especial es de la función 9, el comportamiento en la grafica es muy diferente. En la representación binaria tiene uniformidad, en la representación real los puntos se dispersan en el área, no tengo idea de las razones de esos resultados en el fitness. En ambos casos la población fue de 200 individuos y las diferencias en los resultados finales no muestra en claro cuál puede ser mejor, sin embargo, de acuerdo a los datos puedo decir que la representación binaria es relativamente mejor. Los mínimos en ambas representaciones se acercaron bastante al real, por esto el error mínimo no tiene una diferencia considerable. En base a los datos puedo afirmar que es mejor utilizar representación binaria, arroja mejores resultados si se requiere mayor exactitud en estos casos particulares de funciones. Instituto Tecnológico de Tijuana | Computación Evolutiva