Guía para el segundo examen

Inteligencia Artificial

1. Planteamiento de un problema y de su solución utilizando uno de los métodos de optimización

estocásticos vistos en clase.

En este punto debe desarrollarse dos cosas:

Primero, un planteamiento del problema que debe contener una descripción contextualizada de
la problemática encontrada que se considera se puede resolver con uno de los métodos de
optimización estocástico vistos en clase. Luego de la descripción contextualizada debe terminar
con una pregunta o interrogación que se respondería luego de plantearse una solución e
implementarla.

Segundo, el diseño de la solución empleando una de las técnicas vistas en clase. Este diseño debe
incluir los tres elementos que siempre se han resaltado en clase: esquema de representación,
función objetivo, y estrategia(s) para generar nuevas posibles soluciones.

Nota. Tenga en cuenta que solo se piden planteamientos, no implementaciones.

2. Ajuste de parámetros y evaluación del desempeño de los algoritmos vistos en clase aplicados a
algún problema.

Ejemplo: aplique los métodos de enfriamiento simulado y colonias de hormigas al problema del
viajero, utilizando el archivo de 144 ciudades que se encuentra en este link:

https://github.com/ppoffice/ant-colony-tsp/blob/master/data/chn144.txt

2.1. Ajuste los parámetros de los algoritmos, variando cada valor entre un rango dado:

Enfriamiento simulado Valores Presentación de resultados

Temperatura inicial 9 – 12 Gráfica: eje x temperatura, eje y
distancia total de la solución
encontrada
Número máximo de (1000 – 5000) con incrementos de Tabla en la que se indique si alcanza
iteraciones 1000, es decir, (1000, 2000, 3000, a llegar a ese número de iteraciones
…,5000) y la distancia total de la solución
encontrada
Tasa de enfriamiento 0.75, 0. 85, 0.95 Una tabla en la que se muestre la
distancia total de la solución
encontrada por cada valor de la tasa
 Algoritmos Genéticos
Tamaño de la población
Número de generaciones
Tasa de cruzamiento
Tasa de mutación
Valores Presentación de los resultados
200, 300, 400, 500 Gráfica: eje x tamaño de la
solución, eje y distancia total de la
solución encontrada
1000, 2000, 3000 Gráfica: eje x número de
generaciones, eje y distancia total
de la solución encontrada
0.3, 0.45, 0.6 Una tabla en la que se muestre la
distancia total de la solución
encontrada por cada valor de la
tasa
0.025, 0.05, 0.1 Una tabla en la que se muestre la
distancia total de la solución
encontrada por cada valor de la
tasa

De todos los experimentos realizados escoja la combinación de parámetros que mejor desempeño generó
en termino de optimalidad, y tiempo. Construya una tabla donde comparé el desempeño de los dos
métodos, en los términos mencionados.

Método Distancia total de la solución Tiempo que se tardo el

encontrada algoritmo en encontrar la
solución
Algoritmo genético
Enfriamiento simulado