Tesis:
Aprendizaje genético en sistemas basados en reglas para la evolución de estrategias y reacciones en entornos complejos
- Autor: SANCHIS DE MIGUEL, María Araceli
- Título: Aprendizaje genético en sistemas basados en reglas para la evolución de estrategias y reacciones en entornos complejos
- Fecha: 1998
- Materia: Sin materia definida
- Escuela: FACULTAD DE INFORMATICA
- Departamentos: INTELIGENCIA ARTIFICIAL
- Acceso electrónico:
- Director/a 1º: SEGOVIA PEREZ, Francisco Javier
- Director/a 2º: ISASI VIÑUELA, Pedro
- Resumen: El objetivo central de este trabajo es el estudio y desarrollo de un sistema de aprendizaje genético en el que la solución del problema se encuentre definida por un conjunto de reglas, siendo cada regla una parte de la solución. Estos problemas pueden ser abordades mediante Sistemas Clasificadores,SC, ahora bien la aproximación de los SC ofrece dos claros problemas: el tiempo de respuesta y la generación de reglas uniformes. Estos dos problemas son especialmente graves en dos áreas de trabajo, la robótica y la teoría de juegos, donde los sistemas de reglas se aplican con relativa eficacia y que han sido áreas donde, tradicionalmente, se han aplicado sistemas de aprendizaje. Siendo éste el objetivo central del trabajo, puede ser abordado desde dos perspectivas, por un lado la necesidad de encontrar un SC que puedan trabajar con limitaciones en el tiempo de respuesta y por otra parte la búqueda de una solución a la pérdida de diversidad en las reglas. Respecto a la necesidad de que un sistema de aprendizaje proporcione una rápida respuesta, es evidente un requisito común a cualquier sistema de aprendizaje que trabaje con una limitación temporal. Como ejemplo de sistemas de aprendizaje que presentan este tipo de limitaciones se encuentran en la literatura multitud de sistemas que pretenden el aprendizaje de comportamientos reactivos en robots. En este tipo de sistemas, un comportamiento reactivo se entiende como la respuesta automática, sin necesidad de desencadenar un proceso de razonamiento elaborado, entre la salida y la entrada recibida. Es decir, la salida del sistema depende únicamente de la última entrada al sistema sin ningún otro tipo de información almacenada en la memoria del sistema. Este primer objetivo dentro de este trabajo se centrará en desarrollo de un SC que se denomina Sistema Clasificador Reactivo (SCR), que pueda aprender en un entorno cambiante con restricciones temporales de respuesta. El sistema a desarrollar contendrá un conjunto de mecanismos que permitirán la incorporación de nueva información del entorno en el proceso de encadenamiento de reglas y la ruptura de dicho encadenamiento cuando esto sea necesario para proporcionar salidas totalmente reactivas. El segundo de los grandes problemas relacionados con los SC, que se aborda como segundo objetivo de este trabajo, es el de la pérdida de reglas. Esta pérdida se produce por aplicación del Algoritmo Genético sobre todo la población de reglas de manera conjunta. Este problema se hace especialmente grave cuando existen en el SC tipos de reglas muy diferenciados. La idea propuesta es establecer una división de reglas en grupos de manera que se fuerce su permanencia en el sistema. Así se pretende obtener una estructura de codificación que permita la evolución génetica de estos grupos, de manera que el número y la relación de los mismos sea también aprendida en el proceso de evolución. Para ello se introducirán en la parte de condición y de mensaje de las reglas codificadas, una zona que permita la definición de grupos de reglas, esta zona recibirá el nombre de "Tags Internos"