Aprendizaje genético en sistemas basados en reglas para la evolución de estrategias y reacciones en entornos complejos

• Autores: María Araceli Sanchís de Miguel
• Directores de la Tesis: Francisco Javier Segovia Pérez (dir. tes.)
• Lectura: En la Universidad Politécnica de Madrid ( España ) en 1999
• Idioma: español
• Tribunal Calificador de la Tesis: Juan Pazos Dierra (presid.), Juan Ríos Carrión (secret.), Arturo Ribagorda Garnacho (voc.), Daniel Borrajo Millán (voc.), José Luis Morant Ramón (voc.)
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
• Texto completo no disponible (Saber más ...)
• Resumen

  • El objetivo central de este trabajo es el estudio y desarrollo de un sistema de aprendizaje genético basado en Sistemas Clasificadores SC que resuelva los dos problemas principales de los SC: el tiempo de respuesta y la generación de reglas uniformes, Este objetivo puede ser abordado desde dos perspectivas, por un lado la necesidad de encontrar un SC que pueda trabajar con limitaciones en el tiempo de respuesta y por otra parte la búsqueda de una solución a la pérdida de diversidad en las reglas. El primer problema se resuelve mediante el desarrollo de un SC, que se denomina Sistema Clasificador Reactivo (SCR), que pueda aprender en un entorno cambiante con restricciones temporales de respuesta. El segundo problema será resuelto mediante el Sistema Clasificador con Tags (SCT) donde se establece una división de las reglas en grupos de manera que se fuerza su permanencia en el sistema. Así, se pretende obtener una estructura de codificación que permita la evolución genética de estos grupos, de manera que el número y la relación de los mismos sea también aprendida en el proceso de evolución. Los dos SC propuestos han sido validados en entornos adecuados: navegación en robótica y juego de las damas.