Palabras clave
bioinspired
living beings
neighborhood search
conglomerado geográfico
bioinspirado
seres vivos
búsqueda por vecindades
Cómo citar
Resumen
Una de las principales fuentes de inspiración para proponer nuevos paradigmas computacionales ha sido la observación de la naturaleza. Diversas técnicas en inteligencia artificial han surgido de esta manera. Uno de los esfuerzos que ha causado gran impacto es imitar la manera en que sobreviven otros seres vivos, y en particular, el estudio del fun- cionamiento cerebral es útil para proponer esquemas análogos y dar solución a algunos problemas. En este punto, los sistemas bioinspirados han surgido como un conjunto de modelos que están basados en el comportamiento y la forma de actuar de ciertos sistemas biológicos, los cuales pueden verse en áreas como la minería de datos e investigación de operaciones donde se distingue el agrupamiento de datos. A partir de la necesidad de resolver problemas de agrupamiento, hemos propuesto un algoritmo de particionamiento bioinspirado de búsqueda por vecindades. Este agrupamiento en una connotación bioinspirada, ha sido planteado después de observar algunas características comunes entre el particionamiento y la conducta del ser humano, donde dichas características pueden ser modeladas. Debido a la alta complejidad del particionamiento hemos incorporado la búsqueda por entorno variable (VNS) en el algoritmo de agrupamiento bioinspirado. La elección de esta metaheurística obedece a la semejanza que hay entre VNS y el modo en que los seres vivos se organizan para resolver situaciones de conflicto.
Citas
Barricelli, N.A. (1954) “Esempi numerici di processi di evoluzione”, Methodos 21-22: 45–68.
Bernábe, M.B.; Espinosa, J.E.; Ramírez, J. (2009) “Evaluación de un algoritmo de recocido simulado con superficies de respuestas”, Revista de Matemática: Teoría y Aplicaciones 16(1): 159–177.
Bremermann, H. (1958) “The evolution of intelligence: The nervous system as a model of its environment”, Technical Report no. 1, Department of Mathematics, University of Washington, Seattle WA, 477(17).
Cruz, A.R. (2012) Una Propuesta Evolutiva para el Desarrollo de Comportamientos Robóticos. Master´s Thesis, Facultad de Física e Inteligencia Artificial, Universidad Veracruzana, Xalapa, México.
Dorigo, M. (1992) Optimization, Learning and Natural Algorithms. Doctoral thesis, Politecnico di Milano, Italy.
Fogel, L.J.; Owens, A.J.; Walsh, M.J. (1966) Artificial Intelligence through Simulated Evolution. John Wiley & Sons, New York.
Forbes, N. (2004) Imitation of Life. How Biology is Inspiring Computing. MIT Press, Cambridge MA.
Friedman, G.J. (1956) Selective Feedback Computers for Engineering Synthesis and Nervous System Analogy. Master’s Thesis, Engineering, University of California, Los Angeles CA.
Holland, J.H. (1992) Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. MIT Press, Cambridge MA.
Karaboga, D. (2005) “An idea based on honey bee swarm for numerical optimization”, TR06/REP, Computer Engineering Department, Engineering Faculty, Erciyes University.
Kennedy, J.; Eberhart, R. C. (1995) “Particle swarm optimization”, in Proceedings of IEEE International Conference on Neural Networks, vol. 4, IEEE Computer Society, Piscataway NJ: 1942–1948.
Mladenovic, N.; Hansen, P. (1997) “Variable neighborhood search”, Computers & Operations Research 24(11): 1097–1100.
Olmo, J.L. (2013) Minería de Datos mediante Programación Automática con Colonias de Hormigas. Tesis de Doctorado, Departamento de Informática y Análisis Numérico, Escuela Politécnica Superior, Universidad de Córdoba, España.
Piza, E.; Murilo, A.; Trejos, J. (1999) “Nuevas técnicas de particionamiento en clasificación automática”, Revista de Matemática: Teoría y Aplicaciones 16(1): 51–66.
Price, K.; Storn, R.; Lampinen J. (2005) Differential Evolution: A Practical Approach to Global Optimization. Natural Computing Series, Springer, Berlin.
Rechenberg, I. (1973) Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Frommann-Holzboog Verlag, Stuttgart.
Stepney, S.; Smith, R.E.; Timmis, J.; Tyrrell, A. M.; Neal, M. J.; Hone, A. N. W. (2005) “Conceptual frameworks for artificial immune systems”, International Journal of Unconventional Computing 1(3): 315–338.
Vicente, E.; Rivera, L.; Mauricio, D. (2005) “Grasp en la resolución del problema de clustering”, Revista de Investigación en Sistemas e Informática, 2(2): 16–25.