Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Algoritmo enjambre de abejas

4,101 views

Published on

Una breve descripción del Algoritmo de Enjambre de Abejas

Published in: Education
  • Be the first to comment

Algoritmo enjambre de abejas

  1. 1. Enjambre de Abejas Integrantes: Arnoely Araujo Mérida, Diciembre de 2013 LOGO
  2. 2. Inteligencia de Enjambres En la naturaleza muchas especies de insectos viven en grupos de colonias o enjambres, lo que les facilita realizar sus tareas colectivas. Si bien, cada miembro del grupo presenta capacidad limitada para realizar tareas, la colonia exhibe un comportamiento emergente que surge de la interacción entre los individuos. LOGO
  3. 3. Inteligencia de Enjambres El comportamiento de las abejas melíferas para obtener alimento ha sido extensamente estudiado y es un ejemplo de autoorganización útil en la búsqueda de soluciones a problemas en la Investigación Operativa. LOGO
  4. 4. Inteligencia de Enjambres Figura 1. Enjambre de abejas, ejemplo de inteligencia natural de enjambres Tomada de http://growingsmallfarms.ces.ncsu.edu/growingsmallfarmsfarmphotoapril1208/ LOGO
  5. 5. La Colonia Artificial de Abejas (ABC) El algoritmo de Colonia Artificial de Abejas (ABC) es un algoritmo de Inteligencia de Enjambre desarrollado por Dervis Karaboga en 2005, que busca emular el comportamiento de búsqueda y explotación de fuentes de alimento de las abejas con el fin encontrar buenas soluciones a problemas de optimización difíciles (metaheurística). LOGO
  6. 6. La Colonia Artificial de Abejas (ABC) El algoritmo define una colmena artificial formada por una zona de comunicación, o zona de baile, y tres tipos de abejas (obreras, observadoras y exploradoras), e implementa un proceso de recolección de polen por parte de las abejas. LOGO
  7. 7. Descripción del Algoritmo ABC Mezura et al. (2010) es un algoritmo bio-inspirado que trabaja de la siguiente manera 1. Generar un conjunto (población) de soluciones (individuos) al problema 2. Evaluar cada solución en la función objetivo. 3. Seleccionar las mejores soluciones de la población según el valor de la función objetivo. 4. Generar nuevas soluciones a partir de las mejores, utilizando operadores de variación. 5. Evaluar las nuevas soluciones. 6. Escoger las soluciones que entrarán a la siguiente iteración (generación). (p. 5) LOGO
  8. 8. Algoritmo bio-inspirado Figura 2. Esquema general de un algoritmo bio-inspirado (Mezura et al., 2010, p.6 ). LOGO
  9. 9. Pseudo Código del Algoritmo ABC Figura 2. Esquema general de un algoritmo bio-inspirado (Mezura et al., 2010, p.6 ). LOGO
  10. 10. Bibliografía Berrocal, Vega, Gómez & Sánchez (2011). ‘Metaheurística Aplicada al Problema de Planificación de Red en IEEE 802.16 Fija’. Recuperado el 6 de marzo de 2013 de http://congresomaeb2012.uclm.es/papers/paper_51.pdf Mezura, E., Cetina, O., and Hernandez, B. (2010), ‘Nuevas Heurísticas Inspiradas en la Naturaleza para Optimización Numérica’, in (spanish) Silva, R., Portilla, E., and Molina, M., (editors) ‘Mecatronica’, pp. 249-272, Editorial IPN, ISBN: 978-607-414-192-4. ‘Step by Step Procedure of ABC’. Recuperado el 6 de marzo de 2013 de http://mf.erciyes.edu.tr/abc/pub/Step%20by%20Step%20Procedure%20of%20ABC.pdf LOGO

×