Robótica Evolutiva Introducción a la Robótica Inteligente Álvaro Gutiérrez 22 de abril de 2016 [email protected] www.robolabo.etsit.upm.es N Índice 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Robótica Evolutiva N I La Robótica Evolutiva (RE) es la generación de sistemas de control (y/o morfologías) para robots autónomos basados en el principio Darviniano de reproducción selectiva del más adecuado I Motivación: Es difícil diseñar sistemas autónomos usando técnicas ingenieriles porque la iteracción entre un robot autónomo y su entorno es compleja y difícil de predecir I En la robótica evolutiva definimos los componentes del sistema de control (sensores y actuadores) y un criterio de selección, y dejamos a la evolución artificial descubrir los individuos más adecuados mientras el robot interactúa con el entorno RE - Introducción N RE - Red Neuronal Ml Mr W ij S1 N S2 S3 S4 S5 S6 S7 S8 RE - Codificación Ml Mr W ij S1 S2 S3 S4 S5 S6 S7 S8 W11 W12 W13 W14 W15 W16 W17 W18 W21 W22 W23 W24 W25 W26 W27 W28 N RE - Metodología N RE - Metodología N RE - Operadores N RE - Fitness N 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Evitador de Obstáculos Automatic Creation of an Autonomous Agent: Genetic Evolution of a Neural Network Driven Robot (Floreano y Mondada, 1994) N Evitador de Obstáculos I 8 Sensores de Infrarrojo I 2 Motores I Perceptrón I Neuronas: X Sigmoide yi = ωji xi + Ii j 1 1 + e−(yi −θi ) Cromosoma: Ml xi = I I I W ij Pesos de la red Sesgos S1 N Mr S2 S3 S4 S5 S6 S7 S8 Evitador de Obstáculos I 8 Sensores de Infrarrojo I 2 Motores I Perceptrón I Neuronas: X Sigmoide yi = ωji xi + Ii j 1 1 + e−(yi −θi ) Cromosoma: Ml xi = I I I W ij Pesos de la red (16) Sesgos (2) S1 N Mr S2 S3 S4 S5 S6 S7 S8 Evitador de Obstáculos I Función de Fitness N Evitador de Obstáculos I Función de Fitness I PROPUESTAS!!!! N Evitador de Obstáculos I Función de Fitness I PROPUESTAS!!!! I Nolfi-Floreano: F = V(1 − √ ∆v)(1 − i) Wr,l ∈ [−0.5, 0.5] V = |Wr | + |Wl | ∆v = |(Wr + 0.5) − (Wl + 0.5)| i ∈ [0, 1] N (Velocidad) (Máxima Velocidad) (Máximo Recto) (Máximo IR) Evitador de Obstáculos Generations Evolution 100 seg. de evaluación I Mutación: pm = 0.05 I Crossover: pc = 1 I Elite: e = 5 1.2 I Best Average Worst 0.8 100 individuos 0.4 I Fitness 100 generaciones 0.0 I 0 20 40 60 Generations N 80 100 Evolución de Morfología Evolving Virtual Creatures (Sims, 1994) N Evolución de Morfología I El genotipo especifica como se genera el fenotipo I Forma, longitud, tipo de univiones, ángulos, etc, etc, etc, sujetos a variación genética I Fitness: Nadar, caminar, saltar, seguir objetos, coger el control de un cubo, .... N Evolución de Morfología N Cooperación Evolution of Acustic Communication Between Two Cooperating Robots (Tuci y Ampatzis, 2007) N Cooperación I 2 Motores I 5 Sensores de Infrarrojo I 2 Sensores de Luz I 1 Sensor de Suelo I 1 Micrófono I 1 Altavoz N Cooperación N 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Conclusiones I Por qué I I I No somos buenos diseñando sistemas emergentes La robótica evolutiva puede ser la solución Sin embargo: I I I I Los comportamientos evolucionados son normalmente difíciles de analizar Aún no se ha demostrado una diferencia con respecto a los diseños manuales Aún no sabemos si se pueden evolucionar comportamientos complejos Es posible que sólo sea una herramienta más N 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N IRSIM ANN: Exp 21 VL VR N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 I Identidad yi = xi Sigmoide X yi = ωji xi + Ii I CTRNN: Exp 24 VL VR N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 I Identidad yi = xi I Sigmoide τi ẏi = −yi + X j xi = ωji xi + gi Ii j 1 xi = 1 + e−(yi −θi ) N 1 1 + e−βi (yi −θi ) IRSIM CTRNN: Exp 24 ANN: Exp 21 VL VR N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 I VL VR N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 Parámetros Sigmoides: ω, θ N I Parámetros Sigmoides: ω, g, θ, β, τ IRSIM ANN: Exp 21 I experiments/testneuronexp.* controllers/nndistributedcontroller.* I controllers/layercontroller.* I CTRNN: Exp 24 I experiments/ctrnnexp.* controllers/ctrnndistributedcontroller.* I controllers/ctrnnlayercontroller.* I N IRSIM Fichero Configuración %%%%%%%%%%%%%%%%%%%%%%%%%%%%% % % % % % % % % % % MORPHOLOGY % % % % % % % % % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%% PROX. SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 0 0 0 0 1 1 CONTACT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1 LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1 BLUE LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1 RED LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1 GROUND SENSORS (3 sensors: 0 OFF, 1 ON) = 1 1 1 N IRSIM Fichero Configuración %%%%%%%%%%%%%%%%%%%%%%%%%%%%% % % % % % % % % % % GENETIC % % % % % % % % % % % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%% CHROMOSOME LENGTH = 10 POPULATION SIZE = 20 NUMBER OF GENERATIONS = 101 EVALUATION TIME = 100 DO CROSSOVER ( 0 No, 1 Yes ) = 1 NUMBER OF CROSSOVERS ( Always 1 ) = 1 CROSSOVER DISTANCE ( Always 1 ) = 1 MUTATION RATE = 0.02 NUMBER OF ELITES = 1 FITNESS FUNCTION = 1 SAMPLES PER CHORMOSOME = 1 RANDOM POS/ORIEN (0 NO, 1 YES) = 0 RANDOM INIT AREA X = 1.2 RANDOM INIT AREA Y = 1.2 N IRSIM Fichero Configuración %%%%%%%%%%%%%%%%%%%%%%%%%%%%% % % % % % % % % % % NEURAL % % % % % % % % % % % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%% WEIGTH UPPER BOUND = 5.0 WEIGTH LOWER BOUND = -5.0 NUMBER OF LAYERS= 2 SENSOR TO LAYER 0 ( NONE 0, C. 1, P. 2, L. 3, BAT. 4, GM 5, G 6, BL 7, RL 8, BBAT 9, RBAT 10) = 2 SENSOR TO LAYER 0 ( NONE 0, C. 1, P. 2, L. 3, BAT. 4, GM 5, G 6, BL 7, RL 8, BBAT 9, RBAT 10) = 0 ACTIVATION FUNCTION LAYER 0 ( 0 IDENTITY, 1 SIGMOID, 2 STEP, 3 LINEAR, 4 PROGRAM ) = 0 ACTIVATION FUNCTION LAYER 1 ( 0 IDENTITY, 1 SIGMOID, 2 STEP, 3 LINEAR, 4 PROGRAM ) = 1 NUMBER OF OUTPUTs LAYER 0 = 4 NUMBER OF OUTPUTs LAYER 1 = 2 RELATION LAYER 0 = 0 1 RELATION LAYER 1 = 0 0 N IRSIM ANN: Exp 21 I Evolución I I ./irsim -E 21 -p <PARAM_FILE> -e Ejecución I ./irsim -E 21 -p <PARAM_FILE> -c <CHROM_FILE> CTRNN: Exp 24 I Evolución I I ./irsim -E 24 -p <PARAM_FILE> -e Ejecución I ./irsim -E 24 -p <PARAM_FILE> -c <CHROM_FILE> N IRSIM Datos I Evolución: I En el directorio geneticDatatFiles I I I I I I bestX.log: El mejor individuo de la generación X currentbest: El mejor individuo de todo el proceso fitness.log: Histórico de la evolución de la fitness generationX.log: Fichero con todos los individuos de la generación X maxgeneration: La última generación ejecutada Ejecución I En el directorio outputFiles I I I layerXoutput: Fichero con el tiempo, entradas sensoriales, pesos y salidas de cada capa robotPosition: Fichero con el tiempo, coordenadaX, coordenadaY y Orientación del robot robotWheels: Fichero con el tiempo, velocidad de la rueda izquierda y velocidad de la rueda derecha N IRSIM Fitness I I 0: None 1: Avoid experiments I fitnessfunctions/avoidcollisionsfitnessfunction.* I 2: Garbage experiments I I 4: VUESTRA FITNESS I I fitnessfunctions/garbagefitnessfunction.* fitnessfunctions/irifitnessfunction.* 5: Light Experiments I fitnessfunctions/lightfitnessfunction.* N IRSIM Varios I I Reiniciar generación: Modificar variable g_bRestartEvolution. Reinicia la simulación desde la que indique el fichero maxgeneration Tipo Mutación: I Aleatoria: En el fichero populations/standardgapopulation.cpp, lineas 302 y 327: I Gausiana sobre el valor del gen actual: En el fichero populations/standardgapopulation.cpp, lineas 302 y 327: I I fGene = Random2::nextDouble(); fGene = fGene + Random2::nextGaussian(0,0.1); N 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Ejemplo evitación de obstáculos ANN: Exp 21 VL VR I Exp1: I N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) N Cromosoma: Ejemplo evitación de obstáculos ANN: Exp 21 VL VR I Exp1: I N 11 10 N 21 I I I I I N 10 N 20 N 30 Exp2: I N 40 I I IR1 IR6 IR7 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) N I Mutación: 5 % Exp3: I IR0 Cromosoma: 10 Población: 20 Mutación: 2 % Tiempo eval: 100 s. Elites: 1 Población: 50 Mutación: 2 % Exp4: I Obstáculos Ejemplo evitación de obstáculos ANN: Exp 21 - 100 generaciones Exp1: 0.77 Exp2: 0.73 Exp3: 0.76 Exp4: 0.71 Generations Evolution Fitness 0.60 0.70 exp1 exp2 exp3 exp4 0.50 I 0 20 40 60 Generations N 80 100 Ejemplo evitación de obstáculos CTRNN: Exp 24 VL I VR Exp1: I N 11 N 21 N 10 N 20 N 30 N 40 IR0 IR1 IR6 IR7 10 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) N Cromosoma: Ejemplo evitación de obstáculos CTRNN: Exp 24 VL I VR Exp1: I I N 11 10 N 21 I I I I Exp2: I N 10 N 20 N 30 I N 40 I I IR1 IR6 IR7 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) Población: 50 Mutación: 2 % Exp4: I I N Mutación: 5 % Exp3: I IR0 Cromosoma: 14 Población: 20 Mutación: 2 % Tiempo eval: 100 s. Elites: 1 Capa motora recurrente Cromosoma: Ejemplo evitación de obstáculos CTRNN: Exp 24 VL I VR Exp1: I I N 11 10 N 21 I I I I Exp2: I N 10 N 20 N 30 I N 40 I I IR1 IR6 IR7 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) Población: 50 Mutación: 2 % Exp4: I I N Mutación: 5 % Exp3: I IR0 Cromosoma: 14 Población: 20 Mutación: 2 % Tiempo eval: 100 s. Elites: 1 Capa motora recurrente Cromosoma: Ejemplo evitación de obstáculos CTRNN: Exp 24 VL I VR Exp1: I I N 11 10 N 21 I I I I Exp2: I N 10 N 20 N 30 I N 40 I I IR1 IR6 IR7 I Nolfi-Floreano: √ F = V(1 − ∆v)(1 − i) Población: 50 Mutación: 2 % Exp4: I I N Mutación: 5 % Exp3: I IR0 Cromosoma: 14 Población: 20 Mutación: 2 % Tiempo eval: 100 s. Elites: 1 Capa motora recurrente Cromosoma: 18 Ejemplo evitación de obstáculos CTRNN: Exp 24 Exp1: 0.710 Exp2: 0.830 Exp3: 0.930 Exp4: 0.934 0.9 Generations Evolution 0.7 0.6 0.5 Fitness 0.8 exp1 exp2 exp3 exp4 0.4 I 0 20 40 60 Generations N 80 100 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Navegar hacia una luz ANN: Exp 1 Nsteps X F= i=0 V · (1 − VL VR N12 N22 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 √ ∆v) · (max{Li }) Ncoll , 10 · 1 − min Nsteps 10 N Navegar hacia una luz ANN: Exp 1 VL VR N12 N22 I N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 N Cromosoma: Navegar hacia una luz ANN: Exp 1 VL VR N12 N22 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 Nsteps X F= i=0 V · (1 − ... N81 I Cromosoma: 26 I Población: 50 I Mutación: 5 % I Tiempo eval: 400 s. I Elites: 5 L7 √ ∆v) · (max{Li }) Ncoll , 10 · 1 − min Nsteps 10 N Navegar hacia una luz ANN: Exp 1 0.8 Generations Evolution 0.4 0.2 0.0 Fitness 0.6 best mean worst 0 20 40 60 Generations N 80 100 Navegar hacia una luz CTRNN: Exp 1 Nsteps X F= i=0 V · (1 − VL VR N12 N22 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 √ ∆v) · (max{Li }) Ncoll , 10 · 1 − min Nsteps 10 N Navegar hacia una luz CTRNN: Exp 1 VL VR N12 N22 I N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 N Cromosoma: Navegar hacia una luz CTRNN: Exp 1 VL VR N12 N22 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 Nsteps X F= i=0 V · (1 − ... N81 I Cromosoma: 30 I Población: 50 I Mutación: 2 % I Tiempo eval: 400 s. I Elites: 4 L7 √ ∆v) · (max{Li }) Ncoll , 10 · 1 − min Nsteps 10 N Navegar hacia una luz CTRNN: Exp 1 0.3 0.1 0.2 best mean worst 0.0 Fitness 0.4 0.5 Generations Evolution 0 20 40 60 Generations N 80 100 Oscilación entre luces ANN: Exp 2 VL VR N13 N23 ... N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 N81 L7 N12 ... N22 BL0 BL1 N82 BL7 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces ANN: Exp 2 VL VR N13 N23 ... I N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 N81 L7 N12 N22 BL0 BL1 ... N82 BL7 N Cromosoma: Oscilación entre luces ANN: Exp 2 VL VR N13 N23 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 N12 N22 BL0 BL1 ... I Cromosoma: 42 I Población: 100 I Mutación: 20 % I Tiempo eval: 400 s. I Elites: 6 N82 BL7 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces CTRNN: Exp 2 0.6 0.2 0.4 best mean worst 0.0 Fitness 0.8 Generations Evolution 0 20 40 60 Generations N 80 100 Oscilación entre luces CTRNN: Exp 2 VL VR N13 N23 ... N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 N81 L7 N12 ... N22 BL0 BL1 N82 BL7 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces CTRNN: Exp 2 VL VR N13 N23 ... I N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 N81 L7 N12 N22 BL0 BL1 ... Cromosoma: N82 BL7 N Oscilación entre luces CTRNN: Exp 2 VL VR N13 N23 N10 N20 N30 N40 N11 N21 IR0 IR1 IR6 IR7 L0 L1 ... N81 L7 N12 N22 BL0 BL1 ... I Cromosoma: 46 I Población: 100 I Mutación: 20 % I Tiempo eval: 400 s. I Elites: 6 N82 BL7 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces CTRNN: Exp 2 0.2 0.4 best mean worst 0.0 Fitness 0.6 0.8 Generations Evolution 0 20 40 60 80 Generations N 100 Oscilación entre luces CTRNN: Exp 3 VL VR N 13 N 23 ... N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 N 81 L7 N 12 ... N 22 BL0 BL1 N 82 BL7 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces CTRNN: Exp 3 VL VR N 13 N 23 ... I N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 81 L7 N 12 N 22 BL0 BL1 ... Cromosoma: N 82 BL7 N Oscilación entre luces CTRNN: Exp 3 VL VR N 13 N 23 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 ... N 81 L7 N 12 N 22 BL0 BL1 ... I Cromosoma: 50 I Población: 100 I Mutación: 20 % I Tiempo eval: 400 s. I Elites: 6 N 82 BL7 F= X 1 √ 3 V(1 − ∆v) + BLon (BL0 + BL7 ) + BLoff (L0 + L7 ) 4 4 i=0 Nsteps Nsteps N 1 − min Ncoll , 10 10 Oscilación entre luces CTRNN: Exp 3 0.2 0.4 best mean worst 0.0 Fitness 0.6 0.8 Generations Evolution 0 20 40 60 80 Generations N 100 1 Robótica Evolutiva 2 Ejemplos 3 Conclusiones 4 IRSIM Obstáculos Luces Recolección N Recolección ANN: Exp 1 VL VR N13 N23 N12 ... N22 N82 L7 L1 L0 Nsteps X F= N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 h i √ GMoff V(1 − ∆v)(1 − max{Ii }) + GMon (max{Li }) i=0 Nsteps N Recolección ANN: Exp 1 VL VR N13 N23 I N12 ... N22 N82 Cromosoma: L7 L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 N Recolección ANN: Exp 1 VL VR N13 N23 N12 ... N22 N82 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 Nsteps X F= Cromosoma: 42 I Población: 50 I Mutación: 5 % I Tiempo eval: 300 s. I Elites: 4 L7 L1 L0 N10 I h i √ GMoff V(1 − ∆v)(1 − max{Ii }) + GMon (max{Li }) i=0 Nsteps N Recolección ANN: Exp 1 0.4 0.2 best mean worst 0.0 Fitness 0.6 Generations Evolution 0 20 40 60 80 Generations N 100 Recolección ANN: Exp 2 VL VR N14 N24 N12 N22 ... L7 N82 N13 N23 ... N83 L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 BL1 BL0 Nsteps X F= i=0 GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps BL7 1 − min N Ncoll , 10 10 Recolección ANN: Exp 2 VL VR N14 N24 I N12 N22 ... L7 N82 L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 N13 N23 ... N83 Cromosoma: BL7 BL1 BL0 N Recolección ANN: Exp 2 VL VR N14 N24 N12 N22 ... L7 N82 N13 N23 ... L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 N83 I Cromosoma: 74 I Población: 50 I Mutación: 5 % I Tiempo eval: 300 s. I Elites: 5 BL7 BL1 BL0 Nsteps X F= i=0 GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps 1 − min Ncoll , 10 10 N Recolección ANN: Exp 2 0.4 0.2 best mean worst 0.0 Fitness 0.6 0.8 Generations Evolution 0 20 40 60 80 100 Generations N Recolección ANN: Exp 3 VL VR N14 N24 N12 N22 ... L7 N82 N13 N23 ... L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 N83 BL7 BL1 BL0 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N Recolección ANN: Exp 3 VL VR N14 N24 N12 N22 ... L7 N82 L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 N13 N23 ... N83 I Cromosoma: 74 I Población: 50 I Mutación: 5 % I Tiempo eval: 300 s. I Elites: 5 BL7 BL1 BL0 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N Recolección ANN: Exp 4 VL VR N14 N24 N12 N22 ... L7 N82 N13 N23 ... N83 L1 L0 Nsteps X F= i=0 V(1 − √ N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 BL7 BL1 BL0 ∆v) GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj 1 − min Nsteps 30 5 N Recolección ANN: Exp 4 VL VR N14 N24 N12 N22 ... L7 N82 N13 L1 L0 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 Nsteps X i=0 N23 ... N83 I Cromosoma: 74 I Población: 50 I Mutación: 5 % I Tiempo eval: 300 s. I Elites: 5 BL7 BL1 BL0 F= √ V(1 − ∆v)(1 − max{IRi }) GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps 1 − min Ncoll , 30 30 N Fobj 5 Recolección ANN: Exp 5 VL VR N15 N25 N14 N10 IR0 Nsteps X F= i=0 V(1 − √ N20 IR1 N30 IR6 N40 IR7 N11 GM0 N12 N22 N24 ... N34 N82 N44 L7 N13 N23 ... N83 L1 L0 BL7 BL1 BL0 ∆v) GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj 1 − min Nsteps 30 5 N Recolección ANN: Exp 5 VL VR N15 N25 I N14 N10 IR0 N20 IR1 N30 IR6 N40 IR7 N11 GM0 N12 N22 N24 ... N34 N82 Cromosoma: N44 L7 L1 L0 N13 N23 ... N83 BL7 BL1 BL0 N Recolección ANN: Exp 5 VL VR N15 N25 N14 N10 N20 N30 N40 N11 IR0 IR1 IR6 IR7 GM0 Nsteps X i=0 V(1 − N12 N22 N24 ... N34 N82 I Cromosoma: 90 I Población: 50 I Mutación: 5 % I Tiempo eval: 300 s. I Elites: 4 N44 L7 N13 L1 L0 N23 ... N83 BL7 BL1 BL0 F= √ ∆v)(1 − max{IRi }) GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps 1 − min Ncoll , 30 30 Fobj 5 N Recolección CTRNN: Exp 6 VL VR N 16 N 26 N 14 N 24 N 34 N 44 ... N 81 N 12 L7 GM0 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 15 N 25 N 35 N 13 N 23 BL0 BL1 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N N 45 ... N 83 BL7 Recolección CTRNN: Exp 6 VL VR N 16 N 26 I N 14 N 24 N 34 N 44 ... N 81 N 12 L7 GM0 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 15 N 25 N 13 N 35 N 23 BL0 BL1 Cromosoma: N 45 ... N 83 BL7 N Recolección CTRNN: Exp 6 VL VR N 16 N 26 N 14 N 24 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 34 ... N 44 N 15 N 81 N 12 L7 GM0 N 25 N 13 N 35 N 23 BL0 BL1 N 45 ... N 83 BL7 I Cromosoma: 158 I Población: 50 I Mutación: 10 % I Tiempo eval: 500 s. I Elites: 6 I Generaciones: 2000 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N Recolección CTRNN: Exp 6 Evolución por partes Nsteps F0:100 = Nsteps X F101:1000 = i=0 X BL0 + BL7 2 i=0 Nsteps · 1 − min Ncoll , 10 10 GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps 1 − min Ncoll , 10 10 Nsteps X F1001:2000 = i=0 GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Nsteps 1 − min Ncoll , 30 30 Fobj 5 N Recolección CTRNN: Exp 6 0.6 0.4 0.2 best mean worst 0.0 Fitness 0.8 1.0 Generations Evolution 0 500 1000 1500 2000 Generations N Recolección CTRNN: Exp 8 VL VR N 16 N 26 N 14 N 24 N 34 N 44 ... N 81 N 12 L7 GM0 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 15 N 25 N 13 N 35 N 23 N 45 ... BL0 BL1 N 83 BL7 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N Recolección CTRNN: Exp 8 VL VR N 16 N 26 N 14 N 24 N 10 N 20 N 30 N 40 N 11 N 21 IR0 IR1 IR6 IR7 L0 L1 N 34 ... N 44 N 15 N 81 N 12 L7 GM0 N 25 N 13 N 35 N 23 BL0 BL1 I Muestras por cromosoma: 4 I Entorno Aleatorio I Generaciones: 3000 N 45 ... N 83 BL7 Nsteps X GMoff (BL0 + BL7 ) + GMon (L0 + L7 ) Ncoll , 30 Fobj i=0 F= 1 − min Nsteps 30 5 N Recolección CTRNN: Exp 8 N Recolección CTRNN: Exp 8 0.6 0.4 0.2 best mean worst 0.0 Fitness 0.8 Generations Evolution 0 500 1000 1500 2000 2500 3000 Generations N Gracias GRACIAS!! N Gracias GRACIAS!! N