Robótica Evolutiva

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