Ciencias de la Computación (plan 1994) 2013-2

Optativas, Seminario de Inteligencia Artificial II

Vida Artificial 2013-II

Seminario de Inteligencia Artificial II

Prof: Gustavo Carreón Vázquez

Ayud: Antonio Contreras García

Muchos de los procesos que surgen en los sistemas vivos pueden ser estudiados en ambientes artificiales recreando su lógica y por consiguiente algunas de sus principales características y propiedades. La “vida artificial” bautizada por Christopher Langton en 1986 estudia los sistemas vivos a través de simulaciones computacionales donde la unidad fundamental es el “agente”. Los flujos en el procesamiento de información de estos modelos multiagentes tienden a exhibir procesos autoorganizativos los cuales generan propiedades emergentes en el sistema, tales como recreación de comportamientos sociales, formación de patrones, autoreplicación e incluso propiedades de cómputo universal.

En el curso analizaremos algunos de los modelos computacionales utilizados para la modelación de sistemas vivos, así como técnicas para dotar a los agentes de heurísticas adecuadas para adaptarse a su ambiente artificial.

Temario

I. Introducción

1. ¿Qué es vida artificial?
2. Breve historia de la vida artificial.
3. Conceptos. Autoorganización y propiedades emergentes, capacidades de cómputo universal.
4. Modelación y simulación
5. Cómo analizar un sistema dinámico

II. Autómatas Celulares

1. Autómatas Celulares Elementales
2. Juego de la Vida
3. Hormiga de Langton. Maquina de Turing Bidimensional.
4. Autoreproducción. Loop de Langton

III. Análisis de sistemas dinámicos complejos

1. Dinámica de epidemias
2. Dinámica de incendios forestales
3. Dinámica del tráfico
4. Regeneración de bosques
5. Sistema de reacción-difusión.

IV. Modelos multiagentes

1. Colonias de insectos. Hormigas, termitas
2. Optimización de enjambre, “Boids”

V. Criticalidad autoorganizada

1. Modelo de la pila de arena

VI. Crecimiento Fractal

1. Sisetmas Lindenmayer
2. Sistemas de Funciones Iteradas (IFS)

VII. Computabilidad

1. Maquinas de Turing
2. Funciones computables y no computables
3. Busy Beaver
4. Computabilidad con el DNA. Problema del agente viajero TSP

VIII. Algoritmos evolutivos

1. Qué es un algoritmo evolutivo
2. Introducción
3. Ejemplos: “Problema de las 8 reinas”, “Knapsack Problem”
4. Algoritmos genéticos
   1. Operadores genéticos
   2. Coevolución
   3. Algoritmo Genético Ecléctico. Autoadaptación.
5. Programación genética
   1. Operadores genéticos, caracterización.
   2. Ejemplos. Hormiga artificial, Pac-man.

IX. Colonia de hormigas

1. De hormigas reales a hormigas artificiales
2. Aspectos teóricos
3. Algoritmos de optimización de colonia de hormigas
4. Ejemplos: El problema del agente viajero.

Bibliografía.

Bak P. (1996). How nature works. Springer Verlag

Bonabeau, E., Dorigo, M., y Theraulaz, G. (1999). Swarm Intellingence. From natural to artificial systems. Oxford University Press.

Dorigo, M., y Stützle, T. (2004). Ant Colony Optimization. The MIT Press.

Engelbrecht, A. (2005). Fundamentals of Computational Swarm Intelligence. John Wiley & Sons, Ltd.

Flake G.(1998). The computational beauty of nature. The MIT Press.

Galaviz J. (2002). Algoritmos Genéticos. IPN, UNAM, FCE.

Ilachinski A. (2001). Cellular Automata. A discrete universe. World Scientific.

Koza, J. (1998). Genetic Programming. The MIT Press.

Lahoz-Beltrá R. (2004). Bioinformática simulación, vida artificial e inteligencia artificial. Ediciones Díaz de Santos.

Langton C. (1995). Artificial Life. An overview. The MIT Press.

Langton C. (1992). Artificial Life II: the proceedings of an interdisciplinary workshop on the synthesis and simulation of living systems. Addison Wesley.

Langdon W. (2002). Foundations of Genetic Programming. Springer Verlag.

Resnick. M. (1997). Turtles, termites, and traffic jams. The MIT Press.

Wolfram S. (2002). A new kind of science. Publisher Wolfram Media Inc.