Repositorio UNET

Inicio › Programas › Ingeniería en Informática

2016 · Pregrado · Ingeniería en Informática

Estrategias de aprendizaje mediante algoritmos evolutivos y aprendizaje profundo. Caso de estudio resolución del juego del Battleship

Lázaro Ferrer, Ingrid Karina

Tutor: Amaya Salazar, Jhon Edgar

Resumen

El desarrollo de algoritmos de aprendizaje ha sido fundamental para construir programas que mejoren su desempeño automáticamente con la experiencia, en particular, un campo que se presenta como de especial interés para su la aplicación es el de los videojuegos, ya que las experiencias obtenidas en ese campo pueden ser aplicadas a otras áreas de estudio. El propósito de esta investigación fue desarrollar dos técnicas de aprendizaje muy utilizadas hoy día como lo son los algoritmos genéticos y aprendizaje profundo, para probar su rendimiento en la resolución del puzzle battleship. La implementación de estos algoritmos se llevó a cabo en el lenguaje de programación Java, mediante un marco de diseño para metaheurística propuesto por Colín (2008), que consiste en tres fases: describir el problema, donde se determina cómo se traducirá el problema a la metaheurística, la exploración del espacio de búsqueda, en la cual el objetivo principal es escoger los métodos que utilizará el algoritmo para explorar los espacios de búsqueda y tipos de soluciones en esta fase se determina cuál será la respuesta del algoritmo. El resultado de la investigación fue que el algoritmo genético es eficaz resolviendo el puzzle, pero su eficiencia es algo baja ya que a medida que se cambian parámetros como población inicial o número de iteraciones los tiempos de ejecución tienden a subir, mientras que la máquina de Boltzmann fue más eficaz y mucho más eficiente, sus tiempos de ejecución fueron menores que los del algoritmo genético. Palabras clave: Metaheurísticas, algoritmo genético, aprendizaje profundo, red neuronal, máquina de Boltzmann, puzzle, battleship. ABSTRACT The development of learning algorithms has been essential in building programs that improve their performance automatically through experience, in particular, a field that is of special interest for its application are the video games, because the experience gained in this field can be easily applied to other areas of study. The purpose of this research was to develop two learning techniques widely used today as the genetic algorithms and deep learning, to test their performance in solving the puzzle battleship. The implementation of these algorithms was carried out in the Java programming language, through a design framework for metaheuristics proposed by Colin (2008), which consists of three phases: describe the problem, which determines how will translate the problem to the metaheuristic, exploration of the search space, which its main objective is to choose the methods that the algorithm will use to explore the search spaces and types of solutions, this phase determines what will be the response of the algorithm. The result of the research was that the genetic algorithm is effective solving the puzzle, but its efficiency is low, because when the parameters like initial population or number of iterations are changed the runtimes tend to rise, while the machine Boltzmann was more effective and more efficient, their execution times were lower than those of the genetic algorithm. Keywords: metaheuristics, genetic algorithms, deep learning, neural net, Boltzmann machine, puzzle, battleship.

Palabras clave

Documento

INF201619977918APG.pdf

Ficha original en el repositorio institucional de la UNET

Trabajos relacionados

Este sitio no es el repositorio oficial. Los documentos pertenecen a sus autores y a la Universidad Nacional Experimental del Táchira, y se publican en su repositorio bajo licencia Creative Commons; los archivos se sirven desde una copia del repositorio y cada página enlaza a la ficha original. Los datos descriptivos (título, autor, resumen y palabras clave) provienen de la ficha del repositorio.