Repaso T5 Mth

Un Algoritmo Memético se define como un algoritmo basado en poblaciones que utiliza exclusivamente operadores aleatorios sin incorporar conocimiento específico del problema. V. F.

Los Algoritmos Meméticos hibridan la evolución de poblaciones con métodos de búsqueda heurística local para explotar el conocimiento específico del problema. V. F.

¿Qué aporta cada parte en la hibridación de un algoritmo memético?. El algoritmo evolutivo aporta precisión y la búsqueda local aporta aleatoriedad. El algoritmo evolutivo aporta fiabilidad (exploración) y la búsqueda local aporta precisión (explotación). Ambos aportan lo mismo, pero se ejecutan en paralelo para ir más rápido.

En la definición de "Agentes" de un algoritmo memético, los períodos de cooperación se realizan mediante la Búsqueda Local. V. F.

El desarrollo personal de un agente en un algoritmo memético se lleva a cabo mediante una Búsqueda Local. V. F.

Según el esquema de funcionamiento, ¿qué función tiene la recombinación?. Crear nuevos agentes utilizando información externa aleatoria. Crear nuevos agentes combinando inteligentemente la información de los agentes recombinados. Modificar parcialmente un agente existente sin usar información de otros.

Existe un modelo sistemático y estandarizado para diseñar algoritmos meméticos que funciona para todos los problemas. V. F.

Al diseñar un algoritmo memético efectivo, hay que asumir que no existe un procedimiento sistemático único, por lo que el usuario tiene muchos grados de libertad. V. F.

Para que un algoritmo sea considerado Memético, la Búsqueda Local puede aplicarse al final de todo el proceso evolutivo, una vez este ha terminado. V. F.

La condición indispensable para considerar un algoritmo como memético es que la Búsqueda Local esté integrada dentro del ciclo evolutivo (inicialización, generaciones o recombinación). V. F.

¿Sobre qué agentes se puede aplicar la Búsqueda Local en el diseño del algoritmo?. Únicamente sobre el mejor individuo de la población. Obligatoriamente sobre toda la población. Puede ser sobre toda la población, sobre el mejor, sobre un grupo, o sobre los descendientes con una probabilidad.

En el modelo Lamarkiano, el agente optimizado por la búsqueda local cede su genotipo modificado a la población (el cambio físico se hereda). V. F.

En el modelo Lamarkiano, el individuo mejorado por la búsqueda local solo transmite su valor de fitness, pero recupera su genética original antes de volver a la población. V. F.

El modelo Baldwiniano consiste en que el agente recibe el fitness del agente optimizado, pero mantiene su genotipo original (no hereda los cambios físicos). V. F.

El modelo Baldwiniano es el más utilizado en la realidad porque modifica directamente los genes de la población. V. F.

¿Cómo se realiza el reemplazamiento en un modelo Lamarkiano?. El individuo optimizado se descarta. El individuo optimizado reemplaza en la población al agente original sobre el que se inició el proceso (o al más cercano). El individuo optimizado solo cede su nota (fitness) al original.

Tengo un individuo con Genotipo A y Fitness 10. Le aplico Búsqueda Local y obtengo Genotipo A' (modificado) con Fitness 20. Si uso el modelo Baldwiniano, ¿qué entra a la población?. Genotipo A con Fitness 10. Genotipo A' con Fitness 20. Genotipo A con Fitness 20.

La anchura en el diseño de un memético se refiere a la frecuencia o probabilidad con la que se aplica la Búsqueda Local. V. F.

La profundidad en el diseño mide la probabilidad de que un individuo sea elegido para pasar por la Búsqueda Local. V. F.

Una estrategia de Baja Intensidad implica aplicar el optimizador local con muchas iteraciones pero muy pocas veces (baja frecuencia). V. F.

Una estrategia de Alta Intensidad implica muchas iteraciones del optimizador local y una baja frecuencia de aplicación. V. F.

Si decidimos aplicar la Búsqueda Local a todos los individuos de la población en todas las generaciones, ¿qué tipo de estrategia estamos usando probablemente respecto a la intensidad/coste?. Alta Intensidad (Profundidad). Baja Intensidad (pocas iteraciones por individuo para no bloquear el proceso). Baldwiniana pura.

En el diagrama del proceso del algoritmo memético, la Optimización Local genera "nuevos agentes" que pasan directamente a la fase de Selección o Reemplazamiento. V. F.

La mutación en un algoritmo memético permite incluir información externa modificando parcialmente el agente. V. F.

La técnica con la que se suele hibridar en los meméticos es combinando un algoritmo evolutivo con un algoritmo exacto (fuerza bruta). V. F.

¿Cuál es una conclusión general sobre la eficacia de los algoritmos meméticos?. Son más lentos y peores que los genéticos puros. Son sistemáticos y fáciles de diseñar. Han demostrado ser más eficaces que los algoritmos genéticos para diferentes problemas.

El término "Optimizar" aparece dos veces en el ciclo de vida del diagrama: una en la inicialización y otra tras la generación de descendientes. V. F.

Si aplicamos Búsqueda Local solo durante la inicialización de la población y nunca más, se considera un Algoritmo Memético completo. V. F.

En el diseño de un algoritmo memético, la pregunta "¿Con qué técnica hibridamos?" se responde mayoritariamente con: Redes Neuronales. Búsqueda Local (Trayectorias). Árboles de decisión.

El modelo Baldwiniano utiliza la Búsqueda Local como una forma de "aprendizaje" que guía la evolución sin alterar el material genético directamente. V. F.

La reproducción en un algoritmo memético es la fase encargada exclusivamente de la competición entre agentes. V. F.

En el modelo Lamarkiano, el agente C1+BL reemplaza a C1 en la población P(t+1). V. F.

¿Qué parámetro regula el equilibrio entre cuántas veces aplicamos la BL y cuánto tiempo la dejamos correr?. El factor de mutación. El equilibrio Anchura/Profundidad. El modelo Baldwiniano.

Un algoritmo memético es robusto porque combina la precisión de la evolución con la fiabilidad de la búsqueda local. V. F.

La aplicación de la búsqueda local durante los operadores de recombinación es una forma válida de diseñar un algoritmo memético. V. F.