Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Permalink
Ver contenido en pdf.
Services on Demand
Journal
Article
Indicators
-
Cited by SciELO -
Access statistics
Related links
-
Similars in
SciELO
Share
Revista de Matemática Teoría y Aplicaciones
Print version ISSN 1409-2433
Rev. Mat vol.23 n.1 San José Jan./Jun. 2016
Artículos
Una propuesta bioinspirada basada envecindades para particionamiento
A bioinspired proposal based onneighborhoods for partitioning
1Facultad de Ciencias de la Computación.Benemérita Universidad Autónoma de Puebla,Puebla, México. E-Mail: beatriz.bernabe@gmail.com
2Facultad de Ciencias de la Computación. Benemérita Universidad Autónoma de Puebla, Puebla, México. E-Mail: marco89_rf@hotmail.com
3Facultad de Ciencias de la Computación. Benemérita Universidad Autónoma de Puebla, Puebla, México. E-Mail: rogelio.gzzvzz@gmail.com
4Facultad de Ciencias de la Computación. Benemérita Universidad Autónoma de Puebla, Puebla, México. E-Mail: estradajose660@gmail.com
Una de las principales fuentes de inspiración para proponer nuevos paradigmas computacionales ha sido la observación de la naturaleza. Diversas técnicas en inteligencia artificial han surgido de esta manera.
Uno de los esfuerzos que ha causado gran impacto es imitar la manera en que sobreviven otros seres vivos, y en particular, el estudio del funcionamiento cerebral es útil para proponer esquemas análogos y dar solución a algunos problemas. En este punto, los sistemas bioinspirados han surgido como un conjunto de modelos que están basados en el comportamiento y la forma de actuar de ciertos sistemas biológicos, los cuales pueden verse en áreas como la minería de datos e investigación de operaciones donde se distingue el agrupamiento de datos. A partir de la necesidad de resolver problemas de agrupamiento, hemos propuesto un algoritmo de particionamiento bioinspirado de búsqueda por vecindades. Este agrupamiento en una connotación bioinspirada, ha sido planteado después de observar algunas características comunes entre el particionamiento y la conducta del ser humano, donde dichas características pueden ser modeladas. Debido a la alta complejidad del particionamiento hemos incorporado la búsqueda por entorno variable (VNS) en el algoritmo de agrupamiento bioinspirado. La elección de esta metaheurística obedece a la semejanza que hay entre VNS y el modo en que los seres vivos se organizan para resolver situaciones de conflicto.
Palabras clave: conglomerado geográfico; bioinspirado; seres vivos; búsqueda por vecindades
One of the main sources of inspiration to propose new computational paradigms has been the observation of nature. Diverse artificial intelligence techniques have been created in this way.
One of the efforts that has caused great impact is imitating the way some living beings survive, and in particular, the study of the study of brain function is useful to propose analogous schemes and solve some problems. In this point, the bioinspired systems have been originated as a set of models based on the behavior of certain biological systems, which can be seen in areas such as data mining and operations research where data clustering stands out. From the need of solving clustering problems, we have proposed a bioinspired neighborhood search partitioning algorithm. This algorithm, under a bioinspired connotation, has been proposed after observing some of the characteristics in common between clustering and human behavior, where said characteristics can be modeled. Given the high complexity of data clustering, we have incorporated variable neighborhood search (VNS) into the bioinspired clustering algorithm. We chose this metaheuristic because of the similarity that exists between VNS and the way that living beings get organized to solve conflict situations.
Keywords: geographical clustering; bioinspired; living beings; neighborhood search
REFERENCIAS
Barricelli, N.A.(1954) "Esempi numerici di processi di evoluzione", Methodos 21-22: 45-68. [ Links ]
Bernábe, M.B.; Espinosa, J.E.; Ramírez, J.(2009) "Evaluación de un algoritmo de recocido simulado con superficies de respuestas", Revista de Matemática: Teoría y Aplicaciones16(1): 159-177. [ Links ]
Bremermann, H.(1958) "The evolution of intelligence: The nervous system as a model of its environment", Technical Report no. 1, Department of Mathematics, University of Washington, Seattle WA, 477(17). [ Links ]
Cruz, A.R. (2012) Una Propuesta Evolutiva para el Desarrollo de Comportamientos Robóticos. Master´s Thesis, Facultad de Física e Inteligencia Artificial, Universidad Veracruzana, Xalapa, México. [ Links ]
Dorigo, M. (1992) Optimization, Learning and Natural Algorithms. Doctoral thesis, Politecnico di Milano, Italy. [ Links ]
Fogel, L.J.; Owens, A.J.; Walsh, M.J.(1966) Artificial Intelligence through Simulated Evolution. John Wiley & Sons, New York. [ Links ]
Forbes, N.(2004) Imitation of Life. How Biology is Inspiring Computing. MIT Press, Cambridge MA. [ Links ]
Friedman, G.J.(1956) Selective Feedback Computers for Engineering Synthesis and Nervous System Analogy. Master's Thesis, Engineering, University of California, Los Angeles CA. [ Links ]
Holland, J.H.(1992) Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. MIT Press, Cambridge MA. [ Links ]
Karaboga, D.(2005) "An idea based on honey bee swarm for numerical optimization", TR06/REP, Computer Engineering Department, Engineering Faculty, Erciyes University. [ Links ]
Kennedy, J.; Eberhart, R. C.(1995) "Particle swarm optimization", Proceedings of IEEE International Conference on Neural Networks, vol. 4, IEEE Computer Society, Piscataway NJ: 1942-1948. [ Links ]
Mladenovic, N.; Hansen, P.(1997) "Variable neighborhood search", Computers & Operations Research24(11): 1097-1100. [ Links ]
Olmo, J.L.(2013) Minería de Datos mediante Programación Automática con Colonias de Hormigas. Tesis de Doctorado, Departamento de Informática y Análisis Numérico, Escuela Politécnica Superior, Universidad de Córdoba, España. [ Links ]
Piza, E.; Murilo, A.; Trejos, J.(1999) "Nuevas técnicas de particionamiento en clasificación automática", Revista de Matemática: Teoría y Aplicaciones 16(1): 51-66. [ Links ]
Price, K.; Storn, R.; LampinenJ.(2005) Differential Evolution: A Practical Approach to Global Optimization. Natural Computing Series, Springer, Berlin. [ Links ]
Rechenberg, I.(1973) Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Frommann-Holzboog Verlag, Stuttgart. [ Links ]
Stepney, S.; Smith, R.E.; Timmis, J.; Tyrrell, A. M.; Neal, M. J.; Hone, A. N. W. (2005) "Conceptual frameworks for artificial immune systems", International Journal of Unconventional Computing1(3): 315-338. [ Links ]
Vicente, E.; Rivera, L.; Mauricio, D.(2005) "Grasp en la resolución del problema de clustering", Revista de Investigación en Sistemas e Informática, 2(2): 16-25. [ Links ]
Recibido: 20 de Marzo de 2014; Revisado: 27 de Agosto de 2015; Aprobado: 01 de Septiembre de 2015
Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons
