TESIS DOCTORAL Computación emergente y auto-organización aplicada al diseño de algoritmos ...

226 Pages·2015·13.34 MB·English

UNIVERSIDAD COMPLUTENSE DE MADRID
FACULTAD DE INFORMÁTICA

DEPARTAMENTO DE ARQUITECTURA DE COMPUTADORES Y
AUTOMÁTICA

TESIS DOCTORAL

Computación emergente y auto-organización aplicada al
diseño de algoritmos bio-inspirados de búsqueda heurística

PRESENTADA POR
José María Benítez Escario

Directores

Juan Jiménez Castellanos
José M. Girón-Sierra

Madrid, 2015

©José María Benítez Escario, 2015
UNIVERSIDAD COMPLUTENSE DE MADRID
FACULTAD DE INFORMÁTICA
Departamento de Arquitectura de Computadores y Automática
Computación emergente y auto-organización aplicada al
diseño de algoritmos bio-inspirados de búsqueda heurística
Memoria para optar al grado de doctor presentada por
José M. Benítez Escario
Bajo la dirección de
Dr. Juan Jiménez Castellanos
Dr. José M. Girón-Sierra

Agradecimientos
En primer lugar quiero agradecer a mis directores la dedicación, el apoyo y
la ayuda que me han ofrecido a lo largo del tiempo que he estado elaborando
la presente tesis. A Juan por la paciencia que ha tenido a lo largo de todo este
tiempo, por corregirme hasta la extenuación y guiarme en este complicado mundo
que es la investigación; y sobre todo por hacerme comprender que un rechazo
no es más que el primer paso del siguiente camino. A José María por compartir
su experiencia conmigo, siempre dispuesto a ofrecer su ayuda para lo que fuese
necesario.
A los compañeros del laboratorio Héctor, Santi, Fernando, Miriam, Lucía por
hacer de un lugar de trabajo un sitio donde te apetecía ir.
A todos los miembros del Departamento de Arquitectura de Computadores
y Automática y al grupo de investigación ISCAR. Con especial mención a Eva,
siempre ocupada pero con tiempo para ayudar en lo que sea.
A todos los amigos que me han acompañado durante estos años. En especial
a Alejandro y Manuel, al cabo del tiempo uno se da cuenta que reír, compartir,...
es una pieza capital para cualquier actividad que hagamos en la vida. Nunca hay
que subestimar la contribución que hace tomarse una copa en buena compañía al
desarrollo de una tesis doctoral.
Y por último pero no menos importante, a mi hermano y a mi madre porque
sinellosnohubierasidoposible.Porlapacienciaalescucharmeylaimpaciencia
porque acabase. Es la mejor familia que uno pudiese desear.
3

Resumen
El presente trabajo de tesis doctoral se enmarca dentro de los métodos de
búsqueda heurística en Inteligencia Artificial. Más concretamente se ha centrado
en el diseño de algoritmos utilizando una perspectiva de computación emergente
y auto-organización.
El diseño se inspira en las capacidades de auto-organización de las colonias
de insectos. Esta auto-organización consiste en ajustar la conducta en función
de la respuesta obtenida al realizar una acción en un determinado entorno. Este
mismoesquemasehatrasladadoaunalgoritmodebúsqueda:lasaccionesserían
la generación de soluciones y el entorno sería el problema que se desea resolver.
De este modo se consigue que el algoritmo se auto-organice según el estado de
la búsqueda.
El punto de partida ha sido un sistema multi-agente: la meta-heurística Ant
ColonyOptimisation.Lacualhasidomodificadaparaaplicarunenfoqueclásicode
InteligenciaArtificial:búsquedasenespaciosdeestados.Losagentesdelsistema
operan de manera asíncrona. De este modo, se reduce la influencia a la que se
ve sometido cada agente, lo cual se traduce en un mejor proceso de búsqueda, al
reducirse el riesgo de estancarse por una pérdida de diversidad.
Además, se ha desarrollado una dinámica auto-organizativa para regular la
población de agentes. Esta dinámica de población permite mantener un equilibrio
en la búsqueda mediante el balance de la población de agentes tanto en tamaño
como en composición. Estas técnicas de diseño permiten disminuir el número de
parámetros del algoritmo.
Todo este conjunto de ideas se materializan en la implementación de un nue-
vo algoritmo: Ant Colony Extended, el cual ha obtenido buenos resultados en
problemas de búsqueda y optimización muy diferentes tales como el problema
del viajante de comercio (TSP), problemas clásicos de programación genética, y
planificación-optimización de maniobras para barcos.
Palabrasclave:
InteligenciaArtificial,computaciónemergente,auto-organización,
búsqueda heurística, algoritmos bio-inspirados, sistema multi-agente, ant colony
optimisation, meta-heurísticas
5

Abstract
The present doctoral thesis is devoted to heuristic search methods in Artifi-
cial Intelligence. More specifically, it is focused on designing algorithms using a
perspective of emerging computation and self-organisation.
Thedesignisinspiredbytheself-organisingcapabilitiesofcoloniesofinsects.
This self-organisation adjusts the behaviour of the system, depending on the res-
ponse obtained from performing an action in a certain environment. This scheme
has been translated to a search algorithm: actions would be the generation of
solutions and the environment would be the problem to be solved. This ensures
that the algorithm is self-organised by the state of the search.
The starting point has been a multi-agent system: the meta-heuristic Ant Co-
lony Optimisation. Which has been modified to apply a classical approach of Ar-
tificial Intelligence: solving problemas by searching a state space. System agents
operate asynchronously. This reduces the influence each agent is subjected to,
which results in a better search process by reducing the risk of stagnation due to
a loss of diversity.
Moreover,aself-organisingdynamichasbeendevelopedtoregulatetheagent
population. This population dynamic allows holding an equilibrium of the search,
balancingthepopulationofagentsinbothsizeandcomposition.Thesetechniques
allow designing algorithms with fewer parameters.
Theseideasleadtotheimplementationofanewalgorithm:AntColonyExten-
ded,whichhasperformedwellinverydifferentproblemsofsearchandoptimisation
problems,suchasthetravelingsalesmanproblem(TSP),classicalproblemsofge-
netic programming, and planning-optimisation of ship manoeuvres.
Keywords:
Artificial Intelligence, emergent computation, self-organisation, heu-
risticsearch,bio-inspiredalgorithms,multi-agentsystem,antcolonyoptimisation,
meta-heuristics
7

Índice general
1. Introducción 11
1.1. Comportamientos emergentes y auto-organización . . . . . . . . . . 13
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Inteligencia Artificial Distribuida 25
2.1. Ant Colony Optimization. . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2. Búsquedas en espacios de estados . . . . . . . . . . . . . . . . . . . 31
2.3. Esquema de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4. Recapitulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3. Decisiones colectivas en los insectos 37
3.1. Colonias de hormigas . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2. Colonias de abejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3. Hormigas + Abejas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.4. Simulación de un esquema híbrido . . . . . . . . . . . . . . . . . . . . 47
3.5. Implementación de un prototipo de algoritmo . . . . . . . . . . . . . 56
3.6. Análisis Experimental . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.7. Recapitulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4. Dinámica de población 79
4.1. Alternativa al uso de parámetros . . . . . . . . . . . . . . . . . . . . . 79
4.2. Auto-organización en sistemas biológicos . . . . . . . . . . . . . . . . 83
4.3. Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.4. Análisis experimental . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.5. Recapitulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5. Estudios experimentales 105
5.1. Comparativa con algoritmos ACO clásicos . . . . . . . . . . . . . . . 106
5.2. Programación genética. . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3. Planificación de maniobras para barcos . . . . . . . . . . . . . . . . . 144
5.4. Recapitulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6. Conclusiones 171
6.1. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
9