Esta investigación tuvo como objetivo encontrar la ruta más corta de n puntos en el espacio, sin corte o intersección entre las líneas generadas por los caminos. Para lograr esto, se usó el algoritmo genético, donde se aprovechó la ventaja de no competir “todos contra todos”, sino que a partir de una pequeña población puede encontrarse la posible mejor ruta en el espacio, también llamada “búsqueda local”. Para realizar el proceso evolutivo, se consideró el método de la ruleta, cruce por intercambio de 2 puntos, mutación por intercambio y método de parada a la varianza a 25 generaciones. Implementado en Matlab 8.3, se obtuvo como resultado una duración de 24.7 s y 210.6 s, con funciones de adaptación de 0.79 y 0.76, 76 y 206 generaciones a las pruebas realizadas de 10 y 100 puntos, respectivamente. Demostrando que con el algoritmo genético se encontró la posible...

El presente artículo de investigación tiene como objetivo utilizar algoritmo genético generacional, propio de la inteligencia artificial, donde se aprovecha el proceso evolutivo para optimizar el recorrido de los n puntos o nodos, a un coste de computador menor. Una de las ventajas de este método evolutivo es que no compiten todos contra todos, sinoque se crea y procesa una porción de la población total, con el objetivo de encontrar la posible mejor ruta, o también llamada búsqueda local. Se ha considerado para el método de la ruleta, cruce por intercambio de 2 puntos, mutación por intercambio y método de parada de acuerdo a la cantidad de generaciones. En un computador de regular característica selogró implementar el algoritmo genético generacional en lenguaje Matlab 8.3, tomando como ejemplo las distancias de cada ciudad. Se obtuvieron como result...

Al contar con diferentes puntos en un espacio específico, surge la necesidad de recorrerlas tomando como referencia el problema del agente viajero, así también surge otro problema en el recorrido en el espacio, que es el riesgo en que los caminos se intersecten en el espacio, por tanto la presenta investigación para solucionarlo aplica una estrategia al algoritmo genético para evitar estos cortes, donde se aprovechó la ventaja de no competir todos contra todos, si no que a partir de una pequeña población se recorre el universo de casos, encontrando la posible mejor ruta en el espacio evitando estos cortes. Tomando en cuenta las funciones propias del algoritmo genético se resolvieron estos problemas usando la estrategia de traer de la generación anterior un par de mejores individuos a la generación actual. Considerando si se tiene 50 nodos en el espacio se logró resolver en 15...

“This research aims to cover a need to be able to classify according to the funds of eyes in diabetic retinopathy disease, how to convert to gray tone, perform an equalization, apply the canny edge highlighting algorithm and apply morphological operations so that a SOM (self-organization ma p ) neural network can be entered and classified. To achieve this, it is classified as 0 to diabetic retinopathy, 1 to glaucoma and 3 to healthy eyes. To corroborate this strategy, a public database of Fundus-images has been taken, being 45 images of eyes for training and for tests 15 images that were not part of the training were used and for the tests 3 images that were not part of the training were used and each grayscale image is scaled to a dimension of 256x256 pixels, managing to demonstrate with this strategy an affectivity of 93.7% certainty in the identification of class of eye disease“