Evolución de controladores definidos por redes neuronales

• Autores: Olivera, Javier Hugo
• Año de publicación: 2006
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Lanzarini, Laura Cristina
• Materia: Ciencias Informáticas; Neural nets; Multiagent systems; Algorithms
• Institución: Universidad Nacional de La Plata

Las Redes Neuronales han demostrado ser una excelente herramienta para la resolución de tareas complejas, entendiendo como tales aquellas cuya solución no es directa sino que involucra el aprendizaje de una estrategia para lograr el objetivo esperado. Tal es el caso de un robot que debe trasladar distintos tipos de elementos dentro de un escenario con obstáculos. También es importante considerar que existen situaciones que no pueden ser resueltas por un único agente. Tal es el caso del fútbol robótico donde varios jugadores combinan sus acciones para lograr un único objetivo. Este tipo de problemas pertenece a lo que se conoce como sistemas multi agente. Los sistemas multi agentes (MAS – Multi Agent System) pertenecen a una rama de la inteligencia artificial (AI – Artificial Intelligence) que apunta a proveer principios para la construcción de sistemas complejos involucrando múltiples agentes y mecanismos para coordinar comportamientos independientes de los mismos. Es importante notar que, más allá de las diferencias entre los agentes, es el grupo el que debe llevar a cabo la estrategia. Diversas investigaciones han demostrado que este tipo de situaciones pueden ser resueltas dividiendo el problema original en partes más simples, llamadas subtareas, permitiendo de esta forma un aprendizaje gradual de la respuesta buscada. Cuando la situación a resolver es compleja, es difícil establecer a priori el controlador a utilizar y es aquí donde la descomposición del problema toma importancia. Este proceso, que comienza por aprender las tareas más simples y a partir de ellas va incorporando habilidades más complejas, se conoce como aprendizaje por capas. Por otro lado, a menos que se disponga de la información inicial necesaria para resolver cada subtarea, resulta ideal disponer de algún mecanismo que permita realizar la adaptación de la manera más automática posible. En esta dirección se han desarrollado distintas soluciones que combinan técnicas de Evolución Incremental con Redes Neuronales Evolutivas con el objeto de proveer un mecanismo adaptivo que minimice el conocimiento previo necesario para obtener un buen desempeño dando lugar a controladores formados por varias redes. Otro aspecto a tener en cuenta es la forma de determinar cual es la red neuronal que debe desenvolverse en cada instante de tiempo; en esta línea existen diferentes alternativas que van desde el uso de un árbol de decisión diseñado ad-hoc hasta mecanismos que organizan la estructura en forma automática.
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática