Uso de Emulaciones del Sistema Inmune para
Manejo de Restricciones en Algoritmos Evolutivos

Nareli Cruz Cortés

Maestría en Inteligencia Artificial
Universidad Veracruzana

Defendida el 16 de Diciembre del 2000. Mención Honorífica
 
Asesor: Dr. Carlos A. Coello Coello
        CINVESTAV-IPN, Depto. de Ing. Eléctrica, Sección de Computación
        México D.F 


RESUMEN

Los algoritmos evolutivos han sido utilizados muy exitosamente como
técnicas de optimización durante los últimos años.

Sin embargo, dado que son técnicas que operan sin restricciones,
se les ha tenido que acoplar un mecanismo que permita incorporar
restricciones de todo tipo (lineales, no lineales, igualdad y desigualdad)
a la función de aptitud. 

Aunque tradicionalmente se han utilizado funciones de penalización
para incorporar restricciones en los algoritmos evolutivos, existe una
cantidad significativa de trabajo en torno a enfoques alternativos.
En esta tesis se explora una de ellas que está basada en el
uso de emulaciones del sistema inmune. 

El sistema inmune biológico es un complejo sistema de procesamiento de 
información que ha servido de inspiración para realizar 
simulaciones por computadora que buscan dar solución a diversos 
problemas planteados por la ciencia y la tecnología, pricipalmente 
orientados a la protección contra individuos invasores.

Esta simulación se basa en el principio de reconocimiento de 
los organismos extraños que intentan invadir al organismo. La 
tarea de reconocimiento se lleva a cabo por los anticuerpos, 
los cuales deben de combinarse entre sí para 
lograr la especifidad adecuada al antígeno invasor,
es decir, el sistema debe aprender los anticuerpos correctos para 
tal antígeno.

Al tomar este modelo del sistema inmune al dominio de optimización
global, el aprendizaje lo realiza un algoritmo genético, que busca 
crear similitud a nivel del genotipo de los individuos que violan 
restricciones con aquellos que no lo hacen.
De esta manera se disminuye, o elimina en algunos casos, la 
violación a las restricciones del problema.

El trabajo de esta tesis es una
extensión a una propuesta reportada previamente en la literatura
(Hajela,1996), la cual adolecía de 
algunas limitantes. De entre ellas, las más importantes
limitaciones del algoritmo original eran el hecho de que requería
de al menos una solución factible en la generación inicial del
algoritmo genético, y que planteaba mapeos genotípicos aplicables
únicamente a alfabetos binarios. Ambas limitantes fueron superadas
en el trabajo aquí reportado.

El algoritmo propuesto se aplica a varias funciones de prueba propuestas 
por investigadores del área de optimización evolutiva, 
a fin de validar su funcionamiento. Los resultados obtenidos hacen ver
que el uso de emulaciones del sistema inmune para manejo de restricciones
es una alternativa viable y muy prometedora.