Razonamiento Basado En Casos

Control De Lectura

El Razonamiento Basado en Casos; es capaz de utilizar los conocimientos específicos previamente experimentados, es decir, situaciones problemáticas concretas (casos). Por lo tanto busca a un caso anterior similar, y su reutilización en la situación problemática nueva, finalmente con ello ayuda a resolver el nuevo problema.

 identificar el problema nuevo.

 Búsqueda de casos con similitudes con el caso nuevo.

 Evaluación de la solución.

 Asignación y almacenamiento del nuevo caso.

 Explicar, reparación y pruebas.

Algoritmos Evolutivos son sub-sistemas simbólicos para resolver problemas computarizados, que utilizan modelos computacionales de algunos de los mecanismos conocidos de la evolución, como elementos claves en su diseño e implementación. Los más importantes son:

 algoritmos genéticos,

 programación evolutiva

 las estrategias de evolución.

Todos ellos comparten una base conceptual común de la simulación de la evolución de las estructuras individuales a través de procesos de selección, reproducción (sexual o asexual) y la mutación.

Los Algoritmos Evolutivos mantienen una población de estructuras, que evolucionan de acuerdo con las normas de selección de los operadores y de otro tipo, que se conocen como "operadores de búsqueda", (o los operadores genéticos), como por ejemplo: reproducción y mutación. La reproducción centra su atención en las personas con aptitud elevada, para la explotación de la información disponible que coincida. La mutación perturba a las personas, proporcionando heurística general para la exploración.

Si embargo, en primer lugar, hay que señalar que la evolución (en la naturaleza o en cualquier otro lugar) no es un proceso intencional o dirigido. Aquellos que son mejores tienen más probabilidades de sobrevivir y propagarse su material genético. Por evolución definición requiere la diversidad para trabajar. En la naturaleza, una importante fuente de diversidad es la mutación.

El enfoque consiste en utilizar un sistema de aprendizaje para almacenar soluciones que se han generado previamente por el mismo y AG utilizarlos como un recuerdo de "experiencias pasadas". Extracción de conocimiento a partir de una solución particular.

Los casos serán almacenados de los problemas que se han resuelto anteriormente y que será utilizada para la siembra de la población inicial de un GA. Los atributos contenidos en esta parte de la base de caso son los siguientes:

 Identificación del caso

 El número de entradas

 El número de salidas

 La salida de valores,

 El condicionamiento físico y genotipo.

Algunas soluciones a los circuitos lógicos diferentes, incluyendo el comparador y otros circuitos se almacenan en la base de caso. Los casos más similares (diferentes soluciones para el circuito) sería una parte de la base de la población inicial de un AG. La población inicial era una mezcla de las soluciones anteriormente.

El problema de encontrar el número adecuado de casos para ser inyectados en la población de un AG sigue siendo un área de investigación abierta. Como era de esperar, cuando el conocimiento anterior se utiliza, la GA llega más rápidamente a la solución más conocida para el circuito. En el futuro tal vez los nuevos principios podrían ser descubiertos mediante el examen de una serie de diseños evolucionados,

...