Método para la síntesis de paisajes de optimización bidimensionales basado en redes adversarias generativas
Fecha
Fecha
2023-05-10
Autores
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
Se realizó la implementación de una red neuronal artificial, específicamente una Deep Convolutional Adversarial Network (DCGAN), con el propósito de generar paisajes bidimensionales de optimización. Se logró aumentar la cantidad de paisajes y su diversidad. Se inició con la conformación de una base de datos a partir de la literatura, para posteriormente producir otras bases de datos con características específicas. Se conformaron 8 bases de datos, las 4 primeras se dividieron en: Original, Sin ruido, Con un solo mínimo y Con varios mínimos. Las 4 bases de datos posteriores se crearon a partir de la aplicación de un Data Augmentation a las 4 bases de datos nombradas anteriormente. Luego, se ejecutó el algoritmo varias veces hasta encontrar los parámetros adecuados para el funcionamiento de la red, esto se realizó para cada una de las bases de datos. Una vez escogidos los parámetros para cada una de las bases de datos, se ejecutó nuevamente el algoritmo varias veces para realizar un análisis de los resultados y también se obtuvieron varios paisajes de optimización con diversidad en sus características, con similitud a la base de datos original y a su vez, con presencia de información diferente. De toda la experimentación se valida que es posible la generación de nuevos paisajes bidimensionales de optimización a partir de una red adversaria generativa, dejando como trabajo futuro el encontrar las funciones o expresiones matemáticas que producirán dichos paisajes.
Resumen
The implementation of an artificial neural network, specifically a Deep Convolutional Adversarial Adversarial Network (DCGAN), was carried out in order to generate two-dimensional optimization landscapes. The number of landscapes and their diversity were increased. We started with the creation of a database based on the literature, to later produce other databases with specific characteristics. Eight databases were created, the first four of which were divided into: Original, No noise, With a single minimum and With several minimums. The 4 subsequent databases were created from the application of a Data Augmentation to the 4 previously mentioned databases. Then, the algorithm was run several times until the appropriate parameters for the operation of the network were found, this was done for each of the databases. Once the parameters were chosen for each of the databases, the algorithm was run again several times to perform an analysis of the results and also obtained several optimization landscapes with different characteristics, with similarity to the original database and at the same time, with the presence of different information. From all the experimentation it is validated that it is possible to generate new two-dimensional optimization landscapes from a generative adversarial network, leaving as future work to find the functions or mathematical expressions that will produce such landscapes.
Palabras clave
DCGAN, Discriminador, Generador, Mínimo, Optimización