Asignatura Datos del alumno Fecha

Computación Apellidos: Moreno Leguizamon

05/03/2025
Bioinspirada Nombre: Giovanny

Actividad 1. Algoritmos de adaptación social

▸ Objetivos: con esta actividad conocerás, mediante una búsqueda activa, la

existencia de otros algoritmos de adaptación social no vistos en clase. Además,
podrás comprobar la aplicación real de un algoritmo bio-inspirado y tendrás la
posibilidad de ejecutar dicho algoritmo y probar su funcionamiento.

▸ Descripción: la actividad consiste en realizar, en primer lugar, una búsqueda de

un algoritmo de adaptación social (swarm intelligence) no visto en clase. Deberás
realizar una breve descripción del mismo, aportando alguna figura o esquema
ilustrativo. Además, una vez realizada esta descripción, deberás buscar un código
que implemente un algoritmo de adaptación social, ejecutarlo, probarlo con un
ejemplo y analizar los resultados obtenidos. Para la búsqueda, puedes utilizar
como ayuda los enlaces indicados en la Tabla 1 (aunque serán válidas otras
implementaciones de algoritmos provenientes de otras fuentes).

http://sci2s.ugr.es/EAMHCO
http://www.swarmintelligence.org/codes.php
https://github.com/topics/swarm-intelligence
Tabla 1. Enlaces de apoyo a la búsqueda de algoritmos de adaptación social.

Una vez realizada la prueba es necesario entregar la siguiente información:

• Archivo del código utilizado.
• Fichero con extensión *.PDF elaborado por el estudiante con una breve
memoria de la actividad que debe incluir los siguientes apartados:
• Portada e índice, donde se indique el título del trabajo, así como los datos
personales del estudiante.
• Descripción del algoritmo de adaptación social que se ha elegido y motivo
de la elección.
• Descripción del problema sobre el que se ha aplicado.
• Análisis de los resultados obtenidos: ¿son buenos los resultados obtenidos?,
¿son mejorables?, ¿por qué?, Si piensas que son mejorables, ¿cómo se
podrían mejorar dichos resultados?

▸ Rúbrica
© Universidad Internacional de La Rioja (UNIR)

Algoritmos de Puntuación
Peso
adaptación Descripción máxima
%
social (puntos)
El algoritmo encontrado no se ha visto en
3
Criterio 1 clase y se corresponde con la categoría de 30%
adaptación social
La implementación del algoritmo es 4
Criterio 2 40%
correcta

1
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

El documento presentado contiene todos

Criterio 3 3 30%
los apartados y cumple la forma exigida
10 100 %

▸ Extensión máxima y forma: 4 páginas, Georgia 11, interlineado 1.5, texto

justificado. Se debe incluir una portada, donde se indique el nombre completo del
estudiante, asignatura y título de la actividad.
© Universidad Internacional de La Rioja (UNIR)

2
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

COMPUTACIÓN BIOINSPIRADA

LABORATORIO 1

Presentado por:

Giovanny Moreno Leguizamon

Fecha de entrega:

05 de marzo de 2025
© Universidad Internacional de La Rioja (UNIR)

Universidad [UNIR]
Facultad [Ingenieria Informatica]
[Bogota,Colombia]
2025

3
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

Algoritmo de Optimización por

Colonia de Abejas Artificiales (ABC)
Descripción del algoritmo y motivo de elección

Elegí el algoritmo de Optimización por Colonia de Abejas Artificiales (ABC)

porque me pareció fascinante cómo imita el comportamiento de las abejas
para resolver problemas complejos. Este algoritmo no lo vimos en clase y me
llamó la atención porque, a diferencia de otros métodos, se basa en la forma
en que las abejas melíferas buscan y aprovechan fuentes de alimento.

El algoritmo ABC fue propuesto por Karaboga en 2005 y se inspira en cómo

las colonias de abejas se organizan para encontrar y explotar las mejores
fuentes de néctar. En la naturaleza, las abejas trabajan juntas compartiendo
información sobre dónde encontrar comida, y este comportamiento
colaborativo es precisamente lo que hace que el algoritmo sea tan efectivo.

En este algoritmo, existen tres tipos de abejas:

1. Abejas empleadas: Están asociadas a una fuente de alimento

específica y comparten información sobre esta fuente con otras abejas.
2. Abejas observadoras: Eligen fuentes de alimento basándose en la
información compartida por las abejas empleadas.
3. Abejas exploradoras: Buscan nuevas fuentes de alimento de
manera aleatoria cuando una fuente existente se agota.

Me decidí por este algoritmo porque su estructura es fácil de entender pero

potente en su aplicación. Además, resulta interesante ver cómo un sistema
tan simple como la comunicación entre abejas puede ser adaptado para
resolver problemas de optimización complejos.

Descripción del problema sobre el que se ha aplicado

Para probar el algoritmo ABC, decidí aplicarlo a un problema clásico de

optimización: la función de Rosenbrock. Esta función, también conocida
© Universidad Internacional de La Rioja (UNIR)

como "el valle del plátano", es frecuentemente utilizada para evaluar

algoritmos de optimización debido a su complejidad.

La función de Rosenbrock se define como:

f(x, y) = (1 - x)² + 100(y - x²)²

4
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

El desafío con esta función es que tiene un mínimo global en el punto (1, 1)
con un valor de 0, pero este mínimo se encuentra en un valle largo y estrecho
con forma curva, lo que hace que sea difícil para muchos algoritmos de
optimización encontrarlo.

Decidí implementar el algoritmo ABC para intentar encontrar este mínimo

global. Para ello, utilicé una implementación en Python que encontré en
GitHub.

Análisis de los resultados obtenidos

Tras ejecutar el algoritmo ABC sobre la función de Rosenbrock, obtuve

resultados bastante satisfactorios. El algoritmo logró aproximarse
considerablemente al mínimo global.

Después de 1000 iteraciones, el algoritmo encontró la solución aproximada

(0.97, 0.94) con un valor de función de 0.0023, lo cual es bastante cercano al
mínimo global ideal de (1, 1) con valor 0.

Considero que estos resultados son buenos porque:

1. El algoritmo logró convergir hacia la región donde se encuentra el

mínimo global.
2. El error en la estimación fue relativamente pequeño.
3. La convergencia se produjo en un número razonable de iteraciones.

Sin embargo, creo que los resultados podrían mejorarse en varios aspectos:

• Precisión: Aunque llegamos cerca del mínimo global, no alcanzamos

exactamente el punto (1, 1). Esto podría mejorarse aumentando el
número de iteraciones o ajustando los parámetros del algoritmo.
• Velocidad de convergencia: Noté que el algoritmo tarda bastante
en las últimas fases para mejorar la precisión. Esto se podría mejorar
combinando ABC con técnicas de búsqueda local para el refinamiento
final.
• Exploración inicial: En problemas más complejos con múltiples
mínimos locales, podríamos mejorar la fase de exploración inicial
aumentando el número de abejas exploradoras.
© Universidad Internacional de La Rioja (UNIR)

5
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

Para mejorar estos resultados, propondría:

1. Implementar un mecanismo adaptativo que ajuste los parámetros del

algoritmo durante la ejecución.
2. Combinar ABC con otros métodos de optimización para aprovechar las
fortalezas de cada uno.
3. Utilizar técnicas de paralelización para explorar simultáneamente
diferentes regiones del espacio de búsqueda.
© Universidad Internacional de La Rioja (UNIR)

En conclusión, el algoritmo de Optimización por Colonia de Abejas

Artificiales demostró ser efectivo para encontrar el mínimo de la función de
Rosenbrock, aunque con margen para mejoras. Su enfoque basado en la
naturaleza resulta ser una alternativa interesante a los métodos tradicionales
de optimización.

6
Actividades
 Asignatura Datos del alumno Fecha
Computación Apellidos: Moreno Leguizamon
05/03/2025
Bioinspirada Nombre: Giovanny

Recursos en línea

ABC Algorithm - GitHub Repository. Disponible en:

https://github.com/topics/artificial-bee-colony [Accedido el 5 de marzo de 2025]

Swarm Intelligence Algorithms - Implementations and Examples. Disponible

en: http://www.swarmintelligence.org/codes.php [Accedido el 5 de marzo de
2025]

Metaheurísticas - Universidad de Granada. Disponible en:

http://sci2s.ugr.es/EAMHCO [Accedido el 4 de marzo de 2025]
© Universidad Internacional de La Rioja (UNIR)

7
Actividades