A-Life: Investigación sobre Evolución y Vida Artificial

Última actualización Sección Actualizada
10 de julio de 2025 Artículos Las partes del cuerpo humano para las que la evolución no encuentra una explicación

Investigación sobre colaboración entre individuos para adaptarse y sobrevivir


Colección de artículos sobre evolución, vida e inteligencia artificial


Historia de esta investigación sobre vida artificial


Log de actualizaciones de este sitio Web


Sobre el Autor: Rafael Alberto Moreno Parra


Libros escritos por el autor de temas usados para la investigación

C# y .NET 9. 2025.

Lenguaje usado en las simulaciones. Dividido en las siguientes partes:

Parte 1: IDE, variables, ciclos, si condicional, funciones

Parte 2: Cadenas (strings)

Parte 3: Arreglos estáticos

Parte 4: Programación Orientada a Objetos

Parte 5: Estructuras de datos dinámicas

Parte 6: LINQ y Lambda

Parte 7: Un evaluador de expresiones algebraicas

Parte 8: Estructuras de datos de bajo nivel

Parte 9: Simulaciones

Parte 10: Algoritmos evolutivos

Parte 11: Redes Neuronales

Parte 12: Gráficos 2D

Parte 13: Gráficos en 3D

Parte 14: Animación

Parte 15: Imágenes

Descárguelo (documento en PDF y código fuente)

Capacitándose en JavaScript. 2024.

Lenguaje usado en este sitio Web para hacer demostraciones de simulaciones.

Descárguelo (documento en PDF y código fuente)

Evaluador de Expresiones Algebraicas

¿Qué es un evaluador de expresiones? Tenemos la expresión “K/(3.78 + cos(X/7.96+Y*1.554)-tan(3.7/X)+B)” almacenada en una variable de tipo Cadena (String). Necesitamos que un algoritmo resuelva esa expresión y retorne el valor cuantitativo una vez que las variables K, X, Y y B se les asignen un valor real.

Descargue Libro Versión 3 (C#, C++, Delphi, Java, JavaScript, PHP, Python, TypeScript, Visual Basic .NET)

Un uso de algoritmos genéticos para búsqueda de patrones

ISBN: 978-958-762-479-3

La detección de patrones de comportamiento en una serie de datos dada sirve para poder hacer: interpolación, el cual nos permite encontrar los valores intermedios entre dos puntos y usar esto para completar (por ejemplo para el trazado de una curva que una esos puntos); la extrapolación para poder predecir el comportamiento futuro de los datos (por supuesto, con reservas); para encontrar una curva menos costosa en cálculo con respecto a otra, y para compresión de datos, porque en vez de guardar una larga lista de datos, es mucho más corto guardar la expresión algebraica que genera esos datos.

Regresión Simbólica Y=F(X). Código fuente y Ejecutable

Regresión Simbólica Z=F(X,Y). Código fuente y Ejecutable

Segunda parte de uso de algoritmos genéticos para la búsqueda de patrones

ISBN: ISBN: 978-958-762-483-0

En esta segunda parte, el libro aborda como se resolvió el problema de manejar una gran cantidad de diversas funciones y operaciones matemáticas sin perder la eficiencia. Una vez resuelto ese punto, el paso siguiente es probar si es cierto que el algoritmo genético al tener acceso a todas esas nuevas funciones matemáticas logra mejores curvas de aproximación.