INSTITUTO POLITÉCNICO NACIONAL

SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

PROGRAMA SINTÉTICO
UNIDAD ACADÉMICA: ESCUELA SUPERIOR DE CÓMPUTO; UNIDAD PROFESIONAL INTERDISCIPLINARIA
DE INGENIERÍA CAMPUS COAHUILA; UNIDAD PROFESIONAL INTERDISCIPLINARIA
DE INGENIERÍA CAMPUS TLAXCALA
PROGRAMA ACADÉMICO: Ingeniería en Inteligencia Artificial
UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados SEMESTRE: V

PROPÓSITO DE LA UNIDAD DE APRENDIZAJE

Implementa soluciones a problemas con base en algoritmos bioinspirados.
I. Introducción algoritmos bioinspirados
II. Cómputo evolutivo 1: Algoritmos genéticos
CONTENIDOS: III. Cómputo evolutivo 2: Programación genética
IV. Autómatas celulares
V. Inteligencia de enjambre

Métodos de enseñanza Estrategias de aprendizaje

a) Inductivo X a) Estudio de casos

ORIENTACIÓN b) Deductivo X b) Aprendizaje basado en problemas X

DIDÁCTICA: c) Analógico X c) Aprendizaje orientado proyectos
d) Heurístico

Diagnóstica X Saberes Previamente Adquiridos X

Solución de casos Organizadores gráficos X
Problemas resueltos X Problemarios
EVALUACIÓN Y
Reporte de proyectos Exposiciones
ACREDITACIÓN:
Reportes de indagación Otras evidencias a evaluar:
Ejercicios resueltos
Reportes de prácticas X
Programas de cómputo funcionando según
Evaluaciones escritas X requerimientos
Autor(es) Año Título del documento Editorial / ISBN
Karl-Peter
Cellular Automata: Analysis and Springer /
Hadeler, KP. & 2017
applications 9783319530420
Müller, J.
Keller, J. M; Fundamentals of Computational
IEEE /
Derong L. & 2016 intelligence – Neural networks, Fuzzy
BIBLIOGRAFÍA 9781110214342
Fogel, D. systems, and evolutionary computation
BÁSICA: Morgan
Kennedy, J &
2001 Swarm intelligence Kaufmann /
Eberhart, R. C.
9781558605954
Sivanandam, SN. Springer /
2008 Introduction to Genetic Algorithms
& Deepa, S.N. 9783540731894
Swarm intelligence Algorithms- A CRC Press /
Slowik, A. 2020
tutorial 9781138384491
*Bibliografía clásica
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

PROGRAMA DE ESTUDIOS

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 2 DE 9

UNIDAD ACADÉMICA: ESCUELA SUPERIOR DE CÓMPUTO; UNIDAD PROFESIONAL INTERDISCIPLINARIA

DE INGENIERÍA CAMPUS COAHUILA; UNIDAD PROFESIONAL INTERDISCIPLINARIA
DE INGENIERÍA CAMPUS TLAXCALA
PROGRAMA ACADÉMICO: Ingeniería en Inteligencia Artificial
SEMESTRE: ÁREA DE FORMACIÓN: MODALIDAD:
V Formación Profesional Escolarizada
TIPO DE UNIDAD DE APRENDIZAJE:
Teórica- práctica/ Obligatoria
VIGENTE A PARTIR DE: CRÉDITOS:
Enero 2022 TEPIC: 7.5 SATCA: 6.6
INTENCIÓN EDUCATIVA
La unidad de aprendizaje de algoritmos bioinspirados contribuye al perfil de egreso del ingeniero en inteligencia
artificial desarrollando conocimientos y habilidades técnicas para diseñar, implementar y evaluar soluciones con
base en algoritmos bioinspirados a problemas no tratables con algoritmos tradicionales o aquellos en los que se
quiera optimizar sus resultados. Todo ello asumiendo una actitud de responsabilidad y ética en su desempeño
profesional y personal. Asimismo, se consolidan habilidades transversales como el trabajo colaborativo, la
comunicación asertiva y la toma de decisiones.
Esta unidad se relaciona de manera antecedente con Fundamentos de Inteligencia artificial
PROPÓSITO DE LA UNIDAD DE APRENDIZAJE
Implementa soluciones a problemas con base en algoritmos bioinspirados.

TIEMPOS ASIGNADOS UNIDAD DE APRENDIZAJE

DISEÑADA POR: AUTORIZADO Y VALIDADO
HORAS TEORÍA/SEMANA: 3.0 POR:
Comisión de Diseño del Programa
Académico.
HORAS PRÁCTICA/SEMANA: 1.5

HORAS TEORÍA/SEMESTRE: 54.0

APROBADO POR:

HORAS PRÁCTICA/SEMESTRE:
27.0
Comisión de Programas
Académicos del H. Consejo
HORAS APRENDIZAJE General Consultivo del IPN. __________________________
AUTÓNOMO: 31.0 Ing. Juan Manuel Velázquez
Peto
Director de Educación
HORAS TOTALES/SEMESTRE: 22/10/2020 Superior
81.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 3 DE 9

UNIDAD TEMÁTICA I HORAS CON

HRS
Introducción algoritmos CONTENIDO DOCENTE
AA
bioinspirados T P
UNIDAD DE COMPETENCIA 1.1 Inteligencia en la naturaleza 1.5 2.0
Describe los problemas y 1.1.1 Evolución
algoritmos de optimización con 1.1.2 Inteligencia social en rebaños, hordas y
base en la evolución de la enjambres como optimización
inteligencia en la naturaleza
1.2 Optimización y algoritmos de optimización 3.0 1.0
1.2.1 Espacios de búsqueda
1.2.2 Optimización global y local
1.2.3 Sistemas complejos y sistemas dinámicos

Subtotal 4.5 0.0 3.0

HORAS CON
UNIDAD TEMÁTICA II
DOCENTE HRS
Cómputo evolutivo 1: Algoritmos CONTENIDO
AA
genéticos T P
UNIDAD DE COMPETENCIA 2.1 Trasfondo biológico y computacional 3.0 1.5
Resuelve problemas a partir de 2.1.1 Las células
algoritmos genéticos, su 2.1.2 Cromosomas y genética
representación y operadores 2.1.3 Reproducción
genéticos. 2.1.4 Selección natural
2.1.5 Evolución y algoritmos genéticos
2.2 Individuos y población 1.5 1.5 1.5
2.2.1 Genotipos y fenotipos
2.2.2 Codificación
2.2.3 Restricciones
2.2.4 Función de evaluación de aptitud
2.2.5 Población
2.3 Operadores genéticos 3.0 3.0 1.0
2.3.1 Selección
2.3.2 Cruzamiento
2.3.3 Mutación
2.3.4 Reemplazo
2.4. Parámetros de control y término 1.5 3.0 1.0
2.4.1 Parámetros de control de la búsqueda
2.4.2 Criterios de término de búsqueda
2.5 Hipótesis y teoremas del funcionamiento de 3.0 1.0
algoritmos genéticos
2.5.1 Hipótesis de bloques de construcción
2.5.2 Hipótesis de macromutación
2.5.3 Hipótesis de mutación adaptativa
2.5.4 Teorema del esquema
2.6 Aplicaciones de los algoritmos genéticos 1.5 1.0
Subtotal 13.5 7.5 7.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 4 DE 9

HORAS CON
UNIDAD TEMÁTICA III
DOCENTE HRS
Cómputo evolutivo 2: CONTENIDO
AA
Programación genética T P
UNIDAD DE COMPETENCIA 3.1 Programación genética y síntesis de programas 1.5
Resuelve problemas a partir de
3.2 Diferencias entre programación genética y 1.5
la programación genética
algoritmos genéticos
3.3 Bases de la programación genética 1.5 1.5 3.0
3.3.1 Operadores genéticos.
3.3.2 Programación genética generacional
3.3.3 Programación genética basada en árboles
3.3.4 Representación de la programación genética
3.4 Atributos 1.5 1.5 1.5
3.5 Consideraciones en la programación genética 3.0 3.0 1.5
3.5.1 Consideraciones previas
3.5.2 consideraciones en la ejecución
3.6 Características 1.5 1.0
3.7 Aplicaciones 1.5
Subtotal 12.0 6.0 7.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 5 DE 9

HORAS CON
UNIDAD TEMÁTICA IV HRS
CONTENIDO DOCENTE
Autómatas celulares AA
T P
UNIDAD DE COMPETENCIA 4.1. Bases de autómatas celulares 1.5
Realiza simulaciones con base 4.1.1 Malla
en autómatas celulares. 4.1.2 Vecindad
4.1.3 Estado de los elementos y estado global
4.1 4 Función local y función global
4.2 Autómatas celulares unidimensionales 3.0 3.0 3.0
4.2.1 Lattice
4.2.2 Funciones de transición
4.2.3 Reglas totalistas
4.2.4 Condiciones de frontera
4.2.5 Propiedades
4.2.6 Aditividad
4.2.7 Reversibilidad
4.2.8 Clasificación
4.2.9 Cómputo universal
4.2.10 Sincronización
4.3 Autómatas celulares bidimensionales 3.0 3.0 3.0
4.3.1 El juego de la vida
4.3.2 Replicación
4.3.3 Sincronización asíncrona
4.4 Autómatas celulares avanzados
3.0 1.0
4.4.1 Método de la lattice Boltzmann
4.4.2 Autómata de red
4.4.3 Autómata complejo
4.4.4 Autómata asíncrono
4.4.5 Autómata celular cuántico
4.4.6 Wetware
4.4.7 Autómata celular de valores reales
4.5 Aplicaciones 1.5
Subtotal 12.0 6.0 7.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 6 DE 9

HORAS CON
UNIDAD TEMÁTICA V HRS
CONTENIDO DOCENTE
Inteligencia de enjambre AA
T P
UNIDAD DE COMPETENCIA 5.1 Inteligencia de enjambre en inteligencia artificial 1.5 1.5
Resuelve problemas de acuerdo 5.1.1 Comportamiento colectivo y social
a los algoritmos de enjambre 5.1.2 Inteligencia de enjambre
5.2 Enjambre de partículas 3.0 3.0 1.0
5.2.1 Bases socio-cognitivas
5.2.2 Modelo binario
5.2.3 Enjambre de partículas en números continuos
5.2.4 Enjambre de partículas híbrido
5.2.5 Variaciones del paradigma del enjambre de
partículas
5.3 Modelos basados en comportamiento de insectos 3.0 1.5 1.5
5.3.1 Colonia de hormigas
5.3.2 Colonia de abejas
1.5
5.4 Modelos basados en microorganismos 1.5 1.5
5.4.1 Alimentación bacterial
1.5
5.5 Modelos basados en animales 3.0 1.5
5.5.1 Algoritmo de enjambre de murciélagos
5.5.2 Optimización por enjambre de gatos
Subtotal 12.0 7.5 7.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 7 DE 9

ESTRATEGIAS DE APRENDIZAJE EVALUACIÓN DE LOS APRENDIZAJES

Estrategia de Aprendizaje Basado en Problemas. Evaluación diagnóstica.

El alumno desarrollará las siguientes actividades: Portafolio de evidencias.
1. Desarrollo de conceptos teóricos e indagación 1. Mapas mentales, mapas conceptuales, cuadros
documental con lo que elaborará organizadores sinópticos, mapas cognitivos.
gráficos.
2. Ejercicios resueltos en equipo.
2. Solución de ejercicios en equipo de los temas
3. Problemas y ejercicios resueltos de manera
que sean vistos en clase que le permita el
individual.
análisis de los temas.
4. Reporte de prácticas
3. Solución de ejercicios y problemas de manera
individual que incorporen los conceptos 5. Programas de cómputo funcionando según los
aprendidos. requerimientos
4. Realización de prácticas.
5. Elaboración de programas de cómputo según
los requerimientos.

RELACIÓN DE PRÁCTICAS

LUGAR DE
PRÁCTIC UNIDADES
NOMBRE DE LA PRÁCTICA REALIZACIÓ
A No. TEMÁTICAS
N
1 Algoritmo genético clásico II Laboratorio de
cómputo
2 Algoritmos genéticos con números enteros y reales II
3 Efecto de los diferentes tipos de operadores genéticos II
4 Programación genética 1 III
5 Programación genética 2 III
6 Autómata celular unidimensional IV
7 El juego de la vida IV
8 Algoritmo de enjambre de partículas V
9 Algoritmos de enjambre basados en insectos V
10 Algoritmos basados en microorganismos V
11 Algoritmos basados en animales V
TOTAL DE
HORAS:27.0
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 8 DE 9

Bibliografía
Documento
A
nt O
Li
Tipo Autor(es) Año Título del documento Editorial / ISBN ol tr
br
o o
o
gí s
a
Hoeksatra, A. G; Simulating Complex Systems by Springer /
C 2010 X
Kroc, J. & Sloot, P. cellular automata 9783642122026
Karl-Peter Hadeler, Cellular Automata: Analysis and Springer /
B 2017 X
KP. & Müller, J. applications 9783319530420
Fundamentals of Computational
Keller, J. M; Derong intelligence – Neural networks, Fuzzy IEEE /
B 2016 X
L. & Fogel, D. systems, and evolutionary 9781110214342
computation
Morgan
Kennedy, J &
B 2001 Swarm intelligence Kaufmann / X
Eberhart, R. C.
9781558605954
Wiley-
Cellular Automata – A discrete view of
C Schiff, J. L. 2008 Interscience / X
the world
9780470168790
Sivanandam, SN. & Springer /
B 2008 Introduction to Genetic Algorithms X
Deepa, S.N. 9783540731894
Swarm intelligence Algorithms- A CRC Press /
B Slowik, A. 2020 X
tutorial 9781138384491

Recursos digitales
T S I T V P D O
e i m u i r i t
x m a t d e c r
t u g o e s c o
o l e r o e i
a n i n o
Autor, año, título y Dirección Electrónica d a t n
o l a a
r c r
i i
ó o
n
Eck, D. (2011). Genetic Algorithms Demo in JavaScript.Recuperado el 20 de Octubre del 2020,
X X
de: http://math.hws.edu/eck/jsdemo/jsGeneticAlgorithm.html
Play John Conway’s Game of Life. (2020).Recuperado el 20 de Octubre del 2020, de:
X
https://playgameoflife.com/
HTML5 Genetic Algorithm Biped Walkers. (2020). Recuperado el 20 de Octubre del 2020, de
X X
https://rednuht.org/genetic_walkers/
 INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR

UNIDAD DE APRENDIZAJE: Algoritmos bioinspirados HOJA 9 DE 9

PERFIL DOCENTE: Ingeniero en Sistemas Computacionales, Licenciatura en Computación o áreas

afines, con grado de maestría.

EXPERIENCIA HABILIDADES
CONOCIMIENTOS ACTITUDES
PROFESIONAL DIDÁCTICAS
Al menos dos años de En inteligencia artificial Discursivas Compromiso social e
docencia a nivel superior. En cómputo evolutivo Investigativas Institucional
En algoritmos genéticos Metodológicas Congruencia
En autómatas celulares Conducción del grupo Empatía
En algoritmos de enjambre Planificación de la Honestidad
En el Modelo Educativo enseñanza Respeto
Institucional (MEI) Manejo de estrategias Responsabilidad
didácticas centradas en el Tolerancia
aprendizaje Disponibilidad al cambio
Evaluativas Vocación de servicio
Manejo de las TIC Liderazgo

ELABORÓ REVISÓ AUTORIZÓ

___________________________ ___________________________
M. en C. Edgar Armando Catalán M. en C. Andrés Ortigoza Campos
Salgado Director ESCOM
Profesor Coordinador

__________________________
___________________________ M. en C. Iván Giovanni Mosso ___________________________
M. en C. Rafael Norman Saucedo García Ing. Carlos Alberto Paredes
Delgado Subdirector Académico Treviño
Profesor Colaborador ESCOM Director Académico UPIIC