© The author; licensee Universidad de la Costa - CUC. INGE CUC vol. 14 no. 2, pp. 28-44. Julio - Diciembre, 2018 Barranquilla. ISSN 0122-6517 Impreso, ISSN 2382-4700 Online Alvarado y Muñoz / INGE CUC, vol. 14 no. 2, pp. 28-44, Julio - Diciembre, 2018 Resumen Introducción− El presente artículo muestra el diseño e implementación de un sistema anticolisión para invi- dentes usando redes neuronales artifciales evolutivas (RNAE). Objetivo− Presentar la implementación de redes neuro- nales evolutivas en un sistema guía para invidentes para la detección de obstáculos estáticos y en movimiento. Metodología− La metodología empleada se basa en la creación de redes neuronales artifciales a partir del al- goritmo genético cooperativo coevolutivo (AGCC). Este se encarga de estructurar, modifcar y entrenar las redes neuronales. Para ello utiliza la matriz de defnición de red (MDR). Para la elaboración de una MDR se toma como base un cromosoma “parte del algoritmo genético”. Una vez realizada la MDR, se crea una red neuronal artifcial para luego ser entrenada. Resultados− El programa realizó varias redes neurona- les generando en cada ejecución 10 cromosomas, que al ser entrenados con el AGCC y aplicando la cooperatividad, se obtuvieron las mejores redes neuronales anticolisión teniendo en cuenta un tiempo defnido, funcionando efec- tivamente para la detección de obstáculos estáticos y en movimiento. Conclusiones− En el sistema anticolisión para inviden- tes se observó la efcacia de las redes neuronales para dar una respuesta, detectando objetos tanto estáticos como en movimiento y proporcionando así seguridad al invidente, evitándole colisionar con los objetos. Palabras clave− Algoritmo genético cooperativo coevo- lutivo; invidente; sistema anticolisión; método neuroevo- lutivo; red neuronal artifcial Abstract Introduction− This paper sets forth the design and im- plementation of an anti-collision system for visually-im- paired people using evolutionary artifcial neural networks (EANNs). Objective− Present the implementation of evolutionary neural networks in a guide system for the visually-impaired people for the detection of static and moving obstacles. Methodology− The methodology is based on the creation of artifcial neural networks from the cooperative co-evo- lutionary genetic algorithm (CCGA), which is responsible for structuring, modifying and training neural networks. It uses the network defnition matrix (NDM). The NDM is based on a chromosome which is “part of the genetic algo- rithm”. Once the NDM is generated, an artifcial neural network is created in order to be trained. Results− The program accomplished several neural net- works, generating 10 chromosomes in each execution. When the artifcial neural networks were trained with the CCGA and the cooperation was included, the best anti- collision neural networks were obtained considering a def- nite time. Hence, the anti-collision neural networks worked effectively for the detection of physical obstacles whether static or in motion. Conclusions− In this anti-collision system for the visu- ally impaired, the effectiveness of neural networks used to provide a suitable answer when detecting both static and moving objects was observed, thus, delivering security to visually impaired people by avoiding them collisions with objects. Keywords− Cooperative Co-evolutionary Genetic Algo- rithm; visually impaired; anti-collision system; neuro-evo- lutionary method; artifcial neural network Sistema anticolisión para invidentes usando redes neuronales evolutivas Anti-collision system for blind people using evolutionary neural networks DOI: https://doi.org/10.17981/ingecuc.14.2.2018.03 Artículo de investigación. Fecha de recepción:30/12/2017. Fecha de aceptación: 21/06/2018 Juan David Alvarado Coral Universidad del Cauca. Popayán (Colombia) juanalvarado@unicauca.edu.co Elena Muñoz España Universidad del Cauca. Popayán (Colombia) elenam@unicauca.edu.co Para citar este artículo: J. D. Alvarado Coral y E. Muñoz España, “Sistema anticolisión para invidentes usando redes neuronales evolutivas,” INGE CUC, vol. 14, no. 2, pp. 28-44, 2018. DOI: http://doi.org/10.17981/ingecuc.14.2.2018.03