Академический Документы
Профессиональный Документы
Культура Документы
GENÉTICOS
• Las soluciones, codificadas en un cromosoma, compiten para ver cuál constituye la mejor
solución.
Gen ⟶ codificación de un elemento particular del candidato a solución
𝐶𝑖
Individuos o Cromosomas ⟶ candidato a solución del problema
Poblaciones y generaciones ⟶ conjunto de soluciones
4 ANALOGÍAS UTILIZADAS ENTRE BIOLOGÍA
Y COMPUTACIÓN
Funciones de aptitud ⟶ función objetivo
• Mide el grado en el que cada individuo de una población cumple con el objetivo del
problema.
• Debe encapsular todas las restricciones del problema, representadas con un costo.
• El valor de aptitud de un cromosoma se obtiene sumando los costos de las
restricciones no cumplidas.
Diversidad
• Distancia media entre individuos en una población.
• Permite al algoritmo buscar una región más grande del espacio.
5 ALGORITMOS EVOLUTIVOS
• Sólo se requiere una forma de representación de las soluciones candidatas y una forma
de medir el grado en el que cada solución candidatas resuelve el problema.
• Para encontrar los óptimos globales, hacen uso de un modo eficiente de dos técnicas:
a) explorar áreas desconocidas en el espacio de búsqueda, y
b) explotar el conocimiento obtenido de puntos previamente evaluados.
9 DIFERENCIAS DE LOS AG Y LAS ESTRATEGIAS DE
BÚSQUEDA CONVENCIONALES
1. Son más difíciles de engañar por trabajar sobre un conjunto codificado de soluciones, y
no con las funciones y sus variables de control.
2. Buscan en paralelo con una población de puntos muestrales bien adaptados, no un único
Pueden tomar otro tipo de
punto; se reduce la probabilidad de caer en una cima falsa.
funciones objetivo y todo tipo
de restricciones (lineales y no
3. Emplean directamente la lineales)
función definidas
objetivo,sobre
no necesitan derivadas ni otra información
complementaria, ganandoespacios
eficiencia y generalidad.
discretos, continuos
o espacios de búsqueda
4. Selecciona la siguiente población mediante reglas de transición probabilísticas
combinados
(operadores aleatorios), no deterministas.
10 VENTAJAS DEL ALGORITMO GENÉTICO
• Resultan menos afectados por los máximos locales, gracias al paralelismo, selección, mutación
y cruzamiento.
Población Inicial
• Puede ser generada de forma aleatoria o tomada de una base de conocimiento del problema.
• Debe tener un tamaño lo suficientemente grande para garantizar la diversidad de soluciones.
• El algoritmo genético puede encontrar el mínimo incluso con una opción menos que óptima
para el rango inicial.
Probabilidad de Mutación 𝑷𝑴
Indica la frecuencia con la que los genes de un cromosoma son mutados.
𝑷𝑴 = 𝟎, los descendientes son los mismos que había tras la reproducción;
𝟎 < 𝑷𝑴 < 𝟏, parte del cromosoma descendiente es modificado;
𝑷𝑴 = 𝟏, la totalidad del cromosoma se cambia.
15 ALGORITMO GENÉTICO
Presión de selección: medida en la que los individuos con mayor aptitud tienen una mayor
probabilidad de reproducirse. Puede provocar “convergencia prematura”.
Takeover time: inverso del tiempo que tarda la población en ser colonizada por copias del
mejor individuo utilizándose únicamente el operador de selección.
18 SELECCIÓN POR RUEDA DE RULETA
Selección escalada:
• la función de aptitud se hace más discriminadora cuando la fuerza de la presión selectiva
también aumenta.
• Puede ser útil cuando todos los individuos tengan una aptitud relativamente alta y sólo
les distingan pequeñas diferencias en la aptitud.
Selección jerárquica:
• los individuos atraviesan múltiples rondas de selección en cada generación.
• La ventaja de este método es que reduce el tiempo total de cálculo al utilizar primero
una selección más rápida, y sometiendo a una evaluación de aptitud más rigurosa sólo a
los que sobreviven.
22 OPERADORES GENÉTICOS: CRUCE Y
MUTACIÓN
• Alteran aleatoriamente a los individuos aptos con la esperanza de mejorar su aptitud para
la siguiente generación.
• Son dependientes de la representación de los individuos.
• El valor de la función de aptitud para el mejor punto de la población actual es menor o igual
que el Valor de aptitud límite.
Optimización de materiales