Академический Документы
Профессиональный Документы
Культура Документы
GENETICOS
ALGORITMOS GENETICOS
• El algoritmo genético es una técnica de búsqueda basada en la teoría de la
evolución de Darwin, que ha cobrado tremenda
• popularidad alrededor del mundo durante los últimos años. Se presentarán aquí los
conceptos básicos que se requieren para
• abordarla, así como un sencillo ejemplo que permita a los lectores comprender
cómo aplicarla al problema de su elección.
• Adicionalmente, se hablará acerca de los diversos ambientes de programación
actuales basados en algoritmos genéticos y de las
• áreas abiertas de investigación.
¿Cómo saber si es posible usar el Algoritmo Genético?
Real: en ella se utiliza un vector cuya longitud es la del número de genes de cada individuo
y el valor que puede tomar cada elemento es un número real
Operadores genéticos.
En su forma más simple, un algoritmo genético consta de los siguientes operadores genéticos:
selección, reproducción, cruce (crossover) y mutación.
Selección
El proceso de selección sirve para escoger a los individuos de la población mejor adaptados,
para que actúen de progenitores de la siguiente generación. En la naturaleza existen varios
factores que intervienen para que un individuo pueda tener descendencia.
Reproducción
Cruce
Durante esta fase se cruzan o mezclan los individuos seleccionados en la fase
anterior. Es decir, los genes de los dos padres se mezclan entre sí para dar
lugar a los diferentes hijos
Mutación
el operador de mutación es el responsable del aumento o reducción del espacio de
búsqueda dentro del algoritmo genético y del fomento de la variabilidad genética de los
individuos de la población.
Desventajas y limitaciones
•La "mejor" solución lo es solo en comparación a otras soluciones por lo que no se tiene demasiado
claro un criterio de cuándo detenerse ya que no se cuenta con una solución específica.
•No es recomendable utilizarlos para problemas que buscan respuesta a problemas que convergen
en soluciones simples como Correcto/Incorrecto ya que el algoritmo difícilmente convergerá y el
resultado será tan válido como escogerlo al azar.
•El diseño, la creación de la función de aptitud (fitness) y la selección de los criterios de mutación
entre otros, necesitan de cierta pericia y conocimiento del problema para obtener buenos
resultados.
APLICACIONES DE
ALGORITMOS GENÉTICOS
APRENDIZAJE MÁQUINA: Los AG se han utilizado también en muchas de estas aplicaciones, tales
como la predicción del tiempo o la estructura de una proteína. Han servido asimismo para
desarrollar determinados aspectos de sistemas particulares de aprendizaje, como pueda ser el de
los pesos en una red neuronal, las reglas para sistemas de clasificación de aprendizaje o sistemas de
producciónsimbólica, y los sensores para robots.
APLICACIONES DE
ALGORITMOS GENÉTICOS
PROGRAMACIÓN AUTOMÁTICA: Los Algoritmos Genéticos se han empleado para desarrollar
programas para tareas específicas, y para diseñar otras estructuras computacionales tales como el
autómata celular, y las redes de clasificación.
ECONOMÍA: En este caso, se ha hecho uso de estos Algoritmos para modelar procesos de
innovación, el desarrollo estrategias de puja, y la aparición de mercados económicos.
Gracias !!