Antecedentes de los Algoritmos Geneticos

Antecedentes de los Algoritmos Geneticos

1. Mutación

   • La mutación se basa en un operador básico, que se asigna aleatoriamente a cada individuo de la población. Aunque el operador de cruce es responsable de encontrar posibles soluciones en el espacio, el operador de mutación es responsable de aumentar o reducir el espacio de búsqueda en el algoritmo genético y proporcionar cierta variabilidad genética del individuo. Entre los diversos tipos de operadores que pueden ser:
     • Mutación Gaussiana
     • Mutación no Uniforme
     • Mutación Uniforme
     • Mutación Polinomial

2. Casos reales de estudios

3. Reducción

   • La reducción en la definición está relacionada con la tasa de reemplazo de los hijos resultantes como porcentaje del tamaño de la población.
     • Michalewicz introduce un algoritmo que denomina Algoritmo Genético modificado en el cual para llevar a cabo el reemplazamiento generacional, selecciona al azar r1 individuos para la reproducción, así como r2 individuos destinados a morir. Estas selecciones aleatorias tienen en consideración el valor de la función objetivo de cada individuo, de tal manera que cuanto mayor es la función objetivo, mayor es la probabilidad de que sea seleccionado para la reproducción, y menor es la probabilidad de que dicho individuo fallezca.

4. Primeras Investigaciones de Algoritmos

   • Los primeros ejemplos de lo que hoy podríamos llamar algoritmos genéticos aparecieron a finales de los 50 y principios de los 60, programados en computadoras por biólogos evolutivos que buscaban explícitamente realizar modelos de aspectos de la evolución natural
     • En una fecha tan temprana como 1962, el trabajo de John Holland sobre sistemas adaptativos estableció las bases para desarrollos posteriores; y lo que es más importante, Holland fue también el primero en proponer explícitamente elcruzamientoy otros operadores derecombinación

5. Concepto de Programación Evolutiva

   • Esta es una estrategia de optimización estocástica similar a los algoritmos genéticos, pero enfatizan particularmente a los operadores genéticos, porque en la naturaleza y las estructuras de datos que utilizan, los operadores genéticos pueden adaptarse al problema. Por lo tanto, a diferencia de los algoritmos genéticos, en la programación evolutiva, no tienen restricciones en la representación del problema. En el algoritmo genético, la solución al problema debe estar codificada. En la programación evolutiva, esta representación se realiza directamente.

6. Cruces

   • El cruce o mestizaje se basa en el hecho de que si traes dos individuos que están adecuadamente adaptados al entorno y obtienes descendientes que comparten genes de la descendencia, entonces los genes heredados pueden ser los padres. Al compartir las buenas características de dos personas, la descendencia o al menos parte de la descendencia tiene una ventaja mayor que cada padre. Si la cruz no muestra las mejores características en uno de los hijos, entonces la adaptabilidad de la descendencia puede ser peor que la de los padres
     • Estos pueden ser: Cruce de un Punto
, Cruce de dos Puntos
, Cruce Probabilistico o Uniforme

7. Algoritmos Geneticos Sección "1"

8. Giovanni Papa C.I: 26.975.620

Bilder und Dateien der Mindmap