Algoritmos Genéticos

Algoritmos Genéticos

1. 1950

   • se comenzarón a estudiar los sistemas evolutivos

2. 1960

   • se introdujo el término “estrategias evolutivas”, método que empleó para optimizar parámetros reales para ciertos dispositivos.

3. 1966

   • Fogel, Owens y Walsh fueron los creadores de la “programación evolutiva”, una técnica en la cual los candidatos a soluciones de tareas determinadas, eran representadas por máquinas de estados finitos, cuyos diagramas de estados de transición se evolucionaban mediante mutación aleatoria, seleccionándose el más aproximado.

4. 1967

   • en este año fue la primera vez que se hizo mención de este término por Bagley, diseñó algoritmos genéricos para buscar conjuntos de parámetros en funciones d evaluación de juegos

5. 1970

   • se considera que el creador del algoritmo genérico es John Holland el lo desarrolló, junto a sus alumnos y colegas
     • el propósito original no era desarrollar algoritmos para resolver problemas concretos, el objetivo era esttudiar el fenómenos de adaptación tal y como ocurre en la naturalezza

6. La computación evolutiva dio paso a los algoritmos genéricos

7. objetivos

   • abstraer y explicar rigurosamente el proceso adaptativo de los problemas naturales
   • diseñar sistemas artificiales que retuvieran los mecanismos más importantes de los sistemas naturales
   • explorar un rango de soluciones mucho más amplio que con programas tradicionales

8. Flujograma

9. aplicaciones

   • Campo de la Económia
     • Modelizacion del compartamiento de agentes del mercado utilizando estrategias gestion
   • Categorización de documentos
     • clasificación de documentos automáticamente, mejorando la solución de las soluciones ofrecidas
   • explotacion Pesquera
     • estudian las localizaciones o puntos claves para alcanzar la máxima cantidad de peces.
   • escasez de agua
     • Predice soluciones de abastecimiento correcto de agua potable, estudiando zonas donde serán consumidas
   • Predicción del tiempo
     • Estudio de fenomenos que influyen en la naturaleza

10. problema

    • Matemáticos
      • ofrecen una mayor complejidad computacional a la hora de resolverse
    • aprendizaje de máquinas
      • sistemas que puedan cambiar su comportamiento de manera autónoma basados en su experiencia
    • problemas de redes neuronales
      • modelos artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales.

Bilder und Dateien der Mindmap