30114882
Description
Antecedentes de los
Algoritmos Geneticos
- 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
- Mutación Gaussiana
- 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:
- Casos reales de estudios
- 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.
- 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.
- La reducción en la definición está relacionada
con la tasa de reemplazo de los hijos resultantes
como porcentaje del tamaño de la población.
- 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
- 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
- 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
- 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.
- 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.
- 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
- Estos pueden ser: Cruce de un Punto
, Cruce de
dos Puntos
, Cruce Probabilistico o Uniforme
- 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
- Algoritmos Geneticos
Sección "1"
- Giovanni Papa
C.I: 26.975.620
Media attachments
0 comments
Want to create your own Mind Maps for free with GoConqr? Learn more.