AG Conceptos Basicos
-
Upload
alvaro-daniel-castillo-carrera -
Category
Documents
-
view
618 -
download
0
description
Transcript of AG Conceptos Basicos
![Page 1: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/1.jpg)
Algoritmos GenéticosConceptos Básicos
![Page 2: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/2.jpg)
Datos generales
•Surgen aproximadamente en los años 70.•Creado por John Henry Holland.•Inspirados en la evolución natural.•Se utilizan en problemas en donde no se
pueden encontrar soluciones o estas no son satisfactorias.
•Algunas veces son llamados algoritmos evolutivos.
![Page 3: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/3.jpg)
Definición (1)
Son algoritmos de búsqueda basados en los mecanismos de selección natural que combinan la supervivencia de las secuencias mejores adaptadas con cambios aleatorios de información [1].
![Page 4: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/4.jpg)
Definición (2)
Los algoritmos genéticos pueden verse como una familia de procedimientos de búsqueda adaptativos. Su nombre se deriva de que están basados en modelos de cambio genético en una población de individuos [2].
![Page 5: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/5.jpg)
Definición (3)
Un algoritmo genético es una técnica de programación que imita la evolución biológica como estrategia para resolver problemas [3].
![Page 6: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/6.jpg)
Algoritmos genéticos (AG)
•Proceso de adaptación como punto clave.•Cada estructura de la población esta
asociada a una medida de aptitud.•Aplicación a un espacio de búsqueda
grande, pero es posible que se necesite una muestra inicial grande.
![Page 7: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/7.jpg)
Diferencias con otros métodos de búsqueda y optimización•Trabaja con un conjunto de parámetros
codificados.•La búsqueda inicia desde varios puntos.•Reglas de transición probabilísticas y no
determinísticas.
![Page 8: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/8.jpg)
Características de un AG
•Generan más de una solución.•Realizan una barrida amplia a espacio de
posibles soluciones.•La convergencia del algoritmo es poco
sensible a la población inicial.•Excelentes en descartar sub espacios de
soluciones malos.•Búsqueda paramétrica robusta.•Los AG son intrínsecamente paralelos.
![Page 9: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/9.jpg)
Componentes de un AG• Una representación genética de las soluciones del
problema.• Una forma de crear una población inicial de
soluciones.• Una función de evaluación capaz de medir la
aptitud de las soluciones.• Método de selección de los individuos más aptos.• Un conjunto de operadores genéticos como reglas
de transición probabilísticas para guiar la búsqueda.
• El valor de unos parámetros de entrada para guiar la evolución.
![Page 10: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/10.jpg)
Representación genética (I)
•Las soluciones se deben de codificar.•La codificación es por medio de una ristra
de símbolos (número o letras).•La ristra es generalmente una cadena
binaria con número de bits suficientes para representar la solución.
•La ristra se conoce como estructura o cromosoma.
![Page 11: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/11.jpg)
Representación genética (II)
•Los cromosomas es compuestos por genes; el valor de un gen se denomina alelo y a su posición locus.
•Cada iteración se convierte en una generación.
•A la decodificación del cromosoma se le conoce como fenotipo.
![Page 12: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/12.jpg)
Población inicial
•Conjunto de individuos de número m, (m es un parámetro).
•La inicialización del individuo consiste en asignar un valor aleatorio a cada uno de sus genes.
![Page 13: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/13.jpg)
Función de evaluación
•Tiene como objetivo medir la adecuación de una solución en una generación.
•La función de evaluación corresponde con la función objetivo del problema.
![Page 14: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/14.jpg)
Métodos de selección (I)
•Reproducción: incluye un algoritmos de reproducción y uno de muestreo.▫El algoritmo de selección asigna una
probabilidad de selección a cada cromosoma.
▫El algoritmo de muestreo produce copias de los cromosomas de la generación t-1 a la generación t.
•Cromosomas con mayor probabilidad se reproducen más y tiene más impacto.
![Page 15: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/15.jpg)
Métodos de selección (II)
•Método elitista.•Selección proporcional a la aptitud.•Selección escalada.•Selección por torneo.•Selección por estado estacionario.•Selección por rango.•Selección generacional.•Selección jerárquica.
![Page 16: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/16.jpg)
Operadores genéticos: cruce (I)
•Depende de una probabilidad inicial.•Se selecciona de manera aleatoria los
cromosomas.•Se aplica alguna técnica de cruce.
▫Cruce de n puntos.▫Cruce uniforme.▫Cruce especializado.
![Page 17: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/17.jpg)
Operadores genéticos: cruce (II)
![Page 18: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/18.jpg)
Operadores genéticos: mutación•Produce diversidad en la población.•Se utiliza una probabilidad de mutación.•Afecta de manera aleatoria un gen del
cromosoma.
![Page 19: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/19.jpg)
Parámetros
•Tamaño de la población.•Número de generaciones.•Probabilidad de cruce.•Probabilidad de mutación.
![Page 20: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/20.jpg)
Funcionamiento de un AG (I)
El funcionamiento puede depender de los operadores genéticos y del método de selección.
1. Inicialización.2. Evaluación, se aplica la función de
aptitud.3. Condición de finalización.
1. Métodos de selección.2. Operadores genéticos.
![Page 21: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/21.jpg)
Funcionamiento de un AG (II)Iniciar
población
Evaluación inicial
SelecciónOperador genético
Evaluar generación
Condición de
finalización
Solución
![Page 22: AG Conceptos Basicos](https://reader036.fdocuments.es/reader036/viewer/2022062513/5571f26d49795947648c8e00/html5/thumbnails/22.jpg)
Bibliografía
1. Carmen Cortés Parejo. Algoritmos genéticos y problemas de visibilidad. Universidad de Sevilla. Junio 1996.
2. Eduardo Morales. Búsqueda, optimización y aprendizaje, algoritmos genéticos. Tecnológico de Monterrey. Noviembre 2004.
3. Adam Marczyk. Algoritmos genéticos y computación evolutiva. 2004.