ALGORITMO GENÉTICO

John Henry Holland (n. 02 de febrero 1929, Fort Wayne, Indiana, EE.UU.) ostenta los títulos de Profesor de Psicología y Profesor de Ingeniería Eléctrica y Ciencias de la Computación en la Universidad de Michigan, Ann Arbor. También se desempeña como Profesor Externo y miembro de la Comisión Ejecutiva de la Junta de Consejeros del Instituto de Santa Fe en Nuevo México, EE.UU.. Recibió su licenciatura en el Instituto de Tecnología de Massachusetts en Física en 1950 y una maestría de la Universidad de Michigan, en Matemáticas en 1954.

DEFINICIÓN

Un algoritmo genético es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico

Se Inspiran en la evolución biológica y su base genético molecular en la computación evolutiva

Método de búsqueda dirigida basada en probabilidad

Guarda siempre el mejor elemento de la población

Aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1 (uno).

OPERADORES GENÉTICOSLa selección es un conjunto de reglas que sirven para elegir a los progenitores de la siguiente generación. Estos progenitores se reproducirán (cruzamiento genético) y generarán descendencia.

Selección

Reproducción

La clonación de un individuo, se contrapone al cruce y la mutación mantiene a los mejores individuos

MutaciónResponsable 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

OPERADORES GENÉTICOS

Mutación al azar: Modifica el valor de un gen asignando con un nuevo valor que se encuentra dentro de un determinado rango. El nuevo valor es independiente del valor previo del gen.

Mutación gaussiana: Dado un cromosoma p con un gen seleccionado para la mutación i, se le aplica una distribución normal N de media pi y desviación estándar s (parámetro). Alternativamente se puede disminuir el valor de s a medida que aumenta el número de generaciones.

FUNCIONAMIENTO

Codificando la información de cada solución en una cadena, que suele ser generalmente de forma binaria, recibe el nombre de cromosoma.

Los símbolos que forman la cadena son llamados los genes

Fenotipo

EJEMPLO Y APLICACIÓN En su forma más simple, un algoritmo genético

consta de los siguientes operadores genéticos: selección, reproducción, cruce (crossover) y mutación

EJEMPLO Y APLICACIÓN

Si la función a optimizar tiene muchos máximos/mínimos locales se requerirán más iteraciones del algoritmo para "asegurar" el máximo/mínimo global.

CUÁNDO USAR ESTOS ALGORITMOS

Los algoritmos genéticos son de probada eficacia en caso de querer calcular funciones no derivables (o de derivación muy compleja) aunque su uso es posible con cualquier función.

REFERENTES DE INVESTIGACIÓN

BIBLIOGRAFÍA Banzhaf W. Reeves C. (editors) (1999) Foundations of Genetic Algorithms.5 Morgan Kaufmann Publishers Bauer, R.J. (1994) Genetic Algorithms and investment strategies Wiley Finance

PAGINAS WEB

http://www.adictosaltrabajo.com/tutoriales/tutoriales.php?pagina=jgap http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/temageneticos.pdf

EDICIÓN

Goldberg D.E. (1989) Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Langdon W.B., Poli R. (2002) Foundations of Genetic Programming. Springer Mitchell M. (1998) An introduction to Genetic Algorithms. MIT Press

REFERENTES DE INVESTIGACIÓN

REALIZADO POR HÉCTOR FABIO FLÓREZ LÓPEZ INGENIERÍA INFORMÁTICAINTELIGENCIA ARTIFICIAL