EVIDENCIA #5 ALGORITMOS GENÉTICOS

Sistemas inspirados en la naturaleza

Problema de la mochila

Nombre : Alfredo Santiago Alvarado

Matricula: 1498278

1.-OPTIMO PARA INSTANCIA

Instancia 1

Optimo cromosoma

Cromosoma: 00111

Peso :30

Ganancia 70

Mejor estado optimo

ob1 ob2 ob3 ob4 Ob5

15 15 30 30 10

8 7 15 10 5

2.-VALORES PARA TABLAINSTANCIA 1

parámetro Valor

Tamaño de las generaciones

3-8

Método para generar población inicial

7-10%,6-20%,5-25%,4-35%,3-10%

Probabilidad de cruza 40%

Probabilidad de mutación

20%

Método de cruza Probabilidad

Criterio de terminación Acercamiento al optimo

3.-CAPTURAS DE PANTALLA Y FRAGMENTO DE CÓDIGOS

1.-Generación de

población inicial

2.-EVALUACION APTITUD

3.-SELECCIÓN DE PAREJAS

4.- CRUZA

CRUZA CONTINUACIÓN

5.-MUTACION

PROGRAMA CORRIENDO

2NDA CORRIDA

REPORTE DE CONCLUSIONES

1°gen

2°gen

3°gen

.0 .10 .20 .30 .40 .50 .60 .70 .80 .90 .100

Generaciones por promedio

CONCLUSIONES

Qué tan lejos quedó tu AG del óptimo?R: relativamente lejos ciertas veces alcanzaba el optimo.¿Qué valores funcionaron mejor para la instancia?R:valores que presentaran mas ganancia y menos peso¿Qué diferencia notaste entre resolver las instancias por fuerza bruta y resolverlas mediante un AG?R:resolver por fuerza bruta es un proceso mas tardado al realizarlo llegue al optimo pero con mas tiempo , en cambio mediante un algoritmo se llego cercas de el optimo.

¿Qué tan fácil crees que sea resolver por fuerza bruta una instancia de 11 objetos? ¿De 20? ¿De 30?

R: Demasiado tardado .

¿Para que sirve un AG?

R: sirve para encontrar la mejor solución mediante optimización .

¿Qué ventajas tiene un AG?

R: Encontrar un optimo para soluciones sin requerir tanto tiempo .

¿Qué desventajas tiene un AG?

R: no siempre se encuentra el estado mas optimo para el problema .