ALGORITMOS GÉNETICOS

TEMA 4: ALGORITMOS GENÉTICOS

Semana 26 al 30 de Octubre 2015

INTRODUCCIÓN

Los algoritmos genéticos son infundados de la evolución biológica, en los que interactúan un conjunto de individuos , dichos individuos son considerados la población , estos deben poseer características únicas ya que  no pueden existir copias puesto que son los primeros que se tienen que codificar.

Tienen como ventaja el poder trabajar  con más de un individuo  a la vez, pero no obstante también tienen su contra ya que en ocasiones pueden tardarse más de lo previsto para obtener una conclusión.

Conforme avancemos con este apartado iremos comprendiendo acerca de estos algoritmos como cuál es su estructura, operadores y como alcanza su objetivo.

MARCO TEÓRICO

¿QUÉ SON ALGORITMOS GENÉTICOS?

Los algoritmos genéticos forman una técnica de búsqueda fundamentada en lo que se refiere el proceso de la evolución natural, los individuos que se encuentren con menores acontecimientos tendrán más posibilidad de poder subsistir y transferir su material genético a sus provenientes.

El principal objetivo de los algoritmos genéticos es poder de cierto modo encontrar una solución óptima a un problema  a través  de mejoras con un conjunto de individuos, para ello la función de evaluación es una solución del problema. Dicha optimización se da mediante procesos selectivos y por intercambio de información genética. Todos los procesos son delimitados por operadores genéticos, los mismos que definen la estructura de un algoritmo genético.

OPERADORES GENÉTICOS

Fitness: Es la encargada de que todos los individuos sean evaluados la misma que debe asignarle valores altos de adaptación , puesto que esta es un función completamente del problemas ya que puede dar una perspectiva de que si los resultados van hacer favorables o malos.

Función Objetivo: Es la que proporciona una medida de desempeño del sistema que se encuentra asociado a cualquier individuo en la población.

Operador de la Selección: Este es el que selecciona a los individuos de la población, los cuales son los que darán origen de las futuras generaciones.

Operador de Cruce: Tiene la función de mezclar la información genética de dos individuos con el único objetivo de poder generar nuevos individuos.

Operador de Mutación: En este se alteran las características genéticas de un individuo, con el fin de poder aumentar la probabilidad de exploración a lo que respecta el espacio  de la búsqueda y disminuir el riesgo de estancamiento del algoritmo en óptimos locales.

ESTRUCTURA GENERAL DE LOS AG

Está determinada por una población inicial de soluciones (población), en el que cada individuo en la población es llamado cromosoma, este es el que representa una solución al problema.

Los cromosomas se desarrollan mediante iteraciones sucesivas, considerada también como generación, estos son evaluados durante cada generación. Luego, mediante los operadores de cruce y mutación son seleccionados los cromosomas con mayor probabilidad de supervivencia  con el único fin de poder realizar la exploración y la explotación de la función objetivo.

TERMINACIÓN DE UN ALGORITMO GENÉTICO

Cuando hablamos acerca de la terminación de los algoritmos genéticos es cuando se debe considerar cual es el alcance óptimo del algoritmo (la solución para todo  los casos sea  satisfactoria), también se podría dar el caso de que el coste computacional sobrepase al que el diseñador sobreestimo, o  cuando se itere muchas veces pero no se ve ninguna mejoría en los resultados o sin embargo cuando el número  de generaciones con anterioridad ya ha sido evaluada sin ninguna respuesta óptima.

  

CONCLUSIONES

En los algoritmos genéticos entre más grande sea el número de generaciones el funcionamiento va hacer más óptimo ya que si se evalúan más generaciones esto se verá reflejado el desempeño de los individuos como un resultado satisfactorio.

Los algoritmos genéticos se basan en algoritmos probabilísticos que ayudan a los individuos a tener una visión más clara acerca del problema a resolver.

BIBLIOGRAFÍA

Ruge,A.; Alvis, A.2009.Aplicación de los algoritmos genéticos para el diseño de un controlador PID adaptativo. Bogotá, Colombia .Tecnura, vol. 13, núm. 25, pp. 81-87.Disponible en: http://www.redalyc.org/pdf/2570/257020617008.pdf

Russell, S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. Segunda Edición. Pearson Education. España