Desarrollo de

una herramienta
acadmica para
el aprendizaje de
algoritmos genticos
en el entorno de
matlab, aplicada a
telecomunicaciones
Mnica Roco Reyes Abril *
Carlos Andrs Pardo Rodrguez**

monika-190@hotmail.com
carlosan_1@hotmail.com

Ingeniera Electrnica y de Telecomunicaciones de la Fundacin Universitaria San Martn.

Ingeniero Electrnico y de Telecomunicaciones de la Fundacin Universitaria San Martn.

**

AGOSTO20103 ISSN1909-9142

coningenio
Resumen

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

Este artculo es un tutorial sobre el uso de algoritmos genticos para encontrar el

patrn de radiacin deseado de una antena y una seal con una potencia especfica. El algoritmo gentico es una tcnica utilizada para la solucin de problemas
de bsqueda y optimizacin, basada en el planteamiento que hizo Charles Darwin
sobre la supervivencia de los ms fuertes por medio de la seleccin natural, es
decir se inspira en la evolucin biolgica. Despus de brindar una explicacin detallada de cmo un algoritmo gentico trabaja, el artculo presenta dos ejemplos
que demuestran el funcionamiento bsico del algoritmo gentico. Los programas
se desarrollaron en Matlab.

Palabras Clave: Algoritmo, Algoritmos genticos, Patrn de

radiacin, Optimizacin, Seleccin natural.

Development of an
academic tool for genetic
algorithms learning in the
matlab environment, applied
to telecommunications
Abstract

This paper is a tutorial about the using of genetic algorithms to find the desired
radiation pattern of an antenna and a signal with a specific power. The genetic algorithms are a technique used to solve optimization and search problems, based on
the approach that made Charles Darwin about the survival of the fittest through
natural selection, that is inspired by biological evolution. After providing a detailed
explanation of how a genetic algorithm works, this paper presents two examples
that demonstrate the basic operation of genetic algorithm. Programs were developed
in the MATLAB environment.

Key Words: Algorithm, genetic Algorithms, radiation

pattern, Optimization, natural selection.

55
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

INTRODUCCIN

p. 54 - 67

coningenio

cargada de elegir a los individuos ms aptos, realizndoles

modificaciones y mutaciones con el fin de ser transmitidos a

En la bsqueda de diferentes mtodos efi-

otras generaciones. Estos algoritmos realizan un proceso con-

cientes de optimizacin, es importante te-

tinuo el cual repite ciclos de evolucin controlados siempre

ner numerosas ideas de soluciones y reali-

por los criterios de parada definidos.

zar combinaciones entre ellas con el fin de

que stas puedan representar una mejor
solucin que las encontradas inicialmen-

ELEMENTOS DE
UN ALGORITMO GENTICO

te. Es por esto que los algoritmos genticos

nacen como una alternativa importante,

Los elementos bsicos de un algoritmo gentico son los

que ha tomado fuerza debido a la eficacia

siguientes:

en sus mtodos. En particular, este artculo

muestra dos aplicaciones desarrolladas a

Poblacin

partir del uso de los algoritmos genticos.

Conjunto de individuos que representan todas las posibles

En la primera se aborda el tema de las se-

soluciones a un problema dado, stos forman una cadena de

ales generadas por medio de Fourier y en

bits que se evalan despus de la decodificacin a nmeros

la segunda se reportan los resultados de

reales o enteros, representando las variables existentes de un

bsqueda por medio de un mtodo esto-

problema. A partir del proceso de seleccin natural que se

cstico, para encontrar la ganancia direc-

aplica sobre la poblacin inicial y el uso de operadores gen-

tiva deseada de una antena.

ticos como el cruce y la seleccin, se originan los descendien-

ALGORITMOS GENTICOS

tes de una nueva generacin.

Gen

El algoritmo gentico es una tcnica utili-

Es la unidad funcional de la herencia, que tiene la capacidad

zada para la solucin de problemas de bs-

de almacenar informacin capaz de soportar mutacin, repli-

queda y optimizacin, basada en el plan-

cacin y expresin.

teamiento que hizo Charles Darwin sobre

la supervivencia de los ms fuertes por

Cromosoma

medio de la seleccin natural, es decir se

El material gentico se encuentra empaquetado en unidades

inspira en la evolucin biolgica. Este m-

discretas llamados cromosomas. Estos son los portadores de

todo algortmico imita precisamente este

la mayor parte de este material y condicionan la organiza-

proceso creando soluciones para proble-

cin de la vida y los caracteres heredados por cada especie.

mas actuales, evolucionando estas solu-

En los algoritmos genticos es un individuo o elemento de

ciones con el fin de ir encontrando los va-

una poblacin quin representa una posible solucin al pro-

lores ptimos necesarios para el problema.

blema planteado.

El algoritmo parte de la creacin dentro

Funcin Fitness o de aptitud

de la mquina de una poblacin de indi-

Se considera una expresin matemtica encargada de eva-

viduos representados por cromosomas, los

luar la aptitud o calidad de los individuos que conforman una

cuales pasan por un proceso de simulacin

poblacin. A la hora en que una funcin Fitness se define,

llamado evolucin, esta evolucin comien-

sta debe retornar los valores ms altos de los individuos que

za desde una poblacin aleatoria. En cada

ms se aproximan a la solucin ptima.

generacin la seleccin natural ser la en-

56
AGOSTO20103 ISSN1909-9142

coningenio

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

Seleccin

antenas con muy buenas caractersticas

Escoge cromosomas dentro de la poblacin con el fin de que

de directividad, es decir muy altas ganan-

se reproduzcan. Durante el proceso evaluativo, el gen es de-

cias, para alcanzar las demandas actuales

codificado convirtindose en un conjunto de parmetros deri-

de comunicacin a larga distancia que han

vados del problema, los cuales proporcionarn la solucin al

surgido con el desarrollo de las tecnologas

mismo. La solucin ptima est dada por la puntuacin que

de la informacin.

tendrn stos parmetros. A esta puntuacin se le denomina

fitness. El fitness entonces ser el encargado de escoger los

La ampliacin de las dimensiones de una

cromosomas que se van a reproducir, quienes conformarn

antena aislada conduce frecuentemente a

la poblacin de la siguiente generacin. Despus de haberse

una mejor directividad. Sin embargo, exis-

evaluado el fitness la nueva poblacin creada deber tener en

te otra manera para ampliar las dimensio-

cuenta que sean transmitidos los mejores rasgos.

nes de la antena sin necesariamente incre-

Cruce

mentar el tamao de los elementos individuales, y consiste en establecer un grupo

Elige un lugar e intercambia las secuencias que se encuen-

de elementos radiantes en una configura-

tran antes y despus de la posicin ubicada en el medio de

cin elctrica y geomtrica determinada.

dos cromosomas, a fin de que se produzca una descendencia.

Esta nueva antena, formada por mltiples

Los miembros escogidos son seleccionados aleatoriamente,

elementos se conoce como arreglo.

por lo que sin importar pueden formarse parejas de descendientes de los mismos padres. Este hecho garantiza que un

Los arreglos de antenas, localizadas en una

individuo con una excelente puntuacin permanezca siem-

posicin especfica en donde se excitan

pre constante en la poblacin.

adecuadamente, son una alternativa im-

Mutacin

portante para generar patrones de radiacin con las caractersticas deseadas; por

Causa variaciones aleatorias en un cromosoma, las cuales

ejemplo la ubicacin de los nulos, el ancho

contribuyen a la diversidad gentica de la especie. Estas va-

de haz, entre otros.

riaciones son poco probables de ocurrir, es decir tienen una

frecuencia diminuta, a esta frecuencia se le denomina fre-

Los arreglos lineales de antenas se caracte-

cuencia de mutacin. Una vez se establezca esta frecuen-

rizan porque sus elementos se encuentran

cia se examinan los bits de las diferentes cadenas slo en el

ubicados a lo largo de una lnea recta, con

momento en que se produzca un nuevo descendiente, si el

una separacin uniforme o no uniforme.

nmero generado al azar est por debajo de esa frecuencia,

La figura 1 ilustra la disposicin fsica de

inmediatamente el bit ser cambiado, de lo contrario el bit

un arreglo lineal de antenas.

seguir igual.
Un algoritmo gentico utiliza estas operaciones con el fin de
encontrar la solucin ms apta.

ARREGLOS LINEALES DE ANTENAS

Generalmente el patrn de radiacin de un elemento aislado
tiene un ancho de haz relativamente grande, y cada elemento
individual provee niveles muy bajos de directividad (ganancia). Existen algunas aplicaciones donde es necesario disear

Figura 1. Disposicin fsica de un arreglo lineal de antenas.

57
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

Los arreglos son clasificados segn la ubicacin de sus ele-

coningenio

p. 54 - 67

DIRECTIVIDAD

mentos y las caractersticas de las seales de excitacin.

PATRN DE RADIACIN
DE UN DIPOLO

El patrn de radiacin de un dipolo se vuelve ms direccional a medida que aumenta

su longitud. Cuando la longitud total es
mayor que la longitud de onda, el nmero

El dipolo consiste en dos alambres que se encuentran aco-

de lbulos aumenta y la antena pierde sus

modados linealmente y separados por un espacio en el cual

propiedades direccionales. La directividad

se aplica la excitacin. Idealmente el dimetro del alambre

est definida matemticamente por la Ec4.

y la separacin entre stos debe ser de cero, de modo que se

va formando un alambre filamental continuo. En la regin de
campo lejano, el campo elctrico producido por un dipolo con
una distribucin de corriente filamental de forma senoidal
est dado por la Ec1.

(Ec 4)

SERIE TRIGONOMTRICA
DE FOURIER
(Ec 1)

FACTOR DE ARREGLO DE ARREGLOS CON

FASE PROGRESIVA

Una gran cantidad de seales peridicas

representadas como f(t), las cuales poseen
un periodo definido T, se pueden expresar mediante la Serie Trigonomtrica de

Dentro de los arreglos lineales con separacin uniforme, exis-

Fourier. La Ec5 muestra la estructura gene-

ten desarrollos en los cuales se maneja la amplitud unifor-

ral de esta serie.

me y la fase progresiva. El factor de arreglo normalizado para

arreglos con amplitud uniforme y fase progresiva est dado
por la Ec2.

(Ec 5)
(Ec 2)
En donde de
Donde = kd cos +, d es la distancia entre los elementos y
es la fase progresiva. Es posible demostrar que la Ec2 se puede

Esta serie se puede representar mediante

escribir como la Ec 3.

la sumatoria representada en la Ec 6.

(Ec 6)
(Ec 3)

58
AGOSTO20103 ISSN1909-9142

coningenio

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

La Serie de Fourier, se puede representar de una forma simi-

p. 54 - 67

Para esto, podemos expresar el

lar, operando el trmino se escribe como lo muestra la Ec7.

primer trmino como

Finalmente, la serie de Fourier se puede

(Ec 7)

definir como lo muestra la Ec10.

Para comprender de manera simple como la compactacin

de los coeficientes de esta ecuacin, se debe tomar como base
la representacin de un tringulo rectngulo. La figura 2 ilustra la compactacin de los coeficientes de serie mediante la

(Ec 10)

utilizacin de un tringulo rectngulo utilizando la relacin

que se demuestra en la Ec8.

En donde

COMPONENTES Y
ARMNICAS
Una funcin peridica, denotada mediante la expresin f(t), se puede representar
como la suma de varios componentes sinusoidales de diferentes frecuencias n= n0.
Figura 2. Compactacin de los coeficientes de una serie relacionado mediante un tringulo rectngulo.

En base a esto, se definen todos los trminos que involucra la representacin de la

Serie Trigonomtrica de Fourier. Componente sinusoidal de frecuencia
n0 = CnCos( n0 t + qn ), denominada la

ensima armnica de la seal f(t). Primera

armnica (n=1), denominada componente

(Ec 8)
La Ec9 muestra el reemplazo de las nuevas variables.

fundamental.
Frecuencia W0 = pf0 =>

, denomi-

nada frecuencia angular fundamental.

Componente de frecuencia cero (C0), llamada componente de corriente directa (cd)
y correspondiente al valor promedio de f(t)
en cada periodo.

(Ec 9)

59
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

coningenio

Coeficientes Cn y los ngulos qn son respectivamente las amplitudes y los ngulos de fase de cada una de las armnicas.
(Ec 13)

ORTOGONALIDAD DE SENOS Y COSENOS

2) Este mismo proceso lo debemos hacer

Los conjuntos de funciones fk(t) son ortogonales en el intervalo a<t<b si dos funciones cualesquiera fm(t), fn(t) de dicho

multiplicando por Sen(n0 t) e integrando

conjunto cumplen la Ec11 el siguiente es un conjunto de una

infinidad de funciones ortogonales en el intervalo -T/2<t< T/2.

, como se muestra en la Ec14.

(Ec 14)
(Ec 11)

3) Finalmente, debemos integrar la

Es decir que para cualquier valor de

, representado

funcin entre
en la Ec15.
, se obtiene:

(Ec 15)

CLCULO DE LOS
COEFICIENTES DE LA SERIE

Se debe tener en cuenta que el intervalo

de integracin no necesita ser simtrico

Para el clculo de los coeficientes de la Serie, de una fun-

respecto al origen.

cin peridica, representada mediante la f(t) que se muestra en la Ec12, primero se deben calcular los coeficientes

Gracias a que la ortogonalidad de las fun-

0,a1,a2,...,b1,b2,...

ciones seno y coseno no slo se da en el

intervalo de

, sino en cual-

quier intervalo que cubra un periodo

(Ec 12)

completo, se puede realizar el clculo en

cualquier otro intervalo que cumpla este

Para realizar esto, se debe considerar la ortogonalidad que poseen las funciones seno y coseno:
1) Multiplicando ambos miembros por Cos (n0 t) y realizando

requisito.

GENERADOR DE SEALES
A continuacin se presenta el desarrollo

la integral entre los intervalos

Ec13.

60
AGOSTO20103 ISSN1909-9142

, se obtiene la

de la implementacin de un generador de
seales con base en algoritmos genticos

coningenio

Mnica Roco Reyes

Carlos Andrs Pardo

en el entorno de Matlab. La figura 2 ilus-

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

En la representacin de los mdulos se grafica la magnitud

tra los pasos bsicos para la realizacin

de las seales. Para demostrar cmo se representan stos

de esta aplicacin.

mdulos se van a graficar solamente para las dos primeras

seales que conforman la poblacin inicial.

Generar la
poblacin inicial

Al igual que la representacin de los mdulos las fases van

Las seales aleatorias que conforman

a ser graficadas slo para las dos primeras seales que con-

la poblacin inicial se implementaron

forman la poblacin inicial.

mediante las series de Fourier. Esta poblacin consta de 20 seales generadas

La seal se reconstruye teniendo en cuenta la magnitud y la

mediante una serie de pasos que van

fase de cada seal. Se realiza una sumatoria de cada uno de

a ser descritos a continuacin. La figu-

los deltas de la magnitud y de la fase.

ra 3 muestra el proceso realizado para

generar la poblacin inicial. El nmero

Los pasos descritos anteriormente se realizan 20 veces, con

de trminos de la serie definido fue 12,

el fin de representar las 20 seales aleatorias que confor-

es decir que la cantidad de deltas ge-

man la poblacin inicial. Estas seales generadas simulan a

nerados que van a ser representados en

los padres, quienes conforman la primera generacin.

las grficas tanto de magnitud como de

fase van a ser 12.

La figura 3 ilustra tan slo una seal de las 20 que conforman la poblacin inicial generadas aleatoriamente, con su

Los coeficientes de la serie son ex-

respectiva grfica de magnitud y fase.

presiones algebraicas, que van en

funcin de la cantidad de trminos
definidos. Estos coeficientes son generados aleatoriamente.

La frecuencia definida para las funciones a ser representadas fue de 4

KHz.

El nmero de periodos a representar definido fue de 1.

El clculo de los mdulos se hizo

mediante la Ec16. Y el clculo de la
fase mediante la Ec17.

(Ec 16)

Figura 3. Representacin del mdulo y la fase de una seal.

(Ec 17)

61
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

coningenio

Operador de cruce

Cuando se realiza el intercambio de la magnitud y de la fase

El criterio de cruce seleccionado se ilustra

de dos seales, se procede a reconstruir la seal con las nue-

en la figura 4.

vas magnitudes y fases resultantes. Esta seal tendr enton-

ces una mitad con la informacin de la primera seal y la

otra mitad con la informacin de la segunda seal.
La figura 5 ilustra el cruce entre la seal Padre s2 y la seal
padre s19.

Figura 4. Representacin grfica del criterio

de cruce seleccionado para el generador de
seales.
El cruce como lo ilustra la figura 4, intercambia informacin entre la magnitud y
la fase de dos seales. La seleccin de las
dos seales que van a ser cruzadas se hace
de manera aleatoria, es decir que el cruzamiento puede realizarse entre cualquiera

Figura 5. Ejemplo del cruce entre dos seales.

de las 20 seales que conforman la pobla-

Operador de mutacin

cin inicial. La cantidad de seales que

El operador de mutacin va a ser ejecutado en las 20 seales

resultaran de los cruces van a ser 20. Este

resultantes del cruce. La mutacin consiste en realizarle cier-

nmero fue definido de esta forma, con el

ta o ciertas modificaciones en alguna parte a las seales de la

fin de que la segunda generacin fuera del

segunda generacin.

mismo tamao que la primera generacin.

El criterio de mutacin seleccionado consiste en agregarle un
La tabla 1 muestra cmo se seleccionan las

valor de 6 al delta de la magnitud y de la fase que estn en

seales que van a realizar el cruce.

una posicin ya definida. Esta posicin se defini en 6.

q
Va desde
la seal 1
hasta la
seal 20

r
Toma
valores
aleatorios
entre 1 y 20

[Mag.
Seal1]
[Fase
Seal1]

[Mag.
Seal5]
[Fase
Seal5]

La tabla 2 explica con un ejemplo como es el proceso de muCruce

[Mag. Seal1Mag. Seal5]

[Fase Seal1Fase Seal 5]

tacin en una seal.

SEAL

SEAL MUTADA

Magnitud= [5 1 7 2 4 5 8 9]
Fase = [4 3 7 5 1 2 9 1]

Magnitud= [5 1 7 2 4 11 8 9]
Fase =[4 3 7 5 1 8 9 1]

Tabla 1. Seleccin de la seales que van a

realizar el operador de cruce.

62
AGOSTO20103 ISSN1909-9142

Tabla 2. Proceso de mutacin en una seal.

coningenio

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

Cuando la mutacin de la magnitud y de la fase de las 20 seales est hecha se procede a reconstruir las seales con las
nuevas magnitudes y fases resultantes. Estas seales tendrn
entonces un cambio en la posicin 6 tanto de la magnitud
como de la fase.
La figura 6 ilustra la mutacin realizada a la seal 10.

Figura 7. Seales seleccionadas que cumplen

el criterio de seleccin definido.
Gracias a la buena definicin de los operadores genticos (cruce, mutacin y seleccin), se encontraron las 3 seales que
cumplan con el criterio que previamente
Figura 6. Grfica de la mutacin realizada a una seal.

se haba definido.

Operador de seleccin

ANTENA

El criterio de seleccin utilizado se basa en la potencia de las

seales. Por consiguiente, en primer lugar se calcula la poten-

Diseo de una antena tipo panel a partir

cia de las 20 seales mutadas.

del uso de algoritmos genticos. La figura

8 ilustra los pasos bsicos para la realiza-

Este criterio que se defini previamente, consiste en seleccionar

cin de esta aplicacin. El objetivo del pro-

las seales que tengan una potencia entre los 25 dB y 26 dB.

grama es encontrar un patrn de radiacin

que tenga una ganancia promedio entre

Si se encontr la seal que se desea con esta potencia, el algoritmo llegar a su fin; pero por el contrario si no se encontr

los 26 y 27 dB.

la seal requerida, el algoritmo volver a realizar los mismos

Generar poblacin inicial

pasos ya descritos desde el punto de cruce, es decir volver a

Los patrones de radiacin de las antenas

cruzar las 20 seales padres, para obtener una nueva genera-

generados de manera aleatoria que confor-

cin; aplicar a stas el criterio de mutacin y de seleccin,

man la poblacin inicial se implementaron

y si se obtiene la seal requerida con la potencia deseada,

mediante la Ec18. Esta poblacin consta de

llegar a su fin, pero si no se tiene har de nuevo el mismo

8 patrones de radiacin.

proceso, hasta que el requerimiento del programa se cumpla.

La figura 7 muestra 3 seales que cumplen el criterio de seleccin definido.

63
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

coningenio

Operador de cruce
El criterio de cruce seleccionado consiste en intercambiar
informacin entre dos patrones de radiacin que son seleccionados aleatoriamente, es decir que el cruzamiento puede
realizarse entre cualquiera de los 8 patrones de radiacin que
(Ec 18)

conforman la poblacin inicial. La cantidad de patrones de

radiacin que resultaran de los cruces van a ser 8. Este n-

Donde:

FA: Factor de arreglo;

n: Nmero de elementos del
arreglo, definido en 4 elementos.

mero fue definido as, con el fin de que la segunda generacin

fuera del mismo tamao que la primera generacin.
La figura 9 ilustra el criterio elegido.

d: Distancia entre los elementos.

Esta distancia est entre

: Direccin del arreglo definido

: Fase del arreglo. Esta fase est

en 90.
entre 0 y 180.

Figura 9. Representacin grfica del criterio de cruce

seleccionado para las antenas.

Para generar los patrones de radiacin

aleatoriamente, se asigna la funcin ran-

La informacin intercambiada entre los patrones de radia-

dom de Matlab a las variables d y , y se

cin es el ngulo de fase y la distancia entre los elementos.

grafican con la funcin polar.

La tabla 3 muestra con un ejemplo el criterio de cruce selecSe ilustran tan slo dos patrones de ra-

cionado.

diacin de los 8 que conforman la poblacin inicial.

x
Va desde el
patrn de
radiacin 1
hasta el 8

y
Toma valores
aleatorios entre
el patrn de
radiacin 1 al 8

Patrn de
radiacin
despus del
cruce

Antena1: d1= 0.6

1= 100

Antena 5: d5 = 0.5
5 = 120

Cruce: d1 = 0.6
5=120

Tabla 3. Criterio de cruce seleccionado.

Figura 8. Patrones de radiacin de dos antenas padres.

64
AGOSTO20103 ISSN1909-9142

coningenio

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

Cuando se realiza el intercambio de la fase y la distancia entre los patrones de radiacin de las antenas, se procede a dibujar el nuevo patrn de radiacin con las nuevas distancias
y fases resultantes. Este patrn de radiacin tendr entonces

p. 54 - 67

PATRN DE
RADIACIN

PATRN DE
RADIACIN MUTADO

D1= 0.57

D1 = 0.57+0.2 = 0.72

la distancia de la antena1 y la fase de la antena2.

La figura 10 ilustra el cruce realizado entre la Antena Padre 1
con la Antena Padre 7. El patrn resultante de este cruce tiene

Tabla 4. Proceso de mutacin en un patrn

de radiacin.

la misma distancia que la de la Antena Padre 1 pero con la

Cuando la mutacin de la distancia entre

fase de la Antena Padre 7.

los elementos del arreglo de los 8 patrones

de radiacin est hecha se procede a graficar los patrones de radiacin con las nuevas distancias resultantes.
La figura 11 ilustra la mutacin realizada
al patrn de radiacin del cruce 20. Este
cruce resulta del intercambio de informacin entre la Antena Padre 3 y la Antena
Padre 4.

Figura 11. Proceso por el cual atraviesa una

antena tratada con algoritmos genticos.
(Cruce entre padres y mutacin).

Seleccin
Figura 10. Representacin de dos antenas padres

El criterio de seleccin utilizado se

y su respectivo cruce.

basa en la ganancia de los patrones de

Operador de mutacin

radiacin. Por consiguiente, en primer

lugar se calcula la ganancia de los 8

El operador de mutacin va a ser ejecutado en los 8 patrones

patrones de radiacin mutados. Este

de radiacin resultantes del cruce. La mutacin consiste en

criterio que se defini previamente,

realizarles cierta o ciertas modificaciones en algn parme-

consiste en seleccionar los patrones

tro a los patrones de radiacin de la segunda generacin.

de radiacin que tengan una ganancia

promedio entre los 26 y 27 dB.

El criterio de mutacin elegido, consiste en agregarle un valor

de 0.2 a la distancia entre los elementos del arreglo.

Si se encontraron los tres patrones de radiacin que se desean con esta ganancia,

La tabla 4 explica con un ejemplo como es el proceso de mu-

el algoritmo llegar a su fin; pero por el

tacin en un patrn de radiacin.

65
AGOSTO20103

ISSN 1909-9142

Mnica Roco Reyes

Carlos Andrs Pardo

Desarrollo de una herramienta acadmica para el

aprendizaje de algoritmos genticos

p. 54 - 67

coningenio

contrario si no se encontraron los patrones de

radiacin requeridos o se encontraron menos de
los que se desean o sea de 3, el algoritmo volver a realizar los mismos pasos ya descritos desde
el punto de cruce, es decir volver a cruzar los 8
patrones de radiacin padres, para obtener una
nueva generacin; aplicar a stos el criterio de
mutacin y de seleccin, y si se obtiene el nmero
de patrones de radiacin requeridos con la ganancia deseada, llegar a su fin, pero si no se tiene
har de nuevo el mismo proceso, hasta que el requerimiento del programa se cumpla.
La figura 12 ilustra el patrn de radiacin que
cumple el criterio de seleccin definido.

Figura 12. Patrn de radiacin de la antena seleccionada.

Gracias a la buena definicin de los operadores genticos (cruce, mutacin y seleccin), se encontraron los 3
patrones de radiacin que cumplan con el criterio que
previamente se haba definido.
Para encontrar informacin ms detallada respecto al
desarrollo planteado y realizar la descarga de los archivos de este proyecto, puede ingresar al sitio web:
www.tutorialalgoritmosgeneticos.co.cc

66
AGOSTO20103 ISSN1909-9142

coningenio
REFERENCIAS
1. ANNICCHIARICO, W. (1996). Algoritmos de optimizacin estructural
basados en simulacin gentica
(Illustrated, CDCH UCV ed.).
2. BALANIS, C. A. (2005). Antenna
Theory, Analysis and Design (Tercera ed.): Wiley-Interscience.
3. BUTZ, M. V. (2002). Anticipatory
Learning Classifier Systems (Vol. 1
Edicin).
4. ETIENNE, J. (2001). Bioqumica gentica, biologa molecular.

7. HAUPT, R. L. (2007). Genetic Algorithms in Electromagnetics.

8. KURI, . (2000). Centro de Investigacin en Computacin: Instituto
Politcnico Nacional.
9. LOUDEN, K. (2004). Lenguajes de
Programacin, Principios y Prctica. (Segunda ed.).
10. MITCHEL, M. (1998). An Introduction to Genetic Algorithms (Complex Adaptive Systems) (2nda ed.).
11. SUMATHI, S. H., T.; Surekha, P.

5. FERREIRA, C. (2006). Gene Expres-

(2008). Evolutionary Intelligence:

sion Programming: Mathematical

An Introduction to Theory and

Modeling by an Artificial Intelli-

Applications with Matlab. (illus-

gence (2 ed.).

trated ed.): Springer.

6. GOLDBERG, D. E. (1989). Genetic Algorithms in Search, Optimization,

and Machina.

67
AGOSTO20103

ISSN 1909-9142