Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algoritmos Genéticos: Arranz de La Peña, Jorge Parra Truyol, Antonio
Algoritmos Genéticos: Arranz de La Peña, Jorge Parra Truyol, Antonio
1. INTRODUCCION
Cuando hablamos de algoritmos genticos, hay que hablar de
John Holland que en 1962 asienta las bases para sus posteriores
desarrollos hasta llegar a lo que se conoce hoy por algoritmos
genticos.
Un algoritmo gentico es un mtodo de bsqueda que imita la
teora de la evolucin biolgica de Darwin para la resolucin de
problemas. Para ello, se parte de una poblacin inicial de la cual
se seleccionan los individuos ms capacitados para luego
reproducirlos y mutarlos para finalmente obtener la siguiente
generacin de individuos que estarn ms adaptados que la
anterior generacin.
2. ESQUEMA BSICO
En la naturaleza todo el proceso de evolucin biolgica se hace de
forma natural pero para aplicar el algoritmo gentico al campo de
la resolucin de problemas habr que seguir una serie de pasos.
Una premisa es conseguir que el tamao de la poblacin sea lo
suficientemente grande para garantizar la diversidad de
soluciones. Se aconseja que la poblacin sea generada de forma
aleatoria para obtener dicha diversidad. En caso de que la
poblacin no sea generada de forma aleatoria habr que tener en
cuenta que se garantice una cierta diversidad en la poblacin
generada. Los pasos bsicos de un algoritmo gentico son:
ESTRUCTURA DE UN ALGORITMO
GENTICO SIMPLE (AGS)
Codificacin
Codificacin
Soluciones
Cromosomas
110010
1100101010
101110
1011101110
1010
1110
Cruce
Cruce
1100101110
0011011001
1100110001
0011011001
0011011001
Mutacin
Mutacin
0011001001
0011001001
Seleccin
Seleccin
Evaluacin
Evaluacin
1100101110
1100101110
1011101010
1011101010
0011001001
0011001001
Rueda
Rueda de
de la
la Ruleta
Ruleta
Decodificacin
Decodificacin
Clculo
Clculo Aptitud
Aptitud
Soluciones
Soluciones
4.2 Seleccin
Como ya hemos visto anteriormente es necesario hacer una
seleccin con los individuos ms capacitados para que stos sean
los que se reproduzcan con ms probabilidad de acuerdo con la
teora de Darwin en la cual los ms capacitados son los que deben
sobrevivir y crear una nueva descendencia ms facultada.
Por lo tanto una vez evaluado cada cromosoma y obtenida su
puntuacin, se tiene que crear la nueva poblacin teniendo en
cuenta que los buenos rasgos de los mejores se transmitan a sta.
Esta seleccin se puede realizar de varias formas como se ver a
continuacin.
4.4 Mutacin
Tras el cruce, tiene lugar la mutacin. Si nos referimos en
trminos de evolucin, la mutacin se manifiesta de forma
extraordinaria, nada comn. Las mutaciones suelen en promedio
ser beneficiosas pues contribuyen a la diversidad gentica de la
especie. Adems previenen a las soluciones de la poblacin de
verse limitadas por un ptimo local. Por lo tanto la mutacin
consiste en modificar ciertos genes de forma aleatoria atendiendo
a la probabilidad de mutacin establecida con anterioridad. La
mutacin depende de la codificacin y de la reproduccin. Si se
abusa de la mutacin podemos caer en el uso del algoritmo
gentico como una simple bsqueda aleatoria. Por lo tanto antes
de aumentar las mutaciones, conviene estudiar otras soluciones
que aporten diversidad a la poblacin como podra ser el aumento
del tamao de la poblacin o garantizar la aleatoriedad de la
poblacin inicial.
Para el caso de una codificacin binaria, la mutacin consiste
simplemente en la inversin del gen mutado que corresponder
con un bit. En el caso de una codificacin numrica, la mutacin
podra consistir en sustituir un nmero por otro o intercambiar un
nmero por otro que est en otra posicin del cromosoma. En el
caso de codificacin por valor directo en el que por ejemplo
usemos nmeros reales, la mutacin puede consistir simplemente
en modificar el valor en unos decimales. Por ltimo, en una
codificacin en rbol, la mutacin podra radicar en el cambio de
operador, de un nmero o incluso en la mutacin de una rama
entera.
Veamos unos ejemplos para analizar el fenmeno de la mutacin:
5. OTROS OPERADORES
En algunos problemas se pueden utilizar otro tipo de operadores
que buscan soluciones de forma ms ordenada o que actan en las
ltimas fases para optimizar la solucin.
8. APLICACIONES DE LOS
ALGORITMOS GENTICOS
La aplicacin ms comn de los algoritmos genticos ha sido la
solucin de problemas de optimizacin, en donde han mostrado
ser muy eficientes. Sin embargo, no todos los problemas pudieran
ser apropiados para esta tcnica. Se recomienda en general tomar
en cuenta las siguientes caractersticas del mismo antes de intentar
usarla:
Ingeniera Aeroespacial.
Juegos.
Robtica
9. EJEMPLOS PRCTICOS
11. REFERENCIAS
10. CONCLUSIONES
[3] http://geneura.ugr.es/~jmerelo/ie/ags.htm
[1] http://es.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico
[2] http://www.redcientifica.com/doc/doc199904260011.html
[4] http://www.lsi.upc.es/~iea/transpas/9_geneticos/index.htm
[5] http://casa.ccp.servidores.net/genetico.html
[6] http://homepage.sunrise.ch/homepage/pglaus/gentore.htm#A
pplet
[7]
http://the-geek.org/docs/algen/
[8] http://www.alfredorahn.com/docs/AG_Clase_3.ppt
[9] http://www.alfredorahn.com/docs/AG_Clase_4.ppt
[10] http://www.fiec.espol.edu.ec/investigacion/topico/algoritmos
geneticos.pdf
[11] http://www.rennard.org/alife/english/gavgb.html