Algoritmos Geneticos

Algoritmos Genéticos
Asignatura Control Inteligente

Ing. Jeison Tacué González
jjtacue@unicauca.edu.co
Of. 317 FIET
Contenido
 La teoría de la evolución natural
 Computación evolutiva
 Estructura y componentes básicos de los Gas
 El algoritmo genético básico SGA (Goldberg)
 Ejemplos
2
La Teoría de la Evolución Natural
Creacionismo
 Tesis más aceptada sobre el origen de
las especies, durante mucho tiempo.
 El Universo y la vida se originaron de

actos concretos de creación divina.
 Dios creó a todas las especies del

planeta de forma separada.
 Especies jerarquizadas por Dios. El

hombre ocupaba el rango superior, al
lado del creador.
4
Georges Louis Leclerc (Conde de Buffon)
 Especuló (siglo 18) que las

especies se originaron entre sí,
oposición al "creacionismo”.
 Notó las similitudes entre el

hombre y los simios, y
especuló sobre la existencia de  Creía que los
un posible ancestro común cambios orgánicos,
entre estas dos especies. eran ocasionados
por el ambiente.
5
Jean-Baptiste Lamarck
 Principios siglo 19, enunció la

teoría de la evolución.
 Características adquiridas por un

organismo durante su vida podían
ser transmitidas a sus
descendientes.
 Ley del uso y desuso.
6
Jean-Baptiste Lamarck
 A medida que los individuos de

una de nuestras especies cambian
de situación, de clima, de manera
de ser o de hábito, reciben por ello
las influencias que cambian poco a
poco la consistencia y las
proporciones de sus partes, de su
forma, sus facultades y hasta su
misma organización.
7
Charles Darwin
 1859: “The Origin of Species”
 Derrumba el Lamarckismo
 Evolución se origina a través de

cambios aleatorios de características
hereditarias, combinados con un
proceso de selección natural
(Supervivencia de los más aptos)
 “La selección natural”
8
Selección Natural
 Proceso natural por el cual los individuos mas aptos de un
grupo de descendientes sobrevive.
 Mientras los menos aptos, mueren sin dejar descendientes y así

se eliminan los rasgos característicos de los menos aptos.
 Este proceso explica los cambios en las características de las

especies en el tiempo, y eventualmente produce especies y tipos
nuevos de organismos.
9
Charles Darwin
 Los individuos menos adaptados al
medio ambiente tienen menos
probabilidades de sobrevivir y menos
probabilidades de reproducirse.
 Los individuos más aptos tienen más

probabilidades de sobrevivir y más
posibilidades de reproducirse y de dejar
sus rasgos hereditarios.
 Este proceso es lento, pero las

variaciones se acumulan con el tiempo
para formar nuevas especies.
10
August Weisman
 Teoría del germoplasma:
(siglo 19) la información genética

se transmite a través de ciertas
células llamadas germinales (son
de las cuales se forman
los gametos), mientras que otras
células (llamadas somáticas) no
pueden transmitir nada.
11
August Weisman
 Experimento: cortó las colas de
un grupo de ratas durante 22
generaciones (1,592 ratas), y
comprobó que continuaban
naciendo con cola igual que sus
antepasados.
 Demostró así la falsedad de la

hipótesis fundamental del
Lamarckismo.
 Por tanto las características

adquiridas durante la vida no se
heredan.
12
Johann Gregor Mendel
 Realizó una serie de

experimentos con lentejas
durante una buena parte de su
vida, enunciando a partir de
ellos las leyes básicas que
gobiernan la herencia.
 Leyes de Mendel = ciencia de

la genética.
13
Johann Gregor Mendel
 Observación de las
características heredadas.
14
Experimentos de Mendel
Planta alta (TT) cruzada con una corta (tt)

Tt: Heterocigoto (Alelos distintos para mismo gen)
TT, tt: Homocigotos (Alelos iguales para mismo gen)
Carácter Alto es Dominante, y Corto es Recesivo
15
Hugo De Vries
 El botánico holandés (1848-1935) introdujo el
concepto de mutación.
 Creía que las especies no surgían de manera
gradual, sino a través de mutaciones de especies
conocidas.
 Si estas mutaciones derivan en características
beneficiosas, las mismas se propagan entre la
descendencia.
 Fue responsable de que los trabajos de Mendel
viesen la luz, ya que en 1900, dieciséis años
después de la muerte de Mendel, encontró dichos
trabajos y los dio a conocer.
16
Neo-Darwinismo
 Versión moderna de la Teoría Evolutiva de Darwin

 Síntesis entre el Darwinismo y la Genética Mendeliana
 Darwin desconocía los mecanismos de variación
17
Evolución
 Proceso de descendencia con cambio, y

posiblemente diversificación
Evolución = Variación + Herencia + Selección
 Variación: en una o mas características

 Herencia: Transmisión padres - hijos
 Selección: Diferentes tasas de reproducción y supervivencia.
Mas aptos se reproducen mas
18
Computación Evolutiva
19
 Años 50s y 60s:

Varios científicos de manera independiente estudiaron
sistemas evolutivos, con la idea usar la evolución como
método optimización en ingeniería.
 Idea: Evolucionar una población de posibles soluciones a

un problema dado, utilizando operadores inspirados por la
variación genética, y la selección natural.
20
 Rama de la Computación Emergente que engloba
técnicas que simulan la Evolución Natural.
 Enfoque alternativo para abordar problemas complejos de

búsqueda y aprendizaje.
 A través de modelos computacionales de procesos evolutivos.
21
La computacion evolutiva
 Años 70: propuesta por John Holland (1975)
“Adaptation in natural and artificial systems”
Tesis doctoral en la Universidad de Michigan
 Es posible implementar, en un ordenador, un programa que,
guiado por los principios de la herencia y la evolución de las
especies, suministre la solución de un problema.
 Propone por primera vez una clase de métodos, llamados
Algoritmos Genéticos, para la resolución de problemas.
 La aparición de computadoras de altas prestaciones permite el uso
practico de la Computación Evolutiva
 Años 80: divulgación por Goldberg y Davis
 La computación evolutiva no trata tanto de reproducir ciertos
fenómenos que suceden en la naturaleza, sino de aprovechar las
ideas genéricas detrás de ellos: la evolución
22
Mecanismo de la evolución
23
Los algoritmos evolutivos
 AE: procedimiento estocástico de búsqueda basado en el

principio de la evolución “supervivencia del mas apto”
 Modo de conseguirlo
“adaptación al entorno”
24
Estructura de los AE
Un AE debe disponer de:
 Una población de posibles soluciones, es decir, individuos

 Un procedimiento de transformación: construcción de
nuevos individuos a partir de los disponibles
 Un procedimiento de selección, basado en la aptitud de los
individuos
Transformación + Selección = una generación
25
Propósito de los AE
Un AE debe encontrar
 Al final de una generación, la supervivencia de la

población mas apta es “la mejor solución”
 Tras cierto numero de generaciones, los individuos mas

próximos a la solución buscada sobreviven
26
El Ciclo Evolutivo
Selection
Parents
Recombination
Population Mutation
Replacement
Offspring
27
Estructura y componentes
básicos de los AGs
28
Definiciones
29
Definiciones
Alelo
Gen
Cromosoma
Población
Índice
30
Terminología
 El genotipo es la totalidad de la información genética que posee

un organismo en particular
 El fenotipo a la expresión del genotipo en función de un
determinado ambiente, característica externa.
32
Los individuos
Estructura y contenido de los individuos
33
Adaptabilidad
34
Bucle básico de un AG
35
Secuencia de un AG
 Generar la población inicial

 Evaluar la aptitud de los individuos
 Verificar si cumple el objetivo
propuesto por el algoritmo
 Realizar el sorteo de los individuos
 Seleccionar los individuos a cruzar
 Cruzar los individuos seleccionados
 Sustituir los progenitores
 Generar los bits a mutar y mutar los bits
correspondientes
36
Población inicial
Tamaño de la Población
Este parámetro nos indica el número de individuos que
tenemos en nuestra población para una generación
determinada.
En caso de que esta medida sea insuficiente, el algoritmo
genético tiene pocas posibilidades de realizar
reproducciones con lo que se realizaría una búsqueda de
soluciones escasa y poco óptima.
Por otro lado si la población es excesiva, el algoritmo
genético será excesivamente lento.
37
Población inicial
38
Población inicial
39
Evaluación de los individuos
La aptitud de los individuos se evalúa a
partir de:
 Fitness: con la función de evaluación, f  x

Evaluación, o “aptitud bruta”
 Porcentaje fitness: con La función de aptitud, u  x 

Aptitud, o “aptitud neta”
40
Evaluación de los individuos
f  x
41
Procedimientos básicos de un AG
 El proceso de selección de progenitores se

hace
A partir de la población inicial Mediante muestreo
42
Mecanismos de muestreo de poblaciones
 Muestreo directo:
Se toma un subconjunto de individuos de la

población siguiendo un criterio fijo: los k mejores, a
dedocracia, etc,…
43
 Muestreo aleatorio simple o equiprobable
Se asigna a todos los elementos de la población las

mismas probabilidades de formar parte de la
muestra.
44
 Muestreos estocásticos:
Se asignan las probabilidades de selección o puntuaciones en
función de su aptitud.
ui
pi 
u1   un
Por defecto, la puntuación pi, asociada al individuo xi de la población

P={x1,...,xn}, se calcula como la aptitud relativa de dicho individuo: esto es,
siendo u1, . . ., un las respectivas aptitudes que poseen los individuos.
45
 Selección por torneo
Se escogen de forma aleatoria un número de individuos de la

población, y el que tiene puntuación mayor se reproduce,
sustituyendo su descendencia al que tiene menor puntuación
de la población.
46
La reproducción o crossover
Consiste en el intercambio de material genético entre

dos cromosomas. El objetivo del crossover es conseguir
que el descendiente mejore la aptitud de sus padres.
Para aplicar la reproducción habrá que seleccionar con

anterioridad dos individuos de la población con una de
las diversas técnicas de selección de la etapa anterior.
47
El proceso de reproducción o crossover
Se realiza a partir de la población de progenitores para

esto se deben seleccionar algunos miembros y luego
aplicar alguno de los operadores genéticos de
transformación:
 Cruce
 Mutación
48
Operadores geneticos de recombinacion
Actúan sobre parejas y originan otro par de individuos

que combinan características de los progenitores.
cruce
49
Formas de realizar el cruce de los progenitores

 Cruce a 1 punto
 Cruce a 2 puntos
 Cruce por operador matemático
50
Probabilidad de cruce, Pc:
Indica la frecuencia con la que se realizan cruces entre los

cromosomas padre.
En caso de que no exista probabilidad de reproducción, los

hijos serán copias exactas se los padres.
En caso de haberla, los hijos tendrán partes de los

cromosomas de los padres.
51
Operadores genéticos de alteración
Actúan sobre un individuo, realizando una pequeña

modificación a alguno o algunos de sus genes.
Mutación
Actúa luego del cruce sobre cada individuo de forma

particular.
52
Mutación
Consiste en modificar ciertos genes de forma aleatoria

de acuerdo con la probabilidad de mutación establecida
Pm.
Las mutaciones son beneficiosas pues contribuyen a la

diversidad genética de la especie. Además previenen
obtener soluciones que convergen a un óptimo local.
53
Probabilidad de mutación
Indica la frecuencia con que los genes de un cromosoma

son mutados.
Si es 100% todo el cromosoma es mutado.
54
Mutación
 Catastrófica: produce un hijo no viable.
 Neutral: produce un hijo que no altera fitness
 Ventajosa: produce un hijo con característica

beneficiosa.
55
Como realizar el proceso de reproducción
 s: cantidad de descendientes
 n: cantidad de progenitores
 El numero de descendientes s es aleatorio
 Para valores grandes de s varia más la población de una
generación a otra. (muchas características)
 s menor o igual al 60% de n.
56
 El proceso de remplazo
 Remplazo inmediato de los progenitores (hijos por padres)
 Remplazo por inserción. Si: (se mantiene la población)
s < n se sustituyen s progenitores de la población.
s > n se muestrean n miembros de la
población y se descartan s de menor fitness (muestreo entre
padres e hijos)
 Remplazo por inclusión se pasa a muestrear los s+n, la
población crece.
57
Bucle básico de un AG
58
Ejemplo: maximizar la función costo
f(x) = x2 sobre los enteros [0..31]
 Generación 1 Valor de aptitud del individuo en la

Cromosoma
Fenotiporesolución
(característica
((representación
169 / 1170 externa
) * 100
del genotipo)
del problema observable)
Nº String Valor Fitness % del total

X X2 de fitness
1 01101 13 169 14.4
2 11000 24 576 49.2
3 01000 8 64 5.5
4 10011 19 361 30.9
Total 1170 100.0
 Selección Proporcional
al valor del fitness
59
Pseudocódigo de un AG
60
Como construir el AG
TAREA: Decodificación de una población y

escalización
61
Algoritmo de ejemplo
 Generar la población inicial

 Evaluar la aptitud de los individuos
 Realizar el sorteo de los individuos
 Seleccionar los individuos a cruzar
 Cruzar los individuos seleccionados
 Sustituir los progenitores
 Generar los bits a mutar
 Mutar los bits correspondientes
Ejercicio: Encontrar el valor que minimiza la función f(x)= x^2

en el intervalo [-30,50] utilizando Matlab.
62
Función principal – Parámetros del AG
63
Función principal – Función a minimizar
64
Función principal – Función de creación de población inicial
65
Función principal – Bucle central de repetición
66
Función principal – Gráficos de comportamiento generacional
67
Sub-funciones – función a minimizar
Sub-funciones – crear población inicial
68
Sub-funciones – obtención de fenotipo
69
Sub-funciones – Generar la nueva generación
70
Sub-funciones – Selección de padres
71
Sub-funciones –
Cruce y mutación
72
Sub-funciones – mutación
73
Ejemplo: maximizar la funcion peaks
 Encontrar el max. de la funcion “peaks”

 z = f(x, y) = 3*(1-x)^2*exp(-(x^2) - (y+1)^2) - 10*(x/5 - x^3 - y^5)*exp(-
x^2-y^2) -1/3*exp(-(x+1)^2 - y^2).
74
Ejemplo: maximizar la funcion peaks
 Proceso aplicando Algoritmos Genéticos:
poblacion Inicial 5a generacion 10a generacion
75
Ventajas de un AG
76
Desventajas de un AG
77

Algoritmos Geneticos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algoritmos Geneticos

Cargado por

Copyright:

Formatos disponibles

Algoritmos Genéticos

Asignatura Control Inteligente

 La teoría de la evolución natural

 Estructura y componentes básicos de los Gas

 El algoritmo genético básico SGA (Goldberg)

 El Universo y la vida se originaron de

 Dios creó a todas las especies del

 Especies jerarquizadas por Dios. El

 Especuló (siglo 18) que las

 Notó las similitudes entre el

 Principios siglo 19, enunció la

 Características adquiridas por un

 Ley del uso y desuso.

 A medida que los individuos de

 Evolución se origina a través de

 “La selección natural”

 Mientras los menos aptos, mueren sin dejar descendientes y así

 Este proceso explica los cambios en las características de las

 Los individuos más aptos tienen más

 Este proceso es lento, pero las

(siglo 19) la información genética

 Demostró así la falsedad de la

 Por tanto las características

 Realizó una serie de

 Leyes de Mendel = ciencia de

Planta alta (TT) cruzada con una corta (tt)

 Versión moderna de la Teoría Evolutiva de Darwin

 Proceso de descendencia con cambio, y

Evolución = Variación + Herencia + Selección

 Variación: en una o mas características

 Años 50s y 60s:

 Idea: Evolucionar una población de posibles soluciones a

 Enfoque alternativo para abordar problemas complejos de

 A través de modelos computacionales de procesos evolutivos.

 AE: procedimiento estocástico de búsqueda basado en el

Un AE debe disponer de:

 Una población de posibles soluciones, es decir, individuos

Transformación + Selección = una generación

 Al final de una generación, la supervivencia de la

 Tras cierto numero de generaciones, los individuos mas

 El genotipo es la totalidad de la información genética que posee

 Generar la población inicial

 Fitness: con la función de evaluación, f  x

 Porcentaje fitness: con La función de aptitud, u  x 

 El proceso de selección de progenitores se

A partir de la población inicial Mediante muestreo

Se toma un subconjunto de individuos de la

 Muestreo aleatorio simple o equiprobable

Se asigna a todos los elementos de la población las

Por defecto, la puntuación pi, asociada al individuo xi de la población

 Selección por torneo

Se escogen de forma aleatoria un número de individuos de la

Consiste en el intercambio de material genético entre

Para aplicar la reproducción habrá que seleccionar con

El proceso de reproducción o crossover

Se realiza a partir de la población de progenitores para

Actúan sobre parejas y originan otro par de individuos

Formas de realizar el cruce de los progenitores

 Cruce por operador matemático

Probabilidad de cruce, Pc:

Indica la frecuencia con la que se realizan cruces entre los

En caso de que no exista probabilidad de reproducción, los

En caso de haberla, los hijos tendrán partes de los

Actúan sobre un individuo, realizando una pequeña