UNIVERSIDAD TECNOLÓGICA DE PEREIRA, LABORATORIO DE INSTRUMENTACIÓN Y MEDIDAS, OCTUBRE 2023
Pre-Informe 8
OPTIMIZACION DE CIRCUITOS MEDIANTE
ALGORITMOS GENÉTICOS
Cristian Camilo Ramı́rez, Anderson Moreno Ladino, Yesica Bustamante
c.camilo@utp.edu.co, anderson.moreno@utp.edu.co, yesica.bustamante@utp.edu.co
Grupo 3, Subgrupo 3
Laboratorio de Medidas e Instrumentación, Programa de Ingenierı́a Eléctrica
Universidad Tecnológica de Pereira, Pereira, Colombia
Resumen— El siguiente documento contiene la respuesta a
las preguntas propuestas en la guı́a de laboratorio 8 con el
objetivo de estudiar y llevar a buen termino la ejecución de la
práctica, para este caso especı́fio se busca optimizar la topologıa
de un circuito electrico mediante el uso de salidas digitales de
una DAQ que controlan los elementos pasivos que lo conforman
y cómo mejorar la eficiencia de un circuito electrico a partir
de la evaluacion automática iterativa de una función de costo
predefinida utilizando la DAQ.
Palabras clave– Algoritmo genético, Topologı́a de circuito
eléctrico, Salidas digitales, DAQ, Elementos pasivos, Eficiencia
del circuito, Evaluación automática, Iterativa, Función de costo,
Optimización
Abstract—The following document contains the response to the
questions proposed in laboratory guide 8 with the aim of studying
and successfully carrying out the practice. For this specific case,
the objective is to optimize the topology of an electric circuit
using the digital outputs of a DAQ that control the passive
elements that comprise it, and how to improve the efficiency of
an electric circuit by means of the iterative automatic evaluation
of a predefined cost function using the DAQ.
Index Terms—Genetic algorithm, Electrical circuit topology,
Digital outputs, DAQ (Data Acquisition), Passive components,
Circuit efficiency, Automated evaluation, Iterative, Cost function,
Optimization.
I. I NTRODUCCI ÓN
L OS algoritmos genéticos se utilizan en la optimización
de circuitos eléctricos es una estrategia eficaz y poderosa
para buscar soluciones ideales a través de estos algoritmos.
Este enfoque permite descubrir configuraciones de circuitos
que maximizan o minimizan ciertas caracterı́sticas para
mejorar diversos aspectos, como la potencia entregada, la
regulación del voltaje, la eficiencia energética y la disipación
de calor, entre otros.
La optimización de circuitos puede ser un proceso altamente
complejo debido a la inmensa variedad de combinaciones y
configuraciones posibles de los elementos del circuito. Los
algoritmos genéticos, inspirados en la evolución biológica,
simulan el proceso de selección natural para hallar soluciones
óptimas a un problema especı́fico.
Para lograr esto, se inicia con la generación de
una población inicial de posibles soluciones, cada una
representando diversas caracterı́sticas del circuito. Estas
soluciones se evalúan mediante una función de costo que
1
mide su conformidad con los criterios de optimización. A
medida que avanzan las generaciones, se espera que el
algoritmo genético converja hacia soluciones cada vez más
sobresalientes.
La función de costo desempeña un papel fundamental en
estos algoritmos, ya que evalúa y compara el desempeño
de diferentes configuraciones de circuitos en relación con
los objetivos de optimización establecidos. Esto permite una
evolución continua hacia soluciones superiores a medida que
el algoritmo progresa. El resultado final es una convergencia
hacia un óptimo global o local, según las necesidades
especı́ficas del problema, y la función de costo puede diseñarse
para reflejar los objetivos particulares de optimización de ese
problema. [1]
II. CONTENIDO
A. Respuestas a Preguntas Planteadas en el Pre-informe
1. ¿Que es un algoritmo genético y para qué se utiliza?
¿Cuáles son los operadores genéticos que permiten la
evolucion del algoritmo? Explique cada uno.
Un algoritmo genético es una técnica de optimización
que se inspira en la evolución biológica, replicando el
proceso de selección natural para buscar soluciones óptimas
a un problema especı́fico. Se utiliza para abordar problemas
que implican encontrar la mejor solución entre múltiples
opciones basadas en un criterio o función de costo. Estos
algoritmos se aplican en diversos campos, incluyendo la
optimización de circuitos eléctricos, y son efectivos en
la mejora de diferentes aspectos de estos circuitos. La
técnica consiste en evolucionar una población de soluciones
candidatas a lo largo de varias generaciones mediante la
aplicación de operadores genéticos que imitan procesos
naturales como la selección, recombinación y mutación,
lo que lleva a la creación de nuevas soluciones y a su
mejora con el tiempo. Los algoritmos genéticos son utilizados
en diversas aplicaciones, como el diseño de antenas para
mejorar su rendimiento, la programación de horarios, la
optimización de circuitos eléctricos para mayor eficiencia,
y la planificación de rutas de transporte eficientes. Estos
UNIVERSIDAD TECNOLÓGICA DE PEREIRA, LABORATORIO DE INSTRUMENTACIÓN Y MEDIDAS, OCTUBRE 2023
algoritmos aplican principios de evolución biológica para
encontrar soluciones óptimas a problemas especı́ficos en
campos que van desde la tecnologı́a de la información hasta
la ingenierı́a y la logı́stica. [1] Los algoritmos genéticos
dependen de tres operadores clave para evolucionar soluciones
en su proceso de optimización. La ”Selección” emula la
selección natural, favoreciendo soluciones más adecuadas para
la reproducción. El ”Cruzamiento” combina caracterı́sticas
de dos soluciones padres para generar nuevos descendientes,
permitiendo explorar nuevas combinaciones beneficiosas. Por
último, la ”Mutación” introduce aleatoriedad al alterar uno o
más genes de una solución. Estos operadores trabajan juntos
para evolucionar la población de soluciones a lo largo de
generaciones sucesivas y encontrar la solución óptima para
un problema dado. [1]
2. Realice un pseudocodigo donde se describan todas las
etapas del algoritmo.
En términos generales un algoritmo genético podrı́a
describirse ası́:
Función InicializarPoblación(): // Genera una población
inicial de soluciones aleatorias
Función EvaluarPoblación(): // Calcula la aptitud (fitness)
de cada solución en la población
Mientras no se cumpla el criterio de parada: Función
SeleccionarPadres(): // Selecciona soluciones de la población
basadas en su aptitud
Función Cruzamiento(): // Cruza los padres seleccionados
para generar descendientes
Función Mutación(): // Aplica mutación a los descendientes
con una cierta probabilidad
Función EvaluarDescendientes(): // Calcula la aptitud de los
descendientes
Función ReemplazarPoblación(): // Selecciona nuevas
soluciones para la siguiente generación // basadas en la aptitud
de los descendientes
Incrementar contador de generación
Devolver la mejor solución encontrada
Fin Mientras [2]
3.¿Que es una función de costo y como se utiliza en la
optimizacion de parametros de un circuito eléctrico?
En la optimización de circuitos eléctricos, la función de
costo es esencial, ya que evalúa y compara diferentes
configuraciones de circuitos según los objetivos de
optimización. Esta evaluación guı́a el proceso evolutivo
hacia soluciones mejoradas, esperando que estas converjan
hacia un óptimo, ya sea global o local. La función de costo,
también conocida como función de idoneidad, cuantifica el
rendimiento de una configuración de circuito, especialmente
en la optimización de parámetros. El objetivo es identificar
caracterı́sticas que cumplan con criterios especı́ficos, como
potencia de salida, eficiencia y regulación. Esta función se
basa en simulaciones, cálculos o mediciones, y su valor
puede ser maximizado o minimizado según el objetivo de
optimización. [2]
2
4. Para el circuito propuesto, plantee al menos cuatro ejemplos
de funciones de costo que podrı́an implementarse para mejorar
diferentes aspectos en la carga, como la potencia entregada, la
regulacion de voltaje, etc.
Función para la distorsión armónica: La minimización de la
distorsión armónica en la carga es fundamental. Por lo tanto, se
puede diseñar una función que evalúe el nivel de armónicos no
deseados presentes en la señal y busque reducir su presencia.
Función de costo para la regulación de corriente: En el
caso de circuitos que requieran una carga constante, es posible
diseñar una función objetivo que penalice las fluctuaciones de
corriente y busque minimizar el rango de variaciones en la
corriente de la carga.
Función de costo para la regulación de voltaje: Dado que es
fundamental mantener un voltaje constante y regulado en la
carga, se puede implementar una función objetivo que penalice
desviaciones en el voltaje y busque reducir las fluctuaciones
en la carga.
5.¿De que manera se puede utlizar una DAQ para alterar la
topologıa de un circuito electrico?. Defina los elementos que
necesitara para realizar este procedimiento en el laboratorio.
Al adquirir las señales con la DAQ y la programación en
Matlab una de las formas para alterar la topologı́a es que
al adquirir las señales de corriente y el voltaje en diferentes
puntos del circuito, el DAQ se puede usar para identificar los
componentes que afectan el rendimiento del circuito. Una vez
que se han identificado los componentes, se puede usar el
DAQ para controlarlos y alterar la topologı́a del circuito, los
elementos necesarios serı́an:
Dispositivo DAQ: La DAQ, que combina hardware y
software, es esencial para capturar datos y gestionar señales.
Sensores y sondas: Para medir parámetros especı́ficos, se
requieren sensores y sondas adecuadas que se conectarán al
dispositivo DAQ.
Cables y conexiones: Se utilizan cables y conexiones para
enlazar la DAQ con el circuito bajo análisis, estableciendo la
comunicación necesaria.
Computadora: Una computadora es esencial para operar y
supervisar la DAQ, ası́ como para analizar y almacenar los
datos recolectados.
Software de adquisición de datos: Muchas DAQ incluyen
software diseñado para configurar las mediciones y controlar
las salidas. Puede requerir software adicional para el análisis
de datos.
Carga de prueba (si es necesaria): En caso de que desee
evaluar la respuesta del circuito bajo condiciones especı́ficas,
puede ser necesario emplear una carga de prueba adecuada.
Esta organización proporciona una descripción concisa de
los elementos esenciales para trabajar con una DAQ en un
laboratorio.
B. Conclusiones
Los algoritmos genéticos son una valiosa herramienta para
optimizar circuitos eléctricos, utilizando la evolución como
inspiración. Las funciones de costo miden el rendimiento y
una DAQ facilita el monitoreo. En conjunto, estos enfoques
UNIVERSIDAD TECNOLÓGICA DE PEREIRA, LABORATORIO DE INSTRUMENTACIÓN Y MEDIDAS, OCTUBRE 2023 3

mejoran la eficiencia y el rendimiento de los circuitos

eléctricos.
Los algoritmos genéticos ofrecen un enfoque eficaz para
optimizar circuitos eléctricos al imitar procesos evolutivos.
Las funciones de costo desempeñan un papel central en la
evaluación, mientras que una DAQ permite un monitoreo
preciso. En conjunto, estas herramientas mejoran la eficiencia
y el rendimiento de los circuitos eléctricos, con aplicaciones
relevantes en diversas áreas de la ingenierı́a.

R EFERENCIAS
[1] M. Srinivas and L. M. Patnaik, ”Genetic Algorithms for the Design of
CMOS Digital Circuits,” IEEE Transactions on Evolutionary Computation,
vol. 1, no. 2, pp. 128-142, 1997
[2] D. E. Goldberg, ”Genetic Algorithms in Search, Optimization, and
Machine Learning,” Addison-Wesley, 1989.