31124, 1641 Algorimos genéticos ~ Conogasi Inicio Proyecto Conogasi Donaciones Ayuda Crear cuenta _ Iniciar sesién Cur luyas! Aprender es conocer € Atras Algoritmos geneticos ‘Autor Conogasi 20078© M4} ol | AA Ramén Gardufo Juérez, Instituto de Ciencias Fisioas, UNAM, Miembro de la Academia de Ciencia de Morelos Conacimiento > Ciencias naturales octubre, 2018 Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solucién a un problema especifico. Un algoritmo genético (o AG para abreviar) es una técnica de programacién inspirada en la reproduccién de los seres vivos y que imita a la evolucién biolégica como estrategia para resolver problemas de optimizacién. En general, los algoritmos genéticos (AGs) son parte de la llamada inteligencia artificial, es decir, la resolucién de problemas mediante el uso de programas de computacién que imitan el funcionamiento de la inteligencia natural. Los AGs fueron delineados por un par de cientificos norte-americanos, John Holland [1929-] en los afios 1970 y presentados en 1989 por David Goldberg [1953-] como un método de optimizacién de busqueda global, debido a que este tipo de métodos explora todo el espacio de soluciones del problema permitiendo salir de posibles éptimos locales ¢ i en busca de éptimos globales. Para entender lo que es la optimizacién hay que considerar que la programacién matemdatica intenta resolver procesos que tienen diferentes posibles soluciones, pero sélo una de ellas coresponde al dptimo global, es decir la soluci6n que se ajusta mejor a las condiciones del mismo problema, Cualquier otra solucién que se parezca al éptimo global es un éptimo local Conogasi.com utiliza cookies para proporcionarte la mejor experiencia de navegacién dentro de nuestro sitio. Puedes desactivar las cookies en configuracién de cookies o si eres usuario registrado desde tu pagina de perfil itpsconogastorglariculoslalgortmos-genticos!31124, 1641 ’ cué Inicio Proyecto Conogasi descartados. Un AG funciona de la siguiente Dado un problema especifico de optimizacién a resolver, el AG requiere de un conjunto inicial de soluciones potenciales a ese problema, codificadas de alguna manera y de una funcién de aptitud que permite evaluar cuantitativamente a cada manera, candidata a solucién. Estas candidatas se suelen generar aleatoriamente, o bien pueden ser soluciones que ya se sabe que funcionan, con el objetivo de que el AG depure las opciones vélidas hasta escoger la mejor. Cada una de las soluciones potenciales es evaluada por la funcién de aptitud, una ecuacién matematica, que le da una calificacién para saber qué tan “buena’ es con respecto a las demas soluciones. Por supuesto, la rayoria de estas soluciones no funcionaran en absoluto, y serén eliminadas. Sin embargo, por puro azar, unas pocas pueden ser prometedoras, es decir, pueden mostrar parte de la solucién, aunque ésta sea débil e imperfecta, hacia la solucién final Conogasi.com utiliza cookies para proporcionarte la mejor experiencia de navegacién dentro de nuestro sitio. Puedes desactivar las cookies en configuracién de cookies o si eres usuario registrado desde tu pagina de perfil itpsconogastorglariculoslalgortmos-genticos! Algortmos genéticos — Conogasi Donaciones Crear cuenta e fortieth pi inion Lloliiijojolijo ¥ Figura 2. Uns mataciin mosis a azar parte del romosoms eos inchidos. ‘Ayuda Mama Hijo 1 Hijo 2 Figura 3.Cilo del algortmo genetic: Solecion(Se)~-Cruzamionto (Ci)-sutacion (Mu)-Evaluacisn (fi) Reemplazo Re). simbolo? ‘sla condicon de término yx" esa mejorsolucion. Iniciar sesién90128, 16:41 Algorimos genéticos ~ Conogasi , Lue Inicio Proyecto Conogasi Donaciones Ayuda —Crearcuenta _Iniciar sesién nuevo acetvo de soluciones candidatas que son sometidas a una ronda de evaluacion de aptitud, Las candidatas que han empeorado, 0 no han mejorado, con los cambios en su cédigo son eliminadas de nuevo; pero, por puro azar, las variaciones aleatorias introducidas en la poblacién pueden haber mejorado a algunos individuos, convirtiéndolos en mejores soluciones del problerna, mas completas o més eficientes. De nuevo, se seleccionan y copian estos individuos vencedores hacia la siguiente generacién con cambios aleatorios, y el proceso se repite. Las expectativas son que la aptitud media de la poblacién se incrementar en cada ronda y, por tanto, repitiendo este proceso cientos o miles de rondas, pueden descubrirse soluciones muy buenas del problema En resumen, un AG consiste de los siguientes pasos. Inicializacién: se genera aleatoriamente una poblacién inicial constituida por posibles soluciones del problerna, también llamados individuos. Evaluacién: aplicacién de la funcién de evaluacién a cada uno de los individuos. Evolucién: aplicacién de operadores genéticos (como son seleccién, reproduccién y mutacién). Y término: el AG deberd detenerse cuando se alcance la solucién dptima, pero ésta generalmente se desconoce, por lo que se utilizan varios criterios de detencién Los AG requieren que, durante la inicializacién, cada uno de los individuos sea codificado en un cromosoma, Cada crorosoma tiene varios genes, que corresponden a cada uno de los parémetros del problerna. Para poder trabajar con estos genes en la computadora, es necesario codificar loscromosomas en una cadena, es decir, una serie de simbolos (ntimeros 0 letras). Las formas rnés empleadas para codificar un cromosoma son: la codificacién binaria, codificacién de valores finitos, uso de nlimeros enteros y uso de nlimeros reales. La eleccién de la codificacién dependera del problema a resolver, asi que es preciso estudiar la codificacién mas optima segun el caso que se esté estudiando; porque la mayoria de las veces, una codificacién correcta es la clave de una buena resolucién del problema. Para ilustrar de manera rnuy simple el proceso de codificacién podemos emplear la cadifiearién hinaria Cansiderarnas aie tine de Ine individiins tiene vin valor de v= 11 Fn itpsconogastorglariculoslalgortmos-genticos!90128, 16:41 Algorimos genéticos ~ Conogasi Conogasi.com utiliza cookies para proporcionarte la mejor experiencia de navegacién dentro de nuestro sitio. Puedes desactivar las cookies en configuracién de cookies o si eres usuario registrado desde tu pagina de perfil Inicio Proyecto Conogasi Donaciones Ayuda Crear cuenta _ Iniciar sesién Elton ue ae poser Meare OO HY oun rE exista una diversidad en las soluciones y para tener una representacién de la mayor parte Pye Yrs Cure pure yuranieus gue de la poblacién posible. El proceso de evolucién tiene como fin unico el mejorar la poblacién de soluciones mediante la aplicacién repetitiva de las operaciones de cruzamiento, mutacién y seleccién, Siguiendo el ejemplo de la naturaleza la diversidad genética esta presente en las mutaciones y la reproduccién sexual. El cruzamiento, 0 reproduccién, es sinénimo de apareamiento entre dos individuos de diferente sexo. Asi, en un AG se debe escoger a una pareja de individuos que cruzarén sus ‘cromosomas para generar dos descendientes donde se combinan las caracteristicas de ambos cromosomas padres. La seleccién de los individuos que funcionarin como padres puede ser aleatoria 0 permitiendo que al menos uno de los padres pertenezca al grupo de mejores individuos, tal como se lleva a cabo en la naturaleza donde los cromosomas del individuo més fuerte o mejor adaptado son transferidos a su descendencia. El intercambio de la inforracién genética del par de individuos también se puede llevar a cabo de diferentes formas. Una de ellas se ilustra en la Figura 1, donde aleatoriamente se ha seleccionado un punto de corte comtin a ambos padres, y que sirve como referencia para intercambiar su informacién genética para producir dos hijos con caracteristicas diferentes a los padres, aunque éstos hereden parte de su informacién genética En la evolucién una mutacién es un suceso bastante poco comin, sucede aproximadamente una en cada mil aparearnientos. En la mayoria de los casos las mutaciones son letales o no tienen sentido, pero en promedio, contribuyen a la diversidad genética, En un AG tendran el mismo papel y la rnisma frecuencia. Una vez establecida la frecuencia de mutacién (muy beja), se genera un nimero entre Oy 1 de manera aleatoria y si ese nlimero es menor que la frecuencia de mutacién se permite que un gen del ‘cromosoma cambie su informacién; si no, se dejara como esta. La mutacién modifica al azar parte del cromosoma de los individuos (ver Figura 2), y permite aleanzar zonas del itpsconogastorglariculoslalgortmos-genticos! 41690128, 16:41 Algorimos genéticos ~ Conogasi Inicio Proyecto Conogasi Donaciones Ayuda —Crearcuenta _Iniciar sesién EL AG Se cesta Geter Cuury OL eILUNUL Ja SUMMON Upunia, HUI Ie yorural Got oe desconoce, asi que se deben utilizar otros criterios de detencién. Normalmente se usan dos criterios: 1) correr el AG un nimero maximo de iteraciones (generaciones), y 2) detenerlo cuando no haya cambios en la poblacidn. Mientras no se cumpla la condicién de término se repite el ciclo: Seleccién (Se) + Cruzamiento (Cr) + Mutacién (Mu) — Evaluacién (f(x)) > Reemplazo (Re), Ver Figura 3, donde (2) es la condicién de término y x* es la mejor solucién. Aunque a algunos les puede parecer asombroso y antiintuitivo, los AGs han demostrado ser una estrategia enormemente poderosa y exitosa para resolver problemas, demostrando de rnanera espectacular el poder de los principios evolutivos. Se han utilizado algoritmos genéticos en una amplia vatiedad de campos para desarrollar soluciones a problemas tan dificiles 0 mas diffciles que los abordados por los disefiadores humanos, Ademas, las soluciones que consiguen son a menudo mas eficientes, més elegantes 0 més complejas que nada que un ingeniero humano produciria El éxito actual de los AGs es tal que los Laboratorios de Investigacién Naval de los EUA mantiene un programa de investigacién aplicada orientada a resolver problemas criticos de ese sector militar (http:/www.nrknavymiVaic/) empleando esta técnica de optimizacién. Este interés también se ha visto reflejado en nuestro pais dentro de los Laboratorios Nacionales de Informdtica Avanzada (http://wwwilaniarnx) y en la publicacién de varios trabajos cientificos sobre el tema que han realizado cientificos mexicanos. Las aplicaciones de los AGs son muchas, y entre ellas podernos mencionar algunas corno: el disefio de componentes autormovilisticos, la automnatizacién de los sisternas de comercio en el sector financiero, la logistica en la carga de contenedores, el comportamiento de robots, la calibracién y deteccién de dafios en estructuras civiles, la bioinformatica, la optimizacién de estructuras moleculares, la prediccién del plegamiento de proteinas, la construccién de horarios en grandes universidades, y el problema del Conogasi.com utiliza cookies para proporcionarte la mejor experiencia de navegacién dentro de nuestro sitio. Puedes desactivar las cookies en configuracién de cookies o si eres perfil jario registrado desde tu pagina de itpsconogastorglariculoslalgortmos-genticos!31124, 1641 Algorimos genéticos ~ Conogasi Inicio Donaciones Crearcuenta Iniciar sesién Proyecto Conogasi ‘Ayuda Cémo citar: Autor, C, Ramén Gardufio Juarez, Instituto de Ciencias Fisicas, UNAM Miembro de la Academia de Ciencia de Morelos (2018, 21 de Septiembre ) Algoritmos genéticos, Conogasi, Conocimiento para la vida, Fecha de consulta: Enero 13, 2024 Esta obra estd disponible bajo una licencia de Creative Commons Reconocimiento-No Comercial Compartir Igual 4.0 Deja un comentario ‘8é el primero en comentar 9 Lo mas nuevo Cloud Computing y Grid Computing sasas DrawingTracesTool v2.0 Herramienta de dibujado de elernentos geréticos org de ful bases materti fando un equpo | Parte 1: Las 5 Los anteojos del Vrrey Orquestando un equipo Categorias Conogasi Ingenieria y tecnologia Proyecto Conogasi (6) Donaciones Cie médicas y dela salud (114) Ayuda Tétminos y condiciones cies naturales (166) Licencia Redes sociales Bifacedook Bvoutube Otwitter Google Conogasi.com utiliza cookies para proporcionarte la mejor experiencia de navegacién dentro de nuestro sitio. Puedes desactivar las cookies en configuracién de cookies o si eres usuario registrado desde tu pagina de perfil itpsconogastorglariculoslalgortmos-genticos!