PROGRAMACIÓN GENÉTICA

CODIFICACIÓN DE
1 INDIVIDUOS E INICIALIZACIÓN
TREE STRUCTURES
Los árboles pueden ser fácilmente evaluados de forma recursiva. Cada nodo
del árbol tiene una función como operador y cada nodo terminal tiene un
operando, por lo que las expresiones matemáticas son fáciles de evolucionar
y evaluar.
LINEAR GENETIC PROGRAMMING

La población es representada como

una secuencia de instrucciones de
un lenguaje de programación
imperativo o lenguaje máquina.
Son más simples de leer y de
manipular que los árboles
 DIRECTED MULTIGRAPHS

Generalización de un grafo que

permite aristas múltiples, o
equivalentemente, más de un
conjunto de aristas.
MULTI EXPRESSION
PROGRAMMING

Codifica multiples soluciones de un

problema en un sólo cromosoma.
Des esta manera se puden explorar
zonas más grandes de espacios de
búsqueda.
 SE DEBEN DETERMINAR LOS
SIGUIENTES PARÁMETROS:
Conjunto de facciones y su aridad (cantidad

INICIALIZACIÓN de parámetros).
Conjunto de símbolos terminales.
Identificar la función de desempeño.
Tamaño de la población.
Profundidad inicializacion y profundidad
máxima de los cromosomas.
Probabilidad de cruce.
Probabilidad de mutación.
Criterio de parada.
Tasa de elitismo.
 CREACIÓN DE POBLACIÓN Y
2 FUNCIÓN DE DESEMPEÑO
 Completa Creciente

CREACIÓN DE LA
Crea nodos del cromosomas que
pertenezcan unicamente al conjunto
de funciones F hasta que se alcance
un nivel menos de la profundidad de
Se crean nodos que pertenezcan
tanto al conjunto de funciones F
como al de símbolos terminales T
hasta que se alcance un nivel menos

POBLACIÓN
inicialización definida. Luego se crean de la profundidad de inicialización
nodos que pertenezcan al conjunto definida.
de terminales T.

INICIAL
Ramped Half-and-Half
Dada la profundidad de inicialización p, se divide a la
población en p-1 grupos. Cada grupo hace uso de una
profundidad de inicialización aleatoria. La mitad de los
cromosomas de cada grupo se crean con inicialización
completa y la otra mitad con inicialización creciente.
 FUNCIÓN DE DESEMPEÑO

DESEMPEÑO ERROR DESEMPEÑO DE

DESEMPEÑO EESCALADO
CUADRÁTICO MINIMIZACIÓN

Cuando se conoce de Modifica los valores que se El valor de la función de

antemano la solución obtengan de la función desempeño depende
óptima del problema la objetivo de tal forma que además de la función
funcion desempeño indica sean positivos y que objetivo del promedio de
que tan cercano a esta es cuanto menor sea mayor dicha funcion para toda la
un individuo. será el valor de generación y de la
desempeño dispersion de los valores.
 3 MECANISMOS DE SELECCIÓN
SELECCIÓN
SELECCIÓN POR MUESTREO SELECCIÓN POR SELECCIÓN POR
BASADA EN
RULETA ESTOCÁSTICO TORNEO TRUNCAMIENTO
RANKING
La probabilidad de Se selecciona un solo Se eligen k En esta selección Los individuos se
selección de un numero aleatorio y con cromosomas de las soluciones ordenan según su
cromosoma base a este se generan forma aleatoria. candidatas son medida de desempeño
depende de su los N numeros restantes El cromosoma ordenadas según y luego son asignados
desempeño y del necesarios para elegido es el que su desempeño, y con una segunda
desempeño medio seleccionar los obtenga un una proporción de medida de desempeño,
de toda la cromosomas. mejor los individuos con inversamente
población. desempeño de mejor desempeño proporcional a su
los k elegidos. es seleccionada y posición en el ranking
reproducida 1/p (otorgando una mayor
veces. probabilidad a los
mejores).
4
Mutación terminal
Elige aleatoriamente un nodo terminal y
cambia su valor po otro, también
aleatoriamente, que pertenezca al conjunto de
los terminales.
Mutación funcional
Cambia una función elegida aleatoriamente por
otro ue pertenezca al conjunto de funciones,
tambien de forma aleatoria.

OPERADORES
DE Mutación de Mutación de
MUTACIÓN subarbol
Se elige un locus aleatorio del cromosoma y se
remplaza el subarbol en este punto por otro
permutación
Intercambia los hijos del nodo función elegido
de manera aleatoria.
generado aleatoriamente.
 OPERADORES DE CRUCE Y
5 MECANISMOS DE REMPLAZO
 Se elige
aleatoriamente
un locus sobre el

OPERADORES DE
que se hará el
cruzamiento para
cada padre. El

CRUCE
subárbol del
padre 1 a partir
del locus se
combina con el
padre 2 para crear
al hijo 1, y
viceversa.
MECANISMOS DE REMPLAZO
Se eligen los cromosomas con
Se genera un número aleatorio
desempeño menor al 10% del
mayor a la probabilidad de cruce y
desempeño medio de la menor o igual a 1. Según este
La generacion es población. Se elige una porcentaje, se selecciona
remplazada en su totalidad cantidad n de los cromosomas aleatoriamente la cantidad
por sus hijos a remplazar y se eliminan. respectiva de cromosomas en la
nueva población y se remplaza por
la misma cantidad de
Remplazo Remplazo de los Remplazo de cromosomas en la vieja población.

generacional Elitismo n peores vecindad Remplazo

El mejor cromosoma (o los Se ordenan los cromosomas aleatorio
de las dos poblaciones de
n mejores) de la población
mayor a menor desempeño.
son retenidos para la
Luego se elige un tamaño de
siguiente generación. A los vecindad dependiendo del
cromosomas restantes que tamaño de la población. Cada
no son parte de la elite se cromosoma de la ultima
les aplica un método población remplaza a un
distinto de remplazo. vecino elegido al azar de la
primera población.
REFERENCIAS
Wikipedia (s. f.) Genetic programming. Obtenido de Internet el 3 de
septiembre de 2023 de Wikipedia en:
https://en.wikipedia.org/wiki/Genetic_programming
Wikipedia (s. f.) Multi expression programming. Obtenido de Internet el 3 de
septiembre de 2023 de Wikipedia en:
https://en.wikipedia.org/wiki/Multi_expression_programming
Wikipedia (s. f.) Multigrafo. Obtenido de Internet el 3 de septiembre de 2023
de Wikipedia en: https://es.wikipedia.org/wiki/Multigrafo
Wikipedia (s. f.) Linear genetic programming. Obtenido de Internet el 3 de
septiembre de 2023 de Wikipedia en:
https://en.wikipedia.org/wiki/Linear_genetic_programming