Algoritmos

Genticos
Integrantes:

Ericka Moreira
Ma. Gracia Len
Mario Plaza
Fabricio Morales
Impulsando la Sociedad
del Conocimiento
Junio, 2009
Seminario de
Optimizacion
Algoritmos Geneticos 2
Teora de la evolucin

Charles Darwin, padre de la
teora de la evolucin por
seleccin natural.
Charles Darwin y Alfred
Russell Wallace propusieron
la seleccin natural como
principal mecanismo de la
evolucin.


Seminario de
Optimizacion
Algoritmos Geneticos 3
Teora de la evolucin

Un investigador de la Universidad de
Michigan llamado John Holland estaba
consciente de la importancia de la
seleccin natural, y a fines de los 60
desarrollo una tcnica que permiti
incorporarla en un programa de
computadora.



Los Algoritmos Genticos (AG) son mtodos
adaptativos que pueden usarse para resolver
problemas de bsqueda y optimizacin.

Por imitacin del proceso natural, los Algoritmos
Genticos son capaces de ir creando soluciones
para problemas del mundo real.
Algoritmos Genticos
Cada ejecucin del algoritmo puede dar
soluciones distintas.
Son algoritmos de bsquedas mltiples.
La convergencia del algoritmo es poco
sensible a la poblacin inicial si esta se
escoge de forma aleatoria y si el tamao
es grande.
Caractersticas
Iniciar
poblacin
Evaluacin
Inicial
Seleccin
Cross-over
Mutacin Evaluacin Solucin
final
Condicin
salida
Algoritmos Genticos Simples
SI
NO
Se supone que los individuos son posibles
soluciones del problema los cuales agrupados
forman una ristra de valores.

Habitualmente la poblacin inicial se escoge
generando ristras al azar, pudiendo contener cada
gen uno de los posibles valores del alfabeto con
probabilidad uniforme.
Codificacin
La funcin de adaptacin debe ser diseada para
cada problema de manera especifica.
La regla general para construir una buena funcin
objetivo es que esta debe reflejar el valor del
individuo de una manera real.
Existe algunos mtodos para establecer primera
ser la que podramos denominar absolutista,
Funcin Reparador, penalizacin de la funcin
objetivo.




Funcin Objetivo
Fase de seleccin reproductiva: Seleccionan los
individuos de la poblacin para cruzarse
La funcin de seleccin de padres mas utilizada es
la denominada funcin de seleccin proporcional a
la funcin objetivo
Muestreo estocstico con reemplazamiento del
resto
Muestreo universal estocstico
Mtodos de seleccin dinmicos
Seleccin elitista
Seleccin
El operador de cruce, coge dos padres
seleccionados y corta sus ristras de cromosomas
en una posicin escogida al azar, para producir
dos subristras inciales y dos subristras finales


Cruzamiento
El Algoritmo Gentico descrito anteriormente,
utiliza el cruce basado en un punto.
Tambin existen cruces basado en mltiples
puntos.
Se aplica a cada hijo de manera individual, y
consiste en una alteracin aleatoria llamada
evolucin primitiva generalmente constante pero
resultados exitosos experimentando al modificar la
probabilidad de mutacin a medida que aumenta el
numero de iteraciones.
Mutacin
Seminario de
Optimizacion
Algoritmos Geneticos 14
Ejemplos de Aplicacin
Max(f(x)=x^2)
x>=0 y x<=31; x es entero
Codificacin:




x
Valor
Codificado
0 00000
1 00001
2 00010
3 00011
4 00100
.. ..
28 11100
29 11101
30 11110
31 11111
Poblacin Inicial:

Individuo Valor x f(x)
1 1 1 1 1 0 30 900
2 1 1 0 1 1 27 729
3 1 0 1 0 1 21 441
4 1 0 1 1 0 22 484
5 1 0 0 0 0 16 256
6 1 0 0 1 1 19 361
Total 3171
Seleccin (Mtodo de la Ruleta):
Individuo

Probabilidad Salir
f(xi)/f(xi)
1 28%
2 23%
3 14%
4 15%
5 9%
6 11%
Individuos Escogidos

6
2
1
4
4
5
1 1 0 0 1 1
2 1 1 0 1 1
3 1 1 1 1 0
4 1 0 1 1 0
5 1 0 1 1 0
6 1 0 0 0 0
Poblacin Resultante
Cruzar (Mtodo 1X):
Parejas
Punto de
Cruce
2 1 1 0 1 1
3
5 1 0 1 1 0
3 1 1 1 1 0
4
4 1 0 1 1 0
1 1 0 0 1 1
3
6 1 0 0 0 0
Descendientes
1 1 1 0 1 0
2 1 0 1 1 1
3 1 1 1 1 0
4 1 0 1 1 0
5 1 0 0 0 0
6 1 0 0 1 1
Mutar:
1 2 3 4 5 Gen a mutar
1 1 0 1 0 2
1 0 1 1 1 4
1 1 1 1 0 3
1 0 1 1 0 2
1 0 0 0 0 5
1 0 0 1 1 1
Poblacin Resultante Valor x f(x)
1 0 0 1 0 18 324
1 0 1 0 1 21 441
1 1 0 1 0 26 676
1 1 1 1 0 30 900
1 0 0 0 1 17 289
0 0 0 1 1 3 9
ptimo
Travelling Salesman Problem
Datos:
Distancias entre ciudades
CIUDAD DESTINO
1 2 3 4 5 6
C
I
U
D
A
D

O
R
I
G
E
N

1 0 6 2 1 4 10
2 6 0 3 4 3 1
3 2 3 0 2 8 3
4 1 4 2 0 5 6
5 4 3 8 5 0 9
6 10 1 3 6 9 0
Min(Distancia
Recorrida)
Poblacin Inicial:
Distancia
Recorrida
Individuo 1 2 3 6 4 1 5 17
Individuo 2 3 1 5 4 6 2 18
Individuo 3 6 5 2 1 4 3 21
Individuo 4 6 1 4 3 2 5 19
Individuo 5 1 4 3 2 5 6 18
Individuo 6 5 4 6 3 2 1 23
Seleccin (Mtodo Torneo):
Individuo Pareja
1 3
2 4
5 6
1 2 3 6 4 1 5
2 2 3 6 4 1 5
3 3 1 5 4 6 2
4 3 1 5 4 6 2
5 5 4 6 3 2 1
6 5 4 6 3 2 1
Cruzar (Operador basado en la
alternancia de posiciones):
Individuo Pareja
3 5
4 1
2 6
3 3 1 5 4 6 2
5 1 4 3 2 5 6
4 3 1 5 4 6 2
1 2 3 6 4 1 5
2 2 3 6 4 1 5
6 1 4 3 2 5 6
Descendiente 1 3 1 4 5 6
Descendiente 2 1 3 4 5 6
Descendiente 3 3 2 1 5 4
Descendiente 4 2 3 1 6 4
Descendiente 5 2 1 3 4 5
Descendiente 6 1 2 4 3 5
Mutar (Operador basado en cambios):
C1 C2
Descendiente 1 3 5
Descendiente 2 2 4
Descendiente 3 5 2
Descendiente 4 3 1
Descendiente 5 4 5
Descendiente 6 2 3
ptimo
3 1 4 5 2 6
1 3 4 5 2 6
3 2 1 5 6 4
2 3 1 6 5 4
2 1 3 4 6 5
1 2 4 3 6 5
Distancia
Recorrida
Descendiente 1 5 1 4 3 2 6 11
Descendiente 2 1 3 2 5 4 6 19
Descendiente 3 3 5 1 2 6 4 25
Descendiente 4 2 1 3 6 5 4 25
Descendiente 5 2 1 3 5 6 4 31
Descendiente 6 1 3 4 2 6 5 18
Aplicaciones de los Algoritmos Genticos
Seminario de Optimizacin
24 Algoritmos Genticos
Solucin de modelos de Inventarios Estocsticos.
Solucin de Problemas de Corte Unidimensional.
Diseo de redes viales urbanas.
Optimizacin de carga de contenedores.
Planeacin y Administracin de Recursos en
Entidades Acadmicas.
Los algoritmos genticos no necesitan
conocimientos especficos sobre el problema que
intentan resolver.

Operan de forma simultnea con varias soluciones.

Usan operadores probabilstico, en lugar de
determinsticos.

Seminario de Optimizacin
Algoritmos Genticos 25
Conclusiones