Algoritmos GenéticosConceptos Básicos

Datos generales

•Surgen aproximadamente en los años 70.•Creado por John Henry Holland.•Inspirados en la evolución natural.•Se utilizan en problemas en donde no se

pueden encontrar soluciones o estas no son satisfactorias.

•Algunas veces son llamados algoritmos evolutivos.

Definición (1)

Son algoritmos de búsqueda basados en los mecanismos de selección natural que combinan la supervivencia de las secuencias mejores adaptadas con cambios aleatorios de información [1].

Definición (2)

Los algoritmos genéticos pueden verse como una familia de procedimientos de búsqueda adaptativos. Su nombre se deriva de que están basados en modelos de cambio genético en una población de individuos [2].

Definición (3)

Un algoritmo genético es una técnica de programación que imita la evolución biológica como estrategia para resolver problemas [3].

Algoritmos genéticos (AG)

•Proceso de adaptación como punto clave.•Cada estructura de la población esta

asociada a una medida de aptitud.•Aplicación a un espacio de búsqueda

grande, pero es posible que se necesite una muestra inicial grande.

Diferencias con otros métodos de búsqueda y optimización•Trabaja con un conjunto de parámetros

codificados.•La búsqueda inicia desde varios puntos.•Reglas de transición probabilísticas y no

determinísticas.

Características de un AG

•Generan más de una solución.•Realizan una barrida amplia a espacio de

posibles soluciones.•La convergencia del algoritmo es poco

sensible a la población inicial.•Excelentes en descartar sub espacios de

soluciones malos.•Búsqueda paramétrica robusta.•Los AG son intrínsecamente paralelos.

Componentes de un AG• Una representación genética de las soluciones del

problema.• Una forma de crear una población inicial de

soluciones.• Una función de evaluación capaz de medir la

aptitud de las soluciones.• Método de selección de los individuos más aptos.• Un conjunto de operadores genéticos como reglas

de transición probabilísticas para guiar la búsqueda.

• El valor de unos parámetros de entrada para guiar la evolución.

Representación genética (I)

•Las soluciones se deben de codificar.•La codificación es por medio de una ristra

de símbolos (número o letras).•La ristra es generalmente una cadena

binaria con número de bits suficientes para representar la solución.

•La ristra se conoce como estructura o cromosoma.

Representación genética (II)

•Los cromosomas es compuestos por genes; el valor de un gen se denomina alelo y a su posición locus.

•Cada iteración se convierte en una generación.

•A la decodificación del cromosoma se le conoce como fenotipo.

Población inicial

•Conjunto de individuos de número m, (m es un parámetro).

•La inicialización del individuo consiste en asignar un valor aleatorio a cada uno de sus genes.

Función de evaluación

•Tiene como objetivo medir la adecuación de una solución en una generación.

•La función de evaluación corresponde con la función objetivo del problema.

Métodos de selección (I)

•Reproducción: incluye un algoritmos de reproducción y uno de muestreo.▫El algoritmo de selección asigna una

probabilidad de selección a cada cromosoma.

▫El algoritmo de muestreo produce copias de los cromosomas de la generación t-1 a la generación t.

•Cromosomas con mayor probabilidad se reproducen más y tiene más impacto.

Métodos de selección (II)

•Método elitista.•Selección proporcional a la aptitud.•Selección escalada.•Selección por torneo.•Selección por estado estacionario.•Selección por rango.•Selección generacional.•Selección jerárquica.

Operadores genéticos: cruce (I)

•Depende de una probabilidad inicial.•Se selecciona de manera aleatoria los

cromosomas.•Se aplica alguna técnica de cruce.

▫Cruce de n puntos.▫Cruce uniforme.▫Cruce especializado.

Operadores genéticos: cruce (II)

Operadores genéticos: mutación•Produce diversidad en la población.•Se utiliza una probabilidad de mutación.•Afecta de manera aleatoria un gen del

cromosoma.

Parámetros

•Tamaño de la población.•Número de generaciones.•Probabilidad de cruce.•Probabilidad de mutación.

Funcionamiento de un AG (I)

El funcionamiento puede depender de los operadores genéticos y del método de selección.

1. Inicialización.2. Evaluación, se aplica la función de

aptitud.3. Condición de finalización.

1. Métodos de selección.2. Operadores genéticos.

Funcionamiento de un AG (II)Iniciar

población

Evaluación inicial

SelecciónOperador genético

Evaluar generación

Condición de

finalización

Solución

Bibliografía

1. Carmen Cortés Parejo. Algoritmos genéticos y problemas de visibilidad. Universidad de Sevilla. Junio 1996.

2. Eduardo Morales. Búsqueda, optimización y aprendizaje, algoritmos genéticos. Tecnológico de Monterrey. Noviembre 2004.

3. Adam Marczyk. Algoritmos genéticos y computación evolutiva. 2004.