Beruflich Dokumente
Kultur Dokumente
Vice-rectorado Acadmico
Facultad de Ingeniera
Escuela de Computacin
Algoritmos Genticos y
Computacin Evolutiva
ALGORITMOS GENETICOS
Resea Histrica
individuos creciente. La
combinacin
de
buenas caractersticas
Ventajas
El primer y ms importante punto es que los AG son intrnsecamente
paralelos. La mayora de los otros algoritmos son en serie y slo pueden
explorar el espacio de soluciones hacia una solucin en una direccin al
mismo tiempo, y si la solucin que descubren resulta subptima, no se puede
hacer otra cosa que abandonar todo el trabajo hecho y empezar de nuevo.
Sin embargo, ya que los AG tienen descendencia mltiple, pueden explorar
el espacio de soluciones en mltiples direcciones a la vez. Si un camino
resulta ser un callejn sin salida, pueden eliminarlo fcilmente y continuar el
trabajo en avenidas ms prometedoras, dndoles una mayor probabilidad en
cada ejecucin de encontrar la solucin. Sin embargo, la ventaja del
paralelismo va ms all de esto. Considere lo siguiente: todas las cadenas
binarias (cadenas de ceros y unos) de 8 dgitos forman un espacio de
bsqueda, que puede representarse como ******** (donde * significa o 0 o
1). La cadena 01101010 es un miembro de este espacio. Sin embargo,
tambin es un miembro del espacio 0*******, del espacio 01******, del espacio
espacio
de
cadenas
binarias
de
1.000
dgitos
puede
examinarse
Desventajas
Aunque los AG han demostrado su eficiencia y potencia como
estrategia de resolucin de problemas, no son la panacea. Los AG tienen
ciertas limitaciones; sin embargo, se demostrar que todas ellas pueden
superarse y que ninguna de ellas afecta a la validez de la evolucin
biolgica.
La primera y ms importante consideracin al crear un AG es definir
una representacin del problema. El lenguaje utilizado para especificar
soluciones candidatas debe ser robusto; es decir, debe ser capaz de tolerar
stos sean muy grandes. Sin embargo, tambin podr intentarse usar la
tcnica con espacios de bsqueda continuos, pero preferiblemente cuando
exista un rango de soluciones relativamente pequeo.
Tipos de Representacin
Durante los primeros aos el tipo de representacin utilizado era
siempre binario, debido a que se adapta perfectamente al tipo de
operaciones y el tipo de operadores que se utilizan en un AG. Sin embargo,
las representaciones binarias no son siempre efectivas por lo que se
ha
de
ser
capaz
de
identificar
las
caractersticas
con
cierta
probabilidad
los
dos
individuos
obteniendo
descendientes.
Mutar los dos descendientes con cierta probabilidad.
Computar la funcin de evaluacin de los dos descendientes mutados.
Insertar los dos descendientes mutados en la nueva generacin.
END
dos
las
probabilidades de
reproduccin
atendiendo
la
Operador de Cruce
El operador de cruce permite realizar una exploracin de toda la
informacin almacenada hasta el momento en la poblacin y combinarla para
crear mejores individuos.
Operador de Mutacin
La mutacin se considera un operador bsico, que proporciona un
pequeo elemento de aleatoriedad en la vecindad (entorno) de los individuos
de la poblacin.
Si bien se admite que el operador de cruce es el responsable de
efectuar la bsqueda a lo largo del espacio de posibles soluciones, tambin
parece
desprenderse
de
los
experimentos
efectuados
por
varios
que los desarroll, junto a sus alumnos y colegas, durante las dcadas de
1960 y 1970. En contraste con las estrategias evolutivas y la programacin
evolutiva, el propsito original de Holland no era disear algoritmos para
resolver problemas concretos, sino estudiar, de un modo formal, el fenmeno
de la adaptacin tal y como ocurre en la naturaleza, y desarrollar vas de
extrapolar esos mecanismos de adaptacin natural a los sistemas
computacionales. El libro que Holland escribi en 1975 Adaptacin en
Sistemas Naturales y Artificiales presentaba el algoritmo gentico como una
abstraccin de la evolucin biolgica, y proporcionaba el entramado terico
para la adaptacin bajo el algoritmo gentico. El Algoritmo Gentico de
Holland era un mtodo para desplazarse, de una poblacin de cromosomas
(bits) a una nueva poblacin, utilizando un sistema similar a la seleccin
natural junto con los operadores de cruces, mutaciones e inversin
inspirados en la gentica. En este primitivo algoritmo, cada cromosoma
consta de genes (bits), y cada uno de ellos es una muestra de un alelo
particular (0 o 1). El operador de seleccin escoge, entre los cromosomas de
la poblacin, aquellos con capacidad de reproduccin, y entre stos, los que
sean ms compatibles, producirn ms descendencia que el resto. El de
cruce extrae partes de dos cromosomas, imitando la combinacin1 biolgica
de dos cromosomas aislados (gametos). La mutacin se encarga de cambiar,
de modo aleatorio, los valores del alelo en algunas localizaciones del
cromosoma; y, por ltimo, la inversin, invierte el orden de una seccin
contigua del cromosoma, recolocando por tanto el orden en el que se
almacenan los genes.
La mayor innovacin de Holland fue la de introducir un algoritmo
basado en poblaciones con cruces, mutaciones e inversiones2. Es ms,
Holland fue el primero en intentar colocar la computacin evolutiva sobre una
base terica firme (Holland, 1975).
Autmatas Celulares
Los Autmatas Celulares son una clase de sistemas dinmicos
discretos cuyas caractersticas los hacen un candidato idneo para el estudio
de sistemas con un nivel alto de complejidad, ya que estos pueden
emplearse en una gran variedad de campos, por ejemplo en fsica, biologa y
sistemas de cmputo.
Clase 1: La evolucin lleva a un estado homogneo. Sin tener en cuenta el
estado inicial, el sistema evoluciona siempre a un nico estado homogneo
o punto fijo.
Clase 2: La evolucin lleva a estructuras peridicas que estn separadas
(temporalmente) y son simples. En este caso, los efectos de las reglas en los
sitios tienen un rango finito.
Clase 3: La evolucin lleva a estructuras que siguen un modelo catico.
Clase 4: La evolucin lleva a estructuras complejas, que no se explican por
las clases anteriores.
Modelo Nagel-Schreckenberg
El modelo de Nagel y Schreckenberg (Na-Sch) es un modelo de flujo
de trnsito vehicular con un autmata celular (AC) probabilstico. Por ende,
es un modelo de espacio y tiempo discretos, donde cada clula del autmata
equivale ya sea a un vehculo en movimiento con cierta velocidad v o a un
espacio vaco de la avenida donde se encuentran los vehculos. El modelo
Na-Sch original sirve para modelar autopistas de un carril (ya sea abiertas o
en circuito) con vehculos homogneos.
Creado
en
1992
por
los
cientficos
Kai
Nagel
Michael
en diversas