Algoritmo Genetico

¿POR QUÉ HABLAR DE ALGORITMO GENÉTICO?

1. CONTENIDO DEL ENSAYO

El algoritmo genético, es un método adaptativo que se usa para resolver problemas de búsqueda y optimización, se usa en programación imitando a la evolución biológica como estrategia para dar soluciones, ya que esta se enfoca en los postulados de Darwin en donde las poblaciones evolucionan según los principios de selección natural y la supervivencia del más fuerte, las entradas del algoritmo genético da un conjunto de soluciones potenciales a los problemas, codificadas y da una métrica llamada función de aptitud para evaluar cuantitativamente los candidatos.[1]

Se toma en el contexto de ciencia debido a que en el transcurso de la humanidad siempre se busca el control del mundo, esta permite predecir en muchos campos hechos, como cuando aparecerá un eclipse, el movimiento de los planetas, el curso que pueden tomar las enfermedades que sería muy conveniente para la actualidad tan latente que se está viviendo con la propagación de enfermedades como el ebola que es de mucho cuidado debido a su alta tasa de mortalidad, tiene una cantidad de aplicaciones muy grande que pueden ser del contexto social, económico, cultural, con el paso del tiempo hemos evolucionado y aprendido de todo y el hecho de que en realidad no podemos controlar nada [2].

El primero en usar el algoritmo genético fue John Holland lo que buscaba básicamente con esto era 2 postulados.

• Abstraer y explicar rigurosamente el proceso adaptativo de los sistemas naturales.

• Diseñar sistemas artificiales que retuvieran los mecanismos más importantes de los sistemas naturales. [3]

2. PARTES DEL ALGORITMO GENETICO

Básicamente un algoritmo genético comienza con una serie de conjeturas y la idea es mejorarlas por eso casi siempre estas se dividen en 5 partes:

• Una representación de la conjetura a la cual se le denomina cromosoma que puede ser considerado como un punto en el espacio el cual puede ser una opción para su solución, en cuanto al grupo inicial este puede ser al azar e incluso se puede realizar manualmente

• Que se tenga un grupo inicial de cromosomas: En cuanto al grupo inicial este puede ser al azar e incluso se puede realizar manualmente

• Una función básica que se adecue al grupo de cromosomas inicial, denominada función de adecuación: esta función mide la idoneidad del cromosoma a satisfacer un objetivo especifico

• Una función de selección: Es la que decide que cromosomas participan en la evolución en la etapa de cruce y mutacion

• Un operador de cruce y un operador de mutación: En el caso del operador de cruce es el que intercambia los genes de 2 cromosomas y crea 2 nuevos, y el de mutación cambia un gen del cromosoma y crea uno nuevo.

Esto lo que permite es diseñar una población para competir como la base de diseño, este grupo se empareja y aparea, intercambian partes para crear una nueva generación diseño de la cual se espera una mayor calidad, estos seres creados después de haberse sometido a los múltiples procesos pasa a reemplazar a la población original y este proceso se vuelve a repetir hasta de se diseñe uno óptimo.

3. METODO DE SELECCIÓN

• Selección elitista: Garantiza la selección de miembros más aptos de cada generación.

• Selección proporcional a la aptitud: Los individuos más aptos tiene más probabilidad de ser seleccionados, pero aun así no tienen la certeza.

• Selección por rueda ruleta: Según la aptitud en donde la probabilidad de que un individuo sea seleccionado es proporcional a la diferencia entre su aptitud y las de sus competidores.

• Selección escalada: Cuando se incrementa la aptitud media de la población, la fuerza de presión selectiva también aumenta y esta función de aptitud se hace más discriminadora, es útil para utilizar ya tarde cuando hay individuos con aptitud alta y sus diferencias son pequeñas.

• Selección por torneo: Subgrupos de individuos de la población y miembros de cada subgrupo compiten entre ellos.

• Selección jerárquica: Luego de atravesar muchas rondas de selección evaluar los primeros niveles es más rápido y menos discriminatoria, y los de niveles más altos son evaluados rigurosamente.

4. OPERADORES

Luego de que es generada la población inicial, el algoritmo evoluciona a través de 3 operadores:

• Selección: que nos habla de la supervivencia del más apto, este lo que hace es dar preferencia a lo mejor para que estos transmitan sus propiedades a las siguientes generaciones, el seguimiento de un individuo depende de sus condiciones por eso debe procurar que sean las mejores.

• Cruce: Es el factor primordial en las técnicas de optimización, en esta 2 individuos se eligen a partir de la población que utiliza el operador de selección, el sitio de cruce se elige al azar los valores de la cadena se intercambian

Las crías generadas se ponen en la próxima unión para hacer una recombinación de los mejor, es susceptible a la creación de mejores población con mejores resultados

• Mutación: Algunas partes de los individuos se les cambiara sus propiedades, esto lo que hace es mantener la diversidad en la población e impedir una convergencia prematura, esta solo induce a una caminata al azar a través del espacio de búsqueda y si solo se usara esta con selección crearían un paralelo.

 Cuando se usan solo operadores de seleccion se tiende a llenar la poblacion de ejemplares de el mejor individuo de la población

 Si se usan los de selección y cruce los algoritmo tenderan a convenger en una solucion buena.

 El uso de la mutacion sola induce a una caminata aleatoria a travez del espacio.

5. APLICACIÓN

• Diseño de automoviles: Se usa en la medida de analizar los materiales de los que puede estar compuesto para por ejemplo mejorar su forma aerodinámica,

...