ALGORITMO GENETICO.

Objetivo: consiste en conseguir la mejor solución por comparación en un conjunto de

soluciones.

Se generan soluciones a partir del cruzamiento de generación de soluciones obtenidos y se

comparan si son mejores que las anteriores.

Fases:

1. Codificar la información del problema, tipo binario.

2. Generar aleatoriamente la población inicial, se codifica los cromosomas. Cada
cromosoma son posibles soluciones del problema a estudiar.
3. Evaluación de la población (ecuación de fitness)
4. Selección y generación de la población.
Se repite los pasos 3 y 4 un número de veces y se elige el de mayor puntuación
mediante:

CRUCE=((CROSSEVER) SE ELIGEN ALEATORIAMENTE, INDIVIDUOS QUE SE VAN A

REPRODUCIR

MUTACION=CONTRIBUYE A INDUCIR DIVERSIDAD EN EL PROCESO. CONSISTE EN

UTILIZAR LOS CROMOSOMAS DE MAYOR PUNTUACION E INTRODUCIR UN
CAMBIOALGORITMICO.
EJM:

Queremos obtener el número más cercano a 10 entre 0 y 7 (ecac. Fitness)

F(x)=max(x)
000(0)
001(1)
010(2)
011(3)
100(4)
101(5)
110(6)
111(7)

Optimo:
- Las soluciones están limitadas a un corto rango porque su espacio de búsqueda es
discreto.
- La función objetiva que marca el problema de optimización a resolver siempre es
maximizada y tienes que poder ser definida de forma que se nos indique si es
buena o no cierta solución, premiando en el primer caso y penalizando en el
segundo.

POBLACION INICIAL (AL AZAR)

CROMOSOMA VALOR
010 2
011 3
110 6
EVALUAR
CROMOSOMA VALOR F=(10-X)
011 3 10-3=7
110 6 10-6=4
111 7 10-7=3