Qu es un AG? Los AG son mtodos de resolucin de problemas de bsqueda y optimizacin. Son una clase particular de algoritmos evolutivos.

s. Su caracterstica principal es que se basan en tcnicas inspiradas en la evolucin biolgica. Se aplican sobre una poblacin representada de forma abstracta como cromosomas, que son la codificacin de soluciones candidatas a un problema. La evolucin comienza desde una poblacin aleatoria. En cada generacin, la seleccin natural elegir que individuos son aptos, modificandolos y mutndolos para la siguiente generacin. Cmo funcionan? Para resolver un problema usando AG necesitamos: Representar soluciones. Tradicionalmente una cadena de bits. Medir la calidad de cada solucin con respecto al problema a resolver. Se usa una funcin de seleccin.

Cmo funcionan? Esquema de funcionamiento de un AG: Se crea una poblacin inicial generando individuos aleatoriamente. Repetimos hasta que se alcance el individuo ptimo o el nmero mximo de generaciones: Asignar un valor de supervivencia a cada miembro de la poblacin. Seleccionar a un conjunto de individuos que actuarn como padres usando como criterio su probabilidad de supervivencia. Emparejar un grupo de padres para crear desdendencia.

 Combinar la descendencia con la poblacin actual para crear nueva poblacin. Implementacin de los AG: Los AG se adaptan especficamente a los problemas que van a resolver. No hay un marco terico genrico para aplicarlo a todos los problemas. Es difcil establecer dicho marco. Si es muy genrico, resulta trivial. Si es muy especfico, no se puede adaptar a todos los problemas.

Uso del paradigma funcional Ventajas La definicin de AG se adapta naturalmente al paradigma funcional. Las acciones que definen un AG (seleccionar, emparejar y combinar) son funciones a definir. El AG mismo es una funcin que toma una poblacin inicial y una semilla aleatoria, devolviendo un conjunto de poblaciones sucesivas que representan las distintas generaciones. Un lenguaje funcional como Haskell permite el uso de estructuras infinitas. El AG puede generar una lista indefinida de descendientes y la funcin de recombinacin slo usar aquellos descendientes necesarios para construir la nueva poblacin.

Operadores Genticos Reproduccin: Incluye un algoritmo de seleccin y un algoritmo de muestreo El algoritmo de seleccin asigna una probabilidad de seleccin a cada cromosoma El algoritmo de muestreo produce copias de los cromosomas de la generacin t-1 a la generacin t

Los cromosomas con mayor probabilidad de seleccin se reproducirn un nmero de veces mayor y tendrn mayor repercusin en las siguientes generaciones.

Operadores Genticos: esquemas de seleccin y muestreo Basado en el rango: Se mantiene el porcentaje de la poblacin. Los M peores se substituyen por la descendencia de los mejores. Diferentes variantes

Rueda de ruleta: Los cromosomas de la generacin actual en una cantidad proporcional a su bondad

Seleccin de torneo: Se escoge aleatoriamente un nmero T de individuos, gana el que mejor se adapta, se repite hasta obtener el nmero de individuos deseados

rueda de ruleta

Cruce: Dependiendo de una probabilidad inicial, probabilidad de cruce seleccionamos de forma aleatoria los cromosomas que van a participar en el apareamiento A continuacin aplicamos alguna tcnica de cruce, por ejemplo el cruce simple

Cruce de n puntos: los cromosomas se cortan por n puntos aleatorios y se intercambia el material gentico

Cruce uniforme: cada gen se obtiene de la madre o del padre de forma aleatoria

Mutacin: Su objetivo es producir diversidad en la poblacin Teniendo en cuenta una probabilidad, probabilidad de mutacin, y de forma aleatoria se altera un bit o gen de un cromosoma

Una vez aplicados los operadores, se evala de nuevo la poblacin

Aplicacin del operador seleccin: La probabilidad de seleccionar un cromosoma perteneciente a un esquema E, viene dada por el cociente entre la adecuacin media de los representantes de un esquema y la adecuacin media de la poblacin en un instante t. m(E,t+1)= m(E,t) . fpro(E)/fpro m(E,t) nmero de representantes del esquema E en la generacin t

Aplicacin del operador cruce: Si A=B No se destruye ningn esquema Si el orden del esquema es cero, no ser destruido nunca Si la longitud del esquema es uno la probabilidad de que sea destruido es 1/m-1 Si la longitud del esquema es dos la probabilidad es 2/m-1. En general L(E)/m-1 Teniendo en cuenta la probabilidad de aplicar el cruce Pc L(E)/m-1

Aplicacin del operador mutacin: Pm probabilidad de mutacin, 1-Pm probabilidad de que un gen sobreviva O(E) . Pm probabilidad de que sobrevivan todos los de un cromosoma Si consideramos un esquema por encima de la media e%, el efecto del operador reproduccin, en cada generacin los esquemas por encima de la media reciben un incremento exponencial de sus representantes m(E,t+1) = m(E,0)(1+e)t Si consideramos tambin el efecto del operador cruce y mutacin: m(E,t+1) >= m(E,t) . (fpro(E)/fpro ). [1-PcL(e)/(m-1)-O(E)Pm