INSTITUTO POLITÉCNICO

NACIONAL
ESCUELA SUPERIOR DE CÓMPUTO

REDES NEURONALES
ARTIFICIALES I

Algoritmos Genéticos

Profesor:
M. en .C. José Luis Calderón
Osorno
 Antecedentes históricos
• Su nombre se deriva de que están basados en modelos de
cambio genético en una población de individuos.
• Tienen como fundamento los principios de selección
natural y supervivencia, postulados por Darwin en su libro
“El origen de las especies” publicado en 1859.
• Se reconoce a Holland como su fundador quien, en 1975,
intuyó la posibilidad de incorporar la semántica de la
evolución natural a procesos de optimización, surgiendo así
los principios de esta técnica.
• Se encuentran bien descritos en textos de Goldberg,
Davis, Michalewicz y Reeves.
ALGORITMOS
 Definiciones

• Los Algoritmos Genéticos (AG) puede verse como una

familia de procedimientos de búsqueda adaptativos.
• Los Algoritmos Genéticos son un método de optimización
mediante procesos de búsqueda.
• El Algoritmo Genético es un proceso de cómputo que
emula la forma de actuar de la evolución biológica.

ALGORITMOS
 Descripción general

• La idea básica es generar un conjunto con algunas de las

posibles soluciones. Cada una va a ser llamada individuo, y
a dicho conjunto se le denominará población.
• Cada individuo tiene una información asociada a él. Tiene
asociada una función de adaptación que determina el grado
de adaptación de un individuo. A dicha información se le
denomina código genético.
• Las características de los individuos, sean beneficiosas o
no, se van a denominar fenotipos. La información asociada a
un individuo se compone de partes indivisibles denominados
cromosomas.
ALGORITMOS
 Descripción general

• Un fenotipo puede estar en más de un cromosoma, en

cuyo caso puede ser que el hijo herede un fenotipo que no
tenía ni el padre ni la madre, sino una combinación de
ambos. En caso de que el hijo tenga parte de los genes del
padre y parte de los genes de la madre que intervienen en
un fenotipo, se va a crear una característica nueva asociada
a ese fenotipo.

ALGORITMOS
 Características

• Son algoritmos estocásticos, es decir, dos ejecuciones distintas

pueden dar dos soluciones distintas.
• Son algoritmos de búsqueda múltiple, luego dan varias soluciones.
• Son los algoritmos que hacen una barrida mayor al subespacio de
posibles soluciones válidas.
• A diferencia de los otros algoritmos, cuya convergencia y resultado
final son fuertemente dependientes de la posición inicial, la
convergencia del algoritmo genético es poco sensible a la población
inicial si esta se escoge de forma aleatoria y es lo suficientemente
grande.

ALGORITMOS
 Características

• Por su grado de penetración casi nulo, la curva de convergencia

asociada al algoritmo presenta una convergencia excepcionalmente
rápida al principio, que casi enseguida se bloquea. Esto de debe a que
el algoritmo genético es excelente descartando subespacios realmente
malos.
• La optimización es función de la representación de los datos.
• Es una búsqueda paramétricamente robusta. Eso quiere decir que sólo
si se escoge realmente mal los parámetros del algoritmo, éste no va a
converger.

ALGORITMOS
 Diferencias con otros
métodos
• Trabajan con un conjunto de parámetros codificados y no
con los parámetros mismos.
• Inician la búsqueda desde un conjunto de puntos, no de uno
solo.
• Usan una función a optimizar en lugar de la derivada u otro
conocimiento adicional.
• Usan reglas de transición probabilísticas no determinísticas.

ALGORITMOS
 Algoritmo genético
básico
PROCEDIMIENTO AG
tiempo = 0
inicializa_población(tiempo)
evalúa_población(tiempo)
mientras no condición_de_terminación
tiempo = tiempo + 1
construye_población(tiempo) a partir de población(tiempo – 1) usando
selección
modifica_población(tiempo) usando operadores genéticos
evalúa_población(tiempo)
reemplazar

fin mientras

ALGORITMOS
 Puntos a considerar en un
AG básico
• Codificación de los parámetros de un problema.
• Función de aptitud. Es base para determinar qué individuos (soluciones)
tienen mayor o menor probabilidad de sobrevivir.
• Criterios de tamaño de población. Balance entre una población muy
pequeña (convergencia a un máximo local) y una población muy grande
(mayor utilización de recursos computacionales).
• Criterio de selección. Los individuos son escogidos de acuerdo a su
aptitud. Los más aptos tienen mayor probabilidad de contribuir con una o
más copias en la siguiente generación (simulación de la selección natural).

ALGORITMOS
 Puntos a considerar en un
AG básico
• Criterio de paro. Normalmente cuando un porcentaje alto de la población
converge a un valor. Si con ese valor no se llega a la medida esperada,
entonces se toma una pequeña proporción y se inyecta ”diversidad
genética'' (se generan aleatoriamente nuevos individuos), o inclusive se
reemplaza completamente la población.
• Operadores genéticos. Los principales son: cruza(crossover), mutación,
selección (algunos autores lo consideran como tal) y reemplazo (aunque
existen más).

ALGORITMOS
Operadores genéticos:
SELECCIÓN
Proceso que escoge los miembros de la población que serán
utilizados para la reproducción. Su meta es dar más
oportunidades de selección a los miembros más aptos de la
población.
Lo más común es implementar una “ruleta con truco” para
elegir a los individuos, donde los más aptos tienen una mayor
parte en la ruleta, por lo tanto, más probabilidad de ser
escogidos.
Existen otros métodos como el “torneo” en que dos individuos
son elegidos aleatoriamente y se escoge al más apto.

ALGORITMOS
 Operadores genéticos:
CRUZA
Operador que consiste en unir en alguna forma los cromosomas de dos
padres para formar dos descendientes.
Lo más sencillo es implementar cruza de un punto, que toma dos individuos y
corta sus cromosomas en una posición seleccionada al azar, para producir
dos segmentos anteriores y dos posteriores, los posteriores se intercambian
para obtener dos cromosomas nuevos, como se ve en la siguiente figura:

ALGORITMOS
Operadores genéticos:
MUTACIÓN
Se encarga de modificar en forma aleatoria uno o más
genes del cromosoma de un descendiente.
La siguiente figura muestra el quinto gen siendo mutado, a
lo que se conoce como “mutación sencilla”:

ALGORITMOS
Operadores genéticos:
REEMPLAZO

Es el método por el cual se insertan los hijos en la población,

por ejemplo mediante la eliminación del individuo más débil o
al azar.

ALGORITMOS
 SOFTWARE
Existen varios paquetes y bibliotecas de algoritmos genéticos en el mercado, a
continuación se presentan algunos:
GAGS
Generador de aplicaciones basadas en algoritmos genéticos, escrito en C++.
Desarrollado por el grupo de J.J. Melero.
Dirección primaria:kal-el.ugr.es/gags.html
Dirección para descargar vía FTP:kal-el.ugr.es/GAGS/.
GALIB
Biblioteca de algoritmos genéticos de Matthew. Conjunto de clases en C++ de
algoritmos genéticos.
Dirección primaria: lancet.mit.edu/ga/
Dirección para descargar vía FTP:lancet.mit.edu/pub/ga/

ALGORITMOS
 SOFTWARE

GPDATA
Para desarrollar algoritmos genéticos en C++.
Dirección primaria:cs.ucl.ac.uk/genetic/papers/
Dirección para descargar vía FTP: ftp.cs.bham.ac.uk/pub/authors/W.B.Langdon/gp-
code/

GPJPP
Bibliotecas de clases para desarrollar algoritmos genéticos en Java
Dirección primaria: www.turbopower.com/~ kimk/gpjpp.asp.

ALGORITMOS
 SOFTWARE

LIL-GP
Herramientas para programación genética en C.
Dirección primaria:isl.msu.edu/GA/software/lil-gp/index.html
Dirección para descargar vía FTP:isl.cps.msu.edu/pub/GA/lilgp/

GPsys
Sistema de programación genética en Java.
Dirección primaria:www.cs.ucl.ac.uk/staff/A.Qureshi/gpsys.html.

ALGORITMOS
Dudas ???
Hasta la próxima !!!