Escolar Documentos
Profissional Documentos
Cultura Documentos
GENETICOS
YANDRI CASTILLO (103)
OBJETIVOS
Dar a conocer los conceptos sobre un Algoritmos Genticos
Identificar las partes sobre un AG.
Indicar las respectivas aplicaciones sobre los Algoritmos genticos
HISTORIA
Su nombre se deriva de que estn basados en modelos de cambio gentico en
una poblacin de individuos.
Tienen como fundamento los principios de seleccin 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, intuy la posibilidad
de incorporar la semntica de la evolucin natural a procesos de optimizacin,
surgiendo as los principios de esta tcnica.
Se encuentran bien descritos en textos de Goldberg, Davis, Michalewicz y
Reeves.
DEFINICIONES
Los Algoritmos Genticos (AG) puede verse como una familia de procedimientos
de bsqueda adaptativos.
Los Algoritmos Genticos son un mtodo de optimizacin mediante procesos de
bsqueda.
El Algoritmo Gentico es un proceso de cmputo que emula la forma de actuar
de la evolucin biolgica.
CONCEPTO
Los Algoritmos Genticos (AG) son mtodos adaptativos que pueden ser
utilizados para implementar bsquedas y problemas de optimizacin. Ellos estn
basados en los procesos genticos de organismos biolgicos, codificando una
posible solucin a un problema en un "cromosoma" compuesto por una cadena de
bits o caracteres.
CARACTERISTICAS
Son algoritmos estocsticos, es decir, dos ejecuciones distintas pueden
CLASES DE ALGORITMOS
Generacionales:
Se asemejan a la forma de reproduccin de los insectos, donde una
generacin
pone huevos, se aleja geogrficamente o muere y es
sustituida por una nueva.
De estado Fijo:
Utilizan el esquema generacional de los mamferos y otros animales
de vida larga, donde coexisten padres y sus descendientes,
permitiendo que los hijos sean educados por sus progenitores, pero
tambin que a la larga se genere competencia entre ellos.
Paralelos:
Se originan dos modelos que toman es en cuenta esta variacin, y
utilizan no una poblacin como los anteriores si mltiple
concurrentemente.
CLASES DE ALGORITMOS
Modelos de Islas:
Si se tiene una poblacin de individuos, esta se divide en subpoblaciones que evolucionan independientemente.
Ocasionalmente, se producen migraciones entre ellas permitindoles
intercambiar material gentico.
Modelo Celular:
Los individuos estn distribuidos al azar sobre la matriz,
Posteriormente empiezan a emerger zonas como cromosomas y
adaptaciones semejantes.
La reproduccin Y seleccin local crea tendencias evolutivas aisladas.
ELEMENTOS
Modelos de Islas:
Si se tiene una poblacin de individuos, esta se divide en subpoblaciones que evolucionan independientemente.
Ocasionalmente, se producen migraciones entre ellas permitindoles
intercambiar material gentico.
Modelo Celular:
Los individuos estn distribuidos al azar sobre la matriz,
Posteriormente empiezan a emerger zonas como cromosomas y
adaptaciones semejantes.
La reproduccin Y seleccin local crea tendencias evolutivas aisladas.
ELEMENTOS
Como
los
Algoritmos
Genticos
se
encuentra basados en los procesos de
evolucin de los seres vivos.
OPERADORES
GENETICOS.
Son
los
diferentes
mtodos u operaciones
que se pueden ejercer
sobre una poblacin y
que nos permite obtener
poblaciones nuevas.
POBLACIN
A
un
conjunto
de
individuos
(Cromosomas)
se
le
denomina poblacin. El
mtodo
de
A.Gs
consiste
en
ir
obteniendo de forma
sucesiva
distintas
poblaciones.
INDIVIDUO
Un individuo es un ser
que caracteriza su
propia
especie.
El
individuo
es
un
cromosoma y es el
codigo de informacin
sobre el cual opera el
algoritmo.
ESTRUCTURA DE AG
ESTRUCTURA DE AG
SELECCIN
ESTRATEGIA DE SELECCION
TECNICAS DE CRUCE
CRUCE
MUTACION
Mutacin de bit: existe una nica probabilidad de
que se produzca una mutacin de algn bit. De
producirse, el algoritmo toma aleatoriamente un bit,
y lo invierte.
Mutacin multibit: cada bit tiene una probabilidad
de mutarse o no, que es calculada en cada pasada
del operador de mutacin multibit.
Mutacin de gen: igual que la mutacin de bit,
solamente que, en vez de cambiar un bit, cambia un
gen completo.
Mutacin multigen: igual que la mutacin de
multibit, solamente que, en vez de cambiar un
conjunto de bits, cambia un conjunto de genes.
Mutacin de intercambio: existe una probabilidad
de que se produzca una mutacin. De producirse,
toma
dos
bits/genes
aleatoriamente
y
los
intercambia.
ALGORITMO GENTICO
BSICO
PROCEDIMIENTO AG
tiempo = 0
inicializa_poblacin(tiempo)
evala_poblacin(tiempo)
mientras no condicin_de_terminacin
tiempo = tiempo + 1
construye_poblacin(tiempo) a partir de poblacin(tiempo 1) usando
seleccin
modifica_poblacin(tiempo) usando operadores genticos
evala_poblacin(tiempo)
reemplazar
fin mientras
SOFTWARE
Existen varios paquetes y bibliotecas de algoritmos genticos en el mercado, a
continuacin se presentan algunos:
GAGS
GALIB
GPDATA
GPJPP
LIL-GP
GPsys
VENTAJAS DE AG
Una clara ventaja es que los algoritmos genticos son intrnsecamente
paralelos, es decir, operan de forma simultnea con varias soluciones, en
vez de trabajar de forma secuencial como las tcnicas tradicionales.
Otra ventaja es su habilidad para manipular muchos parmetros
simultneamente. Resulta interesante en caso de tener varios objetivos a
resolver.
No necesitan conocimientos especficos sobre el problema que intentan
resolver. Realizan cambios aleatorios en sus soluciones candidatas y luego
utilizan la funcin de aptitud para determinar si esos cambios producen una
mejora o no.
Usan operadores probabilsticos, en
determinsticos de las otras tcnicas.
vez
de
los
tpicos
operadores
APLICACIONES DE AG
Solucin
de
Estocsticos.
Solucin
de
Unidimensional.
modelos
de
Problemas
Inventarios
de
Corte
CONCLUSIONES
Los algoritmos genticos no necesitan conocimientos
especficos sobre el problema que intentan resolver.
Operan de forma simultnea con varias soluciones.
Usan
operadores
determinsticos.
probabilstico,
en
lugar
de
REFERENCIAS
http://
es.slideshare.net/MarcoGmez/algoritmo-genetico-15154635
http://es.slideshare.net/mentelibre/algoritmos-genticos
http://
es.slideshare.net/pechever/presentacion-algortimos-geneticos