ALGORITMO GENTICO

Haga clic para modificar el estilo de subttulo del patrn Integrantes:

Horna Iparraguirre Christian Lozano guarniz milagros Mondoedo Zavala Daniel Pimentel ventura Jos Carlos Rodriguez mejia junior

7/11/12

ALGORITMO GENTICO

7/11/12

Resea Histrica
fueron inventados en 1975 por John Holland, de la

Universidad de Michigan.

John Holland desde pequeo, se preguntaba cmo Fue a principios de los 60, en la Universidad de

logra la naturaleza, crear seres cada vez ms perfectos Michigan en Ann Arbor, donde, dentro del grupo Logic of Computers, sus ideas comenzaron a desarrollarse y a dar frutos ingeniero industrial consigui lo que quera, escribiendo un AG en un ordenador personal Apple II
7/11/12

Unos 15 aos ms adelante, David Goldberg, era un

DEFINICIN
son mtodos adaptativos que pueden usarse para

resolver problemas de bsqueda y optimizacin. organismos vivos. del mundo real.

Estn basados en el proceso gentico de los son capaces de ir creando soluciones para problemas

7/11/12

VENTAJAS
El primer y ms importante punto es que los AG son

intrnsecamente paralelos. Los AG tienen descendencia mltiple

Debido al paralelismo que les permite evaluar

implcitamente muchos esquemas a la vez adaptativo complejo simultneamente

se desenvuelven bien en problemas con un paisaje habilidad para manipular muchos parmetros

7/11/12

DESVENTAJAS
es definir una representacin del problema. El problema de cmo escribir la funcin objetivo tambin deben elegirse cuidadosamente los otros

parmetros

los problemas con las funciones objetivo engaosas convergencia prematura.

7/11/12

FUNCIONAMIENTO
Generar una poblacin inicial. Iterar hasta un criterio de parada. Evaluar cada individuo de la poblacin. Seleccionar los progenitores. Aplicar el operador de cruce y mutacin a estos

progenitores. generacin

Incluir la nueva descendencia para formar una nueva

7/11/12

APLICACIONES
Optimizacin Programacin automtica Programacin automtica Economa Sistemas inmunes Ecologa Gentica de poblaciones Evolucin y aprendizaje Sistemas sociales
7/11/12

A.G. SIMPLE
tambin denominado Cannico se necesita una

codificacin o representacin del problema, que resulte adecuada al mismo.

Adems se requiere una funcin de ajuste o

adaptacin al problema, la cual asigna un nmero real a cada posible solucin codificada.

7/11/12

TIPO DE REPRESENTACIN
Representacin binaria: Cada gen es un valor 1 0.

Representacin entera: Cada gen es un valor entero.

Representacin real: Cada gen es un valor real.

7/11/12

POBLACIN
las poblaciones pequeas corren el riesgo de no cubrir

adecuadamente el espacio de bsqueda

poblaciones de gran tamao puede acarrear

problemas relacionados con el excesivo costo computacional suficiente para atacar con xito los problemas

un tamao de poblacin comprendida entre l y 2l es

7/11/12

POBLACION INICIAL
Habitualmente la poblacin inicial se escoge

generando ristras al azar

La poblacin inicial de un AG puede ser creada de

muy diversas formas, desde generar aleatoriamente el valor de cada gen para cada individuo, utilizar una funcin vida o generar alguna parte de cada individuo y luego aplicar una bsqueda local.

7/11/12

FUNCIN OBJETIVO
La regla general para construir una buena funcin

objetivo es que sta debe reflejar el valor del individuo de una manera real

7/11/12

SELECCIN
es el encargado de transmitir y conservar aquellas

caractersticas de las soluciones que se consideran valiosas a lo largo de las generaciones. un individuo de reproducirse es proporcional a su valor de funcin de evaluacin reproduccin atendiendo a la ordenacin de la poblacin por el valor de adaptacin adaptacin.

Ruleta: Con este mtodo la probabilidad que tiene

Ranking: Consiste en calcular las probabilidades de

Torneo: se puede seleccionar al de mejor o peor

7/11/12

CRUCE
permite realizar una exploracin de toda la

informacin almacenada hasta el momento en la poblacin y combinarla para crear mejores individuos. las cadenas de los progenitores, y se intercambian los genes a la izquierda de esta posicin. posiciones (n) y se intercambian los genes a ambos lados de estas posiciones. decidir de cul de los progenitores se toma cada 7/11/12 posicin de la cadena.

Cruce de un punto: Se selecciona una posicin en

Cruce de n puntos: Se seleccionan varias

Cruce Uniforme: Se realiza un test aleatorio para

MUTACIN
proporciona un pequeo elemento de aleatoriedad en

la vecindad (entorno) de los individuos de la poblacin.

El objetivo del operador de mutacin es producir

nuevas soluciones a partir de la modificacin de un cierto nmero de genes de una solucin existente.

7/11/12

REEMPLAZO Y CONDICION DE PARADA

nos encontramos con un nmero de nuevos

individuos (la descendencia) que se han de integrar en la poblacin para formar la siguiente generacin. nmero, se elimina un subconjunto de la poblacin conteniendo a los individuos peor adaptados. poblacin se elimina el peor adaptado para dejar su lugar a este nuevo individuo. poblacin se elimina aleatoriamente una solucin, 7/11/12 independientemente de su adaptacin.

Cuando el nmero de individuos llega a un cierto

Cada vez que se crea un nuevo individuo, en la

Cada vez que se crea un nuevo individuo, en la

A.G. PARALELO
Se realiza por medio de los denominados modelos de

islas.

La idea bsica consiste en dividir la poblacin total en

varias subpoblaciones en cada una de las cuales se lleva a cabo un Algoritmo Gentico subpoblacin que es seleccionada como maestra (aquella que tiene mejor media en el valor de la funcin objetivo), siendo las dems consideradas como esclavas.
7/11/12

Comunicacin en estrella, en la cual existe una

Comunicacin en red, en la cual no existe una

jerarqua entre las subpoblaciones, mandando todas y cada una de ellas sus mejores individuos al resto de las subpoblaciones. subpoblacin enva sus mejores individuos a una poblacin vecina, efectundose la migracin en un nico sentido de flujo

Comunicacin en anillo, en la cual cada

7/11/12

EVALUACION
Para el correcto funcionamiento del algoritmo

gentico se debe de incluir un mtodo que indique si un individuo representa una buena o mala solucin comportamiento medio de todas las ristras generadas hasta el tiempo T. del Algoritmo Gentico en su proceso de convergencia hacia el ptimo el Algoritmo Gentico por medio del mejor valor de la 7/11/12 funcin de evaluacin encontrado en la evolucin.

evaluacin online: la evaluacin on-line mide el

evaluacin offline: se refiere al comportamiento

evaluacin basada en el mejor: trata de evaluar