Download Programación Evolutiva
Document related concepts
Transcript
Algoritmos Genéticos La Evolución Se da en periodos muy largos de tiempo (generaciones) La supervivencia del más apto El más apto se reproduce Cruza, mutación y selecciones La adaptación como un proceso de modificación progresiva de las estructuras generales para adaptarse a su ambiente Proceso de meta-aprendizaje a un nivel generacional Algoritmos Genéticos Los primeros modelos de procesos de adaptación sobre la base de los AG fueron introducidos por John H. Holland en su libro (1975) “Adaptation in Natural and Artificial Systems” El término algoritmo genético describe una idea básica: técnicas algorítmicas, inspiradas por principios genéticos que son utilizadas para simular procesos de evolución . Algoritmos Genéticos Cromosoma: Es el material microscópico constituido del ADN y de proteínas. Gen: representa la unidad básica de información genética . Alelo: Cada una de las alternativas que puede tener un gen de un caracter. Genotipo: contenido genético de un individuo, en forma de ADN. Fenotipo: expresión del genotipo en un determinado ambiente. Población: grupo de individuos de la misma especie Algoritmos Genéticos Original Cruza Mutación Fenotipo y Genotipo La naturaleza codifica los “programas” en las cadenas de ADN y ARN que implícitamente describen la estructura y desarrollo de los organismos. En los algoritmos genéticos se usan cadenas binarias para codificar las estructuras de datos. Esquemas de Evolución Selección por Aptitud Aptitud Probabilidad Cruza Mutación Original -1- 1 1 0 0 0 1 0 0 0 1 mutación con probabilidad = 1.0 -1- 0 0 1 1 1 0 1 1 1 0 1 0 0 0 1 mutación con probabilidad = 0.5 -1- 1 1 1 0 1 mutación con probabilidad = 0.1 -1- 1 1 0 0 0 1 0 0 0 1 Ejemplo - Parábolas y ax bx c 2 Cromosoma = a b c Ejemplo - Parábolas y ax bx c 2 Cromosoma = a b c Ejemplo - Parábolas y ax bx c 2 Cromosoma = a b c