Download ALGORITMO GENÉTICO John Henry Holland

ALGORITMO GENÉTICO
John Henry Holland (n. 02 de febrero
1929, Fort Wayne, Indiana, EE.UU.)
ostenta los títulos de Profesor de
Psicología y Profesor de Ingeniería
Eléctrica y Ciencias de la Computación
en la Universidad de Michigan, Ann
Arbor.
También se desempeña como Profesor
Externo y miembro de la Comisión
Ejecutiva de la Junta de Consejeros del
Instituto de Santa Fe en Nuevo México,
EE.UU.. Recibió su licenciatura en el Instituto
de Tecnología de Massachusetts en Física
en 1950 y una maestría de la Universidad de
Michigan, en Matemáticas en 1954.
DEFINICIÓN
 Se Inspiran en la evolución
biológica y su base genético
molecular en la computación
evolutiva
 Método de búsqueda dirigida
basada en probabilidad
 Guarda
siempre
el
elemento de la población
mejor
 Aumentar
el
número
de
iteraciones, la probabilidad de
tener el óptimo en la población
tiende a 1 (uno).
OPERADORES GENÉTICOS
Selección
La selección es un conjunto de reglas que
sirven para elegir a los progenitores de la
siguiente generación. Estos progenitores se
reproducirán (cruzamiento genético) y
generarán descendencia.
Reproducción
La clonación de un individuo, se contrapone al cruce y la mutación
mantiene a los mejores individuos
Mutación
Responsable del aumento o reducción del espacio de
búsqueda dentro del algoritmo genético y del fomento de la
variabilidad genética de los individuos de la población
OPERADORES GENÉTICOS
Mutación al azar:
Modifica el valor de un gen asignando con un nuevo valor que se
encuentra dentro de un determinado rango. El nuevo valor es
independiente del valor previo del gen.
Mutación gaussiana:
Dado un cromosoma p con un gen seleccionado para la mutación
i, se le aplica una distribución normal N de media pi y desviación
estándar s (parámetro). Alternativamente se puede disminuir el
valor de s a medida que aumenta el número de generaciones.
FUNCIONAMIENTO
Fenotipo
Codificando la información
de cada solución en una
cadena, que suele ser
generalmente de forma
binaria, recibe el nombre de
cromosoma.
Los símbolos que forman la
cadena son llamados los
genes
EJEMPLO Y APLICACIÓN
En su forma más simple, un algoritmo genético consta de los
siguientes operadores genéticos: selección, reproducción,
cruce (crossover) y mutación
EJEMPLO Y APLICACIÓN
CUÁNDO USAR ESTOS ALGORITMOS
 Los algoritmos genéticos son de probada eficacia en caso
de querer calcular funciones no derivables (o de
derivación muy compleja) aunque su uso es posible con
cualquier función.
 Si la función a optimizar tiene muchos máximos/mínimos
locales se requerirán más iteraciones del algoritmo para
"asegurar" el máximo/mínimo global.
REFERENTES DE INVESTIGACIÓN
PAGINAS WEB
http://www.adictosaltrabajo.com/tutoriales/tutoriales.php?pagina=jgap
http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/temageneticos.pdf
BIBLIOGRAFÍA
Banzhaf W. Reeves C. (editors) (1999) Foundations of Genetic Algorithms.5
Morgan Kaufmann Publishers
Bauer, R.J. (1994) Genetic Algorithms and investment strategies Wiley Finance
EDICIÓN
Goldberg D.E. (1989) Genetic Algorithms in Search, Optimization and Machine
Learning. Addison-Wesley
Langdon W.B., Poli R. (2002) Foundations of Genetic Programming. Springer
Mitchell M. (1998) An introduction to Genetic Algorithms. MIT Press
REFERENTES DE INVESTIGACIÓN
REALIZADO POR
HÉCTOR FABIO FLÓREZ LÓPEZ
INGENIERÍA INFORMÁTICA
INTELIGENCIA ARTIFICIAL