Algoritmos Gen

1
Algoritmos Genéticos

• Mary C. Jarur M.
• ww.udec.cl/mjarur

2
Introducción

• Inventado por John Holland (70)
• Inspirado en la biología
• Principio de selección natural
• Principales usos
• Problemas tecnológicos
• Modelos científicos simplificados

3
Definiciones

• Genoma
• Genotipo
• Fenotipo
• Locus
• Alelo
• Epistasia
• Cromosoma (varios genes)

4
Idea Principal del AG

• 1. Población inicial
• 2. Selección de individuos
• 3. Recombinación (Reproducción)
• 4. Mutaciones
• 5. Nueva Generación

5
Principales Características

• Utiliza multiples puntos de busqueda
• Utiliza operadores estocásticos
• Se requiere solo la función objetivo

6
Condiciones en el uso de AG

• Soluciones potenciales pueden representarse
• Existen operadores para mutar y recombinar

• INCONVENIENTES
• La representación no recoge las características
  de las soluciones
• Los operadores no generan candidatos
  interesantes

Como modelar el problema?
7
Componentes de un AG

• Población de individuos
• Codificación
• Función de Fitness / Función Objetivo
• Operadores Genéticos
• Reproducción (Selección)
• Mutación
• Crossover
• Otros

8
Operadores Ejemplo

• Crossover
• Padres 1010001110 0011010010
• Hijos 1010010010 0011001110
• Mutación (sobre un hijo)
• Hijo 1010010010
• Mutación 1010110010

9
Otras consideraciones de los AG

• Tamaño de la Población
• r a 2r, donde r es la cantidad de genes
• Población Inicial
• Generar individuos al azar, u optimizar población
  inicial
• Función Objetivo
• Debe reflejar el valor de un individuo en forma
  real

10
Otras consideraciones de los AG

• Selección
• Proporcional al Fitness, por Torneo, Elitista,
  por rango, etc.
• Cruce
• 1 punto, 2 puntos, más puntos no es óptimo
• Reducción
• Remplazo generacional
• Mutación
• Probabilidad constante o variable

11
Esquema Básico de un AG

• Algoritmo genético
• t0 inicializa P(t) evalúa P(t)
• repetir hasta solución es encontrada
• tt1
• P(t) selecciona de P(t-1)
• recombina P(t)
• muta P(t)
• evalua P(t)
• fin repetir
• fin algoritmo

12
Porqué funcionan los AG?

• Teorema de los Esquemas
• Teorema de Convergencia
• Paralelismo Implícito

13
Conclusiones

• Inspiración biológica, pero se aleja de la
  realidad
• Problemática del uso de AG, planteamiento
  correcto de los individuos, y la función Fitness
• Muchas ventajas frente a métodos tradicionales,
  dado a su flexibilidad
• Otras aplicaciones Programación Genética