Algoritmos Bio-Inspirados

COMPUTACIÓN EVOLUTIVA
Este término abarca técnicas como los Algoritmos Genéticos, la Programación Genética, la Programación Evolutiva y las Estrategias Evolutivas. Todas ellas imitan los principiosde la evolución para “criar” soluciones a un problema dado, según el siguiente procedimiento. En primer lugar se genera una población,ya sea aleatoriamente o bien basándose en otras técnicasdisponibles, cuyos individuos son soluciones potenciales al problema. Esta población inicial se somete a un proceso de evaluación con el fin de medir la fitness, es decir, la capacidad de cada individuo deresolver el problema. Las mejores soluciones son sometidas a cruce y mutación y las peores son eliminadas, simulando el proceso de selección natural. La repetición de este procedimiento conduce en ellímite a soluciones óptimas.
Las técnicas de computación evolutiva han demostrado gran eficiencia en la resolución de problemas complejos en muchas áreas, y se han llegado a obtener soluciones mejoresque las obtenidas por expertos humanos.

OPTIMIZACIÓN POR NUBES DE PARTÍCULAS
Es una técnica que une conceptos de inteligencia artificial y computación evolutiva. Se basa en los patrones decomportamiento de los animales sociales (enjambres de abejas, bandadas de pájaros, bancos de peces etc.) y en particular en la hipótesis según la cual compartir información entre miembros de una misma especieproporciona una ventaja evolutiva.
En este caso, se inicializa una población de partículas (que determinan soluciones potenciales) asignándose a cada una de ellas una posición en una cuadrículateórica n-dimensional (siendo n el número de dimensiones del problema), así como una velocidad en cada dimensión.
Cada partícula evalúa su fitness en función de su posición actual, siendo capaz de“recordar” el mejor valor obtenido y la posición en la que se obtuvo ese valor (tanto para sí misma como para el conjunto de la población). Las velocidades de la partícula se ajustan en cada paso de...