Algoritmos genéticos
Páginas: 12 (2836 palabras)
Publicado: 11 de mayo de 2011
GENÉTICA
Introducción
La capacidad del ser humano para predecir el comportamiento de su entorno, se ha ido incrementando con el paso del tiempo.
Los pioneros de la inteligencia artificial estaban tan interesados en la electrónica, como en la biología, y por eso sus aplicaciones iban desde calcular trayectorias de misiles, a tratar de modelizar el cerebro, de imitar el proceso deaprendizaje humano, y de simular la evolución biológica.
Los años ochenta marcan el florecimiento del interés de la comunidad científica por estos temas computacionales inspirados en la biología, primero en el campo de las Redes Neuronales, luego en el del Aprendizaje, y por último en lo que ahora se conoce como “computación evolutiva”, de la que los algoritmos genéticos constituyen su máximoexponente.
Antecedentes
El origen de lo que se conoce como computación evolutiva hay que buscarlo en su razón de ser: los conocimientos sobre evolución se pueden aplicar en la resolución de problemas de optimización. Fue en las décadas de 1950 y 1960 cuando varios científicos, de modo independiente, comenzaron a estudiar los sistemas evolutivos, guiados por la intuición de que se podrían emplear comoherramienta en problemas de optimización en ingeniería. La idea era “evolucionar” una población de candidatos a ser solución de un problema conocido, utilizando operadores inspirados en la selección natural y la variación genética natural.
Un investigador de la Universidad de Michigan llamado John Holland estaba consciente de la importancia de la selección natural, y a fines de los 60sdesarrolló una técnica que permitió incorporarla en un programa de computadora como un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto.
La mayor innovación de Holland fue la de introducir un algoritmo basado enpoblaciones con cruces, mutaciones e inversiones. Es más, Holland fue el primero en intentar colocar la computación evolutiva sobre una base teórica firme (Holland, 1975).
Hasta hace poco, esta base teórica, fundamentada en la noción de “esquemas”, fue la estructura sobre la que se edificaron la mayoría de los trabajos teóricos sobre algoritmos genéticos en las décadas siguientes.
AlgoritmosGenéticos
Concepto
Es una técnica de búsqueda basada en la teoría de la evolución de Darwin; se basa en los mecanismos de selección que utiliza la naturaleza, de acuerdo a los cuales los individuos más aptos de una población son los que sobreviven, al adaptarse más fácilmente a los cambios que se producen en su entorno. Hoy en día se sabe que estos cambios se efectúan en los genes de un individuo(unidad básica de codificación de cada uno de los atributos de un ser vivo), y que sus atributos más deseables (i.e., los que le permiten adaptarse mejor a su entorno) se transmiten a sus descendientes cuando éste se reproduce sexualmente.
Un algoritmo genético consiste en una función matemática o una rutina de software que toma como entradas a los ejemplares y retorna como salidas cuales deellos deben generar descendencia para la nueva generación
Elementos de un AG y su traducción biológica
Todos los organismos que conocemos están compuestos por una o más células, cada una de las cuales contiene a su vez uno o más cromosomas (esto es, cadenas de ADN), que tienen la función de ser una especie de “anteproyecto” del organismo del que forman parte.
Un cromosoma se puede dividir,conceptualmente, en genes, bloques funcionales de ADN que codifican una determinada proteína. Solemos pensar en los genes, aunque en una visión muy superficial, como los responsables de determinar los rasgos del individuo, tales como el color de los ojos, o del cabello. Las diferentes posibilidades de escoger un rasgo (ojos azules, marrones o verdes, por ejemplo) reciben el nombre de alelos....
Introducción
La capacidad del ser humano para predecir el comportamiento de su entorno, se ha ido incrementando con el paso del tiempo.
Los pioneros de la inteligencia artificial estaban tan interesados en la electrónica, como en la biología, y por eso sus aplicaciones iban desde calcular trayectorias de misiles, a tratar de modelizar el cerebro, de imitar el proceso deaprendizaje humano, y de simular la evolución biológica.
Los años ochenta marcan el florecimiento del interés de la comunidad científica por estos temas computacionales inspirados en la biología, primero en el campo de las Redes Neuronales, luego en el del Aprendizaje, y por último en lo que ahora se conoce como “computación evolutiva”, de la que los algoritmos genéticos constituyen su máximoexponente.
Antecedentes
El origen de lo que se conoce como computación evolutiva hay que buscarlo en su razón de ser: los conocimientos sobre evolución se pueden aplicar en la resolución de problemas de optimización. Fue en las décadas de 1950 y 1960 cuando varios científicos, de modo independiente, comenzaron a estudiar los sistemas evolutivos, guiados por la intuición de que se podrían emplear comoherramienta en problemas de optimización en ingeniería. La idea era “evolucionar” una población de candidatos a ser solución de un problema conocido, utilizando operadores inspirados en la selección natural y la variación genética natural.
Un investigador de la Universidad de Michigan llamado John Holland estaba consciente de la importancia de la selección natural, y a fines de los 60sdesarrolló una técnica que permitió incorporarla en un programa de computadora como un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto.
La mayor innovación de Holland fue la de introducir un algoritmo basado enpoblaciones con cruces, mutaciones e inversiones. Es más, Holland fue el primero en intentar colocar la computación evolutiva sobre una base teórica firme (Holland, 1975).
Hasta hace poco, esta base teórica, fundamentada en la noción de “esquemas”, fue la estructura sobre la que se edificaron la mayoría de los trabajos teóricos sobre algoritmos genéticos en las décadas siguientes.
AlgoritmosGenéticos
Concepto
Es una técnica de búsqueda basada en la teoría de la evolución de Darwin; se basa en los mecanismos de selección que utiliza la naturaleza, de acuerdo a los cuales los individuos más aptos de una población son los que sobreviven, al adaptarse más fácilmente a los cambios que se producen en su entorno. Hoy en día se sabe que estos cambios se efectúan en los genes de un individuo(unidad básica de codificación de cada uno de los atributos de un ser vivo), y que sus atributos más deseables (i.e., los que le permiten adaptarse mejor a su entorno) se transmiten a sus descendientes cuando éste se reproduce sexualmente.
Un algoritmo genético consiste en una función matemática o una rutina de software que toma como entradas a los ejemplares y retorna como salidas cuales deellos deben generar descendencia para la nueva generación
Elementos de un AG y su traducción biológica
Todos los organismos que conocemos están compuestos por una o más células, cada una de las cuales contiene a su vez uno o más cromosomas (esto es, cadenas de ADN), que tienen la función de ser una especie de “anteproyecto” del organismo del que forman parte.
Un cromosoma se puede dividir,conceptualmente, en genes, bloques funcionales de ADN que codifican una determinada proteína. Solemos pensar en los genes, aunque en una visión muy superficial, como los responsables de determinar los rasgos del individuo, tales como el color de los ojos, o del cabello. Las diferentes posibilidades de escoger un rasgo (ojos azules, marrones o verdes, por ejemplo) reciben el nombre de alelos....
Leer documento completo
Regístrate para leer el documento completo.