Algoritmos geneticos

Algoritmos genéticos y computación evolutiva

Introducción
1) Actualmente existen personas que piensan que la evolución no ha servido de nada teóricamente hablando, pero se ha demostrado que eso es totalmente falso, puesto que las evoluciones han servido en diversos aspectos para la vida de las personas como elaborar nuevos medicamentos.

2) Aún así los creacionistas afirman que puedenexplicar lo anterior sin recurrir a la evolución, ellos dicen que las nuevas creaciones han sido todo obra de Dios, y dividen o clasifican en “tipos”.

3) Hoy, ha surgido una nueva tecnología la cual nos indica los beneficios de la evolución, esta moderna tecnología es la informática, que aplica una estrategia de programación llamada algoritmos genéticos.

¿Qué es un algoritmo genético?
1) Elalgoritmo genético es la imitación de la evolución biológica la cual pretende resolver problemas. El AG presenta una serie de soluciones las cuales ya se saben que funcionan y a su vez son evaluadas. Estas soluciones son generadas aleatoriamente.

2) Después, el AG evalúa cada solución candidata. De estas, se sabe que la mayoría fallará pero siempre existe aquella que nos va a llevar hasta lasolución.

3) Los soluciones candidatas se reproducen generando así nuevas copias de ellas. No todas las copias generadas son buenas, es por esto que las que no sirven serán eliminadas, las mejores se reproducirán y se obtendrán nuevas soluciones, este periodo lo conocemos como generación. Cabe destacar que cada generación, eliminación y todos los procesos que intervienen son totalmente aleatorios. Deesta manera una copia que empezó débil puede llegar a mejorarse. También se espera que la media de cada generación este en aumento.

4) Las soluciones pueden resolver grandes problemas. Estas pueden llegar a sorprender a muchos debido a lo buenas que pueden resultar.

Métodos de representación.
1) Primeramente para poder resolver un problema, hay que codificar las soluciones, para estoalgunas de las opciones son: mediante la secuencia de 1 y 0 ó mediante la secuencia de números enteros o números decimales, donde cada posición represente una parte de la solución.

2) Steffen Schulze-Kremer realizó un AG para reproducir la estructura tridimensional de una proteína, utilizó números reales para representar los ángulos de torsión.

3) Existe otro método el cual utiliza una cadena deletras donde al igual que los dos anteriores cada letra es un aspecto de la solución.

4) Otra estrategia es la utilización de árboles, denominada programación genética, aquí los cambios aleatorios se presentan en el cambio de operador o alterando el valor del nodo.

5) Los algoritmos evolutivos no tienen que tener soluciones como una cadena de longitud fija.

Métodos de selección.
1) Parapoder hacer nuevas generaciones es requerido hacer selección de los elementos, existan varias, se usan por separado, pero en algunos casos pueden llegar a combinarse.

2) Estas son algunas de las diferentes formas de seleccionar a los miembros: elitista, proporcional a la aptitud, de rueda de ruleta, escalada, por torneo, por rango, generacional, por estado estacionario y jerárquica.

Métodosde cambio.
1) Cuando ya se han seleccionado los más aptos, estos deben de ser modificados para mejorar su aptitud. La mutación es uno de estos métodos que causa ciertas alteraciones en el algoritmo.

2) El otro método es el cruzamiento, donde a partir de dos miembros se genera uno nuevo. Se elige un cierto número de posiciones que quedan fijas y las restantes se intercambian entre los dosmiembros “padres”.

Otras técnicas de resolución de problemas.
1) Debido al crecimiento de la informática en diversos campos como la inteligencia artificial, se han desarrollado nuevos métodos y técnicas parecidas a los AG.

Redes neuronales.
1) Este método se basa en las redes neuronales que se encuentran en nuestro cerebro, constan de nodos los cuales tiene conexiones, tienen una capa de...