Computacion Evolutiva

COMPUTACIÓN EVOLUTIVA

Las técnicas de computación evolutiva constituyen un conjunto de heurísticas emergentes, utilizadas exitosamente para la resolución de problemas de distinta índole en las áreas de optimización combinatoria, diseño de artefactos, búsqueda de información, control de dispositivos y aprendizaje automático, entre otros. Estas técnicas basan su operativa en la emulación de losmecanismos de la evolución natural, identificados por Charles Darwin en su obra El Origen de las Especies por medio de la Selección Natural.
Las técnicas de computación evolutiva trabajan sobre una población compuesta por un conjunto de codificaciones de soluciones candidatas para el problema a resolver. Estas soluciones interactúan entre sí, siguiendo los principios darwinianos de la evoluciónnatural con la idea de producir iterativamente mejores soluciones al problema. Las soluciones potenciales se evalúan mediante una función de adecuación o función de fitness, que toma en cuenta el problema que se plantea resolver. En la naturaleza, durante el proceso evolutivo los seres vivos tratan de resolver los problemas relacionados con la supervivencia para garantizar la perpetuación de laespecie.
Mediante el mecanismo comentado, las técnicas de computación evolutiva emulan el proceso biológico de adaptación de los organismos vivos al entorno y las condiciones del medio, aplicándolo a la resolución de problemas.
El principal problema de la inteligencia artificial es que no tiene una definición fácil o formal, pero puede afirmarse que la inteligencia artificial es una rama quetrata de “imitar” a la inteligencia natural y por tanto la computación evolutiva se basa en imitar la evolución biológica tal y como la entendemos hoy en día. La computación evolutiva trata de resolver problemas con el objetivo de encontrar la mejor solución, es decir tal y como pasa en la naturaleza, ya que el gran problema que hay, sobre todo en el entorno animal; es la supervivencia y solo los másfuertes y mejor adaptados al entorno son capaces de sobrevivir y reproducirse; en otras palabras, son los mejores individuos posibles o la mejor solución al problema.

GENERALIDADES
 Una población de individuos coexiste en un determinado entorno con recursos limitados.
 La competición por los recursos provoca la selección de aquellos individuos que están mejor adaptados al entorno.
 Estosindividuos se convierten en los progenitores de nuevos individuos a través de procesos de mutación y recombinación.
 Los nuevos individuos pasan a competir por su supervivencia.
 Con el paso del tiempo, esta selección natural provoca el incremento en la “calidad” de los individuos de la población.



Dentro de lo que es la computación evolutiva, se engloban diferentes estrategias para laresolución de problemas de optimización:
 Procesos de Búsqueda Evolutiva: Fue propuesta por Alan Turing en el año 1948.
 Estrategias Evolutivas (EE): Propuesto por Rechenberg en 1964. Representan a los individuos con Vectores reales.
 Programación Evolutiva (PE): Propuesto por Fogel en 1965. Utilizan máquinas de estado finito.
 Algoritmos Genéticos (AG): Propuesto por Holland en 1975.Representan a los individuos como cadenas binarias.
 Programación Genética (PG): Propuesto por Koza en 1992. Utilizan Arboles LISP.
Podemos decir que la diferencia que hay entre estos algoritmo evolutivos, es la forma en la que representan a los individuos. Hay que decir que la diferencia entre este tipo de algoritmos es irrelevante ya que conceptualmente hacen los mismo con distintas formas derepresentar a los individuos, por lo tanto lo mejor a la hora de utilizar los algoritmos evolutivos es elegir la representación más adecuada y los operadores de variación más adecuados para resolver el problema que tengamos que resolver.







Se puede generalizar el esquema común que sigue un algoritmo evolutivo de la siguiente forma:

O en forma de pseudocódigo:
BEGIN
INICIALIZAR...