ALGORITMOS GENETICOS

Son mtodos de optimizacin y bsqueda que se basan en los principios de la seleccin natural y
la gentica.
Consideraciones importantes.
No son solamente de bsqueda sino tambin de optimizacin.
En la seleccin natural los individuos de una poblacin no tienen todos las mismas
posibilidades de sobrevivir, son los individuos mejor adaptados los que tienen ms
posibilidades. En consecuencia y dada su naturaleza probabilstica, un AG no garantiza que
se encontrar la mejor solucin, pero si su diseo y construccin son adecuados garantiza
que la solucin es cercana a la ptima (solucin aceptable).
No trabajan con valores reales sino con una codificacin de ellos.
El funcionamiento y operabilidad puede cambiar sustancialmente de un problema a otro.
Como iniciar:
1. Identifique la existencia de un problema complejo (mltiples soluciones)
ESPACIO DE
BUSQUEDA
SELECCIONO UNA
MUESTRA (G0).
2. Seleccione una muestra del espacio de bsqueda.
Las alternativas que forman la muestra se pueden seleccionar aleatoriamente o considerando un
criterio estadstico (de ser posible). Por analoga con la vida biolgica, cada alternativa de solucin
se considera como un cromosoma.
CROMOSOMAS

Genes G1 G2 G3 G4.Gn
2.1 Como definir los cromosomas: A partir de las caractersticas del problema a resolver se definen
los aspectos o variables (genes) que se tendrn en cuenta. Por ejemplo, si la situacin
consiste en seleccionar personal para la empresa X; los aspectos ms importantes (segn el
criterio de los especialistas humanos) pueden ser: experiencia, nivel de formacin, edad, tipo de
cargo, nivel de ingls y universidad donde estudi. Cada uno de estos aspectos corresponde con
un gen.
Se establece el rango de valores a considerar para cada gen.
EXPERIENCIA (EX): 1 a 5 aos.
NIVEL DE FORMACION (NF): Tcnico, Tecnlogo, Pregrado, Especialista.
EDAD (ED): 23-35 aos.
TIPO DE CARGO (TC): Operativo, Tctico, Estratgico.
NIVEL DE INGLES (NI): Bajo, Malo, Alto
TIPO DE UNIVERSIDAD (TU): Excelente, Muy buena, Buena, Media
El proceso anterior corresponde a la definicin del genotipo.
Considerando que los AG no trabajan con valores reales de los genes, se debe establecer una
codificacin para cada uno de ellos. La codificacin debe permitir la diferenciacin de todos los
valores posibles para cada gen.
EX: 1,2,3,4,5
NF: 1,2,3,4
ED: 1,2,3,.,13
TC: 1,2,3
NI: 1,2,3
TU:1,2,3,4
Para el ejemplo, cada valor corresponde en orden con las categoras consideradas al describir los
genes. En algunas ocasiones es conveniente expresar los valores mediante un alfabeto simple
para una mejor confiabilidad y eficiencia; si se selecciona como alfabeto el sistema binario es
posible calcular la cantidad de bits necesarios para representar los valores de cada gen.
GEN BITS
EX 3
NF 2
ED 4
TC 2
NI 2
TU 2
En consecuencia, cada cromosoma utilizar dos bytes para su almacenamiento. Adicionalmente,
es preciso observar que para el gen EX se pueden presentar hasta 3 valores incorrectos (fenotipos
errados) mientras que para el gen NF no se presentar ningn valor incorrecto.
2.2 Como evaluar los cromosomas: A continuacin se debe establecer una funcin objetivo
(funcin de adaptacin (FA)) que permita calcular la calidad de cada cromosoma. La FA debe ser
un formalismo (lo ms simple posible) numrico o lgico; su construccin es un aspecto critico en
el diseo del AG pues la mayor parte del tiempo de ejecucin del algoritmo se invierte calculando
la adaptacin de los cromosomas.
Para el ejemplo, la FA es el promedio ponderado de los genes con los siguientes pesos relativos:
EX 0.25, NF 0.20, ED 0.10, TC 0.10, NI 0.20 y TU 0.15.
Recuerde que cada cromosoma es una alternativa posible de solucin para el problema.
Funcionamiento general de un AG:
Establecida la generacin (poblacin) inicial G0 y la forma de evaluar los cromosomas,
estos compiten entre s por medio de un conjunto de operadores genticos dando origen
a las siguientes generaciones del AG.
El nmero de generaciones es un parmetro del AG que permite determinar la cantidad mxima
de iteraciones del algoritmo.
Los operadores genticos a utilizar y su funcionamiento dependen de cada problema y de la
experiencia de los especialistas en el dominio especfico del conocimiento. Adicionalmente,
existen varios mtodos para llevar a cabo la competencia.
C1 C2
C3 C4
C5 C6
.
.
.
Cn
_
_ _
_
Para investigar:
1. Por qu se consideran los AG como mtodos de optimizacin?
2. La codificacin de valores se debe hacer siempre en sistema binario? Argumente la
respuesta.
3. Explique por lo menos dos mtodos de competencia entre cromosomas de un AG.