CURSO:
INVESTIGACIN DE OPERACIONES II - V
TEMA DE INVESTIGACIN:
ALGORITMOS GENTICOS
PROFESOR:
Ing. EYZAGUIRRE TEJADA, Roberto
INTEGRANTES:
20124058E/APARI BACILIO, Edson Diego
20121251I /PAYANO YALE, Richard Cristian
20101187C/ROJAS TICONA, Cesar Jose
2014
Contenido
I. INTRODUCCIN............................................................................................ 2
III. FUNDAMENTO TERICO............................................................................. 2
IV. DESCRIPCIN DEL PROBLEMA...................................................................2
V. ANTECEDENTES.......................................................................................... 2
VI. EVALUACIN DEL PROBLEMA CON ALGORITMOS GENTICOS..................2
VII. RESULTADOS............................................................................................ 2
VIII. CONCLUSIONES....................................................................................... 2
IX. REFERENCIAS BIBLIOGRAFICAS................................................................2
I. INTRODUCCIN
P g i n a 2 | 18
18
Algoritmos Genticos
Definicin
Un algoritmo es una serie de pasos organizados que describe el proceso que se debe
seguir, para dar solucin a un problema especfico. En los aos 1970, de la mano
P g i n a 3 | 18
Problemtica
En la naturaleza los individuos de una poblacin compiten entre s en la bsqueda de
recursos tales como comida, agua y refugio. Incluso los miembros de una misma
especie compiten a menudo en la bsqueda de un compaero. Aquellos individuos
que tienen ms xito en sobrevivir y en atraer compaeros tienen mayor probabilidad
de generar un gran nmero de descendientes. Por el contrario individuos poco dotados
producirn un menor nmero de descendientes. Esto significa que los genes de los
individuos mejor adaptados se propagarn en sucesivas generaciones hacia un
nmero de individuos creciente. La combinacin de buenas caractersticas
provenientes de diferentes ancestros, puede a veces producir descendientes
"superindividuos", cuya adaptacin es mucho mayor que la de cualquiera de sus
ancestros.
De
esta
manera,
las
especies
evolucionan
logrando
unas
P g i n a 4 | 18
Ventajas y Desventajas
Ventajas
No necesitan conocimientos especficos sobre el problema que intentan resolver.
Resulta
sumamente
fcil
ejecutarlos
en
las
modernas
vez
de
los
arquitecturas
masivamente paralelas.
Usan
operadores
probabilsticos,
en
tpicos
operadores
Desventajas
P g i n a 5 | 18
Limitaciones
El poder de los Algoritmos Genticos proviene del hecho de que se trata de una
tcnica robusta, y pueden tratar con xito una gran variedad de problemas
provenientes de diferentes reas, incluyendo aquellos en los que otros mtodos
encuentran dificultades. Si bien no se garantiza que el Algoritmo Gentico encuentre la
solucin ptima, del problema, existe evidencia emprica de que se encuentran
soluciones de un nivel aceptable, en un tiempo competitivo con el resto de algoritmos
de optimizacin combinatoria. En el caso de que existan tcnicas especializadas para
resolver un determinado problema, lo ms probable es que superen al Algoritmo
Gentico, tanto en rapidez como en eficacia. El gran campo de aplicacin de los
Algoritmos Genticos se relaciona con aquellos problemas para los cuales no existen
tcnicas especializadas. Incluso en el caso en que dichas tcnicas existan, y funcionen
bien, pueden efectuarse mejoras de las mismas hibridndolas con los Algoritmos
Genticos.
Debe poderse definir una funcin de aptitud que nos indique qu tan buena o
mala es una cierta respuesta.
Las soluciones deben codificarse de una forma que resulte relativamente fcil
de implementar en la computadora.
P g i n a 6 | 18
Funcionamiento
Los algoritmos genticos funcionan entre el conjunto de soluciones de un problema
llamado fenotipo, y el conjunto de individuos de una poblacin natural, codificando la
informacin de cada solucin en una cadena, generalmente binaria, llamada
cromosoma. Los smbolos que forman la cadena son llamados los genes. Cuando la
representacin de los cromosomas se hace con cadenas de dgitos binarios se le
conoce como genotipo. Los cromosomas evolucionan a travs de iteraciones,
llamadas generaciones. En cada generacin, los cromosomas son evaluados usando
alguna medida de aptitud. Las siguientes generaciones, son generadas aplicando
los operadores
genticos repetidamente,
siendo
estos
los
operadores
P g i n a 7 | 18
Algoritmo
evaluacin, ?:
Se: seleccin,
mutacin, Re:
Inicializacin:
Se
P g i n a 8 | 18
Reemplazo una
vez
aplicados
los
operadores
genticos,
Ecuacin 1
Para resolver un problema que requiera como solucin saber solamente cual nmero
es ms grande, resulta ms eficaz utilizar el algoritmo matemtico directamente.
Sin embargo, stos no son aplicables a problemas que posean algunas de estas
caractersticas:
P g i n a 9 | 18
P g i n a 10 | 18
P g i n a 11 | 18
Luego de observar todo esto, se empez a considerar a los Sistemas expertos como
aptos solamente para entornos reducidos y con condiciones de ejecucin acotadas. La
idea del Sistema Experto como " resolvedor universal de problemas " qued sepultada.
Si bien la investigacin bsica de los algoritmos genticos es contempornea a la de
los sistemas expertos, la renovada importancia que se les dio en el mbito cientfico se
produjo en paralelo a la desvalorizacin que sufrieron estos ltimos.
Los algoritmos genticos se revalorizaron ya que poseen las siguientes ventajas
competitivas:
P g i n a 12 | 18
P g i n a 13 | 18
Aplicaciones
P g i n a 14 | 18
Prediccin.
Optimizacin de Layout.
Ingeniera de software.
P g i n a 15 | 18
V. ANTECEDENTES
La primera solucin reportada para resolver el problema del Agente Viajero fue en
1954, cuando George Dantzig, Ray Fulkerson, y Selmer Johnson publicaron la
descripcin de un mtodo de solucin del PAV (Problema del Agente Viaje o sus siglas
en ingls TSP Travel Sailsman Problem) titulado Solutions of a large scale traveling
salesman problem (Soluciones de gran escala para el problema del agente viajero)
para resolver una instancia de 49 ciudades donde un agente viajero desea visitar un
conjunto de ciudades, asignndoles un costo por visitar ciudades contiguas (distancia
de traslado entre dos ciudades). Para esta solucin se propusieron 2 condiciones:
regresar a
P g i n a 16 | 18
VIII. CONCLUSIONES
El AG funciona y funciona correctamente, ha sido empleado desde hace ya
varias dcadas. Se mostr que el problema del TSP propuesto con diez
ciudades y sus distancias reales, fue resuelto correctamente empleando la
tcnica de manipulacin gentica
P g i n a 17 | 18
es.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico
eddyalfaro.galeon.com/geneticos.html
www.it.uc3m.es/jvillena/irc/practicas/06-07/05.pdf
www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/temageneticos.pdf
www.uv.es/asepuma/X/J24C.pdf
P g i n a 18 | 18