ALGORITMO GENÉTICO John Henry Holland (n. 02 de febrero 1929, Fort Wayne, Indiana, EE.UU.) ostenta los títulos de Profesor de Psicología y Profesor de.

Presentación del tema: "ALGORITMO GENÉTICO John Henry Holland (n. 02 de febrero 1929, Fort Wayne, Indiana, EE.UU.) ostenta los títulos de Profesor de Psicología y Profesor de."— Transcripción de la presentación:

1 ALGORITMO GENÉTICO John Henry Holland (n. 02 de febrero 1929, Fort Wayne, Indiana, EE.UU.) ostenta los títulos de Profesor de Psicología y Profesor de Ingeniería Eléctrica y Ciencias de la Computación en la Universidad de Michigan, Ann Arbor.  También se desempeña como Profesor Externo y miembro de la Comisión Ejecutiva de la Junta de Consejeros del Instituto de Santa Fe en Nuevo México, EE.UU.. Recibió su licenciatura en el Instituto de Tecnología de Massachusetts en Física en 1950 y una maestría de la Universidad de Michigan, en Matemáticas en 1954.

2 DEFINICIÓN Se Inspiran en la evolución biológica y su base genético molecular en la computación evolutiva Método de búsqueda dirigida basada en probabilidad Guarda siempre el mejor elemento de la población Aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1 (uno). Un algoritmo genético es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico

3 OPERADORES GENÉTICOS La selección es un conjunto de reglas que sirven para elegir a los progenitores de la siguiente generación. Estos progenitores se reproducirán (cruzamiento genético) y generarán descendencia. Selección Reproducción La clonación de un individuo, se contrapone al cruce y la mutación mantiene a los mejores individuos Mutación Responsable del aumento o reducción del espacio de búsqueda dentro del algoritmo genético y del fomento de la variabilidad genética de los individuos de la población

4 OPERADORES GENÉTICOS Mutación al azar:
Modifica el valor de un gen asignando con un nuevo valor que se encuentra dentro de un determinado rango. El nuevo valor es independiente del valor previo del gen. Mutación gaussiana: Dado un cromosoma p con un gen seleccionado para la mutación i, se le aplica una distribución normal N de media pi y desviación estándar s (parámetro). Alternativamente se puede disminuir el valor de s a medida que aumenta el número de generaciones.

5 FUNCIONAMIENTO Fenotipo
Codificando la información de cada solución en una cadena, que suele ser generalmente de forma binaria, recibe el nombre de cromosoma. Los símbolos que forman la cadena son llamados los genes

6 EJEMPLO Y APLICACIÓN En su forma más simple, un algoritmo genético consta de los siguientes operadores genéticos: selección, reproducción, cruce (crossover) y mutación

7 EJEMPLO Y APLICACIÓN

8 CUÁNDO USAR ESTOS ALGORITMOS
Los algoritmos genéticos son de probada eficacia en caso de querer calcular funciones no derivables (o de derivación muy compleja) aunque su uso es posible con cualquier función. Si la función a optimizar tiene muchos máximos/mínimos locales se requerirán más iteraciones del algoritmo para "asegurar" el máximo/mínimo global.

9 REFERENTES DE INVESTIGACIÓN
PAGINAS WEB BIBLIOGRAFÍA Banzhaf W. Reeves C. (editors) (1999) Foundations of Genetic Algorithms.5 Morgan Kaufmann Publishers Bauer, R.J. (1994) Genetic Algorithms and investment strategies Wiley Finance EDICIÓN Goldberg D.E. (1989) Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Langdon W.B., Poli R. (2002) Foundations of Genetic Programming. Springer Mitchell M. (1998) An introduction to Genetic Algorithms. MIT Press

10 REFERENTES DE INVESTIGACIÓN
REALIZADO POR HÉCTOR FABIO FLÓREZ LÓPEZ INGENIERÍA INFORMÁTICA INTELIGENCIA ARTIFICIAL