Algortmo Genetico

ALGORITMOS GÉNETICOS

Resumen

Este artículo aborda de forma general los algoritmos genéticos y su relación con el proceso de replicar los comportamientos biológicos, con los desarrollos científicos, tecnológicos, instrumentales que con ello implica, por medio de la computación para encontrar una solución óptima a un problema determinado.

Palabras Clave: Gen cromosoma, operador, evaluación, población, cruce, mutación, cadena de bits, algoritmo genético, evolución.

1 INTRODUCCIÓN

Los seres vivos a lo largo de la historia han sufrido cambios debido a que tienen que adaptarse para sobrevivir; y gracias a esta premisa es que se desarrolló la teoría sintética, que une los postulados de Darwin, Wallace, las leyes de Mendel.

Esta teoría trata, que a lo largo de las generaciones, las poblaciones evolucionan en la naturaleza acorde a los principios de la selección natural y la supervivencia de los más fuertes; desde esta visión, los individuos que buscan sobrevivir cuentan con habilidades innatas que se encuentran en su material genético, mediante los genes en los cuales internamente tienen una carga de “conocimiento”, el cual es incorporado a la información de sus cromosomas, y es allí en donde esta codificada la información que es variante de una generación a otra, en el cual es de relevancia en el proceso de formación de nuevos individuos cuando se combinan la información cromosómica de los progenitores, teniendo en cuenta que la formación cromosómica se basa solamente de la información del periodo anterior.[1]

Según lo anterior es que se desarrolla los algoritmos genéticos (AG) en la cual busca crear soluciones para el mundo real de problemas específicos, mediante la evolución de dichas soluciones hacia valores óptimos de acuerdo a una determinada codificación, de esta manera es que los AG se han aplicado a diversos problemas y modelos en ingeniería y en la ciencia en general, mediante la optimización, la programación automática, el aprendizaje de máquina, economía, entre otros.

2 HISTORIA Y CONCEPTO

Los AG tal y como se conocen, se desarrollaron en 1975 por John Holland, aunque anteriormente a finales de la década de los 50 se dio la programación en computación por biólogos evolutivos que buscaban explícitamente realizar modelos de aspectos de la evolución natural, por otro lado en 1962 Box, Friedman entre otros de forma independiente desarrollaron algoritmos inspirados en la evolución para optimización de funciones y aprendizaje automático, cobrando importancia en 1965 cuando Rechenberg introdujo una técnica que asimilaba la estrategia evolutiva pero no había población o cruce, dado que un padre mutaba para producir descendencia y se conservaba el mejor de los dos, convirtiéndose en el padre de la siguiente ronda de mutación. [2]

Para Holland el objetivo de los AG eran el de abstraer y explicar rigurosamente el proceso adaptativo de los sistemas naturales y el de diseñar sistemas artificiales que retuvieran los mecanismos más importantes de los sistemas naturales [3].

Los AG gracias a Holland, se denominan como técnicas de búsqueda estocástica basados en los mecanismos de evolución natural tal como describe Goldberg [4]. En este sentido, se describe que los AG utilizan un conjunto de individuos (soluciones) sobre el cual se aplican operadores y estrategias para encontrar soluciones mejoradas al problema.

El conjunto de individuos que usa el AG se denomina población, de esta forma los AG no buscan una única solución, sino que están orientados a que, en promedio, los individuos de la población busquen una mejora en la función objetivo de las soluciones, de manera que en posteriores generaciones se enriquezcan mediante la evolución, preservando sólo las mejores características de los individuos de generaciones anteriores. [5]

3 PARTES DEL ALGORITMO GENETICO.

Los AG como se ha descrito anteriormente al igual que la evolución manejan una serie de partes iniciando con una representación del problema, creando

...