Computacin Evolutiva

Padilla Sulca Evelin Yasmyn

Universidad Nacional Mayor de San Marcos Facultad de Ciencias Matemticas epasu08@gmail.com

Noviembre, 2012

Resumen La computacin evolutiva, modelo derivado de la evolucin Darwinista, es una til herramienta de ingeniera. Puede producir resultados ingeniosos, intuitivos e inesperados. Pueden desarrollarse algoritmos que traten de resolver problemas de bsqueda y optimizacin guiados por el principio de la supervivencia del ms apto"postulada por Charles Darwin teora de la evolucin de las especies. Dichos algoritmos son denominados, hoy en da, algoritmos evolutivos. Palabras Claves: Computacin Evolutiva ,Algoritmo Evolutivo, Programacin Evolutiva. Abstract Evolutionary computation, model based on Darwinian evolution is a useful engineering tool. Can produce results clever, intuitive and unexpected. Algorithms that can be developed to tackle problems of search and optimization guided by the principle of survival of the ttest" propounded by Charles Darwins theory of evolution of species. Such algorithms are known today, evolutionary algorithms. Keywords: Evolutionary Computation, Evolutionary Algorithm, Evolutionary Programming.

I.

Introduccin

La Computacin Evolutiva es un rea de investigacin en Ciencias de la Computacin. Tal como sugiere su nombre, se trata de computacin inspirada en el proceso de evolucin natural.La Computacin Evolutiva es una rama de las Ciencias de la Computacin dedicada al estudio de una clase de algoritmos basados en los principios Darwinianos de la seleccin natural. La inspiracin de los cientcos en la evolucin natural no sorprende si se tiene en cuenta el poder de la evolucin sobre las diferentes especies que componen nuestro mundo, que sobreviven y se adaptan a sus propios entornos naturales. La metfora fundamental de la computacin evolutiva relaciona este poder de evolucin natural con una forma particular de resolucin de problemas, la de ensayo y error. Durante los aos 60 y 70, varias corrientes de investigacin independientes comenzaron a formar lo que ahora se conoce como computacin evolutiva:Programacin evolutiva,Estrategias Evolutivas,Algoritmos genticos. La computacin 1

evolutiva estudia algoritmos de busqueda y optimizacion inspirados en los mecanismos de la genetica y la seleccion natural. Estos algoritmos han sido aplicados exitosamete en areas muy variadas: medicina, ingenieria, economia, robotica, aeronautica, y biotecnologia entre otras.

II.

Historia

1948: Alan Mathison Turing habla de bsqueda gentica o evolutiva en su artculo Mquinas Inteligentes", aunque sin explicar cmo realizar esta bsqueda para resolver problemas. A nales de los 1950s y principios de los 1960s: El bilogo Alexander S. Fraser public una serie de trabajos sobre la evolucin de sistemas biolgicos en una computadora digital, proporcionando la inspiracin para lo que despus se convertira en el algoritmo gentico. Principios de los 1960s: John H. Holland desarroll los planes reproductivos" y adap-

tativos" en un intento por hacer que las computadoras aprendieran imitando el proceso de la evolucin. Esta tcnica sera despus conocida mundialmente como Algoritmo Gentico. A su vez, Rechenberg y Schwefel inventaron las Estrategias de Evolucin. 1960: Lawrence J. Fogel propuso una tcnica denominada Programacin Evolutiva, en la cual la inteligencia se vea como un comportamiento adaptativo. 1962: Bremermann ejecuta experimentos computacionales en optimizacin mediante evolucin y recombinacin.

Estrategias Evolutivas, cuyo objetivo era resolver problemas hidrodinmicos de alto grado de complejidad; y Algoritmos Genticos, cuya motivacin principal es el aprendizaje de mquina.

Programacin Evolutiva.

Estrategias Evolutivas.Algoritmos Genticos.Los algoritmos genticos constituyen una de las tcnicas de computacin evolutiva ms difundidas en la actualidad, como consecuencia de su versatilidad para resolver un amplio rango de problemas. Al constituir un caso de tcnica evolutiva, los algoritmos genticos basan su operativa en una emulacin de la evolucin natural de los seres vivos, trabajando sobre una poblacin de soluciones potenciales evoluciona de acuerdo a interacciones y transformaciones nicas. Los individuos que constituyen la poblacin se esfuerzan por sobrevivir: una seleccin programada en el proceso evolutivo, inclinada hacia los individuos ms aptos, determina aquellos individuos que formarn parte de la siguiente generacin. El grado de adaptacin de un individuo se evala de acuerdo al problema a resolver, mediante la denicin de una funcin de adecuacin al problema, la funcin de tness. Bajo ciertas condiciones, el mecanismo denido por los operadores inspirados por la gentica natural y la evolucin darwiniana lleva a la poblacin a converger hacia una solucin aproximada al ptimo del problema, luego de un determinado nmero de generaciones. Programacin Gentica consiste en la evolucin automtica de programas usando ideas basadas en la seleccin natural (Darwin). No slo se ha utilizado para generar programas, sino que cualquier otro tipo de soluciones cuya estructura sea similar a la de un programa. Por ejemplo, frmulas matemticas, circuitos electrnicos. La evolucin se produce en la naturaleza gracias a que: Existe reproduccin entre individuos de una poblacin. Las caractersticas de los individuos afectan su probabilidad de supervivencia. Existe herencia. 2

III.

Algoritmo Evolutivo

Los algoritmos evolutivos son mtodos sistemticos para la resolucin de problemas de bsqueda y optimizacin que aplican a estos los mismos mtodos de la evolucin biolgica. Los algoritmos evolutivos son mtodos de optimizacin, que tratan de hallar ( xi , ..., xn ) tales que F ( xi , ..., xn ) sea mximo.

IV.

Principales paradigmas

El trmino computacin evolutiva" o algoritmos evolutivos" engloba una serie de tcnicas inspiradas en los principios de la teora NeoDarwiniana de la evolucin natural. En trminos generales, para simular el proceso evolutivo en una computadora se requiere: Codicar las estructuras que se replicarn (o sea, una estructura de datos que se utilice para almacenar a un individuo"). Operaciones que afecten a los individuos" (tpicamente, se usa cruce y mutacin). Una funcin de aptitud que nos indique qu tan buena es una solucin con respecto a las dems. Un mecanismo de seleccin que implemente el principio de supervivencia del ms apto" de la teora de Darwin. Aunque hoy en da es cada vez ms difcil distinguir las diferencias entre los distintos tipos de algoritmos evolutivos existentes, por razones sobre todo histricas, suele hablarse de tres que forman la computacin evolutiva : Programacin Evolutiva, en la cual la inteligencia se ve como un comportamiento adaptativo;

 Existen recursos nitos, que ocasiona competencia. En programacin gentica se busca que poblaciones de programas evolucionen, transmitiendo su herencia de manera que se adapten mejor al medio. Los mejores individuos tienen mayores probabilidades de reproducirse. La medida de calidad del individuo depender del tipo de problema. Un algoritmo de programacin gentica sigue el siguiente esquema: 1) Genera una poblacin inicial. 2) Mientras no se cumple el criterio de terminacin: a) Seleccionar individuos (para reproduccin y eliminacin), considerando su calidad. b) Combinar y/o variar individuos nuevos. c) Agregar y eliminar individuos.

V.

Direccionamiento IP

la recombinacin uniforme, los segmentos intercambiados se reducen a bits nicos. En lugar de puntos de corte, se sortea aleatoriamente de cual progenitor proviene cada bit. Cuando la representacin gentica consiste en una cadena de bits, el operador de mutacin simplemente altera un bit, es decir, lo cambia de 0 a 1 o viceversa. La probabilidad de que un bit sea alterado depende de un parmetro: la probabilidad o tasa de mutacin. Los bits de la cadena son mutados de manera independiente, es decir, la mutacin de un bit no altera la probabilidad de mutacin de los otros bits. Para representaciones distintas a las cadenas de bits, otros operadores de mutacin deben ser diseados. La idea detrs de un operador de mutacin es la de realizar una alteracin o perturbacin pequea al genotipo, para generar un individuo ligeramente distinto pero relacionado con el progenitor. Tradicionalmente, la mutacin se considera como un operador secundario en los algoritmos genticos, cuyo rol es el de restaurar el material gentico perdido, siendo la recombinacin el principal operador de bsqueda

VI.

Operadores de Busqueda

1.-Teora de recombinacin y Mutacin

lo.jpg La recombinacin o crossover se considera el operador de bsqueda principal en los algoritmos genticos. Este operador produce individuos descendientes a partir de combinar o mezclar el material gentico de dos (o ms) individuos progenitores. La motivacin detrs de este operador es que la mezcla de sub-partes de los progenitores puede crear nuevos individuos con combinaciones favorables de genes. La aplicacin de la recombinacin es controlada por un parmetro (la probabilidad o tasa de cruce). Varios operadores de recombinacin han sido propuestos en la literatura. Los ms conocidos son los de un punto, dos puntos, mltiples puntos y uniforme. En la recombinacin de un punto, un nico punto de corte es seleccionado aleatoriamente en los progenitores; luego los segmentos antes y despus del punto de corte son intercambiados. La recombinacin de mltiples puntos es una generalizacin de esta idea que introduce varios puntos de corte e intercambia los segmentos entre dichos puntos. En 3

VII. VIII. Referencias Bibliogrficas

Castn Salinas,Alejandro ; Introduccin a TCP/IP Cmo funciona Internet? Crespo Martnez ,Luis Miguel ;INTRODUCCIN A TCP/IP ,Sistemas de Transporte de Datos. Agramunt,Victor; Direccionamiento IP,clculo de redes TCP-IP