MTODO EVOLUCIONISTA

Durante los aos 50 se comenz a aplicar los principios de Charles Darwin en la

resolucin de problemas. Durante los aos 60 y 70, varias corrientes de investigacin
independientes comenzaron a formar lo que ahora se conoce como computacin evolutiva.
Los objetivos que perseguan John Holland y sus colegas de la Universidad de
Michigan cuando concibieron los algoritmos genticos, eran dos:
1. Abstraer y explicar rigurosamente el proceso adaptativo de los sistemas naturales.
2. Disear sistemas artificiales que retuvieran los mecanismos ms importantes de
los sistemas naturales.
El algoritmo gentico es una tcnica de bsqueda basada en la teora de la evolucin
de Darwin, que ha cobrado tremenda popularidad en todo el mundo durante los ltimos aos.
En los ltimos aos, la comunidad cientfica internacional ha mostrado un creciente
inters en una nueva tcnica de bsqueda basada en la teora de la evolucin y que se
conoce como el algoritmo gentico. Esta tcnica se basa en los mecanismos de seleccin
que utiliza la naturaleza, de acuerdo a los cuales los individuos ms aptos de una poblacin
son los que sobreviven, al adaptarse ms fcilmente a los cambios que se producen en su
entorno
Un investigador de la Universidad de Michigan llamado John Holland era consciente
de la importancia de la seleccin natural, y a fines de los 60s desarroll una tcnica que
permiti incorporarla a un programa. Su objetivo era lograr que las computadoras
aprendieran por s mismas. A la tcnica que invent Holland se le llam originalmente "planes
reproductivos", pero se hizo popular bajo el nombre "algoritmo gentico" tras la publicacin
de su libro en 1975.
Una definicin bastante completa de un algoritmo gentico es la propuesta por John
Koza:
"Es un algoritmo matemtico altamente paralelo que transforma un conjunto de
objetos matemticos individuales con respecto al tiempo usando operaciones modeladas de
acuerdo al principio Darwiniano de reproduccin y supervivencia del ms apto, y tras haberse
presentado de forma natural una serie de operaciones genticas de entre las que destaca la
recombinacin sexual. Cada uno de estos objetos matemticos suele ser una cadena de

caracteres (letras o nmeros) de longitud fija que se ajusta al modelo de las cadenas de
cromosomas, y se les asocia con una cierta funcin matemtica que refleja su aptitud. "
Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para
resolver problemas de bsqueda y optimizacin. Estn basados en el proceso gentico de
los organismos vivos. A lo largo de las generaciones, las poblaciones evolucionan en la
naturaleza de acorde con los principios de la seleccin natural y la supervivencia de los ms
fuertes, postulados por Darwin. Por imitacin de este proceso, los Algoritmos Genticos son
capaces de ir creando soluciones para problemas del mundo real.
Un algoritmo gentico consiste en una funcin matemtica o una rutina de software
que toma como entradas a los ejemplares y retorna como salidas cules de ellos deben
generar descendencia para la nueva generacin.
Ventajas Y Desventajas
No

Ventaja
Desventajas
requieren
conocimientos Pueden tardar mucho en converger,

especficos del problema para llevar o

a cabo la bsqueda.

no

converger

en

absoluto,

dependiendo en cierta medida de

los

parmetros

que

se

utilicen

tamao de la poblacin, nmero de

generaciones, entre otros.
Usan operadores aleatorios en vez Pueden converger prematuramente
de operadores determinsticos, lo debido a una serie de problemas de
que hace que la convergencia de la diversa ndole.
tcnica

vare

con

respecto

al

tiempo.
Operan de forma simultnea con El lenguaje que se debe utilizar
varias

soluciones,

tomando debe tener la capacidad de tolerar

informacin de varios puntos del cambios aleatorios; que no lleguen a

espacio de bsqueda como gua.

producir resultados sin sentido o

errores fatales.

Resultan menos afectados por los

mximos locales que las tcnicas de
bsqueda tradicionales.

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. 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.
Algunas aplicaciones de los Algoritmos genticos
El Algoritmo gentico ha servido para que muchos de los estudios realizados en torno
a l, se hayan aplicado a diversos problemas y modelos en ingeniera, y en la ciencia en
general. Cabe destacar entre ellos:
Optimizacin: Se trata de un campo especialmente abonado para el uso de los
Algoritmos Genticos, por las caractersticas intrnsecas de estos problemas. No
en vano fueron la fuente de inspiracin para los creadores estos algoritmos. Los
Algoritmos Genticos se han utilizado en numerosas tareas de optimizacin,
incluyendo

la

optimizacin

numrica,

los

problemas

de

optimizacin

combinatoria.
Programacin automtica: Los Algoritmos Genticos se han empleado para
desarrollar programas para tareas especficas, y para disear otras estructuras
computacionales tales como el autmata celular, y las redes de clasificacin.
Aprendizaje mquina: Los algoritmos genticos se han utilizado tambin en
muchas de estas aplicaciones, tales como la prediccin del tiempo o la estructura
de una protena. Han servido asimismo para desarrollar determinados aspectos de
sistemas particulares de aprendizaje, como pueda ser el de los pesos en una red
neuronal, las reglas para sistemas de clasificacin de aprendizaje o sistemas de
produccin simblica, y los sensores para robots.

 Economa: En este caso, se ha hecho uso de estos Algoritmos para modelizar

procesos de innovacin, el desarrollo estrategias de puja, y la aparicin de
mercados econmicos.
Sistemas inmunes: A la hora de modelizar varios aspectos de los sistemas
inmunes naturales, incluyendo la mutacin somtica durante la vida de un
individuo y el descubrimiento de familias de genes mltiples en tiempo evolutivo,
ha resultado til el empleo de esta tcnica.
Ecologa: En la modelizacin de fenmenos ecolgicos tales como las carreras de
armamento biolgico, la coevolucin de parsito-husped, la simbiosis, y el flujo
de recursos.
Gentica de poblaciones: En el estudio de preguntas del tipo Bajo qu
condiciones ser viable evolutivamente un gene para la recombinacin?
Evolucin y aprendizaje: Los Algoritmos Genticos se han utilizado en el estudio
de las relaciones entre el aprendizaje individual y la evolucin de la especie.
Sistemas sociales: En el estudio de aspectos evolutivos de los sistemas sociales,
tales como la evolucin del comportamiento social en colonias de insectos, y la
evolucin de la cooperacin y la comunicacin en sistemas multi-agentes.
Aunque esta lista no es, en modo alguno, exhaustiva, s transmite la idea de la
variedad de aplicaciones que tienen los Algoritmos Genticos. Gracias al xito en estas y
otras reas, los Algoritmos Genticos han llegado a ser un campo puntero en la investigacin
actual.