INTELIGENCIA ARTIFICIAL

ALGORITMOS GENTICOS
PRESENTADO POR: Nstor Yesid Contreras Surez.
Cod. 1098680718
TUTOR: Ing. Diego Fernando Medina.
Universidad Nacional Abierta y a Distancia UNAD.
CEAD Barrancabermeja
julio 8 de 2015

INTRODUCCIN

Los algoritmos genticos son mtodos adaptativos generalmente usados en

problemas de bsqueda y optimizacin de parmetros, basados en la
reproduccin sexual y en el principio de sobrevivencia del ms apto.
Mas formalmente y siguiendo la definicin dada por Goldberg, los Algoritmos
Genticos son algoritmos de bsqueda basados en la mecnica de seleccin
natural y de la gentica natural. Combinan la supervivencia del ms apto
entre estructuras de secuencias con un intercambio de informacin
estructurado, aunque aleatorizado, para constituir as un algoritmo de
bsqueda
que
tenga
algo
de
genialidades
de
las
bsquedas
humanas(Goldberg, 1989)

ALGORITMOS GENETICOS
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 de John Henry Holland, surgi una
de las lneas ms prometedoras de la inteligencia artificial, la de los algoritmos genticos.1 2 Son
llamados as porque se inspiran en la evolucin biolgica y su base gentico-molecular. Estos
algoritmos hacen evolucionar una poblacin de individuos sometindola a acciones aleatorias
semejantes a las que actan en la evolucin biolgica (mutaciones y recombinaciones genticas),
as como tambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide
cules son los individuos ms adaptados, que sobreviven, y cules los menos aptos, que son
descartados. Los algoritmos genticos se enmarcan dentro de los algoritmos evolutivos, que
incluyen tambin las estrategias evolutivas, la programacin evolutiva y la programacin gentica.
(Wiki)

FUNCIONAMIENTO DE LOS ALGORITMOS GENTICOS

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 (nuevos cromosomas), son generadas
aplicando los operadores genticos repetidamente, siendo estos los operadores de seleccin,
cruzamiento, mutacin y reemplazo.

CUANDO USAR ESTOS ALGORITMOS

Los algoritmos genticos son de probada eficacia en caso de querer calcular

funciones no derivables (o de derivacin muy compleja) aunque su uso es posible
con cualquier funcin.
Deben tenerse en cuenta tambin las siguientes consideraciones:
Si la funcin a optimizar tiene muchos mximos/mnimos locales se requerirn ms
iteraciones del algoritmo para "asegurar" el mximo/mnimo global.
Si la funcin a optimizar contiene varios puntos muy cercanos en valor al ptimo,
solamente podemos "asegurar" que encontraremos uno de ellos (no necesariamente
el ptimos. (Wiki)

FUNCIONAMIENTO DE UN AGORITMO GENETICO BASICO.

Un algoritmo gentico puede presentar diversas variaciones, dependiendo de cmo se
aplican los operadores genticos (cruzamiento, mutacin), de cmo se realiza la
seleccin y de cmo se decide el reemplazo de los individuos para formar la nueva
poblacin(J.H.).
En general, el pseudocdigo consiste de los siguientes pasos:
Algoritmo gentico i: inicializacin, f(X): evaluacin, ?: condicin de trmino, Se:
seleccin, Cr: cruzamiento, Mu: mutacin, Re: reemplazo, X*: mejor solucin.
Inicializacin: Se genera aleatoriamente la poblacin inicial, que est constituida por
un conjunto de cromosomas los cuales representan las posibles soluciones del
problema. En caso de no hacerlo aleatoriamente, es importante garantizar que dentro
de la poblacin inicial, se tenga la diversidad estructural de estas soluciones para tener
una representacin de la mayor parte de la poblacin posible o al menos evitar la
convergencia prematura.
Evaluacin: A cada uno de los cromosomas de esta poblacin se aplicar la funcin de
aptitud para saber cmo de "buena" es la solucin que se est codificando.
Condicin de trmino El AG se deber detener cuando se alcance la solucin ptima,
pero sta generalmente se desconoce, por lo que se deben utilizar otros criterios de
detencin. Normalmente se usan dos criterios: correr el AG un nmero mximo de
iteraciones (generaciones) o detenerlo cuando no haya cambios en la poblacin.

Mientras no se cumpla la condicin de trmino se hace lo siguiente:

Seleccin: Despus de saber la aptitud de cada cromosoma se procede a elegir los
cromosomas que sern cruzados en la siguiente generacin. Los cromosomas con mejor
aptitud tienen mayor probabilidad de ser seleccionados.
Recombinacin o Cruzamiento: La recombinacin es el principal operador gentico,
representa la reproduccin sexual, opera sobre dos cromosomas a la vez para generar
dos descendientes donde se combinan las caractersticas de ambos cromosomas padres.
Mutacin: modifica al azar parte del cromosoma de los individuos, y permite alcanzar
zonas del espacio de bsqueda que no estaban cubiertas por los individuos de la
poblacin actual.
Reemplazo: una vez aplicados los operadores genticos, se seleccionan los mejores
individuos para conformar la poblacin de la generacin siguiente

Algoritmo genticoi: inicializacin, f(X): evaluacin,?:

condicin de trmino, Se:seleccin, Cr: cruzamiento,
Mu: mutacin, Re: reemplazo, X*: mejor solucin.

APLICACIONES

Diseo automatizado, incluyendo investigacin en diseo de materiales y diseo multi objetivo

de componentes automovilsticos: mejor comportamiento ante choques, ahorros de peso,
mejora de aerodinmica, etc.
Diseo automatizado de equipamiento industrial.
Diseo automatizado de sistemas de comercio en el sector financiero.
Construccin derboles filogenticos.
Optimizacin de carga decontenedores.
Diseo de sistemas de distribucin de aguas.
Diseo de topologas de circuitos impresos.
Diseo de topologas de redes computacionales.
EnTeora de juegos, resolucin de equilibrios.
Anlisis de expresin de genes.
Aprendizaje de comportamiento de robots.
Aprendizaje de reglas deLgica difusa.
Anlisis lingstico, incluyendo induccin gramtica, y otros aspectos deProcesamiento de
lenguajes naturales, tales como eliminacin de ambigedad de sentido.
Infraestructura de redes de comunicaciones mviles.
Optimizacin de estructuras moleculares.
Planificacin de produccin.

Prediccin.
Aplicacin de Algoritmos Genticos alDilema del prisioneroIterado
Optimizacin de sistemas de compresin de datos, por ejemplo, usando wavelets.
Prediccin dePlegamiento de protenas.
Optimizacin deLayout.
Prediccin de estructura deARN.
En bioinformtica,Alineamiento mltiple de secuencias.
Aplicaciones en planificacin de procesos industriales, incluyendo planificacin job-shop.
Seleccin ptima de modelos matemticos para la descripcin de sistemas biolgicos.
Manejo de residuos slidos.
Ingeniera de software.
Construccin de horarios en grandes universidades, evitando conflictos de clases.
Problema del viajante.
Hallazgo de errores en programas.
Optimizacin de produccin y distribucin de energa elctrica.
Diseo de redes geodsicas (Problemas de diseo).
Calibracin y deteccin de daos en estructuras civiles.

CONCLUSIONES

Los algoritmos genticos desde su aparicin ayudaron al avance cientfico a pasos

agigantados ya que facilitan muchos procesos que manualmente seran
prcticamente imposibles.

Podemos observar que estos logaritmos tienen muchas aplicaciones.

Son de fcil implementacin.
La inteligencia Artificial entrega valiosas herramientas a la ciencia y la medicina y
una de ellas son los algoritmos genticos, aunque estos tienen otras mltiples
aplicaciones.

BIBLIOGRAFIA

E.Goldberg, D. (1989). Genetic Algorithms in search, optimization, and Machine Learning

(Edicion 1 ed.). Hardcover.

J. H. Holland. University of Michigan Press, Ann Arbor. 1975.Adaptation in Natural and

Artificial Systems.

Wikipedia, C. d. (s.f.). Wikipedia, la enciclopedia libre. Obtenido de Wikipedia:

https://es.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico