2. INTRODUCCIÓN
Los Algoritmos genéticos (AGs) son métodos adaptativos que
pueden usarse para resolver problemas de búsqueda y
optimización. Se basan en el proceso genético de los organismos
vivos. A lo largo de las generaciones, las poblaciones evolucionan
en la naturaleza de acorde con los principios de la selección
natural y la supervivencia de los más fuertes, postulados por
Darwin (1859). Por imitación de este proceso, los Algoritmos
Genéticos son capaces de ir creando soluciones para problemas
del mundo real. La evolución de dichas soluciones hacia valores
óptimos del problema depende en buena medida de una adecuada
codificación de las mismas.
3. Un algoritmo genético (o AG) es una variante de la búsqueda
de haz estocástica en la que los estados sucesores se generan
combinando dos estados padres, mas que modificar un solo
estado. La analogía a la selección natural es la misma que con
la búsqueda de haz estocástica, excepto que ahora tratamos con
reproducción sexual mas que con la reproducción asexual.
ALGORITMOS GENÉTICOS
4. Los algoritmos genéticos funcionan entre el conjunto de soluciones de un
problema llamado fenotipo, y el conjunto de individuos de una población
natural, codificando la información de cada solución en una cadena,
generalmente binaria, llamada cromosoma. Los símbolos que forman la
cadena son llamados los genes. Cuando la representación de los
cromosomas se hace con cadenas de dígitos binarios se le conoce como
genotipo. Los cromosomas evolucionan a través de iteraciones, llamadas
generaciones. En cada generación, los cromosomas son evaluados usando
alguna medida de aptitud. Las siguientes generaciones (nuevos
cromosomas), son generadas aplicando los operadores genéticos
repetidamente, siendo estos los operadores de selección, cruzamiento,
mutación y reemplazo.
FUNCIONAMIENTO
5. CONCLUSIONES
El algoritmo genético es conocido por ser una
búsqueda de ascensión de colinas estocástica en la
que se mantiene una población grande de estados.
Los estados nuevos se generan por mutación y por
cruce; combinando pares de estados de la
población.
6. BIBLIOGRAFÍA
• Russell, S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque
Moderno. Segunda Edición. Pearson Education. España
• Ponce, P. 2011. Inteligencia artificial con aplicaciones a la
ingeniería. Primera Edición.
• García, A. 2012. Inteligencia artificial, Fundamentos, práctica
y aplicaciones. Primera Edición.
• Benítez, R., Escudero, G., Masip, D., Kanaan, S., 2014,
Inteligencia artificial avanzada. Primera Edición.