Problema de la mochila

1. EVIDENCIA #5
ALGORITMOS GENÉTICOS
Sistemas inspirados en la naturaleza
Problema de la mochila
Nombre : Alfredo Santiago Alvarado
Matricula: 1498278

2. 1.-OPTIMO PARA INSTANCIA
Instancia 1
ob1 ob2 ob3 ob4 Ob5
15 15 30 30 10
8 7 15 10
Optimo cromosoma 5
Cromosoma: 00111
Peso :30
Ganancia 70
Mejor estado optimo

3. 2.-VALORES PARA TABLA
INSTANCIA 1
parámetro Valor
Tamaño de las generaciones 3-8
Método para generar población 7-10%,6-20%,5-25%,4-35%,3-
inicial 10%
Probabilidad de cruza 40%
Probabilidad de mutación 20%
Método de cruza Probabilidad
Criterio de terminación Acercamiento al optimo

4. 3.-CAPTURAS DE PANTALLA Y
FRAGMENTO DE CÓDIGOS
1.-Generación de
población inicial

5. 2.-EVALUACION APTITUD

6. 3.-SELECCIÓN DE PAREJAS

7. 4.- CRUZA

8. CRUZA CONTINUACIÓN

9. 5.-MUTACION

10. PROGRAMA CORRIENDO

11. 2NDA CORRIDA

12. REPORTE DE CONCLUSIONES
Generaciones por promedio
3°gen
2°gen
1°gen
.0 .20 .40 .60 .80 .100

13. CONCLUSIONES
Qué tan lejos quedó tu AG del óptimo?
R: relativamente lejos ciertas veces alcanzaba el optimo.
¿Qué valores funcionaron mejor para la instancia?
R:valores que presentaran mas ganancia y menos peso
¿Qué diferencia notaste entre resolver las instancias por
fuerza bruta y resolverlas mediante un AG?
R:resolver por fuerza bruta es un proceso mas tardado al
realizarlo llegue al optimo pero con mas tiempo , en
cambio mediante un algoritmo se llego cercas de el
optimo.

14. ¿Qué tan fácil crees que sea resolver por fuerza bruta una instancia
de 11 objetos? ¿De 20? ¿De 30?
R: Demasiado tardado .
¿Para que sirve un AG?
R: sirve para encontrar la mejor solución mediante optimización .
¿Qué ventajas tiene un AG?
R: Encontrar un optimo para soluciones sin requerir tanto tiempo .
¿Qué desventajas tiene un AG?
R: no siempre se encuentra el estado mas optimo para el problema .