1. Integrantes:
Luis González
Wilmary Gutierrez
Jonathan Rodríguez

2. Los algoritmos genéticos son un logro mas de la
inteligencia artificial en su intento de replicar
comportamientos biológicos, con los avances científicos
que ello implica, mediante la computación. Se trata de
algoritmos de búsqueda basados en la mecánica de la
selección natural y de la genética. Utilizan la información
histórica para encontrar nuevos puntos de búsqueda de
una solución óptima del problema planteado, con
esperanzas de mejorar los resultados.
La capacidad del ser humano para predecir el comportamiento
de su entorno, se ha ido incrementando con el paso del
tiempo. De igual modo, ha comprendido que, si bien era
capaz de controlar muchos aspectos de su vida, y su
interacción con lo que le rodeaba, no lo era para otros
tantos.

3. Los Algoritmos Genéticos son una de las más
conocidas y originales técnicas de resolución de
problemas dentro de lo que se ha definido
como "Computación Evolutiva" (o "Algoritmos
Evolutivos"), término que agrupa a
los Algoritmos Genéticos, las Estrategias
Evolutivas y la Programación Evolutiva. En
realidad todas estas técnicas son muy
parecidas y comparten muchos aspectos.
Los programas evolutivos fueron presentados en
1994 por Michalewicz, cuando propuso incorporar
conocimiento específico del problema a resolver en
las estructuras de datos. Así, los PEs son métodos
que incorporan directamente conocimiento
específico a los AGs, puesto que permiten la
utilización de estructuras de datos naturales. Esto
permite, a su vez, la utilización de operadores
genéticos sensibles al contexto, con el fin de
mejorar la eficiencia del algoritmo de búsqueda sin
perder gran parte de la propiedad de
generalización.

4. Desde los primeros trabajos de John Holland la
codificación suele hacerse mediante valores blandos.
Se asigna un determinado numero de bits a cada
parámetro y se realiza un discretización de la variable
represada por cada gen

5.  Para el correcto funcionamiento de un algoritmo genético se de posee
un método que indique si los individuos de la población representan o no
buenas soluciones al problema planteado. Por lo tanto para cada tipo de
problema que se desee resolver deberá derivarse un nuevo método, al
igual que ocurrirá con la propia codificación de los individuos
 De esto se encarga la función de evaluación, que establece una
medida numérica de la bondad de una solución. Esta medida recibe el
nombre de ajuste. La naturaleza el ajuste (o adecuación ) de un
individuo puede considerarse como la probabilidad de que ese individuo
sobreviva hasta la edad de reproducción y se reproduzca

6.  Los algoritmo de selección serán los encargados de
escoger que individuos van a disponer de oportunidades de
reproducirse y cuales no
 Una opción bastante común consiste en
seleccionar el primero de los individuos
participantes en el cruce mediante alguno de los
métodos expuesto a continuación y segundo de
manera aleatoria

7.  Una vez seleccionados los individuos, estos son
recombinados para producir la descendencia que se
insertara en la siguiente generación
Los diferentes métodos de cruce
podrán operar de dos formas diferentes.
Si se opta por una estrategia destructiva
los descendientes se insertaran en la
población temporal aunque sus padres
tengan mejor ajustes , por el contario
utilizando una estrategia no destructiva
la desentendencia pasara a la siguiente
generación
 Existen multitud de algoritmo de
cruce. Sin embargo lo mas empleados
son:
Cruce de un punto
Cruce de 2 puntos
Cruce uniforme

8. Cuando en vez de trabajar con una poblacion temporal se hace con
una única población, sobre la que se realizan las selecciones e
inserciones, deberá tenerse en cuenta que para insertar un nuevo
individuo deberá de eliminarse previamente otro de la poblacion
Métodos de remplazo
 ALEATORIO
El nuevo individuo se inserta en
un lugar cualquiera de la poblacion
 REEMPLAZO DE SIMILITUDES
Una vez obtenido el ajuste de la
descendencia se selecciona un grupo de
individuos (entre seis y diez) con
 REMPLAZO DE PADRES
ajuste similar
Se obtiene espacio para la
nueva descendencia liberando el
espacio ocupado por los padres  REEMPLAZO DE LOS PEORES
Entre un porcentaje de los peores
individuos de la poblacion se
seleccionan aleatoriamente los
necesarios para dejar sitio a la
descendencia

9.  La mutación de un individuo provoca que alguno de sus
gene, generalmente uno solo, varié su valor de forma
aleatoria
 Se puede seleccionar los
individuos directamente de la
población actual y mutarlos antes
de introducirlos en la nueva
población, la mutación se suele
utilizar de manera conjunta con el
operador de cruce
 La probabilidad de mutación es muy baja, generalmente
menor de 1%. Esto se debe sobre todo a que los individuos
suelen tener un ajuste menor después de mutados

10.  CRUCE DE 1 PUNTO
Es la mas sencilla de las técnicas de cruces. Una vez seleccionados dos
individuos se cortan sus cromosomas por un punto seleccionado
aleatoriamente para generar dos segmentos diferentes en cada uno de
ellos, la cabeza y la cola. Se intercambian las colas entre los dos individuos
para generar los nuevos descendientes
 CRUCE DE 2 PUNTOS
Se trata de una generalización del cruce de 1 punto. En vez de
cortar por un único punto los cromosomas de los padres como en
el caso anterior se realizan dos cortes, deberá tenerse en cuenta
que ninguno de estos puntos de cortes coincida con el extremos
de los cromosomas para garantizar que se originen tres
segmentos
 CRUCE UNIFORME
Es una técnica completamente diferente de las
vistas hasta el momento. Cada gen de la
descendencia tiene las mismas probabilidades de
pertenecer a uno u otro padre