El documento describe los algoritmos genéticos y cómo usarlos en Matlab. Explica que los algoritmos genéticos imitan la evolución biológica para resolver problemas mediante la reproducción y mutación de individuos de una población inicial. Luego detalla los pasos básicos como evaluar la aptitud de cromosomas, permitir la reproducción de los más aptos y mutar genes. Finalmente, muestra cómo implementar algoritmos genéticos en Matlab usando la herramienta de optimización o línea de comandos.

1. Algoritmos Genéticos y .
Comandos básicos con Matlab
Dr Juan Cevallos

2. Definición
• Algoritmo Genético es un método de búsqueda
que imita la teoría de la evolución biológica e
Darwin para la resolución de problemas.
• Se parte de una población inicial de la cual se
seleccionan los individuos más capacitados para
luego reproducirlos y mutarlos para finalmente
obtener la siguiente generación de individuos que
estarán más adaptados que la anterior
generación.

3. Pasos Básicos
• Evaluar la puntuación de cada uno de los
cromosomas generados
• Permitir la reproducción siendo los más aptos
los que tengan más probabilidad de
reproducirse.
• Con cierta probabilidad de mutación, mutar
un gen del nuevo individuo generado.
• Organizar la nueva población.

4. Operaciones Fundamentales
1. Codificación de las variables: binaria,
numérica, por valor directo, en árbol.
2. Selección: por rueda de ruleta, por rango,
elitista, por estado estacionario, por torneo,
escalada, jerárquica.
3. Reproducción o Crossover: c. 1 punto, c. 2
puntos, c. uniforme, c. aritmético.
4. Mutación

5. Otros Operadores
• Cromosomas de longitud variable.
• Operadores de nicho.

6. Alternativas con Matlab
• Con Optimization Tool
• Con Command Line

7. Con Optimization Tool
• Optimizar la función Rastrigin (minimizar):
• Ras(x)=20+x12+x22-10(cosπx1+cos2πx2)
• Ingresar la función en un archivo: rastriginsfcn.m
• Comandos:
• Optimtool(‘ga’)
• En cuadro: en Fitness function: @rastriginsfcn
• En Number of variables: 2
• Start
• Sale Respuesta: iteraciones 53; valor de función
objetivo: 0.055; x1=.001;x2=-.017 (son valores inicio al
azar, luego los resultados varían pero son similares)

8. Con Command Line
Comandos:
>>rng(1,'twister')
>> [x fval exitflag]=ga(@rastriginsfcn,2)
Resultado:
Optimization terminated: average change in the fitness value less than
options.TolFun.
x=
0.0071 0.0220
fval =
0.1058
exitflag =
1
Lo que interesan son los valores de x, en este caso x1 y x2

9. Fin