1. GRAFICAS DE ERROR
Comportamiento de la población
Optimizacion de funciones
Matlab 2008.
 Método de representación: binario
- 32 bits para cada parámetro (variable).
 Tamaño de población: 200
 Mutación de un punto.
- Probabilidad de mutación: 0.15
 Selección por ruleta.
- Probabilidad de selección: 0.5
Función 4
Función 7
Computación Evolutiva Instituto Tecnológico de Tijuana

2. Función 9
Función 12
Función 13
Computación Evolutiva Instituto Tecnológico de Tijuana

3. OPTIMIZACION DE FUNCIONES
TOOLBOX de Andrey Popov.
 Método: GAminBC.
 Representación con números reales.
 Opciones de configuración (-3)
 Comment: ': D Iter.100; Popul.20; TolX=1e-2; No Plot'
 MaxIter: 100
 PopulSize: 20
 MutatRate: 0.3000
 BestRate: 0.1000
 NewRate: 0.1000
 TolX: 0.0100
 pSelect: 1
 pRecomb: 0
 Select: 1
 RecIter: 1
 Visual: 'some'
 Graphics: 'off'
 Fitness Proportional Selection
 Gausian law selection
 Ranking Selection
 Recombination - Blend CrossOver
 Generates random Mutations when Blend CrossOver
Computación Evolutiva Instituto Tecnológico de Tijuana

4. GRAFICAS DE ERROR
Comportamiento de la población
F4: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-1 1 1e-4], opt);
F7: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [0 10 1e-4], opt);
Computación Evolutiva Instituto Tecnológico de Tijuana

5. F9: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-2 2 1e-4], opt);
F12: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-5 5 1e-4], opt);
Computación Evolutiva Instituto Tecnológico de Tijuana

6. F13 : [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-10 10 1e-4], opt);
Computación Evolutiva Instituto Tecnológico de Tijuana

7. Tablas de resultados
REPRESENTACION REAL
Función Promedio Fitness Desv.Est. Mínimo Error
Best(Min) Media Media real Mínimo
4 0.0081 0.0657 0.0970 0.0000 0.0657
7 -16.3946 -15.8944 1.0105 -18.5547 2.6603
9 -1.3402 -1.5084 0.1117 varios varios
12 -0.5230 -0.5198 0.0166 -0.5231 0.0033
13 0.2336 0.4757 0.2762 0.0000 0.4757
REPRESENTACION BINARIA
Función Promedio Fitness Desv.Est. Mínimo Error
Best(Min) Media Media real Mínimo
4 0.0010 0.0385 0.1436 0.0000 0.0385
7 -18.5539 -18.5118 0.1910 -18.5547 0.0429
9 -3.4768 -3.1313 0.4431 varios varios
12 -0.5231 -0.5226 0.0029 -0.5231 0.0005
13 0.0569 0.0114 0.0999 0.0000 0.0114
Conclusiones:
Se utilizaron dos algoritmos de diferentes autores pero los resultados en ambos casos fueron
buenos.
Lo que se observa es que la población aunque fue aplicada 10 veces mayor en el binario, no afectó
en considerablemente el resultado.
Para todas las funciones el error fue pequeño, a excepción de la función 7 con representación
real, en ninguna generación pudo el algoritmo llegar al mínimo y el mejor caso no fue mayor a
-16.3946, sin incluir este caso, el peor error mínimo se muestra en la función 13 con
representación real con 0.4757.
El mejor de los casos se ve en la función 12 con representación binaria, tiene un error mínimo de
0.0005.
En base a estas tablas se puede afirmar que es mejor utilizar representación binaria, arroja
mejores resultados si se requiere mayor exactitud para estos casos particulares de funciones.
Computación Evolutiva Instituto Tecnológico de Tijuana