Publicado el 24 de Septiembre del 2018
392 visualizaciones desde el 24 de Septiembre del 2018
34,2 KB
7 paginas
Creado hace 23a (24/11/2000)
Inteligencia Artificial Ing. Bruno López Takeyas
ALGORITMOS GENÉTICOS (AG)
• Se basan en la Teoría de la Evolución
de Darwin
• Los individuos más aptos sobreviven
al adaptarse más fácilmente a su
entorno.
• Este proceso se controla por medio
de los genes.
Inteligencia Artificial Ing. Bruno López Takeyas
Características comunes en el
proceso de evolución
• Un
individuo
es
capaz de
reproducirse.
• Existe una población completa de
estos individuos.
• Hay gran variedad o diferencias
individuos que se
entre
los
reproducen.
• Dentro de
la variedad hay
algunas
diferencias
en
la
habilidad para sobrevivir, es
decir, existen
individuos con
mayor habilidad para adaptarse.
Inteligencia Artificial Ing. Bruno López Takeyas
Características de los AG
Características de los AG
• Buscan
soluciones
en
espacios
complejos.
• Se
utilizan
comunmente
en
problemas de optimización.
• Debe poderse definir una función de
aptitud que nos indique que tan
buena o mala es una respuesta.
• Las soluciones deben codificarse de
una forma que resulte relativamente
fácil de
implementar
en una
computadora.
Inteligencia Artificial Ing. Bruno López Takeyas
Esquemas de representación
Esquemas de representación
Ganancia
Señal de salida
Operadores
Operadores
• Selección.
• Cruzamiento.
• Mutación.
Inteligencia Artificial Ing. Bruno López Takeyas
Selección
• Escoge los mejores cromosomas
de la población inicial
• Utiliza una ruleta
2
4
1
3
Inteligencia Artificial Ing. Bruno López Takeyas
Cruzamiento
Suponiendo que se tienen las
siguientes cadenas:
A = 0 1 1 0 1
B = 1 1 0 0 0
Después
A' = 0 1 1 | 0 0
B' = 1 1 0 | 0 1
Antes
A = 0 1 1 | 0 1
B = 1 1 0 | 0 0
Punto de cruza
Fig. 3.4 Operador de cruzamiento con un punto.
Inteligencia Artificial Ing. Bruno López Takeyas
Mutación
Cambia aleatoriamente un gene de un
cromosoma
Caso de estudio
Caso de estudio
generar población inicial, G(0);
evaluar G(0);
t:=0;
repetir
t:=t+1;
generar G(t) usando G(t-1);
evaluar G(t);
hasta encontrar una solución;
Comentarios de: Algoritmos Genéticos (AG) (0)
No hay comentarios