Upload
whaleejaa-wha
View
186
Download
0
Embed Size (px)
Citation preview
Implementacion de un algoritmo genetico
Magaly Martinez
Inteligencia ArtificialUniversidad Politecnica de cd Victoria
20 de enero de 2016
Contenido
1 IntroduccionDefinicion de Algoritmo GeneticoMecanismos EvolutivosRepresentacion de Algoritmos GeneticosEstructura de un Algoritmo Genetico Simple
2 PseudocodigoAlgoritmo GeneralRepresentacion de los individuosGeneracion de la Poblacion InicialAdaptacionEvaluacion de PoblacionSeleccion de SupervivientesReproduccion, Cruce y Mutacion
3 Ventajas y LimitacionesVentajasLimitaciones
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 2 / 21
Introduccion Definicion de Algoritmo Genetico
Definicion de Algoritmo Genetico
Dentro de las tecnicas heurısticas mas utilizadas para resolver problemas seencuentran los Algoritmos Geneticos. Esta tecnica, inspirada en el procesoevolutivo de los seres vivos, comienza con un conjunto aleatorio de solucionesfactibles al problema e iterativamente las va mejorando usando mecanismosevolutivos
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 3 / 21
Introduccion Mecanismos Evolutivos
Mecanismos Evolutivos
Seleccion: Las soluciones mas ”fuertes”tendran la capacidad de cruzarse.
Eleccion: Las soluciones capaces de cruzarse forman ”parejas”.
Cruze: Las soluciones ”padres”generan soluciones ”hijos”que suelen ser mas”fuertes”.
Mutacion: Las soluciones ”hijos”tienen caracterısticas que no provienen de sus”padres”.
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 4 / 21
Introduccion Representacion de Algoritmos Geneticos
Representacion de Algoritmos Geneticos
Antes de que un algoritmo genetico pueda ponerse a trabajar en un problema, senecesita un metodo para codificar las soluciones potenciales del problema de formaque una computadora pueda procesarlas.Un enfoque comun es codificar las soluciones como cadenas binarias: secuencias de 1sy 0s, donde el dıgito de cada posicion representa el valor de algun aspecto de lasolucion.
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 5 / 21
Introduccion Estructura de un Algoritmo Genetico Simple
Estructura de un Algoritmo Genetico Simple
Generar aleatoriamente la poblacion inicial
A cada uno de los cromosomas de esta poblacion se aplicara la funcion deaptitud para saber lo ”buena”que es la solucion que se esta codificando.
Elegir los cromosomas que seran cruzados en la siguiente generacion.
Los cromosomas con mejor aptitud tienen mayor probabilidad de serseleccionados
Se aplica un operador genetico: mutacion, cruce, evaluacion?
El AG se debera detener cuando se alcance la solucion optima, o correr el AG unnumero maximo de iteraciones, o detenerlo cuando no haya cambios en lapoblacion.
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 6 / 21
Pseudocodigo Algoritmo General
Algoritmo General
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 7 / 21
Pseudocodigo Representacion de los individuos
Estructura de un Individuo
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 8 / 21
Pseudocodigo Generacion de la Poblacion Inicial
Generar Poblacion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 9 / 21
Pseudocodigo Generacion de la Poblacion Inicial
Generar Individuo
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 10 / 21
Pseudocodigo Adaptacion
Adaptacion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 11 / 21
Pseudocodigo Adaptacion
Decodificacion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 12 / 21
Pseudocodigo Adaptacion
Binario a Entero
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 13 / 21
Pseudocodigo Evaluacion de Poblacion
Evaluacion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 14 / 21
Pseudocodigo Seleccion de Supervivientes
Seleccion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 15 / 21
Pseudocodigo Reproduccion, Cruce y Mutacion
Reproduccion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 16 / 21
Pseudocodigo Reproduccion, Cruce y Mutacion
Reproduccion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 17 / 21
Pseudocodigo Reproduccion, Cruce y Mutacion
Cruce
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 18 / 21
Pseudocodigo Reproduccion, Cruce y Mutacion
Mutacion
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 19 / 21
Ventajas y Limitaciones Ventajas
Ventajas de los Algoritmos Geneticos
los algoritmos geneticos son intrınsecamente paralelos. La mayorıa de los otrosalgoritmos son en serie y solo pueden explorar el espacio de soluciones hacia unasolucion en una direccion al mismo tiempo. Sin embargo, ya que los algoritmosgeneticos tienen descendencia multiple, pueden explorar el espacio de solucionesen multiples direcciones a la vez.
Funcionan particularmente bien resolviendo problemas cuyo espacio desoluciones potenciales es realmente grande
Los algoritmos evolutivos han demostrado su efectividad al escapar de losproblemas optimos locales y descubrir el optimo global incluso en paisajesadaptativos muy escabrosos y complejos.
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 20 / 21
Ventajas y Limitaciones Limitaciones
Limitaciones de los Algoritmos Geneticos
Definir una representacion del problema
El problema de como escribir la funcion de aptitud debe considerarsecuidadosamente para que se pueda alcanzar una mayor aptitud yverdaderamente signifique una solucion mejor para el problema dado.
Se aconseja no utilizar algoritmos geneticos en problemas resolubles de maneraanalıtica ya que los metodos analıticos tradicionales consumen mucho menostiempo y potencia computacional que los AGs
Magaly Martinez Implementacion de un algoritmo Genetico 20 de enero de 2016 21 / 21