Algoritmos geneticos
3 recomendaciones5,212 vistas
Este documento resume los algoritmos genéticos, incluyendo su definición, historia, características, funcionamiento, ventajas, desventajas, limitaciones y amplias aplicaciones en dominios como la ingeniería, robótica, química, finanzas y más. Los algoritmos genéticos imitan el proceso de evolución natural para resolver problemas de optimización de manera eficiente.
Algoritmos geneticos
- 1. ALGORITMOS GENETICOSADRIANA R. CANO BALLÉN261206203INTELIGENCIA ARTIFICIALUNIVERSIDAD DE CUNDINAMARCA
- 2. DEFINICIÓNJohn Koza: "Es un algoritmo matemático altamente paralelo que transforma un conjunto de objetos matemáticos individuales con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproducción y supervivencia del más apto, y tras haberse presentado de forma natural una serie de operaciones genéticas de entre las que destaca la recombinación sexual”.
- 3. historiaFueron inventados en 1975 por John Holland, de la Universidad de Michigan.John Holland desde pequeño, se preguntaba cómo logra la naturaleza, crear seres cada vez más perfectos. cuando Holland se enfrentó a los AG, los objetivos de su investigación fueron dos:Imitar los procesos adaptativos de los sistemas naturalesDiseñar sistemas artificiales (normalmente programas) que retengan los mecanismos importantes de los sistemas naturales.
- 4. CARACTERÍSTICAPerfeccionar su propia heurística en el proceso de ejecución, por lo que no requiere largos períodos de entrenamiento especializado por parte del ser humano, principal defecto de otros métodos para solucionar problemas, como los Sistemas Expertos.
- 5. FuncionamientoUn algoritmo genético puede presentar diversas variaciones, dependiendo de cómo se aplican los operadores genéticos . En general, el pseudocódigo consiste de los siguientes pasos:Inicialización
- 6. Evaluación
- 7. Condición de termino Selección SobrecruzamientoMutación Reemplazo
- 8. CUANDO USAR LOS A.G. Si la función a optimizar tiene muchos máximos/mínimos locales se requerirán más iteraciones del algoritmo para "asegurar" el máximo/mínimo global.
- 9. Si la función a optimizar contiene varios puntos muy cercanos en valor al óptimo, solamente podemos "asegurar" que encontraremos uno de ellos (no necesariamente el óptimo).COMO SABER SI ES POSIBLE USAR UN A.G. Su espacio de búsqueda (i.e., sus posibles soluciones) debe estar delimitado dentro de un cierto rango.
- 10. Debe poderse definir una función de aptitud que nos indique qué tan buena o mala es una cierta respuesta.
- 11. Las soluciones deben codificarse de una forma que resulte relativamente fácil de implementar en la computadora. VENTAJASUna clara ventaja es que los algoritmos genéticos son intrínsicamente paralelos, es decir, operan de forma simultánea con varias soluciones, en vez de trabajar de forma secuencial como las técnicas tradicionales. Esto significa que mientras técnicas tradicionales sólo pueden explorar el espacio de soluciones hacia una solución en una dirección al mismo tiempo, y si la solución que descubren resulta subóptima, no se puede hacer otra cosa que abandonar todo el trabajo hecho y empezar de nuevo.
- 12. DESVENTAJASPueden tardar mucho en converger, o no converger en absoluto, dependiendo en cierta medida de los parámetros que se utilicen -tamaño de la población, número de generaciones.
- 13. LIMITACIONESNo se garantiza que el Algoritmo Genético encuentre la solución óptima, del problema, existe evidencia empírica de que se encuentran soluciones de un nivel aceptable, en un tiempo competitivo con el resto de algoritmos de optimización combinatoria
- 14. APLICACIONESDiseño de sistemas de distribución de aguas.
- 15. Diseño de topologías de circuitos impresos.
- 16. Diseño de topologías de redes computacionales.
- 17. En Teoría de juegos, resolución de equilibrios.
- 18. Análisis de expresión de genes.
- 19. Aprendizaje de comportamiento de robots.
- 20. Aprendizaje de reglas de Lógica difusa.
- 21. Optimización de estructuras moleculares.
- 22. Planificación de producción multicriteria.
- 23. Predicción.
- 24. Aplicación
- 25. Segmentación Automática de Bases de Datos DistribuidasSOLUCIONAR PROBLEMAS 8-puzzle
- 27. MastermindEJEMPLOS ESPECIFICOS DE ALGORITMOS GENETICOS
- 28. ACÚSTICA Diseño de una sala de conciertos con propiedades acústicas óptimas, maximizando la calidad del sonido para la audiencia, para el director y para los músicos del escenario.
- 29. INGENIERÍA AEROESPACIAL Utilizaron un algoritmo genético de múltiples objetivos para diseñar la forma del ala de un avión supersónico.
- 30. ASTRONOMÍA Y ASTROFÍSICAObtener la curva de rotación de una galaxia basándose en las velocidades rotacionales observadas de sus componentes, determinar el periodo de pulsación de una estrella variable basándose en series de datos temporales, y sacar los valores de los parámetros críticos de un modelo magnetohidrodinámico del viento solar
- 31. QUÍMICAUn pulso láser ultracorto de alta energía puede romper moléculas complejas en moléculas más sencillas, un proceso con aplicaciones importantes en la química orgánica y la microelectrónica. Los productos específicos de una reacción así pueden controlarse modulando la fase del pulso láser.
- 32. INGENIERÍA ELÉCTRICA Una matriz de puertas programable en campo (Field Programmable Gate Array, o FPGA), es un tipo especial de placa de circuito con una matriz de celdas lógicas, cada una de las cuales puede actuar como cualquier tipo de puerta lógica, interconectado con conexiones flexibles que pueden conectar celdas.
- 33. MERCADOS FINANCIEROSSe utilizaron un algoritmo genético para predecir el rendimiento futuro de 1.600 acciones ofertadas públicamente. Concretamente, al AG se le asignó la tarea de predecir el beneficio relativo de cada acción.
- 34. JUEGOS Una de las demostraciones más novedosas y persuasivas de la potencia de los algoritmos genéticos la presentaron Chellapilla y Fogel 2001, que utilizaron un AG para evolucionar redes neuronales que pudieran jugar a las damas.
- 35. GEOFÍSICAPara los hipocentros de los terremotos basándose en datos sismológicos. (El hipocentro es el punto bajo la superficie terrestre en el que se origina un terremoto. El epicentro es el punto de la superficie directamente encima del hipocentro).
- 36. INGENIERÍA DE MATERIALESSe utilizaron algoritmos genéticos para diseñar polímeros conductores de electricidad basados en el carbono, conocidos como polianilinas. Estos polímeros, un tipo de material sintético inventado recientemente, tienen ``grandes aplicaciones tecnológicas potenciales'' y podrían abrir la puerta a ``nuevos fenómenos físicos fundamentales''.
- 37. MATEMÁTICAS Y ALGORITMIAPara resolver ecuaciones de derivadas parciales no lineales de alto orden, normalmente encontrando los valores para los que las ecuaciones se hacen cero, y dan como ejemplo una solución casi perfecta para los coeficientes de la ecuación de quinto orden conocida como Super Korteweg-de Vries.
- 38. EJÉRCITO Y CUMPLIMINETO DE LA LEYSe utilizaron algoritmos genéticos para evolucionar planes tácticos para las batallas militares.
- 39. BIOLOGÍA MOLECULARUtilizaron programación genética para diseñar un algoritmo que identificase el dominio transmembrana de una proteína.
- 40. RECONOCIMIETO DE PATRONES Y EXPLOTACIÓN DE DATOSRizki, Zmuda y Tamburino 2002 utilizaron algoritmos evolutivos para evolucionar un complejo sistema de reconocimiento de patrones con una amplia variedad de usos potenciales.
- 41. ROBÓTICADavid Andre y Astro Teller inscribieron a un equipo llamado Darwin United cuyos programas de control habían sido desarrollados automáticamente desde cero mediante programación genética, un desafío a la creencia convencional de que ``este problema es simplemente demasiado difícil para una técnica como ésa''
- 42. DISENO DE RUTAS Y HORARIOSBurke y Newall 1999 utilizaron algoritmos genéticos para diseñar los horarios de los exámenes universitarios.
- 43. INGENIERÍA DE SISTEMAS Benini y Toffolo 2002aplicaron un algoritmo genético a la tarea multiobjetivo de diseñar molinos eólicos para generar energía eléctrica.
- 44. Haas, Burnham y Mills 1997 utilizaron un algoritmo genético multiobjetivo para optimizar la forma, orientación e intensidad del haz de los emisores de rayos X utilizados en la radioterapia dirigida
- 45. Lee y Zak 2002 utilizaron un algoritmo genético para evolucionar un conjunto de reglas para controlar un sistema de frenos antibloqueo automovilístico. INGENIERÍA DE SISTEMASEn el 2000, el Dr. Peter Senecal, de la Universidad de Wisconsin, utilizó algoritmos genéticos de población pequeña para mejorar la eficiencia de los motores diésel.
- 46. Begley y Beals 1995, Texas Instruments utilizó un algoritmo genético para optimizar la disposición de los componentes de un chip informático, colocando las estructuras de manera que se minimice el área total para crear un chip lo más pequeño posible. INGENIERÍA DE SISTEMASAshley 1992, empresas de la industria aeroespacial, automovilística, fabril, turbomaquinaria y electrónica están utilizando un sistema de software propietario conocido como Engineous, que utiliza algoritmos genéticos
- 47. Engineous no sólo cuenta con algoritmos genéticos; también emplea técnicas de optimización numérica y sistemas expertos que utilizan reglas si-entonces para imitar el proceso de toma de decisiones de un ingeniero humanoLINEAS DE INVESTIGACIÓNDurante los últimos años una gran parte de la investigación en esta área se ha concentrado en el desarrollo de mejoras al desempeño de los algoritmos genéticos. Se han propuesto nuevas técnicas de representación, selección y cruza, con resultados muy alentadores.