Algoritmos Genéticos

Los Algoritmos Genéticos son algoritmos matemáticos de optimización de propósito general basados en mecanismos naturales de selección y genética, proporcionando excelentes soluciones en problemas complejos con gran número de parámetros. Los algoritmos genéticos conforman un paradigma de búsqueda probabilística, inspirada en la teoría de la evolución de Darwin.

Una población de individuos, cada uno representando una posible solución a un problema, es creada inicialmente al azar. Entonces se combinan las parejas de individuos (soluciones) para producir otro individuo (prole) para la próxima
generación. Un proceso de mutación, también generada al azar, modifica la estructura genética de algunos miembros de cada nueva generación. En cada ciclo, las bondades de los individuos son evaluadas con respecto al objetivo buscado y el sistema se vuelve a ejecutar para docenas o cientos de generaciones.

Dado que a probabilidad que un individuo se reproduzca es proporcional a la bondad de la solución que representa, la calidad de las soluciones mejora automáticamente en las generaciones sucesivas. El proceso se termina cuando una solución es aceptable o se determina el óptimo para la función. El objetivo principal de un Algoritmo genético es el de evolucionar a partir de una población de soluciones para un determinado problema, intentando producir nuevas generaciones de soluciones que sean mejores que la anterior.

Estos algoritmos operan en un ciclo simple: Creación de la población inicial, selección y reproducción, éste último implicando una recombinación y mutación del material genético de las soluciones. La reproducción, en este algoritmo, se describe a través de tres operadores genéticos: reproducción, cruza y
mutación.

Reproducción. Las cadenas con valores más altos tiene probabilidades más altas de contribuir con uno o más sucesores en la siguiente generación. Este operador es una versión artificial de la selección natural de Darwin. En las poblaciones naturales la aptitud esta determinada por la habilidad de organismo de sobrevivir y de llegar a la madurez y su subsecuente reproducción. En el sistema artificial, la función objetivo es el arbitro final en la vida o muerte de una cadena dada.

Cruza. Una vez que se ha realizado la reproducción, se procede a la reproducción sexual o cruza de los individuos seleccionados. La población nueva intercambia material cromosómico y sus descendientes forman la siguiente
generación.

Mutación. Cuando un sistema se ha detenido en una estructura genética que se sospecha no es la óptima, o cuando el sistema se ha viciado con diversas cadenas muy parecidas, es necesario infiltrar mutaciones que reanimen el sistema. La mutación no permite a estabilización de poblaciones en soluciones locales.

Algunas características de los Algoritmos Genéticos:

1. Se usan parámetros codificados como una cadena de longitud   finita sobre un alfabeto finito.                                
2. Son algoritmos de funcionamiento paralelo.
3. Usan operadores probabilisticos.
4. Se afectan menos por los máximos locales.
5. Están menos restringidos por continuidad, derivadas y unimodalidad.