WARNING:
JavaScript is turned OFF. None of the links on this concept map will
work until it is reactivated.
If you need help turning JavaScript On, click here.
Este Cmap, tiene información relacionada con: + Computación Evolutiva, -Combinan la supervivencia del más apto. -Son usados en problemas de búsqueda y optimización de parámetros. -Para alcanzar la solución a un problema se parte de un conjunto inicial de individuos, llamado población, generado de manera aleatoria. .Cada individuo representa una posible solución al problema que se desea resolver Algoritmo Principal de un AG Inicializar población actual aleatoriamente MIENTRAS no se cumpla el criterio de terminación crear población temporal vacía MIENTRAS población temporal no llena seleccionar padres cruzar padres con probabilidad Pc SI se ha producido el cruce mutar uno de los descendientes con probabilidad Pm evaluar descendientes añadir descendientes a la población temporal SINO añadir padres a la población temporal FIN SI FIN MIENTRAS aumentar contador generaciones establecer como nueva población actual la población temporal FIN MIENTRAS, Computación= Algoritmos + Estrategias+ Programación Evolutiva Genéticos de Evolución Evolutiva Programación Evolutiva - Soft Computing Fogel, Owens y Walsh, 1966 -Los individuos-organismos, son máquinas de estado finito,los que mejor resuelven alguna de las funciones objetivo obtienen la oportunidad de reproducirse. -Antes de producirse los cruces para generar la descendencia se realiza una mutación sobre los padres, Computación= Algoritmos + Estrategias+ Programación Evolutiva Genéticos de Evolución Evolutiva Estrategias de Evolución - Rechemberg,1973 1. (μ+λ)-ES un total de μ producen λ descendientes reduciéndose nuevamente la población a μ individuos por selección de los mejores individuos. Los padres sobreviven hastaque son reemplazados por hijos mejores que ellos. 2.(μ, λ)-ES la descendencia reemplaza directamente a los padres, sin hacer ningún tipo de comprobación., Computación= Algoritmos + Estrategias+ Programación Evolutiva Genéticos de Evolución Evolutiva Algoritmos Genéticos (AG, GA) John Holland,1975 -Combinan la supervivencia del más apto. -Son usados en problemas de búsqueda y optimización de parámetros. -Para alcanzar la solución a un problema se parte de un conjunto inicial de individuos, llamado población, generado de manera aleatoria. .Cada individuo representa una posible solución al problema que se desea resolver, Computación= Algoritmos + Estrategias+ Programación Evolutiva Genéticos de Evolución Evolutiva Programación Evolutiva - Soft Computing Fogel, Owens y Walsh, 1966 Soft =Computación+Redes Neuronales+Lógica Computing Evolutiva Artificiales Difusa, Computación= Algoritmos + Estrategias+ Programación Evolutiva Genéticos de Evolución Evolutiva Algoritmos Genéticos (AG, GA) John Holland,1975 -Consiste en una población de soluciones codificadas de forma similar a cromosomas. -Cada uno de estos cromosomas tendrá asociado un ajuste, valor de bondad, ajuste o fitness, que cuantifica su validez como solución al problema. -Son algoritmos de búsqueda basados en la mecánica de selección natural y de la genética natural.