israel1987

Para el correcto funcionamiento de un algoritmo genético se debe poseer un método que indique si los individuos de la población representan o no buenas soluciones del problema planteado. Por lo tanto para cada tipo de problema que se debe resolver deberá derivarse un nuevo método, al igual que ocurrirá con la propia codificación de los individuos.

Para esto tenemos a la evaluación, la misma que establece una medida numérica de la bondad de una solución. Esta medida recibe el nombre de ajuste.

En el mundo de los algoritmos genéticos se empleara esta medición para controlar la aplicación de los operadores genéticos. Es decir, permitirá controlar el número de selecciones, cruces, copias y mutaciones llevadas a cabo.

Este procedimiento de evaluación será específico del dominio del problema en el que se aplica el algoritmo genético, en donde se podrá aplicar los ajustes para su solución.

Se pueden diferenciar cuatro tipos de ajuste o fitness:

• FITNESS PURO: es la medida de ajuste establecida en la terminología natural del propio problema. La ecuación establece el cálculo del valor de bondad de un individuo en un instante o generación.

• FITNESS ESTANDARIZADO: para solucionar esta dualidad ante problemas de minimización o maximización se modifica el ajuste puro de acuerdo a la ecuación.

• FITNESS AJUSTADO: se obtiene la transformación reflejada en la ecuación al fitness estandarizado. De esta manera el fitness ajustado tomara siempre valores del intervalo [0…1], cuando mas se aproxime el fitness de un individuo a 1 mayor será su bondad.

• FITNESS NORMALIZADO: los diferentes tipos de fitness vistos hasta ahora hacen referencia únicamente a la bondad del individuo en cuestión. El fitness normalizado introduce un nuevo aspecto: indica la bondad de una solución con respecto al resto de soluciones representadas en la población. Al igual que el fitness ajustado, siempre tomara valores del intervalo [0…1], con mejores individuos cuanto mas próximo este a la unidad.

BIBLIOGRAFIA:

• GESTAL, Pose, Marcos, Introducción a los algoritmos genéticos, [en línea] [http://sabia.tic.udc.es/mgestal/cv/AAGGtutorial/aagg.html], Departamento tecnologías de la Información y las Comunicaciones, Universidad de la Coruña, Consultado, 04 de Junio del 2012