530 likes | 635 Views
Optimización matemática Algoritmos Genéticos – Parte 3 Por: Antonio H. Escobar Zuluaga Universidad Tecnológica de Pereira - Colombia 2014. Función de Adaptación ( fitness ):. Función de Adaptación ( fitness ):. Modificaciones en el Algoritmo Genético:. Función de Adaptación ( fitness ):.
E N D
Optimización matemáticaAlgoritmos Genéticos – Parte 3Por:Antonio H. Escobar ZuluagaUniversidad Tecnológica de Pereira - Colombia2014
Modificaciones en el Algoritmo Genético: Función de Adaptación (fitness): F.O./Costomax F.O. – K Función Objetivo Original F.O./81 F.O. – 30
Modificaciones en el Algoritmo Genético: Lista ordenada de mayor a menor
Modificaciones en el Algoritmo Genético: Número de descendientes de Pi = N Ai El número de descendientes de cada individuo no depende de su función de adaptación sino de su posición en la lista ordenada.
Modificaciones en el Algoritmo Genético: Recombinación:
Modificaciones en el Algoritmo Genético: Recombinación:
Modificaciones en el Algoritmo Genético: Recombinación:
Modificaciones en el Algoritmo Genético: Recombinación de un punto: • Se conservan los genes del extremo izquierdo, se intercambian los del extremo derecho.
Modificaciones en el Algoritmo Genético: Recombinación de dos puntos:
Modificaciones en el Algoritmo Genético: Recombinación de n puntos:
Modificaciones en el Algoritmo Genético: Recombinación multipunto: • Selecciona, posición por posición, el padre aportará un gen a cada hijo, usando la probabilidad definida por el usuario.
Recombinación Partially Mapped Crossover PMX: antes Padre 1 Padre 2 Hijo 1 Paso 1: Paso 2: Paso 3: después • Se selecciona una franja pequeña aleatoriamente (<= 10%). Paso 1: se conserva el contenido de la franja. Paso 2: Se toman del padre 2 los valores que no se encuentran en la franja. Paso 3: Se agregan los valores faltantes en el mismo orden que tenían en el vector original.
Recombinación Order-Based Crossover OBX: Padre 1 Padre 2 antes Hijo 1 Hijo 2 después • Se seleccionan varias posiciones aleatoriamente. No se intercambian, solo se altera el orden en el padre 1 y ese mismo orden se aplica al padre 2: B con E, D con A y F con D.
Recombinación Position-Based Crossover PBX: Padre 1 Padre 2 antes Hijo 1 Hijo 2 después • Se seleccionan varias posiciones aleatoriamente. Se intercambian los contenidos de estas posiciones entre los padres.
Modificaciones en el Algoritmo Genético: Recombinación matemática simple: Padre 1 Padre 2 antes Hijo 1 Hijo 2 después • Se seleccionan un punto de cruza y se conserva parte del vector y la parte que se modifica se reemplaza por la semisuma u otra proporción de los valores existentes e los padres.
Modificaciones en el Algoritmo Genético: Recombinación matemática lineal: Padre 1 Padre 2 antes después Hijo 1 • Se seleccionan un punto de cruza y se conserva parte del vector y la parte que se modifica se reemplaza por una combinación lineal de los padres.
Modificaciones en el Algoritmo Genético: Mutación: 1 2 3 4 5 6 7 8 • Cambio aleatorio o controlado de algunas posiciones.
Modificaciones en el Algoritmo Genético: Mutación: intercambio de valores de dos posiciones antes después • Se seleccionan dos posiciones aleatoriamente y se intercambia el contenido de estas posiciones. • Se conservan los valores adyacentes.
Modificaciones en el Algoritmo Genético: Mutación: inversión de valores entre dos posiciones antes después • Se seleccionan dos posiciones aleatoriamente y se invierte el orden de todos los elementos contenidos entre estas posiciones. • Se conservan los valores adyacentes externos a los puntos seleccionados.
Modificaciones en el Algoritmo Genético: Mutación: alteración de valores entre dos posiciones antes después • Se seleccionan dos posiciones y se altera el orden de los contenidos entre estas posiciones aleatoriamente. • Se conservan los valores adyacentes externos a los puntos seleccionados.
Modificaciones en el Algoritmo Genético: Mutación: alteración de valores entre dos posiciones antes después • Se selecciona una posición y se lleva su contenido a otra posición, también seleccionada aleatoriamente. • Se conserva el orden de las posiciones adyacentes.
Modificaciones en el Algoritmo Genético: • Modo de generación de la población inicial • Aleatoria. • Aleatoria controlada. • Determinística usando heurísticas. • Híbrida: aleatoria-determinística.
Modificaciones en el Algoritmo Genético: • Función fitness o de adaptación. mejor peor
Modificaciones en el Algoritmo Genético: • Parámetros: • Tamaño de la población • Número de poblaciones • Tasa de recombinación • Tasa de mutación • Número máximo de descendientes • Criterio de parada: • Número máximo de generaciones • Generaciones consecutivas sin mejora de la incumbente