Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Trabajo de Aplicaci€n:
Algoritmos Gen•ticos
Dutto, Evelina
- Noviembre 2008 -
1. IntroducciÄn
Los Algoritmos Gen€ticos son m€todos adaptativos que pueden usarse
(1859). Por imitaci‚n de este proceso, los Algoritmos Gen€ticos son capaces de
b•squeda de recursos tales como comida, agua y refugio. Incluso los miembros
descendientes. Esto significa que los genes de los individuos mejor adaptados
manera, las especies evolucionan logrando unas caracter„sticas cada vez mejor
mejor adaptados, van siendo exploradas las ƒreas mƒs prometedoras del
de una t€cnica robusta, y pueden tratar con €xito una gran variedad de
dos descendientes.
ENDWHILE
END
confiables. Sin embargo, no todos los problemas pueden ser apropiados para la
qu€ tan buena o mala es una cierta respuesta. La funci‚n de aptitud no es mƒs
4. AplicaciÄn
4.1 ProblemÉtica
La realidad en la que nos vemos inmersos, esta totalmente tecnificada y
que tenga todas las aptitudes consideradas para esta aplicaci‚n, mostrarƒ el
correspondiente importe.
4.2 DescripciÄn
A continuaci‚n se describen cada uno de los elementos usados en la
Dise…o de Interfaz
Capacidad Anal„tica
Capacidad de Comprensi‚n
Creatividad
Originalidad
Conocimiento de Servidores
Ingl€s T€cnico
Autodidacta
(1).
mercado laboral actual recibe $4000 mensuales. Por cada caracter„stica, se paga
Dise‚o de Interfaz 13 %
Capacidad Analƒtica 11 %
Capacidad de Comprensi„n 6%
Creatividad 8%
Originalidad 6%
Conocimiento de Servidores 8%
Ingl€s T€cnico 8%
Autodidacta 5%
Cromosoma= [c1, c2, c3, c4, c5, c6, c7, c8, c9, c10]
TamaÑo de la poblaciÄn.
por el cromosoma.
F(x) = ∑ ci * wi ,
… donde wi 1 ≤ i ≤ 10, para i=1 toma valor 10, para i=10 toma valor 1 y ci
SelecciÄn.
individuos mƒs calificados, mejor adaptados al medio, para que tengan mayor
Cruce.
Padres
Hijos
Puntos de Cruce
Bits 2 Bits 7
MutaciÄn.
generar nuevos individuos, que exploren regiones del dominio del problema
solo mutarƒ un bit del primer hijo, y el bit a mutar serƒ seleccionado
aleatoriamente.
Criterio de fin.
Pantalla Acerca De
Pantalla de Resultados
namespace WindowsApplication1
{
public partial class Form1 : Form
{
//TamaÄo de poblacion
private int POP = 20;
//habilidades
private int LEN = 10;
//Probabilidad de mutacion
//Generaciones
private double END = 10;
public Form1()
{
InitializeComponent();
}
}
fitness();
verfinal();
//******Termina el algoritmo********
}
//*****FITNESS*****
private void fitness()
{
for (byte i = 0; i < POP; i++)
{
for (byte j = 0; j < LEN; j++)
{
genes[i, 10] += genes[i, j] * (10 - j);
}
//terminamos de calcular el fitnes de cada programador
//ordenamos segun fitness mayor
int arre = 0;
for (byte i = 0; i < POP; i++)
{
for (int k = i + 1; k < POP; k++)
{
//int k = (i + 1);
if (genes[i, 10] < genes[k, 10])
{
}
mutacion(i);
}
}
this.chkCreatividad.Checked = true;
break;
case "Originalidad":
this.chkOriginalidad.Checked = true;
break;
case "Conocimiento de Servidores":
this.chkServidores.Checked = true;
break;
case "Ingles Tecnico":
chkIngles.Checked = true;
break;
case "Autodidacta":
this.chkAutodidacta.Checked = true;
break;
}
sueldo += porcentajes[j];
}
}
this.txtporcentaje.Text = sueldo.ToString() + " %";
sueldo = (int)Math.Ceiling( 4000 * sueldo * 0.01);
this.txtSueldo.Text = "$ " + sueldo.ToString();
MessageBox.Show("El Algoritmo ha finalizado", "Resultados Listos",
MessageBoxButtons.OK, MessageBoxIcon.Information);
}
}
}
5. Conclusiones
con fitness mƒs alto, devolvi‚ como respuesta las caracter„sticas que el
algoritmos gen€ticos.
Can‚nico.