Algoritmos evolutivos y técnicas de optimización bioinspiradas

Dra. Miriam Pescador Rojas

Alumno: Francisco Antonio Galmich Gonzalez

En la parte introductoria se nos dieron muchos conceptos básicos.

¿Qué es un problema de optimización?
Se nos mencionó que hay dos tipos de optimización, el primero es la
optimización combinatoria y la segunda es la combinación continúa la cual
depende de las variables del tipo real. La optimización combinatoria esta
relacionada con:
 Ciencias de la computación
 Análisis y diseño de algoritmos
 Investigación de operaciones
 Teoría de la complejidad computacional

Se mencionó como se clasifican los problemas en la teoría de la

computación, los cuales pueden ser problemas P y NP. Los problemas P se
resuelven rápidamente mientras que los problemas NP contienen
problemas cuya solución puede verificarse rápidamente.
Algunos ejemplos de la optimización combinatoria que se mencionaron
fueron, el problema de la mochila y el problema del agente viajero.

Algunas aplicaciones:
 Control de vehículos no tripulados
 Control de robot
 Diseño de circuitos
 Planeación y gestión de operaciones

Evolución biológica

“La evolución biológica es cualquier cambio en los rasgos hereditarios

dentro de una población a través de las generaciones”
Algunos puntos a destacar fueron:
  La teoría de la evolución de Charles Darwin
 Selección natural
 Adaptación

Pequeñas variaciones pueden sumarse a través de las generaciones para

crear diferencias dramáticas.

También se mencionaron algunas antecedentes del cómputo evolutivo:

Turing – Búsqueda evolutiva en 1948
Hollan – Algoritmos genéticos en 1975
Koza – Programación genética en 1992

Estructura general de un algoritmo genético

 Inicialización
 Evaluación
 Condición de termino

Algoritmos bioinspirados

Estos algoritmos tratan sobre la inteligencia colectiva de múltiples

especies.
La inteligencia en la naturaleza de:
 Aves
 Peces
 Insectos

Algunos ejemplos:
 Parvadas
 Bancos de peces
 Danza de abejas
Se mencionaron algunos ejemplos de algoritmos de optimización basados
en inteligencia colectiva

 Grey Wolf Optimizer

 Search Algorithm
 Firefly Algorithm
 Artificial Bee Colony
 Partide Swarm Optimizer
 Ant Colony Optimizer

De manera muy particular vimos una simulación de optimización por

colonias de hormigas. En donde dependiendo de varios factores, como
pueden ser obstáculos, comidas, plantas entre otras las hormigas tienen
diferente comportamiento.

Los algoritmos basados en inteligencia colectiva modelan el

comportamiento e interacción con el ambiente de una determinada
especia, con el objetivo de resolver problemas de optimización complejos.
Los valores de parámetros de ajuste de cada algoritmo afectan
directamente el desempeño del mismo.