Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Investigación Operativa
Integrantes:
Salazar Palomino, Ángelo 17170057
Ordoñez Huayllas, Christian 17170167
Salinas Revilla, Miguel 17170041
Rojas del Castillo, Albert 17170073
Lima-Perú
2019
Índice
1. Introducción .............................................................................................................................. 3
2. Algoritmo genético.................................................................................................................... 4
2.1 Operadores de recombinación ............................................................................................. 5
2.1.1 Cruce en un punto ........................................................................................................ 5
2.1.2. Cruce de dos puntos .................................................................................................... 6
2.1.3. Cruce Probabilístico o Uniforme ................................................................................. 8
2.2 Mutación ............................................................................................................................. 9
3. Aplicación ............................................................................................................................... 10
1. Introducción
Cuando hablamos de algoritmos genéticos, hay que hablar de John Holland que en 1962
asienta las bases para sus posteriores desarrollos hasta llegar a lo que se conoce hoy por
algoritmos genéticos.
generación.
Estos algoritmos permiten abordar problemas complejos que surgen en las ingenierías y
problemas habrá que seguir una serie de pasos. Una premisa es conseguir que el
de forma aleatoria habrá que tener en cuenta que se garantice una cierta diversidad en
la población generada.
soluciones candidatas.
adaptación).
los dos.
afectan a uno o más rasgos del individuo. En otras palabras, la mutación realiza un
hijos es posible que la descendencia tenga peor ajuste que los padres.
cada uno de ellos: la cabeza y la cola. Se intercambian las colas entre los dos
respectivamente
a. C1 := P1[1],...,P1[k],P2[k + 1],...,P2[n]
b. C2 := P2[1],...,P2[k],P1[k + 1],...,P1[n]
los bloques constructores son esquemas cortos y de bajo orden, y cuando esto
problemas.
genera dos puntos de corte en vez de uno. Formalmente el operador de cruce por
respectivamente
1],...,P1[k2],P2[k2 + 1],...,P2[n]
único punto los cromosomas de los padres como en el caso anterior se realizan
dos cortes. Deberá tenerse en cuenta que ninguno de estos puntos de corte
coincida con el extremo de los cromosomas para garantizar que se originen tres
los padres y los segmentos laterales de otro padre como lo muestra la siguiente
Figura 4.
esta. Aunque se admite que el cruce de dos puntos aporta una sustancial mejora
segmentos por separado quizás pierdan las características de bondad que poseían
cruce se consigue que el espacio de búsqueda del problema sea explorado más a
fondo.
hay un 1, el gen situado en esa posición en uno de los descendientes es copia del
primer padre. Si por el contrario hay un 0 el gen se copia del segundo padre. Para
Combinatoria.
2.2 Mutación
limitadas por un óptimo local. Por lo tanto la mutación consiste en modificar ciertos
abusa de la mutación podemos caer en el uso del algoritmo genético como una
simple búsqueda aleatoria. Por lo tanto antes de aumentar las mutaciones, conviene
la inversión del gen mutado que corresponderá con un bit. En el caso de una
o intercambiar un número por otro que está en otra posición del cromosoma
Miguel actualmente tiene una dieta basada en grasas lo cual le genera sobrepeso, y para
este verano desea ponerse en forma, por ello va a un nutricionista y este le recomienda
una serie de alimentos que tiene que incluir en su dieta para alcanzar este objetivo, en
por comida sea de 60g y su consumo de grasas no debe exceder a 25g por comida. ¿Qué
Elabore una simulación de todos los operadores para una generación y una población
de N=4
Solución:
aleatoriamente, donde cero significa que no debe incluir ese alimento en su dieta y 1
con las condiciones o no, y luego los que no cumplen las condiciones los desechamos,
mientras los que si cumplen son seleccionados para ser los padres.
Se hizo 2 tipos de cruce (en 1 punto y en 2 puntos) y los resultados son los siguientes.
Como ninguno de los hijos sirve para ser parte de la solución, es decir ningún hijo tiene
procede a la mutación. Para ello se escogieron a los hijos que están más próximos a
cumplir ambas condiciones (Hijo 2 e Hijo 4) .Notamos que estos hijos tienen una
ingesta baja en grasas totales por comida y están muy cerca de tener una ingesta
generación de poblaciones.
Conclusiones:
Como solo se hizo para una generación, la solución óptima será la que tenga mayor
Padre 1 como la solución óptima por ser la población que cuenta con muchas más
{1,2,3,…,30,31}
SOLUCION
Primero, tomamos una población de 4 números al azar dentro del rango, los cuales están
𝑓𝑖
𝑃𝑟𝑜𝑏. 𝑆𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛 =
∑ 𝑓𝑖
Donde:
Entonces:
Se escogen los valores que tienen una cuenta actual diferente de cero y como existe 2
Luego pasamos a la mutación la cual se realiza de manera aleatoria con el fin de obtener
la solución más óptima para la función. Obtenernos que el Hijo 1 es la mejor solución
la población para ello crea los individuos que están expresados en base binaria y son
Una vez creada la población, la variable x expresa cada una de las poblaciones en base
decimal y luego se eleva al cuadrado; el conteo actual compara cada una de las
seleccionar padres el cual utiliza el mejor valor de las poblaciones, es decir el que tomo
valor 2 en el conteo actual y el mayor de los valores 1. Así la macro por cada
generación que evalué se ira maximizando la función hasta llegar al valor que maximice