Autor: Fátima Torrealba
La revista Algoritmos Genéticos, tiene como misión la divulgación de información de carácter practico, científico, tecnológico y social, de las investigaciones realizadas con respecto a esta interesante e importante rama de la Inteligencia Artificial. Cabe destacar, que estas investigaciones son de carácter académico y es dirigida a estudiantes y profesores de la Universidad Bicentenaria de Aragua (UBA), con el fin de instruir a los mismos en sus diferentes áreas formativas. La revista contribuye de esta forma a la discusión y divulgación tecnológicas actuales, así como al debate social y cultural, reforzando cada vez su misión y carácter pluridisciplinarios.
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Superior
Universidad Bicentenaria de Aragua
Facultad de Ingeniería
Escuela de Sistemas
Fátima Torrealba
Fátima Torrealba
Fátima Torrealba
La forma en la que hoy en día la Programación puede tomar como fuente de inspiración a la reproducción de los seres vivos es inigualable y como esta pudo incluso imitar a la evolución biológica como estrategia de resolución de problemas de optimización lo es aún más. Por eso, la primera edición de esta revista digital, busca dar pie a los conocimientos de sus lectores en cuanto a los algoritmos genéticos y como estos hoy en día son parte del diseño de soluciones a problemas usuales de la vida diaria. También serán abordados temas como sus aportes a la Inteligencia Artificial, el origen del concepto de computación evolutiva y algunos de los modelos de computación bioinspirados.
ALGORITMOS GENÉTICOS
COMO TÉCNICA DE BÚSQUEDA Y OPTIMIZACIÓN
Los Algoritmos Genéticos están basados en la selección natural y el mecanismo de la genética natural. Combinan la supervivencia más compatible entre las estructuras de cadena con una estructura de información ya aleatoria que se intercambiará para crear un algoritmo de búsqueda con algunas de las características innovadoras de la búsqueda humana.
Muchos problemas cuentan hoy en día con algoritmos optimizados los cuales han sido desarrollados para ellos, mientras que muchos otros requieren que su solución se adivine al azar hasta dar con la respuesta correcta.
Hasta una solución óptima se puede convertir en un proceso lento y complejo en cierto punto, en este momento podemos pasar a procesos naturales para ver cómo estos pueden alcanzar resultados aceptables.
ALGORITMOS GENÉTICOS COMO TÉCNICA DE BÚSQUEDA Y OPTIMIZACIÓN
Los algoritmos genéticos son herramienta muy útiles cuando se quieren resultados rápidos en problemas de optimización búsqueda. Encontrar una solución exacta a su problema no siempre está garantizado, pero una aproximación debería ser suficiente.
Las aplicaciones de los GA incluyen a la programación, transporte, planificación de ruta, tecnologías de grupo, diseño de plano, entrenamiento de red neural y muchos otros.
¿ En qué se diferencia un algoritmo genético de uno tradicional?
A diferencia de los algoritmos tradicionales, los algoritmos genéticos son dinámicos, evolucionan con el tiempo y son utilizados de forma eficaz para representar información que cambia con frecuencia.
APORTES DE LOS
ALGORITMOS GENÉTICOS
A LA INTELIGENCIA ARTIFICIAL.
La Inteligencia Artificial (IA) se caracteriza por ser una de las ramas más estudiadas dentro de la optimización, la cual viene dada por la computación evolutiva y los Algoritmos Genéticos (AG). Estos últimos como ya hemos mencionado anteriormente están basados en la selección natural y la genética con el fin de evolucionar de una población inicial hacia mejores espacios de búsqueda, a través de operaciones de selección, mutación y crossover (recombinación).
En los últimos años, grandes compañías de la talla de Google, Apple y Microsoft, han hecho un uso considerable de la Inteligencia Artificial en diferentes proyectos.
De hecho, la IA representa solo un paraguas que se encarga de cubrir todas aquellas metas, acercamientos, herramientas y aplicaciones. Los Algoritmos Genéticos (AG) representan una opción dentro de las herramientas inteligentes que buscan soluciones a través de muchas opciones posibles.
COMPUTACIÓN EVOLUTIVA
Durante los últimos años, la comunidad científica internacional ha mostrado un gran interés en la técnica de búsqueda basada en algoritmo genéticos. Basándose en los mecanismos de selección utilizados por la naturaleza, y donde solo los individuos más aptos de una población son los que tienden a sobreviven, debido a su forma de adaptación fácil y rápida en lo referente a los cambios que se producen en su entorno
La computación evolutiva se trata de una rama de la IA la cual involucra problemas de optimización combinatoria. Proporcionan un medio alternativo ante problemas complejos en diferentes áreas, tales como la ingeniería, química, medicina, economía, entre otras
Durante las décadas de 1960 y 1970, varias corrientes de investigación independiente comenzaron a formar lo que ahora se conoce como Computación Evolutiva.
Se han propuesto varios enfoques para la computación evolutiva: estrategias evolutivas, algoritmos genéticos, programación genética, clasificadores genéticos, entre otras.
Dentro de los principales algoritmos (modelos) bioinspirados existentes se encuentran:
REDES NEURONALES
Se trata de un Sistema basado en el comportamiento del sistema nervioso, con el fin de resolver problemas de optimización.
MODELOS EVOLUTIVOS
Esta basado en la imitación de los seres vivos para la correcta adaptación con su entorno.
COLONIA DE HORMIGAS
Este modelo está basado en el comportamiento de las hormigas cuando recogen comida
COLMENA DE ABEJAS
Centrado en el comportamiento de las abejas para la recolección de néctar.
Los Algoritmos Genéricos se caracterizan por la búsqueda de individuos que puedan tener el mejor desempeño posible en sus tareas y a la vez utilizar sus características con el fin de producir individuos que se encuentren “mejor adaptados” en cada generación, lo que los hace ser mejores en su tarea que los individuos anteriores.
Sin duda, los Algoritmos Genéticos generan las soluciones posibles a un problema como individuos que forman parte de una población. Donde cada uno posee una secuencia de caracteres denominado gen, y al conjunto de caracteres se le denomina cromosoma.
Por otro lado, los individuos son evaluados de acuerdo a que tan bien solucionan el problema y posteriormente, son seleccionados los mejores individuos, donde llegan a la etapa de recombinación genética, donde se emplean estrategias de cruce y mutación con el fin de producir variedades de individuos diferentes a sus antecesores, las cuales son utilizados para poblar
la siguiente generación del algoritmo.
Sin duda, los algoritmos genéticos forman parte importante de las más nuevas tecnologías en la actualidad, permitiendo tomar los sistemas biológicos los cuales han venido evolucionando por miles de años, haciendo suyas aquellas ideas y conceptos, aplicando cada uno de ellos a las nuevas tecnologías de información que nos rodean en el día a día, haciendo de la vida algo mucho más fácil y mejorando los sistemas que pasaron de métodos más manuales a métodos más automáticos gracias a la biología y sus sistemas los cuales fueron tomados para ser replicados en un contexto tecnológico.
Fátima Torrealba
Redacción y recolección de datos
Fátima Torrealba
Edición
Fátima Torrealba
Entretenimiento
Fátima Torrealba
Análisis y aprobación
Fátima Torrealba
Publicación
REFERENCIAS
Buenas tareas. (9 de Mayo de 2013). Buenas tareas. Obtenido de https://www.buenastareas.com/ensayos/ComputacionEvolutiva/26013959.html
Marczyk, A. (2004). Algoritmos genéticos y computación evolutiva. Departamento de Informática, universidad de Colorado.
Campos, M. (25 de Marzo de 2019). Medium. Obtenido de https://medium.com/soldai/algoritmos-gen%C3%A9ticos-eninteligencia-artificial-parte-i-introducci%C3%B3n-c87b1f52c34f
Valencia, P. E. (1997, August). Optimización mediante algoritmos genéticos. In Anales del Instituto de Ingenieros de Chile (Vol. 109, No. 2, pp. 83-92)
Conogasi. (12 de Octubre de 2008). Conogasi. Obtenido de https://conogasi.org/articulos/algoritmos-geneticos/ Corchero Rodríguez, A. (3 de Marzo de 2009). Segu-info. Obtenido de https://blog.segu-info.com.ar/2009/03/sistemas-bioinspirados.html
Enzyme Advising Group. (1 de Octubre de 2021). Enzyme. Obtenido de https://enzyme.biz/blog/algoritmos-geneticos-y-sus-aplicaciones-parasoluciones
Ossipov, E. (23 de Marzo de 2017). Developers. Obtenido de https://www.toptal.com/algorithms/algoritmos-geneticos-busqueda-yoptimizacion-por-seleccion-natural
Sancho, F. (4 de Noviembre de 2019). cs.us. Obtenido de http://www.cs.us.es/~fsancho/?e=65
Vicerrectoría Educación Continua y Posgrados. (18 de Noviembre de 2021). blog.maestriasydiplomados. Obtenido de https://blog.maestriasydiplomados.tec.mx/una-nueva-ingenieria-paraentender-a-la-naturaleza
