Algoritmos genéticos para funciones multimodales
Date
2019-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"Los algoritmos genéticos son métodos de optimización de aprendizaje y búsqueda basados en procesos de evolución genética [1, 4, 5, 8, 10, 11, 12]. Los diferentes tipos de problemas que se pueden resolver a través de algoritmos genéticos es transformando el problema en una función de mínimos en f (x, y), para resolverlo se realiza un modelo computacional. Donde la función de mínimos es transformada a una función de aptitud y el espacio de soluciones se representa computacionalmente como cromosomas (cadena). El modelo computacional consiste en generar una población inicial, la evolución se representa por medio de la cruza y mutación, produciendo una nueva generación de población. Repitiendo este procedimiento se genera la evolución de la población. La población representa el espacio de soluciones del problema a optimizar. La población se representa por medio de cromosomas los cuales computacionalmente son cadena que puede ser representado en forma binaria, punto flotante, permutación o según requiera el problema a resolver [3]. La función de aptitud permite medir que tan aptos son los cromosomas. Generalmente está relacionada con la función objetivo y depende del problema a resolver".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading