Sandoval Solís, María de LourdesSandoval Solís, María de Lourdes; 0000-0002-8475-2693Manzano Medina, Luis Mario2025-10-242025-10-242019-08https://hdl.handle.net/20.500.12371/30044"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".pdfspaINGENIERÍA Y TECNOLOGÍAMatemáticas--Análisis--Métodos analíticos utilizados en la solución de problemas físicos--Optimización matemáticaAlgoritmos genéticos--DesarrolloCromosomas--AnálisisTesis de licenciaturaopenAccess