Introduccion a la Computacion Evolutiva

(Notas de Curso)

Dr. Carlos A. Coello Coello

CINVESTAV-IPN
Departamento de Ingeniera Electrica
Seccion de Computacion
Av. Instituto Politecnico Nacional No. 2508
Col. San Pedro Zacatenco
Mexico, D.F. 07300
[email protected]
Enero, 2004

c 2000,2001,2002,2003,2004
Todos los derechos reservados

Dedicatorias

A mi esposa Lupita,
por todo el apoyo que
siempre me ha brindado.

A mi hijo Carlos Felipe,

quien me motiva a querer
llegar cada vez mas

lejos en mi profesion.

A mis padres Carlos y Victoria,

por haberme ensenado
tantas cosas importantes que
no se aprenden en la escuela.

Contenido
1

Conceptos Basicos
1.1 Analisis de algoritmos . . . . . .
1.2 Tecnicas Clasicas de Optimizacion
1.3 Tecnicas heursticas . . . . . . . .
1.4 Conceptos Importantes . . . . . .
1.5 Problemas propuestos . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Un vistazo historico a la computacion evolutiva

2.1 El origen de las ideas . . . . . . . . . . . .
2.2 Lamarckismo . . . . . . . . . . . . . . . .
2.3 La teora del germoplasma . . . . . . . . .
2.4 Russell y Darwin . . . . . . . . . . . . . .
2.5 La teora de la combinacion . . . . . . . . .
2.6 Las leyes de la herencia de Mendel . . . . .
2.7 La teora de la pangenesis . . . . . . . . . .
2.8 La teora de la mutacion . . . . . . . . . .
2.9 La teora cromosomica de la herencia . . .
2.10 Neo-Darwinismo . . . . . . . . . . . . . .
2.11 Inspiracion biologica . . . . . . . . . . . .
2.12 Alexander Fraser . . . . . . . . . . . . . .
2.13 EVOP . . . . . . . . . . . . . . . . . . . .
2.14 La evolucion de programas de Friedberg . .
2.15 Friedman y la robotica evolutiva . . . . . .
2.16 Vida artificial . . . . . . . . . . . . . . . .
2.17 La optimizacion evolutiva de Bremermann .
2.18 La programacion evolutiva . . . . . . . . .
2.19 Las estrategias evolutivas . . . . . . . . . .
2.20 Los algoritmos geneticos . . . . . . . . . .
5

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

23
23
27
33
35
38

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

41
41
43
44
45
46
47
48
50
50
51
52
52
53
54
55
56
57
57
58
60

2.21
2.22
2.23
2.24

Ecosistemas artificiales
Programacion genetica
Dinamica evolutiva . .
Problemas propuestos .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

. 61
. 62
. 63
. 64

3 Principales Paradigmas
3.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Programacion evolutiva . . . . . . . . . . . . . . . . . . .
3.1.1.1 Algoritmo . . . . . . . . . . . . . . . . . . . .
3.1.1.2 Ejemplo . . . . . . . . . . . . . . . . . . . . .
3.1.2 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . .
3.1.3 Estrategias Evolutivas . . . . . . . . . . . . . . . . . . .
3.1.3.1 Algoritmo . . . . . . . . . . . . . . . . . . . .
3.1.3.2 Ejemplo . . . . . . . . . . . . . . . . . . . . .
3.1.3.3 Convergencia . . . . . . . . . . . . . . . . . .
3.1.3.4 Auto-Adaptacion . . . . . . . . . . . . . . . .
3.1.3.5 Estrategias Evolutivas vs Programacion Evolutiva
3.1.3.6 Aplicaciones . . . . . . . . . . . . . . . . . . .
3.1.4 Algoritmos Geneticos . . . . . . . . . . . . . . . . . . .
3.1.4.1 Algoritmo . . . . . . . . . . . . . . . . . . . .
3.1.4.2 Algoritmos geneticos vs otras tecnicas evolutivas
3.1.4.3 Aplicaciones . . . . . . . . . . . . . . . . . . .
3.2 Diferencias de las tecnicas evolutivas con respecto a las tradicionales
3.3 Ventajas de las Tecnicas Evolutivas . . . . . . . . . . . . . . . .
3.4 Crticas a las Tecnicas Evolutivas . . . . . . . . . . . . . . . . . .
3.5 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . .
4 Terminologa Biologica y de Computacion Evolutiva
4.1 Introduccion . . . . . . . . . . . . . . . . . . . .
4.2 Tipos de Aprendizaje . . . . . . . . . . . . . . .
4.3 Conceptos de Computacion Evolutiva . . . . . .
4.4 Problemas propuestos . . . . . . . . . . . . . . .
5 La Importancia de la Representacion
5.1 Introduccion . . . . . . . . . . . . . . .
5.2 Codigos de Gray . . . . . . . . . . . .
5.3 Codificando Numeros Reales . . . . . .
5.4 Representaciones de Longitud Variable .
6

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

67
67
68
68
69
69
70
70
70
71
72
73
73
74
74
75
76
78
78
79
80

.
.
.
.

83
. 83
. 89
. 89
. 94

.
.
.
.

95
95
98
99
102

.
.
.
.

5.5
5.6
5.7
5.8
5.9
5.10
6

Representacion de a rbol . . . . . . . . . . . . . . . . . . . . . .
Algoritmo Genetico Estructurado . . . . . . . . . . . . . . . . .
Otras propuestas . . . . . . . . . . . . . . . . . . . . . . . . . .
Tendencias futuras . . . . . . . . . . . . . . . . . . . . . . . .
Recomendaciones para el Diseno de una Buena Representacion .
Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . .

Tecnicas de Seleccion
6.1 Seleccion Proporcional . . . . . . . . . . . . . . . . . . . . .
6.1.1 La Ruleta . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1.1 Analisis de la Ruleta . . . . . . . . . . . . .
6.1.2 Sobrante Estocastico . . . . . . . . . . . . . . . . . .
6.1.2.1 Analisis del Sobrante Estocastico . . . . . .
6.1.3 Universal Estocastica . . . . . . . . . . . . . . . . . .
6.1.3.1 Analisis de la seleccion universal estocastica
6.1.4 Muestreo Determinstico . . . . . . . . . . . . . . . .
6.1.4.1 Analisis del muestreo determinstico . . . .
6.1.5 Escalamiento Sigma . . . . . . . . . . . . . . . . . .
6.1.5.1 Analisis del escalamiento sigma . . . . . . .
6.1.6 Seleccion por Jerarquas . . . . . . . . . . . . . . . .
6.1.6.1 Analisis de las jerarquas lineales . . . . . .
6.1.7 Seleccion de Boltzmann . . . . . . . . . . . . . . . .
6.1.7.1 Analisis de la seleccion de Boltzmann . . .
6.2 Seleccion Mediante Torneo . . . . . . . . . . . . . . . . . . .
6.2.1 Analisis de la seleccion mediante torneo . . . . . . . .
6.3 Seleccion de Estado Uniforme . . . . . . . . . . . . . . . . .
6.3.1 Analisis de la Seleccion de Estado Uniforme . . . . .
6.4 Brecha Generacional . . . . . . . . . . . . . . . . . . . . . .
6.5 Otras Tecnicas de Seleccion . . . . . . . . . . . . . . . . . .
6.5.1 Seleccion Disruptiva . . . . . . . . . . . . . . . . . .
6.5.1.1 Analisis de la seleccion disruptiva . . . . . .
6.5.2 Jerarquas No Lineales . . . . . . . . . . . . . . . . .
6.5.2.1 Analisis de las jerarquas no lineales . . . .
6.5.3 Seleccion Competitiva . . . . . . . . . . . . . . . . .
6.6 Clasificaciones de Tecnicas de Seleccion . . . . . . . . . . . .
6.7 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . .
7

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

105
110
112
112
113
114

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

115
115
116
117
117
119
119
121
121
122
122
123
123
124
125
126
126
128
129
130
130
131
131
132
132
133
135
135
136

7 Tecnicas de Cruza
7.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.1 Cruza de un punto . . . . . . . . . . . . . . . . . . . . .
7.1.1.1 Orden de un esquema . . . . . . . . . . . . . .
7.1.1.2 Longitud de definicion . . . . . . . . . . . . . .
7.1.1.3 Analisis de la cruza de un punto . . . . . . . . .
7.1.2 Cruza de dos puntos . . . . . . . . . . . . . . . . . . . .
7.1.3 Cruza uniforme . . . . . . . . . . . . . . . . . . . . . . .
7.1.4 Cruza Acentuada . . . . . . . . . . . . . . . . . . . . . .
7.1.4.1 Observaciones sobre la cruza acentuada . . . .
7.2 Sesgos de la Cruza . . . . . . . . . . . . . . . . . . . . . . . . .
7.2.1 Sesgo distribucional . . . . . . . . . . . . . . . . . . . .
7.2.2 Sesgo posicional . . . . . . . . . . . . . . . . . . . . . .
7.3 Variantes de la Cruza . . . . . . . . . . . . . . . . . . . . . . . .
7.4 Comportamiento Deseable de la Cruza . . . . . . . . . . . . . . .
7.5 Cruza para representaciones alternativas . . . . . . . . . . . . . .
7.5.1 Cruza para Programacion Genetica . . . . . . . . . . . .
7.5.1.1 Observaciones sobre la cruza para programacion
genetica . . . . . . . . . . . . . . . . . . . . .
7.5.2 Cruza para Permutaciones . . . . . . . . . . . . . . . . .
7.5.2.1 Order Crossover (OX) . . . . . . . . . . . . . .
7.5.2.2 Partially Mapped Crossover (PMX) . . . . . . .
7.5.2.3 Position-based Crossover . . . . . . . . . . . .
7.5.2.4 Order-based Crossover . . . . . . . . . . . . .
7.5.2.5 Cycle Crossover (CX) . . . . . . . . . . . . . .
7.5.3 Otras propuestas . . . . . . . . . . . . . . . . . . . . . .
7.6 Cruza para Representacion Real . . . . . . . . . . . . . . . . . .
7.6.1 Cruza Simple . . . . . . . . . . . . . . . . . . . . . . . .
7.6.2 Cruza de dos puntos . . . . . . . . . . . . . . . . . . . .
7.6.3 Cruza uniforme . . . . . . . . . . . . . . . . . . . . . . .
7.6.4 Cruza intermedia . . . . . . . . . . . . . . . . . . . . . .
7.6.5 Cruza aritmetica simple . . . . . . . . . . . . . . . . . .
7.6.6 Cruza aritmetica total . . . . . . . . . . . . . . . . . . . .
7.6.7 Simulated Binary Crossover (SBX) . . . . . . . . . . . .
7.7 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . .
8

141
141
141
142
142
143
143
145
145
146
147
147
148
148
149
149
149
150
151
152
153
153
154
155
157
157
158
158
158
159
159
160
161
162

Mutacion
8.1 Mutacion para Permutaciones . . . . . . . . . . . . . .
8.1.1 Mutacion por Insercion . . . . . . . . . . . . .
8.1.2 Mutacion por Desplazamiento . . . . . . . . .
8.1.3 Mutacion por Intercambio Recproco . . . . .
8.1.4 Mutacion Heurstica . . . . . . . . . . . . . .
8.2 Mutacion para Programacion Genetica . . . . . . . . .
8.3 Mutacion para Representacion Real . . . . . . . . . .
8.3.1 Mutacion No Uniforme . . . . . . . . . . . . .
8.3.2 Mutacion de Lmite . . . . . . . . . . . . . . .
8.3.3 Mutacion Uniforme . . . . . . . . . . . . . . .
8.3.4 Parameter-Based Mutation . . . . . . . . . . .
8.4 Cruza vs. Mutacion . . . . . . . . . . . . . . . . . . .
8.4.1 Cual es el poder exploratorio de la mutacion?
8.5 Problemas Propuestos . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

165
165
165
166
166
166
167
168
168
169
170
171
172
172
173

Ajuste de Parametros
9.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . .
9.2 Los experimentos de De Jong . . . . . . . . . . . . . . .
9.3 Tamano o ptimo de poblacion . . . . . . . . . . . . . . .
9.4 Los experimentos de Schaffer . . . . . . . . . . . . . . .
9.5 Auto-adaptacion . . . . . . . . . . . . . . . . . . . . . .
9.5.1 La propuesta de Davis . . . . . . . . . . . . . .
9.5.2 Crticas a la auto-adaptacion . . . . . . . . . . .
9.6 Mecanismos de Adaptacion . . . . . . . . . . . . . . . .
9.6.1 Mutaciones Variables . . . . . . . . . . . . . . .
9.6.2 Mutacion dependiente de la aptitud . . . . . . .
9.6.3 AGs adaptativos . . . . . . . . . . . . . . . . .
9.6.4 Tecnicas Adaptativas Basadas en Logica Difusa .
9.6.5 Representaciones Adaptativas . . . . . . . . . .
9.7 Problemas Propuestos . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

175
175
175
178
180
181
184
185
185
185
186
186
187
187
189

.
.
.
.
.

191
191
193
193
193
194

10 Manejo de Restricciones
10.1 Funciones de Penalizacion . . .
10.1.1 Pena de Muerte . . . . .
10.1.1.1 Analisis . . .
10.1.2 Penalizaciones estaticas
10.1.2.1 Analisis . . .
9

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

10.1.3 Penalizaciones Dinamicas . . . . . . . . . . . . . . . . . 194

10.1.3.1 Analisis . . . . . . . . . . . . . . . . . . . . . 194
10.1.4 Uso de recocido simulado . . . . . . . . . . . . . . . . . 194
10.1.4.1 Analisis . . . . . . . . . . . . . . . . . . . . . 195
10.1.5 Penalizaciones Adaptativas . . . . . . . . . . . . . . . . . 195
10.1.5.1 Analisis . . . . . . . . . . . . . . . . . . . . . 195
10.1.6 Algoritmo genetico segregado . . . . . . . . . . . . . . . 196
10.1.6.1 Analisis . . . . . . . . . . . . . . . . . . . . . 196
10.1.7 Penalizacion con base en la factibilidad . . . . . . . . . . 196
10.1.7.1 Analisis . . . . . . . . . . . . . . . . . . . . . 197
10.2 Tecnicas que usan conceptos de Optimizacion Multiobjetivo . . . 197
10.2.1 COMOGA . . . . . . . . . . . . . . . . . . . . . . . . . 198
10.2.2 Direct Genetic Search . . . . . . . . . . . . . . . . . . . 199
10.2.3 Reduccion de objetivos, no dominancia y busqueda lineal. 199
10.2.4 Seleccion por torneo con reglas especiales. . . . . . . . . 200
10.2.5 VEGA para manejo de restricciones . . . . . . . . . . . . 200
10.2.6 Jerarquas en distintos espacios y restricciones de apareamiento201
10.2.7 MOGA y no dominancia . . . . . . . . . . . . . . . . . . 201
10.2.8 NPGA para manejo de restricciones . . . . . . . . . . . . 202
10.2.9 Constrained Robust Optimization . . . . . . . . . . . . . 203
10.2.10 EMO para optimizacion con restricciones, satisfaccion de
restricciones y programacion por metas . . . . . . . . . . 204
10.2.11 Asignacion de aptitud en 2 fases . . . . . . . . . . . . . . 204
10.2.12 Otras propuestas . . . . . . . . . . . . . . . . . . . . . . 205
10.3 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . 205
11 Software
207
11.1 Software de Dominio Publico . . . . . . . . . . . . . . . . . . . . 208
11.2 Software Comercial . . . . . . . . . . . . . . . . . . . . . . . . . 213
11.3 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . 215
12 Fundamentos Teoricos
12.1 Paralelismo Implcito . . . . . . . . . . .
12.2 Derivacion del Teorema de los Esquemas
12.2.1 Efecto de la Seleccion . . . . . .
12.2.2 Efecto de la Cruza . . . . . . . .
12.2.3 Efecto de la Mutacion . . . . . .
12.3 Crticas al Teorema de los Esquemas . . .
10

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

217
219
220
221
221
222
223

12.4 No Free Lunch Theorem . . . . . . . . . . . . . . .

12.5 Decepcion . . . . . . . . . . . . . . . . . . . . . . .
12.6 Areas abiertas de investigacion . . . . . . . . . . . .
12.7 Cuando debe utilizarse un AG? . . . . . . . . . . .
12.8 Que es lo que hace difcil un problema para un AG?
12.9 Las Funciones de la Carretera Real . . . . . . . . . .
12.10Cuando debe usarse un AG? . . . . . . . . . . . . .
12.11Diseno de Funciones Deceptivas . . . . . . . . . . .
12.12Estudios de Convergencia . . . . . . . . . . . . . . .
12.12.1 Algoritmo Genetico Sin Elitismo . . . . . .
12.12.2 Algoritmo Genetico Elitista . . . . . . . . .
12.13Problemas Propuestos . . . . . . . . . . . . . . . . .
13 Operadores Avanzados
13.1 Diploides y Dominancia . . .
13.2 Inversion . . . . . . . . . . .
13.3 Micro-Operadores . . . . . . .
13.3.1 Segregacion . . . . . .
13.3.2 Traslocacion . . . . .
13.3.3 Duplicacion y Borrado
13.4 Problemas Propuestos . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

14 Aplicaciones Exitosas de la Computacion Evolutiva

14.1 Diseno de Peptidos . . . . . . . . . . . . . . . .
14.2 Optimizacion de Estrategias de Produccion . . .
14.3 Prediccion . . . . . . . . . . . . . . . . . . . . .
14.4 Diseno de un Sistema de Suspension . . . . . . .
14.5 Programacion de Horarios . . . . . . . . . . . .
14.6 Diseno de una Red de Agua Potable . . . . . . .
14.7 Optimizacion de Losas de Concreto Prefabricadas
14.8 Problemas Propuestos . . . . . . . . . . . . . . .
15 AGs Paralelos
15.1 Nociones de Paralelismo . .
15.2 AGs Paralelos . . . . . . . .
15.2.1 Paralelizacion global
15.2.2 AGs de grano grueso
15.2.3 AG de grano fino . .

.
.
.
.
.

.
.
.
.
.

11

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

224
224
225
226
226
229
231
231
234
235
237
239

.
.
.
.
.
.
.

241
241
243
245
245
245
245
246

.
.
.
.
.
.
.
.

247
247
247
248
248
249
249
251
252

.
.
.
.
.

255
255
257
258
259
263

15.2.4 Esquemas hbridos . . . . . . . . . . .

15.2.5 Tipos de Arquitecturas . . . . . . . . .
15.2.5.1 SIMD . . . . . . . . . . . .
15.2.5.2 Migracion . . . . . . . . . .
15.2.5.3 MIMD . . . . . . . . . . . .
15.2.6 Metricas . . . . . . . . . . . . . . . . .
15.2.7 Midiendo la diversidad . . . . . . . . .
15.2.8 Velocidad de propagacion de esquemas
15.3 Problemas Propuestos . . . . . . . . . . . . . .
16 Tecnicas Evolutivas Alternativas
16.1 Evolucion Diferencial . . . . . . . . . .
16.2 Modelos Probabilsticos . . . . . . . . .
16.3 Evolucion Simulada . . . . . . . . . . .
16.4 El Futuro de la Computacion Evolutiva .

12

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.

263
265
266
266
267
270
271
271
272

.
.
.
.

273
273
274
275
276

Lista de Tablas
3.1

Tabla comparativa de los tres paradigmas principales que conforman la computacion evolutiva [9]. . . . . . . . . . . . . . . . . . 77

8.1

Tabla de verdad para el segundo problema propuesto. . . . . . . . 174

13

14

Lista de Figuras
1.1
1.2
1.3

35
36

1.4

Dos ejemplos de conjuntos convexos. . . . . . . . . . . . . . . .

Dos ejemplos de conjuntos no convexos. . . . . . . . . . . . . . .
Representacion grafica de la zona factible (denotada con ) de un
problema. Advierta que en este caso la zona factible es disjunta. .
Escalareas entrecruzadas del problema 2.1.b. . . . . . . . . . . . .

2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
2.19

Georges Louis Leclerc (Conde de Buffon). . . . . . . . . . . . .

Jean Baptiste Pierre Antoine de Monet (Caballero de Lamarck).
August Weismann. . . . . . . . . . . . . . . . . . . . . . . . .
Alfred Russell Wallace. . . . . . . . . . . . . . . . . . . . . . .
Charles Robert Darwin. . . . . . . . . . . . . . . . . . . . . . .
Johann Gregor Mendel. . . . . . . . . . . . . . . . . . . . . . .
Francis Galton. . . . . . . . . . . . . . . . . . . . . . . . . . .
Hugo De Vries. . . . . . . . . . . . . . . . . . . . . . . . . . .
Thomas Hunt Morgan. . . . . . . . . . . . . . . . . . . . . . .
Alan Mathison Turing. . . . . . . . . . . . . . . . . . . . . . .
George E. P. Box. . . . . . . . . . . . . . . . . . . . . . . . . .
Lawrence J. Fogel. . . . . . . . . . . . . . . . . . . . . . . . .
Hans-Paul Schwefel. . . . . . . . . . . . . . . . . . . . . . . .
John H. Holland. . . . . . . . . . . . . . . . . . . . . . . . . .
Michael Conrad. . . . . . . . . . . . . . . . . . . . . . . . . .
Howard H. Pattee. . . . . . . . . . . . . . . . . . . . . . . . . .
John R. Koza. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Thomas S. Ray. . . . . . . . . . . . . . . . . . . . . . . . . . .
James Mark Baldwin. . . . . . . . . . . . . . . . . . . . . . . .

42
42
44
45
46
47
49
49
51
52
53
57
59
60
61
61
63
64
65

3.1

Portada de la edicion reciente (1999) del libro Artificial Intelligence through Simulated Evolution, con el cual se originara la
programacion evolutiva. . . . . . . . . . . . . . . . . . . . . . . . 68

15

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

37
39

3.2

3.3
3.4

3.5
3.6

3.7

4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8

Automata finito de 3 estados. Los smbolos a la izquierda de /

son de entrada, y los de la derecha son de salida. El estado inicial
es C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Thomas Back. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Portada de una edicion reciente (publicada por el MIT Press) del
libro en el que Holland diera a conocer originalmente los algoritmos geneticos (en 1975). . . . . . . . . . . . . . . . . . . . . . .
Ejemplo de la codificacion (mediante cadenas binarias) usada tradicionalmente con los algoritmos geneticos. . . . . . . . . . . . . .
Portada del libro de David E. Goldberg sobre algoritmos geneticos.
A este importante libro se debe, en gran medida, el e xito (cada vez
mayor) de que han gozado los algoritmos geneticos desde principios de los 1990s. . . . . . . . . . . . . . . . . . . . . . . . . . .
Portada del libro de John Koza sobre programacion genetica. Este
libro marco el inicio de una nueva a rea dentro de la computacion
evolutiva, dedicada principalmente a la solucion de problemas de
regresion simbolica. . . . . . . . . . . . . . . . . . . . . . . . . .

69
72

74
75

76

79

4.9
4.10
4.11
4.12
4.13
4.14

Estructural helicoidal del ADN. . . . . . . . . . . . . . . . . . .

Las cuatro bases de nucleotido . . . . . . . . . . . . . . . . . . .
Cromosomas . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Genoma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Un feto humano. . . . . . . . . . . . . . . . . . . . . . . . . . .
Celula diploide. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Una mutacion (error de copiado). . . . . . . . . . . . . . . . . . .
Un ejemplo de una cadena cromosomica. Esta cadena es el genotipo
que codifica las variables de decision de un problema. . . . . . . .
Un ejemplo de un gene. . . . . . . . . . . . . . . . . . . . . . . .
Un ejemplo de un fenotipo. . . . . . . . . . . . . . . . . . . . . .
Un ejemplo de un individuo. . . . . . . . . . . . . . . . . . . . .
Un ejemplo de un alelo. . . . . . . . . . . . . . . . . . . . . . . .
Un ejemplo de migracion. . . . . . . . . . . . . . . . . . . . . . .
Ejemplo del operador de inversion. . . . . . . . . . . . . . . . . .

5.1
5.2
5.3

Un ejemplo de una cadena binaria. . . . . . . . . . . . . . . . . . 96

Un ejemplo de notacion del IEEE. . . . . . . . . . . . . . . . . . 99
Un ejemplo de un algoritmo genetico con representacion real. . . . 100
16

83
84
84
85
86
86
87
90
90
90
91
91
92
93

5.4

5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
7.1
7.2
7.3
7.4
7.5

Una representacion entera de numeros reales. La cadena completa es decodificada como un solo numero real multiplicando y
dividiendo cada dgito de acuerdo a su posicion. . . . . . . . . . .
Otra representacion entera de numeros reales. En este caso, cada
gene contiene un numero real representado como un entero largo. .
Dos ejemplos de cadenas validas en un algoritmo genetico desordenado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Un ejemplo del operador de corte en un AG desordenado. La
lnea gruesa indica el punto de corte. . . . . . . . . . . . . . . . .
Un ejemplo del operador union en un AG desordenado. La lnea
gruesa muestra la parte de la cadena que fue agregada. . . . . . .
Un ejemplo de un cromosoma usado en programacion genetica. .
Los nodos del a rbol se numeran antes de aplicar el operador de
cruza. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Los dos hijos generados despues de efectuar la cruza. . . . . . . .
Un ejemplo de mutacion en la programacion genetica. . . . . . . .
Un ejemplo de permutacion en la programacion genetica. . . . . .
Un ejemplo de encapsulamiento en programacion genetica. . . . .
Un ejemplo de estructura de dos niveles de un AG estructurado. .
Una representacion cromosomica de la estructura de 2 niveles del
AG estructurado. . . . . . . . . . . . . . . . . . . . . . . . . . .
Ejemplo de una estructura de datos usada para implementar un
AG estructurado. . . . . . . . . . . . . . . . . . . . . . . . . . .

101
102
103
104
105
106
107
107
108
109
109
110
111
111

7.6

Cruza de un punto. . . . . . . . . . . . . . . . . . . . . . . . . .
Cruza de dos puntos. . . . . . . . . . . . . . . . . . . . . . . . .
Cruza uniforme. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Cruza Acentuada. . . . . . . . . . . . . . . . . . . . . . . . . . .
Un ejemplo con dos padres seleccionados para cruzarse, en programacion genetica. . . . . . . . . . . . . . . . . . . . . . . . . .
Los 2 hijos resultantes de la cruza entre los padres de la figura 7.5

142
144
144
146

8.1
8.2

Ejemplo de una mutacion por desplazamiento. . . . . . . . . . . . 166

Ejemplo: Suponemos que el punto de mutacion es el nodo 3. . . . 168

150
151

10.1 Ejemplo de un frente de Pareto. . . . . . . . . . . . . . . . . . . . 199

10.2 Diagrama del algoritmo de NPGA para manejo de restricciones. . 203
12.1 Representacion grafica de los esquemas de longitud tres. . . . . . 218
17

12.2 Representacion grafica de la

Tipo I. . . . . . . . . . . . .
12.3 Representacion grafica de la
Tipo II. . . . . . . . . . . .

clase de
. . . . .
clase de
. . . . .

problemas deceptivos de
. . . . . . . . . . . . . . . 234
problemas deceptivos de
. . . . . . . . . . . . . . . 235

13.1 Ejemplo del uso de cromosomas diploides. . . . . . . . . . . . . . 242

14.1 Dragan Savic. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
15.1 Michael J. Flynn. . . . . . . . . . . . . . . . . . . . . . . . . . .
15.2 Esquema de paralelizacion global de un algoritmo genetico. . . . .
15.3 Esquema de funcionamiento de un algoritmo genetico paralelo de
grano grueso. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15.4 Algunas topologas posibles. . . . . . . . . . . . . . . . . . . . .
15.5 Ejemplo de un esquema hbrido en el que se combina un AG de
grano grueso (a alto nivel) con un AG de grano fino (a bajo nivel).
15.6 Un esquema hbrido en el cual se usa un AG de grano grueso de
alto nivel donde cada nodo es a su vez un AG con paralelismo
global. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15.7 Un esquema hbrido en el que se usa un AG de grano grueso tanto
a alto como a bajo nivel. A bajo nivel, la velocidad de migracion
es mayor y la topologa de comunicaciones es mucho mas densa
que a alto nivel. . . . . . . . . . . . . . . . . . . . . . . . . . . .
15.8 Un ejemplo de arquitectura SIMD. . . . . . . . . . . . . . . . . .
15.9 Un ejemplo de arquitectura MIMD. . . . . . . . . . . . . . . . .
15.10Una topologa que suele usarse con las arquitecturas MIMD es la
de a rbol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15.11Topologa de anillo. . . . . . . . . . . . . . . . . . . . . . . . . .
15.12Topologa de grafo y de estrella. . . . . . . . . . . . . . . . . . .

18

256
258
259
262
264

264

265
266
268
268
269
270

Introduccion
Estas notas de curso son producto de la experiencia de haber impartido clases de
computacion evolutiva a nivel posgrado durante los u ltimos cinco anos.
El material contenido en estas paginas ha sido producto de muchas horas de
trabajo y esfuerzo y pretenden dar una vision general (si bien no completa) de lo
que es la computacion evolutiva y de sus alcances. El objetivo de este material, es
servir como apoyo para la ensenanza de un curso introductorio a la computacion
evolutiva a nivel maestra o doctorado, aunque se requiere obviamente de material
complementario (principalmente referencias bibliograficas). Por lo demas, estas
notas pretenden ser auto-contenidas, de manera que se haga innecesario consultar
otras fuentes bibliograficas (introductorias) adicionales.
La organizacion de estas notas es la siguiente: en el Captulo 1 se proporcionan algunos conceptos basicos de analisis de algoritmos y de optimizacion con
tecnicas clasicas. Partiendo de las limitaciones de las tecnicas clasicas, se plantea
la motivacion para el uso de heursticas en problemas de busqueda y optimizacion
de alta complejidad.
En el Captulo 2 se hace un rapido recorrido historico de la computacion evolutiva, yendo desde el Lamarckismo hasta las corrientes mas modernas, como la
dinamica evolutiva y la programacion genetica.
El Captulo 3 da un panorama general de los tres grandes paradigmas en computacion evolutiva (la programacion evolutiva, las estrategias evolutivas y el algoritmo genetico), describiendo el algoritmo basico de cada uno de ellos as como
algunas de sus aplicaciones. En ese captulo tambien se mencionan algunas de las
crticas de que ha sido objeto la computacion evolutiva (sobre todo, de parte de
los investigadores de IA simbolica).
En el Captulo 4 se proporciona una breve terminologa biologica, junto con
explicaciones del uso que se da a dichos terminos en computacion evolutiva.
El problema de la representacion, que resulta vital en los algoritmos geneticos,
es tratado en el Captulo 5.
19

Las principales tecnicas de seleccion utilizadas con los algoritmos geneticos

se estudian en el Captulo 6.
El Captulo 7 se ocupa de las diferentes tenicas de cruza utilizadas en los algoritmos geneticos. Ademas de estudiar las cruzas para representacion binaria, se
analizan tambien las variantes existentes para representacion real y de permutaciones.
El operador de mutacion es estudiado en detalle en el Captulo 8. Ademas de
analizar su uso con representacion real y de permutaciones, se le compara contra
la cruza.
El Captulo 9 se ocupa de revisar algunos de los estudios mas importantes
en torno a la forma de ajustar los parametros de un algoritmo genetico (sobre
todo, porcentajes de cruza y mutacion y tamano de poblacion). Tambien se discute la auto-adaptacion de parametros y sus problemas principales, as como otros
mecanismos de adaptacion en lnea tales como la logica difusa y las representaciones adaptativas.
Los algoritmos geneticos funcionan como una tecnica de busqueda u optimizacion sin restricciones. De tal forma, se hace necesario acoplarle algun mecanismo para incorporar restricciones de todo tipo (lineales, no lineales, igualdad y
desigualdad). En el Captulo 10 se estudian algunas de las propuestas principales
en torno al manejo de restricciones mediante funciones de penalizacion.
En el Captulo 11 se revisan varios sistemas de software relacionados con
computacion evolutiva (tanto comerciales como de dominio publico).
El Captulo 12 comprende el estudio de algunos de los conceptos teoricos mas
importantes de la computacion evolutiva, incluyendo el teorema de los esquemas,
el paralelismo implcito, la decepcion, el No Free Lunch Theorem y el analisis de
convergencia usando cadenas de Markov.
En el Captulo 13 se habla sobre algunos operadores avanzados, tales como
los diploides, la segregacion, traslocacion, duplicacion y borrado.
El Captulo 14 habla sobre algunas aplicaciones exitosas de la computacion
evolutiva en el mundo real.
Con el creciente uso de las computadoras en problemas cada vez mas complejos, se ha popularizado la adopcion de esquemas de paralelismo y de computo
distribuido en la computacion evolutiva. Este tema es precisamente el que se discute en el Captulo 15.
Finalmente, el Captulo 16 discute brevemente algunos de los paradigmas
emergentes dentro de la computacion evolutiva y se concluye hablando brevemente sobre el futuro de la computacion evolutiva.

20

Reconocimientos
La elaboracion de estas notas no habra sido posible sin la ayuda de la Mat. Ma.
Margarita Reyes Sierra, quien capturo mucho de este texto en formato LATEX2 y
convirtio mis bosquejos a mano en ntidas imagenes en Xfig.
Agradezco al Dr. Arturo Hernandez Aguirre sus incontables (y a veces interminables) discusiones en torno a diferentes temas, entre los que se incluye la
computacion evolutiva. Sus comentarios constructivos siempre me han resultado
de enorme vala.
Manifiesto tambien mi agradecimiento por la generosa ayuda del Laboratorio
Nacional de Informatica Avanzada (LANIA), del CINVESTAV-IPN y de REDIICONACyT, a quienes se debe en gran parte, haber podido preparar este material
didactico. Doy las gracias muy especialmente a la Dra. Cristina Loyo Varela,
Directora General del LANIA, quien siempre me brindo su apoyo incondicional
en todos mis proyectos.
Extiendo tambien un cordial reconocimiento a todos los estudiantes que he
tenido a lo largo de mi vida. Ha sido a traves de ellos que me he nutrido de ricas
experiencias docentes que han forjado mi actual estilo de ensenanza. Gracias a
todos por los buenos y, por que no?, tambien por los malos ratos que me hicieron
pasar.

21

22

Captulo 1
Conceptos Basicos
Antes de aventurarse a tomar un curso de computacion evolutiva (o sobre heursticas
de cualquier otro tipo), es muy importante tener frescos en la memoria algunos
conceptos basicos a fin de poder entender de manera clara la motivacion para desarrollar y usar heursticas.
De tal forma, iniciaremos el curso repasando algunos conceptos fundamentales de analisis de algoritmos y teora de la computacion.

1.1 Analisis de algoritmos

El analisis de algoritmos comprende 2 etapas: el analisis a priori y el analisis a
posteriori. En el primero de ellos, obtenemos una funcion que acota el tiempo
de calculo del algoritmo. En el analisis a posteriori lo que hacemos es recolectar
estadsticas acerca del consumo de tiempo y espacio del algoritmo mientras e ste
se ejecuta [130].
Es importante tener en mente que durante el analisis a priori de un algoritmo,
se ignoran los detalles que sean dependientes de la arquitectura de una computadora o de un lenguaje de programacion y se analiza el orden de magnitud de la
frecuencia de ejecucion de las instrucciones basicas del algoritmo.
Veamos un ejemplo simple de analisis a priori. Consideremos los 3 segmentos
de codigo siguientes:
(1)



(2) for i = 1 to



do

23

end for i



 

(3) for i = 1 to do
for j = 1 to do
end for j
end for i

La frecuencia de ejecucion de la sentencia



es:

1 para el segmento (1).

 

para el segmento (2).

para el segmento (3).

Una de las notaciones mas usadas para expresar la complejidad de un algoritmo es la denominada O (big-O, en ingles). Formalmente, la definimos de la
siguiente manera:

  !" si y solo si existen dos constantes positivas # y % $

&' !(&*)#+&  !(& para toda -,$ .

Definicion:
tales que

Supongamos que nos interesa determinar el tiempo de procesamiento (o computo)

de un algoritmo. Dicho tiempo lo denotaremos como
. La variable puede
referirse al numero de entradas o salidas, su suma o la magnitud de una de ellas.
Puesto que
depende de la computadora en que se ejecute el algoritmo, un
analisis a priori no sera suficiente para determinarlo. Sin embargo, podemos usar
tal que
. Cuando
un analisis a priori para determinar una
decimos que un algoritmo tiene un tiempo de computacion
, lo que queremos decir es que al correr el algoritmo en una computadora usando los mismos
tipos de datos, pero valores incrementales de , el tiempo resultante siempre sera
menor que algun tiempo constante
.
Dados dos algoritmos que realicen la misma tarea sobre entradas, debe resultar obvio que preferiremos al que requiera menos tiempo de ejecucion. Algunos
tiempos comunes de los algoritmos son los siguientes:



 !

!

& !0&

 !./ !"

 !"

132(546 798;:%<46 5461 7=8>:%5461 ?54  @A54 1CBED;
Algunos algoritmos conocidos y sus complejidades correspondientes en esta
notacion son los siguientes:
24

  
2. Buscar un elemento en una lista ordenada: 1 7=8>:!
3. Quicksort: 1 7=8>:!
4. Calcular el determinante de una matriz: 1 @ 
5. Multiplicacion matricial:   "F G"H 
6. Bubble Sort:    
1. Buscar un elemento en una lista no ordenada:

Los problemas cuya complejidad esta acotada por un polinomio (los primeros
seis o rdenes de magnitud de la jerarqua mostrada anteriormente) son los denominados problemas P. Mas detalladamente, podemos decir que un problema
pertenece a la clase si puede ser resuelto en tiempo polinomial en una computadora determinstica.
El termino determinstico significa que sin importar lo que haga el algoritmo,
solo hay una cosa que puede hacer a continuacion (es decir, el paso siguiente se
determina por los pasos anteriores). Los ejemplos de algoritmos conocidos dados
anteriormente, pertenecen todos a la clase P.
Un problema pertenece a la clase NP si puede ser resuelto en tiempo polinomial pero usando una computadora no determinstica.
Cuando una computadora no determinstica es confrontada con varias opciones, tiene el poder de adivinar la correcta (en caso de que e sta exista). Una
computadora no determinstica no hace nunca elecciones incorrectas que la hagan
regresar a un estado previo.
Consideremos el siguiente ejemplo de un algoritmo no determinstico en el
.
cual queremos buscar un elemento en un conjunto de elementos A[1: ],
Se quiere determinar un ndice tal que A[j]= , o
si
.

KML OPRN Q

 I,J2

QS K>T  

j = elige [1: ]
if
= then print(j)
else print(0)

UPRN Q

132(

Este algoritmo imprime 0 solo si

. Su complejidad es
.
Obviamente, las computadoras no determinsticas no existen en el mundo real.
El no determinismo es una herramienta imaginaria que hace que los problemas
difciles parezcan triviales. Su mayor vala radica en el hecho de que existe forma
25

de convertir un algoritmo no determinstico a uno determinstico, aunque a un

costo computacional que suele ser muy elevado.
Los siguientes puntos son de gran importancia al comparar la clase P contra
la clase NP:




La clase P contiene problemas que pueden resolverse rapidamente.

La clase NP contiene problemas cuya solucion puede verificarse rapidamente.

En 1971 se planteo la pregunta: Es P=NP? Desde entonces, sigue siendo

una pregunta abierta para los teoricos.
Se cree que P

N

NP.

Existe otra clase de problemas, denominados NP Completos que resultan de

gran interes en computacion. Un problema pertenece a esta clase si todos los
algoritmos requeridos para resolverlo requieren tiempo exponencial en el peor
caso. En otras, palabras, estos problemas son sumamente difciles de resolver. Un
ejemplo tpico de un problema NP Completo es el del viajero. Este problema
consiste en encontrar una permutacion que represente el recorrido de una serie
de ciudades de tal forma que todas sean visitadas (una sola vez) minimizando
la distancia total viajada. El mejor algoritmo que se conoce para resolver este
problema es
.
El tamano del espacio de busqueda del problema del viajero crece conforme a
la expresion:
. Algunos ejemplos de lo que esto significa, son los siguientes:

1  B D 
V DEWX HCY[Z

\]20L , hay unas 181,000 soluciones posibles.

 Para \^B;L , hay unas 10,000,000,000,000,000 soluciones posibles.
 Para \^_;L , hay unas 100,000,000,000,000,000,000,000,000,000, 000,000,
Para

000,000,000,000,000,000,000,000,000 soluciones posibles.

Para tener idea de estas magnitudes, basta decir que solo hay 1,000,000,000,
000,000,000,000 litros de agua en el planeta.
26

1.2 Tecnicas Clasicas de Optimizaci o n

Existen muchas tcnicas clasicas para resolver problemas con ciertas caractersticas
especficas (por ejemplo, funciones lineales con una o mas variables).
Es importante saber al menos de la existencia de estas tcnicas, pues cuando el
problema por resolverse se adecua a ellas, no tiene ningun sentido usar heursticas.
Por ejemplo, para optimizacion lineal, el metodo Simplex sigue siendo la
opcion mas viable.
Para optimizacion no lineal, hay metodos directos (p. ej. la busqueda aleatoria) y metodos no directos (p. ej., el metodo del gradiente conjugado).
Uno de los problemas de las tecnicas clasicas de optimizacion es que suelen
requerir informacion que no siempre esta disponible. Por ejemplo, metodos como
el del gradiente conjugado requieren de la primera derivada de la funcion objetivo.
Otros, como el de Newton, requieren ademas de la segunda derivada. Por tanto,
si la funcion objetivo no es diferenciable (y en algunos casos, ni siquiera esta
disponible en forma explcita), estos metodos no pueden aplicarse.
A fin de ilustrar la forma en la que operan las tecnicas clasicas de optimizacion,
resolveremos paso por paso un ejemplo sencillo con el metodo de descenso empinado (steepest descent)y el metodo de Fletcher-Reeves.
Metodo del Descenso Empinado
Este metodo fue propuesto originalmente por Cauchy en 1847. La idea del
metodo es comenzar de un cierto punto cualquier
y luego moverse a lo largo
de las direcciones de descenso mas empinado hasta encontrar el o ptimo. El algoritmo es el siguiente:

a`

1. Comenzar con un punto arbitrario

2. Calcular el gradiente

de(f .

a`

3. Encontrar la direccion de busqueda

H . Hacer bc]2 .
g ` f , definida como:

g ` fihjd0fkhlde Xf
(1.1)
`
g
4. Determinar la longitud o ptima de incremento mofn en la direccion ` f , y hacer:
a ` fqp  a ` frsm fn g ` f! a ` fthUm fn de(f
(1.2)
H
27

5. Checar la optimalidad de
contrario, ir al paso 6.
6. Hacer

a ` fqp

H.

Si el punto es o ptimo, detenerse. De lo

bcb2 . Ir al paso 2.

Ejemplo:
Min

 Hvu   w  H x

h   yB( H sBE H   O
  

usando el punto inicial:

a`  z L
H
L6{

Para iniciar la primera iteracion, necesitamos calcular el gradiente de la funcion:

zi} ~ } 
z w2 
; yB(
}
}
de|j
~  H { z  h.2 yB( H H sBE   {
d H ^de a ` H  h2 2 {

Calcular la direccion de busqueda:

z h.2
g` i
H  hlde H 
2 {
Determinar mtn :
H
a `  a ` ym n g `

H H H
 a ` H ymtnH g ` H hjm Hvu m H  , lo cual se obtiene de:
z L
z h.2
L{ sm H 2 {
Y sabemos que:

hjm Hvu m H %]hlm H O

h m H yBhjm H   sBrhjm H  Cm H sm H 
m H hOB>m H
28

mXnH

Para hallar , debemos derivar esta expresion con respecto a

resultado con cero:

!~>m
H  B>m H h
BL

de donde obtenemos:

mH

e igualar el

m nH ]2 .

bc^B , y:
a `  z L 2 z .h 2  z .h 2

L {
2 {
2 {

Ahora

Chequemos ahora la optimalidad de esta solucion:

z 2 hUyB
z h2
a
d  de `    h2 h
BsBy{ 
2 {
z L
Como de  N
entonces tenemos que continuar con una iteracion mas:

6
L
{
g`  z 2

2 {
Calculemos ahora mn a partir de:
z h2
z 2 
2 { sm  2 {
de donde obtenemos:

h2wOm 2%
m ih2w
m h62wOm  !OBrh2wOm    
Brh2
m  2
m   M2wsm  0 u  M_>m   hOB>m  h 2 
Para hallar m n :

!~ m ]2L+m hOBML


de donde: m ]2(~>_LB

Por lo que:

29

a `  a ` ymtn g `
@ z    z
a `  h 2  H 2  z .h 2 H  z jh L
@
2 {
U
2 {
2  H {
>2 B {
Procedemos nuevamente a checar optimalidad de esta solucion:

z 2 OthL+yBr32>B>
z LB
d @  h2yBr3hjL+sBr2>B>\{  hLB6{
z L
Como de  N
@
L6{ tenemos que seguir iterando.

Metodo de Fletcher-Reeves (Gradiente Conjugado)

Propuesto originalmente por Hestenes & Stiefel en 1952, como un metodo
para resolver sistemas de ecuaciones lineales derivadas de las condiciones estacionarias de una cuadratica. Puede verse como una variante del metodo del descenso empinado, en la cual se usa el gradiente de una funcion para determinar
la direccion mas prometedora de busqueda. El algoritmo es el siguiente:
1. Iniciar con un punto arbitrario

a`

H.

2. Calcular la direccion inicial de busqueda:

3. Obtener

m nH

a`


g` k
a
H  hlde ` H %^de H

usando:

g`
a`  a` y
n

m
 H H H

donde es el paso o ptimo de movimiento en la direccion

y proceder al paso siguiente.
4. Obtener

5. Calcular

d(f^d a ` f , y hacer:

g ` f]hlde(f '& d0f"&  g ` f
&d0f WXH &  WXH
mtfn

y obtener el nuevo punto:

a qf p  a f ym fn g ` f
H
30

g`

H . Hacer biB

a qf p
H

a f p
H

6. Evaluar la optimalidad de
. Si
es o ptimo, detener el proceso. De
y regresar al paso 4.
lo contrario,

bcb2

Ejemplo:
Min

 Hvu   % H

h   yBE H yB( H   U
  

usando el punto inicial:

a`  z L
H
L {

Iteracion 1

z } ! ~ } 
z 52 O; yBE
de| } !~ }  H {  h52 yBE H yB(  {
 z
H

a
2
d H de ` H  h2 {
z h.2
g
La direccion de busqueda es: ` ihjd 
H
H
2 {
g
a
Para obtener mXn , debemos minimizar  ` Jm ` 
H H H
H
tanto:
a ` ym g `  z L sm z h.2
H H H
L { H 2 {
g
a
 ` H ym H ` H ^3hlm H?u m H 
hlm H h
m H yBr3hlm H yBhjm H m H ymXH 
]hlB;m H yB>m H h
B>m H sm H m H h
B>m H
!~ m ^B;m h
BL
H
H
m nH ]2
a `  a ` ymtn g `  z L 2 z h2  z h2
 H H H
L {
2 {
2 {
31

.
con respecto a

m H.

Por

a `  z h 2

2 {
Iteracion 2

z 25OthjB>sBr2(
a
de|w^de `   h25yBr3h.2(sBr20\{
z h2
d   h2O{
g ` ihlde  | g `
z
 z | H
 22U{ ] ( h2 2 {
g`  z L

By{ z
a ` sm g `  h2 sm z L
  
2 {  B {
 a `  ym  g `  h2 u 2yB>m  %
h.2h325sB>m  yBr3h.20  yBr3h.2(2wsB>m  M2wsB>m   
h.2h 2h
B>m  yBlhOBr325sB>m  2
+m  
+m  
]hjB>m  h
BlhU*m  2
*m  
*mX *mX hUB>m  h 2
!~ m +m h
BML


mn ]2(~E
a `  a ` ymtn g `  z h.2 2(~E z L
@ z   
2 {
B6{
a `  h2

2>_6{

Iteracion 3

z 52 Oth2(sBr2>_>
a
de|^de ` @   h52 yBr3h.2(sBr2;_>{
32

z L
d @ 
L {
g ` ihjd  | g `
@
@ | 
z L
z L
$
 L{ ] ( By{
g`  z L
@
L {


Al no poderse reducir mas , podemos decir que

 nH ]h2 u  n ]2>_

a`
@

es la solucion o ptima.

Existen tambien tecnicas que construyen parcialmente una solucion a un problema. Por ejemplo, la programacion dinamica y el metodo de ramificacion y
busqueda (branch & bound).
Cuando enfrentamos un cierto problema de optimizacion, si la funcion a optimizarse se encuentra definida en forma algebraica, es importante intentar resolverla primero con tecnicas clasicas, antes de utilizar cualquier heurstica.

1.3 Tecnicas heursticas

Hasta ahora, debio haber quedado claro que existen problemas que no pueden
resolverse usando un algoritmo que requiera tiempo polinomial. De hecho, en
muchas aplicaciones practicas, no podemos siquiera decir si existe una solucion
eficiente.
Asimismo, hay muchos problemas para los cuales el mejor algoritmo que se
conoce requiere tiempo exponencial.
Cuando enfrentamos espacios de busqueda tan grandes como en el caso del
problema del viajero, y que ademas los algoritmos mas eficientes que existen para
resolver el problema requieren tiempo exponencial, resulta obvio que las tecnicas
clasicas de busqueda y optimizacion son insuficientes. Es entonces cuando recurrimos a las heursticas.
La palabra heurstica se deriva del griego heuriskein, que significa encontrar o descubrir.
33

El significado del termino ha variado historicamente. Algunos han usado el

termino como un antonimo de algortmico. Por ejemplo, Newell et al. [173]
dicen:
A un proceso que puede resolver un cierto problema, pero que no
ofrece ninguna garanta de lograrlo, se le denomina una heurstica
para ese problema.
Las heursticas fueron un a rea predominante en los orgenes de la Inteligencia
Artificial.
Actualmente, el termino suele usarse como un adjetivo, refiriendose a cualquier
tecnica que mejore el desempeno en promedio de la solucion de un problema,
aunque no mejore necesariamente el desempeno en el peor caso [197].
Una definicion mas precisa y adecuada para los fines de este curso es la proporcionada por Reeves [186]:
Una heurstica es una tecnica que busca soluciones buenas (es decir,
casi o ptimas) a un costo computacional razonable, aunque sin garantizar factibilidad u optimalidad de las mismas. En algunos casos, ni
siquiera puede determinar que tan cerca del o ptimo se encuentra una
solucion factible en particular.
Algunos ejemplos de tecnicas heursticas son los siguientes:




Busqueda Tabu

Recocido Simulado
Escalando la Colina

La busqueda
tabu [102] es realmente una meta-heurstica, porque es un procedimiento que debe acoplarse a otra tecnica, ya que no funciona por s sola.
La busqueda tabu usa una memoria para guiar la busqueda, de tal forma que
algunas soluciones examinadas recientemente son memorizadas y se vuelven
tabu (prohibidas) al tomar decisiones acerca del siguiente punto de busqueda. La
busqueda tabu es determinstica, aunque se le pueden agregar elementos probabilsticos.
El recocido simulado [142] esta basado en el enfriamiento de los cristales. El
algoritmo requiere de una temperatura inicial, una final y una funcion de variacion
34

F
F

Figura 1.1: Dos ejemplos de conjuntos convexos.

de la temperatura. Dicha funcion de variacion es crucial para el buen desempeno
del algoritmo y su definicion es, por tanto, sumamente importante. Este es un
algoritmo probabilstico de busqueda local.
La tecnica escalando la colina se aplica a un punto a la vez (es decir, es
una tecnica local). A partir de un punto, se generan varios estados posibles y
se selecciona el mejor de ellos. El algoritmo no tiene retroceso ni lleva ningun
tipo de registro historico (aunque e stos y otros aditamentos son susceptibles de
ser incorporados). El algoritmo puede quedar atrapado facilmente en o ptimos
locales. Asimismo, el algoritmo es determinstico.

1.4 Conceptos Importantes

es convexo si para toda

P S L 2T
U
u
c` C ` H 32hO> `  <) `  ` H 32hU> `  `  
(1.3)
En otras palabras,
es convexo si para dos puntos cualquiera ` H y `  en el

` H  P

Comenzaremos por definir convexidad. El conjunto

,
y para toda
:

conjunto, el segmento rectilneo que une estos puntos esta tambien dentro del
conjunto. De tal forma, los conjuntos mostrados en la figura 1.1 son convexos y
los mostrados en la figura 1.2 no lo son.
El objetivo principal de cualquier tecnica de optimizacion es encontrar el
o ptimo (o los o ptimos) globales de cualquier problema. En matematicas, existe
un a rea que se ocupa de desarrollar los formalismos que nos permitan garantizar
35

Figura 1.2: Dos ejemplos de conjuntos no convexos.

la convergencia de un metodo hacia el o ptimo global de un problema. Apropiadamente, se denomina optimizacion global [131].
Desgraciadamente, solo en algunos casos limitados, puede garantizarse convergencia hacia el o ptimo global. Por ejemplo, para problemas con espacios de
busqueda convexos, las condiciones de Kuhn-Tucker son necesarias y suficientes
para garantizar optimalidad global de un punto.
En problemas de optimizacion no lineal, las condiciones de Kuhn-Tucker no
son suficientes para garantizar optimalidad global. De hecho, todas las tecnicas
usadas para optimizacion no lineal pueden localizar cuando mucho o ptimos locales, pero no puede garantizarse convergencia al o ptimo global a menos que se
usen tecnicas exhaustivas o que se consideren tiempos infinitos de convergencia.
Existen muchos tipos de problemas de optimizacion, pero los que nos interesan mas para los fines de este curso, son de los de optimizacio n numerica, que
pueden definirse de la siguiente manera:
Minimizar

 ` 

sujeta a:

36

Zona Factible

Figura 1.3: Representacion grafica de la zona factible (denotada con

problema. Advierta que en este caso la zona factible es disjunta.

) de un

+f  ` <)L u b i2 u u

 ` wL u K ]2 u u 
donde:  ` son las variables de decision del problema, f3 !`  son las restric>
ciones de desigualdad, y  `  son las restricciones de igualdad. Asimismo,
 `  es la funcion objetivo del problema (la que queremos optimizar).
A las restricciones de igualdad y desigualdad expresadas algebraicamente, se
les denomina restricciones explcitas. En algunos problemas, existen tambien
restricciones implcitas, relacionadas sobre todo con las caractersticas del problema. Por ejemplo, si decimos:

20L)6 H M
) B;L
estamos definiendo que el rango de una variable de decision debe estar contenido dentro de un cierto intervalo. De tal forma, estamos restringiendo el tipo
de soluciones que se consideraran como validas.
Todas las soluciones a un problema que satisfagan las restricciones existentes
(de cualquier tipo), se consideran ubicadas dentro de la zona factible. De tal
37

forma, podemos decir que el espacio de busqueda de un problema se divide en la

regin (o zona) factible y la no factible. La figura 1.3 ilustra la diferencia entre la
zona factible y no factible de un problema
Para concluir este primer captulo, mencionaremos que existe una clase especial de problemas que tambien seran de interes para este curso, en los cuales
las variables de decision son discretas y las soluciones suelen presentarse en la
forma de permutaciones. A estos problemas se les denomina de optimizaci o n
combinatoria (p. ej. el problema del viajero).

1.5 Problemas propuestos

1. Para los siguientes pares de funciones, determine el valor entero mas pequeno
para el cual la primera funcion se haga mayor o igual a la segunda
de
funcion (la de la derecha). En cada caso, muestre la forma en que obtuvo el
valor de :

-,L

  , 10
b) BED , 2@
c)   /798;:  , %798>:  


d)  @ /2,  "F G"H

a)

2. Busque en un libro de metodos numericos informacion sobre alguna de las

siguientes tecnicas para resolver ecuaciones trascendentes de una sola variable (elija solo uno): Biseccion (o Bolzano), Newton-Raphson, Regla Falsa
o Secante. Se recomienda consultar el siguiente libro:
Richard L. Burden y J. Douglas Faires, Analisis Numerico, 6a. Edicion, International Thompson Editores, 1998.
a) Usando como base el seudo-codigo del metodo, implementelo en C/C++
(la funcion a resolverse puede proporcionarse directamente dentro del codigo
del programa). Incluya el codigo fuente en su tarea.
b) Dos escaleras se cruzan en un pasillo, tal y como se muestra en la figura 1.4.
Cada escalera esta colocada de la base de una pared a algun punto de la
38

x2

x1

Figura 1.4: Escalareas entrecruzadas del problema 2.1.b.

H
 B;L

pared opuesta. Las escaleras se cruzan a una altura arriba del pavimento.
Dado que las longitudes de las escaleras son
my
m, y
que
m, encontrar , que es el ancho del pasillo, usando el programa
escrito en el inciso anterior (una solucion real es suficiente). Imprima las
iteraciones efectuadas por su programa al resolver este problema.




 >L

Bonificacion. El problema del inciso b) tiene mas de una solucion real. Encuentre al menos una solucion real mas (distinta de la reportada en el inciso
anterior). Adicionalmente, encuentre una solucion real que sea valida pero
que no tenga sentido reportar dada la interpretacion fsica del problema.
Discuta brevemente acerca de esto.
3. Muestre las 2 primeras iteraciones del metodo de ascenso empinado al minusando el punto inicial
.
imizar

\MBE H O
  

2 u B>

4. Lea el captulo 1 del siguiente libro (las fotocopias se proporcionaran en

clase) para resolver las preguntas de esta seccion:

39

Zbigniew Michalewicz & David B. Fogel, How to Solve It: Modern Heuristics, Springer, Berlin, 2000.
1. Mencione al menos 2 razones por las cuales un problema del mundo real
puede no ser resuelto facilmente. NO USE ninguna de las razones enumeradas en la pagina 11 del captulo proporcionado.

2. Supongamos que la optimizacion de una funcion requiere de 10 variables de decision

, cada una de las cuales tiene el rango:
.

hj_;L)6Xf)_L

tf b52 u u 20L+

Xf

a) Si puede tomar solo valores enteros, cual es el tamano del espacio de

busqueda de este problema?

Xf

b) Si puede tomar valores reales y usaremos una precision de ocho lugares decimales, cual es el tamano del espacio de busqueda del problema?
3. Defina las restricciones rgidas (hard constraints) y las restricciones flexibles (soft constraints) con sus propias palabras. Comparelas entre s.

40

Captulo 2
Un vistazo historico a la
computacion evolutiva
2.1 El origen de las ideas
Contrario a lo que muchos creen, las ideas evolucionistas que bien hiciera en
popularizar Charles Darwin en 1858 no se originaron con e l, sino que estuvieron
presentes en las mentes de una serie de cientficos y pensadores en general que
no se sentan satisfechos con la (entonces popular) idea de que haba un Dios
originador de todas las especies del planeta (las cuales haban sido creadas de
forma separada) y de que las especies estaban jerarquizadas por Dios de tal manera
que el hombre ocupaba el rango superior, al lado del Creador.
Georges Louis Leclerc (Conde de Buffon) fue tal vez el primero en especular
(100 anos antes que Darwin) en su Historie Naturelle (una impresionante enciclopedia de 44 tomos que describa todo lo que se saba en aquel entonces sobre
la naturaleza), que las especies se originaron entre s. Leclerc no solo noto las
similitudes entre el hombre y los simios, sino que incluso habla sobre un posible
ancestro comun entre estas dos especies. Leclerc crea en los cambios organicos,
pero no describio un mecanismo coherente que fuera responsable de efectuarlos,
sino que especulo que era el ambiente el que influa directamente sobre los organismos.
41

Figura 2.1: Georges Louis Leclerc (Conde de Buffon).

Figura 2.2: Jean Baptiste Pierre Antoine de Monet (Caballero de Lamarck).

42

2.2 Lamarckismo
A partir de 1801, el zoologo frances Jean Baptiste Pierre Antoine de Monet (Caballero de Lamarck) comienza a publicar detalles de su propia teora evolutiva.
Conocedor del trabajo de Leclerc (quien era ademas su mentor), Lamarck enfatizo la importancia de la naturaleza en los cambios de las especies.
A diferencia de Leclerc, Lamarck s explico un mecanismo responsable de
los cambios en las especies, al cual ahora se le conoce como Lamarckismo. A
pesar de que el termino Lamarckismo se usa hoy en da en sentido peyorativo
para referirse a la teora de que las caractersticas adquiridas por un individuo son
hereditarias1 , la verdad es que sus ideas fueron mas complejas. Lamarck crea
que los organismos no son alterados de forma pasiva por su ambiente, tal y como

afirmaba Etienne
Geoffroy Saint-Hilaire en su Philosophie Anatomique, sino que
mas bien un cambio en el ambiente produce cambios en las necesidades de los
organismos, lo que hace que, en consecuencia, e stos cambien su comportamiento.
Estos cambios de comportamiento conducen al mayor uso (o al desuso) de ciertos o rganos o estructuras corporales de un individuo, los cuales haran que dichos
o rganos o estructuras crezcan (ante un mayor uso) o se reduzcan (ante el menor
uso) con el paso de las generaciones. Ademas, Lamarck crea que estos cambios
eran hereditarios, lo que implicaba que los organismos se van adaptando gradualmente a su ambiente.
Es interesante hacer notar que aunque el mecanismo evolutivo propuesto por
Lamarck difiere notablemente del propuesto varios anos despues por Darwin, los
resultados a los que ambas teoras conducen son los mismos: las especies sufren
cambios adaptativos debido a la influencia del ambiente a lo largo de periodos de
tiempo considerables. De hecho, llama la atencion que en su libro Philosophie
Zoologique [150], Lamarck utiliza muchas de las mismas evidencias que despues
adoptara Darwin para enunciar su famosa teora.
Sin embargo, las ideas de Lamarck no fueron muy populares en su e poca, y
solo sirvieron para desacreditarlo con sus contemporaneos, incluyendo a su mentor Leclerc. Curiosamente, varias de las ideas de Lamarck fueron re-descubiertas
(de forma independiente) por Erasmus Darwin (el abuelo de Charles Darwin) en
su libro Zoonomia, que data de 1794. Tal vez a ello se deba que Charles Darwin
haya sido uno de los pocos naturalistas en defender las ideas de Lamarck, a pesar
de que e stas se oponan a su propia teora evolutiva.
1

El ejemplo clasico usado por Lamarck era el del crecimiento del cuello y las patas frontales
de las jirafas, ante la necesidad de alcanzar las hojas mas altas de los a rboles.

43

Figura 2.3: August Weismann.

Hasta el re-descubrimiento de las leyes de Gregor Mendel (enunciadas originalmente en 1865) a principios del siglo XX, nadie entenda de forma precisa los
mecanismos de la herencia, y la teora de Lamarck (con diversas variantes) gozo
de gran popularidad entre varios cientficos destacados del siglo XIX como el
aleman Ernst Haeckel y el norteamericano Edward Drinker Cope, considerandose
como una alterantiva viable al mecanismo de seleccion natural que Charles Darwin propusiera en su libro El Origen de las Especies [59].

2.3 La teora del germoplasma

El cientfico aleman August Weismann formulo en el siglo XIX una teora denominada del germoplasma, segun la cual el cuerpo se divide en celulas germinales (o germoplasma) que pueden transmitir informacion hereditaria y en celulas
somaticas (o somatoplasma), que no pueden hacerlo [224]. Sus ideas entraban
en contraposicion con el Lamarckismo, por lo que decidio efectuar una serie de
experimentos en los cuales corto la cola a un grupo de ratas durante 22 generaciones (1,592 ratones en total), haciendo ver que esto no afectaba la longitud de
la cola de las nuevas generaciones de ratas. Con ello, Weismann demostro que
la teora Lamarckista de la herencia de caractersticas a traves de generaciones
estaba equivocada, y condujo (incidentalmente) al re-descrubrimiento del trabajo
de Mendel sobre las leyes de la herencia.
Para Weismann, la seleccion natural era el u nico mecanismo que poda cam44

Figura 2.4: Alfred Russell Wallace.

biar al germoplasma (hoy conocido como genotipo 2 ), y crea que tanto el germoplasma como el ambiente podan influenciar al somatoplasma (hoy conocido
como fenotipo3).
Con el advenimiento de la genetica en los 1930s, las ideas de Lamarck fueron
nuevamente desacreditadas y se consideran hoy en da como obsoletas, aunque
algunos investigadores las han incorporado con e xito en diversas aplicaciones de
la computacion evolutiva, como veremos en captulos posteriores.

2.4 Russell y Darwin

El naturalista ingles Alfred Russell Wallace era un auto-didacta que se intereso
en el origen de las especies a mediados de los 1850s, publicando varios artculos
al respecto que pasaron totalmente desapercibidos. En 1858, de manera subita
intuyo la teora de la seleccion natural sin saber que Darwin se le haba adelantado,
e iroricamente le escribio a e ste para pedirle que le ayudara a publicar sus ideas. El
resultado de esta curiosa cooperacion fue la presentacion de un trabajo conjunto
a la Linnean Society de Londres, el 1 de julio de 1858, el cual fue publicado
posteriormente (ese mismo ano) en el Journal of the Linnean Society.
Tanto Charles Darwin como Alfred Russell Wallace estuvieron fuertemente
influenciados por el trabajo del economista Thomas Robert Malthus 4 y del geologo
2

En genetica moderna, el termino genotipo se usa para denotar la composicion genetica de un

organismo.
3
En genetica moderna, se denomina fenotipo a los rasgos especficos de un individuo.
4
Malthus afirmaba que mientras las especies se reproducen de forma geometrica, los recursos

45

Figura 2.5: Charles Robert Darwin.

Charles Lyell5.
Tras percatarse del trabajo de Wallace, Darwin decidio interrumpir la elaboracion de un libro sobre la seleccion natural que inicio en 1856, y mejor se enfoco
a escribir otro sobre la evolucion. Su libro, titulado El origen de las especies, se
publico en 1859 [59] con gran e xito (el tiraje inicial de 1,250 ejemplares se agoto
en solo 24 horas).
Darwin se percato de que una especie que no sufriera cambios se volvera incompatible con su ambiente, ya que e ste tiende a cambiar con el tiempo. Asimismo,
las similitudes entre hijos y padres observada en la naturaleza, le sugirieron a
Darwin que ciertas caractersticas de las especies eran hereditarias, y que de generacion a generacion ocurran cambios cuya principal motivacion era hacer a los
nuevos individuos mas aptos para sobrevivir.

2.5 La teora de la combinacio n

Una teora popular sobre la herencia en la e poca de Darwin era la teora de la
combinacion, segun la cual las caractersticas hereditarias de los padres se mezclaban o combinaban de alguna forma en sus hijos. La mayor debilidad de esta
teora es que no explicaba la ocurrencia de cambios repentinos en una especie, los
cuales no haban sido heredados de ningun ancestro.
naturales solo crecen de forma aritmetica, por lo que ocurren periodicamente crisis para estabilizar
las poblaciones de las especies con respecto a los recursos que requieren.
5
Lyell se convencio que la forma de las montanas y demas formaciones geologicas se deba a
causas naturales y no divinas.

46

Figura 2.6: Johann Gregor Mendel.

La explicacion que esta teora daba a este fenomeno era que ciertas caractersticas, al combinarse, se diluan con el paso de las generaciones, lo cual contradeca la teora de la seleccion natural de Darwin, pues segun la teora de la
combinacion, los cambios adaptativos no podran ser preservados. El ingeniero
britanico Fleming Jenkins se contaba entre los mas fervientes defensores de la
teora de la combinacion, y para defenderse de e l, Darwin hubo de elaborar su
propia teora de la herencia, denominada de la pangenesis.

2.6 Las leyes de la herencia de Mendel

El monje austriaco Johann Gregor Mendel realizo una serie de experimentos con
guisantes durante buena parte de su vida, estudiando las caractersticas basicas de
esta planta. Mediante un cuidadoso analisis de las diferentes caractersticas manifestadas por las plantas de guisantes, Mendel descubrio tres leyes basicas que
gobernaban el paso de una caracterstica de un miembro de una especie a otro. La
primera ley (llamada de Segregacion) estableca que los miembros de cada par de
alelos de un gene se separan cuando se producen los gametos durante la meiosis.
La segunda ley (llamada de la Independencia) estableca que los pares de alelos
se independizan (o separan entre s durante la formacion de gametos6. La tercera
ley (llamada de la Uniformidad) estableca que cada caracterstica heredada se determina mediante dos factores provenientes de ambos padres, lo cual decide si un
6

Hoy sabemos que esta ley solo es valida para los genes localizados en cromosomas diferentes.

47

cierto gene7 es dominante o recesivo. De tal manera, la teora de la combinacion

de la que hablamos anteriormente, quedaba desechada de acuerdo a los resultados
producidos en los experimentos de Mendel.
Aunque Mendel descubrio las leyes de la herencia, realmente no llego a entender el mecanismo detras de ella, y los genes, as como el mecanismo de transmision de los mismos de generacion en generacion no fue descubierto sino hasta
varios anos despues. Asimismo, su trabajo permanecio largamente ignorado por
la comunidad cientfica, debido a que los dio a conocer originalmente en dos conferencias dictadas ante la Sociedad de Ciencias de Brunn, el 8 de febrero y el 8
de marzo de 1865. El manuscrito original fue publicado en las memorias de dicha
Sociedad en 1866, en aleman [157], y no se tradujeron al ingles sino hasta 1901
[158].

2.7 La teora de la pangenesis

Esta teora esbozada por Darwin (explicada en el libro On the Variation of Animals
and Plants under Domestication [58]) esgrime que cada o rgano del cuerpo produce pequenas partculas hereditarias llamadas gemulas o pangenes. Segun
Darwin, estas gemulas eran transportadas a traves de la sangre y se recolectaban
en los gametos8 durante su formacion. Esto significaba que, segun esta teora, las
caractersticas de los padres se transmitan directamente a la sangre de sus hijos.
Esta teora estaba claramente influenciada por el Lamarckismo, y curiosamente fue desacreditada por un primo de Darwin llamado Francis Galton, quien
efectuo transfusiones sanguneas de un conejo negro a uno blanco, mostrando que
los descendientes de este u ltimo permanecan blancos, sin importar a cuantas generaciones se les inyectara sangre del conejo negro.
Cabe destacar que Darwin desconoca el trabajo contemporaneo de Gregor
Mendel, que le habra dado el elemento faltante en su teora de la evolucion: una
explicacion clara del mecanismo de la herencia.
48

Figura 2.7: Francis Galton.

Figura 2.8: Hugo De Vries.

49

2.8 La teora de la mutacio n

El botanico danes Hugo De Vries creyo haber descubierto una nueva especie de
planta al encontrar (alrededor del ano 1900) una flor roja entre una gran cantidad de flores amarillas. Segun De Vries, esto se deba a una mutacion abrupta e
infrecuente de las flores amarillas. Accidentalmente, DeVries re-descubrio nuevamente las leyes de la herencia que enunciara varios anos atras Gregor Mendel,
y puso de moda la teora de las mutaciones espontaneas [223], expandiendo con
ella la teora Darwiniana de la evolucion.
Segun De Vries, los cambios en las especies no eran graduales y adaptativos
como afirmaba Darwin, sino mas bien abruptos y aleatorios (es decir, al azar).
Varios anos mas tarde se descubrio que las flores rojas que motivaron esta teora
no eran mas que una variedad mas de las mismas flores amarillas de que estaban rodeadas, y no una nueva especie como De Vries crea. De hecho, se ha
logrado demostrar que las mutaciones son siempre daninas y que no producen
nuevas especies, aunque algunos aspectos de la teora de De Vries han servido
para complementar la teora evolutiva de Darwin.

2.9 La teora cromosomica de la herencia

En 1903, Walter Sutton (entonces un estudiante de posgrado en la Universidad de
Columbia), leyo el trabajo de Mendel y el de DeVries, y determino correctamente
(y sin la ayuda de experimentos geneticos) que los cromosomas en el nucleo de
las celulas eran el lugar donde se almacenaban las caractersticas hereditarias.
Tambien afirmo que el comportamiento de los cromosomas durante la division de
las celulas sexuales era la base para las leyes de la herencia de Mendel. Un poco
despues indico que los cromosomas contenan genes, y que los genes de un mismo
cromosoma estaban ligados y, por tanto, se heredaban juntos. A esto se le llamo
la teora cromosomica de la herencia.
Thomas Hunt Morgan confirmara experimentalmente las hipotesis de Sutton
algunos anos mas tarde, con lo que Sutton paso a ser uno de los pioneros mas
importantes de la genetica moderna.
7

El termino gene fue acunado en una e poca posterior, pero los factores hereditarios o
unidades de la herencia a los que se refirio Mendel son precisamente los genes.
8
Se denominan gametos a las celulas que llevan informacion genetica de sus padres con el
proposito de llevar a cabo una reproduccion sexual. En los animales, a los gametos masculinos se
les llama espermas y a los femeninos se les llama o vulos.

50

Figura 2.9: Thomas Hunt Morgan.

2.10 Neo-Darwinismo
La teora evolutiva propuesta originalmente por Charles Darwin en combinacion
con el seleccionismo de August Weismann y la genetica de Gregor Mendel, se
conoce hoy en da como el paradigma Neo-Darwiniano.
El Neo-Darwinismo establece que la historia de la vasta mayora de la vida en
nuestro planeta puede ser explicada a traves de un punado de procesos estadsticos
que actuan sobre y dentro de las poblaciones y especies [124]: la reproduccion, la
mutacion, la competencia y la seleccion.
La reproduccion es una propiedad obvia de todas las formas de vida de nuestro
planeta, pues de no contar con un mecanismo de este tipo, la vida misma no tendra
forma de producirse.
En cualquier sistema que se reproduce a s mismo continuamente y que esta en
constante equilibrio, la mutacion esta garantizada [80]. El contar con una cantidad finita de espacio para albergar la vida en la Tierra garantiza la existencia de la
competencia. La seleccion se vuelve la consecuencia natural del exceso de organismos que han llenado el espacio de recursos disponibles. La evolucion es, por lo
tanto, el resultado de estos procesos estocasticos (es decir, probabilsticos) fundamentales que interactuan entre s en las poblaciones, generacion tras generacion.

51

Figura 2.10: Alan Mathison Turing.

2.11 Inspiracio n biologica

La evolucion natural fue vista como un proceso de aprendizaje desde los 1930s.
W. D. Cannon, por ejemplo, plantea en su libro The Wisdom of the Body [38] que
el proceso evolutivo es algo similar al aprendizaje por ensayo y error que suele
manifestarse en los humanos.
El celebre matematico ingles Alan Mathison Turing reconocio tambien una
conexion obvia entre la evolucion y el aprendizaje de maquina en su artculo
(considerado hoy clasico en Inteligencia Artificial) titulado Computing Machinery and Intelligence [219].

2.12 Alexander Fraser

A fines de los 1950s y principios de los 1960s, el biologo Alexander S. Fraser
[89, 90, 91] publico una serie de trabajos sobre la evolucion de sistemas biologicos
en una computadora digital, dando la inspiracion para lo que se convertira mas
tarde en el algoritmo genetico [127].
El trabajo de Fraser incluye, entre otras cosas, el uso de una representacion binaria, de un operador de cruza probabilstico, de una poblacion de padres que
generaban una nueva poblacion de hijos tras recombinarse y el empleo de un
mecanismo de seleccion. Ademas, Fraser estudio el efecto de la epstasis9 , la
9

En biologa se dice que un gen es espistatico cuando su presencia suprime el efecto de un

gen que se encuentra en otra posicion.

52

Figura 2.11: George E. P. Box.

segregacion10 , los porcentajes de cruza y varios otros mecanismos biologicos que
hoy son de sumo interes para la comunidad de computacion evolutiva. Su trabajo
de mas de 10 anos en este tema se resume en un libro titulado Computer Models
in Genetics [93]. De tal forma, puede decirse que el trabajo de Fraser anticipo la
propuesta del algoritmo genetico simple de Holland y la de la estrategia evolutiva de dos miembros de Schwefel [81]. Fraser ademas llego a utilizar el termino
aprendizaje para referirse al proceso evolutivo efectuado en sus simulaciones,
y anticipo el operador de inversion, la definicion de una funcion de aptitud y el
analisis estadstico de la convergencia del proceso de seleccion [92]. Mas interesante aun, resulta el hecho de que el trabajo de Fraser no fue el u nico efectuado en
su e poca, sino que mas bien los modelos computacionales de la genetica poblacional se volvieron bastante populares durante fines de los 1950s y principios de
los 1960s, al grado de que dio pie a resenas sobre el tema, como las de J. L. Crosby
[57] y B. R. Levin [153]

2.13 EVOP
Aproximadamente en la misma e poca en que iniciara su trabajo Fraser, el experto en estadstica ingles George E. P. Box propuso un enfoque evolutivo para
la optimizacion de la produccion industrial [26]. Su tecnica, denominada EVOP
(Evolutionary Operation) consista en efectuar pequenos cambios a un conjunto
de parametros de produccion, monitoreando ciertos datos estadsticos de los procesos para guiar la busqueda. Box [26] llego a establecer claramente la analoga
10

Cuando se forman los gametos y tenemos mas de un par de cromosomas en el genotipo,

entonces, para fines de la recombinacion sexual, es necesario elegir solo uno de los cromosomas
existentes. A este proceso se le denomina segregaci o n.

53

entre estos cambios y las mutaciones que ocurren en la naturaleza, e hizo ver
tambien que el proceso de ajuste de parametros que efectuaba con tecnicas estadsticas era similar al proceso de seleccion natural.
EVOP funcionaba mediante un proceso iterativo, pero requera de intervencion
humana en cada etapa, si bien Box [26] reconocio que la tecnica poda automatizarse. Como Fogel indica en su libro sobre historia de la computacion evolutiva
[81], aunque en forma limitada, EVOP sigue en uso hoy en da en la industria
qumica11 .

2.14 La evolucio n de programas de Friedberg

R. M. Friedberg [94] es considerado como uno de los primeros investigadores
en intentar evolucionar programas de computadora. Aunque Friedberg no usa
explcitamente la palabra evolucion en su trabajo, resulta claro que ese es el
enfoque que adopto en su artculo original y en una version posterior, publicada en
1959 [95]. De hecho, en un artculo posterior, sus co-autores modelan la evolucion
como un proceso de optimizacion [70].
El trabajo de Friedberg consistio en generar un conjunto de instrucciones en
lenguaje maquina que pudiesen efectuar ciertos calculos sencillos (por ejemplo,
sumar dos numeros) [81]. Fogel [81] considera que Friedberg fue el primero en
enunciar de manera informal los conceptos de paralelismo implcito12 y esquemas13 , que popularizara Holland en los 1970s [127].
Friedberg [94] utilizo un algoritmo de asignacion de credito para dividir la
influencia de diferentes instrucciones individuales en un programa. Este procedimiento fue comparado con una busqueda puramente aleatoria, y en algunos casos
fue superado por e sta. Tras ciertas modificaciones al procedimiento, Friedberg
fue capaz de superar a una busqueda totalmente aleatoria, pero no pudo resolver
satisfactoriamente el problema de estancamiento (stagnation, en ingles) de la
poblacion que se le presento y por ello fue cruelmente criticado por investigadores
de la talla de Marvin Minsky, quien en un artculo de 1961 [165] indico que el tra11

Ver por ejemplo la pagina http://www.multisimplex.com/evop.htm

El paralelismo implcito que demostrara Holland para los algoritmos geneticos se refiere al
hecho de que mientras el algoritmo calcula las aptitudes de los individuos de una poblacion, estima
de forma implcita las aptitudes promedio de un numero mucho mas alto de cadenas cromosomicas
a traves del calculo de las aptitudes promedio observadas en los bloques constructores que se
detectan en la poblacion.
13
Un esquema es un patron de valores de los genes en un cromosoma.
12

54

bajo de Friedberg era una falla total. Minsky atribuyo el fracaso del metodo
de Friedberg a lo que e l denomino el fenomeno de mesa [166], segun el cual
el estancamiento de la poblacion se deba al hecho de que solo una instruccion
del programa era modificada a la vez, y eso no permita explorar una porcion
significativa del espacio de busqueda. Aunque estas observaciones no son del
todo precisas [81], el problema del estancamiento siguio siendo el principal inconveniente del procedimiento de Friedberg, aunque Fogel [81] considera que su
trabajo precedio el uso de los sistemas clasificadores que popularizara varios anos
despues John Holland [127].
Dunham et al. [70, 72, 71] continuaron el trabajo de Friedberg, y tuvieron
e xito con algunos problemas de aprendizaje de mayor grado de dificultad que los
intentados por e ste.

2.15 Friedman y la rob o tica evolutiva

George J. Friedman [97] fue tal vez el primero en proponer una aplicacion de
tecnicas evolutivas a la robotica: su tesis de maestra propuso evolucionar una
serie de circuitos de control similares a lo que hoy conocemos como redes neuronales, usando lo que e l denominaba retroalimentacion selectiva, en un proceso
analogo a la seleccion natural. Muchos consideran a este trabajo, como el origen
mismo de la denominada robotica evolutiva, que es una disciplina en la que se
intentan aplicar tecnicas evolutivas a diferentes aspectos de la robotica (planeacion
de movimientos, control, navegacion, etc.). Desgraciadamente, las ideas de Friedman nunca se llevaron a la practica, pero aparentemente fueron re-descubiertas por
algunos investigadores varios anos despues [81].
Los circuitos de control que utilizara Friedman en su trabajo modelaban a las
neuronas humanas, y eran capaces de ser excitadas o inhibidas. Ademas, era posible agrupar estos circuitos simples (o neuronas) para formar circuitos mas complejos. Lo interesante es que Friedman propuso un mecanismo para construir, probar
y evaluar estos circuitos de forma automatica, utilizando mutaciones aleatorias y
un proceso de seleccion. Este es probablemente el primer trabajo en torno a lo
que hoy se denomina hardware evolutivo.
Friedman [96] tambien especulo que la simulacion del proceso de reproduccion
sexual (o cruza) y el de mutacion nos conducira al diseno de maquinas pensantes, remarcando especficamente que podran disenarse programas para jugar
ajedrez con este metodo.
55

2.16 Vida artificial

Nils Aall Barricelli [16] desarrollo las que tal vez fueron las primeras simulaciones de un sistema evolutivo en una computadora, entre 1953 y 1956. Para ello
utilizo la computadora IAS14 (desarrollada por el legendario matematico John von
Neumann) del Instituto de Estudios Avanzados de Princeton, ubicado en Nueva
Jersey, en los Estados Unidos de Norteamerica. Sus experimentos siguieron los
lineamientos de una disciplina popularizada a mediados de los 1980s bajo el nombre de Vida Artificial [151].
La investigacion original de Barricelli se publico en italiano, pero debido a
algunos errores de traduccion y a algunas adiciones realizadas posteriormente, se
republico en 1957 [17]. El principal e nfasis de su investigacion consista en determinar las condiciones que los genes deben cumplir para poder dar pie al desarrollo
de formas de vida mas avanzadas. Sus conclusiones fueron que los genes deben
satisfacer lo siguiente [17]: (1) una cierta capacidad para reproducirse, (2) una
cierta capacidad para cambiar a formas alternas (a traves de mutaciones) y, (3)
una necesidad de simbiosis15 (por ejemplo, a traves de vida parasita) con otros
genes u organismos.
Barricelli desarrollo uno de los primeros juegos co-evolutivos 16 (llamado Tac
Tix), en el cual se hacen competir entre s a dos estrategias para jugar. Asimismo,
en un trabajo posterior [18, 19], Barricelli explico la funcion de la recombinacion
sexual en forma muy similar a la nocion de bloques constructores que enunciara
Holland en los 1970s [127].
En otros trabajos realizados con J. Reed y R. Toombs [185], Barricelli demostro que la recombinacion aceleraba la evolucion de los caracteres fenotpicos
que no eran poligenicos (es decir, que no se basaban en la interaccion de multiples
genes).
Otra de las contribuciones de Barricelli [18] fue el haber reconocido la naturaleza Markoviana de sus simulaciones, en un preludio al modelo matematico
por excelencia utilizado en tiempos modernos para analizar la convergencia de los
algoritmos geneticos.
14

Las siglas IAS significan Institute for Advanced Studies, que es el lugar donde la computadora
se desarrollo.
15
La simbiosis es la asociacion de dos tipos diferentes de organismos en la cual cada uno se
beneficia del otro y pueden incluso ser esenciales entre s para su existencia.
16
Se denomina co-evolucion al proceso evolutivo en el cual la aptitud de un individuo se
determina mediante la evaluacion parcial de otros.

56

Figura 2.12: Lawrence J. Fogel.

2.17 La optimizacio n evolutiva de Bremermann

Hans Joachim Bremermann [27] fue tal vez el primero en ver a la evolucion como
un proceso de optimizacion, ademas de realizar una de las primeras simulaciones
de la evolucion usando cadenas binarias que se procesaban por medio de reproduccion (sexual o asexual), seleccion y mutacion, en lo que sera otro claro predecesor del algoritmo genetico [127].
Bremermann [28, 30] utilizo una tecnica evolutiva para problemas de optimizacion con restricciones lineales. La idea principal de su propuesta era usar un
individuo factible el cual se modificaba a traves de un operador de mutacion hacia
un conjunto de direcciones posibles de movimiento. Al extender esta tecnica a
problemas mas complejos, utilizo ademas operadores de recombinacion especializados [31].
Bremermann fue uno de los primeros en utilizar el concepto de poblacion
en la simulacion de procesos evolutivos, ademas de intuir la importancia de la coevolucion [27] (es decir, el uso de dos poblaciones que evolucionan en paralelo y
cuyas aptitudes estan relacionadas entre s) y visualizar el potencial de las tecnicas
evolutivas para entrenar redes neuronales [29].

2.18 La programaci o n evolutiva

Lawrence J. Fogel et al. [87] concibieron el uso de la evolucion simulada en la
solucion de problemas (sobre todo de prediccion). Su tecnica, denominada Programacion Evolutiva [84] consista basicamente en hacer evolucionar automatas
57

de estados finitos, los cuales eran expuestos a una serie de smbolos de entrada (el
ambiente), y se esperaba que, eventualmente, seran capaces de predecir las secuencias futuras de smbolos que recibiran. Fogel utilizo una funcion de pago
que indicaba que tan bueno era un cierto automata para predecir un smbolo, y uso
un operador modelado en la mutacion para efectuar cambios en las transiciones y
en los estados de los automatas que tenderan a hacerlos mas aptos para predecir
secuencias de smbolos.
Esta tecnica no consideraba el uso de un operador de recombinacion sexual
porque, como veremos en un captulo posterior, pretenda modelar el proceso evolutivo al nivel de las especies y no al nivel de los individuos.
La programacion evolutiva se aplico originalmente a problemas de prediccion,
control automatico, identificacion de sistemas y teora de juegos, entre otros [83,
86, 35].
Donald W. Dearholt y algunos otros investigadores, experimentaron con programacion evolutiva en la Universidad de Nuevo Mexico en los 1970s, de forma
totalmente independiente a Fogel [85, 81, 193, 54].
Probablemente la programacion evolutiva fue la primera tecnica basada en la
evolucion en aplicarse a problemas de prediccion, ademas de ser la primera en usar
codificaciones de longitud variable (el numero de estados de los automatas poda
variar tras efectuarse una mutacion), ademas de constituir uno de los primeros
intentos por simular la co-evolucion.

2.19 Las estrategias evolutivas

Como estudiantes de posgrado en la Universidad Tecnica de Berln, en Alemania,
Peter Bienert, Ingo Rechenberg y Hans-Paul Schwefel estudiaban la mecanica de
los fludos en 1963 con un particular e nfasis en la experimentacion en un tunel
de viento. Los problemas que les interesaban eran de caracter hidrodinamico, y
consistan en la optimizacion de la forma de un tubo curvo, la minimizacion del
arrastre de una placa de union y la optimizacion estructural de una boquilla intermitente de dos fases. Debido a la imposibilidad de describir y resolver estos
problemas de optimizacion analticamente o usando metodos tradicionales como
el del gradiente [180], Ingo Rechenberg decidio desarrollar un metodo de ajustes
discretos aleatorios inspirado en el mecanismo de mutacion que ocurre en la naturaleza. Los resultados iniciales de esta tecnica, a la que denominaron estrategia
evolutiva, fueron presentados al Instituto de Hidrodinamica de su universidad el
12 de junio de 1964 [81].
58

Figura 2.13: Hans-Paul Schwefel.

En los dos primeros casos (el tubo y la placa), Rechenberg procedio a efectuar cambios aleatorios en ciertas posiciones de las juntas y en el tercer problema
procedio a intercambiar, agregar o quitar segmentos de boquilla. Sabiendo que
en la naturaleza las mutaciones pequenas ocurren con mayor frecuencia que las
grandes, Rechenberg decidio efectuar estos cambios en base a una distribucion
binomial con una varianza prefijada. El mecanismo basico de estos primeros experimentos era crear una mutacion, ajustar las juntas o los segmentos de boquilla
de acuerdo a ella, llevar a cabo el analisis correspondiente y determinar que tan
buena era la solucion. Si e sta era mejor que su predecesora, entonces pasaba a
ser utilizada como base para el siguiente experimento. De tal forma, no se requera informacion alguna acerca de la cantidad de mejoras o deterioros que se
efectuaban.
Esta tecnica tan simple dio lugar a resultados inesperadamente buenos para
los tres problemas en cuestion, y Peter Bienert [23] construyo un robot que poda
efectuar de forma automaticamente el proceso de optimizacion usando este metodo.
Simultaneamente, Hans-Paul Schwefel se dio a la tarea de implementar esta tecnica
en una computadora Z23 [202].
Aunque los primeros fundamentos teoricos de las estrategias evolutivas de
dos miembros (su version mas simple) se esbozaron en la tesis doctoral de Ingo
Rechenberg la cual se publico como libro en 1973 [184], no fue sino hasta que el
libro que Schwefel escribiera a fines de los 1970s [203] se tradujo al ingles [204]
que la tecnica atrajo la atencion de los investigadores fuera del mundo germanoparlante.
59

Figura 2.14: John H. Holland.

2.20 Los algoritmos geneticos

John H. Holland se intereso en los 1960s en estudiar los procesos logicos involucrados en la adaptacion. Inspirado por los estudios realizados en aquella e poca
con automatas celulares [36] y redes neuronales [207], Holland se percato de que
el uso de reglas simples podra generar comportamientos flexibles, y visualizo la
posibilidad de estudiar la evolucion de comportamientos en un sistema complejo.
Holland advirtio que un estudio de la adaptacion deba reconocer que [126,
125]: (a) la adaptacion ocurre en un ambiente, (b) la adaptacion es un proceso
poblacional, (c) los comportamientos individuales pueden representarse mediante
programas, (d) pueden generarse nuevos comportamientos mediante variaciones
aleatorias de los programas, y (e) las salidas de dos programas normalmente estan
relacionadas si sus estructuras estan relacionadas.
De tal forma, Holland vio el proceso de adaptacion en terminos de un formalismo en el que los programas de una poblacion interactuan y mejoran en base a un
cierto ambiente que determina lo apropiado de su comportamiento. El combinar
variaciones aleatorias con un proceso de seleccion (en funcion de que tan apropiado fuese el comportamiento de un programa dado), deba entonces conducir a un
sistema adaptativo general.
Este sistema fue desarrollado hacia mediados de los 1960s, y se dio a conocer
en el libro que Holland publicase en 1975, donde lo denomino plan reproductivo genetico [127], aunque despues se popularizo bajo el nombre (mas corto y
conveniente) de algoritmo genetico.
Aunque concebido originalmente en el contexto del aprendizaje de maquina,
el algoritmo genetico se ha utilizado mucho en optimizacion, siendo una tecnica
sumamente popular en la actualidad.
60

Figura 2.15: Michael Conrad.

Figura 2.16: Howard H. Pattee.

2.21 Ecosistemas artificiales

Michael Conrad y Howard H. Pattee [51] se cuentan entre los primeros en simular un ecosistema artificial jerarquico en el que un conjunto de organismos unicelulares estaban sujetos a una estricta ley de conservacion de la materia que les
induca a competir para sobrevivir. Los organismos simulados fueron capaces de
efectuar cooperacion mutua y de llevar a cabo estrategias biologicas tales como la
recombinacion genetica y la modificacion de la expresion de su genoma17 .
En esta implementacion, los organismos realmente consistan de subrutinas
geneticas, por lo que el fenotipo de cada individuo se determinaba mediante la
forma en que estas rutinas era usadas por los organismos. Algunos de los puntos
que enfatizo el trabajo de Conrad y Pattee fueron los siguientes: (a) el compor17

Se denomina genoma a la coleccion completa de genes (y por tanto cromosomas) que posee
un organismo.

61

tamiento que caracteriza a los procesos de sucesion ecologica deben emerger potencialmente, (b) los procesos de la busqueda evolutiva deben corresponder con
su contraparte biologica, y (c) la simulacion debe ser lo mas simple posible a
fin de permitir el estudio de caractersticas fundamentales de los ecosistemas as
como las condiciones mnimas necesarias para que ocurra la evolucion natural.
Sus esfuerzos en esta a rea se extendieron hasta los 1980s [48, 49, 53, 189, 52].
Michael Conrad [47] propuso tambien en los 1970s un modelo de circuitos
de aprendizaje evolutivo en el cual especulo sobre la posibilidad de que el cerebro use el mismo tipo de mecanismos que usa la evolucion para aprender. Su
tecnica fue uno de los primeros intentos por utilizar algoritmos evolutivos para
entrenar redes neuronales. Conrad tambien sugirio [50] el uso de la evolucion
para lidiar con problemas como el reconocimiento de patrones en que los enfoques algortmicos de alto nivel (como los sistemas expertos) no han proporcionado
resultados satisfactorios.

2.22 Programacio n genetica

Aunque los primeros intentos por evolucionar programas se remontan a los 1950s
y 1960s [95, 83], no fue sino hasta los 1980s que se obtuvieron resultados satisfactorios.
Hicklin [121] y Fujiki [98] usaron expresiones-S en LISP para representar programas cuyo objetivo era resolver problemas de teora de juegos. Hicklin [121]
discutio la combinacion de segmentos de programas mediante el copiado de suba rboles de un individuo a otro, aunque sus a rboles se limitaban a expresar sentencias condicionales. Adicionalmente, planteo el uso de mutacion para introducir
nuevos a rboles en la poblacion.
Nichael Lynn Cramer [56] y posteriormente John R. Koza [144] propusieron
(de forma independiente) el uso de una representacion de a rbol en la que se implemento un operador de cruza para intercambiar sub-arboles entre los diferentes
programas de una poblacion generada al azar (con ciertas restricciones impuestas
por la sintaxis del lenguaje de programacion utilizado).
La diferencia fundamental del trabajo de Cramer [56] y el de Koza [144] es que
el primero uso una funcion de aptitud interactiva (es decir, el usuario deba asignar
a mano el valor de aptitud a cada a rbol de la poblacion), mientras el segundo logro
automatizarla.
La propuesta de Koza [144] se denomina programaci o n genetica y fue implementada originalmente usando expresiones-S en LISP, aunque hoy en da existen
62

Figura 2.17: John R. Koza.

implementaciones en muchos otros lenguajes de programacion. Su tecnica es casi
independiente del dominio y ha sido utilizada en un sinnumero de aplicaciones
de entre las que destacan la compresion de imagenes, el diseno de circuitos, el
reconocimiento de patrones y la planeacion de movimientos de robots, entre otras
[145].
Mas recientemente, Koza [146] extendio su tecnica mediante la incorporacion
de funciones definidas automaticamente, las cuales pueden ser reusadas a manera de subrutinas e incrementan notablemente el poder de la programacion genetica
para generar programas automaticamente.

2.23 Dinamica evolutiva

Thomas S. Ray [183] desarrollo a principios de los 1990s un simulador muy original en el que se evolucionaban programas en lenguaje ensamblador, los cuales
competan por ciclos de CPU de una computadora, a la vez que intentaban reproducirse (o sea, copiarse a s mismos) en la memoria de dicha computadora. En este
simulador, denominado Tierra, se parta de un programa u nico con la capacidad
de auto-replicarse, al que se denominaba ancestro. En base a este programa, se
generaban criaturas nuevas (segmentos de codigo), las cuales a su vez se podan
dividir para dar nacimiento a mas criaturas. Al nacer, una criatura era colocada
en una cola de espera aguardando a tener el turno correspondiente para que sus
instrucciones fueran ejecutadas. Si dichas instrucciones producan un error al ejecutarse, la criatura se movera mas arriba en la cola de espera, de acuerdo al nivel
de errores acumulados en su periodo de vida. Las criaturas que se encontraran
63

Figura 2.18: Thomas S. Ray.

en la parte superior de la cola de espera eran destruidas (es decir, moran). Para
introducir diversidad en las criaturas, Ray propuso dos formas de mutacion: (1)
a ciertos intervalos, algunos bits en memoria eran modificados aleatoriamente, y
(2) durante el proceso de auto-replicacion de una criatura, algunos de sus bits se
cambiaban aleatoriamente. Otra fuente adicional de diversidad provena del hecho de que los programas no eran determinsticos, sino que cada instruccion tena
asociada una probabilidad de ser ejecutada.
Uno de los fenomenos observados por Ray durante las simulaciones de Tierra
fue el surgimiento de criaturas parasitas, las cuales no podan reproducirse al
carecer de un programa huesped que las contuviera, y que la dinamica evolutiva
misma del sistema tenda a eliminar con el paso del tiempo.
Tierra es uno de los pocos intentos por simular un ecosistema con el proposito
expreso de observar los comportamientos que emergen de la dinamica evolutiva
del mismo.

2.24 Problemas propuestos

1. Muy relacionado con el Lamarckismo se encuentra un mecanismo que diera
a conocer originalmente James Mark Baldwin en 1902 [15] y al cual denomino seleccion organica.
Hoy en da, a este mecanismo se le conoce como efecto Baldwin y es
bastante popular en computacion evolutiva. Explique en que consiste el
efecto Baldwin desde la perspectiva biologica y de que forma se relaciona
64

Figura 2.19: James Mark Baldwin.

con el Lamarckismo.
2. El Neo-Darwinismo se compone basicamente de los siguientes fenomenos
y propuestas [212]:




Herencia

Mezcla aleatoria de cromosomas paternos y maternos

Seleccion y evolucion natural

Desvo genetico

Mutacion

Recombinacion

Aislamiento

La barrera de Weismann es inviolable

Investigue los argumentos del Neo-Darwinismo respecto de cada uno de

estos puntos y elabore un ensayo donde los discuta y critique.
3. Investigue en que consiste el equilibro acentuado [73, 124] (punctuated
equilibrium en ingles) y escriba un ensayo en el que indique si considera
que se opone a los preceptos del Neo-Darwinismo o no. Fundamente bien
sus argumentos.
65

4. Defina lo que se entiende en biologa por desvo genetico (genetic drift,

en ingles), indicando como puede contrarrestarse. Asegurese de explicar el
significado de cualquier termino que utilice en su definicion.
Se le recomienda consultar:
Paton, Raymond C. Principles of Genetics, en Thomas Back, David B.
Fogel & Zbigniew Michalewicz (editores), Handbook of Evolutionary Computation, pp. A2.2:1A2.2:9, Institute of Physics Publishing and Oxford
University Press, 1997.

66

Captulo 3
Principales Paradigmas
3.1 Introduccio n
El termino computacion evolutiva o algoritmos evolutivos, realmente engloba
una serie de tecnicas inspiradas biologicamente (en los principios de la teora
Neo-Darwiniana de la evolucion natural). En terminos generales, para simular el
proceso evolutivo en una computadora se requiere:




Codificar las estructuras que se replicaran.

Operaciones que afecten a los individuos.

Una funcion de aptitud.

Un mecanismo de seleccion.

Aunque hoy en da es cada vez mas difcil distinguir las diferencias entre
los distintos tipos de algoritmos evolutivos existentes, por razones sobre todo
historicas, suele hablarse de tres paradigmas principales:




Programacion Evolutiva

Estrategias Evolutivas
Algoritmos Geneticos

Cada uno de estos paradigmas se origino de manera independiente y con motivaciones muy distintas. Aunque este curso se concentrara principalmente en el
tercero (los algoritmos geneticos), revisaremos rapidamente, y de manera muy
general, los otros dos paradigmas en este captulo.
67

Figura 3.1: Portada de la edicion reciente (1999) del libro Artificial Intelligence
through Simulated Evolution, con el cual se originara la programacion evolutiva.

3.1.1 Programacion evolutiva

Lawrence J. Fogel propuso en los 1960s una tecnica denominada programacion
evolutiva, en la cual la inteligencia se ve como un comportamiento adaptativo
[84, 85].
La programacion evolutiva enfatiza los nexos de comportamiento entre padres
e hijos, en vez de buscar emular operadores geneticos especficos (como en el caso
de los algoritmos geneticos).
3.1.1.1 Algoritmo
El algoritmo basico de la programacion evolutiva es el siguiente:




Generar aleatoriamente una poblacion inicial.

Se aplica mutacion.
Se calcula la aptitud de cada hijo y se usa un proceso de seleccion mediante torneo (normalmente estocastico) para determinar cuales seran las
soluciones que se retendran.

La programacion evolutiva es una abstraccion de la evolucion al nivel de las

especies, por lo que no se requiere el uso de un operador de recombinacion (diferentes especies no se pueden cruzar entre s). Asimismo, usa seleccion probabilstica.
68

0/c
B

0/b
1/a

0/b

1/b

1/c

Figura 3.2: Automata finito de 3 estados. Los smbolos a la izquierda de / son

de entrada, y los de la derecha son de salida. El estado inicial es C.
3.1.1.2 Ejemplo
Veamos el ejemplo del funcionamiento de la programacion evolutiva que se indica
en la figura 3.2. La tabla de transiciones de este automata es la siguiente:
Estado Actual
C
Smbolo de Entrada 0
Estado Siguiente
B
Smbolo de Salida
b

B
1
C
a

C A
1 1
A A
c b

A
0
B
b

B
1
C
a

En este automata pueden ahora aplicarse cinco diferentes tipos de mutaciones:

cambiar un smbolo de salida, cambiar una transicion, agregar un estado, borrar un
estado y cambiar el estado inicial. El objetivo es hacer que el automata reconozca
un cierto conjunto de entradas (o sea, una cierta expresion regular) sin equivocarse
ni una sola vez.

3.1.2 Aplicaciones
Algunas aplicaciones de la programacion evolutiva son [80]:




Prediccion
Generalizacion
Juegos
69




Control automatico

Problema del viajero

Planeacion de rutas

Diseno y entrenamiento de redes neuronales

Reconocimiento de patrones

3.1.3 Estrategias Evolutivas

Las estrategias evolutivas fueron desarrolladas en 1964 en Alemania para resolver
problemas hidrodinamicos de alto grado de complejidad por un grupo de estudiantes de ingeniera encabezado por Ingo Rechenberg [9].
3.1.3.1 Algoritmo
La version original (1+1)-EE usaba un solo padre y con e l se generaba un solo hijo.
Este hijo se mantena si era mejor que el padre, o de lo contrario se eliminaba (a
este tipo de seleccion se le llama extintiva, porque los peores individuos obtienen
una probabilidad de ser seleccionado de cero).
En la (1+1)-EE, un individuo nuevo es generado usando:

X p H X X
x L u 

donde se refiere a la generacion (o iteracion) en la que nos encontramos, y

x L u  es un vector de numeros
Gaussianos independientes con una media de

cero y desviaciones estandar .

3.1.3.2 Ejemplo
Considere el siguiente ejemplo de una (1+1)-EE (estrategia evolutiva de dos miembros):
Supongamos que queremos optimizar:

donde:

[ H?u   %]20L;LX H hx    M2hx H  

hjBL+)6 Hvu   )MBL;+
70

Ahora, supongamos que nuestra poblacion consiste del siguiente individuo

(generado de forma aleatoria):

vX u %h2>L u >2 L+ u 2>L u 2>L+

Supongamos tambien que las mutaciones producidas son las siguientes:

 H pp H 
  sCL
  H XH s
 CL

h2>LsL2L;
u 2>2>L>L>%%i
i2sL_>]2>_>
u

Ahora, comparamos al padre con el hijo:

  %h2>L u 2>L+%L

 p H MhL> u 2>_>>^B;L2>r20
Dado que: B;L2;r2srL

Padre
Hijo

el hijo reemplazara al padre en la siguiente generacion.

Rechenberg [184] introdujo el concepto de poblacion, al proponer una estrategia evolutiva llamada (( +1)-EE, en la cual hay padres y se genera un solo hijo,
el cual puede reemplazar al peor padre de la poblacion (seleccion extintiva).
Schwefel [203, 204] introdujo el uso de multiples hijos en las denominadas
( + )-EEs y ( , )-EEs. La notacion se refiere al mecanismo de seleccion utilizado:

m



En el primer caso, los

e hijos sobreviven.

mejores individuos obtenidos de la union de padres

En el segundo caso, solo los

sobreviven.

mejores hijos de la siguiente generacion

3.1.3.3 Convergencia
Rechenberg [184] formulo una regla para ajustar la desviacion estandar de forma
determinstica durante el proceso evolutivo de tal manera que el procedimiento
convergiera hacia el o ptimo.
Esta regla se conoce como la regla del e xito 1/5, y en palabras dice:
71

Figura 3.3: Thomas Back.

La razon entre mutaciones exitosas y el total de mutaciones debe ser
1/5. Si es mayor, entonces debe incrementarse la desviacion estandar.
Si es menor, entonces debe decrementarse.
Formalmente:

[w  [chUhU!"~;<# #

[ hx!

2(~;_
t ^
4^2(~;_
t ]
t 2(~;_
donde  es el numero de dimensiones, es la generacion, es la frecuencia

relativa de mutaciones exitosas medida sobre intervalos de (por ejemplo) 2L; individuos, y #lkL2( (este valor fue derivado teoricamente por Schwefel [204]).
[ se aujsta cada  mutaciones.
Thomas Back [9] derivo una regla de e xito 1/7 para las ( , m )-EEs.
si
si
si

3.1.3.4 Auto-Adaptacion
En las estrategias evolutivas se evoluciona no solo a las variables del problema,
sino tambien a los parametros mismos de la tecnica (es decir, las desviaciones
estandar). A esto se le llama auto-adaptacion).
Los padres se mutan usando las siguientes formulas:

  b  b  xCL 2(!UXf3CL 20"

u
u
 bcbosCL u   b"
72

donde y constantes de proporcionalidad que estan en funcion de .

Los operadores de recombinacion de las estrategias evolutivas pueden ser:




Sexuales: el operador actua sobre 2 individuos elegidos aleatoriamente de

la poblacion de padres.
Panmticos: se elige un solo padre al azar, y se mantiene fijo mientras
se elige al azar un segundo padre (de entre toda la poblacion) para cada
componente de sus vectores.

Las estrategias evolutivas simulan el proceso evolutivo al nivel de los individuos, por lo que la recombinacion es posible. Asimismo, usan normalmente
seleccion determinstica.
3.1.3.5 Estrategias Evolutivas vs Programacio n Evolutiva
La Programacion Evolutiva usa normalmente seleccion estocastica, mientras que
las estrategias evolutivas usan seleccion determinstica.
Ambas tecnicas operan a nivel fenotpico (es decir, no requieren codificacion
de las variables del problema).
La programacion evolutiva es una abstraccion de la evolucion al nivel de las
especies, por lo que no se requiere el uso de un operador de recombinacion (diferentes especies no se pueden cruzar entre s). En contraste, las estrategias evolutivas son una abstraccion de la evolucion al nivel de un individuo, por lo que la
recombinacion es posible.
3.1.3.6 Aplicaciones
Algunas aplicaciones de las estrategias evolutivas son [204]:




Problemas de ruteo y redes

Bioqumica

Optica
Diseno en ingeniera
Magnetismo
73

Figura 3.4: Portada de una edicion reciente (publicada por el MIT Press) del libro en el que Holland diera a conocer originalmente los algoritmos geneticos (en
1975).

3.1.4 Algoritmos Geneticos

Los algoritmos geneticos (denominados originalmente planes reproductivos geneticos)
fueron desarrollados por John H. Holland a principios de los 1960s [125, 126],
motivado por resolver problemas de aprendizaje de maquina.
3.1.4.1 Algoritmo
El algoritmo genetico enfatiza la importancia de la cruza sexual (operador principal) sobre el de la mutacion (operador secundario), y usa seleccion probabilstica.
El algoritmo basico es el siguiente:




Generar (aleatoriamente) una poblacion inicial.

Calcular aptitud de cada individuo.

Seleccionar (probabilsticamente) en base a aptitud.

Aplicar operadores geneticos (cruza y mutacion) para generar la siguiente

poblacion.
Ciclar hasta que cierta condicion se satisfaga.

La representacion tradicional es la binaria, tal y como se ejemplifica en la

figura 3.5.
74

Cadena 1

Cadena 2

Cadena 3

Cadena 4

Figura 3.5: Ejemplo de la codificacion (mediante cadenas binarias) usada tradicionalmente con los algoritmos geneticos.
A la cadena binaria se le llama cromosoma. A cada posicion de la cadena
se le denomina gene y al valor dentro de esta posicion se le llama alelo.
Para poder aplicar el algoritmo genetico se requiere de los 5 componentes
basicos siguientes:




Una representacion de las soluciones potenciales del problema.

Una forma de crear una poblacion inicial de posibles soluciones (normalmente un proceso aleatorio).

Una funcion de evaluacion que juegue el papel del ambiente, clasificando

las soluciones en terminos de su aptitud.

Operadores geneticos que alteren la composicion de los hijos que se produciran para las siguientes generaciones.
Valores para los diferentes parametros que utiliza el algoritmo genetico
(tamano de la poblacion, probabilidad de cruza, probabilidad de mutacion,
numero maximo de generaciones, etc.)

3.1.4.2 Algoritmos geneticos vs otras tecnicas evolutivas

El AG usa seleccion probabilstica al igual que la Programacion Evolutiva, y en
contraposicion a la seleccion determinstica de las Estrategias Evolutivas.
El AG usa representacion binaria para codificar las soluciones a un problema,
por lo cual se evoluciona el genotipo y no el fenotipo como en la Programacion
Evolutiva o las Estrategias Evolutivas.
El operador principal en el AG es la cruza, y la mutacion es un operador secundario. En la Programacion Evolutiva, no hay cruza y en las Estrategias Evolutivas
es un operador secundario.
Ha sido demostrado [195] que el AG requiere de elitismo (o sea, retener intacto
al mejor individuo de cada generacion) para poder converger al o ptimo.
75

Figura 3.6: Portada del libro de David E. Goldberg sobre algoritmos geneticos. A
este importante libro se debe, en gran medida, el e xito (cada vez mayor) de que
han gozado los algoritmos geneticos desde principios de los 1990s.
Los AGs no son, normalmente, auto-adaptativos, aunque el uso de dicho mecanismo es posible, y ha sido explorado extensivamente en la literatura especializada
(ver por ejemplo: [6, 63, 201]).
Puede verse una comparacion mas detallada de los tres paradigmas anteriores
en la tabla 3.1.
3.1.4.3 Aplicaciones
Algunas aplicaciones de los AGs son las siguientes [105]:




Optimizacion (estructural, de topologas, numerica, combinatoria, etc.)

Aprendizaje de maquina (sistemas clasificadores)

Bases de datos (optimizacion de consultas)

Reconocimiento de patrones (por ejemplo, imagenes)

Generacion de gramaticas (regulares, libres de contexto, etc.)

Planeacion de movimientos de robots
Prediccion

76

Tabla 3.1: Tabla comparativa de los tres paradigmas principales que conforman la
computacion evolutiva [9].

Estrategias
Evolutivas

Programacion
Evolutiva

Algoritmo
Genetico

Representacion
Funcion
de Aptitud
Auto-Adaptacion

Real
Valor de la funcion
objetivo
Desviaciones Estandar
y a ngulos de rotacion

Binaria
Valor de la funcio n
objetivo ajustada
Ninguna

Mutacion

Gausiana,
operador principal
Discreta e intermedia,
sexual y panmtica,
importante para la
auto-adaptacion
Determinstica,
extintiva o basada
en la preservacion
Restricciones
arbitrarias de
desigualdad

Real
Valor de la funcion
objetivo ajustada
Ninguna
Varianzas (PE-estandar),
Coeficientes de
correlacion (meta-PE)
Gausiana,
operador u nico
Ninguna

Recombinacion

Seleccion

Restricciones

Teora

Probabilstica,
extintiva
Ninguna

Velocidad de
Convergencia para
casos especiales,
(1+1)-ES, (1+ )-ES,
Convergencia global

Velocidad de
Convergencia para
casos especiales,
(1+1)-PE,
Convergencia global

para (

para meta-PE

eym

)-ES

77

Inversion de bits,
operador secundario
Cruza de 2-puntos,
cruza uniforme,
u nicamente sexual,
operador principal
Probabilstica,
basada en la
preservacion
Lmites simples
mediante el
mecanismo de
codificacion
Teora de los
Esquemas,
Convergencia global
para la version
elitista

3.2 Diferencias de las tecnicas evolutivas con respecto

a las tradicionales
Existen varias diferencias que vale la pena destacar entre los algoritmos evolutivos
y las tecnicas tradicionales de busqueda y optimizacion [33, 105]:




Las tecnicas evolutivas usan una poblacion de soluciones potenciales en vez

de un solo individuo, lo cual las hace menos sensibles a quedar atrapadas
en mnimos/maximos locales.

Las tecnicas evolutivas no necesitan conocimiento especfico sobre el problema que intentan resolver.

Las tecnicas evolutivas usan operadores probabilsticos, mientras las tecnicas

tradicionales utilizan operadores determinsticos.
Aunque las tecnicas evolutivas son estocasticas, el hecho de que usen operadores probabilsticos no significa que operen de manera analoga a una
simple busqueda aleatoria.

3.3 Ventajas de las Tecnicas Evolutivas

Es importante destacar las diversas ventajas que presenta el uso de tecnicas evolutivas para resolver problemas de busqueda y optimizacion [105, 80]:




Simplicidad Conceptual.

Amplia aplicabilidad.

Superiores a las tecnicas tradicionales en muchos problemas del mundo real.

Tienen el potencial para incorporar conocimiento sobre el dominio y para

hibridizarse con otras tecnicas de busqueda/optimizacion.

Pueden explotar facilmente las arquitecturas en paralelo.

Son robustas a los cambios dinamicos.

Generalmente pueden auto-adaptar sus parametros.
Capaces de resolver problemas para los cuales no se conoce solucion alguna.
78

Figura 3.7: Portada del libro de John Koza sobre programacion genetica. Este
libro marco el inicio de una nueva a rea dentro de la computacion evolutiva, dedicada principalmente a la solucion de problemas de regresion simbolica.

3.4 Crticas a las Tecnicas Evolutivas

Los algoritmos evolutivos fueron muy criticados en sus orgenes (en los 1960s),
y todava siguen siendo blanco de ataques por parte de investigadores de IA
simbolica [80, 85]. Se crea, por ejemplo, que una simple busqueda aleatoria
poda superarlas. De hecho, algunos investigadores lograron mostrar esto en algunas de las primeras aplicaciones de la computacion evolutiva en los 1960s, aunque
eso se debio mas bien en limitantes en cuanto al poder de computo y ciertas fallas
en los modelos matematicos adoptados en aquella e poca.
La programacion automatica fue considerada tambien como una moda pasajera
en IA y el enfoque evolutivo fue visto como un intento mas por lograr algo que
luca imposible. Sin embargo, los resultados obtenidos en los u ltimos anos con
programacion genetica[145, 146, 147] hacen ver que el poder de la computacion
evolutiva en el campo de la programacion automatica es mayor del que se crea en
los 1960s.
Actualmente, todava muchas personas creen que un AG funciona igual que
una tecnica escalando la colina que comienza de varios puntos. Se ha demostrado que esto no es cierto, aunque el tema sigue siendo objeto de acalorados
debates.
Las tecnicas sub-simbolicas (redes neuronales y computacion evolutiva) gozan
de gran popularidad entre la comunidad cientfica en general, excepto por algunos
especialistas de IA clasica que las consideran mal fundamentadas e inestables.
79

3.5 Problemas Propuestos

1. Investigue en que consisten los algoritmos culturales y su relacion con los
algoritmos geneticos. Consulte, por ejemplo:




Robert G. Reynolds, An Introduction to Cultural Algorithms, In

A. V. Sebald, , and L. J. Fogel, editors, Proceedings of the Third
Annual Conference on Evolutionary Programming, pages 131139.
World Scientific, River Edge, New Jersey, 1994.
Robert G. Reynolds, Zbigniew Michalewicz, and M. Cavaretta, Using cultural algorithms for constraint handling in GENOCOP, In J. R.
McDonnell, R. G. Reynolds, and D. B. Fogel, editors, Proceedings of
the Fourth Annual Conference on Evolutionary Programming, pages
298305. MIT Press, Cambridge, Massachusetts, 1995.

2. Investigue en que consiste la busqueda dispersa (scatter search) y su relacion

con la computacion evolutiva. Se le sugiere leer:




Fred Glover, Genetic Algorithms and Scatter Search: Unsuspected

Potentials, Statistics and Computing, Vol. 4, pp. 131140, 1994.
Fred Glover, Scatter Search and Star-Paths: Beyond the Genetic Metaphor,
OR Spektrum, Vol. 17, pp. 125137, 1995.

3. Implemente una estrategia evolutiva de 2 miembros (la denominada

) cuyo algoritmo que se presenta a continuacion:

2(hO

t contador de generaciones, n numero de variables

Gmax = numero maximo de generaciones
t 0
Inicializar variables ,
Evaluar
while (t Gmax) do
inicializar semilla de aleatorios
mutar el vector usando:

v 
)

tf S

Xf Xf  Tf3 L u 2(eb P 

Evaluar v 
Comparar  con  y seleccionar el mejor
Imprimir en un archivo los resultados
80

32

t = t+1
if (t mod n == 0) then

S  hUT[~#

S T S hO#ATX(#
S hUT
S
S
else T h62T

if
if
if

2(~>_
t M
4 2(~>_
M
t k
t (2 ~>_

Algunos puntos importantes que deben observarse en este programa son los
siguientes:

# oscila entre 0.817 y 1.0, aunque muchos

L2( o L>_ .

El valor de la constante
suelen establecerlo en

de e xito de las mutaciones. Para calcularlo, se

tregistrar
es la afrecuencia
como exitosa aquella mutacion en la que el hijo reemplace
a su padre. La actualizacion de normalmente se efectua cada 20L0
t
iteraciones.
 Usaremos S LTL .
y  sera proporcionada por el usuario.
 La semilla de aleatorios se inicializara con 3b * L+ , que es una funcion
en C que devuelve un entero en base al reloj interno de la computadora.

 x L (2  es una funcion que genera numeros aleatorios Gaussianos

u
(distribucion normal) con media cero y desviacion estandar uno.


Cuidar que los valores de las variables no se salgan del rango especificado.

Escribir un programa en C que implemente el algoritmo arriba indicado y

utilizarlo para minimizar:

[ o (%*t hxo( M.h

u
donde hjBL+)6  )BL+ .
Hvu 
Asegurese de incluir lo siguiente en su reporte:
81

(3.1)

(a) El codigo fuente del programa, con comentarios suficientemente claros

como para entender el funcionamiento del mismo.
(b) Una grafica de la funcion a optimizarse dentro de los rangos permisibles para las variables. La grafica debera estar en 3 dimensiones.
(c) Una corrida de ejemplo (presumiblemente, una corrida representativa
de su funcionamiento).

82

Captulo 4
Terminologa Biologica y de
Computacion Evolutiva
4.1 Introduccio n
El Acido Desoxirribonucleico (ADN) es el material genetico fundamental de todos los organismos vivos. El ADN es una macro-molecula doblemente trenzada
que tiene una estructura helicoidal como se ilustra en la Figura 4.1. Ambos filamentos trenzados son moleculas de a cido nucleico lineales y sin ramificaciones,
formadas de moleculas alternadas de desoxirribosa (azucar) y fosfato. El ADN de
un organismo puede contener desde una docena de genes (como un virus), hasta
decenas de miles (como los humanos).
Las 4 bases de nucleotido (ver figura 4.2): Adenina (A), Timina (T), Citosina
(C) y Guanina (G) son el alfabeto de informacion genetica. Las secuencias de
estas bases en la molecula de ADN determinan el plan constructor de cualquier
organismo.

Figura 4.1: Estructural helicoidal del ADN.

83

Figura 4.2: Las cuatro bases de nucleotido

Figura 4.3: Cromosomas

Un gene es una seccion de ADN que codifica una cierta funcion bioqumica
definida, usualmente la produccion de una protena. Es fundamentalmente una
unidad de herencia.
El ADN de un organismo puede contener desde una docena de genes (como
un virus), hasta decenas de miles (como los humanos).
Se denomina cromosoma a una de las cadenas de ADN que se encuentra en
el nucleo de las celulas (ver figura 4.3). Los cromosomas son responsables de la
transmision de informacion genetica.
Cada gene es capaz de ocupar solo una region en particular de un cromosoma
(su lugar o locus). En cada determinado lugar pueden existir, en la poblacion,
formas alternativas del gene. A estas formas alternativas se les llama alelos.
Se llama Genoma a la coleccion total de genes (y por tanto, cromosomas) que
posee un organismo (ver figura 4.4).
Se denomina Gametos a las celulas que llevan informacion genetica de los
padres con el proposito de efectuar reproduccion sexual. En los animales, se
denomina esperma a los gametos masculinos y o vulos a los gametos femeninos.
Se denomina haploide a la celula que contiene un solo cromosoma o conjunto
de cromosomas, cada uno de los cuales consiste de una sola secuencia de genes.
84

Figura 4.4: Genoma

Un ejemplo es un gameto.
Se denomina diploide a una celula que contiene 2 copias de cada cromosoma.
Las copias son homologas, es decir, contienen los mismos genes en la misma
secuencia.
En muchas especies que se reproducen sexualmente, los genes en uno de los
conjuntos de cromosomas de una celula diploide se heredan del gameto del padre,
mientras que los genes del otro conjunto son del gameto de la madre.
Se denomina individuo a un solo miembro de una poblacion. Se denomina
poblacion a un grupo de individuos que pueden interactuar juntos, por ejemplo,
para reproducirse.
Se denomina fenotipo a los rasgos (observables) especficos de un individuo.
Se denomina genotipo a la composicion genetica de un organismo (la informacion
contenida en el genoma). Es decir, es lo que potencialmente puede llegar a ser un
individuo.
El genotipo da origen, tras el desarrollo fetal y posterior, al fenotipo del organismo (ver figura 4.5).
En la naturaleza, la mayora de las especies capaces de reproducirse sexualmente son diploides (ver figura 4.6).
Durante la reproduccion sexual ocurre la recombinacion (o cruza):

Caso Haploide: Se intercambian los genes entre los cromosomas (haploides) de los dos padres.
Caso Diploide: En cada padre, se intercambian los genes entre cada par de
cromosomas para formar un gameto, y posteriormente los gametos de los 2
85

Figura 4.5: Un feto humano.

Figura 4.6: Celula diploide.

86

Figura 4.7: Una mutacion (error de copiado).

padres se aparean para formar un solo conjunto de cromosomas diploides.
Durante la mutacion (ver figura 4.7), se cambian nucleotidos individuales de
padre a hijo. La mayora de estos cambios se producen por errores de copiado.
La aptitud de un individuo se define como la probabilidad de que e ste viva
para reproducirse (viabilidad), o como una funcion del numero de descendientes
que e ste tiene (fertilidad).
Se denomina ambiente a todo aquello que rodea a un organismo. Puede ser
fsico (abiotico) o biotico. En ambos casos, el organismo ocupa un nicho que
ejerce una influencia sobre su aptitud dentro del ambiente total.
Un ambiente biotico puede presentar funciones de aptitud dependientes de la
frecuencia dentro de una poblacion. En otras palabras, la aptitud del comportamiento de un organismo puede depender de cuantos mas esten comportandose
igual.
A traves de varias generaciones, los ambientes bioticos pueden fomentar la
co-evolucion, en la cual la aptitud se determina mediante la seleccion parcial de
otras especies.
La seleccion es el proceso mediante el cual algunos individuos en una poblacion
son seleccionados para reproducirse, tpicamente con base en su aptitud.
La seleccion dura se da cuando solo los mejores individuos se mantienen para
generar progenia futura.
La seleccion blanda se da cuando se usan mecanismos probabilsticos para
mantener como padres a individuos que tengan aptitudes relativamente bajas.
Se llama pleitropa al efecto en el cual un solo gene puede afectar simultaneamente
a varios rasgos fenotpicos. Un ejemplo es un problema con la celula responsable
87

de formar la hemoglobina. Al fallar, se afecta la circulacion sangunea, las funciones del hgado y las acciones capilares.
Cuando una sola caracterstica fenotpica de un individuo puede ser determinada mediante la interaccion simultanea de varios genes, se denomina al efecto:
poligenia. El color del cabello y de la piel son generalmente rasgos poligenicos.
Aunque no existe una definicion universalmente aceptada de especie, diremos
que es una coleccion de criaturas vivientes que tienen caractersticas similares, y
que se pueden reproducir entre s. Los miembros de una especie ocupan el mismo
nicho ecologico.
Se denomina especiacion al proceso mediante el cual aparece una especie. La
causa mas comun de especiacion es el aislamiento geografico.
Si una subpoblacion de una cierta especie se separa geograficamente de la
poblacion principal durante un tiempo suficientemente largo, sus genes divergiran.
Estas divergencias se deben a diferencias en la presion de seleccion en diferentes
lugares, o al fenomeno conocido como desvo genetico.
Se llama desvo genetico a los cambios en las frecuencias de genes/alelos en
una poblacion con el paso de muchas generaciones, como resultado del azar en
vez de la seleccion. El desvo genetico ocurre mas rapidamente en poblaciones
pequenas y su mayor peligro es que puede conducir a que algunos alelos se extingan, reduciendo en consecuencia la variabilidad de la poblacion.
En los ecosistemas naturales, hay muchas formas diferentes en las que los
animales pueden sobrevivir (en los a rboles, de la cacera, en la tierra, etc.) y cada
estrategia de supervivencia es llamada un nicho ecologico.
Dos especies que ocupan nichos diferentes (p.ej. una que se alimenta de plantas y otra que se alimenta de insectos) pueden coexistir entre ellas sin competir,
de una manera estable.
Sin embargo, si dos especies que ocupan el mismo nicho se llevan a la misma
zona, habra competencia, y a la larga, la especie mas debil se extinguira (localmente).
Por lo tanto, la diversidad de las especies depende de que ocupen una diversidad de nichos (o de que esten separadas geograficamente).
Se denomina reproduccion a la creacion de un nuevo individuo a partir de:




Dos progenitores (sexual)

Un progenitor (asexual)

Se denomina migracion a la transferencia de (los genes de) un individuo de

una subpoblacion a otra.
88

Se dice que un gene es epistatico cuando su presencia suprime el efecto de

un gene que se encuentra en otra posicion. Los genes epistaticos son llamados
algunas veces genes de inhibicion por el efecto que producen sobre otros genes.

4.2 Tipos de Aprendizaje

Algunos cientficos (como Atmar [5]) consideran que existen 3 tipos distintos de
inteligencia en los seres vivos:




Filogenetica

Ontogenetica
Sociogenetica

En la inteligencia filogenetica, el aprendizaje se efectua en este caso a nivel

de las especies. La unidad de mutabilidad es un solo par base nucleotido, y el
acervo de la inteligencia es el genoma de la especie.
En la inteligencia ontogenetica, el aprendizaje se efectua a nivel del individuo. La unidad de mutabilidad (o cambio) es la propension de una neurona
para dispararse y la sensibilidad del sitio receptor de dicha neurona. El acervo de
este tipo de inteligencia es la memoria neuronal y hormonal (a la supuesta ruta de
conexiones neuronales aprendidas se le llama engrama).
En la inteligencia sociogenetica, el aprendizaje se efectua a nivel del grupo.
La unidad de mutabilidad es la idea, o la experiencia compartida y el acervo de
este tipo de inteligencia es la cultura.

4.3 Conceptos de Computaci o n Evolutiva

Denominamos cromosoma a una estructura de datos que contiene una cadena de
parametros de diseno o genes. Esta estructura de datos puede almacenarse, por
ejemplo, como una cadena de bits o un arreglo de enteros (ver figura 4.8).
Se llama gene a una subseccion de un cromosoma que (usualmente) codifica
el valor de un solo parametro (ver figura 4.9).
Se denomina genotipo a la codificacion (por ejemplo, binaria) de los parametros
que representan una solucion del problema a resolverse (ver figura 4.8).
89

Figura 4.8: Un ejemplo de una cadena cromosomica. Esta cadena es el genotipo

que codifica las variables de decision de un problema.

Figura 4.9: Un ejemplo de un gene.

genotipo

fenotipo

decodificacin

Figura 4.10: Un ejemplo de un fenotipo.

90

Individuo
Figura 4.11: Un ejemplo de un individuo.

alelo

Figura 4.12: Un ejemplo de un alelo.

Se denomina fenotipo a la decodificacion del cromosoma. Es decir, a los
valores obtenidos al pasar de la representacion (binaria) a la usada por la funcion
objetivo (ver figura 4.10).
Se denomina individuo a un solo miembro de la poblacion de soluciones potenciales a un problema. Cada individuo contiene un cromosoma (o de manera
mas general, un genoma) que representa una solucion posible al problema a resolverse (ver figura 4.11).
Se denomina aptitud al valor que se asigna a cada individuo y que indica que
tan bueno es e ste con respecto a los demas para la solucion de un problema. Por
, entonces
(donde
es la aptitud de un
ejemplo, si
individuo).
Se llama paisaje de aptitud (fitness landscape) a la hipersuperficie que se
obtiene al aplicar la funcion de aptitud a cada punto del espacio de busqueda.
Se denomina alelo a cada valor posible que puede adquirir una cierta posicion
genetica. Si se usa representacion binaria, un alelo puede valer 0 o 1 (ver figura 4.12).

 

320L20L  2L>L



Llamamos generacion a una iteracion de la medida de aptitud y a la creacion

de una nueva poblacion por medio de operadores de reproduccion.
Una poblacion puede subdividirse en grupos a los que se denomina subpoblaciones. Normalmente, solo pueden cruzarse entre s los individuos que pertenez91

Figura 4.13: Un ejemplo de migracion.

can a la misma subpoblacion.
En los esquemas con subpoblaciones, suele permitirse la migraci o n de una
subpoblacion a otra (sobre todo en el contexto de algoritmos evolutivos paralelos).
Al hecho de permitir la cruza solo entre individuos de la misma subpoblacion
se le llama especiacion en una emulacion del fenomeno natural del mismo nombre.
Se llama migracion a la transferencia de (los genes de) un individuo de una
subpoblacion a otra.
Hay un tipo de poblacion usada en computacion evolutiva en la que cualquier
individuo puede reproducirse con otro con una probabilidad que depende solo de
su aptitud. Se le llama poblacion panmtica.
Lo opuesto de la poblacion panmtica es permitir la reproduccion solo entre
individuos de la misma subpoblacion. La mayor parte de los algoritmos evolutivos
(AEs) convencionales usan poblaciones panmticas.
Debido a ruidos estocasticos, los AEs tienden a converger a una sola solucion.
Para evitar eso, y mantener la diversidad, existen tecnicas que permiten crear distintos nichos para los individuos.
Se llama epstasis a la interaccion entre los diferentes genes de un cromosoma.
Se refiere a la medida en que la contribucion de aptitud de un gene depende de los
valores de los otros genes.
Cuando un problema tiene poca epstasis (o ninguna), su solucion es trivial (un
algoritmo escalando la colina es suficiente para resolverlo). Cuando un problema
tiene una epstasis elevada, el problema sera deceptivo, por lo que sera muy difcil
de resolver por un AE.
Se llama bloque constructor a un grupo pequeno y compacto de genes que
han co-evolucionado de tal forma que su introduccion en cualquier cromosoma
tiene una alta probabilidad de incrementar la aptitud de dicho cromosoma.
92

Cadena original:

Puntos de inversin:
Cadena resultante:

Figura 4.14: Ejemplo del operador de inversion.

Se llama decepcion a la condicion donde la combinacion de buenos bloques
constructores llevan a una reduccion de aptitud, en vez de un incremento. Este
fenomeno fue sugerido originalmente por Goldberg [105] para explicar el mal
desempeno del AG en algunos problemas.
Se llama operador de reproduccion a todo aquel mecanismo que influencia
la forma en que se pasa la informacion genetica de padres a hijos. Los operadores
de reproduccion caen en tres amplias categoras:




Cruza

Mutacion
Reordenamiento

La cruza es un operador que forma un nuevo cromosoma combinando partes

de cada uno de sus cromosomas padres.
Se denomina mutacion a un operador que forma un nuevo cromosoma a traves
de alteraciones (usualmente pequenas) de los valores de los genes de un solo cromosoma padre.
Un operador de reordenamiento es aquel que cambia el orden de los genes
de un cromosoma, con la esperanza de juntar los genes que se encuentren relacionados, facilitando as la produccion de bloques constructores.
La inversion es un ejemplo de un operador de reordenamiento en el que se
invierte el orden de todos los genes comprendidos entre 2 puntos seleccionados al
azar en el cromosoma (ver figura 4.14).
En un algoritmo genetico (AG), cuando una poblacion no tiene variedad requisito, la cruza no sera u til como operador de busqueda, porque tendra propension
a simplemente regenerar a los padres.
Es importante aclarar que en los AGs los operadores de reproduccion actuan
sobre los genotipos y no sobre los fenotipos de los individuos.
Se denomina elitismo al mecanismo utilizado en algunos AEs para asegurar
que los cromosomas de los miembros mas aptos de una poblacion se pasen a la
siguiente generacion sin ser alterados por ningun operador genetico.
93

Usar elitismo asegura que la aptitud maxima de la poblacion nunca se reducira

de una generacion a la siguiente. Sin embargo, no necesariamente mejora la posibilidad de localizar el o ptimo global de una funcion. No obstante, es importante
hacer notar que se ha demostrado que el uso de elitismo es vital para poder demostrar convergencia de un algoritmo genetico [195].
Cuando se atraviesa un espacio de busqueda, se denomina explotacio n al proceso de usar la informacion obtenida de los puntos visitados previamente para
determinar que lugares resulta mas conveniente visitar a continuacion.
Se denomina exploracion al proceso de visitar completamente nuevas regiones del espacio de busqueda, para ver si puede encontrarse algo prometedor. La
exploracion involucra grandes saltos hacia lo desconocido. La explotaci o n normalmente involucra movimientos finos. La explotaci o n es buena para encontrar
o ptimos locales. La exploracio n es buena para evitar quedar atrapado en o ptimos
locales.
Se denomina esquema a un patron de valores de genes de un cromosoma que
puede incluir estados no importa (dont care).
Usando un alfabeto binario, los esquemas se forman del alfabeto 0,1,#. Por
ejemplo, el cromosoma 0110 es una instancia del esquema #1#0 (donde # significa
no importa).

4.4 Problemas propuestos

1. Investigue acerca de los intrones, o segmentos de ADN no codificados y
escriba un ensayo al respecto. Su trabajo debe incluir una discusion de los
intrones desde la perspectiva biologica, as como su uso en computacion
evolutiva.
Se recomienda consultar:
Coello Coello, Carlos A.; Roco Reyes Daz; Hector G. Lugo Guevara y
Julio Cesar Sandria Reynoso, El Misterio de los Intrones, Lania-RD2000-03, Laboratorio Nacional de Informatica Avanzada, 2000.
2. Investigue alguno de los mecanismos de restricciones a la cruza que han
sido propuestos en computacion evolutiva y que tenga una fuerte inspiracion
biologica. Discuta, por ejemplo, la prevencion de incesto que propusieron
Eshelman y Shafer [75].

94

Captulo 5
La Importancia de la
Representacion
5.1 Introduccio n
Las capacidades para procesamiento de datos de las tecnicas de computacion evolutiva dentro de una amplia gama de dominios han sido reconocidas en los u ltimos
anos y han recibido mucha atencion por parte de cientficos que trabajan en diversas disciplinas. Dentro de estas tecnicas evolutivas, quizas la mas popular sea el
algoritmo genetico (AG) [105]. Siendo una tecnica heurstica estocastica, el algoritmo genetico no necesita informacion especfica para guiar la busqueda. Su
estructura presenta analogas con la teora biologica de la evolucion, y se basa en
el principio de la supervivencia del mas apto [127]. Por lo tanto, el AG puede
verse como una caja negra que puede conectarse a cualquier aplicacion en particular. En general, se necesitan los cinco componentes basicos siguientes para
implementar un AG que resuelva un problema cualquiera [159]:
1. Una representacion de soluciones potenciales al problema.
2. Una forma de crear una poblacion inicial de soluciones potenciales (esto
se efectua normalmente de manera aleatoria, pero tambien pueden usarse
metodos determinsticos).
3. Una funcion de evaluacion que juega el papel del ambiente, calificando a
las soluciones producidas en terminos de su aptitud.
95

Figura 5.1: Un ejemplo de una cadena binaria.

4. Operadores geneticos que alteran la composicion de los descendientes (normalmente se usan la cruza y la mutacion).
5. Valores para los diversos parametros utilizados por el algoritmo genetico
(tamano de la poblacion, probabilidad de cruza y mutacion, numero maximo
de generaciones, etc.)
En este captulo hablaremos exclusivamente del primero de estos componentes:
la representacion usada por el algoritmo genetico. La representacion tradicional
usada para codificar un conjunto de soluciones es el esquema binario en el cual
(ver figura 5.1), donde
un cromosoma1 es una cadena de la forma
se denominan alelos (ya sea ceros o unos).
Hay varias razones por las cuales suele usarse la codificacion binaria en los
AGs, aunque la mayora de ellas se remontan al trabajo pionero de Holland en
el a rea. En su libro, Holland [127] dio una justificacion teorica para usar codificaciones binarias. Holland comparo dos representaciones diferentes que tuvieran
aproximadamente la misma capacidad de acarreo de informacion, pero de entre
ellas, una tena pocos alelos y cadenas largas (por ejemplo, cadenas binarias de 80
bits de longitud) y la otra tena un numero elevado de alelos y cadenas cortas (por
(codificacion binaria)
ejemplo, cadenas decimales de longitud 24). Notese que
(codificacion decimal). Holland [127] argumento que la primera codificacion da pie a un grado mas elevado de paralelismo implcito porque permite
mas esquemas que la segunda (
contra ).
, donde
El numero de esquemas de una cadena se calcula usando
2
es la cardinalidad del alfabeto y es la longitud de la cadena . Un esquema
es una plantilla que describe un subconjunto de cadenas que comparten ciertas
similitudes en algunas posiciones a lo largo de su longitud [105, 127].

Hvu u u <

Hvu u u

B G$

2L;

G$

2;2 

 #j20"

Un cromosoma es una estructura de datos que contiene una cadena de parametros de diseno
o genes.
2
La razon por la que se suma uno a la cardinalidad es porque en los esquemas se usa un smbolo
adicional (normalmente el asterisco o el smbolo de numero) para indicar que no nos importa el
valor de esa posicion.

96

El hecho de contar con mas esquemas favorece la diversidad e incrementa

la probabilidad de que se formen buenos bloques constructores (es decir, la
porcion de un cromosoma que le produce una aptitud elevada a la cadena en la cual
esta presente) en cada generacion, lo que en consecuencia mejora el desempeno
del AG con el paso del tiempo de acuerdo al teorema de los esquemas [105, 127].
El paralelismo implcito de los AGs, demostrado por Holland [127], se refiere
al hecho de que mientras el AG calcula las aptitudes de los individuos en una
poblacion, estima de forma implcita las aptitudes promedio de un numero mucho
mas alto de cadenas cromosomicas a traves del calculo de las aptitudes promedio
observadas en los bloques constructores que se detectan en la poblacion.
Por lo tanto, de acuerdo a Holland [127], es preferible tener muchos genes3
con pocos alelos posibles que contar con pocos genes con muchos alelos posibles.
Esto es sugerido no solo por razones teoricas (de acuerdo al teorema de los esquemas formulado por Holland), sino que tambien tiene una justificacion biologica,
ya que en genetica es mas usual tener cromosomas con muchas posiciones y pocos
alelos por posicion que pocas posiciones y muchos alelos por posicion [127].
Sin embargo, Holland [127] tambien demostro que el paralelismo implcito
de los AGs no impide usar alfabetos de mayor cardinalidad [159], aunque debe
estarse siempre consciente de que el alfabeto binario es el que ofrece el mayor
numero de esquemas posibles por bit de informacion si se compara con cualquier
otra codificacion posible [105, 159]. No obstante, ha habido un largo debate en
torno a cuestiones relacionadas con estos alfabetos no binarios, principalmente
por parte de los especialistas en aplicaciones de los AGs. Como veremos en este
captulo, el uso de la representacion binaria tiene varias desventajas cuando el AG
se usa para resolver ciertos problemas del mundo real. Por ejemplo, si tratamos
de optimizar una funcion con alta dimensionalidad (digamos, con 50 variables),
y queremos trabajar con una buena precision (por ejemplo, cinco decimales), entonces el mapeo de numeros reales a binarios generara cadenas extremadamente
largas (del orden de 1000 bits en este caso), y el AG tendra muchos problemas
para producir resultados aceptables en la mayor parte de los casos, a menos que
usemos procedimientos y operadores especialmente disenados para el problema
en cuestion. Ronald [192] resume las principales razones por las que una codificacion binaria puede no resultar adecuada en un problema dado:

Epstasis : el valor de un bit puede suprimir las contribuciones de aptitud de

Se denomina gene o gen a cualquier posicion a lo largo de una cadena que representa a un
individuo.

97

otros bits en el genotipo 4.




Representacion natural : algunos problemas (como el del viajero) se prestan

de manera natural para la utilizacion de representaciones de mayor cardinalidad que la binaria (por ejemplo, el problema del viajero se presta de manera
natural para el uso de permutaciones de enteros decimales).
Soluciones ilegales : los operadores geneticos utilizados pueden producir
con frecuencia (e incluso todo el tiempo) soluciones ilegales si se usa una
representacion binaria.

En el resto de este captulo discutiremos algunos esquemas de representacion

alternativos que han sido propuestos recientemente para lidiar con e stas y otras
limitaciones de la representacion binaria.

5.2 Codigos de Gray

Un problema que fue notado desde los inicios de la investigacion en AGs fue
que el uso de la representacion binaria no mapea adecuadamente el espacio de
busqueda con el espacio de representacion [128]. Por ejemplo, si codificamos en
binario los enteros 5 y 6, los cuales estan adyacentes en el espacio de busqueda,
sus equivalentes en binario seran el 101 y el 110, los cuales difieren en 2 bits (el
primero y el segundo de derecha a izquierda) en el espacio de representacion. A
este fenomeno se le conoce como el risco de Hamming (Hamming cliff) [40], y ha
conducido a los investigadores a proponer una representacion alternativa en la que
la propiedad de adyacencia existente en el espacio de busqueda pueda preservarse
en el espacio de representacion. La codificacion de Gray es parte de una familia
de representaciones que caen dentro de esta categora [227].
Podemos convertir cualquier numero binario a un codigo de Gray haciendo
XOR a sus bits consecutivos de derecha a izquierda. Por ejemplo, dado el numero
, produciendose
0101 en binario, haramos5 :
(el u ltimo bit de la izquierda permanece igual) 0111, el cual es el codigo de Gray
equivalente. Algunos investigadores han demostrado empricamente que el uso
de codigos de Gray mejora el desempeno del AG al aplicarse a las funciones de

2jJL2 u L.22 u 2l^L2

El genotipo es la cadena cromosomica utilizada para almacenar la informacion contenida

en un individuo, mientras que el fenotipo se refiere a los valores que toman las variables tras
decodificar el contenido cromosomico de un individuo.
5
indica XOR.

98

Signo

0
1 bit

Exponente

Mantisa

10001011 0100...0
8 bits

23 bits

Figura 5.2: Un ejemplo de notacion del IEEE.

prueba clasicas de De Jong [137] (ver por ejemplo [40, 155]. De hecho, Mathias y
Whitley [156] encontraron que la codificacion de Gray no solo elimina los riscos
de Hamming, sino que tambien altera el numero de o ptimos locales en el espacio
de busqueda as como el tamano de las buenas regiones de busqueda (aquellas
que nos conduciran a la vecindad del o ptimo global). En su trabajo, Mathias y
Whitley mostraron empricamente que un mutador aleatorio del tipo escalando la
colina es capaz de encontrar el o ptimo global de la mayor parte de las funciones
de prueba utilizadas cuando se emplea la codificacion de Gray, a pesar de que
algunas de ellas fueron disenadas explcitamente para presentar dificultades a los
algoritmos de busqueda tradicionales (sean evolutivos o no).

5.3 Codificando Numeros

Reales
Aunque los codigos de Gray pueden ser muy u tiles para representar enteros, el
problema de mapear correctamente el espacio de busqueda en el espacio de representacion se vuelve mas serio cuando tratamos de codificar numeros reales. En el
enfoque tradicional [231], se usa un numero binario para representar un numero
real, definiendo lmites inferiores y superiores para cada variable, as como la precision deseada. Por ejemplo, si queremos codificar una variable que va de 0.35
a 1.40 usando una precision de 2 decimales, necesitaramos
bits para representar cualquier numero real dentro de ese rango. Sin embargo, en
este caso, tenemos el mismo problema del que hablamos anteriormente, porque el
numero 0.38 se representara como 0000011, mientras que 0.39 se representara
como 0000101.
Aunque se usen codigos de Gray, existe otro problema mas importante cuando
tratamos de desarrollar aplicaciones del mundo real: la alta dimensionalidad. Si
tenemos demasiadas variables, y queremos una muy buena precision para cada
una de ellas, entonces las cadenas binarias que se produzcan se volveran extremadamente largas, y el AG tendera a tener un desempeno pobre. Si en vez de
usar este tipo de mapeo adoptamos algun formato binario estandar para represen-

=>E>.6>>

99

2.15 1.89 0.43 3.14 0.27 7.93 5.11

Figura 5.3: Un ejemplo de un algoritmo genetico con representacion real.

tar numeros reales, como por ejemplo el estandar del IEEE para precision simple,
en el cual un numero real se representa usando 32 bits, de los cuales 8 se usan para
el exponente usando una notacion en exceso-127, y la mantisa se representa con
23 bits (ver figura 5.2 [205]), podramos manejar un rango relativamente grande
de numeros reales usando una cantidad fija de bits (por ejemplo, de
a
si
usamos el estandar de precision simple antes descrito). Sin embargo, el proceso
de decodificacion sera mas costoso (computacionalmente hablando) y el mapeo
entre el espacio de representacion y el de busqueda sera mucho mas complejo que
cuando se usa una representacion binaria simple, porque cualquier pequeno cambio en el exponente producira grandes saltos en el espacio de busqueda, mientras
que perturbaciones en la mantisa podran no cambiar de manera significativa el
valor numerico codificado.
Mientras los teoricos afirman que los alfabetos pequenos son mas efectivos
que los alfabetos grandes, los practicos han mostrado a traves de una cantidad
significativa de aplicaciones del mundo real (particularmente problemas de optimizacion numerica) que el uso directo de numeros reales en un cromosoma funciona mejor en la practica que la representacion binaria tradicional [64, 76]. El
uso de numeros reales en una cadena cromosomica (ver figura 5.3) ha sido comun
en otras tecnicas de computacion evolutiva tales como las estrategias evolutivas
[204] y la programacion evolutiva [82], donde la mutacion es el operador principal. Sin embargo, los teoricos de los AGs han criticado fuertemente el uso de
valores reales en los genes de un cromosoma, principalmente porque esta representacion de cardinalidad mas alta tiende a hacer que el comportamiento del AG
sea mas erratico y difcil de predecir. Debido a esto, se han disenado varios operadores especiales en los anos recientes, para emular el efecto de la cruza y la
mutacion en los alfabetos binarios [231, 76, 67].
Los practicos argumentan que una de las principales capacidades de los AGs
que usan representacion real es la de explotar la gradualidad de las funciones
de variables continuas6. Esto significa que los AGs con codificacion real pueden

rX * 3

Gradualidad se refiere a los casos en los cuales un cambio pequeno en las variables se

100

Figura 5.4: Una representacion entera de numeros reales. La cadena completa es

decodificada como un solo numero real multiplicando y dividiendo cada dgito de
acuerdo a su posicion.
lidiar adecuadamente con los riscos producidos cuando las variables utilizadas
son numeros reales, porque un cambio pequeno en la representacion es mapeado
como un cambio pequeno en el espacio de busqueda [231, 76]. En un intento por
reducir la brecha entre la teora y la practica, algunos investigadores han desarrollado un marco teorico que justifique el uso de alfabetos de mas alta cardinalidad [231, 76, 108, 215], pero han habido pocos consensos en torno a los problemas principales, por lo que el uso de AGs con codificacion real sigue siendo una
eleccion que se deja al usuario.
Se han usado tambien otras representaciones de los numeros reales. Por ejemplo, el uso de enteros para representar cada dgito ha sido aplicado exitosamente
a varios problemas de optimizacion [44, 43]. La figura 5.4 muestra un ejemplo en
el cual se representa el numero 1.45679 usando enteros. En este caso, se supone
una posicion fija para el punto decimal en cada variable, aunque esta posicion no
tiene que ser necesariamente la misma para el resto de las variables codificadas
en la misma cadena. La precision esta limitada por la longitud de la cadena, y
puede incrementarse o decrementarse segun se desee. Los operadores de cruza
tradicionales (un punto, dos puntos y uniforme) pueden usarse directamente en
esta representacion, y la mutacion puede consistir en generar un dgito aleatorio
para una cierta posicion o bien en producir una pequena perturbacion (por ejemplo
) para evitar saltos extremadamente grandes en el espacio de busqueda. Esta
representacion pretende ser un compromiso entre un AG con codificacion real y
una representacion binaria de numeros reales, manteniendo lo mejor de ambos
esquemas al incrementar la cardinalidad del alfabeto utilizado, pero manteniendo
el uso de los operadores geneticos tradicionales casi sin cambios.
Alternativamente, podramos tambien usar enteros largos para representar numeros
reales (ver figura 5.5), pero los operadores tendran que redefinirse de la misma
manera que al usar numeros reales. El uso de este esquema de representacion
como una alternativa a los AGs con codificacion real parece, sin embargo, un tanto

traduce en un cambio pequeno en la funcion.

101

145679

67893

37568

95432

Figura 5.5: Otra representacion entera de numeros reales. En este caso, cada gene
contiene un numero real representado como un entero largo.
improbable, ya que se tendran que hacer sacrificios notables en la representacion,
y los u nicos ahorros importantes que se lograran seran en terminos de memoria
(el almacenamiento de enteros toma menos memoria que el de numeros reales).
No obstante, este esquema ha sido usado en algunas aplicaciones del mundo real
[64].

5.4 Representaciones de Longitud Variable

En algunos problemas el uso de alfabetos de alta cardinalidad puede no ser suficiente, pues ademas puede requerirse el empleo de cromosomas de longitud variable para lidiar con cambios que ocurran en el ambiente con respecto al tiempo
(por ejemplo, el decremento/incremento de la precision de una variable o la adicion/remocion
de variables). Algunas veces, puede ser posible introducir smbolos en el alfabeto
que sean considerados como posiciones vacas a lo largo de la cadena, con lo
que se permite la definicion de cadenas de longitud variable aunque los cromosomas tengan una longitud fija. Ese es, por ejemplo, el enfoque utilizado en [42]
para disenar circuitos electricos combinatorios. En ese caso, el uso de un smbolo
llamado WIRE, el cual representa la ausencia de compuerta, permitio cambiar la
longitud de la expresion Booleana generada a partir de una matriz bi-dimensional.
Sin embargo, en otros dominios, este tipo de simplificacion puede no ser posible y deben idearse representaciones alternativas. Por ejemplo, en problemas que
tienen decepcion parcial o total [117] (es decir, en aquellos problemas en los que
los bloques constructores de bajo orden no guan al AG hacia el o ptimo y no se
combinan para formar bloques constructores de orden mayor), un AG no tendra
un buen desempeno sin importar cual sea el valor de sus parametros (tamano de
poblacion, porcentajes de cruza y mutacion, etc.). Para lidiar con este tipo de
problemas en particular, Goldberg et al. [112, 109, 111] propusieron el uso de
un tipo especial de AG de longitud variable el cual usa poblaciones de tamano
variable. A este AG especial se le denomino desordenado (messy GA o mGA)
102

(2 , 1) (2 , 0) (3 , 0) (3 , 1)

(1 , 1) (1 , 0) (1 , 1) (4 , 1) (4 , 0)

Figura 5.6: Dos ejemplos de cadenas validas en un algoritmo genetico desordenado.

en contraposicion con el AG estandar (u ordenado), que tiene longitud y tamano
de poblacion fijos [167]. La idea basica de los AGs desordenados es empezar con
cromosomas cortos, identificar un conjunto de buenos bloques constructores y despues incrementar la longitud del cromosoma para propagar estos buenos bloques
constructores a lo largo del resto de la cadena.
La representacion usada por los AGs desordenados es muy peculiar, puesto
que cada bit esta realmente asociado con una posicion en particular a lo largo
de la cadena, y algunas posiciones podran ser asignadas a mas de un bit (a esto
se le llama sobre-especificacion) mientras que otras podran no ser asignadas a
ninguno (a esto se le llama sub-especificacio n). Consideremos, por ejemplo, a
las dos cadenas mostradas en la figura 5.6, las cuales constituyen cromosomas
validos para un AG desordenado (estamos suponiendo cromosomas de 4 bits). La
notacion adoptada en este ejemplo usa parentesis para identificar a cada gene, el
cual se define como un par consistente de su posicion a lo largo de la cadena (el
primer valor) y el valor del bit en esa posicion (estamos suponiendo un alfabeto
binario). En el primer caso, la primera y la cuarta posicion no estan especificadas,
y la segunda y la tercera estan especificadas dos veces. Para lidiar con la sobreespecificacion pueden definirse algunas reglas determinsticas muy sencillas. Por
ejemplo, podemos usar solo la primera definicion de izquierda a derecha para una
cierta posicion. Sin embargo, para la sub-especificacion tenemos que hacer algo
mas complicado, porque una cadena sub-especificada realmente representa a un
esquema candidato en vez de un cromosoma completo. Por ejemplo, la primera
cadena de las antes descritas representa al esquema *10* (el * significa no me
importa). Para calcular la aptitud de una cadena sub-especificada, podemos usar
un explorador local del tipo escalando la colina que nos permita localizar el
o ptimo local y la informacion obtenida la podemos utilizar para reemplazar a los
103


 

(2, 0)

(2 , 1) (3 , 1) (1 , 0) (4 , 1)

(1 , 1) (1 , 0) (4 , 1) (3 , 1) (3 , 0) (2 , 1) (4 , 0)

Figura 5.7: Un ejemplo del operador de corte en un AG desordenado. La lnea

gruesa indica el punto de corte.
no me importa del esquema. A esta tecnica se le denomina plantillas competitivas [109]. Los AGs desordenados operan en 2 fases [109]: la fase primordial
y la fase yuxtaposicional. En la primera, se generan esquemas cortos que sirven como los bloques constructores en la fase yuxtaposicional en la cual e stos se
combinan. El problema es como decidir que tan largos deben ser estos esquemas cortos. Si son demasiado cortos, pueden no contener suficiente material
genetico como para resolver el problema deseado; si son demasiado largos, la
tecnica puede volverse impractica debido a la maldicion de la dimensionalidad
(tendramos que generar y evaluar demasiados cromosomas).
Durante la fase primordial generamos entonces estos esquemas cortos y evaluamos sus aptitudes. Despues de eso, aplicamos solo seleccion a la poblacion (sin
cruza o mutacion) para propagar los buenos bloques constructores, y se borra la
mitad de la poblacion a intervalos regulares [167]. Despues de un cierto numero
(predefinido) de generaciones, terminamos la fase primordial y entramos a la fase
yuxtaposicional. A partir de este punto, el tamano de la poblacion permanecera
fijo, y usaremos seleccion y dos operadores especiales llamados corte y union
[112]. El operador de corte simplemente remueve una porcion del cromosoma,
mientras que el de union junta dos segmentos cromosomicos. Considere los ejemplos mostrados en las figuras 5.7 y 5.8.
Debido a la naturaleza del AG desordenado, las cadenas producidas por los
operadores de corte y union siempre seran validas. Si los bloques constructores
producidos en la fase primordial acarrean suficiente informacion, entonces el AG
desordenado sera capaz de arribar al o ptimo global aunque el problema tenga decepcion [111]. Aunque es sin duda muy prometedor, los inconvenientes practicos
del AG desordenado [167] han impedido su uso extendido, y actualmente se reportan relativamente pocas aplicaciones (ver por ejemplo [41, 141, 119].
104


 

(2, 0)

(2 , 1) (2 , 1) (4 , 0)

(1 , 1) (1 , 0) (4 , 1) (3 , 1) (3 , 0) (3 , 1) (1 , 0) (4 , 1)
Figura 5.8: Un ejemplo del operador union en un AG desordenado. La lnea
gruesa muestra la parte de la cadena que fue agregada.

5.5 Representacio n de a rbol

Una de las metas originales de la Inteligencia Artificial (IA) fue la generacion
automatica de programas de computadora que pudiesen efectuar una cierta tarea.
Durante varios anos, sin embargo, esta meta parecio demasiado ambiciosa puesto
que normalmente el espacio de busqueda se incrementa exponencialmente conforme extendemos el dominio de un cierto programa y, consecuentemente, cualquier
tecnica tendera a producir programas no validos o altamente ineficientes. Algunas
tecnicas de computacion evolutiva intentaron lidiar con el problema de la programacion automatica desde su mera concepcion, pero sus notables fallas aun en
dominios muy simples, hicieron que otros investigadores de la comunidad de IA
no se tomaran en serio estos esfuerzos [80]. Sin embargo, Holland desarrollo el
concepto moderno del AG dentro del entorno del aprendizaje de maquina [127],
y todava existe una cantidad considerable de investigacion dentro de esa a rea,
aunque la programacion automatica fue hecha a un lado por los investigadores
de IA durante varios anos. Una de las razones por las que esto sucedio fue el
hecho de que el AG tiene algunas limitaciones (obvias) cuando se pretende usar
para programacion automatica, particularmente en terminos de la representacion.
Codificar el conjunto de instrucciones de un lenguaje de programacion y encontrar
una forma de combinarlas que tenga sentido no es una tarea simple, pero si usamos una estructura de a rbol junto con ciertas reglas para evitar la generacion de
expresiones no validas, podemos construir un evaluador de expresiones primitivo
que pueda producir programas simples. Este fue precisamente el enfoque tomado
por John Koza [145] para desarrollar la denominada programacion genetica, en
la cual se uso originalmente el lenguaje de programacion LISP para aprovechar su
evaluador de expresiones integrado al interprete.
La representacion de a rbol adoptada por Koza requiere obviamente de alfa105

OR

AND

AND

NOT

NOT

A0

A1

A1

A0

Figura 5.9: Un ejemplo de un cromosoma usado en programacion genetica.

betos diferentes y operadores especializados para evolucionar programas generados aleatoriamente hasta que e stos se vuelvan
validos para resolver cierta
tarea predefinida, aunque los principios basicos de esta tecnica pueden generalizarse a cualquier otro dominio. Los a rboles se componen de funciones y terminales. Las funciones usadas normalmente son las siguientes [145]:

0>

 

1. Operaciones aritmeticas (por ejemplo: +, -, ,

2. Funciones matematicas (por ejemplo: seno, coseno, logaritmos, etc.)

3. Operaciones Booleanas (por ejemplo: AND, OR, NOT)
4. Condicionales (IF-THEN-ELSE)
5. Ciclos (DO-UNTIL)
6. Funciones recursivas
7. Cualquier otra funcion definida en el dominio utilizado
Las terminales son tpicamente variables o constantes, y pueden verse como
funciones que no toman argumentos. Un ejemplo de un cromosoma que usa las
funciones F= AND, OR, NOT y las terminales T= A0, A1 se muestra en la
figura 5.9.
La cruza puede efectuarse numerando los nodos de los a rboles correspondientes a los 2 padres elegidos (ver figura 5.10) y seleccionando (al azar) un punto
en cada uno de ellos de manera que los sub-arboles por debajo de dicho punto
se intercambien (ver figura 5.11, donde suponemos que el punto de cruza para

106

OR

AND

NOT

A1

A0

A1

OR
6

OR

A1

AND

NOT

A0

NOT

NOT

A0

A1

10

Figura 5.10: Los nodos del a rbol se numeran antes de aplicar el operador de cruza.

OR

OR
AND

AND

NOT

NOT

A0

A1

A0

NOT

OR

A1

A1

NOT

A1

A0

Figura 5.11: Los dos hijos generados despues de efectuar la cruza.

107

OR

OR
5

AND

AND

A0

A0

A1

A0

NOT

A1

A1

!

"$#!%&'

Figura 5.12: Un ejemplo de mutacion en la programacion genetica.

el primer padre es 2 y para el segundo es 6). Tpicamente, los tamanos de los 2
a rboles padres sera diferente, como se muestra en el ejemplo anterior. Tambien
debe observarse que si el punto de cruza es la raz de uno de los dos a rboles padres,
entonces todo ese cromosoma se volvera un sub-arbol del otro padre, lo cual permite la incorporacion de subrutinas en un programa. Tambien es posible que las
races de ambos padres sean seleccionadas como puntos de cruza. En ese caso, no
se efectua la cruza, y los hijos pasan a ser identicos a sus padres. Normalmente,
la implementacion de la programacion genetica impone un lmite en cuanto a la
maxima profundidad que puede alcanzar un a rbol, a fin de evitar la generacion (al
azar y producto del uso de la cruza y la mutacion) de a rboles de gran tamano y
complejidad.
La mutacion se efectua mediante la seleccion (aleatoria) de un cierto punto de
un a rbol. El sub-arbol que se encuentre por debajo de dicho punto es reemplazado
por otro a rbol generado al azar. La figura 5.12 muestra un ejemplo del uso de este
operador (el punto de mutacion en este ejemplo es el 3).
La permutacion es un operador asexual que emula el efecto del operador de
inversion que se usa en los algoritmos geneticos [105]. Este operador reordena las
hojas de un sub-arbol ubicado a partir de un punto elegido al azar, y su finalidad
es fortalecer la union de combinaciones de alelos con buen desempeno dentro de
un cromosoma [127]. La figura 5.13 muestra un ejemplo del uso del operador de
permutacion (el punto seleccionado en este caso es el 4). En la figura 5.13, el
* indica multiplicacion y el indica division protegida, refiriendose a un
operador de division que evita que nuestro programa genere un error de sistema
cuando el segundo argumento sea cero.
En la programacion genetica es posible tambien proteger o encapsular un

108

+
7

01!2&)'+

(*)'+,-/.'+
B

Figura 5.13: Un ejemplo de permutacion en la programacion genetica.

>@?BA476

(E0)

35476'8:9<;=6
B

Figura 5.14: Un ejemplo de encapsulamiento en programacion genetica.

109

c1
c11

c12

c2
c13

c 21

c 22

c3
c 23

c31

c32

nivel 1

c33

nivel 2

Figura 5.15: Un ejemplo de estructura de dos niveles de un AG estructurado.

cierto sub-arbol que sepamos constituye un buen bloque constructor, a fin de evitar que sea destruido por los operadores geneticos. El sub-arbol seleccionado es
reemplazado por un nombre simbolico que apunta a la ubicacion real del suba rbol, y dicho sub-arbol es compilado por separado y enlazado al resto del a rbol
de forma similar a las clases externas de los lenguajes orientados a objetos. La
figura 5.14 muestra un ejemplo de encapsulamiento en el cual el sub-arbol de la
derecha es reemplazado por el nombre (E0).
Normalmente, tambien es necesario editar las expresiones generadas a fin de
simplificarlas, aunque las reglas para llevar a cabo este proceso dependen generalmente del problema. Por ejemplo, si estamos generando expresiones Booleanas,
podemos aplicar reglas como las siguientes:
(AND X X) X
(OR X X) X
(NOT (NOT X)) X
Finalmente, la programacion genetica tambien proporciona mecanismos para
destruir un cierto porcentaje de la poblacion de manera que podamos renovar el
material cromosomico despues de un cierto numero de generaciones. Este mecanismo, llamado ejecucion, es muy u til en dominios de alta complejidad en los
cuales nuestra poblacion puede no contener ni un solo individuo factible aun despues de un gran numero de generaciones.

5.6 Algoritmo Genetico Estructurado

Dasgupta [61] propuso una representacion que es un compromiso entre el cromosoma lineal tradicional de longitud fija y la codificacion de a rbol usada en
la programacion genetica. Su tecnica, denominada Algoritmo Genetico Estructurado (stGA por sus siglas en ingles), usa una representacion jerarquica con un
110

( c 1 c 2 c3

c11 c12 c13 c21 c 22 c23 c 31 c32 c33 )

Figura 5.16: Una representacion cromosomica de la estructura de 2 niveles del

AG estructurado.
begin

end

c1
c11
c111 c112 c113

c3 . . . c n

c2
c 12
c121 c122 c123

c13
c131 c132 c 133

c 21

c 211 c212 c213

c 22

c 221 c222 c223

c 23

c231 c 232 c233

Figura 5.17: Ejemplo de una estructura de datos usada para implementar un AG

estructurado.
mecanismo similar a los diploides [105], en la cual ciertos genes actuan como
operadores de cambio (o dominancia) que encienden o apagan ciertos genes, a los
cuales se les llama activos o pasivos, respectivamente [61].
El stGA usa una cadena cromosomica lineal, pero realmente codifica una estructura genetica de varios niveles (un grafo dirigido o un a rbol) tal y como se
indica en la figura 5.15. Los genes en cualquier nivel pueden ser activos o pasivos, pero los genes de alto nivel activan o desactivan conjuntos de genes de mas
bajo nivel, lo que significa que cualquier cambio pequeno a un alto nivel se magnifica en los niveles inferiores [60]. La idea es que los genes de alto nivel deben
explorar las a reas potenciales del espacio y los de bajo nivel deben explotar ese
sub-espacio.
La estructura jerarquica usada por el stGA es, sin embargo, codificada como
un cromosoma lineal de longitud fija, tal y como se muestra en la figura 5.16.
No obstante, la estructura de datos que se requiere para implementar un stGA es
ligeramente mas complicada que el arreglo unidimensional que requiere un AG
tradicional. La figura 5.17 muestra un ejemplo de dicha estructura de datos. En
esta figura, cada gene en los niveles superiores actua como un puntero cambiable
que tiene dos estados posibles: cuando el gene esta activo (encendido), apunta a
111

su gene de mas bajo nivel y cuando es pasivo (apagado), apunta al gene del mismo
nivel en que se encuentre [60].

5.7 Otras propuestas

Las representaciones anteriores no son las u nicas alternativas que existen en la
literatura especializada. Por ejemplo, Antonisse [4] y Gero et al. [100] han propuesto el uso de gramaticas en el contexto de lenguajes de programacion y diseno
en ingeniera, respectivamente. De hecho, Antonisse asegura qe su representacion
es mas poderosa que la de Koza [145], porque define gramaticas sensibles al contexto, las cuales son mas generales (en la jerarqua de lenguajes propuesta por
Noam Chomsky) que las expresiones-S usadas por Koza en LISP [4]. Algunas
otras representaciones mas dependientes del problema, tales como la matricial
[220, 21], la multi-dimensional [34, 2] y la de permutaciones [159, 115] han sido
propuestas tambien por algunos investigadores.

5.8 Tendencias futuras

Las limitaciones de la representacion binaria en algunas aplicaciones ha hecho de
e sta una ruta interesante de investigacion, sobre todo en el contexto de problemas
de manufactura y definicion de rutas, en los cuales la respuesta se expresa en
forma de permutaciones. Idealmente, debiera existir un tipo de representacion
suficientemente flexible como para permitir su utilizacion en una amplia gama de
problemas de forma sencilla y natural.
Filho [77] desarrollo un sistema llamado GAME (Genetic Algorithms Manipulation Environment), que constituye un paso importante en esta direccion. GAME
usa una codificacion de a rbol en la que las hojas pueden ser enteros, caracteres,
numeros reales o cadenas binarias.
Gibson [101] tambien propuso una codificacion hbrida similar a la de Filho.
Su propuesta se basa en el uso de componentes de diferentes tipos en el contexto
de modelado de procesos industriales.
Existe amplia evidencia en la literatura especializada [159, 155, 192, 100, 115]
de que el usar una representacion adecuada puede simplificar tremendamente el
proceso de busqueda de un algoritmo genetico, pero a pesar de eso, muchos investigadores suelen pasar por alto este importante hecho. Por lo tanto, es vital
no u nicamente reconocer que se requieren codificaciones mas poderosas, sino
112

tambien saber mas acerca de las representaciones (distintas a la binaria tradicional) que actualmente existen, pues su uso adecuado puede ahorrar mucho trabajo innecesario y permitirnos concentrarnos en la aplicacion misma del algoritmo genetico a nuestro problema en vez de canalizar todas nuestras energas en
el diseno de operadores geneticos especiales.

de una Buena
5.9 Recomendaciones para el Dise no
Representacio n
Palmer [175] analizo las propiedades de las representaciones de a rbol y proporciono una serie de recomendaciones que pueden generalizarse a cualquier otro tipo
de representacion. Los puntos clave de la propuesta de Palmer son los siguientes:

C
C

Una codificacion debe ser capaz de representar todos los fenotipos posibles.

Una codificacion debe ser carente de sesgos en el sentido de que todos los
individuos deben estar igualmente representados en el conjunto de todos los
genotipos posibles.

Una codificacion no debiera codificar soluciones infactibles (esto no es normalmente posible en la mayora de los dominios).

La decodificacion debiera ser facil.

Una codificacion debe poseer localidad (o sea, cambios pequenos en el
genotipo debieran producir cambios pequenos en el fenotipo).

Roland [191, 192], tambien estudio diversas representaciones y proporciono

sus propios lineamientos de diseno:

Las codificaciones deben ajustarse a un conjunto de operadores geneticos

de tal forma que los buenos bloques constructores se preserven de padres a
hijos [88].
Las codificaciones deben minimizar la epstasis [21].
Deben preferirse las soluciones factibles en una codificacion.
113

C
C

El problema debiera representarse a un nivel correcto de abstraccion.

Las codificaciones deben explotar un mapeo apropiado del genotipo al fenotipo

en caso de que no sea posible realizar un mapeo simple.
Las formas isomorficas, donde el fenotipo de un individuo es codificado con
mas de un genotipo, debieran ser evitadas.

Notese, sin embargo, que existe evidencia reciente que contradice el u ltimo
punto de los lineamientos de Ronald, pues las representaciones redundantes parecen mejorar el desempeno de un algoritmo evolutivo [194].

5.10 Problemas propuestos

DFEHG IG!J+

1. Suponga que desea minimizar una funcion de 3 variables

. Se sabe
que la variable vara entre -10.0 y 12.5, con una precision de 1 decimal;
la variable vara entre y
, y asume solo valores enteros. Finalmente,
la variable vara entre -0.5 y 1.0 con una precision de 2 decimales. Si
usamos una representacion binaria (tradicional), responda lo siguiente:

0>

a) Cual es la longitud mnima de la cadena cromosomica que puede codificar a estas 3 variables?
b) Cual es el tamano intrnseco del espacio de busqueda para un AG que
se usara con estas cadenas cromosomicas.
c) Cual es la cantidad de esquemas que esta representacion codifica?
d) Muestre las cadenas cromosomicas que representen los siguientes puntos:
(-8.1,50,0.0), (11.1, 98, -0.2).
2. Resuelva el problema anterior usando representacion entera de punto fijo.
3. Investigue la representacion de permutaciones. Discuta por que se considera mas adecuada para problemas como el del viajero. Que problemas presenta una representacion binaria en este dominio? Que operadores deben
definirse en una representacion de permutaciones?

114

Captulo 6
Tecnicas de Seleccion
Una parte fundamental del funcionamiento de un algoritmo genetico es, sin lugar
a dudas, el proceso de seleccion de candidatos a reproducirse. En el algoritmo
genetico este proceso de seleccion suele realizarse de forma probabilstica (es
decir, aun los individuos menos aptos tienen una cierta oportunidad de sobrevivir),
a diferencia de las estrategias evolutivas, en las que la seleccion es extintiva (los
menos aptos tienen cero probabilidades de sobrevivir).
Las tecnicas de seleccion usadas en algoritmos geneticos pueden clasificarse
en tres grandes grupos:

C
C

Seleccion proporcional

Seleccion mediante torneo

Seleccion de estado uniforme

6.1 Seleccio n Proporcional

Este nombre describe a un grupo de esquemas de seleccion originalmente propuestos por Holland [127] en los cuales se eligen individuos de acuerdo a su contribucion de aptitud con respecto al total de la poblacion.
Se suelen considerar 4 grandes grupos dentro de las tecnicas de seleccion proporcional [110]:
1. La Ruleta
2. Sobrante Estocastico
115

3. Universal Estocastica
4. Muestreo Determinstico
Adicionalmente, las tecnicas de seleccion proporcional pueden tener los siguientes aditamentos:
1. Escalamiento Sigma
2. Jerarquas
3. Seleccion de Boltzmann

6.1.1 La Ruleta
Esta tecnica fue propuesta por DeJong [137], y ha sido el metodo mas comunmente
usado desde los orgenes de los algoritmos geneticos. El algoritmo es simple, pero
. Asimismo, presenta el problema de que el
ineficiente (su complejidad es
individuo menos apto puede ser seleccionado mas de una vez. Sin embargo, buena
parte de su popularidad se debe no solo a su simplicidad, sino al hecho de que su
implementacion se incluye en el libro clasico sobre AGs de David Goldberg [105].

K1ML

El algoritmo de la Ruleta (de acuerdo a DeJong [137]) es el siguiente:

C
C

Calcular la suma de valores esperados

Repetir

veces (

es el tamano de la poblacion):

Generar un numero aleatorio entre 0.0 y

Ciclar a traves de los individuos de la poblacion sumando los valores

esperados hasta que la suma sea mayor o igual a .

El individuo que haga que esta suma exceda el lmite es el seleccionado.

Veamos ahora un ejemplo:

(1)
(2)

aptitud
25
81

Ve
0.35
1.13
116

(3)
(4)

36
144

0.51
2.01

Q R T STU Q R WV>
X
D R Z[Y R V
\^]_ Ra`c` d b
N R Suma de Ve
PfehgiVjGkNml
Generar PnehgjViGWVol
r = 1.3
(ind1) suma =
(ind2) suma =

jV+npqP
V$SfrqP

Seleccionar a ind2

\s]

En este ejemplo,
se refiere al valor esperado (o numero esperado de copias
que se esperan obtener) de un individuo.
6.1.1.1 Analisis de la Ruleta

\s]

Problemas: diferencias entre

y el valor real (o sea, el verdadero numero de
copias obtenidas). El peor individuo puede seleccionarse varias veces.

K1tL . El algoritmo se torna ineficiente conforme crece L

Complejidad:
de la poblacion).

(tamano

Mejoras posibles: Uso de busqueda binaria en vez de busqueda secuencial para

localizar la posicion correcta de la rueda. Esto requiere memoria extra y un recorrido
para calcular los totales acumulados por cada segmento de la rueda.
Pero, en contraste, la complejidad total se reduce a
.

KtL

K1tL=>:L!

6.1.2 Sobrante Estocastico

Propuesta por Booker [24] y Brindle [32] como una alternativa para aproximarse
) de los individuos:
mas a los valores esperados (

\suwvM]*xzy

117

\suwvM]*xzyW_ R `c` d b
La idea principal es asignar determinsticamente las partes enteras de los valores esperados para cada individuo y luego usar otro esquema (proporcional) para
la parte fraccionaria.
El sobrante estocastico reduce los problemas de la ruleta, pero puede causar
convergencia prematura al introducir una mayor presion de seleccion.
El algoritmo es el siguiente:
1. Asignar de manera determinstica el conteo de valores esperados a cada
individuo (valores enteros).
2. Los valores restantes (sobrantes del redondeo) se usan probabilsticamente
para rellenar la poblacion.
Hay 2 variantes principales:

C
C

Sin reemplazo: Cada sobrante se usa para sesgar el tiro de una moneda que
determina si una cadena se selecciona de nuevo o no.
Con reemplazo: Los sobrantes se usan para dimensionar los segmentos de
una ruleta y se usa esta tecnica de manera tradicional.

Veamos un ejemplo:

(1)
(2)
(3)
(4)

Cadena

aptitud

]_

110100
011010
111001
001101

220
140
315
42

1.23
0.78
1.76
0.23

Padres:

1 y 3 (partes enteras)

Q R ( Q R WV;
D X R 0T{jV>

Sin reemplazo:

118

enteros

dif

1
0
1
0

0.23
0.78
0.76
0.23

Q R

flip(0.23)
flip(0.78)
..
.
flip(0.23)

ind 1

ind 2
ind 4

Proceder hasta tener el numero de padres requeridos.

Con reemplazo:
Armar una ruleta

(1)
(2)
(3)
(4)

]_

0.23
0.78
0.76
0.23

Q R V

% del total
0.12
0.39
0.38
0.11

(12%)
(39%)
(38%)
(11%)

Q R V>

6.1.2.1 Analisis del Sobrante Estocastico

Complejidad:

K tL
K1ML

Version con reemplazo:

Version sin reemplazo:

La mas popular es la version sin reemplazo, la cual parece ser superior a la

ruleta [24].
Tal y como mencionamos anteriormente, el sobrante estocastico reduce los
problemas de la ruleta, pero puede producir convergencia prematura al introducir
una mayor presion de seleccion (producto de la asignacion determinstica de los
valores esperados de cada individuo).

6.1.3 Universal Estocastica

Propuesta por Baker [14] con el objetivo de minimizar la mala distribucion de los
individuos en la poblacion en funcion de sus valores esperados.
El algoritmo es el siguiente:
119

ptr=Rand();

/* regresa un numero aleatorio entre 0 y 1 */

p R L
\suwvM]*x/yot}zGk~

for(sum=0,i=1;i
;i++)
for(sum+=
;sum ptr;ptr++)
Seleccionar(i);

Ejemplo:
(1)
(2)
(3)
(4)

i=1

aptitud
220
140
315
42

ptr=0.4
sum=0.0

inicializacion

Q R WV;

r
p

1.23 ptr (termina ciclo)

sum=1.23
ptr=1.4
sum=2.01
2.01 ptr
Seleccionar (2)

ptr=2.4
sum=2.01
i=3

1.23
0.78
1.76
0.23

sum=1.23
1.23 ptr
Seleccionar (1)
ptr=1.4
sum=1.23

i=2

]_

Cadena
110100
011010
111001
001101

2.01 ptr (termina ciclo)

sum=3.77
3.77 ptr
Seleccionar (3)
ptr=3.4
sum=3.77
3.77 ptr
Seleccionar (3)

120

Padres: (1), (2), (3), (3)

6.1.3.1 Analisis de la seleccion universal estocastica
Complejidad:

KtL .

Problemas:

C
C

Puede ocasionar convergencia prematura.

Hace que los individuos mas aptos se multipliquen muy rapidamente.

No resuelve el problema mas serio de la seleccion proporcional (o sea,la
imprecision entre los valores esperados y los numeros de copias de cada
individuo que son realmente seleccionados).

6.1.4 Muestreo Determinstico

Es una variante de la seleccion proporcional con la que experimento DeJong [137].
Es similar al sobrante estocastico, pero requiere un algoritmo de ordenacion.
El algoritmo del muestreo determinstico es el siguiente:

=F R `cb `
C Calcular \uwvM]*xzyW_ R =MWL (L =tamano de la poblacion)
C Asignar determinsticamente la parte entera de \uwvM]*xzy_ .
C Ordenar la poblacion de acuerdo a las partes decimales (de mayor a menor).
C Obtener los padres faltantes de la parte superior de la lista.
C

Calcular

Ejemplo:

(1)
(2)
(3)
(4)

aptitud

:M

]_

enteros

220
140
315
42

0.3068
0.1953
0.4393
0.0586

1.23
0.78
1.76
0.23

1
0
1
0

121

ordenar
fracciones
0.78 (2)
0.76 (3)
0.23 (1)
0.23 (4)

Q R (

Q R TV>; Q R WV> Q R

Seleccionar: 1 y 3 (enteros)
Seleccionar: 2 y 3 (fracciones)
6.1.4.1 Analisis del muestreo determinstico
Complejidad: El algoritmo es
para la ordenacion.

KtL

para la asignacion determinstica y es

KtL=>L

Problemas: Padece de los mismos problemas que el sobrante estocastico.

6.1.5 Escalamiento Sigma

Es una tecnica ideada para mapear la aptitud original de un individuo con su valor
esperado de manera que el AG sea menos susceptible a la convergencia prematura.
La idea principal de esta tecnica es mantener mas o menos constante la presio n
de seleccion a lo largo del proceso evolutivo.
Usando esta tecnica, el valor esperado de un individuo esta en funcion de su
aptitud, la media de la poblacion y la desviacion estandar de la poblacion:

` _ `d si M~R

Z
\suwvM]*x/yot}zGk~
R
si M~
V
Q DM~  Q D F~"

L
M~
L

Veamos un ejemplo de su funcionamiento:

= tamano de la poblacion

Si

\^u vM]*xzyM}zGz~p6

Ejemplo:
(1)
(2)
(3)
(4)

aptitud
220
140
315
42

puede hacerse

D_F~

\uwvt]*xzyM}zGz~ R iV=

\su vM]*xzy

48,400
19,600
99,225
1,764

1.20
0.81
1.67
0.32
122

(6.1)

(6.2)

Q R (

Q R UTSjG!{S{ Q R WV>
D X Q R 0T {jVR >
n=4
D_ WGATS{
[
[
R ZYz ZYZ " ZYZ R 0>jVTS0
`cb ` d
R
1+ Z

Observacion: Bajo un poco el valor esperado del mejor individuo y subio el del
peor.
6.1.5.1 Analisis del escalamiento sigma
El escalamiento sigma produce el siguiente comportamiento en la seleccion:

C
C

Al inicio de una corrida, el valor alto de la desviacion estandar impedira que

los mejores individuos obtengan los segmentos mas grandes de la ruleta.
Hacia el final, la desviacion estandar sera mas baja y los individuos mas
aptos podran muliplicarse mas facilmente.

6.1.6 Seleccion por Jerarquas

Propuesta por Baker [13] para evitar la convergencia prematura en las tecnicas
de seleccion proporcional. El objetivo de esta tecnica es disminuir la presion de
seleccion. En este caso, discutiremos el uso de jerarquas lineales, pero es posible
tambien usar jerarquas no lineales, aunque la presion de seleccion sufre cambios
mas abruptos al usarse esta u ltima.
Los individuos se clasifican con base en su aptitud, y se les selecciona con
base en su rango (o jerarqua) y no con base en su aptitud. El uso de jerarquas
hace que no se requiera escalar la aptitud, puesto que las diferencias entre las
aptitudes absolutas se diluyen. Asimismo, las jerarquas previenen la convergencia prematura (de hecho, lo que hacen, es alentar la velocidad convergencia del
algoritmo genetico).
El algoritmo de las jerarquas lineales es el siguiente:

Ordenar (o jerarquizar) la poblacion con base en su aptitud, de 1 a

representa al menos apto).

123

(donde

Elegir

El valor esperado de cada individuo sera:

u$Ec3su$E;
C Calcular }L R juE

\^u vM]*xzyM}zGz~ R }LcR u$E1}cL!' tZZc X _ X

V
Baker recomendo uE
Usar seleccion proporcional aplicando los valores esperados obtenidos de
la expresion anterior.

Ejemplo:

(1)
(2)
(3)
(4)
(5)

(jerarqua menor a la aptitud mas baja)

aptitud
12
245
9
194
48

jerarquas
2
5
1
4
3

\uwvt]*xzy

0.95
1.10
0.90
1.05
1.00

Aplicar ruleta
u otra tecnica
proporcional

Q R i V>
uE R V= }cL R l6V R jV{
O R
s\ uwvM]*xzy R jV{mMCjV> ZZcX b X

6.1.6.1 Analisis de las jerarquas lineales

KtLBvt L

+ tiempo de seleccion.
Complejidad:
Algunos puntos interesantes respecto a la aplicabilidad de esta tecnica:

C
C

Es u til cuando la funcion tiene ruido (p.ej., cuando hay una variable aleatoria).

Diluye la presion de la seleccion, por lo que causa convergencia mas lenta.

Existen otros metodos de asignacion de jerarquas ademas del lineal (p. ej.,
exponencial).
Puede alentar sobremanera la convergencia del algoritmo genetico, por lo
que su uso suele limitarse a situaciones en las que el AG convergera prematuramente en caso de no aplicarse.
124

6.1.7 Seleccion de Boltzmann

Esta tecnica fue propuesta por Goldberg [107] y esta basada en el recocido simulado [142]: la idea es usar una funcion de variacion de temperatura que controle
la presion de seleccion. Se usa un valor alto de temperatura al principio, lo cual
hace que la presion de seleccion sea baja. Con el paso de las generaciones, la temperatura disminuye, lo que aumenta la presion de seleccion. De esta manera se
incita a un comportamiento exploratorio en las primeras generaciones y se acota
a uno mas explotatorio hacia el final del proceso evolutivo.
El algoritmo es el siguiente:
Tpicamente, se usa la siguiente expresion para calcular el valor esperado de
un individuo.

b
R
]

(6.3)
Valesp(i,t)
]b

donde N es la temperatura y denota el promedio de la poblacion en la

generacion t.
Veamos un ejemplo de su uso:
Ejemplo:
aptitud
220
140
315
42

Q R (

b
]  

9.025
4.055
23.336
1.522

\su vM]*xzy

0.952
0.428
2.460
0.160

Q R + V{>TS Q R W V>>
R k [ Y R {iV$S*

NC+ R R >>>>
NM~ NM ~c (7<jV

(bajo)
(bajo)
(subio)
(bajo)

Problemas: rango de exp()

~R
N + R 0;>>><jV <jV j V R 0;

Supongamos:

125

6.1.7.1 Analisis de la seleccion de Boltzmann

C
C

Se ha utilizado mas para optimizacion multimodal y multiobjetivo (formacion de nichos).

Existen pruebas de convergencia de la tecnica hacia el o ptimo global.

Tiene el inconveniente de requerir la definicion de la funcion de variacion
de temperatura.

6.2 Seleccio n Mediante Torneo

Los metodos de seleccion proporcional antes descritos requieren de dos pasos a
traves de toda la poblacion en cada generacion:
1. Calcular la aptitud media (y, si se usa escalamiento sigma, la desviacion
estandar).
2. Calcular el valor esperado de cada individuo.
El uso de jerarquas requiere que se ordene toda la poblacion (una operacion
cuyo costo puede volverse significativo en poblaciones grandes).
La seleccion mediante torneo es similar a la de jerarquas en terminos de la
presion de seleccion, pero es computacionalmente mas adecuada para implementarse en paralelo.
Esta tecnica fue propuesta por Wetzel [225] y estudiada en la tesis doctoral de
Brindle [32].
La idea basica del metodo es seleccionar con base en comparaciones directas
de los individuos.
Hay 2 versiones de la seleccion mediante torneo:

C
C

Determinstica
Probabilstica

El algoritmo de la version determinstica es el siguiente:

Barajar los individuos de la poblacion.

Escoger un numero de individuos (tpicamente 2).

126

C
C

Compararlos con base en su aptitud.

El ganador del torneo es el individuo mas apto.

Debe barajarse la poblacion un total de veces para seleccionar

(donde es el tamano de la poblacion).

Veamos un ejemplo de su funcionamiento:

Orden
(1)
(2)
(3)
(4)
(5)
(6)

Aptitud
254
47
457
194
85
310

Barajar
(2)
(6)
(1)
(3)
(5)
(4)

Barajar
(4)
(1)
(6)
(5)
(2)
(3)

Ganadores

Ganadores
(6)
(3)
(4)

(1)
(6)
(3)

Padres:
(6) y (1), (3) y (6), (4) y (3)
Otra forma:

P R PLCiG(

Selecciona

Selecciona

/*aleatorio real*/

?~
~
~?
~

R R
R PP R Ct U++
R R
R PP R *(

Ganador
(3)

(1)
127

padres

Y as sucesivamente.
El algoritmo de la version probabilstica es identico al anterior, excepto por el
paso en que se escoge al ganador. En vez de seleccionar siempre al individuo con
1
y si el resultado es cierto, se selecciona al mas
aptitud mas alta, se aplica
apto. De lo contrario, se selecciona al menos apto.
El valor de permanece fijo a lo largo de todo el proceso evolutivo y se escoge
en el siguiente rango:

DBvF}yoy

jVnpyJ
R , la tecnica se reduce a la version determinstica.
Observe que si y
R jV )
Ejemplo: (y
(1)
(2)
(3)
(4)
(5)
(6)

Aptitud
254
47
457
194
85
310

Barajar
(2)
(6)
(1)
(3)
(5)
(4)

DBvF}yy
DBvF}yy
DBvF}yy

R N s elige (6)
R elige (1)
R Ns elige (4)

Esta variante reduce un poco la presion de seleccion, permitiendo que en algunas cuantas ocasiones el individuo menos apto gane el torneo.

6.2.1 Analisis de la seleccion mediante torneo

C
C

La version determinstica garantiza que el mejor individuo sera seleccionado

veces (tam torneo).
Complejidad:
1. Cada competencia requiere la seleccion aleatoria de un numero constante de individuos de la poblacion. Esta comparacion puede realizarse en
.

K(

iT devuelve cierto con una probabilidad .

128

2. Se requieren competencias de este tipo para completar una generacion.

3. Por lo tanto, el algoritmo es

KtL .

La tecnica eficiente y facil de implementar.

No requiere escalamiento de la funcion de aptitud (usa comparaciones directas).

Puede introducir una presion de seleccion muy alta (en la version determinstica) porque a los individuos menos aptos no se les da oportunidad de
sobrevivir.
Tiene sentido aplicar jerarquas lineales a la seleccion mediante torneo?
No, porque la seleccion mediante torneo realiza comparaciones directas entre individuos. El uso de jerarquas lineales no cambiara en nada la presion
de seleccion.

Puede regularse la presion de seleccion variando el tamano del torneo:

C
C

Si se usa tam torneo=1, se produce una caminata aleatoria con una presion
de seleccion muy baja.

Si se usa tam torneo= , la seleccion se vuelve totalmente determinstica

(los mejores individuos globales son seleccionados). A esto se le llama
elitismo global.

Si se usa tam torneo 10, la seleccion se considera dura.

Si se unsa tam torneo entre 2 y 5, la seleccion se considera blanda.

6.3 Seleccio n de Estado Uniforme

Esta tecnica fue propuesta por Whitley [228] y se usa en AGs no generacionales,
en los cuales solo unos cuantos individuos son reemplazados en cada generacion
(los menos aptos).
Esta tecnica suele usarse cuando se evolucionan sistemas basados en reglas
(p.ej., sistemas clasificadores) en los que el aprendizaje es incremental.
129

En general, la tecnica resulta u til cuando los miembros de la poblacion resuelven colectivamente (y no de manera individual) un problema.
Asimismo, los AGs generacionales se usan cuando es importante recordar
lo que se ha aprendido antes.
El algoritmo de la seleccion de estado uniforme es el siguiente:

C
C

Llamaremos

Seleccionar
plo,
.

a la poblacion original de un AG.

individuos (

Efectuar cruza y mutacion a los

a los hijos.

Elegir al mejor individuo en

Reemplazar los
.

) de entre los mas aptos. Por ejem-

individuos seleccionados. Llamaremos

. (o a los

peores individuos de

mejores).
por los

mejores individuos de

6.3.1 Analisis de la Seleccion de Estado Uniforme

C
C

Mecanismo especializado de seleccion.

Su complejidad (en la variante incluida en GENITOR, la cual usa jerarquas

lineales) es
.

K1MLvM* L!

Los AGs no generacionales no son muy comunes en aplicaciones de optimizacion, aunque s pueden utilizarse.

6.4 Brecha Generacional

Muy ligado a la seleccion de estado uniforme se encuentra el concepto de brecha
generacional (generation gap).
Para explicar este concepto, es importante reconocer en primer termino que
las poblaciones pueden ser no traslapables (nonoverlapping) o traslapables
(overlapping).
Una poblacion no traslapable es aquella en la que los padres nunca compiten contra sus hijos. Por el contrario, en una poblacin traslapable, los padres
compiten contra sus hijos.
130

Se denomina brecha generacional a la cantidad de traslape existente entre

padres e hijos. Una brecha generacional grande implica poco (o ningun) traslape
poblacional y viceversa.
Historicamente, la programacion evolutiva y las estrategias evolutivas han usado poblaciones traslapables, mientras que los AGs han usado poblaciones no
traslapables.
DeJong [137] parece haber sido el primero en estudiar los AGs con poblaciones traslapables.
En su tesis doctoral, DeJong sugirio que las ventajas de las poblaciones traslapables se diluian debido a los efectos negativos del desvo genetico.
Mas tarde, Grefenstette [116] confirmara que una brecha generacional alta
pareca mejorar el desempeno del AG.
Los primeros experimentos con los sistemas clasificadores, confirmaran,
sin embargo, un comportamiento exactamente opuesto [127].
En los sistemas clasificadores, el desempeno del AG pareca degradarse conforme se aumentaba la brecha generacional.
Algunos investigadores atribuyen los resultados de DeJong y Grefenstette al
uso de poblaciones pequenas.
Los AGs tradicionales siguen usando, sin embargo, poblaciones no traslapables.
Los algoritmos evolutivos de estado uniforme son aquellos en los que la
poblacion es traslapable. Normalmente, solo uno o dos hijos se producen en cada
iteracion de un AE de estado uniforme.

6.5 Otras Tecnicas de Seleccio n

Hay varias tecnicas mas de seleccion cuyo uso es menos comun [69]. Discutiremos brevemente las siguientes:

C
C

Disruptiva

Jerarquas no lineales
Competitiva

6.5.1 Seleccion Disruptiva

Esta tecnica fue sugerida por Kuo y Hwuang [149] para normalizar aptitudes con
respecto a un cierto valor moderado (en vez de usar valores extremos).
131

Suele usarse:

donde

X
DM~

R *D _3FE DX M ~
DI_ ME

se refiere a la aptitud media de la poblacion.

`/
\suwvM]*xzyW_ R ` d b
X
D ME son los valores normalizados.

Ejemplo:

Aptitud
220
140
315
42

Normalizacion ( )
40.75
39.25
135.75
137.25

Valesp
0.462
0.445
1.538
1.555

Q R (
Q R +;
Q R WV>>
DX F~ R [ R 0T{jV> , DIX [M~ R [ R SSjV>
\uwvM]*xzy R ` d `

extremos
mas aptos

6.5.1.1 Analisis de la seleccion disruptiva

La principal motivacion de la seleccion disruptiva es distribuir mas los esfuerzos
de la busqueda hacia las soluciones extremadamente buenas y extremadamente
malas. Los individuos cercanos a la media son desechados.
La utilidad de este metodo es altamente dependiente en la aplicacion. Suele
usarsele mas frecuentemente con funciones de aptitud dinamicas.

6.5.2 Jerarquas No Lineales

Esta tecnica fue propuesta por Michalewicz [161]. Se usa:

R 3 t Zc b X
PT/_ 

donde:

PT/_

es la probabilidad de que el individuo sea seleccionado.

132

 h
de presion de seleccion.
]e PTu$gP jo VV 7 l u es_ esellafactor
jerarqua del individuo } en estudio.
Al igual que con las jerarquas lineales, se asigna la jerarqua mas baja al peor
individuo y la mas alta al mejor.
Una vez que se conocen las probabilidades de que un individuo sea seleccionado, obtenemos
multiplicando por .
Veamos un ejemplo:

\suwvM]*xzy

aptitud
12
245
9
194
48

^Po'tccM

jerarqua
2
5
1
4
3

0.210
0.072
0.300
0.103
0.147

\su vM]*xzy

1.05
0.36
1.50
0.52
0.74

Q R i VS>>
Q R WV (
R jV
Supongamos:
Poo/_ R jVX3 OjV> tZZc b X
\^uwvt]*xzy R PT/_WL
L R

(mayor)
(menor)
(mayor)
(menor)
(menor)

Teniendo los valores esperados, puede usarse cualquier tecnica de seleccion

proporcional, al igual que en el caso de las jerarquas lineales.
6.5.2.1 Analisis de las jerarquas no lineales
Thomas Back [8] advirtio sobre el problema que tenemos en el ejemplo presentado
anteriormente: las probabilidades obtenidas con este metodo no suman uno.
Back [8] tambien advirtio que esta tecnica puede hacerse practicamente identica
al torneo dependiendo del valor de que se use. Valores grandes de implican
una mayor presion de seleccion inversa (o sea, implica darle mayor oportunidad
al individuo menos apto de reproducirse).

133

Michalewicz [161] advierte que la suma de probabilidades en su tecnica puede

hacerse igual a uno si usamos:

PT/_ R 3 Z b X
R
Z
= tamano de la poblacion

donde:

Ejemplo:
aptitud
12
245
9
194
48

jerarqua
2
5
1
4
3

:tccM

0.2524
0.0865
0.3606
0.1238
0.1767

\su vM]*xzy

1.2620
0.4325
1.8030
0.6190
0.8835

Q R  V;> Q R iV>>
^R jV
Usando de nuevo:
R
@R R V;+;+E*;{
z

(mayor)
(menor)
(mayor)
(menor)
(menor)

Cabe mencionar que se han usado tambien otras variantes de las jerarquas
no lineales. Por ejemplo, Whitley & Kauth [226] propusieron el uso de una distribucion geometrica de acuerdo a la cual la probabilidad de que un individuo
sea seleccionado esta dada por:

ueqgjVV='l
P_

yW_ R u3hu Z b

(6.4)

donde
es un parametro definido por el usuario, es el tamano de la
poblacion y es la jerarqua del individuo (definida de tal forma que el menos
apto tiene una jerarqua de 1 y el mas apto tiene una jerarqua de ). Si el individuo
es el mejor en la poblacion, entonces
, con lo que se hara . Por lo
tanto, es realmente la probabilidad de que seleccionar al mejor individuo en la
poblacion [69].

P_ R L

134

y_

6.5.3 Seleccion Competitiva

En este caso, la aptitud de un individuo se determina mediante sus interacciones
con otros miembros de la poblacion, o con otros miembros de una poblacion separada que evoluciona concurrentemente.
Esta tecnica ha sido usada por Hillis [122], Angeline & Pollack [3] y Sebald
& Schlenzig [206].
En la version con 2 poblaciones puede verse como un esquema co-evolutivo:
las aptitudes de dos individuos dependen mutuamente entre s (uno del otro). Por
ejemplo, una poblacion puede contener soluciones a un problema de optimizacion,
mientras la otra contiene las restricciones del mismo.

6.6 Clasificaciones de Tecnicas de Seleccio n

Back y Hoffmeister [11] distinguen entre:
1. Metodos Estaticos: Requieren que las probabilidades de seleccion permanezcan constantes entre generaciones.
Ejemplo: jerarquas lineales.
2. Metodos Dinamicos: No se requiere que las probabilidades de seleccion
permanezcan constantes.
Ejemplo: seleccion proporcional.
Otros investigadores distinguen entre:
1. Seleccion Preservativa: Requiere una probabilidad de seleccion distinta de
cero para todos los individuo.
Ejemplo: seleccion proporcional.
2. Seleccion Extintiva: Puede asignar una probabilidad de seleccion de cero
a algun individuo.
Ejemplo: torneo determinstico.
135

A su vez, las tecnicas extintivas se dividen en:

1. Seleccion Izquierda: Se impide a los mejores individuos reproducirse a fin
de evitar convergencia prematura.
2. Seleccion Derecha: No se tiene control explcito sobre la capacidad reproductiva de los individuos mas aptos.
Adicionalmente, algunas tecnicas de seleccion son puras en el sentido de que
a los padres se les permite reproducirse solamente en una generacion (es decir, el
tiempo de vida de cada individuo esta limitado a solo una generacion, independientemente de su aptitud).

6.7 Problemas Propuestos

1. Escribir un programa en C/C++ que implemente un algoritmo genetico simple (representacion binaria, cruza de un punto, mutacion uniforme y seleccion proporcional de ruleta, tal y como vimos en clase) y utilizarlo para
minimizar
(6.5)
DFE R jVU+l 5jhV;E OjVU>E/T X@ E
considerando E en el rango gqjiGVVVG?*l usando numeros reales con una pre-

cision de seis cifras despues del punto decimal. Lo que debe entregarse es
lo siguiente:

El codigo fuente en C/C++ del programa, con comentarios. En cada

generacion debera retenerse a la mejor solucion (elitismo), y deberan
imprimirse al menos las siguientes estadsticas por generacion: media de aptitud de la poblacion, aptitud maxima y mnima, numero de
cruzas efectuadas, numero de mutaciones efectuadas y cadena binaria
correspondiente al mejor individuo (el que tenga la aptitud mas alta).
Adicionalmente, debera imprimirse el mejor individuo global (es decir, contando todas las generaciones), su aptitud y su cadena binaria.
Un analisis breve que indique como se efectua el mapeo de las variables de binario a decimal y viceversa, incluyendo detalles de la codificacion utilizada (por ejemplo, como se derivo el numero de bits a
utilizarse en las cadenas y que tipo de decodificacion se empleo).
136

Estime el tamano intrnseco del espacio de busqueda para este problema. Es decir, dada la longitud de la cadena binaria que representa
los valores posibles de , estime cuantas posibles soluciones pueden
generarse. Dada una corrida promedio de las realizadas (con los parametros
que Ud. guste), indique que porcentaje aproximado del espacio de
busqueda ha explorado el AG para encontrar la solucion.

Una corrida con parametros mminos (una poblacion de solo 6 individuos, corriendo solo 2 generaciones), a fin de ilustrar que la cruza,
mutacion y seleccion se efectuaron correctamente. En la corrida se
mostraran las cadenas binarias correspondientes a cada individuo, as
como sus valores decodificados (es decir, el valor de en cada caso),
sus valores de aptitud, los puntos de cruza elegidos, los padres y los
hijos producidos en cada caso, y los efectos producidos por la mutacion (usar un porcentaje relativamente alto a fin de que se produzca
mutacion con una poblacion pequena). Asimismo, se debera ilustrar
el proceso de seleccion paso por paso, indicando los valores esperados
para cada individuo, la aptitud promedio de la poblacion y el numero
de copias de cada individuo tras el proceso de seleccion.

Una corrida de ejemplo (salida generada por el programa), y los resultados promediados de AL MENOS 20 corridas independientes en
las que se usen los mismos parametros (porcentaje de cruza y mutacion, tamano de la poblacion y maximo numero de generaciones)
pero diferente semilla para generar numeros aleatorios. En el reporte
debera aparecer la mejor solucion obtenida, la media de aptitud, la
peor solucion obtenida y la desviacion estandar de las 20 corridas
en cada caso.
efectuadas. Debera mostrarse el valor de y de
Asimismo, se incluira la grafica de convergencia correspondiente a la
solucion que este en la mediana de los resultados obtenidos (de las 20
corridas). En esta grafica se mostrara en el eje de las el numero de
generaciones (de cero al maximo permisible) y en el eje de las se
mostrara la aptitud promedio de cada generacion.

DFE

En la pagina web del curso se encuentra un programa (en GNU C para

Unix) que implementa un algoritmo genetico simple con representacion binaria, seleccion mediante torneo, cruza de 2 puntos y mutacion uniforme
(en una variante que no vimos en clase). Este programa optimiza la funcion
, aunque imprime toda la informacion de cada generacion, in-

DFE R E

137

cluyendo las cadenas correspondientes a cada individuo. Esta informacion

(salvo la mencionada en el primer punto de la lista anterior) es redundante
y no requiere incluirse en las corridas efectuadas por su programa. Es importante hacer ver tambien que puede desarrollar una implementacion por
cuenta propia, sin utilizar ningun elemento del codigo proporcionado.
2. El objetivo de este problema es que experimente con tecnicas alternativas
de representacion y seleccion. Usando el mismo programa desarrollado en
el problema anterior (con los cambios indicados a continuacion), debera
minimizar la siguiente funcion:


R

G (6.6)
G


u
_

donde D FE GzE
Q

*oa z D X FE GzE
_
R

;>iG R G y:
(6.7)
donde: U>iVUfE_=U+ V;TUjG
U +
gu_ l R ++ .j+U + U + +j > +U ..UU
+ + +

(6.8)

Considere una precision de 3 dgitos despues del punto decimal. Esta es la

funcion F5 de DeJong [137].
Para este problema se usara un algoritmo genetico con las siguientes caractersticas:

C
C

Representacion binaria con codigos de Gray y representacion entera

(un programa separado para cada caso).
Seleccion proporcional (en la variante indicada mas adelante).

C
C

Cruza de dos puntos.

Mutacion uniforme (como en la tarea anterior). En el caso de la representacion entera, para mutar genere un entero aleatorio entre 0 y 9
para cada posicion a ser mutada y haga el reemplazo correspondiente.

Implemente una de las siguientes tecnicas de seleccion:

Muestreo determinstico.
138

Metodo del sobrante estocastico con reemplazo.

C
C

Seleccion mediante jerarquas lineales (usar Max=1.1) aplicada a la

seleccion universal estocastica.
Escalamiento sigma aplicado al metodo del sobrante estocastico sin
reemplazo.

Lo que debe reportarse es lo siguiente:

El codigo fuente en C/C++ y los ejecutables de dos programas: uno

que implemente el algoritmo genetico simple con representacion binaria con codigos de Gray y otro que implemente una representacion
entera en la que se fije la posicion del punto decimal y se genere un
dgito en cada alelo de la cadena. Es importante asegurarse de que ambos programas pueden lidiar con valores decodificados fuera de rango
a todo momento.
Los programas deberan pedir al usuario (de forma interactiva y NO
a traves de la lnea de comandos) los parametros principales del algoritmo genetico: tamano de la poblacion, porcentaje de cruza, porcentaje de mutacion, numero maximo de generaciones y nombre del
archivo donde se almacenaran los datos de cada corrida. En cada generacion debera retenerse a la mejor solucion (elitismo), y deberan imprimirse al menos las siguientes estadsticas por generacion: media de
aptitud de la poblacion, aptitud maxima y mnima, numero de cruzas
efectuadas, numero de mutaciones efectuadas y cadena (binaria o decimal) correspondiente al mejor individuo (el que tenga la aptitud mas
alta). Adicionalmente, debera imprimirse el mejor individuo global
(es decir, contando todas las generaciones), su aptitud y su cadena (binaria o decimal).
Dos corridas de ejemplo (una usando una representacion binaria con
codigos de Gray y la otra usando codificacion entera), y los resultados promediados de AL MENOS 20 corridas independientes para
cada programa en las que se usen los mismos parametros (porcentaje
de cruza y mutacion, tamano de la poblacion y maximo numero de
generaciones) pero diferente semilla para generar los numeros aleatorios (un total de 40 corridas). En el reporte debera aparecer la mejor
solucion obtenida, la media de aptitud, la peor solucion obtenida, la
varianza y la desviacion estandar de cada uno de los dos grupos de 20
139

corridas efectuadas (para los dos casos antes mencionados). Deberan

y
en cada caso. Asimismo, se
mostrarse los valores de ,
incluira la grafica de convergencia correspondiente a la solucion que
este en la mediana de los resultados obtenidos (de las 20 corridas) para
cada caso. En esta grafica se mostrara en el eje de las el numero de
generaciones (de cero al maximo permisible) y en el eje de las se
mostrara la aptitud promedio de cada generacion.

E E DFE

Una comparacion de resultados entre las dos implementaciones. Usando los resultados producidos en el punto anterior, se debera analizar
lo que ocurrio en cada caso y concluir si la representacion hizo alguna diferencia en el desempeno del algoritmo genetico (por ejemplo,
si acelero la convergencia hacia el o ptimo, si ayudo a encontrar una
mejor solucion, etc.).

140

Captulo 7
Tecnicas de Cruza
7.1 Introduccio n
En los sistemas biologicos, la cruza es un proceso complejo que ocurre entre parejas de cromosomas. Estos cromosomas se alinean, luego se fraccionan en ciertas
partes y posteriormente intercambian fragmentos entre s.
En computacion evolutiva se simula la cruza intercambiando segmentos de
cadenas lineales de longitud fija (los cromosomas).
Aunque las tecnicas de cruza basicas suelen aplicarse a la representacion binaria, e stas son generalizables a alfabetos de cardinalidad mayor, si bien en algunos
casos requieren de ciertas modificaciones.
Comenzaremos por revisar las tres tecnicas basicas de cruza:

C
C

Cruza de un punto

Cruza de dos puntos

Cruza uniforme

7.1.1 Cruza de un punto

Esta tecnica fue propuesta por Holland [127], y fue muy popular durante muchos
anos. Hoy en da, sin embargo, no suele usarse mucho en la practica debido a sus
inconvenientes. Puede demostrarse, por ejemplo, que hay varios esquemas que no
pueden formarse bajo esta tecnica de cruza.
Considere, por ejemplo, los esquemas siguientes:
141

Punto de cruza

Punto de cruza

1 0 1 0 1 1 0 1

1 1 1 0 1 1 1 0

1 0 1 0 1 1 1 0
1 1 1 0 1 1 0 1
Descendientes

Figura 7.1: Cruza de un punto.

H1 = 11*****1
H2 = ****11**
Si aplicamos cruza de un punto a estos 2 esquemas, no hay manera de formar
una instancia del esquema:
H = 11**11*1
7.1.1.1 Orden de un esquema
Definamos ahora

como el orden de un esquema:

O(H) = numero de posiciones fijas en el esquema H.

Ejemplo:

O(*11*0*0*) = 4
O(****1***) = 1

7.1.1.2 Longitud de definicion

Definamos a como la longitud de definicion:

= distancia entre la primera y la u ltima posicion fija

de un esquema H.
142

Ejemplo:

 > 5 ; R R l
R
jm$;

7.1.1.3 Analisis de la cruza de un punto

La cruza de un punto destruye esquemas en los que la longitud de definicion es
alta. Esto produce el denominado sesgo posicional: los esquemas que pueden
crearse o destruirse por la cruza dependen fuertemente de la localizacion de los
bits en el cromosoma [74].
El problema fundamental de la cruza de un punto es que presupone que los
bloques constructores son esquemas cortos y de bajo orden, y cuando esto no
sucede (p.ej., con cadenas largas), suele no proporcionar resultados apropiados.
Obviamente, las aplicaciones del mundo real suelen requerir cadenas largas y
de ah que esta cruza no se use comunmente en dichos problemas.
La cruza de un punto trata tambien preferencialmente algunas posiciones del
cromosoma, como por ejemplo los extremos de una cadena.
La cruza de un punto suele preservar tambien los hitchhikers, que son bits que
no son parte del esquema deseado, pero que debido a su similitud con ellos gozan
de los beneficios de la cruza.

7.1.2 Cruza de dos puntos

DeJong [137] fue el primero en implementar una cruza de puntos, como una
generalizacion de la cruza de un punto.
El valor
es el que minimiza los efectos disruptivos (o destructivos) de
la cruza y de ah que sea usado con gran frecuencia.
No existe consenso en torno al uso de valores para que sean mayores o
iguales a 3.
Los estudios empricos al respecto [137, 74] proporcionan resultados que no
resultan concluyentes respecto a las ventajas o desventajas de usar dichos valores.
En general, sin embargo, es aceptado que la cruza de dos puntos es mejor que
la cruza de un punto.
Asimismo, el incrementar el valor de se asocia con un mayor efecto disruptivo de la cruza.

L R

143

Puntos de Cruza

Puntos de Cruza

1 0 1 1 0 1 0 1

1 1 1 0 1 1 1 0

1 0 1 0 1 1 0 1
1 1 1 1 0 1 1 0
Descendientes

Figura 7.2: Cruza de dos puntos.

Padre 1
1

Padre 2
1

Padre 1
1

Hijo 1
Padre 2

Hijo 2

Figura 7.3: Cruza uniforme.

144

7.1.3 Cruza uniforme

Esta tecnica fue propuesta originalmente por Ackley [1], aunque se le suele atribuir
a Syswerda [217].
En este caso, se trata de una cruza de puntos, pero en la cual el numero de
puntos de cruza no se fija previamente.
La cruza uniforme tiene un mayor efecto disruptivo que cualquiera de las 2
cruzas anteriores. A fin de evitar un efecto excesivamente disruptivo, suele usarse
con
.
Algunos investigadores, sin embargo, sugieren usar valores mas pequenos de
Pc [209].
Cuando se usa
, hay una alta probabilidad de que todo tipo de cadena
binaria de longitud sea generada como mascara de copiado de bits.

 R jV

 R iV

7.1.4 Cruza Acentuada

Esta tecnica fue propuesta por Schaffer y Morishima [201], en un intento por
implementar un mecanismo de auto-adaptacion para la generacion de los patrones
favorables (o sea, los buenos bloques constructores) de la cruza.
En vez de calcular directamente la mascara (o patron) de cruza, la idea es usar
una cadena binaria de marcas para indicar la localizacion de los puntos de cruza.
La idea fue sugerida por Holland [127], aunque en un sentido distinto.
La informacion extra que genera la cruza acentuada se agrega al cromosoma
de manera que el numero y localizaciones de los puntos de cruza pueda ser objeto
de manipulacion por el AG.
Por tanto, las cadenas tendran una longitud del doble de su tamano original.
La convencion que suele adoptarse es la de marcar con 1 las posiciones
donde hay cruza y con 0 las posiciones donde no la hay.
Asimismo, se suelen usar signos de admiracion para facilitar la escritura de
las cadenas.
La figura 7.4 muestra un ejemplo de la cruza acentuada.
El algoritmo de la cruza acentuada es el siguiente:

Copiar los bits de cada padre hacia sus hijos, de uno en uno.
En el momento en que se encuentra un signo de admiracion en cualquiera
de los padres, se efectua la cruza (es decir, se invierte la procedencia de los
bits en los hijos).
145

Cromosoma:
0

cadena original

puntos de cruza

L=10

L=10

Puede interpretarse como:

0

Aqu se efecta la cruza

Figura 7.4: Cruza Acentuada.

Cuando esto ocurre, los signos de admiracion se copian tambien a los hijos,
justo antes de que la cruza se efectue.

Veamos el siguiente ejemplo:

Antes de la cruza:
P1
P2

=
=

a a
c c

a
c

a
c!

a
d

a a! b b b
d d d d d!

a
c!

d d
a a

b b b
e e e

b
e

Despues de la cruza:
H1 =
H2 =

a
c

a
c

a
c

d b b b e e e e
a! d d d! b b b b

7.1.4.1 Observaciones sobre la cruza acentuada

Notese que solo se usa la primera parte de la cadena para calcular la aptitud, pero
se espera que la seleccion, cruza y mutacion tengan un efecto positivo sobre los
puntos de cruza.
En esta representacion, la mutacion actua sobre los dos segmentos cromosomicos.
Las probabilidades de que aparezcan unos en el segundo segmento se determinan de manera distinta a las del primero.
146

La cruza acentuada reporto buenos resultados en un pequeno conjunto de funciones de prueba [201]. Sin embargo, no hay evidencia contundente acerca de su
efectividad.
La cruza acentuada tiene una buena inspiracion biologica, porque estas marcas
de cruza efectivamente existen en la naturaleza y se co-evolucionan junto con los
cromosomas.

7.2 Sesgos de la Cruza

El sesgo de la cruza se refiere a las tendencias de este operador hacia favorecer
o no un cierto tipo de busqueda.
Realmente, la busqueda aleatoria es la u nica que no presenta ningun tipo de
sesgo, por lo que es de esperarse que cualquier operador heurstico como la cruza
presente algun tipo de sesgo.
De hecho, desde hace algun tiempo, se ha determinado que se requiere de
algun tipo de sesgo para que una tecnica de busqueda sea efectiva [170].
En algoritmos geneticos, se suelen considerar 2 tipos de sesgo para la cruza:

Distribucional

Posicional

7.2.1 Sesgo distribucional

El sesgo distribucional se refiere al numero de smbolos transmitidos durante una
recombinacion. Asimismo, se refiere a la medida en la que algunas cantidades
tienen mas tendencia a ocurrir que otras.
El sesgo distribucional es importante porque esta correlacionado con el numero
potencial de esquemas de cada padre que pueden ser recombinados por el operador de cruza.

La cruza de un punto y la de dos puntos no tienen sesgo distribucional.

La cruza de

La cruza uniforme tiene un sesgo distribucional muy fuerte.

puntos (

Lr ) tiene un sesgo distribucional moderado.

147

7.2.2 Sesgo posicional

El sesgo posicional caracteriza en que medida la probabilidad de que un conjunto de smbolos se transmitan intactos durante la recombinacion depende de las
posiciones relativas de los mismos en el cromosoma.
El sesgo posicional es importante porque indica que esquemas es mas probable que se hereden de padres a hijos. Asimismo, tambien indica la medida en la
que estos esquemas apareceran en nuevos contextos.

C
C

La cruza de un punto tiene un fuerte sesgo posicional.

Todo parece indicar, que la cruza de puntos tiene tambien un sesgo posicional fuerte, aunque e ste vara en funcion de .

La cruza uniforme no tiene sesgo posicional.

7.3 Variantes de la Cruza

En la practica, diversos aspectos de la cruza suelen modificarse para mejorar su
desempeno. Una variante, por ejemplo, consiste en retener solo a uno de los dos
hijos producidos por una cruza sexual. Holland [127] describio una tecnica de
este tipo.
Estudios empricos han mostrado, sin embargo, que retener a los 2 hijos producidos por una cruza sexual reduce sustancialmente la perdida de diversidad en
la poblacion [24].
Otra variante muy comun es la de restringir los puntos de cruza a aquellas
posiciones en las que los padres difieran. A esta tecnica se le conoce como sustitucion reducida [25].
El objetivo de la sustitucion reducida es mejorar la capacidad de la cruza para
producir hijos que sean distintos a sus padres.
Otra variante interesante es la llamada cruza con barajeo [74]. En este caso,
se aplica un operador de permutacion a una parte de las cadenas de los padres
antes de efectuar la cruza.Despues de la cruza, se aplica la permutacion inversa a
fin de restaurar el orden original de los bits.
La cruza con barajeo tiene como objeto contrarrestar la tendencia de la cruza
) a causar con mas frecuencia disrupcion en los conjuntos de
de puntos (
bits que estan dispersos que en los que estan juntos.

Lq

148

7.4 Comportamiento Deseable de la Cruza

Todos estos operadores descritos anteriormente, siguen el principio Mendeliano
de la herencia: cada gene que tiene un hijo, es una copia de un gene heredado de
alguno de sus padres. Cabe mencionar, sin embargo, que esto no tiene que ser as
en computacion evolutiva.
Algunos investigadores han destacado que el e nfasis de la cruza debe ser el
poder generar todas las posibles combinaciones de bits (de longitud ) que hayan
en el espacio de busqueda del problema [178]. Dada una cierta representacion
binaria, ni la cruza de un punto, ni la de puntos son capaces de lograr esto
(generar cualquier combinacion de bits posible). La cruza uniforme, sin embargo,
s puede hacerlo.
Algunos investigadores han propuesto otras variantes de la cruza motivados
por este problema. Radcliffe [178] propuso una tecnica denominada recombinacion respetuosa aleatoria.
Segun esta tecnica, se genera un hijo copiando los bits en los que sus padres
son identicos, y eligiendo luego, valores al azar para llenar las posiciones siguientes. Si se usan cadenas binarias y
, la cruza uniforme es equivalente a
esta recombinacion.

 R jV

7.5 Cruza para representaciones alternativas

Al cambiar la representacion, el operador de cruza puede requerir modificaciones
a fin de mantener la integridad del nuevo esquema de codificacion adoptado. A
continuacion discutiremos brevemente algunas definiciones de la cruza para las
siguientes representaciones alternativas:

C
C

Programacion Genetica

Permutaciones
Representacion real

7.5.1 Cruza para Programacion Genetica

Al usarse representacion de a rbol, la cruza sigue funcionando de manera muy
similar a la cruza convencional, solo que en este caso, se intercambian sub-arboles
entre los 2 padres.
149

OR

AND

NOT

D1

D0

D1

D1

OR
6

OR

AND

NOT

D0

NOT

NOT

D0

D1

10

Figura 7.5: Un ejemplo con dos padres seleccionados para cruzarse, en programacion genetica.
El primer hijo se produce borrandole al primer padre el fragmento indicado
por el punto de cruza e insertando el fragmento (sub-arbol) correspondiente del
segundo padre. El segundo hijo se produce de manera analoga.
Por ejemplo, considere los 2 padres siguientes mostrados en la figura 7.5. Las
expresiones S de estos 2 padres son:
(OR (NOT D1) (AND D0 D1)) y
(OR (OR D1 (NOT D0)) (AND (NOT D0) (NOT D1)))
Si el punto de cruza del primer padre es 2, y el del segundo es 6, entonces los
hijos resultantes seran los indicados en la figura 7.6.
7.5.1.1 Observaciones sobre la cruza para programacion genetica

C
C

Tpicamente, los 2 padres a cruzarse seran de tamanos distintos.

Los padres son seleccionados mediante alguna de las tecnicas que vimos
antes (p.ej., la ruleta).
Suele limitarse la profundidad maxima de un a rbol.
150

OR

OR
AND

AND

NOT

NOT

D0

D1

D0

NOT

OR

D1

D1

NOT

D1

D0

Figura 7.6: Los 2 hijos resultantes de la cruza entre los padres de la figura 7.5

La raz es un punto de cruza valido.

7.5.2 Cruza para Permutaciones

La representacion de permutaciones se usa frecuentemente en problemas de optimizacion combinatoria, como el del viajero y consiste basicamente en usar cadenas de enteros para representar una permutacion:
1 2 3 4 5 6 7 8 9
Al efectuar cualquiera de las cruzas antes descritas entre 2 cadenas que usan
representacion de permutaciones, los hijos invariablemente seran no validos.
Este problema requiere la definicion de procedimientos de reparacion de
las cadenas invalidas que se producen a consecuencia de la cruza. Estudiaremos
brevemente las siguientes tecnicas:

C
C

Order Crossover

Partially Mapped Crossover

Position-Based Crossover

Order-Based Crossover
Cycle Crossover
Otras
151

7.5.2.1 Order Crossover (OX)

Esta tecnica fue propuesta por Davis [62]. El algoritmo es el siguiente (los padres
son P1 y P2):
1. Seleccionar (aleatoriamente) una sub-cadena P1.
2. Producir un hijo copiando la sub-cadena en las posiciones correspondientes
a P1. Las posiciones restantes se dejan en blanco.
3. Borrar los valores que ya se encuentren en la sub-cadena de P2. La secuencia resultante contiene los valores faltantes.
4. Colocar los valores en posiciones no conocidas del hijo de izquierda a
derecha.
5. Para obtener el segundo hijo, se repiten los pasos del 1 al 4, pero tomando
ahora la sub-cadena de P2.
Ejemplo de Order Crossover:
P1 = 9 8 4 5 6 7 1 2 3 10
P2 = 8 7 1 2 3 10 9 5 4 6
Sub-cadena elegida: 5 6 7 1 (de P1)
Primer hijo:
H1 = X X X 5 6 7 1 X X X
Borrar de P2 la sub-cadena tomada de P1:
P2 = 8 X X 2 3 10 9 X 4 X
Determinar los valores faltantes de H1 sustituyendo (de izquierda a derecha)
los valores que aparecen en P2:
H1 = 8 2 3 5 6 7 1 10 9 4
Para obtener H2, el procedimiento es similar, aunque ahora la sub-cadena se
tomara de P2 y la sustitucion se hara a partir de P1.
152

7.5.2.2 Partially Mapped Crossover (PMX)

Esta tecnica fue propuesta por Goldberg y Lingle [113] y tiene ciertas similitudes
con OX. El algoritmo es el siguiente:
1. Elegir aleatoriamente dos puntos de cruza.
2. Intercambiar estos 2 segmentos en los hijos que se generan (como la cruza
de 2 puntos convencional).
3. El resto de las cadenas que conforman los hijos se obtienen haciendo mapeos
entre los 2 padres:
a) Si un valor no esta contenido en el segmento intercambiado, permanece
igual.
b) Si esta contenido en el segmento intercambiado, entonces se sustituye
por el valor que tenga dicho segmento en el otro padre.
Ejemplo de Partially Mapped Crossover:

P1 = 9 8 4 5 6 7 1 3 2 10
P2 = 8 7 1 2 3 10 9 5 4 6

Los hijos son:

H1 = X X X 2 3 10 X X X X
H2 = X X X 5 6 7 X X X X

Para completar H1 y H2, copiamos primero los valores que no estan en

el segmento intercambiado:
H1 = 9 8 4 2 3 10 1 X X X
H2 = 8 X 1 5 6 7 9 X 4 X

Ahora mapeamos los valores restantes:

H1 = 9 8 4 2 3 10 1 6 5 7
H2 = 8 10 1 5 6 7 9 2 4 3
7.5.2.3 Position-based Crossover
Esta tecnica fue propuesta por Syswerda [218] como una adaptacion de la cruza
uniforme para permutaciones. El algoritmo es el siguiente:
153

1. Seleccionar (al azar) un conjunto de posiciones de P1 (no necesariamente

consecutivas).
2. Producir un hijo borrando de P1 todos los valores, excepto aquellos que
hayan sido seleccionados en el paso anterior.
3. Borrar los valores seleccionados de P2. La secuencia resultante de valores
se usara para completar el hijo.
4. Colocar en el hijo los valores faltantes de izquierda a derecha, de acuerdo a
la secuencia de P2.
5. Repetir los pasos del 1 al 4, pero tomando ahora la secuencia de P2.
Ejemplo de Position-based Crossover:
P1 = 9 8 4 5 6 7 1 2 3 10
P2 = 8 7 1 2 3 10 9 5 4 6
Valores elegidos de P1: 8 6 2 10
Producir un hijo:
H1 = X 8 X X 6 X X 2 X 10
Borrar de P2 la secuencia usada para H1:
P2= X 7 1 X 3 X 9 5 4 X
Sustituir de izquierda a derecha los valores que aparecen en P2:
H1 = 7 8 1 3 6 9 5 2 4 10
Para obtener H2, el procedimiento es similar, pero la secuencia se toma
ahora de P2 y la sustitucion se hace a partir de P1.
7.5.2.4 Order-based Crossover
Esta tecnica fue propuesta por Syswerda [218] como una ligera variante de Positionbased Crossover en la que se cambia el orden de los pasos del algoritmo.
En este caso, primero seleccionamos una serie de valores de P1. Luego, removemos de P2 esos valores. A continuacion generamos un hijo a partir de P2.
154

Finalmente, completamos el hijo con los valores de la secuencia obtenida de P1

(insertada de izquierda a derecha en el orden impuesto por P1).
Ejemplo de Order-based Crossover:
P1 = 9 8 4 5 6 7 1 2 3 10
P2 = 8 7 1 2 3 10 9 5 4 6
Valores elegidos de P1: 8 6 2 10
Removamos de P2 estos valores:
P2 = X 7 1 X 3 X 9 5 4 X
Producir un hijo:
H1 = X 7 1 X 3 X 9 5 4 X
Insertamos ahora la secuencia elegida de P1:
H1 = 8 7 1 6 3 2 9 5 4 10
7.5.2.5 Cycle Crossover (CX)
Esta tecnica fue propuesta por Oliver, Smith y Holland [174]. Es similar a la
Position-based Crossover, porque toma algunos valores de un padre y selecciona los restantes del otro. La principal diferencia es que los valores tomados del
primer padre no se seleccionan al azar, sino de acuerdo a ciertas reglas especficas.
El algoritmo de Cycle Crossover es el siguiente:
1. Encontrar un ciclo que se define mediante las posiciones correspondientes
de los valores entre los padres.
2. Copiar los valores de P1 que sean parte del ciclo.
3. Borrar de P2 los valores que esten en el ciclo.
4. Rellenar el hijo con los valores restantes de P2 (sustituyendo de izquierda a
derecha).
5. Repetir los pasos del 1 al 4, usando ahora P2.
El elemento clave de esta tecnica es saber como encontrar un ciclo.
Es mas facil explicar este concepto con un ejemplo:
155

P1 = h k c e f d b l a i g j
P2 = a b c d e f g h i j k l
Posiciones:
1 2 3 4 5 6 7 8 9 10 11 12
Ejemplo de un ciclo:
Tomamos al azar una posicion de cualquier padre. En este caso, tomaremos la
posicion 1:

C
C

Los elementos (h,a) pertenecen al ciclo 1.

Si observamos a P1 y P2, veremos que h y a aparecen tambien en las

posiciones 8 y 9. Por tanto, el ciclo incluye ahora las posiciones (1,8,9) y
se agregan los elementos i y l. O sea, que los elementos del ciclo son:
(h,a,i,l).

Vemos ahora que i y l aparecen en las posiciones 10 y 12. Por tanto,

el ciclo ahora incluye las posiciones (1,8,9,10,12), y se agrega el elemento
j.
Vemos ahora que j ya no se encuentra en ninguna otra posicion, por lo
que el ciclo se termina.

Ejemplo de Cycle Crossover:

P1= 8 11 3 5 6 4 2 12 1 9 7 10
P2= 1 2 3 4 5 6 7 8 9 10 11 12
Posiciones:
1 2 3 4 5 6 7 8 9 10 11 12
Tomemos la posicion 1 para iniciar el ciclo: Los elementos del ciclo seran
entonces (1,8). Pero 1 y 8 tambien aparecen en las posiciones 9 y 8. Por lo
tanto, el ciclo ahora incluye los elementos (1,8,12). Pero 12 aparece tambien en
la posicion 12. Por lo tanto, el ciclo ahora incluye los elementos (1,8,12,10). Pero
10 aparece tambien en la posicion 10. Por lo tanto, el ciclo ahora incluye los
elementos (1,8,12,10,9). Ya no hay nuevos elementos que agregar, por lo que se
concluye el ciclo.
Para generar al primer hijo, tomamos a P1, removiendole los elementos que
no sean parte del ciclo:
156

H1 = 8 X X X X X X 12 1 9 X 10
Remover de P2 los valores del ciclo:
P2= X 2 3 4 5 6 7 X X X 11 X
Rellenar H1 usando los valores restantes de P2.
H1 = 8 2 3 4 5 6 7 12 1 9 11 10

7.5.3 Otras propuestas

Hay muchas otras propuestas. Por ejemplo:

C
C

Fox y McMahon [88] propusieron un operador de interseccion que extrae

caractersticas comunes de ambos padres.
Blanton y Wainwright [140] propusieron un operador llamado merge crossover,
que permite incorporar preferencias en una cierta ruta a la hora de efectuar
la cruza.

7.6 Cruza para Representaci o n Real

Si elegimos el uso directo de vectores de numeros reales para nuestra codificacion, es entonces deseable definir operadores de cruza mas acordes a esta representacion. El e nfasis principal es la capacidad de poder romper un cierto valor
real, de manera analoga a como la cruza ordinaria rompe segmentos de cromosoma al usarse representacion binaria. Las tecnicas que estudiaremos son las
siguientes:

C
C

Un punto

Dos puntos
Uniforme
Intermedia
157

Aritmetica simple

Aritmetica total

Simulated Binary Crossover

Cruza basada en direccion

7.6.1 Cruza Simple

Se trata realmente de la cruza de un punto aplicada a vectores de numeros reales:
Ejemplo: Dados
P1 =
P2 =

jV GV{jG OiV
iV{iGAjVSjG TV
jViGV{jGV
iV{jGAjVSjGjV

Los hijos seran:

H1 =
H2 =

7.6.2 Cruza de dos puntos

Esta cruza es igual que para el caso binario.
Ejemplo: Dados
P1=
P2=

VUiGl V=G jViGAjVWG iVU

jV GWViG
VjG/SjVUiG V
VUiGl V=GliVjG!SiVUjGAiVU
jV GWViGAjViGAjVWGV

Los hijos seran:

H1=
H2=

7.6.3 Cruza uniforme

Es igual que para el caso binario.
Ejemplo: Dados
158

P1=
P2=

TVUjGliV GAiViGjVjG?iVUjG?iVS
iViG"WV Gl VjG/SjVUiG.TVWGjV
TVUjG"WV Gl VjGjVjG?iVUjGAjV
iViGliV GAiViG/SjVUiG.TVWGAiVS

Si Pc=0.5, entonces los hijos podran ser:

H1=
H2=

7.6.4 Cruza intermedia

  GVVVG 


 GVVV G 
G 
 u
 GVVVG 
G 
 u
u egjG'l


GVVVG

 u GVVV'G  u   l hu

 u GVVV'G  u   hu

En este caso, si suponemos que tenemos dos padres:

P1 =
y P2 =
,
los cuales se cruzan en la posicion , entonces los hijos producidos son:
H1=
H2=
donde:
Ejemplo de cruza intermedia, suponiendo k = 3, a = 0.3:
P1=
P2=
los hijos seran:
H1=

VUjGjiV GAjViGAjVWG? VUjGAiVS

jViGWViGjiVjG!SjVUjGVWGAjV
VUjGjiV=TGAjViG!SjVU=jVHjV!jV> GVjVH VU71jV> GAjVH
jVsiVS UiV+
H2= jV GWViGjiViGAjV5cjV SjVU 5\jV+ G? VUciV5IV55jV+ G? VS
jV
jVUiV+

7.6.5 Cruza aritmetica simple

Es una variante de la cruza intermedia, en la cual se toman en cuenta los lmites
inferiores y superiores de las variables del problema.
La u nica diferencia con respecto a la cruza intermedia es el calculo de a:

  g  u Ec5Gc G }cL%7G;Zl

gjGAol
ue
g ucE =G; G }cL5GZl

si
si
si


r 


R


p 

(7.1)

Para fines del calculo de a:

 R #  "" !!  R !% $ ##
 R ! $ # #  R #  ""! !
159

(7.2)

g v
! G !
l

donde cada valor

.
Ejemplo:
P1 =
P2 =



esta en el rango

iViGWViGV GAjVS
VjGjiViG/UjV GWVS

g v
# G #
l

&

y cada valor

'

esta en el rango

gqjiG?*l

Supondremos, que para toda y para toda , el rango es:

.
Si ahora ubicamos el punto de cruza entre la segunda y la tercera variable,
tenemos:
H1=
H2=

iViGWViG!UjV@u 6V3u GWVSu siVSu

GWGjViGV@ u UjV3 u GAjVSu
jVSu


R .V 
mR UiV
'
r 

R
R
R
R

 X z V  z V;
R
(7.3)
R

 z jV=  R X z z R jjV>S
Por lo que: u egqjV>SjGTV;ol

Como los rangos para la cuarta variable son los mismos que para la tercera,
los calculos son identicos.
Es decir: u R ehgqjV>SjGVTl
R
Supongamos que u
jVS; y u jV{

H1 = iVjGWViG?iV (iG"WV
H2 = VWGjV GAjVSjGV
Haciendo k =3, tenemos:
,
, por lo que:

7.6.6 Cruza aritmetica total

Es igual que la anterior, solo que en este caso no se tiene que elegir punto de cruza,
pues se aplica la misma formula a todos los genes del cromosoma (o sea, a todas
las variables de decision).
Si no se pre-define un rango para cada variable, entonces se usa simplemente
, como en el caso de la cruza intermedia.
Ejemplo de cruza aritmetica total:

u ehgjG'l

160

P1 =
P2 =

VjG"WV G.TViGjVS
TVWGjjViG!UiViG"WVS
TVTUiGVUSjGAjVWGjV
TV{;jG?iVU+iGV{UjGAiV

Usando a = 0.6, tenemos:

H1 =
H2 =

7.6.7 Simulated Binary Crossover (SBX)

Fue propuesta por Deb [67] e intenta emular el efecto de la cruza de un punto
usada con representacion binaria.
El algoritmo es el siguiente:
1. Generar un numero aleatorio u entre 0 y 1.

)(

2. Calcular .
donde:

)+( * - ., B /0C 1325687:4 9 6K4 7G9

DE GC F"H%IJ 4 4
Los autores de la tecnica sugieren:

si

1+;=<?>A@

de lo contrario

LNM *PO o 0 .

3. Producir los hijos con:

H1 =
H2 =

<Q>R@TSU/V XOOXWW YV 0Z2\W[

<Q>R@TSU/V YV 0Z2

)] [`V ?O ] a
) (( ] VYV^0_0_[b
V OQ] ]

c 0QO >AdQefT>A@Qeg[ O >R0he<?>ikj

c >f?eg[_<Q>R0Qel?>RmhefT>ikj
* 0 , tenemos:
Si usamos u=0.42, LnM
O
O
H1 = c >fk0Qeg[o<?>A<&lkmQeg[o<?>pkmQe<?>p 0pkj
H2 = c 0Q>R0&mQefT>dkmQelQ>fkiQefT>lZpkj

Ejemplo de SBX:
P1 =
P2 =

161

(7.4)

7.7 Problemas Propuestos

1. El objetivo de este problema es que implemente un algoritmo genetico con
una representacion de permutaciones, el cual se utilizara para resolver un
problema clasico de optimizacion combinatoria: el problema de la asignacion cuadratica.
Implemente una de las siguientes tecnicas de cruza para permutaciones:

q
q

Partially Mapped Crossover (PMX).

Position-based Crossover.

Order-based Crossover.

El algoritmo genetico implementado debera tener las siguientes caractersticas:

Remocion de duplicados: En la generacion cero y en las generaciones

posteriores (tras haber generado a traves de la seleccion, cruza, mutacion e inversion a la siguiente poblacion), debera checarse que no
existan duplicados (o sea, no deben existir en la misma poblacion dos
individuos que codifiquen la misma permutacion). Los duplicados deberan reemplazarse por un individuo generado al azar o producto de
una alteracion del individuo a removerse (por ejemplo, una mutacion).

Mutacion: Puede implementar cualquier operador de mutacion de

permutaciones de los discutidos en el siguiente captulo.

Seleccion: Debera implementarse la seleccion mediante torneo binario determinstico, usando barajeo de la poblacion.

< L [ O

Representacion: Debe implementarse una representacion de permutaciones (o sea, cadenas de enteros de a

, donde representa el
tamano de la matriz de entrada, de tal forma que la secuencia numerica
no tiene ningun elemento repetido).

Inversion: Debe implementarse un operador de inversion que usara

los siguientes parametros: porcentaje de aplicabilidad (como en la
cruza y la mutacion), punto inicial y punto final. La poltica de reemplazo es opcional, pero debe aclararla en su reporte. El operador se
aplicara siempre despues de la cruza y la mutacion, pero debe decidirse si se reemplazara siempre al individuo original, si sera en cierto
numero (aleatorio) de veces, o si se hara cuando el individuo tras inversion tenga mejor aptitud que el original.
162

Lo que debe incluirse en el reporte correspondiente es lo siguiente:

(a) El codigo fuente en C/C++ de un programa que implemente un algoritmo genetico con codificacion de permutaciones, utilizando inversion, cruza y mutacion (como se indico anteriormente). El programa debera pedir al usuario (de forma interactiva y NO a traves de la
lnea de comandos) los parametros principales del algoritmo genetico:
tamano de la poblacion, porcentaje de cruza, porcentaje de mutacion,
porcentaje de inversion, numero maximo de generaciones y nombre
del archivo donde se almacenaran los datos de cada corrida. En cada
generacion debera retenerse a la mejor solucion (elitismo), y deberan
imprimirse al menos las siguientes estadsticas por generacion: media
de aptitud de la poblacion, aptitud maxima y mnima, numero total de
cruzas efectuadas, numero total de mutaciones efectuadas, numero total de inversiones efectuadas y permutacion correspondiente al mejor
individuo (el que tenga la aptitud mas alta). Adicionalmente, debera
imprimirse el mejor individuo global (es decir, contando todas las generaciones), su aptitud, la permutacion que codifica y su costo.
(b) Una corrida de ejemplo por cada uno de los problemas incluidos en el
punto siguiente, y los resultados promediados de AL MENOS 20 corridas independientes para cada problema en las que se usen los mismos parametros (porcentaje de cruza, mutacion e inversion, tamano
de la poblacion y maximo numero de generaciones) pero diferente
semilla para generar numeros aleatorios. En el reporte debera aparecer
una corrida representativa por problema, as como la mejor solucion
obtenida, la media de aptitud, la peor solucion obtenida y la desviacion
estandar de las 20 corridas efectuadas. Deberan mostrarse las permutaciones (especificando claramente si deben leerse de izquierda a
derecha o viceversa) y sus costos correspondientes en cada caso. Asimismo,
se incluira la grafica de convergencia correspondiente a la solucion que
este en la mediana de los resultados obtenidos (de las 20 corridas) para
cada problema. En esta grafica se mostrara en el eje de las el numero
de generaciones (de cero al maximo permisible) y en el eje de las se
mostrara la aptitud promedio de cada generacion.

(c) Funciones de prueba: Se le proporcionaran 4 archivos de prueba

para evaluar el desempeno de su programa. Estos archivos estaran
disponibles en la pagina web del curso, y se llaman: ajuste.dat, tai10.dat,
163

tai12.dat, tai15.dat. El primero de ellos es para ajustar su programa,

y los otros 3 son los ejemplos que debe utilizar para su reporte. El
formato de los archivos es el siguiente:

tama
no de la matriz ( )
matriz de distancias (dist[n][n])
matriz de flujos (flujo[n][n])
El objetivo es minimizar el costo total, definido por:

FvC vF C
w
z
x
T
y
*ut { wt|8yT~{ }kG S  a S a 1h"?S r S  Ua a S r S aUa
(7.5)
costo
 a  * <?eg>g>g>%e [ O
donde: r S (
L ) se refiere a la permutacion codificada en
el algoritmo genetico. Se le sugiere escribir una funcion (independiente) que calcule la aptitud de una permutacion a partir de las matrices
de distancias y flujos. Si lee los datos del archivo ajuste.dat, y proporciona la permutacion: 2 3 4 0 1, el costo debe ser 50 (valor o ptimo).
Los costos o ptimos para los demas archivos son los siguientes:
tai10.dat
tai12.dat
tai15.dat

Costo o ptimo = 135028

Costo o ptimo = 224416
Costo o ptimo = 388214

164

Captulo 8
Mutacion
La mutacion se considera como un operador secundario en los algoritmos geneticos
canonicos. Es decir, su uso es menos frecuente que el de la cruza.
En la practica, se suelen recomendar porcentajes de mutacion de entre 0.001
y 0.01 para la representacion binaria.
Algunos investigadores, sin embargo, han sugerido que el usar porcentajes
altos de mutacion al inicio de la busqueda, y luego decrementarlos exponencialmente, favorece el desempeno de un AG [79].
(donde es la longitud de la cadena
Otros autores sugieren que
cromosomica) es un lmite inferior para el porcentaje o ptimo de mutacion [7].
El papel que juega la mutacion en el proceso evolutivo, as como su comparacion con la cruza, sigue siendo tema frecuente de investigacion y debate en
la comunidad de computacion evolutiva. En este captulo estudiaremos diferentes
tecnicas de mutacion que se han propuesta en la literatura especializada.

C
yv *

8.1 Mutacion para Permutaciones

Comenzaremos nuestra revision de tecnicas enfocandonos a la representacion de
permutaciones que se suele utilizar en problemas de optimizacion combinatoria
(como el del viajero).

8.1.1 Mutacion por Insercion

Se selecciona un valor en forma aleatoria y se le inserta en una posicion arbitraria.
Ejemplo:
165

a)

P=

10

b)

P=

10

Figura 8.1: Ejemplo de una mutacion por desplazamiento.

Dada:
P = 9 4 2 1 5 7 6 10 3 8
Si suponemos que elegimos la posicion 7 y decidimos mover ese valor
a la posicion 2, tendramos:
P= 9 6 4 2 1 5 7 10 3 8

8.1.2 Mutacion por Desplazamiento

Es una generalizacion de la mutacion por insercion en la que en vez de mover
un solo valor, se cambian de lugar varios a la vez. Considere el ejemplo de la
figura 8.1, en el cual tres valores son movidos a posiciones distintas en la cadena.

8.1.3 Mutacion por Intercambio Recproco

En este caso, se seleccionan dos puntos al azar y se intercambian estos valores de
posicion.
Por ejemplo, dada:
P= 9 4 2 1 5 7 6 10 3 8
Tendramos:
P=9 10 2 1 5 7 6 4 3 8

8.1.4 Mutacion Heurstica

Fue propuesta por Gen y Cheng [99]. El procedimiento es el siguiente:
166

1. Seleccionar

genes al azar.

2. Generar vecinos de acuerdo a todas las permutaciones posibles de los genes

seleccionados.
3. Evaluar todos los vecinos y seleccionar el mejor.
Consideremos el siguiente ejemplo:
P= 9 4 2 1 5 7 6 10 3 8
Generar todas las permutaciones de:
4 5 10
1) 4 10 5
4) 10 5 4

2) 5 4 10
5) 10 4 5

3) 5 10 4

Individuos generados:
P1= 9 4 2 1 10 7 6 5 3 8
P2= 9 5 2 1 4 7 6 10 3 8
P3= 9 5 2 1 10 7 6 4 3 8
P4= 9 10 2 1 5 7 6 4 3 8
P5= 9 10 2 1 4 7 6 5 3 8
De entre ellas, se selecciona a la mejor. En este caso, supondremos que es P4:
P= 9 10 2 1 5 7 6 4 3 8

8.2 Mutacion para Programaci o n Genetica

La mutacion es un operador asexual que, en el caso de la programacion genetica,
se aplica sobre una sola expresion (en el caso de usar LISP). Se selecciona
aleatoriamente un punto de mutacion en el a rbol y se remueve todo lo que este en
dicho punto y abajo de e l, insertandose en su lugar un sub-arbol generado aleatoriamente (ver figura 8.2). La profundidad maxima de este sub-arbol esta acotada por
la profundidad total permitida para cualquier expresion en la poblacion inicial.

167

OR

OR
5

AND

A0

AND

A0

A1

A0

NOT

A1

A1

&



Figura 8.2: Ejemplo: Suponemos que el punto de mutacion es el nodo 3.

8.3 Mutacion para Representaci o n Real

Si usamos directamente vectores de numeros reales para representar las variables
de nuestro problema, es importante tomar en cuenta la alta cardinalidad que tendra
el alfabeto en este caso, y se requiere disenar operadores acordes a ella.

8.3.1 Mutacion No Uniforme

Propuesta por Michalewicz [161].
Dado:

V * c C ge >>U>Ue v j

el individuo mutado sera:

V * c C ge >U>>Ue eg>U>>Ue T j

W / e[ 2

[ / e [ 2
a
y la variable esta en el rango S e
donde:

/ es 2

R = flip(0.5)
regresa un valor en el rango

si R=Cierto
si R=Falso

S<Qe s a tal que la probabilidad de que / e s 2

168

este cerca de cero se incrementa conforme (generacion actual) crece. Esto hace
que este operador explore de manera mas global el espacio de busqueda al inicio
(cuando es pequena) y de manera mas local en etapas posteriores.

Michalewicz sugiere usar:

CGF_ IU
/ e s 2 * Ys / O
[ E 2

donde:
r es un numero aleatorio real entre 0 y 1, T es el numero maximo de
generaciones y es un parametro que define el grado de no uniformidad de la
mutacion (Michalewicz [161] sugiere usar
).

* @

Ejemplo:

V * c 0h>Ad?efT>R@heg[ O >R0Qe<?>AiZj
* [_0Q>< ,
* * fT>R@ ,
1 * l?>A@ ,

*
R = Falso,
* <?@>A<0,f ,
* @ @ ,.
** [ / e [ W 2 *
fT>A@_[ /:@QefT>R@ 0Z2 fT>A@_[ /:@QelQ>R@Z2
CGFY I
/:@Q* elQ>R@Z2 * l?>R@?/ O [`<?* >A0f E O 2 * l?>fZiZp&fkdk@
fT>A@[`l?>fkiZp&fkdZ@ [ >Ap&iZp&fkdk@

8.3.2 Mutacion de Lmite

Dado:

V * c C ge >U>U>e T j

el individuo mutado sera:

V * c C eg>>U>Ue e>>U>e v j

donde:
169

S e%_ a

* _

Si flip(0.5)=TRUE
de lo contrario

definen los rangos mnimos y maximos permisibles de valores para la variable

Ejemplo:

V * c O >A@Qe0Q>l?eg[o<?>A@Qed?>ikj
* [o<?>A@ ,
* [od?>A< ,

* O > d
P

Supongamos que: flip(0.5) = TRUE

* o[ d?><

8.3.3 Mutacion Uniforme

Dado:

V * c C ge >>U>Ue e>>U>e v j

el individuo mutado sera:

V * c C ge >U>>Ue eg>U>>Ue T j

donde:

}
* L / e%_2

se usa una distribucion uniforme y [LB, UB] definen los rangos mnimos y
maximos de la variable .

Ejemplo:

V * c @Q>d?eg[ O >AdQemQ>i?ep?> O j
* @Q>d , * <?>< , _ *O <?>A@
}
* L /<?>A<Qe O <?>A@Z2 * fT>Ad
170

8.3.4 Parameter-Based Mutation

Utilizada en conjuncion con SBX. Fue propuesta por Deb [67, 65]. El procedimiento es el siguiente:
1. Crear un numero aleatorio u entre 0 y 1
2. Calcular:

( * /0132 n4 9 4

1;=<?>R@

Si
de lo contrario

&

* O Z< < W
Z P

donde
es el ndice de distribucion para la mutacion y toma cualquier
valor no negativo. Deb sugiere usar:
( = generacion actual)
3. El valor de la posicion mutada se determina usando:

* W ( ~

\K es la maxima perturbacion permitida. Si se conoce el rango de

, suele usarse:
~ * _P[
a
considerando que: S e%_ .
donde
la variable

V * c 0h>Ad?efT>R@heg[ O >R0Qe<?>AiZj
1 * *<?>AmZ0 ,
t=20
* * [ O >A0 ,
*O [_0Q>W < , *uO _ l?><
0&<
 <Z<
( *PO [S0T/ O [b<?>AmZ0Z2 a 4 9
4
( * <?><Z<&fkm&iZ<&fkdf
~ * [ * l?>A< W 0Q>A< * ?i >A<
* [ O >A0 W <?><Z<&f"m&i&<&fkdv/i?>A<Z2 * [ O > O l O mZ@lZl

Ejemplo:

171

8.4 Cruza vs. Mutacio n

La cruza uniforme es mas explorativa que la cruza de un punto.
Por ejemplo, dados:
P1 = 1 * * * * 1
P2 = 0 * * * * 0
La cruza uniforme producira individuos del esquema ******, mientras que la
cruza de un punto producira individuos de los esquemas 1****0 y 0****1.

8.4.1 Cual es el poder exploratorio de la mutacion?

q
q

Si el porcentaje de mutacion es cero, no hay alteracion alguna.

Si es uno, la mutacion crea siempre complementos del inidividuo original.

Si es 0.5, hay una alta probabilidad de alterar fuertemente el esquema de un
individuo.

En otras palabras, podemos controlar el poder de alteracion de la mutacion y

su capacidad de exploracion puede hacerse equivalente a la de la cruza.
El tipo de exploracion efectuada por la mutacion es, sin embargo, diferente a
la de la cruza.
Por ejemplo, dados:
P1 = 10****
P2 = 11****
La cruza producira solo individuos del esquema 1*****.
El primer 1 en el esquema esta garantizado (sin importar que tipo de cruza
se use), porque es comun en los esquemas de ambos padres. La mutacion, sin
embargo, no respetara necesariamente este valor.
La cruza preserva los alelos que son comunes en los 2 padres. Esta preservacion limita el tipo de exploracion que la cruza puede realizar. Esta limitacion se
agudiza conforme la poblacion pierde diversidad, puesto que el numero de alelos
comunes se incrementara.
172

Cuando buscamos localizar el o ptimo global de un problema, la mutacion

puede ser mas u til que la cruza. Si lo que nos interesa es ganancia acumulada
(el objetivo original del AG), la cruza es entonces preferible.
La cruza parece trabajar bien con funciones que estan altamente correlacionadas
o tienen epstasis moderada.

8.5 Problemas Propuestos

1. Implemente un algoritmo genetico con representacion real y utilice alguna
de las tecnicas de cruza y mutacion que hemos visto hasta ahora. Utilcelo
para minimizar la siguiente funcion:

/ r C e r D 2 * S O >A@[ r C / O [ r D 2 a D W S0Q>A0Z@n[ r C / O [ r DD 2 a D W S0Q>AlZ0Z@[ r C / O [ rD 2 a D

(8.1)
C
donde <; r ;0&< , <; r D ;d&< con una precision de 5 dgitos despues

del punto decimal. Esta es la funcion de Beale.

2. Implemente la programacion genetica usando los operadores que hemos

visto hasta ahora. Utilice su sistema para generar un circuito que produzca
todas las salidas indicadas en la tabla 8.1 (las entradas son X, Y, Z y la salida es F. Utilice solo compuertas AND, OR, NOT y XOR en su programa.
Existen varias referencias bibliograficas que pueden serle de utilidad. Vea
por ejemplo:

Wolfgang Banzhaf, Peter Nordin, Robert E. Keller, and Frank D. Fancone, Genetic Programming. An Introduction, Morgan Kaufmann Publishers, San Francisco, California, 1998.
John R. Koza, Genetic Programming. On the Programming of Computers by Means of Natural Selection, The MIT Press, Cambridge,
Massachusetts, 1992.

173

Z
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1

W X
0 0
0 0
0 1
0 1
1 0
1 0
1 1
1 1
0 0
0 0
0 1
0 1
1 0
1 0
1 1
1 1

Y F
0 1
1 1
0 0
1 1
0 0
1 0
0 1
1 1
0 1
1 0
0 1
1 0
0 0
1 1
0 0
1 0

Tabla 8.1: Tabla de verdad para el segundo problema propuesto.

174

Captulo 9
Ajuste de Parametros
9.1 Introduccio n
Los parametros principales de un AG son:

q
q

Tamano de poblacion

Porcentaje de cruza
Porcentaje de mutacion

Estos parametros normalmente interactuan entre s de forma no lineal, por lo

que no pueden optimizarse de manera independiente.
La forma o ptima (o al menos razonablemente adecuada) de definir estos parametros
de un AG ha sido motivo de investigacion desde los orgenes mismos de la tecnica,
y no existe hasta la fecha una solucion satisfactoria a este problema.
A lo largo de este captulo hablaremos de los diferentes intentos que han
habido para determinar un conjunto de parametros con los cuales un algoritmo
genetico pueda tener un desempeno razonablemente bueno.

9.2 Los experimentos de De Jong

De Jong [137] efectuo una serie de experimentos para comparar AGs con tecnicas
de gradiente. En su estudio, De Jong propuso cinco funciones de prueba que
exhiban una serie de caractersticas que las hacan difciles para las tecnicas de
gradiente.
175

Sin embargo, antes de proceder a realizar sus experimentos, De Jong decidio

analizar la influencia de los parametros de un AG en su desempeno.
Para medir el impacto de los parametros de un AG en su desempeno, De Jong
propuso dos metricas:

en Lnea (Online): Es la aptitud promedio de todos los indi1. Desempeno

viduos que han sido evaluados en las u ltimas generaciones.

Fuera de Lnea (Offline): Es el promedio de las mejores apti2. Desempeno

tudes evaluadas en las u ltimas generaciones.
Para que un algoritmo de busqueda tenga un buen desempeno en lnea, debe
decidir rapidamente donde estan las regiones mas prometedoras de busqueda y
concentrar ah sus esfuerzos.
El desempeno fuera de lnea no penaliza al algoritmo de busqueda por explorar regiones pobres del espacio de busqueda, siempre y cuando ello contribuya
a alcanzar las mejores soluciones posibles (en terminos de aptitud).
Los parametros hallados por De Jong que tuvieron mejor desempeno en y
fuera de lnea son:
Tamano de poblacion:
Porcentaje de cruza:
Porcentaje de mutacion:

@&< a O <Z<
<?>lZ< O
<?><Z<

individuos

Algunas conclusiones interesantes de De Jong [137] fueron:

q
q

Incrementar el tamano de la poblacion reduce los efectos estocasticos del

muestreo aleatorio en una poblacion finita, por lo que mejora el desempeno
del algoritmo a largo plazo, aunque esto es a costa de una respuesta inicial
mas lenta.

Incrementar el porcentaje de mutacion mejora el desempeno fuera de lneaa

costa de sacrificar el desempeno en lnea.
Reducir el porcentaje de cruza mejora la media de desempeno, lo que sugiere que producir una generacion de inividuos completamente nuevos no es
bueno.
176

Observando el desempeno de diferentes operadores de cruza, De Jong concluyo que, aunque el incrementar el numero de puntos de cruza afecta su
disrupcion de esquemas desde una perspectiva teorica, esto no parece tener
un impacto significativo en la practica.

Grefenstette [116] uso un AG para optimizar los parametros de otro (un metaAG).
El meta-AG fue usado para evolucionar unos 50 conjuntos de parametros de
un AG que se uso para resolver las funciones de De Jong.
Cada individuo codificaba seis parametros:
1. Tamano de la poblacion
2. Porcentaje de Cruza
3. Porcentaje de Mutacion
4. Intervalo generacional (porcentaje de la poblacion que se reemplaza en cada
generacion)

/r 2

/r 2

5. Ventana de escalamiento (sin escalamiento, escalamiento basado en la

mnima de la primera generacion, escalamiento basado en la
mnima
de las u ltimas W generaciones)
6. Estrategia de seleccion (elitista o puramente seleccionista).
La aptitud de un individuo era una funcion de su desempeno en y fuera de
lnea.
El meta-AG usaba los parametros de De Jong, y con e l, Grefenstette [116]
obtuvo los siguientes valores o ptimos de los parametros para el desempeno en
lnea:
Tamano de la poblacion:
Porcentaje de cruza (un punto):
Porcentaje de mutacion:
Seleccion:
Intervalo generacional:
Ventana de escalamiento:

30 individuos
0.95
0.01
Elitista
1.0 (100%)
1 (basado en la
mnima de
la primera generacion)

/r 2

177

Estos parametros mejoran ligera pero significativamente el desempeno en

lnea del AG con respecto a los de De Jong, pero Grefenstette no pudo mejorar
el desempeno fuera de lnea.
Algunas observaciones realizadas por Grefenstette [116]:

Los porcentajes de mutacion por encima de 0.05 tienden a ser perjudiciales

con respecto al desempeno en lnea, y el AG aproxima el comportamiento
de la busqueda aleatoria para porcentajes de mutacion
sin importar
que otros parametros se usen.

;<?> O

La ausencia de mutacion esta tambien asociada con un desempeno pobre del

AG, lo que sugiere que su papel es mas importante de lo que normalmente
se cree, pues permite refrescar valores perdidos del espacio de busqueda.

El tamano o ptimo de la poblacion para el desempeno fuera de lnea esta

entre 60 y 110 individuos. Un alto intervalo generacional y el uso de una
estrategia elitista tambien mejoran el desempeno del AG.

Para poblaciones pequenas (20 a 40 individuos), el buen desempeno en

lnea esta asociado con un porcentaje alto de cruza combinado con un porcentaje bajo de mutacion o viceversa (un porcentaje bajo de cruza combinado con un porcentaje alto de mutacion).
Para poblaciones de tamano medio (30 a 90 individuos), el porcentaje o ptimo
de cruza parece decrementarse conforme se aumenta el tamano de la poblacion.

o ptimo de poblacio n
9.3 Tamano
Goldberg [103] realizo un estudio teorico del tamano ideal de la poblacion de
un AG en funcion del numero esperado de nuevos esquemas por miembro de
la poblacion. Usando una poblacion inicial generada aleatoriamente con igual
probabilidad para el cero y el uno, Goldberg derivo la siguiente expresion:
Tam Poblacion =
donde: L = longitud de la cadena (binaria).
Esta expresion sugiere tamanos de poblacion demasiado grandes para cadenas
de longitud moderada.
Considere los siguientes ejemplos:

O >Alk@ EAD : 4 I

178

L = 30,
L = 40,
L = 50,
L = 60,

Tam
Tam
Tam
Tam

Poblacion = 130
Poblacion = 557
Poblacion = 2389
Poblacion = 10244

Han habido innumerables ataques al trabajo de Goldberg antes mencionado, ya

que e ste se baso en una interpretacion erronea del teorema de los esquemas. Para
entender la falacia del argumento de Goldberg, debemos comenzar por definir un
concepto muy importante de computacion evolutiva, el paralelismo implcito.
El paralelismo implcito se define as:

Mientras un AG calcula explcitamente las aptitudes de los miembros de una poblacion, al mismo tiempo estima implcitamente las
aptitudes promedio de una cantidad mucho mayor de esquemas, calculando implcitamente las aptitudes promedio observadas de los esquemas que tienen instancias en la poblacion.
un el teorema de los esquemas (que veremos mas adelante), un AG procesa
/ Seg
2 esquemas. A partir de esta idea, Goldberg concluye entonces que a mayor
valor de (tamano de la poblacion), mejor desempeno tendra el AG, y de ah
deriva su expresion para calcular el tamano o ptimo de una
poblacion.

d
esquemas en una repreEl problema con este argumento es que solo hay

/
2 esquemas si es
sentacion binaria, por
lo que no se pueden procesar

mucho mayor que d .

Robertson [190] determino que en los AGs paralelos, el desempeno se incrementaba monotonicamente con el tamano de la poblacion (es decir, no corresponde a la expresion derivada por Goldberg).
Otros investigadores, han derivado expresiones segun las cuales un incremento
lineal del tamano de la poblacion corresponde con un buen desempeno del AG.
La regla emprica mas comun es usar una poblacion de al menos 2 veces L.
Algunas observaciones de Goldberg [103, 106] son las siguientes:

Cuando puede demostrarse convergencia de un AG, e sta parece no ser peor

que una funcion cuadratica o cubica del numero de bloques constructores
del problema, independientemente del tipo de esquema de solucion utilizado.
179

 * d

La teora sugiere que el tamano o ptimo de la poblacion es

, sin
importar la longitud de la cadena cromosomica. Esta observacion dio pie al
micro-AG (Krishnakumar [148]).

El funcionamiento de un micro-AG es el siguiente:

1. Generar al azar una poblacion muy pequena.
2. Aplicar los operadores geneticos hasta lograr convergencia nominal (por
ejemplo, todas las cadenas son iguales).
3. Generar una nueva poblacion transfiriendo los mejores individuos de la
poblacion anterior a la nueva, y generando al azar los individuos restantes.
4. Continuar hasta llegar al o ptimo.

9.4 Los experimentos de Schaffer

Schaffer et al. [200] efectuaron una serie de experimentos que consumieron aproximadamente 1.5 anos de tiempo de CPU (en una Sun 3 y una VAX), en los cuales
intentaron encontrar los parametros o ptimos de un AG con codificacion de Gray
y usando muestreo estocastico universal.
Los parametros sugeridos por estos experimentos (para el desempeno en
lnea) fueron:
Tamano de poblacion:
Porcentaje de cruza (2 puntos):
Porcentaje de mutacion:

20-30 individuos
0.75-0.95
0.005-0.01

Algunas de las observaciones de Schaffer et al. [200] fueron:

0&<Z<

El uso de tamanos grandes de poblacion (

) con porcentajes altos de
mutacion (
) no mejora el desempeno de un AG.

<?><k@

0&<

El uso de poblaciones pequenas (

) con porcentajes bajos de mutacion
(
) no mejora el desempeno de un AG.

<?><Z<k0

La mutacion parece tener mayor importancia de lo que se cree en el desempeno de un AG.

180

q
q

El AG resulto relativamente insensible al porcentaje de cruza. Un NE (naive

evolution), o sea, un AG sin cruza, funciona como un hill climber, el cual
puede resultar mas poderoso de lo que se cree.

Los operadores geneticos pueden muestrear eficientemente el espacio de

busqueda sin necesidad de usar tamanos de poblacion excesivamente grandes.

La cruza de 2 puntos es mejor que la de un punto, pero solo marginalmente.

Conforme se incrementa el tamano de la poblacion, el efecto de la cruza
parece diluirse.

9.5 Auto-adaptacion
En general, es poco probable poder determinar a priori un conjunto o ptimo de
parametros para un AG cualquiera aplicado a un problema en particular. Algunos
investigadores creen que la mejor opcion es la auto-adaptacion.
Ejemplo de Adaptacion en Lnea
Srinivas y Patnaik [210] propusieron un esquema para adaptar las probabilidades de cruza y mutacion de un algoritmo genetico. La propuesta se basa en
la deteccion de que el algoritmo genetico ha convergido. Para ello, verifican que
diferencia existe entre la aptitud maxima de la poblacion y la aptitud promedio.
Da tal forma, se hacen variar los porcentajes de cruza y mutacion en funcion de
esta diferencia de valores (aptitud maxima y aptitud promedio de la poblacion).
Las expresiones propuestas son:

* C8 / \K [ ( 2
vy M
* D / \K [ ( 2
y?

Sin embargo, con estas expresiones los porcentajes de curza y mutacion se incrementan conforme el algoritmo genetico converge y produce un comportamiento
altamente disruptivo en la vecindad del o ptimo, de manera que el algoritmo puede
no converger jamas.
Para evitar este problema, estas expresiones deben modificarse de manera que
se preserven las buenas soluciones.
La propuesta es ahora la siguiente:

* C / \ K [ 2 / \ K [ ( 2e C ; O >A<
yTM
181

* D / \ K [ 2 / ~ [ ( 2 e D ; O ><
yT
C y D deben ser menores que 1.0 para hacer que los valores de yM y yT
donde

esten en el rango de 0.0 a 1.0. En estas formulas, \K es la aptitud maxima de

la poblacion, es la aptitud mas grande de los padres a recombinarse y es

la aptitud del individuo a mutarse. As mismo, ( es la aptitud promedio de la

poblacion.
Estas expresiones hacen que el porcentaje de cruza ( ) y de mutacion ( )
disminuya cuando los individuos tienen una aptitud alta y que aumenten en caso
contrario. Notese sin embargo que y
se haran cero al alcanzarse la aptitud
si
y
si
. Para
maxima. Tambien adviertase que
evitar valores mayores a 1.0 para y , se imponen las restriccioes siguientes:

yvM

e Z ; O > <

y M yT

yM yT
y M * C
yvM yT
yvM * e
y? *& e

yv

* ( yT
* D * (

; (
; (

donde
.
Debido a que
y
se haran cero cuando el individuo sea el mejor en la
poblacion, su propagacion puede llegar a ser exponencial, produciendo convergencia prematura. Para evitar eso, los autores proponen usar un porcentaje de
mutacion por omision (0.005) en estos casos.
Las expresiones finales son:

* C / ~ [
* e (

* D / \K [
*& e (
C
donde: e D ,

yvM
vy M
yT
yT

2 / \ [ ( 2 e (
2 / ~ [ ( 2 e (

& ; O >A< . Los autores sugieren:

D *&* <Q>R@
C * *uO >A<

Q* <?>A@

Con estos valores, se usan soluciones con una aptitud inferior al promedio
hara
para buscar la region donde reside el o ptimo global. Un valor de
182

 D * ?< >R@

que estas soluciones sean totalmente disruptivas. Lo mismo hara

con las
soluciones cuya aptitud iguale el promedio de la poblacion.
hara que todas las soluciones cuya aptitud sea menor
Asignar
o igual a se sometan compulsivamente a cruza.
La probabilidad de cruza decrece conforme la aptitud del mejor de los padres
a recombinarse tiende a
y se vuelve cero para los individuos con una aptitud
igual a
.

C *
* O A> <
(

\K
~

Auto-adaptacion de la probabilidad de mutacion

En este caso, el porcentaje de mutacion se agrega como un parametro mas al
genotipo, de tal forma que se vuelva una variable mas tal que su valor oscile entre
0.0 y 1.0.
Back y Schutz (1996) proponen usar:

O {
*
y XO W GC F Fk% E C I

donde:

yT * porcentaje actual de mutacion, y * nuevo porcentaje de mutacion.

* tasa de aprendizaje (se sugiere * <?>A0 ).
/<Qe O 2 indica una variable aleatoria con una distribucion normal tal que su

esperanza es cero y su desviacion estandar es uno.

Aplicando este operador, pasamos del genotipo:

* / r e y? 2

al nuevo genotipo:

/ r e y 2
La mutacion de la variable r esta dada
| por:
| si y

r
O [ r si y
r
donde: es un valor aleatorio (distribucion uniforme) muestreado de nuevo para
cada posicion .
183

Este esquema puede generalizarse incluyendo un vector

mutacion asociados a cada variable:

de porcentajes de

y * / y C ege y 2

El genotipo tiene la forma:

* /r ey 2
|

Los porcentajes de mutacion se actualizan usando:

O { u
*
C
G

F
K

y O W K Fk% E C I eG * O ge Ne >

9.5.1 La propuesta de Davis

Davis [63, 64] realizo un estudio muy interesante sobre un mecanismo de autoadaptacion aplicado a algoritmos geneticos. En su estudio, Davis asigno a cada
operador genetico una aptitud, la cual era funcion de cuantos individuos con
aptitud elevada haban contribuido a crear dicho operador en un cierto numero de
generaciones. Un operador era recompensado por crear buenos individuos directamente, o por dejar la mesa puesta para ello (es decir, por crear ancestros para
los buenos individuos).
La tecnica de Davis se uso en un AG de estado uniforme. Cada operador
(cruza y mutacion) empezaba con la misma aptitud y cada uno de estos operadores
se seleccionaba con una probabilidad basada en su aptitud para crear un nuevo
individuo, el cual reemplazaba al individuo menos apto de la poblacion. Cada
individuo llevaba un registro de quien lo creo. Si un individuo tena una aptitud
mayor que la mejor aptitud actual, entonces el individuo reciba una recompensa
para el operador que lo creo y e sta se propagaba a su padre, su abuelo, y tantos
ancestros como se deseara. La aptitud de cada operador sobre un cierto intervalo
de tiempo estaba en funcion de su aptitud previa y de la suma de recompensas
recibidas por todos los individuos que ese operador hubiese ayudado a crear en
ese tiempo.
Para implementar la auto-adaptacion, suelen codificarse los porcentajes de
cruza y mutacion (y a veces incluso el tamano de la poblacion) como variables
adicionales del problema. Los valores de los parametros del AG se evolucionan
de acuerdo a su efecto en el desempeno del algoritmo.
184

9.5.2 Crticas a la auto-adaptacion

La auto-adaptacion no ha sido tan exitosa en los AGs, como lo es en otras tecnicas
evolutivas (p.ej., las estrategias evolutivas) Por que?
El problema fundamental es que nadie ha podido contestar satisfactoriamente
la siguiente pregunta [167]:
que tan bien corresponde la velocidad de adaptacion de la poblacion con la
adaptacion de sus parametros?
Dado que la informacion necesaria para auto-adaptar los parametros proviene
de la poblacion misma, esta informacion podra no poder viajar suficientemente
rapido como para reflejar con fidelidad el estado actual de la poblacion. De ah
que el uso de auto-adaptacion en un AG siga siendo objeto de controversia.

9.6 Mecanismos de Adaptaci o n

9.6.1 Mutaciones Variables
Varios investigadores han abordado el problema del ajuste del porcentaje de mutacion de un algoritmo genetico. La idea de usar porcentajes de mutacion dependientes del tiempo fue sugerida por Holland [127], aunque no proporciono una
expresion en particular que describiera la variabilidad requerida. Fogarty [79] uso
en las que se incluye el tiempo, logrando mejovarias expresiones para variar
ras notables de desempeno. En ambos casos, la propuesta fue decrementar de
manera determinstica los porcentajes de mutacion, de manera que tiendan a cero.
Otra propuesta es la de Hesser y Manner [120], en la cual se usa:

yT

/ 2 * Fk R
)
?y
* tamano de la poblacion, * longitud cromosomica, * gendonde:
)
eracion actual, e e son constantes definidas por el usuario (dependientes del

problema).
Notese que en todas estas propuestas se usa el mismo porcentaje de mutacion
para todos los individuos de la poblacion en la generacion .
Back y Schutz (1996) propusieron un porcentaje de mutacion que se decrementa usando:

yT / 2 * 0 W F D
185

<; ; *

donde:
,
longitud cromosomica,
el numero maximo de generaciones.
La variabilidad es:

generacion actual y

es

yT / <k2 * ?< >R@

C
*

/
2

Ty

9.6.2 Mutacion dependiente de la aptitud

Back (1992) sugirio el uso de un porcentaje de mutacion que fuera funcion de la
aptitud de cada individuo:

O
*
/
2
Ty r T0 / / r 2 WO ~2 [

9.6.3 AGs adaptativos

Los objetivos principales de los AGs adaptativos son los siguientes:

q
q

Mantener diversidad en la poblacion.

Mejorar la convergencia del AG, evitando a la vez la convergencia prematura.

Evitar la disrupcion de esquemas ocasionada por la cruza.

De acuerdo a como lo plantean Herera y Lozano (1996), un AGA incluye:

q
q

Ajuste adaptativo de parametros (probabilidad de cruza y mutacion, longitud del genotipo y tamano de la poblacion).

Funcion de aptitud adaptativa.

Operador de seleccion adaptativo.

Operadores de busqueda (variacion) adaptativos.
Representacion adaptativa.
186

El mecanismo de adaptacion puede estar completamente separado del mecanismo de busqueda del AG. Este tipo de esquema no acoplado no es muy atractivo, porque implica un control centralizado, superimpuesto al mecanismo de
busqueda del AG.
Otra posibilidad es que el mecanismo de busqueda del AG sea usado parcialmente por el mecanismo adaptativo. En este caso, se dice que el AG y el
mecanismo adaptativo estan ligeramente acoplados (loosely coupled).
Si la adaptacion es conducida por las fuerzas internas de la busqueda evolutiva, podemos hablar de un acoplamiento fuerte. En este caso, se origina un
acoplamiento de los 2 espacios de busqueda sobre los que opera el AG (el espacio
de las soluciones y el de las variables de decision).

9.6.4 Tecnicas Adaptativas Basadas en Logica Difusa

Los controladores difusos suelen usarse con frecuencia como tecnica adaptativa
con los AGs (Herrera y Lozano, 1996).
La integracion de AGs y controladores difusos suelen orientarse hacia los
temas siguientes:
1. Elegir los parametros del AG antes de efectuar las corridas.
2. Ajustar los parametros en lnea, adaptandose a nuevas situaciones.
3. Asistir al usuario en detectar las soluciones emergentes u tiles, en monitorear
el proceso evolutivo con la finalidad de evitar convergencia prematura, y en
disenar AGs para una cierta tarea en particular.

9.6.5 Representaciones Adaptativas

Se han propuesto varios esquemas en los que lo que se adapta es la representacion
usada con un AG. A continuacion veremos 2 propuestas muy interesante de este
tipo.
Sistema ARGOT
Propuesto por Schaefer (1987), el metodo ARGOT es un algoritmo de busqueda
disenado de tal manera que puede aprender la estrategia de busqueda mas adecuada.
187

ARGOT consiste de un AG convencional al que se agregan varios operadores

que modifican el mapeo intermedio que traduce los cromosomas en parametros
(o variables) de decision. Estos operadores se controlan por medio de 3 tipos de
medidas internas de la poblacion:
(a) Medidas de convergencia (p.ej., la uniformidad de los cromosomas en un
cierto lugar en particular).
(b) Medidas de posicionamiento (posicion promedio relativa de las soluciones
actuales con respecto a sus rangos extremos).
(c) Medidas de varianza (p.ej., el ancho de la distribucion de las soluciones
con respecto a los rangos permisibles).
Estas medidas se aplican sobre cada gene del cromosoma y se usan para activar
un cierto operador cuando resulta adecuado.
Los operadores incluyen uno que altera la resolucion de un gene (numero de
bits empleados para representar una variable) y otros que mueven (shift), expanden
y contraen el mapeo intermedio entre cromosomas y variables de decision. Estos cambios (expansion y contraccion) hacen que los rangos de cada variable se
modifiquen con la finalidad de focalizar la busqueda y permiten tambien aplicar
restricciones de desigualdad a las variables de decision.
Ademas de los operadores primarios antes mencionados, se usaron otros secundarios tales como un operador de mutacion de Metropolis que acepta un cambio en un bit solo si mejora la solucion actual con la mutacion. Si el cambio no
mejora, se decide si se acepta o no el cambio usando una distribucion de Boltzmann. Tambien se propuso un operador de homotopa (busqueda local) para evitar
convergencia a un o ptimo local.
Codificacion Delta
La idea de esta propuesta (Matthias & Whitley 1994) es cambiar denamicamente
la representacion de un problema. Notese, sin embargo, que no intenta aprender
cual es la mejor representacion del espacio de busqueda, sino mas bien se cambia
la representacion de manera periodica para evitar los sesgos asociados con una
representacion determinada del problema.
El algoritmo de la codificacion delta empieza con la ejecucion inicial de un
algoritmo genetico usando cadenas binarias. Una vez que la diversidad de la
poblacion ha sido explotada adecuadamente, se almacena la mejor solucion bajo
188

el nombre de solucion temporal. Se reinicializa entonces el AG con una nueva

poblacion aleatoria. En esta ocasion, sin embargo, las variables se decodifican
de tal forma que representen una distancia o valor delta ( ) con respecto a la
solucion temporal.
El valor de se combina con la solucion temporal de manera que los parametros
resultantes se evaluen usando la misma funcion de aptitud.
De esta manera, la codificacion delta produce un nuevo mapeo del espacio de
busqueda a cada iteracion. Esto permite explorar otras representaciones del problema que podran facilitar la busqueda.

Ejempo de codificacion binaria usando codigos delta.

Parametros numericos 0
1
2
3
4
5
6
7
Codificacion binaria
000 001 010 011 100 101 110 111
Cambios numericos
0
1
2
3
-3
-2
-1
-0
Codificacion delta
000 001 010 011 111 110 101 100

9.7 Problemas Propuestos

1. Implemente un esquema de auto-adaptacion para un algoritmo genetico. Incluya los porcentajes de cruza y mutacion como variables adicionales, codificadas en la misma cadena cromosomica. Permita que el rango de la cruza
y la mutacion sea un numero real entre 0 y 1. Defina una funcion de aptitud
en la que se premie a un individuo segun la aptitud de sus descendientes.
2. Implemente el esquema de auto-adaptacion propuesto por Srinivas y Patnaik
[211].
3. Realice un estudio en el que evalue el efecto de los parametros en el desempeno de un algoritmo genetico usado para minimizar la siguiente funcion:

|
| D x x|
|8y O | vF C
w xy / [` 2e

*
W
C

D
e
/
e
2
G
D

donde
r
r
(9.1)
O & W C / r C e r D 2 x
| C r
*
*
x| donde: [`lkO @Q>A@&dZl; r O ;=lk@Q>A@&dZlQe @&<Z<?Oe Ze y: O (9.2)
< l kd 0
S a* [o[odkdk00 [[odkl0 <[_dZ0 [ol dk0 dk[_0 dk0 [o[ dkO l0 [[ O ll
dk0 dZ0 kd 0

(9.3)
189

Considere una precision de 3 dgitos despues del punto decimal. Esta es la

funcion F5 de DeJong.

/r 2

=numero de unos en ,
4. Considere la siguiente funcion de aptitud:
donde es un cromosoma de longitud 4. Suponga que el AG ha corrido
durante tres generaciones, con las siguientes poblaciones:

generacion 0:
generacion 1:
generacion 2:

1001, 1100, 0110, 0011

1101, 1101, 0111, 0111
1001, 1101, 1111, 1111

Calcule el desempeno en lnea y fuera de lnea despues de cada generacion.

190

Captulo 10
Manejo de Restricciones
Hasta ahora hemos estudiado solo problemas sin restricciones. Sin embargo, en
la practica normalmente tenemos problemas con restricciones de diferentes tipos
(igualdad, desigualdad, lineales y no lineales), tales como:

Sujeto a:

 L :: k / r 2
x
;=<  *O e0Qeg>>g>%e L

Pero el algoritmo genetico opera como una tecnica de optimizacion sin restricciones, por lo que tenemos que disenar algun mecanismo que permita incorporar
la informacion pertinente sobre la violacion de restricciones en la funcion de aptitud. Este captulo habla precisamente de diferentes esquemas para hacer esto.

10.1 Funciones de Penalizaci o n

Son la tecnica mas comun de incorporacion de restricciones en la funcion de aptitud. La idea basica es extender el dominio de la funcion de aptitud usando:

donde:

x
 L  /
x

*

x
x
*2 / 2

xy x
t C / 2D

191

para todas las restricciones violadas. En esta expresion, es un factor de

penalizacion definido por el usuario.
Hay al menos 3 formas de penalizar a un individuo de acuerdo a su violacion
de las restricciones [187]:

q
q

Puede penalizarsele simplemente por no ser factible, sin usar ninguna informacion sobre que tan cerca se encuentra de la region factible.

Puede usarse la cantidad de infactibilidad de un individuo para determinar

su penalizacion correspondiente.
Puede usarse el esfuerzo de reparar al individuo (o sea, el costo de hacerlo
factible) como parte de la penalizacion.

Richardson et al. [187] definieron algunas de las reglas basicas para disenar
una funcion de penalizacion:
1. Las penalizaciones que son funciones de la distancia a la zona factible son
mejores que aquellas que son solo funciones del numero de restricciones
violadas.
2. Para un problema con pocas variables y pocas restricciones, una penalizacion que sea solo funcion del numero de restricciones violadas no producira ninguna solucion factible.
3. Pueden construirse buenos factores de penalizacion a partir de 2 factores:
el costo de cumplimiento maximo y el costo de cumplimiento esperado.
El primero de ellos se refiere al costo de hacer factible a una solucion infactible.
4. Las penalizaciones deben estar cerca del costo de cumplimiento esperado,
pero no deben caer frecuentemente por debajo de e l. Entre mas preciso
sea el factor de penalizacion, mejores resultaran las soluciones producidas.
Cuando una penalizacion frecuentemente subestime el costo de cumplimiento, el proceso de busqueda fallara.
Existen, sin embargo, varios problemas para definir una funcion de penalizacion:
1. No es obvio combinar los 2 factores de los que hablan Richardson et al.
[187] en una funcion de penalizacion.
192

2. Definir los valores o ptimos del factor de penalizacion es una tarea virtualmente imposible a menos que conozcamos el problema a fondo, en cuyo
caso puede disenarse una funcion de penalizacion a la medida, pero hacerlo
resultara de cualquier forma innecesaria ya que el o ptimo podra determinarse por metodos analticos exactos.
3. El costo del cumplimiento esperado normalmente tiene que estimarse mediante metodos alternativos (por ejemplo, estimando el grado de violacion
de las restricciones) que pueden ser difciles de implementar.
A continuacion revisaremos rapidamente diversas variantes de la funcion de
penalizacion que se han propuesto en la literatura, comentando brevemente sobre
sus desventajas.

10.1.1 Pena de Muerte

En las estrategias evolutivas ha sido popular una tecnica a la que se le conoce como
pena de muerte, y que consiste en asignar una aptitud de cero a un individuo que
no sea factible, y tomar el valor de la funcion de aptitud para los que s lo sean
[204, 12].
10.1.1.1 Analisis
Esta tecnica es muy eficiente porque no tenemos que re-calcular las restricciones
o la funcion objetivo ni tenemos que reparar a los individuos no factibles. Sin
embargo, tiene varios inconvenientes. Por ejemplo, si la poblacion inicial no
tiene ningun individuo factible, la busqueda no progresara (habra estancamiento)
porque todos los individuos tendran la misma aptitud.
Algunos autores como Michalewicz [160] han explorado esta tecnica, concluyendo que solo puede usarse en espacios de busqueda convexos y en aquellos
casos en los que la zona factible constituya una parte razonablemente grande del
espacio total de busqueda. Asimismo, esta tecnica solo puede lidiar con restricciones de desigualdad.

10.1.2 Penalizaciones estaticas

En esta tecnica, introducida por Homaifar, Lai y Qi [129], la idea es definir varios
niveles de violacion y elegir un coeficiente de violacion para cada uno de ellos,
193

de manera que el coeficiente de penalizacion se incremente conforme alcanzamos

niveles mas altos de violacion de las restricciones.
Un individuo se evalua utilizando:

x x
| |
   * / 2 W 8| y C  / 2
x | L
t

donde: 
son los coeficientes de penalizacion utilizados y
siendo los niveles de violacion definidos por el usuario.

10.1.2.1 Analisis

* O e 0Qeg>g>g>e ,
L /:0 WPO 2

El principal problema de esta tecnica es que requiere la definicion de

parametros. De tal forma que si tenemos un problema moderadamente pequeno,
con 6 restricciones y 2 niveles, tendramos que definir 30 parametros, lo cual a
todas luces es excesivo.

10.1.3 Penalizaciones Dinamicas

Joines y Houck [136] propusieron una tecnica en la que los factores de penalizacion cambian con respecto al tiempo.
Los individuos de la generacion t se evaluan de acuerdo a:

x
x
|8y x
 L  / 2 * / 2 W / 2 t C ] / 2 ] 
)
donde  , y son constantes definidas por el usuario. Los valores sugeridos
* <?>A@ , *uO y ) *uO o 0 .
por los autores para las constantes son: 
10.1.3.1 Analisis

La tecnica es muy susceptible a los valores de los parametros y suele converger

prematuramente cuando e stos no son seleccionados adecuadamente. Sin embargo,
parece funcionar muy bien cuando la funcion objetivo es cuadratica.

10.1.4 Uso de recocido simulado

Michalewicz y Attia [162] consideraron una tecnica para manejo de restricciones
que usa el concepto de recocido simulado: los coeficientes de penalizacion se
cambian cada cierto numero de generaciones (cuando el algoritmo ha quedado
atrapado en un o ptimo local).
Los individuos se evaluan usando:
194

x
x
|
   / 2 * / 2 W
D C |y C / 2 D
L
t
donde:  representa el horario de enfriamiento
y es una funcion que debe ser
{
definida
por el x usuario.
x Michalewicz
*5O y   * <Q>A<Z<&<Z<Z< O , con incrementos
y Attia sugieren usar: 
C * <Q> O  .
 
10.1.4.1 Analisis
El principal problema de esta tecnica es la definicion del horario de enfriamiento.

10.1.5 Penalizaciones Adaptativas

Bean y Hadj-Alouane [20] desarrollaron una tecnica para adaptar penalizaciones
con base en un proceso de retroalimentacion del ambiente durante la corrida de
un algoritmo genetico.
Cada individuo es evaluado usando:

|8y |
 L  / 2 * / 2 W / 2 t C / 2 D

donde: / 2 se actualiza cada generaciones usando las siguientes reglas:

C
/
2 / 2 si caso # 1

.
/ 2 * , ) 4D / 2 si caso # 2
(10.1)
/ 2 de lo contrario
) C ) O y con valores diferentes (para evitar ciclos).
donde e D

El caso # 1 ocurre cuando el mejor individuo en las u ltimas generaciones fue

siempre factible. El caso # 2 ocurre cuando dicho individuo no fue nunca factible.
Esta tecnica lo que hace entonces es disminuir la penalizacion cuando el mejor
individuo resulta consistentemente factible y aumentar la penalizacion cuando resulta infactible. Si estos cambios son intermitentes (es decir, el mejor individuo
es a veces factible y a veces no), entonces la penalizacion no se cambia.
Obviamente, es necesario definir el valor inicial .

10.1.5.1 Analisis

El principal problema de esta tecnica es como elegir el factor inicial de penalizacion y el intervalo generacional (o sea, ) de manera que el monitoreo de
factibilidad produzca resultados razonables.
195

Una muy grande o muy pequena puede hacer que la funcion de penalizacion
nunca cambie, en cuyo caso la tecnica se reduce a una penalizacion estatica tradicional.
Finalmente, tampoco esta claro como definir buenos valores de y .

)C )D

10.1.6 Algoritmo genetico segregado

Esta tecnica fue propuesta por Le Riche et al. [188] y consiste en usar 2 funciones
de penalizacion en vez de una, empleando para ello dos poblaciones. Estas 2
funciones intentan balancear las penalizaciones moderadas con las fuertes.
Inicialmente, se divide la poblacion en 2 grupos, de manera que los individuos
de cada grupo se evaluan usando un factor de penalizacion distinto. Despues
se elige a los mejores individuos de cada grupo para ser padres de la siguiente
generacion, lo que hace que se combinen individuos factibles con infactibles (si
se usa un factor grande y otro pequeno), manteniendo la diversidad y evitando
quedar atrapado en maximos locales.
En la implementacion original de esta tecnica se utilizaron jerarquas lineales
para decrementar la presion de seleccion y se le aplico a un problema de diseno
de elementos compuestos con gran e xito.
10.1.6.1 Analisis
El principal inconveniente de esta tecnica es la forma de elegir los factores de
penalizacion de las 2 poblaciones, lo cual es difcil de hacer cuando no hay informacion disponible sobre el problema que tratamos de resolver.

10.1.7 Penalizacion con base en la factibilidad

Esta tecnica fue propuesta por Deb [66] y consiste en evaluar un individo de
acuerdo a:

 L  / 2 *  W / |y 2 C |
Si la solucion es factible
(10.2)

/

2
de lo contrario
t
  es el valor de la funcion objetivo de la peor solucion factible de la
donde
  se
poblacion. Si no hay ninguna solucion factible en la poblacion, entonces
hace igual a cero.
Deb [66] usa torneo binario aplicando las siguientes reglas:
196

1. Una solucion factible siempre es preferida sobre una no factible.

2. Entre 2 soluciones factibles, la que tenga mejor valor de su funcion objetivo
es seleccionada.
3. Entre 2 soluciones no factibles, la que viole el menor numero de restricciones es elegida.
10.1.7.1 Analisis
Uno de los problemas de esta tecnica es que tiene dificultades para mantener diversidad en la poblacion, y para ello se requiere del uso de nichos [68] y porcentajes
de mutacion inusualmente altos.

10.2 Tecnicas que usan conceptos de Optimizaci o n

Multiobjetivo
Tecnicas para manejo de restricciones

q
q

Funciones de penalizacion.

Representaciones y operadores especiales.

Algoritmos de reparacion.

Separacion de restricciones y objetivos.

Metodos hbridos.

Ejemplos

q
q

Representaciones y operadores especiales: GENOCOP [164].

Algoritmos de reparacion: GENOCOP III [163].

Separacion de restricciones y objetivos: Tecnicas de optimizacion multiobjetivo
Metodos hbridos: Sistema inmune [233, 55].
197

Tecnicas basadas en conceptos Multiobjetivo para Manejo de Restricciones.

Idea base: Un problema con un solo objetivo y restricciones, puede transformarse en un problema multiobjetivo.
Redefinicion del problema: se tiene

 * / / r  2e C / r  2egNe / r  282
x se quiere encontrar r  tal que
donde
/ r  2;=< ,  *uO ee y / r  2; / s  2 ,  s  factible.

Conceptos Multiobjetivo Utilizados

q
q

Esquema Poblacional. Consiste en dividir a la poblacion en subpoblaciones, donde cada una de ellas enfocara sus esfuerzos en optimizar uno de
los objetivos del problema (VEGA [199]).

x r
/ r 2 ; / r 2


No
Un
punto   es una solucion no dominada si no hay

 dominancia.

y para al menos un valor ,
 para
 tal que:

 .

r x x
/r 2 /r 2

P
* O ge Ne

Jerarquizacion de Pareto. Propuesta por Goldberg [105]. Otorgar a cada

solucion un valor de jerarqua (numero de soluciones dentro de la poblacion
que dominan a esa solucion determinada) con el objeto de encontrar el conjunto de soluciones no dominadas por el resto de la poblacion. Su costo es
.

/ D2

10.2.1 COMOGA
Propuesto por Surry et al. [216]. Combina las jerarquas de Pareto con la propiedad
de VEGA de favorecer soluciones extremas en un AG no generacional.

q
q

Calcula violacion de restricciones.

Jerarquias de Pareto (no dominancia).

Calcula aptitud.
Selecciona una parte de la poblacion con base en su aptitud y otra parte con
base en jerarquas.
198

Figura 10.1: Ejemplo de un frente de Pareto.

Aplica operadores geneticos.

Ajusta el factor de seleccion.

10.2.2 Direct Genetic Search

Propuesta por Parmee y Purchase [176]. Utiliza VEGA para dirigir la busqueda de
un algoritmo evolutivo hacia la zona factible. Posteriormente, utiliza una tecnica
de busqueda local, en un hipercubo formado a partir de la solucion arrojada por
VEGA, para encontrar el o ptimo global.

10.2.3 Reduccion de objetivos, no dominancia y busqueda lineal.

Propuesta por Camponogara y Taludkar [37]. Reduce el problema a solo 2 objetivos:

La funcion objetivo original.

199

Minimizar la cantidad de violacion de un individuo.

w
z
x
T
y
{

/ r( 2 *
r /<Qe / r ( 22

A partir de los frentes de Pareto obtenidos en cada generacion se recombinan y se

obtienen dos soluciones (una domina a la otra) para determinar una direccion de
busqueda. De ah inicia una busqueda lineal.

10.2.4 Seleccion por torneo con reglas especiales.

Propuesto por Jimenez y Verdegay [135]. Utiliza seleccion por torneo, poblacion
no traslapable y elitismo. Reglas del torneo:
Un individuo factible es preferible a otro factible con menor aptitud.

Un individuo factible es preferible a otro no factible, sin importar su aptitud.

Entre dos individuos no factibles, se prefiere aquel que viole en menor cantidad las restricciones del problema.

10.2.5 VEGA para manejo de restricciones

WuO

Propuesto por Coello [46]. Divide a la poblacion en

subpoblaciones (
restricciones). Cada subpoblacion (de las ) se evalua con una restriccion y la
restante se evalua con la funcion objetivo. Se seleccionan los individuos (integrados todos en una sola poblacion) y se aplican operadores geneticos.
Criterio de seleccion para las subpoblaciones que se evaluan con una restriccion
del problema:

/ /r 2
/ L

if
else if
else

<k2
 *<k2

|
   * / 2
then  L 
r

*
[

then
L
200

10.2.6 Jerarquas en distintos espacios y restricciones de apareamiento

Propuesto por Ray et al. [182]. Utiliza el concepto de no dominancia en el espacio
de las funciones objetivo y en el de las restricciones. Jerarquiza la poblacion en
el espacio combinado de manera que aquellos con jerarqua alta se insertan en la
nueva poblacion. Los restantes individuos se obtienen de la cruza (utiliza cruza
uniforme y random mix.) de un individuo A con uno de dos candidatos B y C:

q
q

Problema sin restricciones: Se escogen A, B y C de acuerdo a su rango en

el espacio de los objetivos.

Problema moderadamente restringido: Se escoge a A de acuerdo a su

rango en el espacio de los objetivos, y a B y C del espacio de las restricciones.
Problema altamente restringido: Se escogen A, B y C de acuerdo a su
rango en el espacio de las restricciones .

Para escoger entre B y C se tienen los siguientes criterios:

q
q

Ambos factibles, se escoge aquel con mayor jerarqua en el espacio de los

objetivos.

Ambos no factibles, se escoge aquel con mayor jerarqua en el espacio de

las restricciones.
Uno factible y otro no factible, se escoge aquel que sea factible.

10.2.7 MOGA y no dominancia

Propuesto por Coello [45]. Utiliza jerarquas de Pareto de manera similar a MOGA
y auto adaptacion en cruza y mutacion.
Reglas para criterio de seleccion:

q
q

Todo individuo factible es preferible a otro no factible.

Si ambos individuos son no factibles, se prefiere aquel que viole en menor
numero las restricciones del problema.
Si ambos individuos son no factibles y violan el mismo numero de restricciones, se prefiere aquel que viole en menor cantidad las restricciones del
problema.
201

Las jerarquas se establecen al comparar a cada individuo con toda la poblacion:

Se establece un contador que se incrementa cada vez que se encuentra un individuo mejor en:

q
q

Aptitud.

Factibilidad.

Numero de restricciones violadas.

Cantidad de violacion de restricciones.

La aptitud esta en funcion de la jerarqua del individuo. La seleccion se lleva

a cabo mediante muestreo universal estocastico.

10.2.8 NPGA para manejo de restricciones

NPGA surge como una de las interpretaciones de la idea de Goldberg [105] de
utilizar un AG para optimizar un vector de funciones. La seleccion de individuos
es por torneo, modificado para optimizacion multiobjetivo. Utiliza nichos para
mantener diversidad.
Algoritmo
1. Seleccionar candidatos.
2. Seleccionar subconjunto de soluciones.
3. Verifica no dominancia de ambos candidatos con respecto al subconjunto
de soluciones.
4. Seleccionar aquel candidato no dominado.
5. En caso de empate (ambos dominados o ambos no dominados) seleccionar
aquel con menor valor de su contador de nicho.
Proporcion de Seleccion

Se introduce un parametro llamado selection ratio ( ) el cual indica el mnimo

numero de individuos que seran seleccionados a traves de 4 criterios de seleccion.
202

Candidato 1

Candidato 2

Sr

Seleccion
puramente
probabilistica

Cuatro
Criterios de
Comparacion

Figura 10.2: Diagrama del algoritmo de NPGA para manejo de restricciones.

Los restantes se seleccionaran de una forma puramente aleatoria.
Los criterios de comparacion usados son los siguientes: Entre dos individuos,
si:

q
q

Ambos son factibles: El individuo con la aptitud mas alta gana.

Uno es factible y el otro es no factible: El individuo factible gana.

Ambos son no factibles: Revision de no dominancia

Ambos son dominados o no dominados: El individuo con la menor cantidad de violacion gana.

El selection ratio ( ) controla la diversidad de la poblacion. Normalmente se

utiliza un valor superior a 0.8 (Sr(0.8).

10.2.9 Constrained Robust Optimization

Propuesto por Ray et al. [181]. Se basa en la idea de generar soluciones que no
sean sensibles a variaciones en los parametros y que sean cercanas o iguales al
o ptimo.
Es un procedimiento costoso (requiere de un numero mayor de evaluaciones
de la funcion de aptitud). Genera matrices con base en los valores de restricciones y objetivos como en su propuesta anterior. Agrega el valor de violacion de
restricciones de vecinos. Jerarquiza la poblacion como lo hace NSGA I y II.
La seleccion se basa en las jerarquas en los distintos espacios, balanceando
entre restricciones y objetivos.

203

Enfoque en lnea. Permite manejo de restricciones. No se ha probado ampliamente en Optimizacion Global.

10.2.10 EMO para optimizacion con restricciones, satisfaccion

de restricciones y programacion por metas
Propuesto por Jimenez et al. [134]. Utiliza un AG no generacional, un proceso de
preseleccion y redefinicion de las funciones objetivo (y/o restricciones). El proceso de preseleccion ayuda a la formacion de nichos implcito y es un mecanismo
elitista.
La seleccion de padres es puramente aleatoria.
1. Se cruzan los padres n veces para producir n hijos.
2. Los n hijos se mutan para obtener 2*n hijos.
3. El mejor de los primeros n descendientes reemplaza al primer padre
4. El mejor de los hijos mutados reemplaza al segundo padre.
Las comparaciones se basan en no dominancia. La transformacion de las funciones de aptitud y restricciones asigna aptitudes altas a individuos factibles y
aptitudes bajas a aquellos no factibles, buscando acerca a las soluciones a la zona
factible del espacio de busqueda.
Tiene un mecanismo mas balanceado para aproximarse a la zona factible pero
requiere de mucho tiempo computacional para obtener resultados aceptables. No
se ha probado ampliamente para optimizacion global.

10.2.11 Asignacion de aptitud en 2 fases

Propuesta por Wu & Azarm [232]. Asigna aptitud a un individuo en dos fases.
Propuesta para EMO.
I Fase primaria:
Paso 1: Se calcula el numero de soluciones que dominan a un individuo  de la poblacion llamado valor dominante (jerarquizacion).

r r

204

 Paso 2: Se calcula de nuevo la jerarqua del individuo pero ahora con

solo 2 objetivos: el valor dominante y la extension de la violacion
de restricciones (numero de restricciones violadas + cantidad de violacion normalizada)
Se asigna un valor de aptitud con base en la segunda jerarqua.
II Fase secundaria:
Utiliza el concepto de afinidad para seleccionar al segundo padre (el
primero se selecciona de acuerdo a la aptitud de la fase primaria).
Individuos que son no- dominados con respecto al primer padre, que
violan menos restricciones comunes y que tienen menor valor de extension de violacion se prefieren.
Entre los individuos dominados por el primer padre, se prefieren aquellos con menor valor de extension de violacion.
No ha sido probado para Optimizacion Global no lineal, solo se ha probado
en un problema a nivel multiobjetivo. La doble jerarquizacion hace costoso el
metodo.

10.2.12 Otras propuestas

q
q

CMEA (Contrained Method-Based Evolutionary Algorithm) de Ranjithan et al. [179]. Utiliza conceptos de programacion matematica con restricciones para problemas de optimizacion multiobjetivo.
Manejo de restricciones con incertidumbre o ruido para Optimizacion
Multiobjetivo de Hughes [132], jerarquiza de manera integrada (tomando
en cuenta restricciones y prioridades) a la poblacion con funciones simples
basadas en probabilidades.

Estas tecnicas solo se han probado en optimizacion multiobjetivo con restricciones y no para problemas de optimizacion global.

10.3 Problemas Propuestos

1. Investigue en que consiste la tecnica denominada decodificadores, para
manejo de restricciones. Analice el comportamiento de la tecnica e identi205

fique alguna propuesta al respecto para problemas de optimizacion en espacios continuos. Se recomienda leer:

Slawomir Koziel and Zbigniew Michalewicz, A Decoder-based Evolutionary Algorithm for Constrained Parameter Optimization Problems, In T. Back, A. E. Eiben, M. Schoenauer, and H.-P. Schwefel,
editors, Proceedings of the 5th Parallel Problem Solving from Nature
(PPSN V), pages 231240, Amsterdam, September 1998. SpringerVerlag.
Slawomir Koziel and Zbigniew Michalewicz, Evolutionary Algorithms,
Homomorphous Mappings, and Constrained Parameter Optimization,
Evolutionary Computation, Vol. 7, No. 1, pp. 1944, 1999.

2. Investigue el funcionamiento de una tecnica conocida como memoria conductista (behavioral memory), analizando sus ventajas y desventajas, as
como las posibles dificultades para implementarla (si es que hubiese alguna). Lea:

Marc Schoenauer and Spyros Xanthakis, Constrained GA Optimization, In Stephanie Forrest, editor, Proceedings of the Fifth International Conference on Genetic Algorithms, pages 573580. Morgan
Kauffman Publishers, San Mateo, California, July 1993.

3. Investigue la forma en la que se han utilizado los algoritmos culturales para

manejar restricciones en problemas de optimizacion en espacios continuos.
Analice las ventajas y desventajas de esta tecnica, as como las posibles
dificultades para implementarla. Se le recomienda leer:

Xidong Jin and Robert G. Reynolds, Using Knowledge-Based Evolutionary Computation to Solve Nonlinear Constraint Optimization
Problems: a Cultural Algorithm Approach, In 1999 Congress on
Evolutionary Computation, pages 16721678, Washington, D.C., July
1999. IEEE Service Center.
Chan-Jin Chung and Robert G. Reynolds, A Testbed for Solving Optimization Problems using Cultural Algorithms, In Lawrence J. Fogel, Peter J. Angeline, and Thomas Back, editors, Evolutionary Programming V: Proceedings of the Fifth Annual Conference on Evolutionary Programming, Cambridge, Massachusetts, 1996. MIT Press.

206

Captulo 11
Software
En general, podemos clasificar el software para computacion evolutiva en 3 grandes
grupos:

q
q

Orientado a las aplicaciones: Son cajas negras disenadas para ocultar

detalles de los AGs y ayudar al usuario a desarrollar aplicaciones para dominios especficos tales como las finanzas, la programacion de horarios, etc.
Orientado a los algoritmos: Se basan en modelos de AGs especficos y
pueden subdividirse en 2 grupos:
1. Sistemas Especficos: Contienen un solo algoritmo.

2. Bibliotecas: Contienen una gama de algoritmos y operadores geneticos

que pueden estar disponibles solo de manera pre-compilada.
Cajas de herramientas (tool kits): Sistemas de programacion que proporcionan muchas utileras, algoritmos y operadores geneticos que pueden
usarse para cualquier tipo de aplicacion y que normalmente se proporcionan
en forma de codigo fuente (al menos de manera parcial).

A su vez, las cajas de herramientas se pueden subdividir en 2 grupos:

1. Sistemas Educativos: Su objetivo es ayudar a los usuarios novatos a practicar los conceptos de computacion evolutiva recien aprendidos. Normalmente estos sistemas tienen un numero relativamente pequeo de opciones
para configurar un cierto algoritmo.
207

2. Sistemas de proposito general: Proporcionan un rico conjunto de herramientas para programar cualquier tipo de AG y aplicarlo a lo que se desee. En
algunos casos, incluso permiten que el usuario experto modifique partes del
codigo de acuerdo a sus propias necesidades.

11.1 Software de Dominio P ublico

Nombre: BUGS (Better to Use Genetic Systems)

Descripcion: Programa interactivo para demostrar el uso de un a lgoritmo
genetico. El usuario desempea el papel de la funcion de aptitud y trata de
evolucionar una cierta forma de vida artificial (curvas).
El uso de este programa suele facilitar la comprension de lo que son los
AGs y como funcionan para aquellos novatos en el a rea. Ademas de demostrar los operadores geneticos fundamentales (seleccion, cruza y mutacion), BUGS permite visualizar el desvo genetico (genetic drift) y la
convergencia prematura.
Lenguaje: C bajo X Windows.
Autor: Joshua Smith ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/BUGS.tar.Z
Nombre: Genesis
Descripcion: Implementacion de un AG que tiene gran valor historico por
haber sido el primer programa de su tipo liberado en el dominio publico.
Lenguaje: C para Unix.

Autor: John J. Grefenstette ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/genesis.tar.Z
Nombre: GENEsYs
Descripcion: Implementacion de un AG basada en GENESIS que incluye
extensiones y nuevas funciones para propositos experimentales. Por ejemplo, cuenta con seleccion mediante jerarquas lineales, seleccion de Boltzmann, seleccion (+), cruza uniforme, recombinacion discreta e intermedia,
auto-adaptacion de porcentajes de mutacion, etc.
208

Tambien cuenta con una serie de funciones objetivo, incluyendo las funciones de De Jong, funciones continuas de alto grado de complejidad, una
instancia del problema del viajero, funciones binarias y una funcion fractal.
Finalmente, tiene tambien utileras para monitorear resultados tales como
vaciados de mapas de bit de la poblacion, varianza de las variables objeto y
de los porcentajes de mutacion, etc.
Lenguaje: C para Unix.
Autor: Thomas Back ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/GENEsYs-1.0.tar.Z
Nombre: DGenesis
Descripcion: Implementacion de un AG distribuido desarrollada a partir
de GENESIS 5.0. Corre en una red de estaciones de trabajo operando con
Unix. Cada subpoblacion es manejada por un proceso Unix y la comunicacion entre ellas se efectua usando sockets de Berkeley Unix.
Lenguaje: C para Unix.
Autor: Erick Cantu Paz ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/dgenesis-1.0.tar.Z
Nombre: GECO (Genetic Evolution through Combination of Objects)
Descripcion: Ambiente de trabajo orientado a objetos para implementar
prototipos de algoritmos geneticos. Usa el CLOS (Common LISP Object
System) y cuenta con abundante documentacion y algunos ejemplos de uso.
Lenguaje: Common LISP para Macintosh o Unix.

Autor: George P. Williams, Jr. ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/GECO-v2.0.tar.Z
Nombre: GALOPPS (Genetic Algorithm Optimized for Portability and
Parallelism)
Descripcion: Un sistema de AGs paralelos en el que usuario puede escoger:
El tipo de problema (con valores numericos o permutaciones)
El tipo de cruza (de entre 7 posibles) y mutacion (de entre 4 posibles)
El tipo de seleccion (de entre 6 posibles)
209

 Probabilidades de los operadores, escalamiento de la funcion de aptitud, frecuencia y patrones de migracion

Criterios de detencion
Elitismo (opcional)
Uso de diferente representacion para cada subpoblacion, con transformacion de los migrantes
Inversion al nivel de subpoblaciones
Control sobre el reemplazo poblacional, incluyendo crowding y reemplazo aleatorio
Seleccion de parejas, usando prevencion de incestos
Seleccion de migrantes
El usuario puede definir una funcion objetivo (usando una plantilla) y cualquier
funcion auxiliar que necesite. El sistema puede correr una o varias subpoblaciones, en una o varias PCs, estaciones de trabajo o Macs. El sistema
corre de manera interactiva (con una interfaz grafica o de texto) o desde
archivos.
Puede interrumpirse y recomenzarse facilmente. Existe una version en
PVM que incluso mueve los procesos automaticamente cuando una estacion
de trabajo esta ocupada. Viene con 14 ejemplos que incluyen las funciones
de De Jong, la carretera real, el viajero, etc.
Lenguaje: C para Unix.

Autor: Erik D. Goodman ([email protected])

Disponibilidad: http://GARAGE.cps.msu.edu/
Nombre: ESCaPaDE
Descripcion: Sofisticado sistema que permite correr experimentos con algoritmos evolutivos tales como la estrategia evolutiva. El sistema cuenta con
2 tablas internas: una de funciones objetivo y una de monitores de datos, lo
que permite una facil implementacion de funciones para monitorear todo
tipo de informacion dentro del algoritmo evolutivo.
Lenguaje: C para Unix (con rutinas en FORTRAN)
Autor: Frank Hoffmeister ([email protected])
Disponibilidad: Por e-mail a Hoffmeister
210

Nombre: GANNET (Genetic Algorithm/Neural NETwork)

Descripcion: Paquete de software que permite evolucionar redes neuronales
binarias. Ofrece toda una variedad de oPCiones de configuracion relacionadas con los valores de los operadores geneticos.
La evolucion de las redes neuronales se basa en 3 funciones de aptitud:
precision entre las entradas y salidas, estabilidad de la salida y tamao de
la red. Soporta redes con entradas y salidas binarias, con neuronas de 2 o 4
a
, permitiendo hasta 250 neuronas en una
entradas y pesos de entre
red.

[od W f

Lenguaje: C para Unix (con rutinas en FORTRAN)

Autor: Jason Spofford

Disponibilidad: http://fame.gmu.edu/dduane/thesis
Nombre: GENOCOP (Genetic Algorithm for Numerical Optimization for
COnstrained Problems)
Descripcion: Paquete de optimizacion numerica para funciones con cualquier
cantidad de restricciones lineales (igualdades y desigualdades).
Lenguaje: C para Unix.
Autor: Zbigniew Michalewicz ([email protected])

Disponibilidad: http://www.aic.nrl.navy.mil/pub/galist/src/genocop.tar.Z
Nombre: GPC++
Descripcion: Biblioteca de clases en C++ para desarrollar aplicaciones de
programacion genetica. Esta biblioteca define una jerarqua de clases y
uno de sus componentes integrales es la capacidad de producir funciones
definidas automaticamente.
Lenguaje: C++ para Unix/MSDOS.

Autor: Thomas Weinbrenner ([email protected])

Disponibilidad: http://www.emk.e-technik.thdarmstadt.de/thomasw/gp.html
Nombre: GPEIST (Genetic Programming Environment in SmallTalk)
Descripcion: Ambiente de programacion genetica en Smalltalk que puede
correrse en HP/Sun/PC. Permite distribucion de subpoblaciones en varias
estaciones de trabajo (con intercambios entre ellas a ciertos intervalos)
211

Lenguaje: Smalltalk
Autor: Tony White ([email protected])
Disponibilidad: ENCORE (The EvolutioNary COmputation REpository
network)

URL: http://www.cs.bham.ac.uk/Mirrors/ftp.de.uu.net/EC/clife/
Nombre: PGAPack
Descripcion: Biblioteca de proposito general para desarrollar AGs paralelos. Incluye:
Capacidad de invocacion desde FORTRAN o C.
Soporte de redes de estaciones de trabajo, arquitecturas en paralelo y
uniprocesadores.
Tipos de datos binarios, enteros, reales y caracteres (nativos).
Soporte de nuevos tipos de datos.
Interfaz facil de usar.
Niveles multiples de acceso para usuarios expertos.
Facilidades extensivas de depuracion.
Gran cantidad de ejemplos.
Detallada gua del usuario.
Soporte de diferentes tipos de seleccion, cruza y mutacion.
Lenguaje: C para Unix.

Autor: David Levine ([email protected])

Disponibilidad: http://www.mcs.anl.gov/pgapack.html
Nombre: REGAL (RElational Genetic Algorithm Learner)
Descripcion: Sistema distribuido basado en AGs disenado para aprender
descriPCiones de conceptos en logica de primer orden a partir de ejemplos.
Se basa en un operador llamado Sufragio Universal que permite la probable convergencia asintotica de la poblacion a un estado de equilibrio en el
que coexisten varias especies.
Lenguaje: C para Unix, usando PVM y Tcl/Tk
212

Autor: Attilio Giordana ([email protected])

Disponibilidad: ftp://ftp.di.unito.it/pub/MLprog/REGAL3.2
Nombre: SCS-C (Simple Classifier System in C)
Descripcion: Version en C del Sistema Clasificador Simple proporcionado
en el libro de Goldberg.
Lenguaje: C para Unix
Autor: Jrg Heitkoetter ([email protected])
Disponibilidad: ENCORE

11.2 Software Comercial

Nombre: ActiveGA
Descripcion: Un OLE que usa un algoritmo genetico para solucionar un
problema dado. Algunas de sus funciones incluidas son:
Seleccion de torneo o ruleta.
Parametros del algoritmo genetico definidos por el usuario.
Invisible durante tiempo de ejecucion.
Ejemplos en Excel, Visual BASIC y Visual C++.

Precio: $99 dolares

Nombre: Evolver
Descripcion: Paquete de algoritmos geneticos para Windows. Los principiantes pueden usar el modulo para Excel en sus problemas.

Los usuarios avanzados pueden usar el API incluido para desarrollar sus
propias aplicaciones, las cuales pueden ser monitoreadas en tiempo real usando el EvolverWatcher.
Precio: $349 dolares
Nombre: PC-Beagle
Descripcion: Programa que examina una base de datos con ejemplos y
usa tecnicas de aprendizaje de maquina para crear un conjunto de reglas de
decision que clasifiquen los ejemplos.
213

El sistema contiene 6 componentes principales, de los cuales uno usa algoritmos geneticos.

Precio:  69.
Nombre: MicroGA
Descripcion: Herramienta que permite la integracion de algoritmos geneticos
en cualquier pieza de software. Se trata de un ambiente de programacion en
C++ que viene en codigo fuente con documentacion y 3 ejemplos completos.

Tambien incluye un generador de codigo que permite crear aplicaciones

completas de manera interactiva y sin escribir una sola lnea de codigo.
Soporte para Macintosh y MS Windows.
Precio: $249 dolares
Nombre: GEATbx (Genetic and Evolutionary Algorithm Toolbox)
Descripcion: Conjunto de funciones en MATLAB que permiten implementar diferentes tipos de algoritmos geneticos para optimizacion con uno o
varios objetivos.
Soporta diferentes tipos de seleccion (universal estocastica, torneo,
jerarquas lineales y no lineales, etc.).
Incorpora diferentes tecnicas de cruza (un punto, dos puntos, uniforme, intermedia, discreta, etc.).
Incluye mutacion para representacion entera, real y binaria.
Permite diferentes modelos poblacionales (globales, regionales y locales).
Permite el monitoreo de almacenamiento de resultados (analisis en
lnea y fuera de lnea).
Cuenta con diversas funciones de prueba.
Cuenta con documentacion y un tutorial (en HTML).
Permite la incorporacion de conocimiento especfico del dominio.
Precio: 150-250 euros.
214

11.3 Problemas Propuestos

1. Instale dos cajas de herramientas de dominio publico y comparelas. Evalue
su alcance, facilidad de extension, documentacion, facilidad de uso y utilidad practica.
2. Desarrolle una caja de herramientas que incluya todos los operadores que
hemos visto a lo largo de este curso. Asegurese de que sus funciones trabajen con representacjon binaria y real. Ademas, la representacion binaria
puede ser con o sin codigos de Gray. Desarrolle documentacion adecuada,
as como ejemplos de uso de las funciones. El codigo fuente debera estar
tambien documentado y sera liberado al dominio publico.

215

216

Captulo 12
Fundamentos Teoricos
Aunque los algoritmos geneticos son simples de describir y programar, su comportamiento puede ser muy complicado, y todava existen muchas preguntas abiertas acerca de como funcionan y sobre el tipo de problemas en los que son mas
adecuados.
La teora tradicional de los AGs (formulada originalmente por Holland en
1975 [127]) asume que, en un nivel muy general de descripcion, los AGs trabajan descubriendo, enfatizando y recombinando buenos bloques constructores
de soluciones en una manera altamente paralelizada. La idea basica aqu es que
las buenas soluciones tienden a estar formadas de buenos bloques constructores
(combinaciones de bits que confieren una aptitud alta a las cadenas en las que
estan presentes).
Holland [127] introdujo la nocion de esquemas para formalizar la nocion
de bloques constructores. Tal vez la forma mas facil de visualizar un espacio de busqueda es considerando todas las cadenas y esquemas de longitud 3.
Graficamente, podemos ver el espacio de busqueda como un cubo donde los
puntos son esquemas de orden 2 y los planos son esquemas de orden 1 (ver
figura 12.1). Todo el espacio de busqueda esta cubierto por un esquema de orden cero (***).
Este resultado puede generalizarse a espacios de dimensiones, donde hablaramos
de hiperplanos. De tal manera, podemos pensar que un AG corta a traves de diferentes hiperplanos en busca de los mejores bloques constructores.

Cuanta informacion obtenemos de examinar los esquemas?

Esto esta relacionado con el numero de esquemas u nicos contenidos en la
217

X2
0*0
*10
010

1**

110

01*
*11

1*0

*00

11*
011

111
000

X1

100

0*1
00*
10*
001

101
1*1

*01
**1
X3

Figura 12.1: Representacion grafica de los esquemas de longitud tres.

poblacion.
Cualquier cadena de bits de longitud
entes.
Ejemplo:

C=10

L=2

H1=1*

H2=*0

es una instancia de

H3=10

H4=**

esquemas difer-

Consecuentemente, cualquier poblacion dada de tamano contiene entre

y
esquemas diferentes, dependiendo de la diversidad de la poblacion.

0.
0.
En todos los demas casos, el numero es menor o igual a
caso en el que una poblacion de cadenas de bits contenga
Hay algun
0 esquemas diferentes?
exactamente
Cuantos esquemas hay si todas las cadenas son identicas?

218

 ; O.

Esto solo ocurre cuando cuando

Una poblacion sin individuos o con un solo individuo contiene exactamente

esquemas diferentes. En todos los demas casos, las cadenas de la poblacion
comparten esquemas.

12.1 Paralelismo Implcito

Como acabamos de ver, cuando todas las cadenas de una poblacion son iguales,
hay instancias de exactamente
esquemas diferentes.
Esto significa que, en una cierta generacion, mientras el AG esta evaluando
explcitamente las aptitudes de las
cadenas en la poblacion, esta tambien estimando implcitamente las aptitudes promedio de un numero mucho mayor de
esquemas [167].
La aptitud promedio de un esquema se define como la aptitud promedio de
todas las instancias posibles de ese esquema.
Supongamos que generamos aleatoriamente una poblacion de tamano .
En promedio la mitad de las cadenas seran instancias de 1***...* y la mitad
seran instancias de 0***...*.
cadenas que son instancias de 1***...*
Si evaluamos las (aproximadamente)
obtendremos un estimado de la aptitud promedio de ese esquema.
Este valor es un estimado porque las instancias evaluadas en poblaciones de
tamanos tpicos son solo una pequena muestra de todas las instancias posibles.
As como los esquemas no se representan o evaluan explcitamente por el AG,
los estimados de las aptitudes promedio de los esquemas no se calculan o almacenan explcitamente por el AG. Sin embargo, el comportamiento del AG, en
terminos del incremento y decremento en numeros de instancias de esquemas dados en la poblacion, puede describirse como si realmente estuviera calculando y
almacenando estos promedios.

L0

Veamos el siguiente ejemplo:

n* f como el entero
/ <Z< OZO 2 * d ).
r

Cual es la aptitud promedio del esquema 1*** bajo ?

r

Defina la aptitud de una cadena binaria con longitud

representado por el numero binario (por ejemplo,

219

Para el esquema 1***, hay

Bin
1000
1001
1010
1011
1100
1101
1110
1111

cadenas posibles:

Aptitud
8
9
10
11
12
apt. prom
13
14
15

*  ! D *OZO >A@

* pk0

Cual es la aptitud promedio del esquema 0*** bajo ?

Bin
0000
0001
0010
0011
0100
0101
0110
0111

Aptitud
0
1
2
3
4
apt. prom
5
6
7

* D"! ! * d?>R@

* 0&i

12.2 Derivacio n del Teorema de los Esquemas

Podemos calcular la dinamica aproximada del incremento y decremento en las
instancias de los esquemas de la manera siguiente.
Hagamos que # sea un esquema con al menos una instancia presente en la
poblacion en la generacion .
Hagamos que
#
sea el numero de instancias de # en la generacion , y
que $ #
sea la aptitud promedio observada de # en la generacion (osea, la
aptitud promedio de las instancias de # en la poblacion en la generacion ).
Lo que queremos calcular es %
, o sea el numero esperado de
#
.
instancias de H en la generacion

1~/ e 2

/ e2

/ e u
W O 2 2
/
W=O
220

12.2.1 Efecto de la Seleccion

/r 2 ( / 2

/r 2

Supongamos que usamos seleccion proporcional. Bajo este esquema, el numero

, donde
es
esperado de descendientes de una cadena es igual a
la aptitud de y
es la aptitud promedio de la poblacion en la generacion .
Ignorando por ahora los efectos de la cruza y la mutacion, y suponiendo que
esta en la poblacion en la generacion , tenemos:

r ( / 2

/ e/ # e W=O 22 * &(' / r 2 ( / 2

donde: r # denota r es una instancia de #
%

Sin embargo, por definicion:

1\$ / # e 2 **)G &('

Por lo que:
/ e/ e W=O 22
%

/ r 2,+ / # e 2

* / 1\$ / # e 2 ( / 282 / # e 2

1/ e 2

De tal forma, aunque el AG no calcule explcitamente $ #

, los incrementos
o decrementos de las instancias de esquemas en la poblacion dependen de esta
cantidad.

12.2.2 Efecto de la Cruza

Haremos un analisis del efecto destructivo (o sea, el que decrementa el numero de
instancias de # ) de la cruza de un punto.
Hagamos que
sea el porcentaje de cruza y supongamos que una instancia
del esquema # se selecciona para ser padre. Se dice que el esquema # sobrevive bajo la cruza de un punto si uno de sus hijos es tambien una instancia del
esquema # .
Podemos proporcionar un lmite inferior de la probabilidad
# de que #
sobrevivira la cruza de un punto:

\M / 2

I2
E
O
'
v
F
3
C
[ V .M -0/ 1
M / # 2 `

Esto es, las cruzas que ocurren dentro de la longitud de definicion de #

destruir a # (osea, pueden producir hijos que no son instancias de # ).
221

pueden

De tal forma, multiplicamos la fraccion de la cadena que # ocupa por la probabilidad de cruza para obtener un lmite superior de la probabilidad de que el
esquema sera destrudo.
El valor es un lmite superior porque algunas cruzas dentro de las posiciones
definidas de un esquema no lo destruiran (p. ej. si dos cadenas identicas se
cruzan). Al sustraer este valor de 1 obtenemos un lmite inferior.
NOTA: La probabilidad de supervivencia bajo cruza es alta, para esquemas con
baja longitud de definicion.

12.2.3 Efecto de la Mutacion

/ 2

sea la probabilidad de mutacion y que

Hagamos que
# sea la probabilidad de que el esquema # sobrevivira bajo la mutacion de una instancia de
# :

 I
[ V 2 E'
3 / # 2 * / O b

O
[ V

Esto es, para cada bit, la probabilidad de que e ste no se mutara es

. De
tal manera, la probabilidad de que bits no definidos del esquema # se muten es
esta cantidad multiplicada por s misma # veces.

Q/ 2

NOTA: La probabilidad de supervivencia bajo mutacion es mas alta para esquemas de bajo orden.
Combinando estos 3 efectos (seleccio6 n, cruza y mutacion), tenemos:

B E vF ' C\I J82 O

E I
W O 82 25H 4 E 7 ' E I I / # e 2 - O `
'
/ e/ # e 
[
V
/
[
`
V
2
1
/
M

A esta expresion se le conoce como el Teorema de los Esquemas [127], y describe el crecimiento de un esquema de una generacion a la siguiente. El Teorema
de los Esquemas frecuentemente se interpreta de tal forma que implica que los
esquemas cortos y de bajo orden cuya aptitud promedio se mantiene por encima
de la media, recibiran un numero de muestras que crece exponencialmente con el
tiempo.
La razon por la que se dice que los esquemas cortos y de bajo orden reciben un
numero de muestras que se incrementa exponencialmente con el tiempo es porque
el numero de muestras de esos esquemas que no son perturbados y permanecen
222

1/ e 2 ( / 2

sobre la aptitud promedio se incrementan en un factor de $ #

a cada
generacion.
El Teorema de los Esquemas es un lmite inferior porque solo lidia con los
efectos destructivos de la cruza y la mutacion. Sin embargo, se cree que la cruza es
la fuente de mayor poder del AG, pues tiene la capacidad de recombinar las instancias de esquemas favorables para formar otros igualmente buenos o mejores. Esta
suposicion de que los AGs trabajan de esta manera se conoce como la Hip o tesis
de los Bloques Constructores [105].
El efecto de la seleccion es sesgar gradualmente el procedimiento de muestreo
hacia instancias de esquemas cuya aptitud se estime esten sobre el promedio. Con
el paso del tiempo, el estimado de la aptitud promedio de un esquema debiera, en
principio, volverse cada vez mas preciso puesto que el AG esta muestreando mas
y mas instancias de este esquema.
El Teorema de los Esquemas y la Hipotesis de los Bloques Constructores lidian primordialmente con el papel de la seleccion y la cruza en los AGs, pero cual
es el papel de la mutacion?
Holland [127] propuso que la mutacion previene la perdida de diversidad en
una posicion cualquiera. Es una especie de poliza de seguro contra fijaciones
en una cadena cromosomica.

12.3 Crticas al Teorema de los Esquemas

Existe una enorme cantidad de crticas en torno a las interpretaciones que se le
han dado al teorema de los esquemas. Estas crticas provienen de parte de los
matematicos y fsicos que han modelado matematicamente el comportamiento de
un algoritmo genetico (ver por ejemplo [222]). La primera crtica es el torno al
hecho de que el Teorema de los Esquemas es realmente una desigualdad debil,
no un teorema.
Adicionalmente, las siguientes afirmaciones sobre el teorema de los esquemas
no son del todo demostrables:

q
q

Los esquemas por arriba del promedio se incrementan exponencialmente

con el tiempo.
Los esquemas por arriba del promedio se exploran rapidamente en paralelo
sin alentar de manera significativa la busqueda.
223

Aproximadamente se procesan
por cada generacion.

esquemas de manera u til y en paralelo

12.4 No Free Lunch Theorem

Este famoso teorema fue formulado en un artculo (liberado originalmente como
reporte tecnico) escrito por David Wolpert y William MacReady, del Instituto
Santa Fe, en Nuevo Mexico, en 1995 [229, 230].
La principal implicacion del No Free Lunch Theorem es que todas las tecnicas
de busqueda heurstica son matematicamente equivalentes en general. Es decir,
no hay una sola tecnica que supere a las demas en todos los casos.
La moraleja es pues que el e nfasis que suele ponerse en optimizar con tecnicas
heursticas (como el AG) es erroneo.
Que alternativa tenemos entonces?
Investigar el comportamiento emergente de una tecnica heurstica.
Cual es el costo de esta alternativa?
Formalizar nuestro modelo heurstico y realizar demostraciones a partir de
dicha formalizacion.
Que ganamos?
Una comprension conceptual de la tecnica y una descripcion a fondo de las
circunstancias en las cuales un AG es la mejor alternativa.

12.5 Decepcio n
Hemos hablado anteriormente sobre un problema que ha preocupado a los teoricos
de la computacion evolutiva: la decepcion.
Se llama decepcion a la condicion donde la combinacion de buenos bloques
constructores llevan a una reduccion de aptitud, en vez de un incremento. Este
fenomeno fue sugerido originalmente por Goldberg [105] para explicar el mal
224

desempeno del AG en algunos problemas. Veamos un ejemplo de un problema

deceptivo:
Supongamos que tenemos una funcion de aptitud que nos devuelve los siguientes valores para las cadenas binarias de longitud 3:
Cadena
000
001
010
011
100
101
110
111

Aptitud
70
50
49
1
30
2
3
80

Las cadenas con mayor numero de ceros tienen mayor aptitud, pero el o ptimo
global es la cadena de todos unos. En este caso, el AG tendera a favorecer durante
la seleccion a las cadenas con mas ceros y encontrara la cadena de todos ceros (un
o ptimo local) en vez de llegar al o ptimo global.

12.6 Areas abiertas de investigaci o n

Algunas de las preguntas mas importantes que se han planteado dentro de la comunidad de los algoritmos geneticos son las siguientes [167, 10]:

q
q

Que leyes describen el comportamiento macroscopico de los AGs? En

particular, que predicciones pueden hacerse acerca del cambio de aptitud
en el tiempo y acerca de la dinamica de la poblacion en un AG en particular.

Como dan lugar los operadores de bajo nivel (seleccion, cruza y mutacion)
al comportamiento macroscopico de los AGs?
En que tipo de problemas es mas probable que los AGs tengan un buen
desempeno?
En que tipo de problemas es mas probable que los AGs tengan un mal
desempeno?
225

q
q

Que significa para un AG tener un buen desempeno o un mal desempeno?

Esto es, que criterios de desempeno son apropiados para un AG?
Bajo que condiciones (tipos de AGs y tipos de problemas) superara un AG
a otras tecnicas de busqueda tales como escalando la colina y otros metodos
de gradiente?

12.7 Cuando debe utilizarse un AG?

El AG suele considerarse una tecnica que es buena para encontrar rapida-mente regiones prometedoras del espacio de busqueda, pero para realizar verdaderamente
optimizacion se ha demostrado que en muchas instancias los hbridos de un AG
con otra tecnica (por ejemplo, escalando la colina) parecen dar mejores resultados.
Aunque los AGs pueden encontrar los o ptimos globales de problemas de alta complejidad, la realidad es que muchas veces el costo computacional que requieren es
prohibitivamente alto, y se prefieren para encontrar una solucion razonable, ya
que eso suelen poder hacerlo en un tiempo relativamente corto.
Como heurstica, el AG no resulta muy adecuado para problemas crticos en
los cuales el no encontrar una solucion en un perodo de tiempo muy corto puede
causar fallas irreversibles al sistema. Asimismo, no es apropiado para aplicaciones
en tiempo real en las que la respuesta debe proporcionarse de manera inmediata
conforme se interactua con el ambiente.
Algunos autores (por ejemplo Kenneth De Jong [138]) han argumentado elocuentemente que, contrario a lo que se cree, los AGs no son optimizadores, sino que mas
bien son satisfactores de metas (o decisiones) secuenciales que pueden modificarse para actuar como optimizadores de funciones. Si bien en la practica han
tenido un gran e xito como optimizadores, la realidad es que los AGs suelen tener
dificultades para encontrar o ptimos globales en ciertas clases de problemas (como
por ejemplo el del viajero) sumamente susceptibles a la representacion o aquellos
en los que la evaluacion de la funcion de aptitud resulta sumamente costoso.

12.8 Que es lo que hace difcil un problema para

un AG?
La teora de los esquemas se ha usado por algunos en la comunidad de los AGs
para proponer una respuesta a la pregunta: que hace que un problema sea difcil
226

para un AG?
La panoramica actual es que la competencia entre los esquemas procede aproximadamente de particiones de esquemas de bajo orden a particiones de esquemas
de orden alto. Bethke [22] infirio que sera difcil para un AG encontrar el o ptimo
de una funcion de aptitud si las particiones de bajo orden contenan informacion
erronea acerca de las particiones de orden mas alto.
Consideremos un ejemplo, un tanto extremo, de lo dicho en el punto anterior.
Llamemos al esquema H ganador si su aptitud estatica promedio es la mas alta
en su particion. Supongamos que cualquier esquema cuyos bits definidos sean to, y hagamos
dos unos es un ganador, excepto por el esquema de longitud
que
sea un ganador.
En principio, sera difcil para un AG encontrar
, porque toda particion
de bajo orden da informacion equivocada sobre donde es mas probable encontrar
el o ptimo. A este tipo de funcion de aptitud se le llama con decepci o n total.
Afortunadamente, nadie ha podido encontrar un problema del mundo real que
exhiba decepcion total. Solo se han encontrado problemas reales con decepcion
parcial.
Tambien es posible definir funciones de aptitud con menores cantidades de
decepcion (es decir, algunas particiones dan informacion correcta acerca de la
localizacion del o ptimo). Bethke [22] uso la Transformada de Walsh (similar a
la transformada de Fourier) para disenar funciones de aptitud con varios grados
de aptitud. Posteriormente, un gran numero de investigadores han profundizado
en estos estudios, y hoy en da la decepcion es uno de los problemas centrales
de los teoricos en AGs. Debido a que los AGs se han usado extensamente para
la optimizacion de funciones, es importante que los que desarrollan aplicaciones
con ellos sepan al menos sobre este fenomeno para poder prevenirlo y atacarlo en
caso de que se presente.
Varios investigadores han cuestionado la relevancia del analisis de los esquemas en la comprension del funcionamiento verdadero de los AGs [117, 154, 177].
Por ejemplo, Grefenstette [117] afirma que mucho del trabajo efectuado en
teora de los AGs ha asumido un version mas fuerte de lo que e l llama la Hip o tesis
Estatica de los Bloques Constructores (HEBC):

OZOZOZO >U>U> O

<Z<&<Z<?>U>><

<Z<Z<&<?>>U><

Dada cualquier particion de esquemas de bajo orden y reducida longitud de definicion, se espera que un AG converja al hiperplano (en
esa particion) con la mejor aptitud promedio estatica (el ganador esperado).
227

Esta formulacion es mas fuerte que la original, puesto que dice que el AG
convergera a los verdaderos ganadores de cada competencia entre particiones
cortas y de bajo orden en vez de que converja a esquemas con la mejor aptitud
observada.
La HEBC no es lo que propuso Holland [127], y nunca se ha demostrado
o validado empricamente, pero implcitamente involucra la premisa de que las
funciones de aptitud con decepcion seran difciles para un AG.
Grefenstette proporciona 2 razones posibles por las que la HEBC puede fallar:
1. Convergencia Colateral: Una vez que la poblacion comienza a converger
hacia algun punto, las muestras de algunos esquemas dejaran de ser uniformes.

OZO&O > >U>

son muy aptas y

Por ejemplo, supongamos que las instancias de
que la poblacion ha convergido mas o menos a esos bits (o sea, casi todos los
miembros de la poblacion son una instancia de ese esquema). Entonces casi
todas las muestras de, por ejemplo,
, seran realmente muestras
de
. Esto puede impedir que el AG haga una estimacion precisa
de $
. Aqu la $ #
denota la aptitud promedio estatica de
un esquema # (el promedio sobre todas las instancias del esquema en el
espacio de busqueda).

ZO OZO <Z<Z< >U>U>

1\/ _ <Z<Z< > >U> 2

1/ 2

&< <Z< U> >U>

2. Elevada Varianza de la Aptitud: Si la aptitud promedio estatica de un

esquema tiene una varianza alta, el AG puede no ser capaz de efectuar una
estimacion precisa de esta aptitud promedio estatica.
Consideremos, por ejemplo, la siguiente funcion de aptitud:

OZOZO >U>U>

0
r
si

.
/ r 2 * , O si r < >U>>
< de lo contrario
O
La varianza de >>U> es alta, as que el AG converge a las subregiones
de aptitud elevada de este esquema. Esto sesga a todas las muestras subsecuentes de este esquema, impidiendo que se puede obtener un estimado
preciso de su aptitud estatica.

Esto tiene relacion directa con la importancia de la decepcion en el comportamiento de los AGs, porque las funciones de aptitud con decepcion se definen
completamente en terminos de las aptitudes estaticas promedio de los esquemas.
228

Para ilustrar su argumento, Grefenstette [117] da ejemplos de problemas con

decepcion que son faciles de optimizar con un AG y de problemas que no tienen
decepcion y que son arbitrariamente difciles para un AG. Su conclusion es de
que la decepcion no es una causa necesaria ni suficiente para que un AG tenga
dificultades, y de que su relevancia en el estudio de los AGs debe ser demostrada
todava.

12.9 Las Funciones de la Carretera Real

El Teorema de los Esquemas, por s mismo, no hace referencia a los efectos positivos de la seleccion (asignar muestras cada vez mayores de los esquemas que
han mostrado tener un mejor desempeno), sino u nicamente a los aspectos de perturbacion de la cruza. Tampoco aborda la pregunta de como hace la cruza para
recombinar los esquemas mas aptos, aunque esta parece ser la mayor fuente de
poder del AG.
La hipotesis de los bloques constructores dice que la cruza combina esquemas
cortos y de alto desempeno demostrado para formar candidatos mas aptos, pero
no da una descripcion detallada de como ocurre esta combinacion.
Para investigar el procesamiento de esquemas y la recombinacion en mas detalle, Stephanie Forrest, John Holland y Melanie Mitchell [169, 168] disenaron
ciertos paisajes de aptitud llamados de la Carretera Real (Royal Road), que intentaron capturar la esencia de los bloques constructores en una forma idealizada.
La Hipotesis de los Bloques Constructores sugiere 2 caractersticas de los
paisajes de aptitud que son particularmente relevantes a los AGs:
1. La presencia de esquemas cortos, de bajo orden y altamente aptos, y
2. La presencia de escalones intermedios (esquemas de orden intermedio de
aptitud mas alta que resultan de combinaciones de los esquemas de orden
menor y que, en turno, pueden combinarse para crear esquemas de aptitud
aun mayor).
Las funciones que disenaron Mitchell et al. [169, 168] se esperaba que (siguiendo la hipotesis de los bloques constructores) tenderan una carretera real al
AG de manera que pudiera llegar facilmente a la cadena o ptima. Asimismo, la
hipotesis era que las tecnicas escalando la colina tendran dificultades con estas
funciones, porque se necesitaba optimizar un gran numero de posiciones de la
cadena simultaneamente para moverse de una instancia de bajo orden a una de
229

orden intermedio o alto. Sin embargo, algunas cosas extranas sucedieron. Uno
de los hillclimbers que usaron (haban de 3 tipos) supero por mucho al algoritmo
genetico (encontro la solucion 10 veces mas rapido que el AG).
Tras efectuar un analisis de la funcion en la que el AG tuvo problemas, se
determino que una de las causas fueron los hitchhikers, que limita seriamente
el paralelismo implcito del AG restringiendo los esquemas muestreados en ciertos lugares. Estos genes parasitos limitan el efecto de la cruza para recombinar
bloques constructores, y hacen que converjan hacia esquemas equivocados en diversas particiones. Sin embargo, este fenomeno no debe resultar demasiado sorprendente si se considera que se ha observado en la genetica real. Para lidiar con
este problema se propuso un Algoritmo Genetico Idealizado, y se concluyeron
varias cosas importantes en torno a como debe disenarse un algoritmo genetico
convencional para evitar el hitchhiking:
1. La poblacion tiene que ser suficientemente grande, el proceso de seleccion
debe ser suficientemente lento, y el porcentaje de mutacion debe ser suficientemente alto para asegurar que no haya ninguna posicion que permanezca fija con un solo valor en ninguna cadena.
2. La seleccion tiene que ser suficientemente fuerte como para preservar los
esquemas deseados que se han descubierto, pero tambien tiene que ser suficientemente lenta (o, de manera equivalente, la aptitud relativa de los esquemas deseables no traslapados tiene que ser suficientemente pequena) para
prevenir que ocurra algun hitchhiking significativo en algunos esquemas
altamente aptos que pueda eliminar esquemas deseables de otras partes de
la cadena.
3. El porcentaje de cruza tiene que ser tal que el tiempo en que ocurra una
cruza que combine dos esquemas deseados sea pequeno con respecto al
tiempo de descubrimiento de los esquemas deseados.
Estos mecanismos no son compatibles entre s. Por ejemplo, un alto porcentaje
de mutacion esta en contraposicion con una seleccion fuerte. Por lo tanto, debe
cuidarse de que haya algun equilibrio de estos puntos a la hora de aplicarlos.
El terorema de los esquemas hace predicciones en torno al cambio esperado
en las frecuencias de los esquemas de una generacion a la siguiente, pero no hace
predicciones directamente sobre la composicion de la poblacion, la velocidad de
convergencia de la poblacion o la distribucion de aptitudes de la poblacion con respecto al tiempo. Como un primer paso para tener una mejor comprension del
230

comportamiento de los AGs, y para poder hacer mejores predicciones, varios

investigadores han construido modelos matematicos exactos de AGs simples
[104, 221, 114, 139, 222, 171]. Estos modelos exactos capturan todos los detalles
de un AG simple usando operadores matematicos.

12.10 Cuando debe usarse un AG?

Es adecuado si el espacio de busqueda es grande, accidentado, poco comprendido, o si la funcion de aptitud tiene mucho ruido, y si la tarea no requiere que
se encuentre el o ptimo global (encontrar una solucion bastante buena con cierta
rapidez resulta suficiente).
Si el espacio de busqueda es muy pequeno, entonces el problema se puede
resolver mediante busqueda exhaustiva, y el AG no tiene mucha razon de ser.
Si el espacio de busqueda no esta accidentado y es unimodal, entonces una
tecnica de gradiente como escalando la colina con ascenso pronunciado sera
mucho mas eficiente que un algoritmo genetico.
Si el espacio de busqueda se conoce bien (p. ej. alguna instancia pequena del
problema del viajero) es posible disenar metodos de busqueda que usen conocimiento
especfico sobre el dominio para superar facilmente a una tecnica independiente
del dominio como el AG. Si la funcion de aptitud tiene ruido (por ejemplo, si involucra tomar medidas sujetas a error de un proceso del mundo real tal como la
vision de un robot), un metodo de busqueda que use un solo candidato a la vez
(como escalando la colina) sera arrastrada inevitablemente por rutas erroneas debido al ruido, mientras que el AG tendra un desempeno razonable porque trabaja
mediante la acumulacion de estadsticas de aptitud a traves de las generaciones.
Los consejos anteriores deben tomarse con ciertas precauciones, porque no
hay reglas universales sobre cuando utilizar un AG para resolver un problema y
cuando no hacerlo. Su desempeno normalmente dependera de detalles tales como
el metodo de codificacion de las soluciones candidatas, los operadores, los valores
de los parametros, y el criterio en particular para medir el e xito del algoritmo.

de Funciones Deceptivas
12.11 Diseno
Problema deceptivo mnimo

231

La idea basica tras el diseno de funciones deceptivas para un algoritmo genetico

es violar de manera extrema la hipotesis de los bloques constructores. En otras
palabras, buscaremos ahora que los bloques cortos y de bajo orden nos conduzcan a bloques constructores largos y de mayor orden que sean incorrectos
(suboptimos).
El problema deceptivo mas pequeno posible es de dos bits. Su descripcion se
presenta a continuacion.
Supongamos que tenemos un conjunto de cuatro esquemas de orden 2 como
se indica a continuacion:
aptitud
esquema
***0*****0*
***0*****1*
***1*****0*
***1*****1*

{G{

CGC

{C
C
CGC

{G{

es la aptitud
(9 maxima9 posible (optimo global).

CGC CGC C CGC C

Ahora procederemos a introducir el elemento deceptivo usando la idea siguiente: buscaremos que en nuestro problema uno de los esquemas suboptimos de
orden 1 (o los dos) sea mejor que los esquemas de orden 1 del o ptimo.
Para poner el problema en una perspectiva mas adecuada, vamos a normalizar
todas las aptitudes con respecto al complemento del o ptimo global:

{ 9
{
9

{GC {C
{G{C
{GC {
* * *
Podemos re-escribir ahora la{Gcondici
on de
{
{ globalidad{ en forma normalizada:
{GC {C {G{ 9 {GC {C {G{C 9 {GC {C {GC {

{G{

Re-escribamos ahora la condicion deceptiva:

W C C W CGC
{G{ 0 { { 0
W{G{ C C W{G{ CGC

232

O W {G{C
OW

{GC { W {CG{C

W WO
W=O [

/ < 2 / O 2
/ <Z2 / O 2

En estas expresiones estamos ignorando todos los demas alelos de las cadenas cromosomicas que no sean las 2 posiciones definidas antes indicadas y las
expresiones anteriores implican un promedio sobre todas las cadenas contenidas
en el subconjunto de similitud. De tal forma que deben cumplirse las siguientes
expresiones:

CGC

/<Z<k2
W / < O 2 / O <k2

0
/<Z<k2 W / O <Z2 / < O 2

W / ZO O 2
W0 / OZO 2
0

Si embargo, estas 2 expresiones no pueden cumplirse simultaneamente, pues

de hacerlo
no sera el o ptimo global.
Sin perdida de generalidad, supondremos que la primera expresion es cierta:

/ < 2 / O 2

A partir de lo anterior, podemos concluir

que:
9

C
TIPO I: {G{

TIPO II:

{G{
{ ( O )
C ( ; O )

Tenemos entonces 2 clases de problemas deceptivos:

233

atractor

aptitud
01
00

11

TIPO I:
f 01> f 00

10
Figura 12.2: Representacion grafica de la clase de problemas deceptivos de Tipo
I.
Graficamente, podemos representar estos dos problemas en las figuras 12.2 y
12.3, respectivamente.
Estos 2 tipos de problemas son deceptivos y puede demostrarse que ninguno
de ellos puede expresarse como una combinacion lineal de los valores alelicos del
individuo.
Ninguno de estos casos puede expresarse como:

D x x
w

x
y
/r C er D 2 * W r
C

En terminos biologicos, tenemos un problema epistatico. Puesto que puede

demostrarse que ningun problema de 1 bit puede ser deceptivo, el problema de 2
bits antes indicado es el problema deceptivo mnimo.

12.12 Estudios de Convergencia

/ 2]
/ r 2 * L g

< / 2

Los Algoritmos Geneticos son usados1?> a menudo para resolver problemas de opti<; =
mizaci
asumiendo que
3:
A@ para todo
> 1
1 on del tipo:
; =
C
B
y
.
:

* <?e O

234

atractor

aptitud
01
00

TIPO II:
f 00> f 01

11
10

Figura 12.3: Representacion grafica de la clase de problemas deceptivos de Tipo

II.

12.12.1 Algoritmo Genetico Sin Elitismo

En [195] Rudolph modela el Algoritmo Genetico Simple (AGS) mediante una
cadena de Markov finita homogenea.
Cada estado de la cadena de Markov corresponde con 1 una posible poblacion
; = donde es el numero
6 AGS de tal manera que el espacio de estados es D
del
de individuos de la poblacion y es la longitud de cada individuo. Definimos a
E
como el individuo de la poblacion en el paso .
Dada la naturaleza del AGS, la matriz de transicion F que lo representa queda
definida como:

k/  2

*HGIKJ

donde ,
y son las matrices de transicion de los operadores de Cruza,
Mutacion y Seleccion respectivamente.
Cuando se usa mutacion uniforme se tiene que:

x|

*ML '8N / O [ L 2 F 'N <

* L

x|

en donde
es la probabilidad de mutacion del AGS, #
es la distancia de
I
Hamming entre los estados y , y
. De lo anterior conclumos que
es
positiva.
235

Por otra parte, dado que el operador de seleccion lo que hace es proporcionarnos
pares de individuos con fines de que ya sea que pasen intactos a la poblacion siguiente o que con una cierta probabilidad mediante el operador de cruza puedan dar
lugar a otros dos individuos nuevos, la matriz de transicion de este operador lo
que hace es dejar ordenados a los individuos tal y como se iran tomando para
dar lugar a la poblacion siguiente.
El uso de un operador de seleccion proporcional o de torneo [196] determina la existencia de una probabilidad estrictamente positiva de que la poblacion
quede intacta, lo cual asegura que los elementos de la diagonal
de la matriz de
J
transicion del operador son positivos, por lo que se concluye que la matriz es
columna-permisible.

xRx

Lema 12.12.1 Sean ,

y matrices estoca sticas, donde
es positiva y
GOIKJ
es positiva.
columna-permisible. Entonces la matriz producto

es

es positiva y la es columnaEn resumen tenemos que, dado que la matriz

PGIQ
J
permisible, por el lema 12.12.1 la matriz F
es positiva y por lo tanto
primitiva.
Para poder hablar de convergencia a continuacion se muestra la definicion cor6
respondiente para el AGS 6[195]:

* r / /  22 ]
*O eg>U>>Ue L

>

3: E
Definicion 12.12.1 Sea R
una sucesion de variables aleatorias representando la mejor aptitud dentro de la poblaci o n representada por el estado en el paso . Un algoritmo gen e tico converge al o ptimo global
si y solo si:
6TS.U
6

:

* r3: / 2 ] ; =
donde 

1>

:VR

>

*PO

(12.1)

De esta manera entenderemos que el AGS converge al o ptimo global de funcion

objetivo si la probabilidad de que e ste se encuentre en la poblacion tiende a 1
cuando el numero de iteraciones tiende a infinito.

converge
V
U
{ X12.12.1
{
U
Teorema
Sea
P
una
matriz
estoc
a
stica
primitiva.
Entonces

S.U
W
* Y L , donde
V
cuando
a una
matriz
estoc
a
stica
positiva
estable
@




L
*ZL V *ZL V tiene entradas diferentes de cero y es u nica indeU

pendientemente de la distribuci o n inicial.

236

As pues, dada la definicion anterior y usando el teorema 12.12.1 Rudolph

demuestra que el AGS no converge:
Teorema 12.12.2 El AGS con matriz de transici o n primitiva no converge al o ptimo
6
global.

x
6


x

/ /  282 ] u
* O ge >>U>Ue L >
r

6
estado en6 el que
Demostraci
on Sea
D cualquier
3: E
6
L6
[
U
 y la probabilidad
de que el AGS
este en tal estado
en el paso . Claramente,
>
>
L
L
:VR B 
:VR
. Por el teorema 12.12.1 la probabili
L U
dad de que el AGS este en 6Tel
. Por lo tanto:
S.U estado6 converge a

:

:VR

; O [
*

>

x <
; O [ L O

por lo tanto la condicion (12.1) no se satisface.

El Teorema 12.12.2 muestra que dado que segun el teorema 12.12.1 la matriz
de transicion F del AGS converge a una matriz positiva, la probabilidad de estar en
un estado no-optimo es estrictamente positiva conforme el numero de iteraciones
se incrementa por lo que la probabilidad de permanecer en un estado o ptimo no
es 1 en el lmite.

12.12.2 Algoritmo Genetico Elitista

En [195] Rudolph argumenta que en las aplicaciones del mundo real el AGS
comunmente mantiene a traves del proceso evolutivo la mejor solucion encontrada hasta el momento por lo que lo correcto es modelar el AGS de tal manera.
As pues, consideraremos ahora agregar a la poblacion del AGS un su per individuo que no tomara parte en el proceso evolutivo y que por facilidad en la
notacion sera colocado en la primera posicion a la izquierda, es decir, se podra
. Llamaremos a esta nueva version Algoritmo Genetico
accesar a e l mediante E
Elitista (AGE).
La cardinalidad del
1 espacio
 1 de estados de la cadena1 de Markov correspondiente crece ahora de
a
debido
1 a que tenemos posibles super individuos
y por cada uno de ellos tenemos
poblaciones posibles.
El operador de elitismo estara representado por la matriz \ que lo que hara
sera actualizar un estado de tal manera que si e ste contiene un individuo mejor
que su actual super individuo e ste sera reemplazado por aquel.
En particular, sea:

/2

C I
0 t 0 Et
0t

{
 * / E /  2e E C /  2e E D /  2 eg>>U>Ue E /  82 2
t
237



*
E / 2 es elE su per]individuo
de> la poblaci
o
n
(estado)
, ahora bien, sean 
1
*
O
k / 3r : / / 282
eg>U>>Ue L 2 ]; = el mejor individuo de la poblacion

excluyendo el super individuo y:

_^a* `?b / e E C /  2 e E D /  2 eg>U>>Ue E /  282

t
{
x|
O si / E /  22 / 2

< de otra manera.

entonces:

Nuestra nueva matriz de transici

on para el AGE resulta del producto de una
1
matriz que esta compuesta por matrices F , una por cada posible super individuo
acomodadas de manera que entre mejor sea su super individuo mas alta sera su
posicion, y la matriz \ de operador de elitismo:

*


fhg
g

F
cd

d
de

..

Fp\_jj
Fp\lk j
cd
d

..
.

de

\ knm j

\ knm k

..
.

de

fhg
\lkk

cd

\_jj
\lk j

..
.

..

\ kom knm

fhg
g

F_\Ckok

F_\ knm j

..
.

..

Fp\ ok m k
F_\ knm knm

La estructura mostrada de la matriz F
se debe a que, como ya se menciono, las
poblaciones estan ordenadas de manera descendente de acuerdo a la calidad de su
super individuo, de tal manera los espacios en blanco representan ceros puesto que
no es posible pasar de un estado a otro con un super individuo de menor calidad.
De lo anterior se concluye que F_\joj
F puesto que tales matrices corresponden con las poblaciones que tienen como super individuo al o ptimo  .
Por otra parte, haciendo las siguientes definiciones:

*
cde

Fp\lk j
..
.

f g

iHr

*
cde

F_\Ckok
..
.

F_\ k m j
Fp\ k m k

concluimos que la matriz F
es reducible:
238

..

F_\ k m k m

f g

 Ps F
q

t
rvu

* <
x yTFv{ C G x F x <
r q G r

Teorema 12.12.3 Sea F una matriz estoca stica reducible, donde

q
una matriz estoca stica primitiva y , r B . Entonces:

U
F

* :

S.U
F

*
s

U
es una matriz
estoca stica estable con F

* <


L

*xY L

independientemente de la distribuci o n inicia, y

L
y
para
.

Gxw

es

*
s
U

U
L

, donde
L
satisface:

<

G U

* xU L
y

<
{
F

<

O ;

es u nica
para

Como conclusion tenemos el siguiente Teorema:

Teorema 12.12.4 El AGE converge al o ptimo global.
Demostracion La submatriz F contiene las probabilidades de transicion de esq
tados o ptimos globales. Puesto que F es una matriz estocastica primitiva y ,
r B , el teorema 12.12.3 garantiza que la probabilidad de permanecer en un estado no-optimo converge a cero. Por lo tanto la probabilidad de permanecer en un
estado o ptimo global converge a 1. As pues, se ha demostrado la convergencia
del AGE, es decir, de un Algoritmo Genetico que usa elitismo.

* <

12.13 Problemas Propuestos

* < O <
D *
O o o O

* Y < O
*O < O < O o

1. Suponga que tenemos los siguientes esquemas: (a) #

#
, (c) #
, (d) #
y (f) #
.
#

* O
C
* < oO o Z< <k ,, (b)
(e)

* <Q>A<Z<&d

(a) Estime la probabilidad de supervivencia de cada esquema bajo mutacion,

L
suponiendo que la probabilidad de mutacion es
.

M * <?>lk@

(b) Estime la probabilidad de supervivencia de cada esquema bajo cruza,

L
suponiendo que la probabilidad de cruza es
.

239

Reporte sus resultados con al menos tres dgitos de precision.

2. Basandose en el analisis que hicimos de la probabilidad de que un esquema
sobreviva a la cruza de un punto, derive una expresion similar para la cruza
de dos puntos.
3. Basandose en el analisis que hicimos de la probabilidad de que un esquema
sobreviva a la cruza de un punto, derive una expresion similar para la cruza
uniforme.

240

Captulo 13
Operadores Avanzados
Ademas de los operadores tradicionales de cruza y mutacion que hemos estudiado previamente, existen otros, mas especficos, que aunque no suelen usarse con
mucha frecuencia en la practica, es importante conocer. Este captulo se dedicara
al estudio de ellos.

13.1 Diploides y Dominancia

En AGs, usamos normalmente cromosomas haploides. En la naturaleza, sin embargo, los genotipos suelen ser diploides y contienen uno o mas pares de cromosomas (a los que se les llama homo logos), cada uno de los cuales contiene
informacion (redundante) para las mismas funciones.
Ejemplo de un cromosoma diploide:
AbCDefGhIj
aBCdeFgHij
Si suponemos que los genes representados por letras mayusculas son los dominantes y los representados mediante letras minusculas son los recesivos, entonces
el fenotipo correspondiente al cromosoma anterior sera:
ABCDeFGHIj
El operador utilizado en el ejemplo anterior se denomina dominancia.
La idea es que un alelo (o un gen) dominante toma precedencia sobre uno
recesivo (por ejemplo, los ojos negros son un alelo dominante y los azules uno
recesivo).
241

Padre 1 (diploide):
A:10110101

011110011110010010101001

B:00000101

001001110011110010101001

Padre 2 (diploide)
C:00000111000000111110

000010101011

D:11111111000010101101

010111011100

Hijo (diploide):
10110101001001110011110010101001
00000111000000111110010111011100

Figura 13.1: Ejemplo del uso de cromosomas diploides.

A un nivel mas abstracto, podemos concebir a la dominancia como un mapeo
reductor del genotipo hacia el fenotipo.
Suena logico cuestionarse por que usa esta redundancia la naturaleza?
Realmente no se sabe. Las teoras biologicas mas aceptadas, sugieren que los
diploides son una especie de registro historico que protegen ciertos alelos (y
combinaciones de ellos) del dano que puede causar la seleccion en un ambiente
hostil.
En AGs, los diploides suelen usarse para mantener soluciones multiples (al
mismo problema), las cuales pueden conservarse a pesar de que se exprese solo
una de ellas. La idea es la misma que en Biologa: preservar soluciones que fueron
efectivas en el pasado, pero que elimino el mecanismo de seleccion del AG.
Los diploides parecen ser particularmente u tiles en problemas en los que el
ambiente cambia con el paso de las generaciones (por ejemplo, optimizacion de
funciones dinamicas).
El ejemplo de diploides mostrado en la figura 4.6 se debe a Hillis [123, 122].
El genotipo de un individuo en este ejemplo consiste de 15 pares de cromosomas
(por claridad, solo un par por cada padre se muestra en esta figura). Se elige
aleatoriamente un punto de cruza para cada par, y se forma un gameto tomando
los alelos antes del punto de cruza en el primer cromosoma, y los alelos despues
del punto de cruza en el segundo. Los 15 gametos de un padre se unen con los 15
gametos del otro padre para formar un nuevo individuo diploide (nuevamente por
242

claridad solo un gameto se muestra en la figura 4.6).

13.2 Inversio n
Holland [127] propuso formas de adaptar la codificacion de su algoritmo genetico
original, pues advirtio que el uso de cruza de un punto no trabajara correctamente
en algunos casos.
El operador de inversion es un operador de reordenamiento inspirado en una
operacion que existe en genetica. A diferencia de los AGs simples, en genetica la
funcion de un gene es frecuentemente independiente de su posicion en el cromosoma (aunque frecuentemente los genes en un a rea local trabajan juntos en una
red regulatoria), de manera que invertir parte del cromosoma retendra mucha (o
toda) la semantica del cromosoma original.
Para usar inversion en los AGs, tenemos que encontrar la manera de hacer que
la interpretacion de un alelo sea la misma sin importar la posicion que guarde en
una cadena. Holland propuso que a cada alelo se le diera un ndice que indicara
su posicion real que se usara al evaluar su aptitud.
Por ejemplo, la cadena 00010101 se codificara como:

: (1,0) (2,0) (3,0) (4,1) (5,0) (6,1)(7,0) (8,1)

>

en donde el primer elemento de cada uno de estos pares proporciona la posicion

real del alelo dado.
La inversion funciona tomando dos puntos (aleatoriamente) a lo largo de la
cadena, e invirtiendo la posicion de los bits entre ellos. Por ejemplo, si usamos la
cadena anterior, podramos escoger los puntos 3 y 6 para realizar la inversion; el
resulado sera:

: (1,0) (2,0) (6,1) (5,0) (4,1) (3,0) (7,0) (8,1)

>

Esta nueva cadena tiene la misma aptitud que la anterior porque los ndices
siguen siendo los mismos. Sin embargo, se han cambiado los enlaces alelicos.
La idea de este operador es producir ordenamientos en los cuales los esquemas
beneficos puedan sobrevivir con mayor facilidad.
Por ejemplo, supongamos que en el ordenamiento original el esquema 00**01**
es muy importante. Tras usar este operador, el esquema nuevo sera 0010****.
Si este nuevo esquema tiene una aptitud mas alta, presumiblemente la cruza
de un punto lo preservara y esta permutacion tendera a diseminarse con el paso de
las generaciones.
243

Debe advertirse que el uso de este operador introduce nuevos problemas cuando
se combina con la cruza de un punto. Supongamos, por ejemplo, que se cruzan
las cadenas:

>

: (1,0) (2,0) (6,1) (5,0) (4,1) (3,0) (7,0) (8,1)

y

: (5,1) (2,0) (3,1) (4,1) (1,1) (8,1) (6,0) (7,0)

>

Si el punto de cruza es la tercera posicion, los hijos producidos seran:

>

: (1, 0) (2, 0) (6, 1) (4, 1) (1, 1) (8, 1) (6, 0) (7, 0)

y

: (5, 1) (2, 0) (3, 1) (5, 0) (4, 1) (3, 0) (7, 0) (8, 1)

>

Estas nuevas cadenas tienen algo mal. La primera tiene 2 copias de los bits 1
y 6 y ninguna copia de los bits 3 y 5. La segunda tiene 2 copias de los bits 3 y 5 y
ninguna copia de los bits 1 y 6.
Como podemos asegurarnos de que este problema no se presente?
Holland propuso 2 soluciones posibles:
1. Permitir que se realice la cruza solo entre cromosomas que tengan los ndices
en el mismo orden. Esto funciona pero limitara severamente la cruza.
2. Emplear un enfoque amo/esclavo: escoger un padre como el amo, y reordenar temporalmente al otro padre para que tenga el mismo ordenamiento
que su amo. Usando este tipo de ordenamiento se produciran cadenas que
no tendran redundancia ni posiciones faltantes.
La inversion se uso en algunos trabajos iniciales con AGs, pero nunca mejoro
dramaticamente el desempeno de un AG. Mas recientemente se ha usado con un
e xito limitado en problemas de ordenamiento tales como el del viajero.
Sin embargo, no hay todava un veredicto final en torno a los beneficios que
este operador produce y se necesitan mas experimentos sistematicos y estudios
teoricos para determinarlos.
Adicionalmente, cualquier beneficio que produzca este operador debe sopesarse con el espacio extra (para almacenar los ndices de cada bit) y el tiempo
extra (para reordenar un padre antes de efectuar la cruza) que se requiere.
244

13.3 Micro-Operadores
En la Naturaleza, muchos organismos tienen genotipos con multiples cromosomas. Por ejemplo, los seres humanos tenemos 23 pares de cromosomas diploides.
Para adoptar una estructura similar en los algoritmos geneticos necesitamos extender la representacion a fin de permitir que un genotipo sea una lista de k pares
de cadenas (asumiendo que son diploides).
Pero, para que tomarnos estas molestias?
Holland [127] sugirio que los genotipos con multiples cromosomas podran
ser u tiles para extender el poder de los algoritmos geneticos cuando se usan en
combinacion con 2 operadores: la segregacion y la traslocacion.

13.3.1 Segregacion
Para entender como funciona este operador, imaginemos el proceso de formacion
de gametos cuando tenemos mas de un par cromosomico en el genotipo. La cruza
se efectua igual que como vimos antes, pero cuando formamos un gameto, tenemos que seleccionar aleatoriamente uno de los cromosomas haploides.
A este proceso de seleccion aleatoria se le conoce como segregacion. Este
proceso rompe cualquier enlace que pueda existir entre los genes dentro de un
cromosoma, y es u til cuando existen genes relativamente independientes en cromosomas diferentes.

13.3.2 Traslocacion
Puede verse como un operador de cruza intercromosomico. Para implementar este
operador en un algoritmo genetico necesitamos asociar los alelos con su nombre
genetico (su posicion), de manera que podamos identificar su significado cuando
se cambien de posicion de un cromosoma a otro mediante la traslocacion.
El uso de este operador permite mantener la organizacion de los cromosomas
de manera que la segregacion pueda explotar tal organizacion.
La segregacion y la traslocacion no se han usado mucho en la practica, excepto
por algunas aplicaciones de aprendizaje de maquina [198, 208].

13.3.3 Duplicacion y Borrado

Estos son un par de operadores de bajo nivel sugeridos para la busqueda artificial
efectuada por el AG. La duplicacion intracromosomica produce duplicados de un
245

gen en particular y lo coloca junto con su progenitor en el cromosoma. El borrado

actua a la inversa, removiendo un gen duplicado del cromosoma.
Holland [127] ha sugerido que estos operadores pueden ser metodos efectivos
de controlar adaptativamente el porcentaje de mutacion. Si el porcentaje de mutacion permanece constante y la duplicacion ocasiona z copias de un gen en particular, la probabilidad de mutacion efectiva para este gen se multiplica por z . Por
otra parte, cuando ocurre el borrado de un gen, el porcentaje efectivo de mutacion
se decrementa.
Cabe mencionar que una vez que ha ocurrido una mutacion en uno de los
nuevos genes, debemos decidir cual de las alternativas sera la que se exprese, en
un proceso similar al que enfrentamos con los diploides.
De hecho, podemos considerar la presencia de multiples copias de un gen
como una dominancia intracromosomica, en contraposicion con la dominancia
intercromosomica que resulta mas tradicional en los diploides.
Holland ha sugerido el uso de un esquema de arbitraje para hacer la eleccion
necesaria entre las diferentes alternativas presentes, aunque no se han publicado
estudios sobre este mecanismo hasta la fecha. La duplicacion puede permitir cosas
mas interesantes en un AG, como por ejemplo cadenas de longitud variable (AGs
desordenados o mGAs).

13.4 Problemas Propuestos

1. Investigue la forma en la que se implementara un cromosoma triploide y
discuta una posible aplicacion del mismo. El libro de Goldberg podra serle
{
de ayuda:
David E. Goldberg, Genetic Algorithms in Search, Optimization and
Machine Learning, Addison-Wesley Publishing Co., Reading, Massachusetts, 1989.
2. Implemente los micro-operadores discutidos en este captulo y desarrolle
alguna aplicacion para ellos. Cual de ellos considerara como mas difcil
de implementar? Cual es el mas facil? Explique.

246

Captulo 14
Aplicaciones Exitosas de la
Computacion Evolutiva
En este capitulo revisaremos brevemente algunas aplicaciones exitosas de la computacion evolutiva a problemas del mundo real. La intencion es mostrar el potencial de estas tecnicas en la solucion de problemas de norme complejidad.

de Peptidos
14.1 Diseno
Un equipo de Unilever Research ha usado algoritmos geneticos combinados con
redes neuronales para disenar nuevos peptidos bactericidas para usarse en limpiadores
anti-bacterianos y preservativos de alimentos.
Las redes neuronales se utilizaron para predecir la actividad bactericida en
los peptidos, y posteriormente se combinaron con algoritmos geneticos para optimizar peptidos virtuales. El resultado fue la generacion de mas de 400 bactericidas
virtuales potencialmente activos, de los cuales 5 fueron sintetizados.

14.2 Optimizacio n de Estrategias de Producci o n

La empresa de software escocesa Quadstone, uso algoritmos geneticos para resolver un problema de optimizacion de estrategias de produccion de British Petrol.
El objetivo era maximizar el retorno financiero de un grupo de campos petrolferos
y de gas interdependientes. El problema es bastante complejo debido a los muchos compromisos posibles entre beneficios y penalizaciones. Sin embargo, aun
247

una mejora relativamente pequena puede traer enormes ahorros a la larga, ya que
su impacto es acumulativo.
El uso de algoritmos geneticos en este problema produjo retornos netos substancialmente mejores que los producidos previamente por cualquier planeador
humano o por cualquier otra tecnica de optimizacion.

14.3 Prediccio n
La empresa holandesa Cap Gemini y la empresa britanica KiQ Ltd han desarrollado de forma conjunta un sistema llamado Omega,el cual usa algoritmos
geneticos para resolver problemas de mercadotecnia, credito y aplicaciones financieras relacionadas.
Omega usa como punto de partida un portafolio de comportamiento previo de
un cliente, ya partir de e l genera un modelo matematico que puede usarse posteriormente para predecir comportamientos de clientes que se encuentren fuera de los
portafolios conocidos. Este software puede utilizarse para evaluar solicitudes de
credito, generar listas de correo (para publicidad), modelar lealtad de los clientes
a un producto, y para detectar fraudes.
Recientemente, un banco holandes comparo Omega contra su sistema de asignacion de credito tradicional (basado en sistemas expertos), encontrando que Omega
era substancialmente superior tanto en cantidad (ofreca mas prestamos) como en
calidad (se reduca el riesgo en los creditos) de los prestamos evaluados.

de un Sistema de Suspensi o n
14.4 Diseno
Investigadores del KanGAL, el Laboratorio de Algoritmos Geneticos de Kanpur, en la India, han utilizado esta tecnica para disenar un sistema de suspension
para un automovil que es mas comodo que el previamente utilizado por una empresa automotriz reconocida mundialmente.
Utilizando un modelo tridimensional de un automovil, estos investigadores
optimizaron el diseno de los amortiguadores y los resortes de rigidez del vehculo.
Las simulaciones efectuadas muestran que el sistema generado por el algoritmo
genetico hace que los pasajeros sufran menor aceleracion vertical, de manera que
se disfruta de un mayor confort que con los sistemas utilizados previamente por
el fabricante de automoviles en cuestion.
248

14.5 Programacio n de Horarios

Un grupo de investigadores del Joszef Stefan Institute, en Eslovenia, desarrollaron
un sistema de programacion de horarios basado en tecnicas evolutivas. El sistema
ha reducido sustancialmente los costos de energa en la planta de prensado de una
fabrica de automoviles.
El sistema utiliza una heurstica avariciosa (greedy, en ingles) para disenar
horarios iniciales que luego son utilizados como punto de partida por una tecnica
evolutiva que minimiza el consumo de energa durante las horas pico.

de una Red de Agua Potable

14.6 Diseno
Tras un estudio en la region de York (en Ontario, Canada), se determino que la
poblacion de aquel lugar se duplicara en el perodo de 1996 a 2031. De tal manera,
se hace necesario extender y reforzar la infraestructura de su red de suministro de
agua potable.
Para tener una idea de la magnitud del problema, hay que tener en cuenta lo
siguiente:
{
Se usaron 300 nuevos tipos de tubos, cada uno de los cuales poda adoptar

{ uno de 14 diametros disponibles (de 300 mm a 2100 mm)

Combinando las demas variantes del problema (p.ej. ubicacion de las estaciones de bombeo, etc.) se estimo que el tamano del espacio de busqueda
era de aproximadamente |(}~" . Este numero es superior a la cantidad de
a tomos en el universo.
Antes de intentar resolver este problema, se recurrio a un analisis que incluyo
lo siguiente:
{

{ Estudios de campo extensivos de la red y de las estaciones de bombeo

Se construyo un modelo de todos los cauces principales de la region, usando
StruMap, que es un sistema de informacion geografica que tiene un modulo
integrado para resolver redes hidraulicas.
Antes de intentar usar tecnicas evolutivas en este problema, se recurrio al
analisis efectuado por expertos humanos. Dicho estudio solo reporto resultados
249

hasta el ano 2011, y hubieron de extrapolarse los resultados para el ano 2031. El
costo estimado de la extension y reforzamiento de la red de agua potable fue de
$150 millones de dolares.
Usando la informacion disponible, se procedio entonces a utilizar GAnet, que
es una biblioteca de clases para desarrollar algoritmos geneticos. GAnet incluye
rutinas para simular redes hidraulicas y permite el manejo de restricciones duras
y blandas.
{
GAnet propuso lo siguiente:

{ Agregar 85 tuberas principales a las 750 ya existentes.

Se propusieron 6 nuevas estaciones de bombeo y se sugirio expandir 3 de

{ las ya existentes, totalizando 42 nuevas bombas.

{ Se propuso sacar de circulacion a 3 estaciones de bombeo.

Se propusieron 7 nuevos tanques elevados y se sugirio sacar de circulacion
a 2 de los existentes.
El costo estimado de los cambios propuestos por GAnet fue de $102 millones de dolares. Esta solucion resulto 35% mas economica que la propuesta por
disenadores humanos expertos. Esto se tradujo en un ahorro estimado de unos
$54 millones de dolares.
GAnet es uno de los 3 productos principales de software de la empresa Optimal Solutions. Los otros 2 son:
1. GAser: Genetic Algorithms Sewer Analysis, que se usa para optimizar redes
de alcantarillado.
2. GAcal: Herramienta para calibrar modelos hidraulicos.
La empresa Optimal Solutions fue fundada en 1996. Su pagina web esta en:
http://www.ewan.co.uk/os.html
Esta empresa surgio a partir de la investigacion del Dr. Dragan Savic y sus
colaboradores en la Universidad de Exeter (en Inglaterra).
Actualmente, Optimal Solutions tiene varios contratos dentro y fuera del Reino
Unido y se les considera la vanguardia en cuanto a optimizacion hidraulica con
tecnicas no convencionales
Esta empresa esta asociada con Ewan Associates en lo que constituye un ejemplo a seguir de vinculacion entre una universidad y la industria.
250

Figura 14.1: Dragan Savic.

14.7 Optimizacio n de Losas de Concreto Prefabricadas

El siguiente es un problema que fue abordado en el Engineering Design Centre
de la Universidad de Plymouth, en Inglaterra.
La empresa britanica Redlands produce losas prefabricadas de concreto en
grandes volumenes. El diseno de la topologa (o sea la forma) de dichas losas ha
sido optimizado por matematicos usando tecnicas tradicionales de optimizacion.
Desde el punto de vista de ingeniera civil, la losa se representa como una
placa sujeta a diversos tipos de cargas, comenzando con una puntual (el caso
mas simple) hasta varias cargas distribuidas en diferentes partes de su superficie. El problema tiene una alta dimensionalidad (unas 400 variables de desicion,
las cuales son todas continuas). El costo computacional asociado con la solucion
de este problema tambien es muy alto. Una sola evaluacion de la funcion de aptitud toma alrededor de 10 minutos en una estacion de trabajo Sun Sparc con 6
procesadores
Para la solucion del problema se recurrio al uso de ANSYS, que es un programa comercial para realizar analisis por medio del elemento finito. Debido al
alto costo computacional asociado con el problema, resulto muy obvia la necesidad de desarrollar un esquema que redujera al mnimo posible la cantidad de evaluaciones de la funcion de aptitud. La pregunta fundamental era si se podra disenar
un algoritmo genetico el cual, con un numero relativamente bajo de evaluaciones
de la funcion de aptitud, pudiese mejorar las soluciones producidas por expertos
humanos.
251

Para utilizar computacion evolutiva se recurrio a un algoritmo genetico con

representacio real implementado en FORTRAN. A fin de mantener dentro de un
lmite razonable el costo computacional del algoritmo, se recurrio a un esquema
distribuido para evaluar la funcion de aptitud. La clave fundamental de la propuesta fue una representacion con cambio de granularidad, en la cual se empezaba
con una granularidad gruesa (es decir, un intervalo grande entre cada valor de
las variables) y se haca correr al algoritmo genetico durante un cierto numero
de generaciones (pre-convenido, o hasta alcanzar la convergencia nominal1 ). Una
vez hecho eso, se cambiaba la granularidad a otra mas fina, y se proceda a continuar con las iteraciones del algoritmo genetico. Esto permitio un acercamiento
progresivo hacia la zona factible, manteniendo un costo computacional razonable
para el algoritmo genetico.
La mejor solucion obtenida por el algoritmo genetico resulto entre 3% y 5%
mas economica que la mejor encontrada por expertos humanos con tecnicas tradicionales de optimizacion. Esto se tradujo en ahorros de aproximadamente 1.3
millones de libras esterlinas por ano para Redlands. Si consideramos que esta
empresa invirtio unas 50 mil libras esterlinas en total en esta inveestigacion, el
retorno de su inversion fue cuantioso.

14.8 Problemas Propuestos

1. Investigue
aplicaciones de los algoritmos geneticos en las siguientes a reas:
{

Planeacion de movimientos de robots

Diseno de armaduras (planas y espaciales)

Inferencia gramatical (aplicada a reconocimiento de voz)

Diseno de redes de telecomunicaciones

{
{

Diseno de circuitos electricos

Compresion de datos
Optimizacion de consultas en bases de datos

Se le recomienda consultar:
1

Hay varios criterios para definir convergencia nominal. Uno que suele adoptarse es el de la
similitud genotpica. Cuando la mayora de los individuos en la poblacion son muy similares al
nivel genotipo, puede decirse que se alcanzo convergencia nominal

252

{
Mitsuo Gen and Runwei Cheng, Genetic Algorithms & Engineering
Optimization, Wiley Series in Engineering Design and Automation.
{
John Wiley & Sons, New York, 2000.

Lawrence Davis (editor), Handbook of Genetic Algorithms, Van Nostrand Reinhold, New York, New York, 1991.
Thomas Back, David B. Fogel & Zbigniew Michalewicz (editor), Handbook of Evolutionary Computation, Institute of Physics Publishing and
Oxford University Press, New York, 1997.

2. Busque mas aplicaciones de la computacion evolutiva a problemas del mundo

real. Vea, por ejemplo, la pagina web de Evonet (hay diversos espejos de
esta pagina en Europa):
http://ls11-www.informatik.uni-dortmund.de/evonet/Coordinator/evonet.html

3. Investigue sobre posibles aplicaciones de la computacion evolutiva a problemas de su comunidad. Identifique posibles problemas y la forma en que
e stos se resolveran usando algoritmos geneticos.

253

254

Captulo 15
AGs Paralelos
15.1 Nociones de Paralelismo
Podemos definir el procesamiento en paralelo como la ejecucion concurrente (o
simultanea) de instrucciones en una computadora. Dicho procesamiento puede
ser en la forma de eventos que ocurran [152]:
1. durante el mismo intervalo de tiempo
2. en el mismo instante
3. en intervalos de tiempo traslapados
La motivacion mas obvia del paralelismo es el incrementar la eficiencia de
procesamiento.
Existen muchas aplicaciones que demandan grandes cantidades de tiempo de
procesamiento y que, por ende, resultan beneficiadas de contar con arquitecturas
en paralelo.
Una de las frecuentes confusiones respecto al paralelismo es que se cree que
al contar con una computadora que tenga procesadores trabajando en el mismo
problema, e ste podra resolverse veces mas rapido. Esto es falso.
Al usar varios procesadores para una misma tarea, debemos tomar en cuenta
que { existiran:

{ Problemas de comunicacion entre ellos.

Conflictos al intentar accesar la memoria.
255

Figura 15.1: Michael J. Flynn.

Algoritmos ineficientes para implementar el paralelismo del problema. paralelismo del problema.

Por tanto, si tenemos procesadores, el incremento de velocidad normalmente

no sera de veces.
Existe un lmite inferior respecto del incremento de velocidad real al tener
procesadores. A este lmite inferior se le conoce como la Conjetura de Minsky,
y es de  .
Aunque el lmite superior depende realmente de si se considera a todo el programa (incluyendo la parte de entrada y salida, la cual suele ser secuencial), suele
aceptarse que e ste esta definido por  [133].

De estos 2 lmites puede inferirse facilmente que no resulta u til agregar mas y
mas procesadores, si lo que queremos es hacer mas rapida a una computadora.
La eficiencia de un sistema de computo se mide en terminos de sus capacidades tanto en hardware como en software. A dicha medida de eficiencia se le
conoce como rendimiento total (throughput) y se define como la cantidad de
procesamiento que puede realizarse en un cierto intervalo de tiempo.
Una tecnica que ha conducido a incrementos notables del rendimiento total de
un sistema de computo es el proceso de encauzamiento (pipelining).
Este proceso de encauzamiento es analogo a una lnea de ensamblaje en una
planta industrial. Una funcion a ejecutarse por una computadora es dividida en
sub-funciones mas pequenas, y se disena hardware separado (llamado etapa) para
cada una de estas subfunciones. Estas etapas estan conectadas entre s, de manera
que forman un solo cauce (o pipeline) que realiza la funcion original.
256

Michael J. Flynn [78] introdujo un esquema para clasificar la arquitectura de

una computadora basado en la forma en la que la maquina relaciona sus instrucciones con los datos que procesa. Flynn definio el termino stream (flujo) como
una secuencia de elementos, ya sea datos o instrucciones, ejecutados u operados
por un procesador.
La
{ clasificacion de Flynn es la siguiente:

{ SISD: Single Instruction Stream, Single Data Stream

{ SIMD: Single Instruction Stream, Multiple Data Stream
{ MISD: Multiple Instruction Stream, Single Data Stream
MIMD: Multiple Instruction Stream, Multiple Data Stream
Una computadora SISD es la computadora serial convencional que todos conocemos, en la cual las instrucciones se ejecutan una por una, y se usa una sola instruccion para lidiar con, cuando mucho, una operacion sobre los datos. Aunque
es posible introducir cierto nivel de paralelismo en estas computadoras (usando
pipelining), la naturaleza secuencial de la ejecucion de sus instrucciones la coloca
en esta categora.
En una computadora SIMD, una sola instruccion puede iniciar un gran numero
de operaciones. Estas instrucciones (llamadas vectoriales) se ejecutan de manera
secuencial (una a la vez), pero son capaces de trabajar sobre varios flujos de datos
a la vez. Tambien en este caso es posible usar pipelining para acelerar la velocidad
de procesamiento.
La clase MISD implica la ejecucion de varias instrucciones operando simultaneamente
sobre un solo dato. Este modelo es u nicamente teorico, porque no existen computadoras que caigan dentro de esta categora.
Una computadora MIMD se caracteriza por la ejecucion simultanea de mas de
una instruccion, donde cada instruccion opera sobre varios flujos de datos. Ejemplos de esta arquitectura son los sistemas multiprocesadores. Para lo relacionado
con AGs paralelos, solo hablaremos de las computadoras SIMD y MIMD.

15.2 AGs Paralelos

Una vez revisados algunos conceptos basicos de paralelismo, procederemos a
analizar los esquemas mas comunes de paralelizacion de un algoritmo genetico.
257

CPU
maestro

Poblacion
S

...

...

Seleccion

Cruza

Mutacion

Aptitud

Figura 15.2: Esquema de paralelizacion global de un algoritmo genetico.

15.2.1 Paralelizacion global

El metodo mas simple de paralelizar un AG es la llamada paralelizaci o n global,
la cual se ilustra en la figura 15.2. En este caso, solo hay una poblacion, como en el
AG convencional, pero la evaluacion de los individuos y los operadores geneticos
se paralelizan de forma explcita.
Puesto que solo hay una poblacion, la seleccion considera a todos los individuos y cada individuo tiene oportunidad de aparearse con cualquier otro (o sea,
hay apareamiento aleatorio). Por lo tanto, el comportamiento del AG simple
permanece sin cambios.
La paralelizacion global es un metodo relativamente facil de implementar y
puede obtenerse un incremento significativo de velocidad si los costos de comunicacion no dominan los costos de procesamiento. Una observacion importante es
que no debe confundirse el concepto de paralelismo implcito de un AG con el
de paralelismo explcito.
A la paralelizacion global tambien se le conoce como AG panmtico, pues se
cuenta con un solo deposito de material genetico (gene pool), o sea con una sola
258

Estructura de Interconexion

Cada EP
tiene una
memoria
local

EP

EP

Pob1

Pob2

...

EP

Elementos de
procesamiento

Pob3

Poblaciones o
demes

Figura 15.3: Esquema de funcionamiento de un algoritmo genetico paralelo de

grano grueso.
poblacion.
Los AGs panmticos son u tiles cuando el costo de evaluar la funcion de aptitud
es elevado (p.ej., una simulacion). En el AG panmtico no se requieren nuevos
operadores ni nuevos parametros y la solucion encontrada sera la misma que la
producida con un AG convencional (o sea, serial).
Es importante hacer notar que aunque el paralelismo global normalmente es
sncrono (o sea, que el programa se detiene y espera a recibir los valores de aptitud de toda la poblacion antes de proceder a producir la siguiente generacion),
puede implementarse tambien de forma asncrona, aunque en ese caso, su funcionamiento ya no resultara equivalente al de un AG convencional.
Ademas de paralelizarse la evaluacion de la funcion de aptitud, en el paralelismo global es posible incluir tambien los operadores geneticos, pero dada la
simplicidad de e stos, no suelen paralelizarse, pues los costos de comunicacion
disiparan cualquier mejora en el desempeno del programa.

15.2.2 AGs de grano grueso

Una idea mas sofisticada es usar los llamados AGs de grano grueso, cuyo funcionamiento se ilustra en la figura 15.3. En este caso, la poblacion del AG se
divide en multiples subpoblaciones o demes que evolucionan de manera aislada
la mayor parte del tiempo, aunque intercambian individuos ocasionalmente.
A este intercambio de individuos se le llama migraci o n, y se considera como
un nuevo operador genetico. Ademas de requerirse parametros adicionales en
este caso, el comportamiento de un AG de grano grueso es diferente del de un AG
convencional.
259

A los AGs de grano grueso se les suele llamar tambien AGs distribuidos,
porque suelen implementarse en computadoras MIMD con memoria distribuida.
Asimismo, algunos autores los llaman tambien AGs de isla, haciendo alusion a
un modelo poblacional usado en genetica en el cual se consideran demes relativamente aislados. A este modelo se le conoce como modelo de isla.
Los
AGs de grano grueso son muy populares debido a varias razones:
{
Son una extension muy simple de los AGs seriales. Simplemente se toman
unos cuantos AGs convencionales (seriales), se corre cada uno de ellos en
un procesador diferente y, a ciertos intervalos de tiempo, se intercambian
{ unos cuantos individuos entre ellos.
Aunque no se tenga acceso a una arquitectura paralela, puede implementarse un AG de grano grueso a traves de una simulacion efectuada en una
red de estaciones de trabajo, o incluso en una computadora con un solo
procesador haciendo la simulacion mediante software (usando por ejemplo
{ MPI o PVM).
Se requiere relativamente de poco esfuerzo para convertir un AG serial en
un AG de grano grueso. La mayor parte de la programacion permanece
igual, y solo se requieren ciertas rutinas adicionales para implementar la
migracion.
Los
parametros que requieren los AGs de grano grueso son:
{

{ Numero de demes (esto puede estar determinado por el hardware disponible).

{ Tamano de cada deme.
{ Estructura de la interconexion (o sea, la topologa).
{ Intervalo de migracion
{ Tasa de migracion
{ Radio de seleccion
Radio de migracion
260

De entre estos parametros, algunos como la topologa, juegan un papel preponderante en el desempeno del AG. La topologa determina que tan rapido (o
que tan lentamente) se disemina una buena solucion hacia los otros demes.
Si se usa una topologa dispersamente conectada (con un diametro grande), las
soluciones se diseminaran mas lentamente y los demes estaran mas aislados entre
s, permitiendo la aparicion de soluciones diferentes, favoreciendo probablemente
la diversidad.
La topologa juega tambien un papel preponderante en el costo de las migraciones. Por ejemplo, una topologa densamente conectada puede promover una
mejor mezcla de individuos, pero a un costo computacional mas alto.
Se sabe, por ejemplo, que una topologa densa tiende a encontrar soluciones
globales con un menor numero de evaluaciones de la funcion de aptitud que si se
usa una topologa dispersa.
Tambien es posible usar topologas din a micas, en las que los demes no estan
limitados a poder comunicarse solo con un cierto conjunto predefinido de demes,
sino que enva sus migrantes a aquellos demes que satisfacen ciertos criterios.
La idea de este esquema es que puedan identificarse los demes donde los migrantes tienen mayores probabilidades de producir algun efecto. Usualmente, se
usa la diversidad como el criterio principal para definir que tan adecuado es un
cierto deme.
Es importante mantener en mente la idea de que una topologa es una estructura logica que puede diferir de la estructura de hardware disponible. Es decir,
la topologa de un AG paralelo no necesariamente debe coincidir con la de nuestra computadora. El problema de hacer esto, sin embargo, es que los costos de
comunicacion resultantes pueden ser muy elevados.
Relacionado con las topologas se encuentra el concepto de vecindario.
El vecindario se refiere al a rea dentro de la cual puede moverse un migrante
de un cierto deme.
Asociado al vecindario se encuentra el concepto de radio de seleccion, que se
refiere a la cantidad de vecinos entre los cuales se puede efectuar la seleccion. Es
comun usar un radio de seleccion de cero, o sea, efectuar la seleccion solo dentro
del mismo deme, aunque cualquier otro valor es valido.
Es comun usar vecindarios compactos en computacion evolutiva, motivados
por el hecho de qe en la naturaleza, las poblaciones estan limitadas geograficamente.
En AGs paralelos, es facil definir vecindarios compactos, y de ah que sean
tan populares en computacion evolutiva.
261

Figura 15.4: Algunas topologas posibles.

262

15.2.3 AG de grano fino

Otra forma de paralelizar un AG es usando un esquema de grano fino. En este
caso, la poblacion de un AG se divide en un gran numero de subpoblaciones muy
pequenas. De hecho, el caso ideal sera tener solo un individuo por cada unidad
de procesamiento disponible.
Este modelo es adecuado para arquitecturas masivas en paralelo, aunque puede
implementarse en cualquier tipo de multiprocesador.
El problema del paralelismo de grano fino es que el costo de comunicacion
entre los procesadores puede hacer que el desempeno del algoritmo se degrade
con relativa facilidad.
Es comun implementar este tipo de paralelismo colocando los individuos en
una malla bidimensional, debido a que e sta es la topologa usada en hardware para
muchas arquitecturas masivas en paralelo.
Resulta difcil comparar de manera justa a un AG paralelo de grano fino con
uno de grano grueso, y los pocos estudios al respecto suelen enfatizar solo una
cierta metrica (por ejemplo, la calidad de las soluciones encontradas). De tal
forma, no hay un claro ganador entre estos 2 esquemas.

15.2.4 Esquemas hbridos

Otra posibilidad para implementar un AG paralelo es combinar los esquemas descritos anteriormente. Debe cuidarse, sin embargo, de que el esquema resultante
no sea mas complejo que los esquemas originales. A continuacion veremos varios
hbridos posibles.
Un posible hbrido consiste en usar un AG de grano fino a bajo nivel y otro de
grano grueso a alto nivel, tal y como se muestra en la figura 15.5.
Un ejemplo de este tipo de hbrido es el AG propuesto por Gruau [118], en el
cual la poblacion de cada deme se coloca en una malla bidimensional y los demes
se conectan entre s en forma de toroide bidimensional. La migracion entre los
demes vecinos ocurre a intervalos regulares.
Otro posible esquema hbrido consiste en usar una forma de paralelizacion
global en cada uno de los demes de un AG de grano grueso. Este esquema se
ilustra en la figura 15.6.
En este caso, la migracion ocurre entre los demes de manera similar a un AG
de grano grueso, pero la evaluacion de los individuos se maneja en paralelo. Esta
tecnica no introduce nuevos problemas analticos, y puede ser muy u til cuando se
263

Figura 15.5: Ejemplo de un esquema hbrido en el que se combina un AG de grano

grueso (a alto nivel) con un AG de grano fino (a bajo nivel).

Figura 15.6: Un esquema hbrido en el cual se usa un AG de grano grueso de alto

nivel donde cada nodo es a su vez un AG con paralelismo global.

264

Figura 15.7: Un esquema hbrido en el que se usa un AG de grano grueso tanto

a alto como a bajo nivel. A bajo nivel, la velocidad de migracion es mayor y la
topologa de comunicaciones es mucho mas densa que a alto nivel.
trabaja con aplicaciones en las cuales la mayor parte del tiempo de procesamiento
lo consume la evaluacion de la funcion de aptitud.
Un tercer metodo hbrido podra consistir en usar un AG de grano grueso tanto
a bajo como a alto nivel. Un esquema de este tipo se ilustra en la figura 15.7.
En este caso, la idea es forzar el mezclado panmtico a bajo nivel usando una
alta tasa de migracion y una topologa densa, y usar una baja tasa de migracion a
alto nivel. Este hbrido sera equivalente en complejidad a un AG de grano grueso,
si consideramos a los grupos de subpoblaciones panmticas como un solo deme.
Segun Cantu Paz [39], este esquema nunca ha sido implementado.

15.2.5 Tipos de Arquitecturas

Otra forma de hablar sobre AGs paralelos, es desde la perspectiva del tipo de arquitectura computacional a utilizarse. Desde este punto de vista, podemos hablar
fundamentalmente de usar:
1. SIMD
2. MIMD
265

Unidad de
control

UC

EP

EP

Mem

Mem

...

...

EP

Mem

Elementos de
Procesamiento

Memoria

Figura 15.8: Un ejemplo de arquitectura SIMD.

15.2.5.1 SIMD
En este caso, cada elemento de procesamiento (EP) tiene su propia memoria y
controla su propio espacio de direccionamiento, aunque tambien podra haber una
sola{ memoria global compartida por todos los EPs.
Las arquitecturas SIMD normalmente tienen una forma de malla (mesh) o

{ de toroide.

Esta arquitectura (SIMD) suele usarse para AGs de grano fino (o sea, para

{ demes de tamano reducido: 12 a 15 individuos cada uno).

Sin embargo, puede implementarse un AG de grano grueso con la misma

arquitectura si se usan tamanos mayores de demes (p.ej. 50 o 100 individ{ uos).
El grado de conectividad es mucho mas importante que la estructura de
las interconexiones en una arquitectura SIMD. Se sabe que un grado de
{ conectividad de alrededor de 6 es razonablemente bueno.
El uso de una arquitectura SIMD esta asociado con el uso de migracion
y dicho operador puede complicarse bastante, dependiendo del grado de
conectividad de la arquitectura.
15.2.5.2 Migracion
Dos son los parametros principales relacionados con la migracion:
1. Vecindario de migracion: hacia que demes podemos migrar un individuo.

266

2. Probabilidad de migracion: cual es la probabilidad de aceptar a un migrante en un cierto deme (suelen usarse valores altos, p.ej. 0.8)?
Los puntos importantes relacionados con la migracion son 2:
1. A quien importar en una poblacion?
2. A quien reemplazar en una poblacion?
Existen
varios criterios para llevar a cabo estas 2 operaciones:
{

{ Importar al azar y reemplazar al azar

{ Importar al azar y reemplazar al peor individuo en el deme.
{ Importar el mejor y reemplazar al azar.
{ Importar el mejor y reemplazar el peor.
Se sabe que la poltica de reemplazo no es muy importante (no parece tener

{ un efecto significativo en el desempeno de un AG paralelo).

Sin embargo, el criterio de importacion s es importante (importar al mejor

parece funcionar bien).
15.2.5.3 MIMD
Las arquitecturas MIMD (ver figura 15.9) pueden ser de 2 tipos:
1. Descentralizadas: tienen poca o ninguna memoria global.
2. Centralizadas: cuentan con una memoria global compartida.
Las
arquitecturas MIMD suelen asociarse con los AGs de grano grueso.
{
En la arquitectura MIMD suele tenerse un numero pequeno de demes (normalmente, menor a 40), pero el tamano de cada uno de ellos suele ser
{ grande.
Es posible usar la misma representacioin para cada deme, o mezclar diferentes representaciones.
267

UC

UC
UC
Estructura
de
Interconexion

UC

. . .
UC

UC = Unidad de Control

Figura 15.9: Un ejemplo de arquitectura MIMD.

Global

Migracion

Local

Figura 15.10: Una topologa que suele usarse con las arquitecturas MIMD es la
de a rbol.

268

Busqueda
local

Busqueda
global
1

direccion
de la
mutacion

Mas
disruptiva

Menos
disruptiva

Figura 15.11: Topologa de anillo.

Los demes suelen diferenciarse debido al particionamiento del espacio de

{ busqueda.

Las polticas de migracion, en este caso, estan dictadas por el proposito de

los demes.
La migracion en este caso introduce 2 nuevos parametros:
1. Con que frecuencia exportar? (siempre se exporta el mejor). Si se hace con
mucha frecuencia, se produce disrupcion. Si se hace con poca frecuencia,
habra poca recombinacion y puede producirse convergencia prematura en
ciertos demes.
2. A que deme exportar? Normalmente se usa una de las 2 s iguientes op{
ciones:

Exportar el mejor individuo hacia el peor deme.

Exportar hacia el deme donde se tenga una mejor correspondencia
(matching) con respecto al individuo elitista, medida usando la distancia de Hamming (en el genotipo).

Otra posibilidad para una arquitectura MIMD es usar una topologa de anillo
como la mostrada en la figura 15.11.
En este tipo de topologa, la busqueda puede hacerse mas local cambiando la
precision de la representacion.
Otra posibilidad es usar una topologa de grafo con z interconexiones, o una
topologa de estrella, como las que se muestran en la figura 15.12.
269

IS

Figura 15.12: Topologa de grafo y de estrella.

En esta topologa, se usan tpicamente menos de 100 procesadores.
Algunas opciones interesantes de la topologa de grafo con z interconexiones
(o de estrella) son las siguientes:
1. Mientras que la arquitectura es MIMD, pueden usarse la misma estructura
y las mismas opciones para migracion que con la arquitectura SIMD.
2. Pizarrones: Usando datos globales, cada deme decide por s mismo cuando
cambiar su direccion de busqueda.

15.2.6 Metricas
Otro punto interesante relacionado con los AGs paralelos son las m e tricas.
Normalmente,
se consideran 2 de las metricas usadas con AGs simples:
{
Velocidad de convergencia: Tiempo (generaciones) en alcanzar el o ptimo.

Precision de la respuesta obtenida: Que tan buena es la solucion con

{ respecto a la obtenida con otras tecnicas?
Diversidad: El grado en el cual los organismos (de una sola o de varias
poblaciones) permanecen diferentes.
Sin embargo, hay al menos una metrica adicional que es exclusiva de los AGs
paralelos:
{
Velocidad de propagacion de los esquemas: que tan bien distribuidos
estan los esquemas aptos? O sea, que tan u til resulta la migracion?
270

15.2.7 Midiendo la diversidad

Existen expresiones estandar para medir la diversidad de un AG (serial o paralelo).
Consideremos por ejemplo la siguiente:




|. X

l

= Longitud cromosomica.
= numero de demes.
no de cada deme.
n=,tama

= Valor del i-esimo bit en el k-esimo miembro

del
j-
e
simo deme.

= diversidad.

} |h representa la diversidad de una poblacion

En esta formula,
(o conjunto de poblaciones).

Si las cadenas consisten de puros ceros, } .

Si las cadenas consisten de puros unos,
C } .
Si las cadenas son del tipo 101010...10,
} .

15.2.8 Velocidad de propagacion de esquemas

A que se refiere la velocidad de propagacion de esquemas?
Se refiere no solo al porcentaje de demes en los que un cierto esquema esta
presente, sino tambien al porcentaje en el cual dicho esquema esta presente en un
deme vecino.
{ omo medimos la propagacion de esquemas?
C
Idealmente, deberamos conocer de antemano cuales son los buenos esque-

{ mas.

Esto, sin embargo, es imposible en la practica.

{
Una
alternativa viable es:
{ Escoger varios esquemas de antemano.
Hacer que la propagacion de esquemas sea la fraccion maxima de demes en
la cual aparece un esquema.
271

Ejemplo del calculo de la propagacion de esquemas (SP):

Esquemas
% de demes
seleccionados
en los que aparecen
*1*10*
3/9
*110**
4/9
*10*0*
5/9
En este caso: SP = 5/9

15.3 Problemas Propuestos

1. Tiene sentido usar migracion en un algoritmo SIMD de grano fino? Explique.
2. Por que no tiene sentido tener las regiones de seleccion y migracion en el
mismo vecindario? Explique.
3. Cual sera la desventaja de organizar un algoritmo SIMD en una topologa
que no correspondiera a un mesh (es decir, en una topologa distinta a un
toroide)?

272

Captulo 16
Tecnicas Evolutivas Alternativas
En este captulo discutiremos brevemente algunos de los paradigmas emergentes
dentro de la computacion evolutiva. Nuestra discusion se centrara fundamentalmente
{ en las tecnicas siguientes:

{ Evolucion Diferencial
{ Modelos Probabilsticos
Evolucion Simulada

16.1 Evolucio n Diferencial

Se refiere a una rama de la computacion evolutiva desarrollada por Rainer Storn y
Kenneth Price [213, 214] para optimizacion en espacios continuos.
En la Evolucion Diferencial (ED), las variables se representan mediante numeros
reales (o sea, opera a nivel fenotpico). La poblacion inicial se genera aleatoriamente, aunque se usan reglas de reparacion que aseguren que cada variable se
genere dentro de los lmites requeridos. Posteriormente, se selecciona aleatoriamente un individuo para reemplazo y se seleccionan 3 individuos como padres.
Uno de los 3 padres seleccionados es el padre principal. Con alguna probabilidad, se cambia cada variable del padre principal, de tal forma que al menos una
de sus variables sea modificada.
El cambio se efectua agregando al valor de la variable una razon de la diferencia entre los dos valores de esta variable en los otros dos padres. En esencia, el
vector del padre principal se perturba con el vector de los otros dos padres. Este
273

proceso representa el equivalente de la cruza en ED. Si el valor resultante es mejor

que el elegido para reemplazo, entonces lo reemplaza. De lo contrario, se retiene
el vector elegido para reemplazo.
La ED difiere entonces de los AGs en los aspectos siguientes:
1. La ED usa representacion real, mientras el AG suele usar representacion
binaria.
2. En ED se usan 3 padres, en vez de los 2 que usa el AG.
3. En ED, se genera un solo hijo de la cruza y e ste se produce a partir de la
perturbacion de uno solo de sus padres.
4. En ED, el nuevo padre reemplaza a un vector de la poblacion elegido aleatoriamente solo si es mejor que e l. En el AG, siempre se reemplaza la poblacion
anterior.

16.2 Modelos Probabilsticos

Los EDAs (Estimation of Distribution Algorithms) [172] son algoritmos que usan
un modelo probabilstico de soluciones promisorios para guiar la exploracion posterior del espacio de busqueda. Su motivacion principal fue la limitante de los AGs
en problemas en los cuales los bloques constructores no se encuentran fuertemente
unidos. En dichos problemas, se vuelve necesario aprender la estructura del problema en tiempo real, de manera que se pueda usar esta informacion para realizar
la recombinacion de la manera mas apropiada. Los EDAs son precisamente este
tipo de algoritmos.
Los EDAs usan una poblacion inicial generada aleatoriamente, al igual que
el AG simple. La distribucion de probabilidad verdadera se estima a partir de
un conjunto selecto de soluciones de esta poblacion. Se generan luego nuevas
soluciones de acuerdo a esta estimacion. Las nuevas soluciones se agregan a la
poblacion original, reemplazando algunas de las anteriores.
Este proceso continua hasta alcanzar la condicion de paro del algoritmo.
Los EDAs son, por tanto, similares a los AGs, excepto por el hecho de que no
usan cruza ni mutacion.
Los operadores geneticos se reemplazan por los dos pasos siguientes:
1. Se construye un modelo (un estimado de la verdadera distribucion) de las
soluciones prometedoras.
274

2. Se generan nuevas soluciones de acuerdo al modelo construido.

Aunque los EDAs procesan soluciones de manera diferente que los AGs simples, se ha demostrado teorica y empricamente que los resultados de ambas
tecnicas son muy similares. Por ejemplo, el AG simple con cruza uniforme es
asintoticamente equivalente al algoritmo de distribucion marginal univariada que
supone que las variables son independientes.
Una estimacion de distribucion puede capturar la estructura de los bloques
constructores de un problema de forma muy precisa, de forma que se asegure su
efectiva recombinacion. Esto resulta en un desempeno lineal o subcuadratico de
los EDAs en estos problemas.
De hecho, si se obtiene una estimacion de distribucion precisa que capture la
estructura del problema a resolverse,los EDAs convergen de acuerdo a como lo
indica la teora de los AGs. El problema es que determinar dicha estimacion es
una tarea que dista de lo trivial. Por lo tanto, hay un compromiso entre precision
y eficiencia de la estimacion probabilstica adoptada.

16.3 Evolucio n Simulada

La evolucion simulada (SE) es una heurstica iterativa general que fue propuesta
por Ralph Kling [143] en el contexto de optimizacion combinatoria.
La SE cae en la categora de algoritmos que enfatizan la liga conductista entre
padres e hijos o entre poblaciones reproductivas. En contraste, los AGs enfatizan la liga genetica. La SE combina las mejoras iterativas con la perturbacion
constructiva, y evade los mnimos locales siguiendo un enfoque basado en perturbaciones estocasticas. Opera iterativamente una secuencia de 3 pasos (evaluacion,
seleccion y asignacion) sobre una solucion. La seleccion y la asignacion constituyen un movimiento compuesto de la solucion actual a otra solucion factible en
el espacio de estados del problema. La SE parte de una solucion generada aleatoriamente o mediante un proceso determinstico. Esta solucion inicial debe ser
valida. Una solucion es vista como un conjunto de objetos movibles (modulo).
Cada elemento tiene una medida de bondad en el intervalo [0,1].
El ciclo principal del algoritmo consta de 3 pasos: evaluacion, seleccion y
asignacion. Estos pasos se ejecutan repetitivamente hasta que se cumpla alguna
condicion de detencion.
En el paso de evaluacion, se estima la bondad de cada elemento. En el paso
de seleccion, se selecciona un subconjunto de elementos de la solucion actual.
275

A menor bondad de un cierto elemento, mayor sera su probabilidad de ser seleccionado. Se usa un parametro adicional para compensar las posibles imprecisiones
de la medida de bondad.
Finalmente, el paso de asignacio n intenta asignar los elementos seleccionados
a mejores posiciones.
Ademas de los 3 pasos antes mencionados, se fijan algunos parametros de
entrada para el algoritmo en un paso preliminar denominado inicializaci o n.

16.4 El Futuro de la Computaci o n Evolutiva

Algunas de las a reas futuras prometedoras que se contemplan actualmente en la
computaci
on evolutiva son las siguientes:
{
Metamerismo: El proceso en el cual una unidad estructural es duplicada
un cierto numero de veces y durante ese proceso se reoptimiza para otros
{ usos.
Auto-adaptacion: Evitar el uso de parametros ad-hoc en los algoritmos
{ evolutivos.
Tecnicas que exploten arquitecturas paralelas: Es importante explotar al
maximo las arquitecturas paralelas mediante nuevos algoritmos evolutivos.
Esto traera importantes ganancias en terminos de esfuerzo computacional,
{ sobre todo al lidiar con problemas del mundo real.
Teora: Pruebas de convergencia, modelos matematicos de los algoritmos

{ evolutivos, epstasis, diversidad, etc.

Entender mejor la evolucion natural: Simulaciones computacionales que

permitan entender las complejas interacciones que ocurren entre los seres
{ vivos.
Coevolucion: Muchos investigadores han dirigido sus esfuerzos a estudiar
mejor la coevolucion como un modelo alternativo para resolver problemas
{ en computacion evolutiva.
El AG sin parametros: Es, sin lugar a dudas, el sueno de los expertos en
computacion evolutiva.
276

Para finalizar, vale la pena mencionar que hace algun tiempo, en la lista de
distribucion GA-Digest se discutieron ampliamente los temas de investigacion
considerados como mas importantes en los anos por venir. Tras un intenso debate, se concluyo que las 3 preguntas mas importantes que debieran atacarse por
los investigadores de computacion evolutiva en los proximos anos para lograr la
madurez del a rea son las siguientes:
1. A que tipo de problemas deben aplicarse los algoritmos evolutivos?
2. Como podemos mejorar nuestra comprension del funcionamiento de los
algoritmos evolutivos?
3. Que nuevas ideas pueden aplicarse a la computacion evolutiva a fin de
extender el paradigma (p.ej., inspiracion biologica)?

277


Indice
Analtico
a cido desoxirribonucleico, 83
a rboles, 105

cuando usarlo, 231

aplicabilidad, 226
aplicaciones, 76
comparacion con la estrategia evolutiva, 75
comparacion con la programacion evolutiva, 75
componentes basicos, 75, 95
diseno automotriz, 248
diseno de losas de concreto, 251
diseno de red de agua potable, 249
funcionamiento, 74
no generacional, 129
paralelo, 255
sin parametros, 276
teora, 217
algoritmo genetico estructurado, 111
algoritmo genetico segregado, 196
algoritmos
complejidades, 25
algoritmos evolutivos
contra tecnicas tradicionales, 78
algoritmos geneticos
aplicaciones financieras, 248
prediccion, 247, 248
ambiente, 87
ambiente abiotico, 87
ambiente biotico, 87
analisis a priori, 23
analisis de algoritmos, 23
ANSYS, 251
aptitud, 87, 91

ActiveGA, 213
adaptacion
mecanismos, 185
adenina, 83
ADN, 83
AG de grano fino, 263
problemas, 263
AG de grano grueso
parametros, 260
AG de isla, 260
AG desordenado, 103
aplicaciones, 104
AG distribuido, 260
AG panmtico, 259
AG paralelo
esquemas hbridos, 263
AGs de grano grueso, 259
AGs paralelos
hbridos, 263
metricas, 270
ajuste de parametros, 175
alelo, 75, 84, 91, 97
algoritmo
analisis, 24
complejidad, 24
algoritmo cultural, 80
algoritmo evolutivo de estado uniforme,
131
algoritmo genetico, 60, 74

278

paisaje de, 91
arquitectura masiva en paralelo, 263
arquitecturas
paralelas, 265
asncrono
AG paralelo, 259
auto-adaptacion, 276
estrategia evolutiva, 72

codificacion real, 99
coevolucio n, 276
Combinacion
Teora de la, 46
competencia, 51, 88
complejidades de algoritmos, 25
computacion evolutiva
aplicaciones, 247
crticas, 79
futuro, 276
las 3 grandes preguntas, 277
orgenes, 52
paradigmas, 67
programacion de horarios, 249
computadora IAS, 56
concavidad, 35
Conrad, Michael, 61
constructor
bloque, 97
constructores
hipo tesis de, 223
convergencia
en AGs paralelos, 270
convergencia colateral, 228
convexidad, 35
Cope, Edward Drinker, 44
corte, 104
Cramer, Nichael Lynn, 62
Creacionismo, 41
Cromosomica
Teora, 50
cromosoma, 75, 84, 89, 96
Crosby, J. L., 53
cruza, 93, 141
comportamiento deseable, 149
de dos puntos, 141
de un punto, 141
efecto de, 221
programacion genetica, 149
representacion real, 157

Back, Thomas, 72, 133

busqueda dispersa, 80
busqueda tabu, 34
Baldwin, James Mark, 64
Barricelli, Nils Aall, 56
Bienert, Peter, 58
binaria
representacion, 97
bloque constructor, 92, 97
Boltzmann, 125
seleccion, 116
Box, George E. P., 54
brecha generacional, 130
Bremermann, Hans Joachim, 57
BUGS, 208
codigos de Gray, 98
campos petrolferos, 247
Cannon, W. D., 52
Cap Gemini, 248
cardinalidad
alfabetos de alta, 101
carretera real
funciones, 229
centralizada
arquitectura, 267
Chomsky, Noam, 112
ciclo, 155
citosina, 83
clase NP, 25
co-evolucio n, 56, 87, 135
codificacion de Gray, 98

279

sesgos, 147
uniforme, 141
cruza acentuada, 145
cruza aritmetica simple
representacion real, 159
cruza aritmetica total
representacion real, 160
cruza biolo gica, 141
cruza con barajeo, 148
cruza de dos puntos, 143
representacion real, 158
cruza de un punto
analisis, 143
problemas, 141
cruza intermedia
representacion real, 159
cruza para permutaciones, 151
cruza simple, 158
cruza uniforme, 145, 149
representacion real, 158
cruza vs. mutacion, 173
cultural
algoritmo, 80
cycle crossover, 155

descenso empinado, 27
descentralizada
arquitectura, 267
desvo genetico, 66, 88
determinstico, 25
DeVries, Hugo, 50
DGenesis, 209
dimensionalidad
maldicio n de la, 104
dinamica evolutiva, 64
diploide, 85
ejemplo, 243
diploides, 241
diseno de peptidos, 247
dispersa
busqueda, 80
distribucio n geometrica
seleccion, 134
distribucional
sesgo, 147
diversidad, 270
metricas, 271
divisio n protegida, 108
dominancia, 241

Darwin, Charles, 41, 45

defiende las ideas de Lamarck, 43
influencias recibidas, 46
teora de la pangenesis, 48
Darwin, Erasmus, 43
De Jong
experimentos, 177
decepcion, 93
ejemplo, 225
decepcion parcial, 227
decepcion total, 227
deceptivo
problema, 92
DeJong, Kenneth, 116
deme, 259

ecosistemas artificiales, 61
efecto Baldwin, 64
efecto de la cruza, 221
efecto de la mutacion, 222
efecto de la seleccion, 221
ejecucion, 110
El Origen de las Especies, 44
El origen de las especies, 46
elitismo, 93
elitismo global, 129
encapsulamiento, 110
encauzamiento
proceso, 256
ENCORE, 212
Engineering Design Centre, 251

280

engrama, 89
epstasis, 53, 89, 92, 98
escalamiento sigma, 116, 122
escalando la colina, 35
ESCaPaDE, 210
especiacion, 88, 92
especie, 88
esperma, 84
esquema, 54, 94, 217
longitud de definicion, 142
orden, 142
velocidad de propagacion, 270
esquema candidato, 104
esquemas
cantidad de, 96
teorema de, 221
esquemas diferentes, 218
estado uniforme
algoritmo evolutivo, 131
estancamiento, 55
estimation of distribution algorithms, 274
estrategia evolutiva, 70
algoritmo, 70
aplicaciones, 73
auto-adaptacion, 72
comparada con la programacion evolutiva, 73
ejemplo, 70
recombinacio n panmtica, 73
recombinacio n sexual, 73
regla de 1/5, 71
regla de 1/7, 72
estrategia evolutiva de dos miembros, 70
estrategia evolutiva multi-miembro, 71
estrategias de produccion
optimizacion, 247
estrategias evolutivas, 58
estructurado
algoritmo genetico, 111
etapa, 256

evolucion, 51
evolucion diferencial, 273
comparacion con un algoritmo genetico,
274
evolucion simulada, 275
Evolucionismo, 41
Evolutionary Operation (EVOP), 54
evolutiva
programacion, 54
Evolver, 213
EVOP, 54
Ewan Associates, 250
Exeter
Universidad, 250
exploracion, 94
explotacion, 94
expresiones-S, 112
fase primordial, 104
fase yuxtaposicional, 104
fenotipo, 45, 85, 91
fertilidad, 87
Flynn, Michael J., 257
Fogel, Lawrence J., 68
FORTRAN, 210, 252
Fraser, Alexander S., 52
frecuencia
de exportacion, 269
Friedberg, R. M., 54
Fujiki, C., 62
GAcal, 250
GALOPPS, 209
Galton, Francis, 48
GAME, 112
gameto, 85
GAnet, 250
GANNET, 211
GAser, 250
GECO, 209
gene, 75, 84, 89, 97

281

gene activo, 112

gene pasivo, 112
gene pool, 259
generacion, 91
Genesis, 208
GENEsYs, 208
Genetic Algorithms Manipulation Environment, 112
Genetic Algorithms Sewer Analysis, 250
GENOCOP, 211
genoma, 84
genotipo, 45, 85, 89
Germoplasma
Teora del, 44
germoplasma, 44
Glover, Fred, 80
Goldberg, David Edward, 116
GPC++, 211
GPEIST, 211
gradualidad, 101
gramaticas, 112
Gray
codigos, 98
greedy
heurstica, 249
Grefenstette
estudio, 178
Grefenstette, John J., 208
guanina, 83

hipotesis de los bloques constructores, 223

hipotesis estatica de los bloques constructores, 227
Historie Naturelle, 41
hitchhiker, 230
hitchhikers, 143
Holland, John H., 54, 60, 74
argumento a favor de representacio n
binaria, 97
homologos
cromosomas, 241
horarios
programacion, 249
Hunt Morgan, Thomas, 50
IEEE
representacion de punto flotante, 100
individuo, 85, 91
inteligencia
filogenetica, 89
ontogenetica, 89
sociogenetica, 89
inteligencia artificial, 105
intrones, 94
inversion, 53, 93, 243
isla
modelo de, 260
Jenkins, Fleming, 47
jerarquas, 116
jerarquas lineales, 123
Joszef Stefan Institute, 249

Haeckel, Ernst, 44
Hamming
distancia, 269
riscos, 98
haploide, 85
haploides, 241
heurstica
definicio n, 33
heurstica greedy, 249
Hicklin, J. F., 62

KanGAL, 248
KiQ Ltd, 248
Koza, John, 105
Koza, John R., 62
Kuhn-Tucker
condiciones, 36
Lamarck, 43

282

Lamarck, Jean Baptiste Pierre Antoine

de Monet, 43
Lamarckismo, 43
Leclerc, Georges Louis, 41
Levin, B. R., 53
Linnean Society, 45
LISP, 105, 112
locus, 84
longitud de definicion, 142
longitud variable
representacion de, 103
losas de concreto
disen o, 251
Lyell, Charles, 46

MISD, 257
modelos probabilsticos, 274
MPI, 260
muerte
pena de, 193
muestreo determinstico, 121
Multiple Instruction Stream, Multiple Data
Stream, 257
Multiple Instruction Stream, Single Data
Stream, 257
multiprocesador, 263
Mutacion
Teora de la, 50
mutacion, 51, 93, 165
efecto de, 222
porcentajes o ptimos, 165
programacion genetica, 167
representacion real, 168
mutacion de lmite, 169
mutacion heurstica, 166
mutacion no uniforme, 168
mutacion por desplazamiento, 166
mutacion por insercion, 165
mutacion por intercambio recproco, 166
mutacion uniforme, 170
mutacion vs. cruza, 173
mutaciones espontaneas, 50
mutaciones variables, 185

metricas, 270
en AGs paralelos, 270
MacReady, William, 224
maldicion de la dimensionalidad, 104
Malthus, Thomas Robert, 46
Markov, cadenas de, 56
matching, 269
Mendel
leyes de la herencia, 48
Mendel, Johann Gregor, 44, 48, 50, 51
merge crossover, 157
mesh, 266
messy GA, 103
metamerismo, 276
Michalewicz, Zbigniew, 133, 211
micro algoritmo genetico, 180
micro-operadores, 245
MicroGA, 214
migracion, 88, 92, 259, 266
parametros, 267
probabilidad, 267
vecindario de, 266
MIMD, 257, 267
Minsky
conjetura, 256

Neo-Darwiniano
paradigma, 51
Neo-Darwinismo, 51
nicho, 92
nicho ecolo gico, 88
no convexidad, 35
No Free Lunch Theorem, 224
notacion big-O, 24
notacion del IEEE, 100
NP, 25
NP completos

283

problemas, 26
nucleo tidos, 83

pena de muerte, 193

recocido simulado, 194
permutaciones
cruza, 151
mutacion, 165
PGAPack, 212
Philosophie Anatomique, 43
Philosophie Zoologique, 43
pipelining, 256
pizarrones, 270
plan reproductivo genetico, 74
pleitropa, 88
Plymouth
Universidad, 251
PMX, 153
poblacion, 85
cantidad de esquemas, 218
no traslapable, 130
panmtica, 92
traslapable, 130
poligenia, 56, 88
posicional
sesgo, 148
position-based crossover, 153
precision
de la respuesta obtenida, 270
prediccion, 248
presio n de seleccion, 122
prevencion de incesto, 94
primordial
fase, 104
programacion automatica, 105
programacion evolutiva, 68
algoritmo, 68
aplicaciones, 69
comparada con la estrategia evolutiva, 73
ejemplo, 69
programacion genetica, 62, 105
cruza, 108, 149

Omega, 248
On the Variation of Animals and Plants
under Domestication, 48
operador de interseccion, 157
Optimal Solutions, 250
optimizacion
tecnicas clasicas, 27
optimizacion combinatoria, 38
orden
de un esquema, 142
order crossover, 152
order-based crossover, 154
ovarios, 84
OX, 153
peptidos
optimizacion, 247
paisaje de aptitud, 91
Pangenesis
Teora de la, 48
paralelismo, 92, 276
motivacion, 255
nociones, 255
paralelismo implcito, 54, 179, 219, 258
paralelizacio n explcita, 258
paralelizacio n global, 258
parameter-based mutation, 171
partially mapped crossover, 153
Pattee, Howard H., 61
PC-Beagle, 213
pena de muerte, 193
penalizacion
adaptativa, 195
algoritmo genetico segregado, 196
basada en factibilidad, 196
dinamica, 194
estatica, 193
funcio n de, 191

284

ejecucion, 110
encapsulamiento, 110
funciones, 106
mutacio n, 108, 167
permutacion, 108
simplificacion, 110
terminales, 106
PVM, 260

problemas, 97
representacion de punto fijo, 101
representacion entera, 102
representacion real
cruza, 157
mutacion, 168
reproduccion, 51, 88
asexual, 88
operadores de, 93
sexual, 88
reproduccion sexual, 85
caso diploide, 87
caso haploide, 85
restricciones, 191
restricciones explcitas, 37
restricciones implcitas, 37
Reynolds, Robert G., 80
riscos de Hamming, 98, 101
Russell Wallace, Alfred, 45, 46

Quadstone, 247
radio de seleccion, 261
Ray, Thomas S., 64
Rechenberg, Ingo, 58, 70
recocido simulado, 35, 125, 194
recombinacion panmtica
estrategia evolutiva, 73
recombinacion respetuosa aleatoria, 149
recombinacion sexual, 53
estrategia evolutiva, 73
red de agua potable, 249
redes neuronales
hbridos con AGs, 247
Reed, J., 56
REGAL, 212
regla de e xito 1/5, 71
regla de e xito 1/7, 72
rendimiento total, 256
reordenamiento, 93
representacion
a rboles, 105
algoritmo genetico, 95
de longitud variable, 103
gramaticas, 112
hbrida, 112
jerarquica, 111
matricial, 112
permutaciones, 112
recomendaciones, 113
tendencias futuras, 112
representacion binaria, 96

sncrono
AG paralelo, 259

Saint-Hilaire, Etienne
Geoffroy, 43
Savic, Dragan, 250
SBX, 161
Schaffer
estudio, 180
Schwefel, Hans-Paul, 58, 71
SCS-C, 213
segregacion, 53, 245
segregado
algoritmo genetico, 196
seleccion, 51, 87
blanda, 87
de estado uniforme, 115
dura, 87
efecto, 221
extintiva, 115
metodos dinamicos, 135
metodos estaticos, 135

285

mediante torneo, 115

proporcional, 115
radio de, 261
seleccion blanda, 129
seleccion competitiva, 135
seleccion de Boltzmann, 116, 125
seleccion de estado uniforme, 129
seleccion derecha, 136
seleccion dura, 129
seleccion extintiva, 70, 135, 136
seleccion izquierda, 136
seleccion mediante torneo, 126
determinstico, 126
probabilstico, 126
seleccion preservativa, 135
seleccion proporcional
aditamentos, 116
Boltzmann, 116, 125
escalamiento sigma, 122
jerarqua geometrica, 134
jerarquas, 116
jerarquas lineales, 123
jerarquas no lineales, 133
muestreo determinstico, 116, 121
ruleta, 115
sobrante estocastico, 115, 117
universal estocastica, 116, 119
seleccion pura, 136
sesgo
de la cruza, 147
sesgo distribucional, 147
sesgo posicional, 143, 148
simbiosis, 56
SIMD, 257, 266
simulated binary crossover, 161
Single Instruction Stream, Multiple Data
Stream, 257
Single Instruction Stream, Single Data
Stream, 257
SISD, 257

sistema de suspension
optimizacion, 248
sistemas clasificadores, 55, 131
Smalltalk, 212
sobrante estocastico, 117
con reemplazo, 119
sin reemplazo, 119
sobre-especificacion, 103
software, 207
bibliotecas, 207
cajas de herramientas, 207
especfico, 207
orientado a las aplicaciones, 207
orientado a los algoritmos, 207
sistemas de proposito general, 208
sistemas educativos, 207
somatoplasma, 44
stagnation, 55
steepest descent, 27
StruMap, 249
sub-especificacion, 103
subpoblacion, 92
sustitucion reducida, 148
Sutton, Walter, 50
tabu
busqueda, 34
Tac Tix, 56
tamano o ptimo de poblacion, 178
teora
a reas abiertas de investigacion, 225
teora cromosomica de la herencia, 50
teorema de los esquemas, 220, 222
crticas, 223
terminales, 106
throughput, 256
Tierra, 64
Toombs, R., 56
topologa, 261
de anillo, 269

286

de estrella, 270
de grafo, 270
densa, 261
dispersa, 261
topologa dinamica, 261
torneo
seleccion mediante, 126
toroide, 266
traslocacion, 245
Turing, Alan Mathison, 52

Wolpert, David, 224

yuxtaposicional
fase, 104
Zoonomia, 43

union, 104
Unilever Research, 247
universal estocastica, 119
Universidad de Exeter, 250
Universidad de Plymouth, 251
variables de decision, 37
varianza
elevada de la aptitud, 228
variedad requisito, 93
vecindario, 261
migracion, 266
vecindarios compactos, 261
vectoriales
instrucciones, 257
velocidad
de convergencia, 270
de propagacion de los esquemas, 270
viabilidad, 87
vida artificial, 56
von Neumann, John, 56
Walsh
transformada, 227
Weismann, August, 44
derrumba la teora Lamarckista, 44
teora del germoplasma, 44
Weissman, August, 51
Whitley
Darrell, 129

287

288

Bibliografa
[1] David H. Ackley. A Connectionist Machine for Genetic Hillclimbing. Kluwer
Academic Publishers, Boston, Massachusetts, 1987.
[2] C. A. Anderson, K. F. Jones, and J. Ryan. A two-dimensional genetic algorithm
for the ising problem. Complex Systems, 5:327333, 1991.
[3] Peter J. angeline and Jordan B. Pollack. Competitive Environments Evolve Better
Solutions for Complex Tasks. In Stephanie Forrest, editor, Proceedings of the Fifth
International Conference on Genetic Algorithms. Morgan Kaufmann Publishers,
San Mateo, California, July 1993.
[4] Hendrik James Antonisse. A Grammar-Based Genetic Algorithm. In Gregory E.
Rawlins, editor, Foundations of Genetic Algorithms, pages 193204. Morgan Kaufmann Publishers, San Mateo, California, 1991.
[5] Wirt Atmar. Notes on the Simulation of Evolution. IEEE Transactions on Neural
Networks, 5(1):130148, January 1994.
[6] Thomas Back. Self-adaptation in genetic algorithms. In F.J. Varela and P. Bourgine,
editors, Proceedings of the First European Conference on Artificial Life, pages
263271, Cambridge, Massachusetts, 1992. MIT Press.
[7] Thomas Back. Optimal Mutation Rates in Genetic Search. In Stephanie Forrest,
editor, Proceedings of the Fifth International Conference on Genetic Algorithms,
pages 28. Morgan Kaufmann Publishers, San Mateo, California, July 1993.
[8] Thomas Back. Selective Pressure in Evolutionary Algorithms: A Characterization of Selection Mechanisms. In Proceedings of the First IEEE Conference on
Evolutionary Computation, pages 5762, Orlando, Florida, 1994. IEEE.
[9] Thomas Back. Evolutionary Algorithms in Theory and Practice. Oxford University
Press, New York, 1996.

289

[10] Thomas Back, David B. Fogel, and Zbigniew Michalewicz, editors. Handbook of
Evolutionary Computation. Institute of Physics Publishing and Oxford University
Press, New York, 1997.
[11] Thomas Back and Frank Hoffmeister. Extended Selection Mechanisms in Genetic
Algorithms. In Richard K. Belew and Lashon B. Booker, editors, Proceedings of
the Fourth International Conference on Genetic Algorithms, pages 9299. Morgan
Kaufmann Publishers, San Mateo, California, July 1991.
[12] Thomas Back, Frank Hoffmeister, and Hans-Paul Schwefel. A Survey of Evolution
Strategies. In R. K. Belew and L. B. Booker, editors, Proceedings of the Fourth International Conference on Genetic Algorithms, pages 29, San Mateo, California,
1991. Morgan Kaufmann Publishers.
[13] James Edward Baker. Adaptive Selection Methods for Genetic Algorithms. In
John J. Grefenstette, editor, Proceedings of the First International Conference
on Genetic Algorithms, pages 101111. Lawrence Erlbaum Associates, Hillsdale,
New Jersey, July 1985.
[14] James Edward Baker. Reducing Bias and Inefficiency in the Selection Algorithm.
In John J. Grefenstette, editor, Genetic Algorithms and Their Applications: Proceedings of the Second International Conference on Genetic Algorithms, pages
1422. Lawrence Erlbaum Associates, Hillsdale, New Jersey, July 1987.
[15] James Mark Baldwin. Development and Evolution: Including Psychophysical Evolution, Evolution by Orthoplasy and the Theory of Genetic Modes. Macmillan, New
York, 1902.
[16] Nils Aall Barricelli. Esempi numerici di processi di evoluzione. Methodos, pages
4568, 1954.
[17] Nils Aall Barricelli. Symbiogenetic evolution processes realized by artificial methods. Methodos, IX(3536):143182, 1957.
[18] Nils Aall Barricelli. Numerical Testing of Evolution Theories. Part I: Theoretical
Introduction and Basic Tests. Acta Biotheoretica, 16(12):6998, 1962.
[19] Nils Aall Barricelli. Numerical Testing of Evolution Theories. Part II: Preliminary
Tests of Performance, Symbiogenesis and Terrestrial Life. Acta Biotheoretica,
16(34):99126, 1964.
[20] James C. Bean. Genetics and random keys for sequencing and optimization. ORSA
Journal on Computing, 6(2):154160, 1994.

290

[21] D. Beasley, D. Bull, and R. Martin. Reducing epistasis in combinatorial problems

by expansive coding. In Stephanie Forrest, editor, Proceedings of the Fifth International Conference on Genetic Algorithms, pages 400407, San Mateo, California,
1993. University of Illinois at Urbana-Champaign, Morgan Kauffman Publishers.
[22] A.D. Bethke. Genetic Algorithms as Function Optimizers. PhD thesis, Department
of Computer and Communication Sciences, University of Michigan, Ann Arbor,
Michigan, 1981.
[23] Peter Bienert. Aufbau einer optimierungsautomatik fur drei parameter. Dipl.-Ing.
thesis, 1967. (in German).
[24] Lashon B. Booker. Intelligent Behavior as an Adaptation to the Task Environment. PhD thesis, Logic of Computers Group, University of Michigan, Ann Arbor,
Michigan, 1982.
[25] Lashon B. Booker. Improving Search in Genetic Algorithms. In Lawrence Davis,
editor, Genetic Algorithms and Simulated Annealing. Morgan Kaufmann Publishers, San Mateo, California, 1987.
[26] George E. P. Box. Evolutionary operation: A method for increasing industrial
productivity. Applied Statistics, 6(2):81101, 1957.
[27] Hans J. Bremermann. The evolution of intelligence. The nervous system as a model
of its environment. Technical Report 1, Contract No. 477(17), Department of Mathematics, University of Washington, Seattle, July 1958.
[28] Hans J. Bremermann. Optimization through evolution and recombination. In M. C.
Yovits, G. T. Jacobi, and G. D. Goldstein, editors, Self-Organizing Systems1962,
pages 93106. Spartan Books, Washington, D.C., 1962.
[29] Hans J. Bremermann. Numerical optimization procedures derived from biological
evolution processes. In H. L. Oestreicher and D. R. Moore, editors, Cybernetic
Problems in Bionics, pages 543561. Gordon and Breach, New York, 1968.
[30] Hans J. Bremermann and M. Rogson. An evolution-type search method for convex sets. Technical Report Contracts No. 222(85) and 3656(58), ONR, Berkeley,
California, May 1964.
[31] Hans J. Bremermann and M. Rogson. Global properties of evolution processes. In
H. H. Pattee, E. A. Edlsack, L. Fein, and A. B. Callahan, editors, Natural Automata
and Useful Simulations, pages 341. Spartan Books, Washington, D.C., 1966.
[32] A. Brindle. Genetic Algorithms for Function Optimization. PhD thesis, Department
of Computer Science, University of Alberta, Edmonton, Alberta, 1981.

291

[33] Bill P. Buckles and Frederick E. Petry, editors. Genetic Algorithms. Technology
Series. IEEE Computer Society Press, 1992.
[34] T. N. Bui and B. R. Moon. On multidimensional encoding/crossover. In Larry J.
Eshelman, editor, Proceedings of the Sixth International Conference on Genetic
Algorithms, pages 4956, San Fracisco, California, 1995. Morgan Kauffman Publishers.
[35] G. H. Burgin. On playing two-person zero-sum games against non-minimax players. IEEE Transactions on Systems Science and Cybernetics, SSC-5:369370,
1969.
[36] A. W. Burks. Computation, behavior and structure in fixed and growing automata.
In M. C. Yovits and S. Cameron, editors, Self-Organizing Systems, pages 282309.
Pergamon Press, New York, 1960.
[37] Eduardo Camponogara and Sarosh N. Talukdar. A Genetic Algorithm for Constrained and Multiobjective Optimization. In Jarmo T. Alander, editor, 3rd Nordic
Workshop on Genetic Algorithms and Their Applications (3NWGA), pages 4962,
Vaasa, Finland, August 1997. University of Vaasa.
[38] W. D. Cannon. The Wisdom of the Body. Norton and Company, New York, 1932.
[39] Erick Cantu-Paz. A Survey of Parallel Genetic Algorithms. Technical Report
97003, Illinois Genetic Algorithms Laboratory, University of Illinois at UrbanaChampaign, Urbana, Illinois, May 1997.
[40] R. Caruana and J. D. Schaffer. Representation and Hidden Bias: Gray vs. Binary
Coding for Genetic Algorithms. In Proceedings of the Fifth International Conference on Machine Learning, pages 132161, San Mateo, California, 1988. Morgan
Kauffman Publishers.
[41] Munirul M. Chowdhury and Yun Li.
Messy Genetic Algorithm
Based New Learning Method for Fuzzy Controllers.
In Proceedings of the IEEE International Conference on Industrial Technology,
page http://eeapp.elec.gla.ac.uk/chy/publications.html,
Shangai, China, December 1996. IEEE Service Center.
[42] Carlos A. Coello Coello, Alan D. Christiansen, and Arturo Hernandez Aguirre.
Automated Design of Combinational Logic Circuits using Genetic Algorithms.
In D. G. Smith, N. C. Steele, and R. F. Albrecht, editors, Proceedings of the International Conference on Artificial Neural Nets and Genetic Algorithms ICANNGA97, pages 335338, Norwich, England, April 1997. University of East Anglia, Springer-Verlag.

292

[43] Carlos A. Coello Coello, Alan D. Christiansen, and Arturo Hernandez Aguirre.
Using a New GA-Based Multiobjective Optimization Technique for the Design of
Robot Arms. Robotica, 16(4):401414, 1998.
[44] Carlos A. Coello Coello, Filiberto Santos Hernandez, and Francisco Alonso Farrera. Optimal Design of Reinforced Concrete Beams using Genetic Algorithms.
Expert Systems with Applications : An International Journal, 12(1):101108, January 1997.
[45] Carlos A. Coello Coello. Constraint-handling using an evolutionary multiobjective
optimization technique. Civil Engineering and Environmental Systems, 17:319
346, 2000.
[46] Carlos A. Coello Coello. Treating Constraints as Objectives for Single-Objective
Evolutionary Optimization. Engineering Optimization, 32(3):275308, 2000.
[47] Michael Conrad. Evolutionary learning circuits. Journal of Theoretical Biology,
46:167188, 1974.
[48] Michael Conrad. Algorithmic specification as a technique for computing with informal biological models. BioSystems, 13:303320, 1981.
[49] Michael Conrad. Natural selection and the evolution of neutralism. BioSystems,
15:8385, 1982.
[50] Michael Conrad, R. R. Kampfer, and K. G. Kirby. Neuronal dynamics and evolutionary learning. In M. Kochen and H. M. Hastings, editors, Advances in Cognitive
Science: Steps Towards Convergence, pages 169189. American Association for
the Advancement of Science, New York, 1988.
[51] Michael Conrad and H. H. Pattee. Evolution experiments with an artificial ecosystem. Journal of Theoretical Biology, 28:393409, 1970.
[52] Michael Conrad and M. M. Rizki. The artificial worlds approach to emergent
evolution. BioSystems, 23:247260, 1989.
[53] Michael Conrad and M. Strizich. Evolve II: A computer model of an evolving
ecosystem. BioSystems, 17:245258, 1985.
[54] F. N. Cornett. An Application of Evolutionary Programming to Pattern Recognition. Masters thesis, New Mexico State University, Las Cruces, New Mexico,
1972.

293

[55] Nareli Cruz Cortes. Uso de emulaciones del sistema inmune para manejo de restricciones en algoritmos evolutivos. Masters thesis, Universidad Veracruzana,
Xalapa, Mexico, 2000.
[56] Nichal Lynn Cramer. A Representation for the Adaptive Generation of Simple Sequential Programs. In John J. Grefenstette, editor, Proceedings of the First International Conference on Genetic Algorithms and Their Applications, pages 183187.
Lawrence Erlbaum Associates, Hillsdale, New Jersey, 1985.
[57] J. L. Crosby. Computers in the study of evolution. Science Progress Oxford,
55:279292, 1967.
[58] Charles Robert Darwin. The Variation of Animals and Plants under Domestication.
Murray, London, second edition, 1882.
[59] Charles Robert Darwin. On the Origin of Species by Means of Natural Selection Or
the Preservation of Favoured Races in the Struggle for Life. Cambridge University
Press, Cambridge, UK, sixth edition, 1964. Originally published in 1859.
[60] Dipankar Dasgupta and Douglas R. McGregor. Nonstationary Function Optimization using the Structured Genetic Algorithm. In Proceedings of Parallel Problem Solving from Nature (PPSN 2), pages 145154, Brussels, September 1992.
Springer-Verlag.
[61] Dipankar Dasgupta and Douglas R. McGregor. A more Biologically Motivated
Genetic Algorithm: The Model and some Results. Cybernetics and Systems: An
International Journal, 25(3):447469, May-June 1994.
[62] Lawrence Davis. Job Shop Scheduling with Genetic Algorithms. In John J. Grefenstette, editor, Proceedings of the First International Conference on Genetic Algorithms, pages 136140. Lawrence Erlbaum Associates, Hillsdale, New Jersey, July
1985.
[63] Lawrence Davis. Adapting Operator Probabilities In Genetic Algorithms. In
J. David Schaffer, editor, Proceedings of the Third International Conference on
Genetic Algorithms, pages 6169, San Mateo, California, 1989. Morgan Kaufmann
Publishers.
[64] Lawrence Davis, editor. Handbook of Genetic Algorithms. Van Nostrand Reinhold,
New York, New York, 1991.
[65] Kalyanmoy Deb. GeneAS: A Robust Optimal Design Technique for Mechanical
Component Design. In Dipankar Dasgupta and Zbigniew Michalewicz, editors,
Evolutionary Algorithms in Engineering Applications, pages 497514. SpringerVerlag, Berlin, 1997.

294

[66] Kalyanmoy Deb. An Efficient Constraint Handling Method for Genetic Algorithms. Computer Methods in Applied Mechanics and Engineering, 1999. (in
Press).
[67] Kalyanmoy Deb and Ram Bhushan Agrawal. Simulated Binary Crossover for Continuous Search Space. Complex Systems, 9:115148, 1995.
[68] Kalyanmoy Deb and David E. Goldberg. An Investigation of Niche and Species
Formation in Genetic Function Optimization. In J. David Schaffer, editor, Proceedings of the Third International Conference on Genetic Algorithms, pages 4250,
San Mateo, California, June 1989. George Mason University, Morgan Kaufmann
Publishers.
[69] D. Dumitrescu, B. Lazzerini, L.C. Jain, and A. Dumitrescu. Evolutionary Computation. CRC Press, Boca Raton, Florida, 2000.
[70] B. Dunham, D. Fridshal, and J. H. North. Design by natural selection. Synthese,
15:254259, 1963.
[71] B. Dunham, H. Lewitan, and J. H. North. Introduction of artificial data to enable
natural selection scoring mechanism to handle more complex cases. IBM Technical
Disclosure Bulletin, 17(7):2193, 1974.
[72] B. Dunham, H. Lewitan, and J. H. North. Simultaneous solution of multiple problems by natural selection. IBM Technical Disclusure Bulletin, 17(7):21912192,
1974.
[73] N. Eldredge and S. J. Gould. Punctuated Equilibria: An Alternative to Phyletic
Gradualism. In T. J. M. Schpf, editor, Models of Paleobiology, pages 8215. W. H.
Freeman, San Francisco, California, 1972.
[74] Larry J. Eshelman, Richard A. Caruana, and J. David Schaffer. Biases in the
Crossover Landscape. In J. David Schaffer, editor, Proceedings of the Third International Conference on Genetic Algorithms, pages 1019, San Mateo, California,
1989. Morgan Kaufmann Publishers.
[75] Larry J. Eshelman and J. David Schaffer. Preventing Premature Convergence in
Genetic Algorithms by Preventing Incest. In Richard K. Belew and Lashon B.
Booker, editors, Proceedings of the Fourth International Conference on Genetic
Algorithms, pages 115122, San Mateo, California, July 1991. Morgan Kaufmann
Publishers.

295

[76] Larry J. Eshelman and J. Davis Schaffer. Real-coded Genetic Algorithms and
Interval-Schemata. In L. Darrell Whitley, editor, Foundations of Genetic Algorithms 2, pages 187202. Morgan Kaufmann Publishers, San Mateo, California,
1993.
[77] Jose Ribeiro Filho. The GAME system (Genetic Algorithms Manipulation Environment). In IEE Colloquium on Applications of Genetic Algorithms, pages 2/1
2/4, London, UK, 1994. IEE.
[78] Michael J. Flynn. Very High-Speed Computing Systems. Proceedings of the IEEE,
54:19011909, 1966.
[79] Terence C. Fogarty. Varying the Probability of Mutation in the Genetic Algorithm.
In J. David Schaffer, editor, Proceedings of the Third International Conference on
Genetic Algorithms, pages 104109, San Mateo, California, 1989. Morgan Kaufmann Publishers.
[80] David B. Fogel. Evolutionary Computation. Toward a New Philosophy of Machine
Intelligence. The Institute of Electrical and Electronic Engineers, New York, 1995.
[81] David B. Fogel, editor. Evolutionary Computation. The Fossil Record. Selected
Readings on the History of Evolutionary Algorithms. The Institute of Electrical
and Electronic Engineers, New York, 1998.
[82] David B. Fogel and L. C. Stayton. On the Effectiveness of Crossover in Simulated
Evolutionary Optimization. BioSystems, 32:171182, 1994.
[83] Lawrence J. Fogel. On the organization of intellect. PhD thesis, University of
California, Los Angeles, California, 1964.
[84] Lawrence J. Fogel. Artificial Intelligence through Simulated Evolution. John Wiley,
New York, 1966.
[85] Lawrence J. Fogel. Artificial Intelligence through Simulated Evolution. Forty Years
of Evolutionary Programming. John Wiley & Sons, Inc., New York, 199.
[86] Lawrence J. Fogel, A. J. Owens, and M. J. Walsh. On the Evolution of Artificial
Intelligence. In Proceedings of the 5th National Sympsium on Human Factors in
Engineering, pages 6376. IEEE, San Diego, California, 1964.
[87] Lawrence J. Fogel, A. J. Owens, and M. J. Walsh. Artificial Intelligence through a
Simulation of Evolution. In M. Maxfield, A. Callahan, and L. J. Fogel, editors, Biophysics and Cybernetic Systems: Proceedings of the Second Cybernetic Sciences
Symposium, pages 131155. Spartan Books, Washington, D.C., 1965.

296

[88] B.R. Fox and M.B. McMahon. Genetic Operators for Sequencing Problems. In
Gregory J. E. Rawlins, editor, Foundations of Genetic Algorithms, pages 284300.
Morgan Kaufmann, San Mateo, California, 1991.
[89] A. S. Fraser. Simulation of Genetic Systems by Automatic Digital Computers I.
Introduction. Australian Journal of Biological Sciences, 10:484491, 1957.
[90] A. S. Fraser. Simulation of Genetic Systems by Automatic Digital Computers II.
Effects of Linkage on Rates of Advance Under Selection. Australian Journal of
Biological Sciences, 10:492499, 1957.
[91] A. S. Fraser. Simulation of Genetic Systems by Automatic Digital Computers VI.
Epistasis. Australian Journal of Biological Sciences, 13:150162, 1960.
[92] Alexander S. Fraser. The evolution of purposive behavior. In H. von Foerster, J. D.
White, L. J. Peterson, and J. K. Russell, editors, Purposive Systems, pages 1523.
Spartan Books, Washington, D.C., 1968.
[93] Alexander S. Fraser and D. Burnell. Computer Models in Genetics. McGraw-Hill,
New York, 1970.
[94] R. M. Friedberg. A Learning Machine: Part I. IBM Journal of Research and
Development, 2(1):213, 1958.
[95] R. M. Friedberg, B. Dunham, and J. H. North. A Learning Machine: Part II. IBM
Journal of Research and Development, 3:282287, 1959.
[96] G. J. Friedman. Digital simulation of an evolutionary process. General Systems:
Yearbook of the Society for General Systems Research, 4:171184, 1959.
[97] George J. Friedman. Selective Feedback Computers for Engineering Synthesis and
Nervous System Analogy. Masters thesis, University of California at Los Angeles,
February 1956.
[98] C. Fujiki. An evaluation of Hollands genetic operators applied to a program generator. Masters thesis, University of Idaho, Moscow, Idaho, 1986.
[99] Mitsuo Gen and Runwei Cheng. Genetic Algorithms & Engineering Optimization.
Wiley Series in Engineering Design and Automation. John Wiley & Sons, New
York, 2000.
[100] John S. Gero, Sushil J. Louis, and Sourav Kundu. Evolutionary learning of novel
grammars for design improvement. AIEDAM, 8(3):8394, 1994.

297

[101] G. Gibson. Application of Genetic Algorithms to Visual Interactive Simulation

Optimisation. PhD thesis, University of South Australia, 1995.
[102] Fred Glover and Manuel Laguna. Tabu Search. Kluwer Academic Publishers,
Norwell Massachusetts, 1998.
[103] David E. Goldberg. Optimal initial population size for binarycoded genetic algorithms. Technical Report 85001, Tuscaloosa: University of Alabama, The Clearinghouse for Genetic Algorithms, 1985.
[104] David E. Goldberg. Simple Genetic Algorithms and the Minimal Deceptive Problem. In Lawrence Davis, editor, Genetic Algorithms and Simulated Annealing.
Morgan Kaufmann Publishers, San Mateo, California, 1987.
[105] David E. Goldberg. Genetic Algorithms in Search, Optimization and Machine
Learning. Addison-Wesley Publishing Co., Reading, Massachusetts, 1989.
[106] David E. Goldberg. Sizing Populations for Serial and Parallel Genetic Algorithms.
In J. David Schaffer, editor, Proceedings of the Third International Conference on
Genetic Algorithms, pages 7079, San Mateo, California, 1989. Morgan Kaufmann
Publishers.
[107] David E. Goldberg. A note on Boltzmann tournament selecion for genetic algorithms and population-oriented simulated annealing. Complex Systems, 4:445460,
1990.
[108] David E. Goldberg. RealCoded Genetic Algorithms, Virtual Alphabets and Blocking. Technical Report 90001, University of Illinois at Urbana-Champaign, Urbana,
Illinois, September 1990.
[109] David E. Goldberg, K. Deb, and B. Korb. Messy genetic algorithms revisited:
Studies in mixed size and scale. Complex Systems, 4:415444, 1990.
[110] David E. Goldberg and Kalyanmoy Deb. A comparison of selection schemes used
in genetic algorithms. In Gregory J. E. Rawlins, editor, Foundations of Genetic
Algorithms, pages 6993. Morgan Kaufmann, San Mateo, California, 1991.
[111] David E. Goldberg, Kalyanmoy Deb, and Bradley Korb. Dont Worry, Be Messy.
In Richard K. Belew and Lashon B. Booker, editors, Proceedings of the Fourth International Conference on Genetic Algorithms, pages 2430, San Mateo, California, July 1991. University of California, San Diego, Morgan Kaufmann Publishers.
[112] David E. Goldberg, B. Korb, and K. Deb. Messy genetic algorithms: Motivation,
analysis, and first results. Complex Systems, 3:493530, 1989.

298

[113] David E. Goldberg and Jr. Robert Lingle. Alleles, Loci, and the Traveling Salesman Problem. In John J. Grefenstette, editor, Proceedings of the First International Conference on Genetic Algorithms and Their Applications, pages 154159.
Lawrence Erlbaum Associates, Hillsdale, New Jersey, 1985.
[114] David E. Goldberg and Philip Segrest. Finite Markov Chain Analysis of Genetic
Algorithms. In John J. Grefenstette, editor, Genetic Algorithms and Their Applications: Proceedings of the Second International Conference on Genetic Algorithms,
pages 18. Lawrence Erlbaum Associates, Hillsdale, New Jersey, July 1987.
[115] J. Grefenstette, R. Gopal, B. Rosmaita, and D. Gucht. Genetic algorithms for
the travelling salesman problem. In John J. Grefenstette, editor, Proceedings of
an International Conference on Genetic Algorithms and Their Applications, pages
160168, Hillsdale, New Jersey, 1985. Lawrence Erlbaum Associates.
[116] John J. Grefenstette. Optimization of Control Parameters for Genetic Algorithms.
IEEE Transactions on Systems, Man, and Cybernetics, SMC16(1):122128, Janury/February 1986.
[117] John J. Grefenstette. Deception Considered Harmful. In L. Darrell Whitley, editor,
Foundations of Genetic Algorithms 2, pages 7591. Morgan Kaufmann, San Mateo,
California, 1993.
[118] Frederic Gruau. Neural Network Synthesis using Cellular Encoding and the Genetic Algorithm. PhD thesis, Ecole Normale Superieure de Lyon, Lyon, France,
1994.
[119] D. Halhal, G. A. Walters, D. Ouazar, and D. A. Savic. Water Network Rehabilitation with a Structured Messy Genetic Algorithm. Journal of Water Resources
Planning and Management, ASCE, 123(3), May/June 1997.
[120] Jurgen Hesser and Reinhard Manner. Towards an Optimal Mutation Probability for
Genetic Algorithms. In H.-P. Schwefel and R. Manner, editors, Parallel Problem
Solving from Nature. 1st Workshop, PPSN I, pages 2332. Springer-Verlag. Leture
Notes in Computer Science Volume 496, Berlin, 1991.
[121] J. F. Hicklin. Application of the genetic algorithm to automatic program generation.
Masters thesis, University of Idaho, Moscow, Idaho, 1986.
[122] W. D. Hillis. Co-evolving parasites improves simulated evolution as an optimization procedure. In C. Langton, C. Taylor, J. Farmer, and S. Rasmussen, editors,
Artificial Life II, pages 313324. Addison-Wesley, Reading, Massachusetts, 1992.

299

[123] W.D. Hillis. Co-evolving parasites improve simulated evolution as an optimization

procedure. Physica D, 42:228234, 1990.
[124] A. Hoffman. Arguments on Evolution: A Paleontologists Perspective. Oxford
University Press, New York, 1989.
[125] John H. Holland. Concerning efficient adaptive systems. In M. C. Yovits, G. T.
Jacobi, and G. D. Goldstein, editors, Self-Organizing Systems1962, pages 215
230. Spartan Books, Washington, D.C., 1962.
[126] John H. Holland. Outline for a logical theory of adaptive systems. Journal of the
Association for Computing Machinery, 9:297314, 1962.
[127] John H. Holland. Adaptation in Natural and Artificial Systems. University of
Michigan Press, Ann Arbor, Michigan, 1975.
[128] R. B. Hollstien. Artificial Genetic Adaptation in computer control systems. PhD
thesis, University of Michigan, Ann Harbor, Michigan, 1971.
[129] A. Homaifar, S. H. Y. Lai, and X. Qi. Constrained Optimization via Genetic Algorithms. Simulation, 62(4):242254, 1994.
[130] Ellis Horowitz and Sartaj Sahni. Fundamentals of Computer Algorithms. Computer
Science Press, Rockville, Maryland, 1984.
[131] Reiner Horst and Hoang Tuy. Global Optimization. Deterministic Approaches.
Springer, Berlin, third edition, 1996.
[132] Evan J. Hughes. Constraint Handling With Uncertain and Noisy Multi-Objective
Evolution. In Proceedings of the Congress on Evolutionary Computation 2001
(CEC2001), volume 2, pages 963970, Piscataway, New Jersey, May 2001. IEEE
Service Center.
[133] K. Hwang and F.A. Briggs. Computer Architecture and Parallel Processing.
McGraw-Hill, New York, 1984.
[134] F. Jimenez, A.F. Gomez-Skarmeta, and G. Sanchez. How Evolutionary Multiobjective Optimization can be used for Goals and Priorities based Optimization.
In Primer Congreso Espanol de Algoritmos Evolutivos y Bioinspirados (AEB02),
pages 460465. Merida Espana, 2002.
[135] Fernando Jimenez and Jose L. Verdegay. Evolutionary techniques for constrained
optimization problems. In 7th European Congress on Intelligent Techniques and
Soft Computing (EUFIT99), Aachen, Germany, 1999. Springer-Verlag.

300

[136] J. Joines and C. Houck. On the use of non-stationary penalty functions to solve
nonlinear constrained optimization problems with GAs. In David Fogel, editor,
Proceedings of the first IEEE Conference on Evolutionary Computation, pages
579584, Orlando, Florida, 1994. IEEE Press.
[137] A. K. De Jong. An Analysis of the Behavior of a Class of Genetic Adaptive Systems.
PhD thesis, University of Michigan, 1975.
[138] Kenneth A. De Jong. Genetic Algorithms are NOT Function Optimizers. In L. Darrell Whitley, editor, Foundations of Genetic Algorithms 2, pages 517. Morgan
Kaufmann Publishers, San Mateo, California, 1993.
[139] Kenneth A. De Jong, William M. Spears, and Diana F. Gordon. Using Markov
Chains to Aanalyze GAFOs. In L. Darrell Whitley and Michael D. Vose, editors,
Foundations of Genetic Algorithms 3, pages 115137. Morgan Kaufmann Publishers, San Mateo, California, 1994.
[140] Joe L. Blanton Jr. and Roger L. Wainwright. Multiple Vehicle Routing with Time
and Capacity Constraints using Genetic Algorithms. In Stephanie Forrest, editor, Proceedings of the Fifth International Conference on Genetic Algorithms,
pages 452459, San Mateo, California, 1993. University of Illinois at UrbanaChampaign, Morgan Kauffman Publishers.
[141] Isamu Kajitani, Tsutomu Hoshino, Masaya Iwata, and Tetsuya Higuchi. Variable
length chromosome GA for Evolvable Hardware. In Proceedings of the 1996 IEEE
International Conference on Evolutionary Computation, pages 443447, Nagoya,
Japan, May 1996. Nagoya University, IEEE Service Center.
[142] S. Kirkpatrick, Jr. C. D. Gelatt, and M. P. Vecchi. Optimization by Simulated
Annealing. Science, 220:671680, 1983.
[143] Ralph Michael Kling. Optimization by Simulated Evolution and its Application to
Cell Placement. PhD thesis, University of Illinois at Urbana-Champaign, Urbana,
Illinois, 1990.
[144] John R. Koza. Hierarchical genetic algorithms operating on populations of computer programs. In N. S. Sridharan, editor, Proceedings of the 11th International
Joint Conference on Artificial Intelligence, pages 768774. Morgan Kaufmann,
San Mateo, California, 1989.
[145] John R. Koza. Genetic Programming. On the Programming of Computers by Means
of Natural Selection. The MIT Press, Cambridge, Massachusetts, 1992.

301

[146] John R. Koza. Genetic Programming II: Automatic Discovery of Reusable Programs. The MIT Press, Cambridge, Massachusetts, 1994.
[147] John R. Koza, Forrest H. Bennet III, David Andre, and Martin A. Keane. Genetic
Programming III: Darwinian Invention and Problem Solving. Morgan Kaufmann
Publishers, San Francisco, California, 1999.
[148] K. Krishnakumar. Mico-genetic algorithms for stationary and non-stationary function optimization. SPIE Proceedings: Intelligent Control and Adaptive Systems,
1196:289296, 1989.
[149] Ting Kuo and Shu-Yuen Hwang. A Genetic Algorithm with Disruptive Selection.
In Stephanie Forrest, editor, Proceedings of the Fifth International Conference on
Genetic Algorithms, pages 6569. Morgan Kaufmann Publishers, San Mateo, California, July 1993.
[150] Jean Baptiste Lamarck, editor. Zoological Philosophy: An Exposition with Regard to the Natural History of Animals. Chicago University Press, Chicago, 1984.
(Publicado originalmente en 1809 en frances, como Philosophie Zoologique).
[151] Christopher G. Langdon, editor. Artificial Life. Addison-Wesley Publishing Company, Reading, Massachusetts, 1989.
[152] Gideon Langholz, Joan Francioni, and Abraham Kandel. Elements of Computer
Organization. Prentice Hall, Englewood Cliffs, New Jersey, 1989.
[153] B. R. Levin. Simulation of genetic systems. In N. E. Morton, editor, Computer Applications in Genetics, pages 3848. University of Hawaii Press, Honolulu, 1969.
[154] Andrew J. Mason. Crossover non-linearity ratios and the genetic algorithm : Escaping the blinkers of schema processing and intrinsic parallelism. Technical Report
535b, School of Engineering, University of Auckland, Private Bag 92019 NewZealand, September 1993.
[155] Keith E. Mathias and L. Darrel Whitley. Transforming the search space with Gray
coding. In J. D. Schaffer, editor, Proceedings of the IEEE International Conference
on Evolutionary Computation, pages 513518. IEEE Service Center, Piscataway,
New Jersey, 1994.
[156] Keith E. Mathias and L. Darrell Whitley. Changing Representations During Search:
A Comparative Study of Delta Coding. Evolutionary Computation, 2(3):249278,
1994.

302

[157] Gregor Johann Mendel. Versuche ber pflanzen-hybriden. In Verhandlungen des

naturforschenden Vereines in Brunn, volume 1, pages 347. Verlag des Vereines,
Brunn, FebruarMarz 1865.
[158] Gregor Johann Mendel. Experiments in Plant Hybridisation. Journal of the Royal
Horticultural Society, 26:132, 1901. (Traduccion al ingles de un artculo publicado originalmente en 1865).
[159] Zbigniew Michalewicz. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, second edition, 1992.
[160] Zbigniew Michalewicz. A Survey of Constraint Handling Techniques in Evolutionary Computation Methods. In J. R. McDonnell, R. G. Reynolds, and D. B. Fogel,
editors, Proceedings of the 4th Annual Conference on Evolutionary Programming,
pages 135155. The MIT Press, Cambridge, Massachusetts, 1995.
[161] Zbigniew Michalewicz. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, New York, third edition, 1996.
[162] Zbigniew Michalewicz and Naguib F. Attia. Evolutionary Optimization of Constrained Problems. In Proceedings of the 3rd Annual Conference on Evolutionary
Programming, pages 98108. World Scientific, 1994.
[163] Zbigniew Michalewicz and G. Nazhiyath. Genocop III: A co-evolutionary algorithm for numerical optimization with nonlinear constraints. In David B. Fogel,
editor, Proceedings of the Second IEEE International Conference on Evolutionary
Computation, pages 647651, Piscataway, New Jersey, 1995. IEEE Press.
[164] Zbigniew Michalewicz and Marc Schoenauer. Evolutionary Algorithms for Constrained Parameter Optimization Problems. Evolutionary Computation, 4(1):132,
1996.
[165] Marvin L. Minsky. Steps toward artificial intelligence. Proceedings of the IRE,
49(1):830, 1961.
[166] Marvin L. Minsky and O. G. Selfridge. Learning in random nets. In C. Cherry,
editor, Proceedings of the 4th London Symposium on Information Theory, London,
1961. Butterworths.
[167] Melanie Mitchell. An Introduction to Genetic Algorithms. The MIT Press, Cambridge, Massachusetts, 1996.
[168] Melanie Mitchell and Stephanie Forrest. What makes a Problem Hard for a Genetic
Algorithm? Some Anomalous Results and Their Explanation. Machine Learning,
13:285319, 1993.

303

[169] Melanie Mitchell, Stephanie Forrest, and John H. Holland. The Royal Road for Genetic Algorithms: Fitness Landscapes and GA Performance. In Francisco J. Varela
and Paul Bourgine, editors, Toward a Practice of Autonomous Systems: Proceedings of the First European Conference on Artificial Life. MIT Press, Cambridge,
Massachusetts, 1992.
[170] Tom M. Mitchell. The Need for Biases in Learning Generalizations. Technical
Report CBM-TR-117, Department of Computer Science, Rutgers University, 1980.
[171] Angel Kuri Morales. A Comprehensive Approach to Genetic Algorithms in Optimization and Learning. Volume 1 : Foundations. Centro de Investigacion en
ComputacionInstituto Politecnico Nacional, Mexico City, 1999.
[172] Pedro Larra naga and Jose A. Lozano, editors. Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation. Kluwer Academic Publishers,
New York, 2001.
[173] A. Newell, J.C. Shaw, and H.A. Simon. The processes of creative thinking. In
H.E. Gruber, G. Terrell, and M. Wertheimer, editors, Contemporary approaches to
creative thinking, pages 63119. Atherton Press, New York, 1962.
[174] I.M. Oliver, D.J. Smith, and J.R.C. Holland. A Study of Permutation Crossover
Operators on the Traveling Salesman Problem. In John J. Grefenstette, editor, Genetic Algorithms and Their Applications: Proceedings of the Second International
Conference on Genetic Algorithms, pages 224230. Lawrence Erlbaum Associates,
Hillsdale, New Jersey, July 1987.
[175] C.C. Palmer. An approach to a problem in network design using genetic algorithms.
PhD thesis, Polytechnic University, Troy, New York, 1994.
[176] I. C. Parmee and G. Purchase. The development of a directed genetic search technique for heavily constrained design spaces. In I. C. Parmee, editor, Adaptive
Computing in Engineering Design and Control-94, pages 97102, Plymouth, UK,
1994. University of Plymouth.
[177] C. Peck and A.P. Dhawan. A Review and Critique of Genetic Algorithm Theories.
Evolutionary Computation, 3(1):3980, 1995.
[178] Nicholas J. Radcliffe. Forma Analysis and Random Respectful Recombination. In
Richard K. Belew and Lashon B. Booker, editors, Proceedings of the Fourth International Conference on Genetic Algorithms, pages 222229. Morgan Kaufmann
Publishers, San Mateo, California, July 1991.

304

[179] S. Ranji Ranjithan, S. Kishan Chetan, and Harish K. Dakshima. Constraint

Method-Based Evolutionary Algorithm (CMEA) for Multiobjective Optimization. In Eckart Zitzler, Kalyanmoy Deb, Lothar Thiele, Carlos A. Coello Coello,
and David Corne, editors, First International Conference on Evolutionary MultiCriterion Optimization, pages 299313. Springer-Verlag. Lecture Notes in Computer Science No. 1993, 2001.
[180] Singiresu S. Rao. Engineering Optimization. Theory and Practice. John Wiley &
Sons, Inc., third edition, 1996.
[181] Tapabrata Ray. Constraint Robust Optimal Design using a Multiobjective Evolutionary Algorithm. In Proceedings of the Congress on Evolutionary Computation
2002 (CEC2002), volume 1, pages 419424, Piscataway, New Jersey, May 2002.
IEEE Service Center.
[182] Tapabrata Ray, Tai Kang, and Seow Kian Chye. An Evolutionary Algorithm for
Constrained Optimization. In Darrell Whitley, David Goldberg, Erick Cantu-Paz,
Lee Spector, Ian Parmee, and Hans-Georg Beyer, editors, Proceedings of the Genetic and Evolutionary Computation Conference (GECCO2000), pages 771777,
San Francisco, California, 2000. Morgan Kaufmann.
[183] Thomas S. Ray. An approach to the synthesis of life. In C. G. Langton, C. Taylor,
J. D. Farmer, and S. Rasmussen, editors, Artificial Life II, pages 371408. AddisonWesley, Reading, Massachusetts, 1992.
[184] Ingo Rechenberg. Evolutionsstrategie: Optimierung technischer Systeme nach
Prinzipien der biologischen Evolution. FrommannHolzboog, Stuttgart, Alemania, 1973.
[185] J. Reed, R. Toombs, and Nils Aall Barricelli. Simulation of biological evolution
and machine learning. I. Selection of self-reproducing numeric patterns by data
processing machines, effects of hereditary control, mutation type and crossing.
Journal of Theoretical Biology, 17:319342, 1967.
[186] Colin B. Reeves, editor. Modern Heuristic Techniques for Combinatorial Problems. John Wiley & Sons, Great Britain, 1993.
[187] Jon T. Richardson, Mark R. Palmer, Gunar Liepins, and Mike Hilliard. Some
Guidelines for Genetic Algorithms with Penalty Functions. In J. David Schaffer,
editor, Proceedings of the Third International Conference on Genetic Algorithms,
pages 191197, George Mason University, 1989. Morgan Kaufmann Publishers.
[188] Rodolphe G. Le Riche, Catherine Knopf-Lenoir, and Raphael T. Haftka. A Segregated Genetic Algorithm for Constrained Structural Optimization. In Larry J.

305

Eshelman, editor, Proceedings of the Sixth International Conference on Genetic

Algorithms, pages 558565, San Mateo, California, July 1995. University of Pittsburgh, Morgan Kaufmann Publishers.
[189] M. M. Rizki and Michael Conrad. Evolve III: A discrete events model of an evolutionary ecosystem. BioSystems, 18:121133, 1985.
[190] George G. Robertson. Population size in classifier systems. In Proceedings of
the Fifth International Conference on Machine Learning, pages 142152. Morgan
Kaufmann Publishers, 1988.
[191] S. Ronald. Genetic algorithms and permutation-encoded problems: Diversity
preservation and a study of multimodality. PhD thesis, The University of South
Australia, 1995.
[192] S. Ronald. Robust encodings in genetic algorithms. In D. Dasgupta & Z.
Michalewicz, editor, Evolutionaty Algorithms in Engineering Applications, pages
3044. Springer-Verlag, 1997.
[193] R. Root. An investigation of evolutionary programming. Masters thesis, New
Mexico State University, Las Cruces, New Mexico, 1970.
[194] Franz Rothlauf. Representations for Genetic and Evolutionary Algorithms.
Physica-Verlag, New York, 2002.
[195] Gunter Rudolph. Convergence Analysis of Canonical Genetic Algorithms. IEEE
Transactions on Neural Networks, 5:96101, January 1994.
[196] Gunter Rudolph and Alexandru Agapie. Convergence properties of some multiobjective evolutionary algorithms. In Proceedings of the 2000 Conference on Evolutionary Computation, pages 10101016, Piscataway, New Jersey, 2000. IEEE.
[197] Stuart J. Russell and Peter Norvig. Artificial Intelligence. A Modern Approach.
Prentice Hall, Upper Saddle River, New Jersey, 1995.
[198] J. David Schaffer. Multiple Objective Optimization with Vector Evaluated Genetic
Algorithms. PhD thesis, Vanderbilt University, 1984.
[199] J. David Schaffer. Multiple Objective Optimization with Vector Evaluated Genetic
Algorithms. In Genetic Algorithms and their Applications: Proceedings of the
First International Conference on Genetic Algorithms, pages 93100. Lawrence
Erlbaum, 1985.

306

[200] J. David Schaffer, Richard A. Caruana, Larry J. Eshelman, and Raharshi Das. A
Study of Control Parameters Affecting Online Performance of Genetic Algorithms
for Function Optimization. In J. David Schaffer, editor, Proceedings of the Third
International Conference on Genetic Algorithms, pages 5160, San Mateo, California, 1989. Morgan Kaufmann Publishers.
[201] J. David Schaffer and Amy Morishima. An Adaptive Crossover Distribution Mechanism for Genetic Algorithms. In John J. Grefenstette, editor, Genetic Algorithms
and Their Applications: Proceedings of the Second International Conference on
Genetic Algorithms, pages 3640. Lawrence Erlbaum Associates, Hillsdale, New
Jersey, July 1987.
[202] Hans-Paul Schwefel. Kybernetische evolution als strategie der experimentellen
forschung in der stromungstechnik. Dipl.-Ing. thesis, 1965. (in German).
[203] Hans-Paul Schwefel. Numerische Optimierung von Computer-Modellen mittels
der Evolutionsstrategie. Birkhauser, Basel, Alemania, 1977.
[204] Hans-Paul Schwefel. Numerical Optimization of Computer Models. Wiley, Chichester, UK, 1981.
[205] Greg W. Scragg. Computer Organization. A Top-Down Approach. McGraw-Hill,
New York, 1992.
[206] Anthony V. Sebald and Jennifer Schlenzig. Minimax design of neural net controllers for highly uncertain plants. IEEE Transactions on Neural Networks,
5(1):7382, January 1994.
[207] O. G. Selfridge. Pandemonium: A paradigm for learning. In Proceedings of the
Symposium on Mechanization of Thought Processes, pages 511529, Teddington,
England, 1958.
[208] S.F. Smith. A learning system based on genetic adaptive algorithms. PhD thesis,
University of Pittsburgh, 1980.
[209] William M. Spears and Kenneth A. De Jong. An Analysis of Multi-Point Crossover.
In Gregory E. Rawlins, editor, Foundations of Genetic Algorithms, pages 301315.
Morgan Kaufmann Publishers, San Mateo, California, 1991.
[210] M. Srinivas and L. M. Patnaik. Adaptive probabilities of crossover and mutation in genetic algorithms. IEEE Transactions on Systems, Man and Cybernetics,
24(4):656667, April 1994.

307

[211] M. Srinivas and L. M. Patnaik. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms. IEEE Transactions on Systems, Man and Cybernetics,
24(4):656667, April 1994.
[212] Edward J. Steele, Robyn A. Lindley, and Robert V. Blanden. Lamarcks Signature.
How Retrogenes are Changing Darwins Natural Selection Paradigm. Perseus
Books, Reading, Massachusetts, 1998.
[213] Rainer Storn and Kenneth Price. Differential Evolution: A Simple and Efficient
Adaptive Scheme for Global Optimization over Continuous Spaces. Technical Report TR-95-012, International Computer Science Institute, Berkeley, California,
March 1995.
[214] Rainer Storn and Kenneth Price. Differential EvolutionA Fast and Efficient
Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 11:341359, 1997.
[215] Patrick D. Surry and Nicholas J. Radcliffe. Real Representations. In Richard K.
Belew and Michael D. Vose, editors, Foundations of Genetic Algorithms 4, pages
343363. Morgan Kaufmann, San Mateo, California, 1997.
[216] Patrick D. Surry, Nicholas J. Radcliffe, and Ian D. Boyd. A Multi-Objective Approach to Constrained Optimisation of Gas Supply Networks : The COMOGA
Method. In Terence C. Fogarty, editor, Evolutionary Computing. AISB Workshop.
Selected Papers, Lecture Notes in Computer Science, pages 166180. SpringerVerlag, Sheffield, U.K., 1995.
[217] Gilbert Syswerda. Uniform Crossover in Genetic Algorithms. In J. David Schaffer,
editor, Proceedings of the Third International Conference on Genetic Algorithms,
pages 29, San Mateo, California, 1989. Morgan Kaufmann Publishers.
[218] Gilbert Syswerda. Schedule Optimization using Genetic Algorithms. In Lawrence
Davis, editor, Handbook of Genetic Algorithms, chapter 21, pages 332349. Van
Nostrand Reinhold, New York, New York, 1991.
[219] Alan Mathison Turing. Computing Machinery and Intelligence. Mind, 59:94101,
1950.
[220] G. Vignaux and Z. Michalewicz. Genetic algorithms for the transportation problem.
Methodologies for Intelligent Systems, 4:252259, 1989.
[221] Michael D. Vose. Generalizing the Notion of Schema in Genetic Algorithms. Artificial Intelligence, 50(3):385396, 1991.

308

[222] Michael D. Vose. The Simple Genetic Algorithm. Foundations and Theory. The
MIT Press, Cambridge, Massachusetts, 1999.
[223] Hugo De Vries. Species and Varieties: Their Origin by Mutation. Open Court,
Chicago, 1906.
[224] August Weismann, editor. The Germ Plasm: A Theory of Heredity. Scott, London,
UK, 1893.
[225] A. Wetzel. Evaluation of the effectiveness of genetic algorithms in combinational
optimization. University of Pittsburgh, Pittsburgh (unpublished), 1983.
[226] D. Whitley and J. Kauth. GENITOR: A different Genetic Algorithm. In Proceedings of the Rocky Mountain Conference on Artificial Intelligence, pages 118130,
Denver, Colorado, 1988.
[227] D. Whitley, S. Rana, and R. Heckendorn. Representation Issues in Neighborhood
Search and Evolutionary Algorithms. In D. Quagliarella, J. Periaux, C. Poloni, and
G. Winter, editors, Genetic Algorithms and Evolution Strategies in Engineering
and Computer Science. Recent Advances and Industrial Applications, chapter 3,
pages 3957. John Wiley and Sons, West Sussex, England, 1998.
[228] Darrell Whitley. The GENITOR Algorithm and Selection Pressure: Why RankBased Allocation of Reproductive Trials is Best. In J. David Schaffer, editor,
Proceedings of the Third International Conference on Genetic Algorithms, pages
116121. Morgan Kaufmann Publishers, San Mateo, California, July 1989.
[229] D. H. Wolpert and W. G. Macready. No Free Lunch Theorems for Search. Technical Report SFI-TR-95-02-010, Santa Fe Institute, New Mexico, 1995.
[230] David H. Wolpert and William G. Macready. No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation, 1(1):6782, April 1997.
[231] Alden H. Wright. Genetic Algorithms for Real Parameter Optimization. In Gregory
J. E. Rawlins, editor, Foundations of Genetic Algorithms, pages 205218. Morgan
Kaufmann Publishers, San Mateo, California, 1991.
[232] Jin Wu and Shapour Azarm. On a New Constraint Handling Technique for MultiObjective Genetic Algorithms. In Lee Spector, Erik D. Goodman, Annie Wu, W.B.
Langdon, Hans-Michael Voigt, Mitsuo Gen, Sandip Sen, Marco Dorigo, Shahram
Pezeshk, Max H. Garzon, and Edmund Burke, editors, Proceedings of the Genetic
and Evolutionary Computation Conference (GECCO2001), pages 741748, San
Francisco, California, July 2001. Morgan Kaufmann Publishers.

309

[233] J. Yoo and P. Hajela. Enhanced GA Based Search Through Immune System Modeling. In 3rd World Congress on Structural and Multidisciplinary Optimization,
Niagara Falls, New York, May 1999.

310