Propuesta de algoritmos genéticos de cromosoma variable y búsqueda de Gauss
No Thumbnail Available
Date
2002
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Los Algoritmos Genéticos (AG) son herramientas poderosas en la búsqueda de soluciones y optimización de diversos problemas. Los AG tienen su origen en la teoría de la evolución de Darwin, que plantea que sólo sobrevivirán aquellos organismos que sean los más aptos, o los que estén mejor adaptados. Se les llama genéticos porque realizan una analogia genética, debido a que se usan términos como cromosomas, genes y operadores como selección, cruzamiento, mutación entre otras. Con la realización de este proyecto se pretende introducir mejoras a los AG existentes para minimizar los tiempos de proceso, y conseguir una mayor precisión en la respuesta; por medio de cromosomas de longitud variable, generaciones secundarias de la población utilizando la distribución de Gauss y mutación dirigida para afinación de la respuesta. Para realizar las pruebas a dichas mejoras se toma como base el problema para encontrar los parámetros de la ecuación de una recta que mejor se ajuste a un conjunto de puntos determinados. Los resultados obtenidos mediante la aplicación de estas mejoras, indican una disminución del 20 % en los tiempos de proceso, una disminución del 70% en el número de poblaciones utilizadas para alcanzar la respuesta y en todas las pruebas que se realizan el error que se obtiene es menor. Se desarrollan dos nuevas metodologías con el enfoque de los AG para resolver dos problemas de ingeniarla, uno el de despejar numéricamente una variable de una ecuación y el otro en el ajuste de los parámetros de la ecuación de Peng-Robínson. La aplicación de estas mejoras produce resultados alentadores para continuar con la investigación en el campo de mejoras a los Algoritmos Genéticos. Siendo de gran utilidad en áreas como Medicina, Biología Molecular, Robótica, Criminología entre otras.
Description
Keywords
Computación evolutiva, Algoritmos genéticos, Cromosoma variable, Búsqueda de Gauss, Mutación dirigida