¿Qué es la Computación Evolutiva?  

La CE trata de resolver problemas de optimización combinatoria con el fin de poder encontrar la mejor solución a un problema, es decir, al igual que en la naturaleza sólo los más fuertes y mejores adaptados al ambiente son capaces de poder sobrevivir, reproducirse y perpetuar su especie a través del tiempo. 

La CE engloba diferentes estrategias para la resolución de los problemas de optimización, las cuales son:

1. Procesos de búsqueda evolutiva: Esta fue propuesta por Alan Turing en el año 1948. 
2. Estrategias Evolutivas: Esta representa los individuos a través de vectores reales. Fue propuesta por Rechenberg en el año 1964 
3. Programación Evolutiva: Esta utiliza máquinas de estado finito. Fue propuesta por Fogel en el año 1965. 
4. Algoritmos Genéticos: Esta representa a los individuos como cadenas binarias y fue propuesta por Holland en el año 1975. 
5. Programación Genética: Utiliza arboles LISP y fue propuesta por Koza en 1992. 

Algoritmos Evolutivos 

Componentes principales: 

1. Población de individuos, que son una representación de posibles soluciones.  
2. Procedimiento de selección basado en la aptitud de los individuos para resolver el problema.   
3. Procedimiento de transformación para construir nuevos individuos a partir de los anteriores.

BEGIN

INICIALIZAR de forma aleatoria una población con soluciones candidatas EVALUAR cada candidato

REPEAT UNTIL ( CONDICIÓN DE TERMINACIÓN == true )

1. SELECCIONAR progenitores

2. RECOMBINAR progenitores seleccionados obteniendo descendencia 

3. MUTAR descendencia

4. EVALUAR nuevos candidatos

5. SELECCIONAR individuos para la próxima generación

END REPEAT 

END

Características: 

• Estrategias Evolutivas: Desarrollada por Rechenberg y Schwefel y extendida por Herdy, Kursawe, Ostermeier, Rudolph, y otros, fue diseñada con el propósito de resolver problemas de optimización discretos y continuos. Trabaja con vectores de números reales que codifican las posibles soluciones de problemas numéricos. Este utiliza recombinación o cruce (crossover aritmético), mutación y la operación de selección, pudiendo ser determinística o probabilística, elimina las peores soluciones de la población y no genera copia de aquellos individuos con una aptitud por debajo de la aptitud promedio. 
• Programación Evolutiva: Fue introducida por Fogel y extendida por Burguin, al principio fue diseñada con el propósito de crear inteligencia artificial. La representación del problema se hace mediante números reales y emplea mecanismos de mutación y selección. 
• Algoritmos Genéticos: Trabajan con cadenas binarias para la representación del problema y el espacio de las soluciones que son posibles es explorado aplicando transformaciones a éstas soluciones candidatas así como podemos observarlo en los organismos vivos: cruce, inversión y mutación. 
• Programación Genética: Fue desarrollada por Koza, los individuos son programas o autómatas de longitud variable, están descritos a través Expresiones-S de LISP y se representan como árboles, y como operadores de variación emplea crossover y modificación, además de mecanismos de selección.

Podemos decir que cada persona posee una información genética única la cual se encuentra en el ADN. El ADN está compuesto por cuatro tipos de elementos: la "Adenina" (A), "Timina" (T), "Citosina" (C) y "Guanina" (G), podemos decir que los seres humanos estamos representados por medio de un ARRAY (Arreglo) compuesto por alguno de estos 4 "elementos" y con esto tenemos una manera de representar los individuos. Pasando esto a un problema de optimización combinatoria, quiere decir que un posible resultado al problema lo podemos pasar a un array que podría estar lleno de ceros o unos (binario), al que le daremos un cierto significado y a este array que representa al individuo se le denomina Cromosoma. 

¿Cómo se representan los individuos?

Podemos definir el proceso de reproducción como la creación de un nuevo individuo a partir de dos individuos dados, es decir, haciendo una combinación de dos arrays que representan a dos individuos. Aquí les dejo un ejemplo de como sería este proceso

:

Así es como funciona la reproducción humana, pues al nacer el individuo hereda unas características de la madre y otras del padre. No se tiene porque heredar en partes iguales las características de los dos progenitores.

En referencia a la generación de nuevo individuos, existe la posibilidad de que ocurra una mutación en algún gen; es decir, que sin ninguna "lógica" un elemento específico del cromosoma cambie su valor, por ejemplo:

Algoritmos Genéticos

Los algoritmos genéticos trabajan sobre un conjunto de soluciones potenciales, la cual se denomina población. Esta población está compuesta por una serie de soluciones que se le llaman individuos y un individuo está conformado por una serie de posiciones que representan cada una de las variables involucradas en los procesos de optimización llamados cromosomas. Los cromosomas están compuestos por una cadena de símbolos que en la mayoría de los casos es representada en números binarios. En un algoritmo genético cada individuo está definido como una estructura de datos que representa una posible solución del espacio de búsqueda del problema. Las estrategias de evolución trabajan sobre los individuos, los cuales evolucionan a través de generaciones. Dentro de la población cada uno de los individuos es diferenciado por su valor de aptitud, el cual obtienen usando algunas medidas de acuerdo con el problema que se va a resolver. Para la obtener las próximas generaciones se crean nuevos individuos, los cuales son llamados hijos, utilizando dos estrategias de evolución básicas como son el operador de cruce y el de mutación las cuales se emplean generalmente de una manera aleatoria.

Fuente de las Imágenes:

A B C D E F G H 

Referencias Bibliográficas:

1. Sitio Web: A B C D 
2. Libro: Inteligencia Artificial un enfoque moderno, segunda edición. Stuart J. Russell & Peter Norvig.

Espero que les haya gustado el post, muchas gracias por sus comentarios y haberme leído,hasta la próxima.