Algoritmos genéticos

Una clase de algoritmos de optimización global que comienzan con una analogía general entre optimización y un sistema biológico compuesto de relativamente pocos organismos que reaccionan de una forma relativamente compleja. Los algoritmos tratan de evolucionar una población de miembros de prueba de una forma que imita la evolución biológica. Puntos en el dominio son llamados ‘‘modelos’’ y cada modelo tiene una ‘‘función de ajuste’’ asociada a él; el objetivo es encontrar el mejor ajuste de modelos posibles. Un algoritmo genético es un conjunto de operaciones que aplicamos a una población de modelos para producir una nueva población cuyo ajuste promedio excede el de sus predecesores. Las características de modelos están especificadas por ‘‘cadenas de cromosomas.’’ Un tipo de algoritmo genético selecciona padres aleatoriamente pero ponderados por su ajuste (selección); los cromosomas para el ‘‘hijo’’ son de cierta forma escogidos aleatoriamente de los dos padres (cruce). El hijo entonces se une a la población y el miembro menos apto de la población (que puede ser el hijo) es eliminado. En tiempos aleatorios, una ‘‘mutación,’’, un cambio aleatorio en el cromosoma de un miembro, ocurre; esto permite introducir en las especies elementos de cromosomas no presentes en la población original. Ver Smith et al. (1992) y Stoffa y Sen (1991).