Algoritmo genético compacto
La finalidad del tratamiento de la información de laalgoritmo genético compacto es simular el comportamiento de un algoritmo genética con una huella de memoria mucho más pequeña (sin requerir el mantenimiento de una población). Esto se logra manteniendo un vector que especifica la probabilidad de incluir cada componente en una solución en nuevas soluciones candidatas. Las soluciones candidatas se generan probabilísticamente a partir del vector y los componentes de la mejor solución se utilizan para realizar pequeños cambios en las probabilidades del vector.
El algoritmo genético compacto mantiene un vector prototipo de valor real que representa la probabilidad de que cada componente se exprese en una solución candidata. El siguiente algoritmo proporciona una pseudocódigo del algoritmo genético compacto para maximizar una función de costo. El parámetro n indica el número de probabilidades de actualizar los bits en conflicto en cada iteración.
El parámetro de actualización de vector (n) influye en la cantidad de actualizaciones de probabilidad en cada iteración del algoritmo. El parámetro de actualización del vector (n) puede considerarse comparable al parámetro de tamaño de la población en el algoritmo genético. Los primeros resultados demuestran que cGA se puede comparar con un algoritmo genético estándar en problemas clásicos de optimización de cadenas binarias (como OneMax). Se puede considerar que el algoritmo ha convergido si las probabilidades vectoriales son todas iguales a 0 o 1.
ES 
FR 
EN