Algoritmo genético compacto

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.

algoritmo genético compacto

El parámetro de actualización del vector (n) influye en la cantidad de actualizaciones de las probabilidades en cada iteración del algoritmo. El parámetro de actualización del vector (n) puede considerarse comparable al parámetro del tamaño de la población en el algoritmo genético. Los primeros resultados demostrar que cGA puede ser comparable a un algoritmo genético estándar en problemas de optimización de cadenas binarias clásicas (como OneMax). Se puede considerar que el algoritmo ha convergido si las probabilidades del vector son todas iguales a 0 o 1.

Compartir, repartir
es_ESES