- Algoritmos Genéticos: Búsqueda y Optimización por Selección Natural

Blog sobre Optimizacion Avanzado y Algoritmos Genéticos: Búsqueda y Optimización por Selección Natural en Argentina

Hemos cubierto solo la punta del iceberg. Tomamos un ejemplo que tiene solo una entrada y ésta puede ser presentada, fácilmente, como un cromosoma. Los operadores genéticos son simples.

Es muy interesante tomar un problema de la vida real y aplicar el algoritmo genético a éste. Descubrirás diferentes acercamientos al codificar entradas de data reales, al igual que diferentes implementaciones de entrecruzamiento y mutación.

Si un problema puede ser expresado a través de un set de parámetros que tenemos que adivinar para optimizar una métrica, podemos establecer rápidamente un AG que podemos usar para resolverlo.

Uno de los problemas más interesantes es enseñar redes neuronales artificiales. Podemos establecer los parámetros optimizados para ser fuerzas sinapsis y para que la métrica adecuada sea el porcentaje de entradas por el cual nuestras redes neurales hayan dado la respuesta correcta. Después de eso, nos podemos relajar y dejar que nuestras redes neurales evolucionen en la solución ideal que deseamos. O al menos hasta que tengamos algo lo suficientemente bueno, porque la evolución toma tiempo.

Visitar articulo completo sobre Algoritmos Genéticos: Búsqueda y Optimización por Selección Natural

Comparte tu opinion o comenta

Cuenta tu opinion o amplia el contenido del articulo