Discusión sobre el artículo "Algoritmos de optimización de la población: Algoritmo genético binario (Binary Genetic Algorithm, BGA). Parte II"

[MetaQuotes]

Artículo publicado Algoritmos de optimización de la población: Algoritmo genético binario (Binary Genetic Algorithm, BGA). Parte II:

En este artículo, analizaremos el algoritmo genético binario (BGA), que modela los procesos naturales que ocurren en el material genético de los seres vivos en la naturaleza.

El desarrollo del algoritmo binario genético se inspiró en varios factores e ideas, las más importantes de las cuales son:

• La selección natural y los principios de la evolución: La BGA se basa en los principios de la selección natural y evolución propuestos por Charles Darwin. La idea dice que en una población hay diversidad de soluciones, y las que estén mejor adaptadas al entorno tendrán más posibilidades de sobrevivir y transmitir sus características a la siguiente generación.
• Genética y herencia: El BGA también utiliza conceptos genéticos como gen, cromosoma y herencia. Las soluciones en el BGA se representan como cadenas binarias, donde los grupos individuales de bits representan genes específicos, mientras que el gen a su vez representa el parámetro a optimizar. Los operadores genéticos, como el cruce y la mutación, se aplican a cadenas binarias para crear nuevas generaciones de soluciones.

En general, el desarrollo del BGA fue resultado de una combinación de ideas procedentes de los campos de los algoritmos evolutivos, la genética y la optimización. Fue creado para resolver problemas de optimización usando los principios de la selección natural y la genética, y su desarrollo prosigue hasta nuestros días; se han creado un gran número de variantes de GA, así como un amplio uso de ideas y enfoques en algoritmos genéticos como parte de algoritmos híbridos, incluyendo algoritmos muy complejos y llenos de distintos componentes.

El algoritmo genético binario, el BGA, utiliza una representación binaria de los datos. Y esto significa que cada individuo (solución) se representa como una cadena de bits (0 y 1). Asimismo, los operadores genéticos como el cruce y la mutación se aplican a cadenas de bits para crear nuevas generaciones de soluciones.

Autor: Andrey Dik