Universidad del Norte. Thomas. Algoritmos genticos y colonias de hormigas.

APLICACIONES DE ALGORITMOS
GENTICOS Y COLONIAS DE HORMIGAS
Thomas Manuel
mgthomas@uninorte.edu.co
Universidad del Norte

ResumenLos algoritmos genticos y el algoritmo de

colonia de hormiga son mtodos computacionales basados en
fenmenos naturales. Gracias a ellos se ha logrado encontrar
soluciones ptimas a problemas complejos de ingeniera y de
la vida diaria. En este artculo se explican algunos de sus usos
ms frecuentes en los sectores de medicina, elctrica y
electrnica, robtica, economa, y aviacin.
ndice de Trminos algoritmo gentico, colonia de
hormigas, algoritmo

I. INTRODUCCIN
Los algoritmos genticos son procesos basados en
el funcionamiento biolgico de seleccin natural
descrito por Charles Darwin; stos simulan
fenmeno presentes en la, tales como mutaciones,
cruces y reproduccin. El fin de este tipo de
algoritmo es dar soluciones apropiadas a problemas
con funciones complejas que normalmente seran
muy difciles de calcular o aproximar. En general
los algoritmos genticos utilizan iteraciones de
supervivencia + examinacin [1], es decir inician
con valores de prueba aleatorios que son sometidos
a procesos para medir su competencia y luego
evolucionan hasta llegar a una solucin
satisfactoria.
La estructura bsica del funcionamiento de los
algoritmos genticos puede observarse en la figura
que se muestra a continuacin:

Figura 1. Diagrama de flujo sobre algoritmos genticos [2].

Por otro lado se encuentran los algoritmos de

colonia de hormigas, que son otra tcnica basada en
comportamientos naturales. Similar a los algoritmos
genticos, en la optimizacin por colonias de
hormigas se manejan datos de manera aleatoria
hasta encontrar el camino ms eficiente a un
determinado objetivo.
Mediante el uso de los mtodos algortmicos
mencionados anteriormente se han logrado avances
en diferentes sectores multidisciplinares.
II. TRABAJO RELACIONADO
A continuacin se describirn algunas de las
aplicaciones ms destacadas de los algoritmos
genticos y la optimizacin por colonia de
hormigas:

Universidad del Norte. Thomas. Algoritmos genticos y colonias de hormigas.

A. Aplicaciones en la medicina

C. Aplicaciones en la economa

Los algoritmos genticos resultan ser una

poderosa herramienta para el sector de la salud.
Dos ejemplos especficos son: Deteccin de
tumores cancergenos y modelaje de sistemas
inmunes. El primero de ellos ha tomado
protagonismo en los ltimos aos mediante el uso
de la minera de datos biolgicos, y la
implementacin de algoritmos genticos que
permiten clasificar con mayor precisin datos de
expresin gentica usando un fuerte conjunto de
las llamadas reglas Fuzzy IF-THEN [3].

En el caso de la economa, se ha hecho uso de

estos algoritmos para modelar procesos de
innovacin, el desarrollo estrategias de puja, y la
aparicin de mercados econmicos.

En el segundo caso a la hora de modelizar varios

aspectos de los sistemas inmunes naturales,
incluyendo la mutacin somtica durante la vida
de un individuo y el descubrimiento de familias de
genes mltiples en tiempo evolutivo, ha resultado
de gran utilidad el empleo de algoritmos
genticos. [3]
B. Aplicaciones en ingeniera elctrica y
electrnica
Para la aplicacin de algoritmos genticos en
ingeniera elctrica y electrnica, se puede
aprovechar su capacidad de optimizacin. Tanto la
topologa y el valor de los componentes en un
circuito puede ser determinados automticamente
por un piscina de evolucin de programas (pool
of evolving programs). Estos programas
cambiantes se sometern a una evolucin de
programacin gentica, que incluye reproduccin,
cruce y mutacin. [4] Dicho de otro modo, los
programas se encargaran de crear funciones que
modifiquen la estructura geometra de los circuitos
y que sean capaces de insertar componentes en
localizaciones optimas dentro de esta geometra.
Algunos ejemplos de circuitos diseados con
esta tcnica son los crossover filter (filtro de
cruce), los low pass filter (filtro de paso bajo),
amplifier circuit (circuito amplificador), y el foodforging controller for simulating behaviour of a
lizard (el controlador de forja y alimentos para
simular el comportamiento de un lagarto). [4]

Un claro ejemplo se puede observar en la

optimizacin de sistemas para explotacin de
recursos renovables. Algoritmos genticos han
sido utilizados para describir comportamientos de
racionalidad limitada en el campo de
aprovechamiento de recursos naturales [5]. Este
ltimo concepto hace referencia a un modelo
econmico elaborado por Herbet Simon y James
March que trata de buscar soluciones ptimas a
problemas econmicos a sabiendas de que no se
posee toda la informacin ni los mecanismos para
procesarla.
D. Aplicaciones en la robtica
En este sector es especialmente til el uso de
optimizacin por colonia de hormigas. Uno de los
principales retos que presenta la robtica
actualmente es la planeacin de caminos. Este
consiste en la determinacin automtica del
camino ms ptimo a seguir de una posicin
inicial a un punto final. [6]
Algunas especies de hormigas son capaces de
seleccionar el camino ms corto entre muchos
otros, una vez se ha localizado la fuente de
alimento. Las hormigas dejan un rastro de
feromonas para que las otras puedan decidir tomar
el camino con hormonas ms fuertes. Similar a
este comportamiento, los algoritmos colonia de
hormigas pueden decidir cul es el camino ms
corto que un robot pueda tomar.
La principal idea de este modelo puede
observarse en la siguiente figura:

Universidad del Norte. Thomas. Algoritmos genticos y colonias de hormigas.

(a)

informacin. Estas cualidades permiten que sean

usados en otros sectores y que puedan ser
investigados ms a fondo para explotar sus
capacidades.
REFERENCIAS

(b)

Figura 2. (a) Las hormigas seleccionan el camino de forma

probabilstica. (b) Despus de cierto tiempo, la densidad de
las feromonas es mayor en el camino ms corto y esto causa
que la mayora de hormigas decidan tomar esa va. [6]

E. Aplicaciones en aviacin
ltimamente se ha dado uso de algoritmos de
colonia de hormigas para optimizar las vas y
maniobras de mltiples aeronaves en un espacio
horizontal. [7] De acuerdo con investigaciones y
anlisis de resultados, el Sistema de alerta de
trfico y evasin de colisin (TCAS) es un punto
de partida idneo para el uso de este tipo de
algoritmos, siguiendo la estrategia mostranda en la
figura 3.

Figura 3. Diagrama de flujo de algoritmo colonia de

hormigas bsico. [7]

III. CONCLUSIN
Los algoritmos genticos y la optimizacin por
colonia de hormigas presentan un gran potencial
en diferentes reas multidisciplinares. Se destaca
principalmente su capacidad para optimizar
procesos y llegar a soluciones con poca

[1] G. Wei and X. Xie, "Research of using genetic algorithm

of improvement to compute the most short path," in AntiCounterfeiting,
Security,
and
Identification
in
Communication, 2009. ASID 2009. 3rd International
Conference on, 2009, pp. 516-519.
[2] A.G. Kholina, A.M. Gizatulin (2012) Problems of
applying genetic algorithms to economic models.
[Online]. Available FTP:
http://masters.donntu.edu.ua/2012/fknt/kholina/library/arti
cle6.html
[3] A. Z. Shabgahi and M. S. Abadeh, "Cancer tumor
detection by gene expression data exploration using a
genetic fuzzy system," in Developments in E-Systems
Engineering (DeSE), 2011, pp. 141-145.
[4] N. Chaiyaratana and A. M. S. Zalzala, "Recent
developments in evolutionary and genetic algorithms:
Theory and applications," in Genetic Algorithms in
Engineering Systems: Innovations and Applications,
1997. GALESIA 97. Second International Conference on
(Conf. Publ. no. 446), 1997, pp. 270-277.
[5] S. Geisendorf (1999) Genetic Algorithms in Resource
Economic Models Santa Fe Institute [Online]. Available
FTP:
http://www.santafe.edu/media/workingpapers/99-08058.pdf
[6] B. A. Garro, H. Sossa and R. A. Vazquez, "Evolving ant
colony system for optimizing path planning in mobile
robots," in Electronics, Robotics and Automotive
Mechanics Conference, 2007. CERMA 2007, 2007, pp.
444-449.
[7] Gang Xiao, Bo Gu, Zhongliang Jing and Chaopeng Yu,
"An improved ant colony optimization approach for
multi-aircraft horizontal escape maneuvers," in Digital
Avionics Systems Conference (DASC), 2012 IEEE/AIAA
31st, 2012, pp. 4D3-1-4D3-8.