A partir de la computacin evolutiva a la evolucin de las cosas

La computacin evolutiva ha sido inspirada de los mecanismos que utiliza la evolucin natural
esta comprende de mtodos de bsquedas y aprendizajes autnomos. En un comienzo la idea
principal era desarrollar diferentes implementaciones algortmicas tale como algoritmos
genticos, programacin gentica, estrategas evolutivas, entre otros. Pero con el transcurso del
tiempo a este conjunto de mtodos se le denomina algoritmos evolutivos.
Gracias a este campo resultante se ha podido demostrar que los enfoques evolutivos son
poderosos para el descubrimiento de conocimientos.
Estas diferencias tocan distintos aspectos del algoritmo incluyendo la manera de representar
los individuos, los mecanismos de seleccin, y el nfasis y tipo de operadores de variacin
gentica utilizados.
Evolucin y resolucin de problemas
A su vez los algoritmos evolutivos imitan a la evolucin natural por ende estos estn
constituido por 3 pasos generales:
Primer paso; identificar una representacin una estructura de datos adecuada que pueda
representar posibles soluciones al problema (creacin de una poblacin)
Segundo pas: definir formas de medir la calidad de los individuos en la poblacin, basndose
en los requisitos de problemas especficos, tambin conocida como funcin de desempeo o
evaluacin (crear criterios)
Tercer paso: es la seleccin y variacin de los operadores adecuados para poder generar
nuevos individuos o soluciones potenciales al problema( figura 1)
Funcin
El propsito de esta funcin es el de medir la calidad de los cromosomas en su capacidad de
resolver el problema bajo estudio
Seleccin
La seleccin se encarga de asignar oportunidades de reproduccin a cada uno de los
miembros de la poblacin. Mientras ms alto sea el valor de la funcin de desempeo de un
individuo, ms oportunidades tendr de reproducirse
Estos algoritmos puden ser pensado en 2 niveles( haciendo la analoga biolgicamente)
Alto nivel se encuentra el fenotipo(sacados del problema inicial), el cual mide su aptitud,
mecanismos de seleccin que son utilizados para ver que padre e hijo pasa a la siguiente
generacin

Nivel mas bajo es el genotipo: el cual en base a ellos se crean los fenotipos.
En este nivel los operadores van generando nuevos individuos (mutacion o combinacin )
Una gran ventaja de estos algoritmos es que son fcil de trasferir, sin embargo de deber tener
en cuenta la forma en que el genotipo se convierte en fenotipo y en la funcin de evaluacin o
de desempeo.
Cabe mencionar que la combinacin adecuada de las estructura de datos pueden representar
posibles soluciones, siendo as que la eleccin de operador solo depender de la estructura de
datos elegida

Estado de arte
Con el pasar de los aos la computacin evolutiva se a convertido en un campo importante en
la inteligencia computacional. Teniendo una ventaja partcula en la resolucin de problemas
difciles,
Impulsando a cambiar de verlo como un solucionador de problemas a ver la evoluciones como
un algoritmo heurstico para la optimizacin, demostrando as se muy competitivo en problemas
como de caracterstica de discontinuidad, no difecienciabilidiad. Mltiples ptimos locales, el
ruido y la interaccin no lineal entre las variables, siendo as que el clculo de esto es muy
elevado pero con la ayuda de diferentes sistemas en paralelo se puede llegar a obtener un
tiempo adecuado.
El gran xito que han tenido estos algoritmos evolutivos se pueden destacar en 5 mbitos
Primero: son suposiciones libres (ya que se representan soluciones candidatos,
proporcionando la trasformacin del genotipo en una solucin candidato y luego realiza una
evaluacin)
Segundo: son flexibles (pueden ser utilizados fcilmente con otros mtodos ya existentes
como la bsqueda loca)
Tercero: son robustos (esto se debe a que usan un a poblacin y son aleatorios, implicando que
no se quede atrapado como otros algoritmos) y menos sensibles al cambio de problema
Cuarto: no se centran solo en una solucin (ya que tienen una poblacin)
Quinto capaces de producir soluciones inesperadas (ya que el perjuicio humanos no juega un
rol fundamental, estos pueden encontrar soluciones no intuitivas que pueden se valiosas en
domingo de diseo).