Exploraron dos interesantes extensiones para el diseo bsico de GABIL En un conjunto de experimentos ellos exploraron la adicin de 2 nuevos operadores

genticos

1.- AddAlternative
Generaliza la restriccin sobre un atributo en especifico Cambiar 0 a 1 en una sub-cadena correspondiente en el

atributo

Si la restriccin sobre un atributo es representada por la cadena:

10010 El operador puede cambiarlo a 10110 Este operador se le aplico una probabilidad 0.01 para seleccionar miembros de una poblacin en cada generacin.

Realiza una generalizacin mas drstica Reemplaza todos los bits por un atributo particular por 1. Este operador corresponde con la generalizacin de la regla por completo dejando caer la restriccin sobre el atributo Y es aplicado en cada generacin con una probabilidad de 0.60

Este sistema logro un porcentaje promedio de 95.2 % sobre el conjunto de tareas de aprendizaje, comparada a 92.1 % para los algoritmos bsicos genticos.

En el experimento anterior los dos nuevos operadores fueron aplicados con la misma probabilidad para cada hiptesis en la poblacin de cada generacin. En un segundo experimento la representacin bitstring para la hiptesis se extendi para incluir dos bits que determinan cual de estos dos operadores puede ser aplicado a la hiptesis.

a1

a2

a1 a2

AA DC

00 11 0

10 01 0

Estos dos nuevos bits definen parte de una estrategia de bsqueda usado por GA y son alterados y evolucionados usando la misma cruza y operadores de mutacin que operan en otros bits de la cadena. Los resultados mixtos con este aproximacin proporciona una interesante ilustracin de cmo los Gas pueden en principio ser usados para evolucionar los propios mtodos de bsqueda.

Los GAs son adecuados para la implementacin paralela. Aproximacin paralelizacin Un enfoque Coarse Grain para la paralelizacin subdivide la poblacin dentro de grupos de individuos, llamados

DEMES

Cada deme es asignado a un nodo computacional diferente y un GA st de bsqueda es desempeada en cada nodo. La transferencia entre demes ocurre por un proceso de migracin en el cual los individuos de un deme son copiados o transferidos a otros demes. Este proceso es modelado despus del tipo de cross-fertilization que puede ocurrir entre subpoblaciones separadas fsicas de especies biolgicas.

Un beneficio de tal enfoque es que puede reducir problemas de solapamiento encontrados en Gas no paralelosel sistema falla dentro de un punto local optimo al temprano aparecimiento de un genotipo que va a dominar la poblacin entera.

La recombinacin entonces puede tomar lugar entre vecinos cercanos. Varios tipos diferentes de vecinos vercanos han sido propuestos

Los algoritmos genticos conducen:

Aleatorios Paralelo Busqueda ascendentes para las hipotesis que optimizan una funcin de aptitud predefinida

La busqueda desempeado por los GAs estan basados sobre una analogia hacia la evolucion biologica. Una poblacin diversa de hipotesis competitivas esta sustentada.

En cada iteracion, los miembros mas adecuados de una poblacion son seleccionados para producir nuevos resultados que remplazan el miembro adecuado minimo de la poblacion. Las hipotesis son a menudo codificadas en cadenas que son combinadas por operaciones de cruza y sujeto a mutaciones aleatorias

Los GAs ilustran como el aprendizaje puede ser vista como un caso especial de optimizacion.