dbo:abstract
|
- En informática, las Estrategias Evolutivas son un tipo de Algoritmos Evolutivos que se caracterizan principalmente por: La selección de individuos para la recombinación es imparcial y es un proceso determinista, se diferencian del resto de los Algoritmos Evolutivos principalmente por la forma del operador de mutación y son aplicadas principalmente en problemas de optimización continua donde la representación es a través de vectores de números reales. Fueron originalmente creadas en la Universidad Técnica de Berlín en 1964. La forma general de los algoritmos Estrategias Evolutivas tiene la siguiente notación: Donde
* µ: Tamaño de la población
* ρ: Número de padres seleccionados para recombinarse
* λ: Número de individuos en la descendencia Un seudocódigo para el algoritmo general puede ser el siguiente: 0 given ρ, µ, λ ϵ N+1 initialize P = {(xk; f(xk)) | 1 ≤ k ≤ µ}2 while not happy3 Q = {}4 for k ϵ {1, ... , λ}5 selected = select_mates(ρ, P)6 xk = recombine(selected)7 xk = mutate(xk)8 Q = Q + (xk; f(xk))9 P = P U Q10 P = select_by_age(P) 11 P = select_best(µ, P) // by f-ranking En el cual se tiene inicialmente un conjunto de µ padres. En cada iteración del algoritmo se crea la descendencia (λ), para esto se seleccionan aleatoriamente ρ padres que van a recombinarse, se muta el producto de la recombinación y se forma el nuevo individuo. Luego de formarse el conjunto de la descendencia, se seleccionan los mejores µ individuos entre la población anterior y la nueva descendencia. Una de las características distintivas de las Estrategias Evolutivas dentro de los Algoritmos Evolutivos es el operador de mutación. Dicho operador se realiza a través de una distribución normal multivariante:
* Un vector aleatorio n-dimensional X, distribuye normal multivariante con parámetro y matriz de covarianza definida positiva C si su función de densidad es:
* En notación corta: Las distribuciones más usadas en Estrategias Evolutivas son: Existen otras variantes de Estrategias Evolutivas:
* (1+1)-ES (Solo un padre genera una descendencia mutando, luego se selecciona el mejor de ambos. Necesita de otros parámetros que se autoajustan)
* (µ, λ)-MSC-ES
* DR1, DR2, DR3
* CMA-ES (Es uno de los más usados en la práctica, mantiene una matriz de parámetros que se autoajusta) (es)
- En informática, las Estrategias Evolutivas son un tipo de Algoritmos Evolutivos que se caracterizan principalmente por: La selección de individuos para la recombinación es imparcial y es un proceso determinista, se diferencian del resto de los Algoritmos Evolutivos principalmente por la forma del operador de mutación y son aplicadas principalmente en problemas de optimización continua donde la representación es a través de vectores de números reales. Fueron originalmente creadas en la Universidad Técnica de Berlín en 1964. La forma general de los algoritmos Estrategias Evolutivas tiene la siguiente notación: Donde
* µ: Tamaño de la población
* ρ: Número de padres seleccionados para recombinarse
* λ: Número de individuos en la descendencia Un seudocódigo para el algoritmo general puede ser el siguiente: 0 given ρ, µ, λ ϵ N+1 initialize P = {(xk; f(xk)) | 1 ≤ k ≤ µ}2 while not happy3 Q = {}4 for k ϵ {1, ... , λ}5 selected = select_mates(ρ, P)6 xk = recombine(selected)7 xk = mutate(xk)8 Q = Q + (xk; f(xk))9 P = P U Q10 P = select_by_age(P) 11 P = select_best(µ, P) // by f-ranking En el cual se tiene inicialmente un conjunto de µ padres. En cada iteración del algoritmo se crea la descendencia (λ), para esto se seleccionan aleatoriamente ρ padres que van a recombinarse, se muta el producto de la recombinación y se forma el nuevo individuo. Luego de formarse el conjunto de la descendencia, se seleccionan los mejores µ individuos entre la población anterior y la nueva descendencia. Una de las características distintivas de las Estrategias Evolutivas dentro de los Algoritmos Evolutivos es el operador de mutación. Dicho operador se realiza a través de una distribución normal multivariante:
* Un vector aleatorio n-dimensional X, distribuye normal multivariante con parámetro y matriz de covarianza definida positiva C si su función de densidad es:
* En notación corta: Las distribuciones más usadas en Estrategias Evolutivas son: Existen otras variantes de Estrategias Evolutivas:
* (1+1)-ES (Solo un padre genera una descendencia mutando, luego se selecciona el mejor de ambos. Necesita de otros parámetros que se autoajustan)
* (µ, λ)-MSC-ES
* DR1, DR2, DR3
* CMA-ES (Es uno de los más usados en la práctica, mantiene una matriz de parámetros que se autoajusta) (es)
|