Variación
Los candidatos difieren entre sí.
01 / EL PUNTO DE PARTIDABÚSQUEDA + OPTIMIZACIÓN
Encontrar soluciones.
Generación tras generación.
Algoritmos genéticos: una población de candidatos que se evalúa, se reproduce y genera nuevas variantes.
POBLACIÓN → VARIACIÓN
1 1 0 0 0 0
0 0 1 1 1 0
↓ recombinar
1 1 1 1 1 0
Ejemplo de la fuente · OneMaxHerencia
Los descendientes reciben información de sus progenitores.
Éxito diferencial
Algunas soluciones tienen mayor probabilidad de reproducirse.
02 / EL PUNTO DE PARTIDABÚSQUEDA + OPTIMIZACIÓN
¿Qué significa «mejor»?
¿Qué significa «mejor»?
El diseñador define la función de aptitud. Si una antena se optimiza solo por su ganancia en una dirección, puede perder cobertura en otras. Los requisitos omitidos quedan fuera de la presión de selección. Un candidato conserva su puntuación bajo las mismas condiciones.
03 / EL PUNTO DE PARTIDABÚSQUEDA + OPTIMIZACIÓN
EXPLICADO SIN SALTOS
Una solución candidata es una propuesta que todavía hay que evaluar.
El algoritmo no comienza con una única respuesta. Mantiene varias propuestas a la vez: esa es la población. Para compararlas necesita una regla de puntuación, llamada aptitud. Después utiliza esas puntuaciones para elegir quién puede aportar información a nuevos candidatos.
1. Proponer
Crear una población de soluciones.
2. Comparar
Evaluarlas con la función de aptitud.
3. Variar
Recombinar y mutar para generar descendientes.
¿Qué cambia de una generación a otra? Los candidatos que forman la población. Un individuo ya evaluado no aumenta su puntuación por el simple paso del tiempo: bajo las mismas condiciones conserva su aptitud. La mejora se observa al comparar candidatos entre generaciones.
04 / EL PUNTO DE PARTIDABÚSQUEDA + OPTIMIZACIÓN
PARA ENTENDER LA IDEA
¿Cómo aprende de lo que ya evaluó?
En cada iteración, el algoritmo evalúa las soluciones y utiliza sus puntuaciones para favorecer la reproducción de algunas. La selección aprovecha esa información; el cruzamiento y la mutación permiten explorar candidatos distintos. El resultado depende de cómo se representan las soluciones, de qué se premia y del costo de evaluar cada candidato.
La analogía con la evolución, paso a paso
La variación significa que hay candidatos diferentes. La herencia permite que parte de su información pase a los descendientes. El éxito reproductivo diferencial hace que algunos candidatos tengan mayor probabilidad de contribuir a la siguiente generación. Al repetirse este proceso, puede cambiar la frecuencia de ciertos rasgos en la población.
En biología, la aptitud depende del ambiente y se relaciona con el éxito reproductivo. En el algoritmo, la función de aptitud la especifica el diseñador. Por eso, antes de buscar, hay que decidir qué características harán que una solución reciba una mejor puntuación.
Pregunta para el grupo
Si la función de aptitud omite un requisito de la antena, ¿por qué el algoritmo no tiene por qué respetarlo?
Mostrar la explicación
Porque ese requisito no participa en la puntuación que guía la selección. Premiar solo la ganancia en una dirección puede favorecer diseños con poca cobertura en otras.
05 / LAS PIEZAS DEL ALGORITMOREPRESENTAR · EVALUAR
La representación define
lo que se puede explorar.
Genotipo: lo que manipula el algoritmo. Fenotipo: la solución que construye y evalúa.
Población e individuo
Conjunto de candidatos activos; puede contener duplicados. Cada individuo es una solución evaluable.
Cromosoma y gen
Representación de la solución. Cada posición o variable puede tratarse como un gen.
Aptitud / fitness
Puntuación que guía la selección. Puede incorporar penalizaciones por restricciones.
Selección
Decide quién tiene oportunidad de reproducirse.
Cruzamiento y mutación
Combinan información y modifican aleatoriamente parte del cromosoma.
Reemplazo
Decide quién forma la siguiente población. El elitismo preserva al menos al mejor.
06 / LAS PIEZAS DEL ALGORITMOREPRESENTAR · EVALUAR
Por qué los operadores deben corresponder a la representación
Por qué los operadores deben corresponder a la representación
En una ruta, un cromosoma puede ser una permutación de ciudades. Intercambiar segmentos sin más puede repetir una ciudad y omitir otra. Codificación, decodificación y operadores deben diseñarse conjuntamente. Muchas copias del mismo candidato reducen la variedad que puede recombinarse.
07 / LAS PIEZAS DEL ALGORITMOREPRESENTAR · EVALUAR
EL MISMO EJEMPLO, CON CADA NOMBRE
Lee 001110 como un cromosoma.
0Gen 10Gen 21Gen 31Gen 41Gen 50Gen 6
La cadena completa representa a un individuo del ejemplo. Cada posición es un gen y contiene un bit. La población inicial reúne cuatro individuos: 110000, 001110, 100100 y 000000. La función de aptitud cuenta los unos; por eso 001110 recibe 3.
Objetivo, aptitud y restricciones: ¿cómo se relacionan?
El objetivo indica qué se quiere optimizar. La aptitud asigna una puntuación para orientar la selección y puede coincidir con la función objetivo o añadir penalizaciones por incumplir restricciones. En OneMax coinciden: se quiere maximizar la cantidad de unos y esa misma cantidad es la puntuación.
En la antena, la representación utiliza parámetros de geometría y la evaluación considera requisitos de diseño. Lo que la evaluación no premia ni penaliza queda fuera de la presión de selección.
08 / LAS PIEZAS DEL ALGORITMOREPRESENTAR · EVALUAR
CONECTAR LOS CONCEPTOS
De la representación a la puntuación
Genotipo
Longitudes y ángulos→Decodificación
Construir la geometría→Fenotipo y evaluación
Antena y su aptitud
Longitudes y ángulos→Decodificación
Construir la geometría→Fenotipo y evaluación
Antena y su aptitud
Un individuo puede ser un diseño de antena. Su cromosoma puede ser un vector de longitudes y ángulos. El algoritmo modifica esa representación, construye la geometría correspondiente y evalúa el diseño resultante.
Selección, presión de selección y diversidad
En un torneo binario se sortean dos candidatos y gana el de mayor aptitud entre esos dos. Un individuo inferior al mejor de toda la población aún puede ganar si su rival tiene una puntuación menor. La participación depende del sorteo; no significa que siempre se elija al mejor global.
El texto también menciona la selección proporcional a la aptitud. Los mecanismos ejercen presiones de selección distintas. Favorecer con mucha fuerza a los mejores puede acelerar su propagación y reducir pronto la diversidad disponible. Si abundan copias de un mismo candidato, el cruzamiento tiene menos información diferente que combinar.
Reproducirse y sobrevivir son decisiones distintas
La selección de progenitores decide quién contribuye a crear descendientes. El reemplazo decide quién permanece en la población activa. Un individuo puede reproducirse y desaparecer después. Con elitismo se copia al menos al mejor candidato actual sin modificarlo.
09 / LABORATORIO DEL CICLOTRAYECTORIA DE LA FUENTE
Seis bits. Dos generaciones.
Un ciclo que puedes seguir.
OneMax: maximizar el número de unos. f(x) = Σ xᵢ · Óptimo: 111111 → 6
GENERACIÓN 0
PASO 1 / 13Inicializar la población
Sorteos fijados del ejemplo original. No representa el rendimiento promedio. Seleccionar progenitores y seleccionar supervivientes son decisiones distintas.
A · primer progenitorB · segundo progenitor★ Copia élite↻ Bit mutado│ Corte tras el bit 2
10 / LABORATORIO DEL CICLOTRAYECTORIA DE LA FUENTE
Reglas y condición de parada de esta trayectoria
Reglas y condición de parada de esta trayectoria
Cuatro individuos, torneo binario y una copia élite. Se crean dos hijos por cruzamiento de un punto y se copia un tercer ganador de torneo. La mutación puede afectar a los descendientes. Se detiene al alcanzar 111111, el objetivo conocido. Los torneos permiten que un candidato participe y gane más de una vez. En otros problemas también puede detenerse por presupuesto de evaluaciones u otro criterio explícito. Existen variantes con incorporación gradual de descendientes.
11 / LABORATORIO DEL CICLOTRAYECTORIA DE LA FUENTE
Comparar las tres poblaciones
Comparar las tres poblaciones
12 / LABORATORIO DEL CICLOTRAYECTORIA DE LA FUENTE
ANTES DE PULSAR REPRODUCIR
Piensa en cuatro plazas para la próxima generación.
★ Plaza 1
Copia del mejor↳ Plaza 2
Primer hijo↳ Plaza 3
Segundo hijo↳ Plaza 4
Copia seleccionada
Copia del mejor↳ Plaza 2
Primer hijo↳ Plaza 3
Segundo hijo↳ Plaza 4
Copia seleccionada
Esta distribución corresponde al ejemplo compartido. El mejor individuo actual ocupa una plaza mediante elitismo. Dos torneos eligen a la pareja que produce los dos hijos. Un tercer torneo elige al candidato que se copia para la última plaza. La mutación puede afectar a los descendientes; en la trayectoria fijada solo cambia un bit durante el segundo ciclo.
Cómo leer las tarjetas mientras avanzas
El nombre superior indica el origen: candidato inicial, copia élite, hijo o copia del tercer ganador. Los seis cuadros muestran su cromosoma. La aptitud inferior cuenta sus unos. «Mejor» es la puntuación más alta de esa población; «Media» suma las cuatro puntuaciones y divide entre cuatro.
Durante selección, cruce y mutación, las tarjetas superiores siguen mostrando la población activa. Los candidatos nuevos aparecen en el panel de operación. Solo al llegar a reemplazo pasan a ocupar las plazas de la nueva población.
13 / LABORATORIO DEL CICLOTRAYECTORIA DE LA FUENTE
GUÍA PARA EXPLICAR EL CICLO
Qué ocurre en cada etapa
- Inicializar. Se generan los primeros cromosomas aleatoriamente o se incluyen candidatos construidos con conocimiento del problema.
- Decodificar y evaluar. Se construye la solución representada por cada cromosoma y se calcula su aptitud.
- Seleccionar progenitores. Se aplica un mecanismo de selección; este ejemplo utiliza torneo binario.
- Generar descendientes. Se aplica cruzamiento con la probabilidad establecida y después mutación según las reglas elegidas. Aquí se reproducen las operaciones fijadas por el ejemplo.
- Formar la población siguiente. Se incorporan descendientes y, si se utiliza elitismo, se preservan los mejores según la política de reemplazo.
- Comprobar la parada. Se puede terminar por un objetivo conocido, un presupuesto de evaluaciones u otro criterio explícito. Si se continúa, se evalúan los nuevos candidatos y se repite el ciclo.
Leer la aptitud y la media a mano
En OneMax se suman los seis bits. Para 001110: 0 + 0 + 1 + 1 + 1 + 0 = 3. Para 111110, la aptitud es 5. El máximo global es 6 y corresponde a 111111.
La media de G₀ es (2 + 3 + 2 + 0) / 4 = 1.75. En G₁ es (3 + 5 + 0 + 2) / 4 = 2.50. En G₂ es (5 + 6 + 3 + 2) / 4 = 4.00. La mejor aptitud y la media describen aspectos distintos de la población.
Relatar la primera transición: G₀ → G₁
Se conserva 001110 como élite. En los torneos de la pareja, 110000 y 001110 vencen por separado a 000000. Al cruzar 11|0000 y 00|1110 se obtienen 11|1110 y 00|0000. Un tercer torneo elige 100100 frente a 000000; se incorpora su copia. No ocurre ninguna mutación.
El resultado reúne la élite, los dos hijos y la copia seleccionada: 001110, 111110, 000000 y 100100. El hijo de aptitud 5 supera a ambos padres; el de aptitud 0 queda por debajo de ambos.
Relatar la segunda transición: G₁ → G₂
Se conserva 111110. Para la pareja, 111110 vence a 100100 y 001110 vence a 000000. El corte vuelve a estar después del segundo bit. Como ambos segmentos finales son 1110, intercambiarlos no cambia los cromosomas.
Después se invierte el último bit del primer hijo: 111110 pasa a 111111. El tercer torneo vuelve a seleccionar 100100 frente a 000000. La población queda formada por 111110, 111111, 001110 y 100100.
14 / EXPERIMENTAR CON OPERADORESDEMOSTRACIÓN ILUSTRATIVA
Heredar no es lo mismo
que crear una variante.
Prueba el corte de un punto del ejemplo y observa una inversión aleatoria de bit.
Intercambiar segmentos
Elige la pareja del primer o segundo ciclo. El corte permanece después del segundo bit.
Una posibilidad, no una certeza
Demostración ilustrativa: la probabilidad controla si se invierte el último bit de 111110. Este valor no está especificado por la fuente.
En la trayectoria fija, G₀ → G₁ no tiene mutaciones; G₁ → G₂ invierte el último bit del primer hijo. Este laboratorio no altera esa trayectoria.
15 / EXPERIMENTAR CON OPERADORESDEMOSTRACIÓN ILUSTRATIVA
Qué demuestra la última posición
Qué demuestra la última posición
Todos los candidatos iniciales tienen un cero en el último bit. El cruzamiento de un punto solo intercambia segmentos existentes: el uno en esa posición aparece por mutación. En otras representaciones, mutar puede perturbar un número real o intercambiar elementos de una permutación.
16 / EXPERIMENTAR CON OPERADORESDEMOSTRACIÓN ILUSTRATIVA
DESGLOSE DEL CRUZAMIENTO
El corte no cambia los bits: cambia cómo se combinan.
A: 11 | 0000 y B: 00 | 1110
↓ intercambiar únicamente los segmentos a la derecha del corte
Hijo 1: 11 | 1110 → aptitud 5
Hijo 2: 00 | 0000 → aptitud 0
El primer hijo conserva los dos primeros bits de A y recibe los cuatro últimos de B. El segundo hace lo contrario. En el segundo ciclo, los dos finales son 1110: el intercambio ocurre, pero las cadenas resultantes no cambian.
Cómo interpretar la probabilidad del laboratorio de mutación
El control se aplica únicamente a invertir el último bit de 111110 en cada prueba. Con 0 % no se invierte; con 100 % siempre se invierte. Con un valor intermedio, el resultado depende del sorteo mostrado. No se exige una cantidad exacta de cambios en unas pocas pulsaciones.
El número sorteado se compara con la probabilidad elegida. Si es menor, ocurre la inversión. El valor del control es ilustrativo: la presentación no especifica una probabilidad numérica de mutación. Este experimento no añade reglas a la trayectoria fija de dos generaciones.
17 / EXPERIMENTAR CON OPERADORESDEMOSTRACIÓN ILUSTRATIVA
QUÉ OBSERVAR AL EXPERIMENTAR
El cruce reutiliza información
El corte divide cada progenitor en dos segmentos. El primer hijo recibe el inicio de A y el final de B; el segundo recibe el inicio de B y el final de A. Las etiquetas A y B y la línea de corte permiten seguir la herencia.
Con la pareja de G₁ los finales son idénticos: recombinar no modifica los cromosomas. Aplicar el operador no garantiza producir información diferente ni mejorar la aptitud.
La mutación modifica un gen
La inversión transforma un cero en uno o un uno en cero. La fuente también contempla perturbaciones de números reales e intercambios en permutaciones: la operación debe corresponder a la representación.
En este laboratorio cada prueba parte del mismo cromosoma. El control modifica la probabilidad de la inversión concreta; los resultados aleatorios se muestran por separado del ejemplo de sorteos fijados.
Pregunta para el grupo
Si todos los cromosomas tienen un cero en la última posición, ¿puede este cruzamiento producir un uno ahí?
Mostrar la explicación
No. El cruzamiento de un punto intercambia segmentos existentes. En el ejemplo, el uno final aparece al invertir ese bit mediante mutación. Esto permite distinguir el aporte de cada operador.
18 / QUÉ DEMUESTRA LA EVIDENCIAINTERPRETAR LOS RESULTADOS
Una ejecución favorable
no demuestra una ventaja.
Convergencia ≠ rapidez
Un resultado asintótico no dice cuántas evaluaciones hacen falta para llegar al óptimo.
El resultado de Rudolph
Bajo las hipótesis de su modelo, el algoritmo canónico sin preservar al mejor no converge al óptimo en el sentido analizado, aunque pueda visitarlo. Variantes que preservan al mejor presentan convergencia asintótica bajo las condiciones estudiadas.
Recombinar tiene límites
Los esquemas describen patrones parciales. Si los genes interactúan, recombinar puede romper combinaciones útiles.
Esquemas y epistasis
11**** agrupa cadenas que comparten los dos primeros bits. El teorema de los esquemas trata sus copias esperadas bajo operadores concretos. La dependencia entre genes se llama epistasis; el éxito en OneMax no se generaliza a variables fuertemente acopladas.
Comparar con justicia
Mismo presupuesto de evaluaciones; medir calidad, factibilidad y variación entre semillas.
Qué medir
En ingeniería, cada evaluación puede requerir una simulación. Para atribuir una ventaja se necesitan alternativas comparadas bajo condiciones equivalentes. En OneMax, la solución se deduce directamente de la fórmula.
La subida de la media pertenece a esta trayectoria particular. No toda generación necesariamente mejora.
El elitismo conserva la mejor aptitud cuando la evaluación es determinista y el objetivo permanece fijo.
19 / QUÉ DEMUESTRA LA EVIDENCIAINTERPRETAR LOS RESULTADOS
EVITA ESTAS CONFUSIONES AL EXPLICAR
¿Qué podemos concluir del ejemplo?
El mejor se conserva
Con elitismo, evaluación determinista y objetivo fijo, la mejor aptitud permanece disponible.
La media es otra medida
La conservación del mejor no implica que todos los individuos ni la media mejoren en cada generación.
Una trayectoria es un caso
Los sorteos fijados permiten seguir las operaciones, pero no estiman el desempeño promedio.
¿Por qué importa el presupuesto de evaluaciones?
En OneMax basta con contar seis bits. En ingeniería, evaluar cada candidato puede requerir una simulación. Un resultado de alta calidad debe interpretarse junto con el costo de encontrarlo. Una comparación informativa usa condiciones equivalentes y considera cuántas evaluaciones consume cada método.
Los resultados teóricos de convergencia y las comparaciones empíricas responden preguntas diferentes: el comportamiento al aumentar las iteraciones no garantiza llegar al objetivo dentro de un presupuesto práctico.
20 / QUÉ DEMUESTRA LA EVIDENCIAINTERPRETAR LOS RESULTADOS
CÓMO INTERPRETAR LA EFICACIA
Encontrar, conservar y llegar a tiempo
Visitar una solución óptima, conservarla y encontrarla dentro de un presupuesto práctico son cuestiones distintas. Los resultados de convergencia dependen de las hipótesis del modelo y se refieren al comportamiento al aumentar las iteraciones. No establecen por sí solos el costo de una ejecución concreta.
¿Qué información conserva el cruzamiento?
El patrón 11**** representa cualquier cadena de seis bits que empieza por 11. El teorema de los esquemas estudia cómo cambia el número esperado de copias de patrones parciales bajo operadores concretos. Permite razonar sobre su supervivencia bajo ciertas condiciones.
Si la utilidad de un gen depende mucho de otros, existe epistasis. Separar y recombinar segmentos puede romper combinaciones valiosas. Por eso el resultado de OneMax no basta para predecir el desempeño con variables fuertemente acopladas.
Cómo explicar una comparación informativa
El mismo presupuesto permite comparar cuántas evaluaciones necesita cada método para obtener diseños factibles, qué calidad alcanza y cuánto varían los resultados entre semillas. Cuando evaluar implica una simulación costosa, ese presupuesto forma parte del problema.
El ejemplo de seis bits permite verificar cada operación a mano y aislar los operadores. Su solución se deduce de la fórmula; una trayectoria favorable sirve para explicar el mecanismo, pero no demuestra una ventaja frente a otros métodos.
21 / DE LOS BITS A UNA ANTENANASA · SPACE TECHNOLOGY 5
Del candidato simulado
al diseño que vuela.
Una antena de banda X para tres satélites: ancho de banda amplio, haz amplio y polarización circular.
01
Representar y simular
Geometrías candidatas evaluadas con un simulador electromagnético.
02
Ajustar los requisitos
El cambio de órbita llevó a modificar la aptitud. Nuevos diseños en menos de un mes.
03
Fabricar, probar, aprobar
Un diseño aprobado para los tres satélites, lanzados el 22 de marzo de 2006.
Ilustración esquemática de la misión; no representa la geometría de la antena.
22 / DE LOS BITS A UNA ANTENANASA · SPACE TECHNOLOGY 5
Dos enfoques, dos espacios de búsqueda
Dos enfoques, dos espacios de búsqueda
Un enfoque utilizó parámetros reales para brazos sin ramificaciones. El otro empleó una representación generativa en árbol, propia de la programación genética, con ramificaciones. Cada representación delimitó las formas posibles. La evidencia incluyó simulación, comparación con un diseño convencional, ensayos físicos y operación en la misión.
23 / DE LOS BITS A UNA ANTENANASA · SPACE TECHNOLOGY 5
CONECTA EL CASO CON EL ALGORITMO
¿Dónde aparecen las piezas que ya vimos?
- Individuo
- Una geometría candidata de antena.
- Representación
- Un vector de parámetros reales en un enfoque; un árbol generativo en el otro.
- Evaluación
- Un simulador electromagnético para valorar las geometrías frente a los requisitos.
- Cambio del problema
- Al cambiar la órbita prevista, se ajustó la función de aptitud a los nuevos requisitos.
- Validación
- Fabricación, ensayos y aprobación del diseño para los tres satélites.
El caso muestra por qué la calidad no depende solo de reproducir y mutar: también depende de qué diseños permite construir la representación y de qué requisitos se incluyen al evaluarlos.
24 / DE LOS BITS A UNA ANTENANASA · SPACE TECHNOLOGY 5
LEER EL CASO COMO EVIDENCIA
¿Qué aportó la búsqueda evolutiva?
Hornby, Lohn y Linden documentaron el diseño de la antena para Space Technology 5. El trabajo conectó la representación de geometrías con una evaluación electromagnética y con requisitos concretos de la misión. Cuando cambió la órbita prevista, también cambiaron los requisitos: hubo que ajustar qué se consideraba un buen diseño.
El papel de la representación en los dos enfoques
El enfoque con parámetros reales restringía los brazos a geometrías sin ramificaciones. La representación generativa en árbol, propia de la programación genética, permitía ramificaciones. La diferencia delimitaba qué formas podían aparecer durante la búsqueda.
El caso documenta un algoritmo genético con parámetros reales como parte del trabajo y el despliegue de un diseño obtenido mediante búsqueda evolutiva. No conviene confundir las dos representaciones ni atribuirlas a un único operador.
Pregunta para el grupo
¿Por qué no bastaba con obtener una puntuación alta en el simulador?
Mostrar la explicación
La evidencia decisiva incluyó comparar con un diseño convencional, fabricar, ensayar físicamente y aprobar el diseño. El caso también documenta su operación en una misión espacial.
25 / IDEAS PARA LLEVARSECONECTAR LAS IDEAS
Definir qué premiar.
Decidir cómo explorar.
La aptitud orienta
Una definición de «buena solución» se convierte en presión de selección repetida.
La representación limita
La codificación y los operadores deben alcanzar candidatos útiles sin perder pronto la diversidad.
La evidencia valida
OneMax aísla operadores; la aplicación real exige comparar, simular y validar físicamente.
Contenido basado exclusivamente en el texto facilitado por el usuario. No se consultaron fuentes teóricas adicionales.
26 / IDEAS PARA LLEVARSECONECTAR LAS IDEAS
Referencias incluidas en el texto compartido
Referencias incluidas en el texto compartido
- Holland (1975, reed. 1992). Adaptation in Natural and Artificial Systems.
- Whitley (1994). A genetic algorithm tutorial.
- Goldberg y Deb (1991). A comparative analysis of selection schemes used in genetic algorithms.
- Davis (1985). Applying adaptive algorithms to epistatic domains.
- Rudolph (1994). Convergence analysis of canonical genetic algorithms.
- Lohn, Hornby y Linden (2008). Human-competitive evolved antennas.
- Hornby, Lohn y Linden (2011). Computer-automated evolution of an X-band antenna for NASA’s Space Technology 5 mission.
27 / IDEAS PARA LLEVARSECONECTAR LAS IDEAS
CIERRE PARA EXPLICAR EN VOZ ALTA
Recorre el razonamiento completo.
Primero representamos las soluciones y definimos cómo puntuarlas. Después evaluamos una población y seleccionamos progenitores. El cruzamiento combina su información y la mutación modifica parte de ella. La política de reemplazo determina qué candidatos pasan a la generación siguiente. El proceso continúa hasta cumplir una condición de parada explícita.
En el ejemplo, el cruzamiento produce 111110 y la mutación permite obtener 111111. En la aplicación espacial, las geometrías se evalúan con simulación y la solución elegida se valida físicamente. El mecanismo explica cómo se explora; las comparaciones y las pruebas permiten juzgar qué resultados se han conseguido.
28 / IDEAS PARA LLEVARSECONECTAR LAS IDEAS
PARA CERRAR LA EXPOSICIÓN
Relaciona el ejemplo con la aplicación
En OneMax, la representación y la aptitud son fáciles de leer: seis bits y su suma. En la antena, la representación describe geometrías y la evaluación requiere simulación. En ambos casos, la definición de aptitud orienta la reproducción de candidatos y los operadores delimitan las variantes que pueden aparecer.
Repaso: cuatro preguntas esenciales
- ¿Qué se selecciona?
- Candidatos que tendrán oportunidad de reproducirse según un mecanismo como el torneo binario.
- ¿Qué aporta el cruzamiento?
- Combina segmentos de los progenitores; en el primer ciclo produce un hijo mejor y otro peor que ambos.
- ¿Qué aporta la mutación del ejemplo?
- Introduce el uno de la última posición, ausente en esa posición de los candidatos iniciales.
- ¿Qué permite afirmar que un método funciona mejor?
- Una comparación con alternativas bajo condiciones equivalentes, considerando presupuesto, calidad, factibilidad y variación entre ejecuciones.