Definición - ¿Qué significa algoritmo genético?
Un algoritmo genético es un método de búsqueda heurístico utilizado en inteligencia artificial y computación. Se utiliza para encontrar soluciones optimizadas a problemas de búsqueda basados en la teoría de la selección natural y la biología evolutiva. Los algoritmos genéticos son excelentes para buscar en conjuntos de datos grandes y complejos. Se consideran capaces de encontrar soluciones razonables a problemas complejos, ya que son altamente capaces de resolver problemas de optimización restringidos y sin restricciones.
Techinfo explica el algoritmo genético
Un algoritmo genético utiliza técnicas inspiradas en la biología evolutiva como la selección, la mutación, la herencia y la recombinación para resolver un problema. El método más comúnmente empleado en algoritmos genéticos es crear un grupo de individuos al azar de una población determinada. Los individuos así formados son evaluados con la ayuda de la función de evaluación proporcionada por el programador. A continuación, se proporciona a los individuos una puntuación que resalta indirectamente la adecuación a la situación dada. Los dos mejores individuos se utilizan para crear una o más crías, después de lo cual se realizan mutaciones aleatorias en la descendencia. Dependiendo de las necesidades de la aplicación, el procedimiento continúa hasta que se obtiene una solución aceptable o hasta que han pasado un cierto número de generaciones.
Un algoritmo genético se diferencia de un algoritmo de optimización clásico, basado en derivadas, de dos formas:
- Un algoritmo genético genera una población de puntos en cada iteración, mientras que un algoritmo clásico genera un solo punto en cada iteración.
- Un algoritmo genético selecciona la siguiente población mediante cálculo utilizando generadores de números aleatorios, mientras que un algoritmo clásico selecciona el siguiente punto mediante cálculo determinista.
En comparación con la inteligencia artificial tradicional, un algoritmo genético ofrece muchas ventajas. Es más robusto y susceptible a averías por ligeros cambios en las entradas o por presencia de ruido. Con respecto a otros métodos de optimización como praxis, programación lineal, heurística, primero o primero en amplitud, un algoritmo genético puede proporcionar resultados mejores y más significativos al buscar grandes espacios de estados multimodales, grandes espacios de estados o superficies n-dimensionales.
Los algoritmos genéticos se utilizan ampliamente en muchos campos, como la robótica, el diseño automotriz, el enrutamiento optimizado de telecomunicaciones, el diseño de ingeniería y el diseño molecular asistido por computadora.