Taxonomía de un

algoritmo genético
Adaptado de “Genetic algorithms”, Dr. Angel Kuri Morales, 1998
Categoría Clasificación Ejemplos Conceptos y comentarios
Primaria Secundaria
Numérica Pesada Código binario posicional ¿Cómo representar en una cadena
Codificación genética (genoma) una posible
No pesada Código de Gray
solución a un problema
No numérica Conexión entre dos nodos
determinado?
dados de un grafo

Aleatoria Individuos al azar ¿Cómo determinar el número de

Población individuos con los cuáles empezar
Dirigida “Prototipos”: 1*, 0*, (10)*
inicial la simulación y cómo generarlos?

Directa Tomar el desempeño tal cual ¿Cómo se procesa el desempeño

Evaluación obtenido a fin de seleccionar luego?
Normalizada (Ver fórmula abajo)

Probabilística Uniforme Torneo Una vez determinado el desempeño

Selección de cada individuo de la generación,
Normal Distribución gaussiana
(% desempeño) ¿cómo decidir cuántas veces y con
Variedad: Mejor × Peor quién será cruzado para generar los
Determinística Vasconcelos descendientes de la generación?
Nietzsche Desempeño: Mejor × Sigte

Supervivencia Uno a uno P × M → O, A El tamaño de la generación, ¿se

P “juega” más de una vez mantiene contante o varía?
Uno a muchos
Lineal Intercambio por bloques ¿Cómo se producen individuos
Cruzamiento nuevos a partir de individuos ya
Bit a bit Intercambio por bits
existentes?
Anular Corrimiento de bits

Mutación Aleatoria Uniforme 0.005 ≤ Pm ≤ 0.01 ¿Cómo se introduce –y mantiene–

Gauss la variedad genética de las
Normal poblaciones y ampliar la búsqueda?
Dirigida “Mutación inteligente”

Sin elitismo Todos mueren ¿Qué ocurre con los individuos que
Elitismo van quedando atrás en una
Parcial Algunos mueren
generación? ¿Se guarda a los
Completa Nadie muere mejores o también desaparecen?

Sin migración Un solo núcleo poblacional ¿Cómo mantener la variedad

Migración genética de las poblaciones y
Débil Aleatoria Se intercambian individuos
al azar aprovechar las ventajas del
Período fijo procesamiento paralelo?
Fuerte Aleatoria Se intercambian individuos
seleccionados
Período fijo
Número de generaciones Digamos 20 ¿Cómo decido finalizar la
Criterio de simulación del algoritmo genético?
Desempeño Ya se encontró al mejor
paro
Desviación Durante x generaciones las
poblaciones no varían mucho
Razón mejor/media El mejor ya no lo es “tanto”

Fórmula de normalización
′
N
1
fi = fi +
N
∑ f i + min( f i )
i =1

f i′
Fi =
∑ f′
N

i
i =1