Vous êtes sur la page 1sur 20

Pregunta el visitante decepcionado: por qu mi estadia aqu no ha dado frutos?

Pudo haber sido debido a que le falt coraje para palmear el rbol, respondi
benignamente el maestro .
Anthony de Mello, Un Minuto de Sabidura

ALGORITMOS GENTICOS
Optimizacin Restringida (OR) y
Algoritmos Genticos
OR => optimizar una funcin objetivo => en
presencia de Restricciones.
OR => herramienta importante em
Computacin, Ingeniera, Matemticas,
Investigacin de Operaciones => numerosos
problemas prcticos => no pueden ser
modelados lineal.
Optimizacin Restringida (OR) y
Algoritmos Genticos
Problema General de OR.

max f(x)
s.t g
i
(x) s 0, i= 1,2,....m
1

h
i
(x) = 0, i= m
1
+1,...., m (= m
1
+m
2
)
x c X
Si un vector x satisface todas las restricciones
=> x solucin factible al problema.
El conjunto de todas las soluciones => regin
factible.
Optimizacin Restringida (OR) y
Algoritmos Genticos
Si => funciones no lineales =>
mtodos de solucin complejos y poco
eficientes.
Aos pasados => esfuerzo creciente
en aplicae AG.
Problema central => cmo manejar
las restricciones? => operadores
genticos => generan hijos infactibles.
OR y


Algoritmos
Genticos?
Optimizacin Restringida (OR) y
Algoritmos Genticos
Cmo Manejar Restricciones?

Se han propuesto diferentes tcnicas para tratar las
restricciones:
Estrategia de Rechazo.
Estrategia de Reparacin.
Estrategia de Modificacin de Operadores
Genticos.
Estrategia de Penalizacin.
Optimizacin Restringida (OR) y
Algoritmos Genticos
Estrategia de Rechazo
Rechaza los cromosomas infactibles generados en
el proceso evolutivo.
Opcin popular.
Trabaja bien en => espacios convexos.
Trabaja mal con muchas restricciones.
1 1 0 0 0 1 0 0 1 0 1 1 1
Infactible? =>
1 1 0 0 0 1 0 0 1 0 1 1 1
Optimizacin Restringida (OR) y
Algoritmos Genticos
Estrategia de Reparacin
Repara los cromosomas infactibles
=> a travs de algn procedimiento de
reparacin.
Problemas combinatorios =>
relativamente fcil crear un
procedimiento de reparacin.
Principal problema => la
dependencia => cada problema =>
algoritmo diferente de reparacin.
El proceso de reparar => puede ser
tan complejo como resolver el
problema completo.
Reparar solo para evaluar y/o
para sustituir en la poblacin.
Nunca reemplazar .
Siempre reemplazar.
Reemplazar solo el 5%.
Reemplazar 15%.
Optimizacin Restringida (OR) y
Algoritmos Genticos
Estrategia de Modificacin de Operadores Genticos
Inventar representacin especfica del problema y operadores
genticos especializados => mantener la factibilidad.

La bsqueda es confinada => a la regin factible.
Representacin Operadores
+
=> Cromosomas
Factibles
Optimizacin Restringida (OR) y
Algoritmos Genticos
Anlisis Estrategias
Las estrategias anteriores => ventaja => Nunca generan soluciones
infactibles.
Desventajas => No consideran puntos fuera de la regin factible => ??????
Problemas fuertemente restringidos => soluciones infactibles pueden
tomar altas regiones de la poblacin =>soluciones factibles => dificiles de
hallar si se confina la bsqueda gentica dentro regin factible.

Optimizacin Restringida (OR) y
Algoritmos Genticos
Estrategia de Penalizacin
Ha sido sugerido => tcnicas que manejen las restricciones => permiten
movimientos a travs de la regiones infactibles del espacio de bsqueda =>
Mayor rapidez en la optimizacin.
Mejores soluciones finales
Estrategias de penalizacin => considera soluciones infactibles en la
bsqueda gentica.
Tcnica Penalty => la ms comn en AG.
1 1 0 0 0 1 0 0 1 0 1 1 1
Infactible? => Penalizar
Optimizacin Restringida (OR) y
Algoritmos Genticos
Tcnica Penalty
Transforma => problema restringido => problema irrestricto =>
penalizando soluciones infactible.
Aade un trmino penalty a funcin objetivo por cualquier violacin a las
restricciones.
La idea bsica => optimizacin convencional:
Generar secuencia puntos infactibles => lmite => solucin ptima.
Aspecto principal => cmo seleccionar un valor aptopiado penalty =>
para apresurar convergencia y evitar terminacin prematura.

Optimizacin Restringida (OR) y
Algoritmos Genticos
Tcnica Penalty
En AG usada para:
Mantener cierta cantidad soluciones infactibles en cada generacin.
Esforzar a la bsqueda gentica en direccin a soluciones ptimas a partir de
ambas regiones : factible e infactibles.
No se rechazan en cada generacin los cromosomas infactibles => algunas
pueden proporcionar mayor informacin acerca de la solucin ptima que otras
soluciones factibles.
Lo ms importante ? => como determinar el trmino penalty para:
Mantener balance entre preservacin de la informacin (manteniendo
soluciones infactibles) y Presin selectiva ( rechazar algunas soluciones
infactibles).
Neutralizar tanto por debajo de penalty o por arriba.
Optimizacin Restringida (OR) y
Algoritmos Genticos






d b

a
c
A. Factible
ptima
A. Infactible
Espacio de Soluciones: factibles e infactibles
b est ms cerca del ptimo
que d => menor penalty que a
d a pesar de estar ms
alejado de zona factible.
bcontiene ms informacin
acerca del ptimo que c quien
es factible.
Optimizacin Restringida (OR) y
Algoritmos Genticos

Realidad ?

No se tiene conocimiento a priori del ptimo => dificil juzgar cual
cromosoma es mejor que otro.
Pricipal elemento => como disear la funcin penalty p(x)
P(x) => guia la bsqueda hacia areas prometedoras del espacio de
soluciones.
Las relaciones entre cromosomas infactibles y la parte factible del
espacio =>rol significativo en la penalizacin de infactibles.
No existen guias generales para construir funciones penalty.
La costruccin => altamente dependiente del problema.
Optimizacin Restringida (OR) y
Algoritmos Genticos

Funcin de Evaluacin con
Trmino Penalty
Existen dos maneras de construir la
funcin de evaluacin:
1) eval (x) = f(x) + p(x);
x = cromosoma
f(x) = funcin objetivo
p(x) = funcin penalty
Maximizar:
p(x) = 0 => x factible
p(x) < 0 => otro caso
| p(x) |
max
s |f(x)|
min
en una
generacin dada para evitar
valores negativos de la
funcin aptitud.
Minimizar:
p(x) =0 si x factible
p(x) > 0 otro caso
Optimizacin Restringida (OR) y
Algoritmos Genticos

Funcin de Evaluacin con
Trmino Penalty
2) eval (x) = f(x). p(x);
x = cromosoma
f(x) = funcin objetivo
p(x) = funcin penalty
Maximizar:
p(x) = 1 => x factible
0 s p(x) < 1 => otro caso
Minimizar:
p(x) = 1 si x factible
p(x) > 1 otro caso
Optimizacin Restringida (OR) y
Algoritmos Genticos

Clasificacin de Funciones Penalty

1) En general:
1) Funcin Constante
2) Funcin Variable
2) Funcin Variable Componentes:
1) Relacin penalty variable => ajustada de acuerdo a:
1) Grado de violacin => penalty esttica
2) Nmero de iteracin del AG. => penalty dinmica.
2) Cantidad penalty por violacin de restricciones

Optimizacin Restringida (OR) y
Algoritmos Genticos

Clasificacin de Mtodos de Penalizacin
1) Dependientes del problema.
2) Independientes del problema.
3) Con parmetros => tiende a ser dependiente del
problema.
4) Sin Parmetros
Optimizacin Restringida (OR) y
Algoritmos Genticos

Diferentes Propuestas.
a) Min f(x)
s.j. g
i
(x) > 0 , i=1,2,...,m
eval(x) = f(x) + p(x)
Funcin Penalty:
r
i
= coeficiente variable con
g
i

=
m
i
i i
otro x g r
factible x
x p
1
2
) (
0
) (
Optimizacin Restringida (OR) y
Algoritmos Genticos

Diferentes Propuestas.
b) Min f(x)
s.j. g
i
(x) > 0 , i=1,2,...,m
1

h
i
(x) = ,0 i= m
1
+1,...,m(=m
1
+m
2
)
eval(x) = f(x) + p(t, x)
Funcin Penalty:

) ( ) , (
1
x d x t p
m
i
i t

=
=
| o

t = iteracin
o y | = para ajustar




C = constante


Cxt
m i m otro x h
m i otro x g
factible x
x d
i
i i
=

s s +
s s =

1 | ) ( |
1 | ) ( |
0
) (
1
1