Mejoras a un algoritmo genético simple, aplicando conceptos de computación evolutiva

Abstract

Uno de los problemas con que se enfrentan los algoritmos evolutivos es la gran cantidad de tiempo que requieren para converger en la solución óptima. Por esta razón es muy importante el desarrollo de algoritmos que mejoren su desempeño. En este artículo se presenta una versión mejorada de Algoritmo Genético, así como la manera en que distintos parámetros internos, como mutación–número de padres afectan en la convergencia. Las pruebas propuestas se evaluaron estadísticamente, mediante un análisis de varianza. Esta metodología estadística de evaluación puede aplicarse para la sintonización de cualquier Algoritmo Genético.

The convergence time to the optimal solution is one of the most important problems of the evolutionary algorithms. This is the reason of the importance to develop new schemes that improve the performance of this kind of tools. A new version of Genetic Algorithm and a methodology to show the way internal parameters such as mutation, number of parents, etc., correlated with the convergence are presented. The experiments were designed with a statistic methodology analysis of variance (ANOVA). This methodology can be applied with any similar GA. in order to tune its perfomance parameters.