Algoritmos genéticos como técnica de búsqueda y optimización

Exploración

Los algoritmos genéticos tienen la capacidad de explorar el espacio de soluciones de manera eficiente y encontrar soluciones prometedoras. Esto se logra mediante la generación de una población inicial aleatoria y la aplicación de operadores genéticos como la selección, el cruce y la mutación para generar nuevas soluciones y explorar diferentes regiones del espacio de búsqueda.

Optimización

En 1967, Rosenberg desarrolla el primer algoritmo genético para optimización por multiobjetivos en sus trabajos de simulación biológica de poblaciones de células.

Cavicchio en el año 1972 publicó “Adaptative Search Using Simulated Evolution” en el cual aplica los algoritmos genéticos, problema de reconocimiento de imágenes y al problema de selección de modelos reconocimiento de patrones. En los trabajos de Rosenberg sobre simulación biológica aparecen uno de los primeros estudios sobre el uso de los algoritmos genéticos adaptativos, en donde los parámetros propios del algoritmo son optimizados por el mismo algoritmo, formando niveles de optimización que le permitían encontrar el conjunto de mejores valores para controlar el desenvolvimiento de células simuladas de escheriquia colli.

La primera disertación aplicada a problemas de optimización matemática se debe a Hollstein donde básicamente se dedica a aplicar los algoritmos genéticos para optimizar funciones de dos variables (z = f(x, y) ) usando diversos operadores genéticos (cruce, mutación, varios esquemas basados en prácticas de cría de animales y otros basados en horticultura).