Algoritmo genético de estado estacionario (SSGA)

Requisito previo: algoritmo genético

SSGA significa algoritmo genético de estado estacionario . Es de estado estacionario, lo que significa que no hay generaciones. Se diferencia del algoritmo genético simple en que la selección del torneo no reemplaza a los individuos seleccionados en la población y, en lugar de agregar a los hijos de los padres seleccionados a la siguiente generación, los dos mejores individuos de los dos padres y los dos hijos. se vuelven a agregar a la población para que el tamaño de la población permanezca constante.

Pseudocódigo:

1. Genere una población inicial de tamaño N.
2. Evalúe la aptitud/bondad de cada solución.
3. Seleccione 2 soluciones como padres sin repetición.
4. Haz Crossover , Mutation e Inversion y crea 2 descendientes.
5. Si la descendencia está duplicada, vaya al paso 3.
6. Si no, evalúe la aptitud de la descendencia.
7. Si la descendencia es mejor que las peores soluciones, reemplace a los peores individuos con la descendencia de modo que el tamaño de la población permanezca constante.
8. Compruebe los criterios de convergencia.
9. Si se cumplen los criterios de convergencia, finalice el programa; de lo contrario, continúe con el paso 3.

Características :

• Pequeña Brecha Generacional.
• Solo 2 crías producidas en una generación.
• Generalmente se usa para el tamaño de población más pequeño N.
• Menos costoso computacionalmente en comparación con Simple GA.
• El tamaño de la población N permanece constante en todo momento.

Aplicaciones:

• Para optimizar una amplia gama de diferentes funciones de ajuste que no se pueden resolver utilizando algoritmos normales basados ​​en computación dura.
• Topologías de redes informáticas distribuidas.
• Aprendizaje de la base de reglas difusas mediante algoritmos genéticos.
• En el entrenamiento de redes neuronales utilizando SSGA en lugar de algoritmos Backprop normales y muchos más.